【技术实现步骤摘要】
本专利技术属于无线通信，具体涉及数据与知识双驱动的频谱地图智能精确构建方法。
技术介绍
1、近年来，随着无线通信技术的不断进步，无线通信网络正在从第五代移动通信网络(5g)向第六代移动通信网络(6g)发展，随之将会出现更多新型(超)宽带业务。频谱地图构建作为认知无线电网络中一项至关重要的技术，反映出了无线电环境中频谱资源的分布状态，将其应用于频谱智能管控系统中，有助于提升频谱资源的利用率。
2、现有的频谱地图的构建方法可以分为两类，基于空间相关性的频谱地图构建方法与基于频率-空间联合相关性的频谱地图构建方法。基于空间相关性的频谱地图构建方法忽略了频谱地图的频率相关性。因此，当缺失目标频率频谱数据时，无法利用该方法构建目标频率的频谱地图。此外，由于城市环境中密集建筑物的存在，导致不同区域信号传播环境不同。研究如何利用其他频点上稀疏且不均匀的频谱数据来构建复杂电磁环境下目标频率的频谱地图具有很大的必要性和现实意义。
3、teganya y,romero d在其发表的论文“deep completion autoencoders forradio map estimation”(ieee trans.wireless commun.,vol.21,no.3,pp.1710-1724,2022)中提出了一种基于数据驱动的无线电地图估计方法，将不同环境下测量得到的数据集输入编码器-解码器网络来学习相关传播现象，实验证明该方法比传统方法误差更小。但是数据驱动的方法依赖于大量的测量数据，在测量数据较少时，构建精度有限。
4、综上所述，上述方法大多都只是考虑了频谱数据的空间相关性或只是简单的利用了频谱数据的频率相关性，无法实现目标频率频谱数据缺失的情况下目标频率频谱地图的构建。并且，仅基于数据驱动的方法依赖于大量的测量数据，不能满足采样数据稀疏时复杂电磁环境下目标频率频谱地图的构建。因此，亟需开发新的频谱地图构建方法。
技术实现思路
1、本专利技术所要解决的技术问题是针对上述现有技术的不足，提供数据与知识双驱动的频谱地图智能精确构建方法，利用城市地图与采样位置地图作为语义知识，实现了数据与语义的联合利用，显著提升了复杂电磁环境下频谱地图的构建精度，补全误差小，且网络复杂度低，加快了网络的收敛速度，为频谱地图构建框架提供了可解释性。
2、为实现上述技术目的，本专利技术采取的技术方案为：
3、数据与知识双驱动的频谱地图智能精确构建方法，包括：
4、步骤1，采集目标区域感知节点的频谱数据，对采集的频谱数据进行归一化预处理；
5、步骤2，对目标区域进行空间网络离散化并根据网格内感知节点数量建立频谱地图补全模型；
6、步骤3，基于频谱地图补全模型建立频-空域联合的三维频谱地图表征模型；
7、步骤4，创建二进制城市地图与二进制采样位置地图作为语义知识；
8、步骤5，将频-空域联合的三维频谱地图表征模型、二进制城市地图、二进制采样位置地图分为三个通道输入改进的自编码器网络模型，利用训练集数据训练网络模型；
9、步骤6，测试集数据输入训练完成的网络模型，对输出结果进行处理后得到目标频率完整的频谱地图。
10、为优化上述技术方案，采取的具体措施还包括：
11、上述的步骤2对目标区域进行空间离散化，以固定间距将目标区域等距划分为n×n的网格。
12、上述的步骤2根据网格内感知节点数量建立的频谱地图补全模型为：
13、若网格i＝(i,j)内含有一个感知节点，则将赋值为对应格点采集到的接收信号强度；若网格i＝(i,j)含有m个感知节点(m＞1)，则将赋值为这个m感知节点采集到的信号强度的平均值；若网格i＝(i,j)不包含感知节点，则将赋值为常数0；
14、相应的，频率fk上的缺损的频谱地图表示为：
15、
16、其中，p(fk,xi,j)表示网格i＝(i,j)处的接收信号强度，下标m表示第i个感知节点，表示发射频率为fk的缺损频谱地图，表示发射频率为fk时网格i＝(i,j)处的频谱数据。
17、上述的步骤3将频-空域联合的三维频谱地图表征模型中的前两个维度设置为空间维度，将第三个维度设置为频率维度，对于缺损的三维频谱地图表征模型，将k+1个二维的缺损频谱地图(其中k＝0,1,…,k)按照频率从小到大的顺序在第三个维度上进行堆叠，得到三维缺损频谱地图模型
18、上述的步骤4创建二进制城市地图
19、
20、其中，zi,j表示格点i＝(i,j)处二进制城市地图的值，表示二进制城市地图。
21、上述的步骤4创建二进制采样位置地图
22、
23、其中，mi,j表示格点i＝(i,j)处二进制城市地图的值。表示二进制城市地图。
24、上述的步骤5包括：
25、步骤(1)，将频-空域联合的三维频谱地图表征模型、二进制城市地图、二进制采样位置地图分为三个通道输入采用单层卷积的自编码器网络，频-空域联合的三维频谱地图表征模型作为数据，二进制城市地图、二进制采样位置地图作为语义，以实现数据与语义的联合推理；
26、步骤(2)，初始化网络训练迭代次数epoch等于1，初始化最大迭代次数、学习率以及训练优化器；
27、步骤(3)，将训练数据分批次输入网络进行训练，将每个批次的训练误差进行反向传播从而优化网络参数，当训练数据中所有批次的数据全部反向传播完成，即为1个epoch；
28、步骤(4)，判断网络是否训练完成：判断当前epoch是否达到设定的最大epoch，若是，则进行步骤6，若否，则将epoch加1，返回步骤(2)，继续进行网络训练。
29、上述的本文档来自技高网...
【技术保护点】
1.数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，包括：
2.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤2对目标区域进行空间离散化，以固定间距将目标区域等距划分为N×N的网格。
3.根据权利要求2所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤2根据网格内感知节点数量建立的频谱地图补全模型为：
4.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤3将频-空域联合的三维频谱地图表征模型中的前两个维度设置为空间维度，将第三个维度设置为频率维度，对于缺损的三维频谱地图表征模型，将K+1个二维的缺损频谱地图按照频率从小到大的顺序在第三个维度上进行堆叠，得到三维缺损频谱地图模型
5.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤4创建二进制城市地图
6.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤4创建二进制采样位置地图
7.根据权利
8.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤(3)的误差损失函数采用均方根误差损失函数，计算式如下：
9.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤6对输出结果进行处理后得到目标频率完整的频谱地图即为：将输出的归一化的频谱数据进行还原，得到真实频谱数据：
...【技术特征摘要】
1.数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，包括：
2.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤2对目标区域进行空间离散化，以固定间距将目标区域等距划分为n×n的网格。
3.根据权利要求2所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤2根据网格内感知节点数量建立的频谱地图补全模型为：
4.根据权利要求1所述的数据与知识双驱动的频谱地图智能精确构建方法，其特征在于，所述步骤3将频-空域联合的三维频谱地图表征模型中的前两个维度设置为空间维度，将第三个维度设置为频率维度，对于缺损的三维频谱地图表征模型，将k+1个二维的缺损频谱地图按照频率从小到大的顺序在第三个维度上进行堆叠，得到三维缺损频谱地图模型<...
【专利技术属性】
技术研发人员：周福辉，刘佳钰，刘晓东，王晨玥，丁锐，董超，吴启晖，
申请(专利权)人：南京航空航天大学，
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。