【技术实现步骤摘要】
本专利技术涉及无线信道建模，具体涉及一种混凝土内无线信道建模方法、设备及存储介质。
技术介绍
1、在市政工程中，存在大量由钢筋混凝土构成的桥梁，在车辆的频繁往来中不可避免会存在损耗与破坏情况，对桥梁的实时状态监测有利于加强交通安全，为社会生产生活稳定提供保障。现有的桥梁维护工作往往是依靠人工巡逻进行，对应潜伏期故障难以及时发现。随着先进传感技术以及物联网的快速发展，采用无线感知终端对桥梁的状态进行实时监测，成为当前的热点技术之一。当无线感知终端部署在桥梁内部时，其采集的桥梁运行数据更加准确，不易受外部干扰信号的污染，而混凝土材质对于无线感知终端的通信存在极大地阻碍，因此，迫切的需要一种准确高效的混凝土内无线信道建模方法，保障无线感知终端的可靠运行。以往的无线信道建模都是采用确定性建模手段，其优势在于信道模型准确度高，但需要实时测量通信参数，建模复杂度高，计算量大。尤其是当无线感知终端位于户外桥梁内部时，实时通信参数难以测量，以往的确定性建模方式难以为继。
技术实现思路
1、本专利技术提出的一种混凝土内无线信道建模方法、设备及存储介质，可至少解决
技术介绍
中的技术问题之一。
2、为实现上述目的，本专利技术采用了以下技术方案：
3、一种混凝土内无线信道建模方法，通过计算机设备执行以下步骤，
4、构建混凝土内无线信道特征预测的transformer网络模型，所述transformer网络模型包括编码器，解码器和全连接层；
5、对混凝土内不同空
6、将空间位置与对应的时间编码作为transformer网络模型编码器的输入，将无线信道特征参量与对应的时间编码作为解码器的输入，进一步将解码器与编码器的输出结果经过映射后通过全连接层进行拼接，得到空间位置与无线信道特征参量一一对应的输出；
7、利用历史实测数据对transformer网络模型进行训练，训练完成后的模型可实现输入制定的空间位置，得到相应位置在同一时刻的无线信道参数。
8、进一步地，混凝土内无线信道特征预测的transformer网络模型，其编码器/解码器搭建包括以下步骤：采用多头自注意力机制对编码器/解码器输入的多路信号进行合并计算，编码器/解码器输入信号 c的单一注意力机制处理方法如下所示：
9、
10、其中q，k，v分别表示查询向量，关键向量和值向量；w1，w2，w3分别表示自注意力机制中对应相量的系数矩阵。
11、上述注意力函数包括查询所有k向量的缩放点积，并除以,则注意力函数的输出矩阵为：
12、
13、式中o表示注意力函数的输出，表示输入k向量的维度。
14、进一步地，还包括多头注意力机制并行处理的步骤，
15、将多个注意力单元并行排列构成多头注意力单元，将各并行注意力单元的输出进行维度拼接，再通过全连接层进行投影从而实现特征的映射，可显著提高transformer网络模型的泛化能力，具体步骤如下：
16、
17、其中s表示并行排列的注意力单元数量，dp表示维度拼接操作，表示卷积相乘。
18、进一步地，基于双链量子遗传算法对transformer网络模型参数进行优化选择，即系数矩阵w1，w2，w3进行优化选择。在此基础上，将历史实测得到的空间位置与信道特征参数按照4:1分为训练集和测试集，利用训练集对transformer网络模型进行训练，利用测试集数据实现网络模型架构的局部微调，进而最终得出的transformer网络模型输出结果为与输入的空间位置一一对应的无线信道特征参量，其中训练过程中采用的损失函数为：
19、
20、式中和分别表示第z个训练样本的真实输出值和transformer网络模型的预测输出值，表示误差，当误差小于0.01时可认为满足实际使用需求。
21、进一步地，基于双链量子遗传算法对transformer网络模型参数进行优化选择，包括以下步骤：
22、s21：初始化双链量子遗传算法中的种群规模m=1000，旋转角度初始值=0.01，变异概率=0.1，交叉概率=0.5，迭代次数l=100，采用量子位的概率幅进行编码：
23、
24、式中，;。 m为种群规模， n为量子位数。每条染色体同时代表两个优化解:一个余弦解和一个正弦解。
