一种具有自适应能力的智能无线传播环境构建方法技术

本发明专利技术公开了一种具有自适应能力的智能无线传播环境构建方法，包括根据当前场景，感知模块进行多模态数据感知，并对单个模态的数据样本进行数据增强，分别输入至ResNet神经网络，将S个不同模态的3D张量输入至transformer

【技术实现步骤摘要】
一种具有自适应能力的智能无线传播环境构建方法


[0001]本专利技术属于通信
，具体涉及一种具有自适应能力的智能无线传播环境构建方法。

技术介绍

[0002]在全球数字化以指数级速度增长的背景下，当前的移动通信网络不足以满足元宇宙、web3.0 、自适应AI等技术的发展带来的人、机、物的多维感知、泛在智联，超高速率、超低延时、超大密度的无线连接等应用需求。作为下一代移动通信技术，6G无线网络需要从根本上改变网络的构建和部署方式，并推动人类进入虚拟与现实深度融合的全新时代。近年来，以用户为中心的智简网络被认为 6G 时代的颠覆性技术之一。该网络是一种弹性的可重构立体网络架构，从“网极简”、“网自治”、“智内生”等三个维度，通过控制基站与数据基站解耦、弹性RAN、至简协议栈、语义通信、内生AI网络架构、数字孪生网络架构等技术打造“智能无处不在的连通性”。然而，高度动态的无线环境 （包含用户位置、移动性等时空属性）以及动态的多业务需求为智简无线接入网络实现控制用户分离、多空口融合、即插即用的无线连接愿景提出了很大的挑战。r/>[0003]不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有自适应能力的智能无线传播环境构建方法，其特征在于：包括如下步骤：S1：根据当前场景，感知模块进行多模态数据感知，并对单个模态的数据样本进行数据增强，分别输入至ResNet神经网络，得到卷积后的单个模态的3D张量H*W*C；其中H代表图片长度，W代表图片宽度，C代表通道数； S2：将S个不同模态的3D张量输入至transformer
‑
XL融合模型中，利用自注意力机制对S1步骤中获得的单模态张量在不同的特征层上进行多尺度融合，得到多模态数据融合后的特征序列(S*H*W)*C；其中S代表不同模态数，H代表图片长度，W代表图片宽度，C代表通道数；多模态数据经过transformer
‑
XL融合模型的训练产生相应的特征经验；并存储至特征经验库中；所述经验特征指多模态数据经过融合模型的训练后产生的权重集合，该权重会随着场景发生变化在训练过程中进行微调，将不同的场景的权重进行整合形成特征经验；所述经验库初始会有一些融合特征及其与控制端的关系向量； S3：将多模态数据融合后的特征序列进行边缘计算，得到无线传播环境的控制信息，并将控制信息分别传递给RIS、IAB、和UAV
‑
RIS中继设备，所述RIS、IAB、和UAV
‑
RIS中继设备根据控制信息做出相应改变；所述边缘计算包括...

【专利技术属性】
技术研发人员：罗文宇，段臣续，钟云开，赵雪飞，周荘，邵霞，许丽，杨阳蕊，轩安南，侯长兴，闫天泽，马怡乐，翟亚坤，
申请(专利权)人：华北水利水电大学，
类型：发明
国别省市：