测量方法及装置制造方法及图纸

本申请提供一种测量方法及装置，涉及通信领域，能够解决融合感知过程中测量设备选择不准确，造成感知准确度低的问题

【技术实现步骤摘要】
测量方法及装置


[0001]本申请涉及通信领域，尤其涉及一种测量方法及装置
。

技术介绍

[0002]感知融合
(sensor fusion)、
融合感知
(fusion sensing)
或称合作感知
(cooperative sensing)
是指利用多个测量设备
(
比如传感器或探测器
)
的测量数据
(
或者称为探测数据
)
得到更为精准的感知结果
。
目前，利用融合感知方法来感知环境或物体是提高感知精度的必要手段
。
[0003]然而，在融合感知的过程中，由于存在很多可选的测量设备，在缺乏理论指导的情况下，通常利用随机选择的方式选择测量设备，再对测量设备的测量数据进行融合，得到感知结果
。
然而，随机选择方式缺少对特定感知目标的自适应能力，选择出的测量设备可能不是最优的，导致带来的感知精度提升有限，另外还会导致空口资源和计算资源的浪费
。

技术实现思路

[0004]本申请提供一种测量方法及装置，能够解决融合感知过程中测量设备选择不准确，造成感知准确度低的问题
。
[0005]为达到上述目的，本申请采用如下技术方案：
[0006]第一方面，提供一种测量方法
。
该方法包括：第一设备获取第一感知神经网络输出的第
k
个第一感知结果
。
其中，第一感知神经网络用于第一感知任务，第
k
个第一感知结果根据
N
个测量设备的测量结果确定，
N
个测量设备根据选择神经网络从
M
个测量设备中选择
k
次得到，
1≤k≤N
＜
M
，
k、M、N
为正整数
。
第一设备确定不满足选择终止条件，第一设备根据选择神经网络和第
k
个第一感知结果选择
L
个测量设备，
1≤L
＜
M
，
L
为正整数
。
第一设备获取第一感知神经网络输出的第
k+1
个第一感知结果，第
k+1
个第一感知结果根据
N
个测量设备和
L
个测量设备的测量结果确定
。
[0007]基于第一方面所述的测量方法，第一设备在执行感知任务时，可以根据第一感知神经网络上一次输出的第一感知结果结合选择神经网络，进行当前次测量设备的选择，第一感知神经网络上一次输出的第一感知结果则是，根据之前已选择测量设备的测量结果融合得到的，并结合当前次选择的测量设备和之前已选择的测量设备的测量结果，得到经过当前次选择后融合的第一感知结果
。
由此，第一设备基于每次选择后得到的第一感知结果，通过迭代方式实现了测量设备的增量选择，使得每一次选择的测量设备所得的测量结果均有利于感知结果的提升，第一感知结果也是根据增量选择的测量设备的测量结果融合得到的，从而实现增量感知过程，不仅可以避免测量设备的冗余选择，减少数据传输和计算资源开销，提高感知效率，也可以提高感知准确度和感知精度
。
[0008]一种可能的设计方案中，选择神经网络部署在第一设备上，第一感知神经网络部署在第二设备上
。
相应地，第一设备获取第一感知神经网络输出的第
k
个第一感知结果，可以包括：第一设备接收来自第二设备的第
k
个第一感知结果
。
如此，选择神经网络和第一感
知神经网络可以部署在不同的设备上，从而第一设备可以接收来自第二设备的第
k
个第一感知结果，可以实现神经网络的灵活部署，适用性高，使得第一设备与第二设备分工合作完成感知任务，相比于第一设备独立完成感知任务，可以提高处理效率
。
[0009]进一步地，第一设备第1次选择的测量设备，根据选择神经网络
、M
个测量设备的信息和第一感知任务的任务信息确定
。
如此，第一设备可以根据
M
个测量设备的信息和第一感知任务的任务信息确定选择神经网络的初始输入，以启动第一设备对测量设备的增量选择过程，完成感知任务
。
[0010]一种可能的设计方案中，选择终止条件可以包括如下一项或多项：第
k
个第一感知结果的准确度大于或者等于准确度阈值；或者，第一设备选择测量设备的选择次数大于或者等于选择次数阈值
。
如此，第一设备可以根据增量感知过程中，监测输出的第一感知结果的准确度和测量设备的选择次数，判断是否结束测量设备的选择，从而实现感知任务的测量，提高测量的可靠性
。
[0011]一种可能的设计方案中，第一设备根据选择神经网络和第
k
个第一感知结果选择
L
个测量设备，可以包括：第一设备获取第二感知神经网络输出的第
i
个第二感知结果
。
其中，第二感知神经网络用于第二感知任务，第
i
个第二感知结果根据
H
个测量设备的测量结果确定，
H
个测量设备根据选择神经网络从
W
个测量设备中选择
i
次得到，
1≤i≤H
＜
W
，
i、H、W
为正整数
。
第一设备根据选择神经网络
、
第
i
个第二感知结果和第
k
个第一感知结果，选择
L
个测量设备
。
如此，第一设备可以协调完成多个感知任务，如根据一个感知任务的感知结果，为另一个感知任务选择测量设备，以提升另一个感知任务的感知精度
。
值得说明的是，两个感知任务之间具有一定的相关性，例如，第一感知任务可以是跟踪定位，第二感知任务可以是环境重建，跟踪定位的感知结果对于环境重建的感知结果有辅助提升作用
。
[0012]一种可能的设计方案中，第二感知神经网络部署在第三设备上
。
相应地，第一设备获取第二感知神经网络输出的第
i
个第二感知结果，可以包括：第一设备接收来自第三设备的第
i
个第二感知结果
。
如此，第一设备协调完成多个感知任务时，多个感知神经网络可以部署在不同的设备上，第一设备可以与部署有感知神经网络的设备交互完成多个感知任务，提高处理效率
。
[0013]一种可能的设计方案中，第一方面所述的方法还包括：第一设备获取第三感知神经网络输出的第
j
个训练感知结果和参考感知结果
。
其中，第
...

