本技术公开了一种基于众包模式的防丢定位系统，涉及定位查找技术领域，防丢定位系统包括云端服务器、防丢定位装置、移动终端，云端服务器包括数据库、模型及算法，各部分通过无线通信连接，防丢定位装置安装在查找的目标物体上。依靠系统中的防丢定位装置位置数据收集、分析，根据防丢定位装置位置数据之间的关联为查找单个防丢定位装置提供指导和帮助，由现有技术中的依赖单个防丢定位装置位置数据查找转为依赖多防丢定位装置位置数据进行查找，缩短了查找时间，提高了查找效率，降低了丢失物品的安全威胁性及查找成本。

 本技术公开了一种联合匈牙利算法和遗传算法的CR‑NOMA资源分配方案，涉及无线通信技术，包括将构建的优化问题P0分解为次用户信道匹配问题P1和次用户功率分配问题P2；利用匈牙利算法求解次用户信道匹配问题P1，设计次用户配对分簇策略，得到最优信道匹配矩阵，采用自适应遗传算法求解次用户功率分配问题P2，得到最优功率分配方案；迭代执行上述步骤，直至自适应遗传算法达到最大迭代次数，输出次用户的最优信道匹配方案和最优功率分配方案。本发明通过将优化问题P0分解为次用户信道匹配问题P1和次用户功率分配问题P2，降低问题求解的复杂度；使用自适应遗传算法求解次用户功率分配问题P2，通过动态调整交叉和变异概率，提高全局搜索能力。

 一种基于智能超表面辅助的煤矿深井提升机通信系统及方法，系统:包括物联网设备、边缘计算节点、云服务器和智能超表面，物联网设备包括张力传感器、称重传感器、加速度传感器；张力传感器、称重传感器、加速度传感器均通过智能超表面与边缘计算节点连接，边缘计算节点与云服务器通过有线传输介质连接。方法：布置智能超表面，并构建智能通信系统；对智能通信系统中计算卸载过程中能量损耗和计算时延问题进行建模；构建融合能量效率与计算时延两大维度的综合效益函数；将最大化综合效益函数确立为计算卸载策略的优化目标；构建安全强化学习模型；实现最优计算卸载效益。该系统及方法可确保提升机内部无线数据链路的稳定性，可提高数据的传输效率。

 本文涉及通信技术领域，提供了一种基于流量预测的基站休眠方法，该方法包括:对历史网络流量数据进行特征提取，得到流量特征向量，并基于流量特征向量计算空间单元之间的时序相似度；基于时序相似度构建时空依赖图；根据空间环境数据获取目标区域的静态环境特征和动态环境特征，并基于静态环境特征和动态环境特征计算模型参数；基于时空依赖图和模型参数，利用流量预测模型对目标区域进行流量预测，得到所有空间单元的预测网络流量；根据预测网络流量构建用于描述目标区域的所有基站状态的优化目标函数，并对优化目标函数进行最小化求解，得到目标区域的基站休眠控制方案。本申请的方法能够提高对基站进行休眠控制的准确性。

本技术公开了一种基于异构无人机的多无人机通信系统，其中该系统包括计算型UAV

 本技术公开了一种基于改进深度确定性策略梯度的水下计算任务卸载方法。首先初始化任务卸载问题的状态空间，使用卸载模式和卸载数量矩阵加噪构造动作空间，使用任务卸载能耗的倒数设计奖励函数；其次改进深度确定性策略梯度算法，在算法参数更新过程中使用自适应更新幅度方法，初始阶段将更新幅度设置为较高的值，在算法训练的过程中逐渐将其减小；最后通过改进深度确定性策略梯度解决任务卸载问题，输入任务卸载问题的马尔可夫决策模型，不断训练迭代到平均损失函数不再减小，输出任务卸载模式和卸载数量。本发明能够有效加快算法的收敛速度，降低传感器节点任务卸载的能耗。

本文提供一种信道量化表构建方法、室内可见光通信系统及电子设备，所述信道量化表构建方法包括:将接收平面划分为N个子区域；将所述N个子区域内各点的实际信道增益值按照预设规则量化为同一信道增益值；根据所述划分的N个子区域和每个子区域对应的量化增益值构建室内可见光通信系统信道量化表。本申请提供的技术方案，发射端根据终端反馈的位置信息以及存储的光源信息，通过查表和简单的计算可以快速获取用户与各个光源之间的信道信息，从而可以降低信道信息获取的计算复杂度。

本文涉及一种定位目标移动轨迹路径规划记录方法及系统，其属于路径记录技术领域，其中方法包括获取目标区域的路网信息；根据路网信息得到路网图；周期性获取定位目标在目标区域内的定位坐标点；在所述路网图上确定实际路径点；按照时间顺序将每两个相邻时间点的所述实际路径点进行连线以得到若干初始路径；根据每两个相邻时间点的所述实际路径点之间的可通行路径对初始路径进行修正组合，得到真实轨迹。本申请结合实际的路网信息对定位目标的移动轨迹进行了修正，以此得到的真实轨迹能够符合路网特征，大大提高了在室内路线复杂或室外遮蔽物较多的情况下，对定位目标移动轨迹的记录准确度。

 本技术公开了一种无线边缘网络中分布式学习的任务感知服务放置方法。本发明根据合并原始任务有向无环图得到的具有资源和通信需求信息的服务有向无环图，放置分布式学习应用的服务，该步骤包括如下两个阶段:第一阶段，为合并后每个独立服务有向无环图搜索放置的服务器节点阶段；第二阶段，为评估给定服务放置方案的整体延迟阶段；通过迭代上述两个步骤，找到最优分布式学习应用服务放置方案。本发明针对通信不可靠、用户移动随机以及服务排队的问题，提出了考虑放置服务之间依赖关系的任务感知服务放置方法，减少所有学习任务的期望延迟、提高边缘网络的任务完成率。本发明适用于边缘计算领域。

 一种意图驱动的自智网络按需服务方法和系统，包括:采集用户意图；生成配置生成大模型，将用户意图转译成未填充参数的配置命令模板序列；获取网络配置文档，由配置生成大模型修正模板序列，并对语义级参数填充取值；设定若干服务质量指标，由配置生成大模型根据用户意图生成服务质量指标权重矩阵，然后为每个服务质量指标构建一个专家模型，由专家模型计算指标级参数在对应服务质量指标下的资源分配权重向量，最后根据权重矩阵和专家模型的资源分配权重向量确定指标级参数取值，并填充至模板序列；将模板序列逐条输出至网络设备中执行。本技术涉及信息通信网络领域，能从语义层面将用户意图准确转译为配置命令，动态生成满足用户需求的配置命令。