【技术实现步骤摘要】
本公开属于通信，涉及一种用于物联网空中计算的载波同步方法。
技术介绍
1、此部分的陈述仅仅提供与本公开有关的
技术介绍
信息，并且这些陈述可能构成现有技术。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题。
2、随着5g技术的支持以及物联网设备的普及，物联网网络中产生了大量数据。与此同时，基于人工智能的数据分析已成为处理此类数据流以做出决策的一种方法，其中深度神经网络广泛用于物联网应用。然而，深度神经网络模型的执行通常依赖于大量的计算资源和内存使用，因此传统上深度神经网络推理在集中式云服务器上执行，但这种推理方法通常会受到网络拥塞和隐私问题的困扰，特别是在采用无线通信时。由于物联网设备能够完美匹配深度神经网络应用，因此考虑收集本地物联网设备的空闲资源进行深度神经网络推理是可行的。然而，单个物联网设备由于其有限的计算、存储和通信资源，大多不足以执行时间敏感和高精度约束的推理任务。为了克服这一问题，分布式原位推理将深度学习模型划分为多个部分，每个部分在本地设备内分配，因此整个推理可以在数据源附近执行，以满足延迟和准确
【技术保护点】
1.一种用于物联网空中计算的载波同步方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的用于物联网空中计算的载波同步方法，其特征在于，所述核心节点选择最近的N个任务节点，并以核心节点与任务节点的距离进行远近排序，即R1≤R2≤...≤RN，使得距离较近的任务节点具有较小的索引。
3.根据权利要求1所述的用于物联网空中计算的载波同步方法，其特征在于，根据物联网设备间的距离差确定延迟发送时间，并基于延迟发送时间使用空中计算技术将计算值发送至核心节点，包括如下步骤：
4.根据权利要求3所述的用于物联网空中计算的载波同步方法，其特征在...
【技术特征摘要】
1.一种用于物联网空中计算的载波同步方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的用于物联网空中计算的载波同步方法，其特征在于，所述核心节点选择最近的n个任务节点，并以核心节点与任务节点的距离进行远近排序，即r1≤r2≤...≤rn，使得距离较近的任务节点具有较小的索引。
3.根据权利要求1所述的用于物联网空中计算的载波同步方法，其特征在于，根据物联网设备间的距离差确定延迟发送时间，并基于延迟发送时间使用空中计算技术将计算值发送至核心节点，包括如下步骤：
4.根据权利要求3所述的用于物联网空中计算的载波同步方法，其特征在于，当zc序列的自相关函数在预定义的阈值处达到峰值时，所述任务节点实现zc同步；核心节点将划分的模型数据分配给任务节点的发送时间为τdcomm，任务节点n在时间后收到分配的计算任务。
5.根据权利要求3或4所述的用于物联网空中计算的载波同步方法，其特征在于，所述同步信号zc序列的长度为m，且每个元素的实部和虚部...
【专利技术属性】
技术研发人员：刘乔寿，王佳欣，邓义锋，刘爽，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。