【技术保护点】

【技术特征摘要】
1.
一种测量方法，其特征在于，所述方法包括：第一设备获取第一感知神经网络输出的第
k
个第一感知结果，所述第一感知神经网络用于第一感知任务，所述第
k
个第一感知结果根据
N
个测量设备的测量结果确定，所述
N
个测量设备根据选择神经网络从
M
个测量设备中选择
k
次得到，
1≤k≤N
＜
M
，
k、M、N
为正整数；所述第一设备确定不满足选择终止条件；所述第一设备根据所述选择神经网络和所述第
k
个第一感知结果选择
L
个测量设备，
1≤L
＜
M
，
L
为正整数；所述第一设备获取所述第一感知神经网络输出的第
k+1
个第一感知结果，所述第
k+1
个第一感知结果根据所述
N
个测量设备和所述
L
个测量设备的测量结果确定
。2.
根据权利要求1所述的方法，其特征在于，所述选择神经网络部署在所述第一设备上，所述第一感知神经网络部署在第二设备上；所述第一设备获取第一感知神经网络输出的第
k
个第一感知结果，包括：所述第一设备接收来自所述第二设备的所述第
k
个第一感知结果
。3.
根据权利要求1或2所述的方法，其特征在于，所述第一设备第1次选择的测量设备，根据所述选择神经网络
、
所述
M
个测量设备的信息和所述第一感知任务的任务信息确定
。4.
根据权利要求1‑3中任一项所述的方法，其特征在于，所述选择终止条件包括如下一项或多项：所述第
k
个第一感知结果的准确度大于或者等于准确度阈值；或者，所述第一设备选择测量设备的选择次数大于或者等于选择次数阈值
。5.
根据权利要求1‑4中任一项所述的方法，其特征在于，所述第一设备根据所述选择神经网络和所述第
k
个第一感知结果选择
L
个测量设备，包括：所述第一设备获取第二感知神经网络输出的第
i
个第二感知结果，所述第二感知神经网络用于第二感知任务，所述第
i
个第二感知结果根据
H
个测量设备的测量结果确定，所述
H
个测量设备根据所述选择神经网络从
W
个测量设备中选择
i
次得到，
1≤i≤H
＜
W
，
i、H、W
为正整数；所述第一设备根据所述选择神经网络
、
所述第
i
个第二感知结果和所述第
k
个第一感知结果，选择所述
L
个测量设备
。6.
根据权利要求5所述的方法，其特征在于，所述第二感知神经网络部署在第三设备上；所述第一设备获取第二感知神经网络输出的第
i
个第二感知结果，包括：所述第一设备接收来自所述第三设备的所述第
i
个第二感知结果
。7.
根据权利要求1‑6中任一项所述的方法，其特征在于，还包括：所述第一设备获取第三感知神经网络输出的第
j
个训练感知结果和参考感知结果，其中，所述第
j
个训练感知结果根据
Q
个训练测量设备的测量结果确定，所述
Q
个训练测量设备根据所述选择神经网络从
S
个训练测量设备中选择
j
次得到，所述第
j
个参考感知结果根据
R
个训练测量设备的测量结果确定，所述
R
个训练测量设备是从所述
S
个训练测量设备中随机选择
j
次得到的，1＜
j≤Q
＜
S
，
R
＝
Q
，
j、Q、R、S
为正整数；第一设备确定不满足训练终止条件，所述训练终止条件用于终止对所述选择神经网络的训练；
