【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
【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...
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。