25、s22：解空间变换。群体中每条染色体都包含2 n个量子比特的概率幅，首先需要将其通过线性变换从 n维单位空间映射到优化问题的解空间ω，假设为染色体上的第 i个量子位，则其变换到解空间的形式可描述为：
26、
27、式中量子态的概率幅对应；量子态的概率幅对应；
28、s23：染色体更新。染色体通过量子旋转门进行更新，本文中量子旋转门的旋转方向通过以下方式确定：设和分别为当前全局最优解中某个量子位的概率幅，和分别为当前解中对应量子位的概率幅，定义 a为：
29、
30、则旋转方向可由下式确定：
31、
32、旋转角度的大小可通过以下方式确定：
33、
34、其中为旋转角度初始值，为适应度函数在处的梯度值，表示解空间中向量 xi的第 j个分量。和可通过以下公式计算得到：
35、
36、s24：参数优化选择。使用训练数据对transformer网络模型进行训练，计算其输出结果与实际结果之间的误差，并将误差函数作为双链量子遗传算法的目标函数，计算误差函数值，通过反复执行变异、交叉以及选择等操作，当误差函数小于0.01时得到的即为transformer网络模型的最佳参数矩阵，误差函数如下所示：
37、
38、式中和分别表示第z个训练样本的真实输出值和transformer网络模型的预测输出值，表示误差。
39、又一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
40、再一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
41、由上述技术方案可知，本专利技术的混凝土内无线信道建模方法，包括构建无线信道特征预测的transformer网络模本文档来自技高网...
【技术保护点】
1.一种混凝土内无线信道建模方法，其特征在于，包括以下步骤，
2.根据权利要求1所述的混凝土内无线信道建模方法，其特征在于：构建混凝土内无线信道特征预测的Transformer网络模型，包括编码器/解码器搭建步骤，
3.根据权利要求2所述的混凝土内无线信道建模方法，其特征在于：构建混凝土内无线信道特征预测的Transformer网络模型还包括将多个注意力单元并行排列，将各并行注意力单元的输出进行维度拼接，再通过全连接层进行投影从而实现特征的映射，提高Transformer网络模型的泛化能力，具体步骤如下：
4.根据权利要求3所述的混凝土内无线信道建模方法，其特征在于：构建混凝土内无线信道特征预测的Transformer网络模型还包括基于双链量子遗传算法对Transformer网络模型参数进行优化选择，即系数矩阵W1，W2，W3进行优化选择，具体包括，
5.根据权利要求4所述的混凝土内无线信道建模方法，其特征在于：还包括将历史实测得到的空间位置与信道特征参数按照4:1分为训练集和测试集，利用训练集对Transformer网络模型进行训
6.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
...【技术特征摘要】
1.一种混凝土内无线信道建模方法，其特征在于，包括以下步骤，
2.根据权利要求1所述的混凝土内无线信道建模方法，其特征在于：构建混凝土内无线信道特征预测的transformer网络模型，包括编码器/解码器搭建步骤，
3.根据权利要求2所述的混凝土内无线信道建模方法，其特征在于：构建混凝土内无线信道特征预测的transformer网络模型还包括将多个注意力单元并行排列，将各并行注意力单元的输出进行维度拼接，再通过全连接层进行投影从而实现特征的映射，提高transformer网络模型的泛化能力，具体步骤如下：
4.根据权利要求3所述的混凝土内无线信道建模方法，其特征在于：构建混凝土内无线信道特征预测的transformer网络模型还包括基于双链量子遗传算法对transformer网络模型参数进行优化选择，...
【专利技术属性】
技术研发人员：汪涛，邓芳明，鲁力，陈中，陆寅，于鸿儒，王磊，殷敏，
申请(专利权)人：安徽建筑大学，
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。