所述第一设备根据所述选择神经网络
、
第
j
个训练感知结果和参考感知结果，选择
T
个训练测量设备，
1≤T
＜
S
，
T
为正整数；所述第一设备获取所述第三感知神经网络输出的第
j+1
个训练感知结果和参考感知结果，所述第
j+1
个训练感知结果根据所述
Q
个训练测量设备和所述
T
个训练测量设备的测量结果确定，所述第
j+1
个参考感知结果根据所述
R
个训练测量设备和
P
个训练测量设备的测量结果确定，所述
P
个训练测量设备是第
j+1
次从
S
个训练测量设备中随机选择得到的，
P
＝
T
，
P
为正整数
。8.
根据权利要求7所述的方法，其特征在于，所述第一设备根据所述选择神经网络
、
第
j
个训练感知结果和参考感知结果，选择
T
个训练测量设备，包括：所述第一设备根据第
j
个训练感知结果和参考感知结果，确定用于强化学习的第
j
个奖励值；所述第一设备根据所述选择神经网络
、
所述第
j
个训练感知结果和第
j
个奖励值，选择所述
T
个训练测量设备
。9.
根据权利要求8所述的方法，其特征在于，所述第一设备根据第
j
个训练感知结果和参考感知结果，确定用于强化学习的第
j
个奖励值，包括：所述第一设备根据所述第
j
个训练感知结果的感知精度与所述第
j
个参考感知结果的感知精度的差值，确定用于强化学习的第
j
个奖励值
。10.
根据权利要求7‑9中任一项所述的方法，其特征在于，所述训练终止条件包括如下一项或多项：所述第
j
个奖励值大于或者等于奖励值阈值；或者，所述选择神经网络的训练次数大于或者等于训练次数阈值；或者，所述选择神经网络的损失值小于或者等于损失值阈值
。11.
根据权利要求7‑
10
中任一项所述的方法，其特征在于，所述第三感知神经网络部署在第四设备上；所述第一设备获取第三感知神经网络输出的第
j
个训练感知结果和参考感知结果，包括：所述第一设备接收来自所述第四设备的所述第
j
个训练感知结果和参考感知结果
。12.
一种测量方法，其特征在于，所述方法包括：第二设备接收来自
N
个测量设备的测量结果，所述第二设备上部署有第一感知神经网络，所述第一感知神经网络用于第一感知任务，所述
N
个测量设备根据选择神经网络从
M
个测量设备中选择
k
次得到，所述选择神经网络部署在第一设备上，
1≤k≤N
＜
M
，
k、M、N
为正整数；所述第二设备根据所述第一感知神经网络和所述
N
个测量设备的测量结果，得到第
k
个第一感知结果；所述第二设备向所述第一设备发送所述第
k
个第一感知结果
。13.
根据权利要求
12
所述的方法，其特征在于，还包括：所述第二设备接收来自第一设备的第
k
个选择结果，所述第
k
个选择结果用于指示所述第一设备根据所述选择神经网络第
k
次选择的测量设备
。14.
一种测量装置，其特征在于，所述装置包括：处理模块；
所述处理模块，用于获取第一感知神经网络输出的第
k
个第一感知结果，所述第一感知神经网络用于第一感知任务，所述第...

【专利技术属性】
技术研发人员：皇甫幼睿，王坚，李榕，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：