基于能量感知的背向散射码率自适应方法、装置及系统制造方法及图纸

本发明专利技术涉及一种基于能量感知的背向散射码率自适应方法、装置及系统，该方法包括如下步骤：初始化码率策略，执行策略，获取当前信道状态信息，并将信道状态信息输入到强化学习模型中，强化学习模型接收信道状态信息输入，并输出码率决策结果，监测节点剩余的能量，将能量检测结果与设定阈值进行比较，当能量检测结果高于或等于设定阈值时，则选择强化学习模型给出的码率决策结果作为最终码率执行策略；当能量检测结果低于设定阈值时，则忽略强化学习模型给出的码率决策结果，选择可选的最低码率作为最终码率执行策略。本发明专利技术其将传统的码率自适应策略与能量约束规则结合，能够有效结合背向散射技术的特点并根据环境状态进行码率调整，达到更优的传输效果。达到更优的传输效果。达到更优的传输效果。

【技术实现步骤摘要】
基于能量感知的背向散射码率自适应方法、装置及系统


[0001]本专利技术属于无线通信
，具体涉及一种基于能量感知的背向散射码率自适应方法、装置及系统。

技术介绍

[0002]背向散射技术是一种通过反射环境中的电磁波实现通信的技术，该技术能够以极低的功耗实现数据传输任务，近来备受关注。随着技术的发展，背向散射节点需要传输的数据带宽急速增加，从最初的光和温度数据，到现在的麦克风音频数据，甚至视频流数据。然而背向散射技术的通信质量极易受到动态无线信道质量的影响，此种影响在背向散射节点执行连续和大容量数据(如视频流)传输任务时表现得尤为明显，当信道带宽与数据速率不匹配时，会出现传输质量不稳定、数据丢失等问题。
[0003]近年来出现了一些基于背向散射网络物理层速率自适应的方法，但这些方法有一个共同的弊端，即他们无法解决由于信道质量差而导致源端数据堆积的问题。因为这些方法并没有改变需要传输数据的总量，这是本地存储空间受限的背向散射节点所不能接受的。
[0004]针对背向散射中的视频采集任务，申请人想到了码率自适应方法，根据信道状态自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能量感知的背向散射码率自适应方法，其特征在于：包括如下步骤：S1)初始化码率策略；S2)执行策略；S3)获取当前信道状态信息，并将信道状态信息输入到强化学习模型中；S4)强化学习模型接收信道状态信息输入，并输出码率决策结果；S5)监测节点剩余的能量，将能量检测结果与设定的阈值进行比较，判断当前强化学习模型输出的码率决策结果是否适合执行，当能量检测结果高于或等于设定的阈值时，则认为当前强化学习模型输出的码率决策结果适合执行，选择强化学习模型给出的码率决策结果作为最终码率返回步骤S2)执行策略；当能量检测结果低于设定的阈值时，则认为当前强化学习模型输出的码率决策结果不适合执行，忽略强化学习模型给出的码率决策结果，选择设定的码率作为最终码率返回步骤S2)执行策略。2.如权利要求1所述的基于能量感知的背向散射码率自适应方法，其特征在于：步骤S5)中当能量检测结果低于设定的阈值时，则认为当前强化学习模型输出的码率决策结果不适合执行，忽略强化学习模型给出的码率决策结果，选择可选的最低码率作为最终码率返回步骤S2)执行策略；信道状态信息包括信噪比、误码率信息。3.如权利要求1所述的基于能量感知的背向散射码率自适应方法，其特征在于：强化学习模型根据能量约束规则的反馈结果，指导下一次码率选择，具体包括：强化学习模型接收能量约束规则的反馈结果与状态向量，输出码率决策结果。4.如权利要求1所述的基于能量感知的背向散射码率自适应方法，其特征在于：步骤S3)中将信道状态信息输入到已经训练好的强化学习模型中，强化学习模型训练时，选择将强化学习模型部署在系统之外的电脑上进行在线训练，通过串口与系统的节点交换数据，当强化学习模型在训练阶段训练完成之后，将该强化学习模型的全连接码率决策网络进行轻量化处理后部署在节点上。5.一种基于能量感知的背向散射码率自适应装置，其特征在于：包括存储器，用于存储程序；以及处理器，所述处理器用于执行所述程序时实现如权利要求1至4任一项所述背向散射码率自适应方法的步骤。6.一种基于能量感知的背向散射码率自适应装置，其特征在于：包括信道状态信息获取模块、强化学习模块、能量约束规则模块、策略执行模块，所述信道状态信息获取模块用于获取当前信道状态信息，并将信道状态信息输入到强化学习模块中；所述强化学习模块用于接收信道状态信息输入，并输出码率决策结果...

【专利技术属性】
技术研发人员：吴心仪，张瑞杰，周培龙，周翔宇，何承天，董慧鑫，王巍，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：