【技术实现步骤摘要】
本专利技术涉及运动检测、人工智能，尤其是涉及一种基于无人机的运动指标分析方法、电子设备、存储介质。
技术介绍
1、通感算一体化(integrated sensing，communication and computation，iscc)，是指将通信、感知和计算这三个功能融合在一起的技术，是在针对目标物体执行运动指标分析任务的过程中同时集成通信、感知和计算这三个功能的技术。需要指出，边缘服务器和无人机之间建立有通信功能，用以传输信息；感知即通过无人机对目标物体相关的运动物理量指标进行探测的功能，例如目标定位、位姿确认、运动数据采集等；计算则是基于目标物体的各个运动指标进行解析计算并得到一个所需的分析结果的功能。
2、相关技术中，由于通信、感知和计算这三个功能在执行运动指标分析任务过程中的高度耦合，三者会互相竞争有限的算力资源，如若不能将这些算力资源进行合理地分配，则将影响对目标物体进行运动指标分析的效率。因此，如何在对目标物体执行运动指标分析任务的过程中，提高运动指标分析的效率，已经成为业内亟待解决的一大难题。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于无人机的运动指标分析方法、电子设备、存储介质，能够在对目标物体执行运动指标分析任务的过程中，提高运动指标分析的效率。
2、根据本专利技术的第一方面实施例的基于无人机的运动指标分析方法，所述方法包括：
3、通过无人机对目标物体进行运动物理量采集，
4、将所述目标运动指标输入预训练的指标分析模型进行指标分析处理，得到指标分析结果；其中，对所述指标分析模型进行预训练，具体包括：
5、确定训练批次容量、终端感知位置和带宽分配信息；
6、对所述指标分析模型进行多个轮次的迭代训练，以更新所述训练批次容量、所述终端感知位置和所述带宽分配信息；
7、每一轮迭代训练中：
8、对训练样本物体进行运动物理量采集，得到训练运动指标；
9、将所述训练运动指标输入本轮迭代训练的所述指标分析模型进行梯度更新，得到本轮模型梯度；其中，本轮迭代训练的所述指标分析模型由边缘服务器下发；
10、将所述本轮模型梯度上传至所述边缘服务器，以使所述边缘服务器根据所述本轮模型梯度对所述本轮分析模型进行更新，得到下一迭代轮次的所述指标分析模型；
11、当所述指标分析模型在迭代训练中收敛，得到预训练的所述指标分析模型。
12、根据本专利技术的一些实施例，所述确定训练批次容量、终端感知位置和带宽分配信息，包括：
13、确定批次容量模拟参数、感知位置模拟参数和带宽分配模拟参数；
14、根据所述批次容量模拟参数、所述感知位置模拟参数和所述带宽分配模拟参数，构建与所述指标分析模型对应的收敛速度预测函数；
15、为所述收敛速度预测函数配置约束条件，并基于所述约束条件对所述收敛速度预测函数进行迭代求解；其中，每一轮迭代求解更新一次所述批次容量模拟参数、所述感知位置模拟参数和所述带宽分配模拟参数；
16、当所述收敛速度预测函数的收敛速度预测值在迭代求解中达到最小时，根据所述批次容量模拟参数确定所述训练批次容量，根据所述感知位置模拟参数确定所述终端感知位置，根据所述带宽分配模拟参数确定所述带宽分配信息。
17、根据本专利技术的一些实施例，所述约束条件包括损失约束条件，所述为所述收敛速度预测函数配置约束条件，并基于所述约束条件对所述收敛速度预测函数进行迭代求解，包括：
18、获取理想模型参数；其中，所述理想模型参数为所述指标分析模型在性能最佳状态下对应的模型参数；
19、获取与所述无人机对应的损失表征函数、与所述指标分析模型对应的模型表征参数；
20、根据所述理想模型参数、所述模型表征参数和所述损失表征函数，计算理想模型参数与所述模型表征参数之间的模型损失期望；
21、基于所述模型损失期望，为所述收敛速度预测函数配置所述损失约束条件；
22、根据所述损失约束条件，对所述收敛速度预测函数进行迭代求解。
23、根据本专利技术的一些实施例，所述基于所述模型损失期望，为所述收敛速度预测函数配置所述损失约束条件，包括：
24、获取所述指标分析模型的学习速率参数、初始模型参数和模型属性参量；其中，所述初始模型参数为所述指标分析模型在初始状态下对应的模型参数；
25、根据所述学习速率参数、所述初始模型参数和所述模型属性参量，构建损失期望解析式；其中，所述损失期望解析式大于或者等于所述模型损失期望；
26、确定理想模型参数与所述模型表征参数之间的最大损失期望值；
27、将所述损失约束条件确定为所述损失期望解析式小于或者等于所述最大损失值。
28、根据本专利技术的一些实施例，所述约束条件还包括轮均耗时约束条件、感知概率约束、批次容量约束、感知质量约束和带宽约束条件，所述为所述收敛速度预测函数配置约束条件，还包括：
29、基于预定的延时要求，为所述收敛速度预测函数配置所述轮均耗时约束条件；
30、基于有效感知概率，为所述收敛速度预测函数配置所述感知概率约束；其中，所述有效感知概率由所述无人机与所述目标物体之间的位置关系和环境条件而确定；
31、将所述无人机针对所述目标物体的感知角度限定在大于预设角度阈值，为所述收敛速度预测函数配置所述感知质量约束；
32、将所述批次容量模拟参数限定为整数，为所述收敛速度预测函数配置所述批次容量约束；
33、基于预定的带宽限制要求，为所述收敛速度预测函数配置所述带宽约束条件；
34、所述根据所述损失约束条件，对所述收敛速度预测函数进行迭代求解，包括：
35、根据所述损失约束条件、所述轮均耗时约束条件、所述感知概率约束、所述批次容量约束、所述感知质量约束和所述带宽约束条件，对所述收敛速度预测函数进行迭代求解。
36、根据本专利技术的一些实施例，所述根据所述损失约束条件、所述轮均耗时约束条件、所述感知概率约束、所述批次容量约束、所述感知质量约束和所述带宽约束条件，对所述收敛速度预测函数进行迭代求解，包括：
37、根据满足所述损失约束条件的所述指标分析模型，确定迭代数目区间；其中，所述迭代数目区间包括对所述指标分析模型所需进行迭代训练的多个训练迭代数目；
38、遍历所述迭代数目区间，针对每一个所述训练迭代数目，根据所述损失约束条件、所述轮均耗时约束条件、所述感知概率约束、所述批次容量约束、所述感知质量约束和所述带宽约束条件，对所述收敛速度预测函数进行迭代求解。
39、根据本专利技术的一些实施例，所述遍历所述迭代数目区间，针对每一个所述训练迭代数目，根据所述损失约束条件、所述轮均耗时约束条件、所述感知概率约束、所述批次容量约束、所述本文档来自技高网...
【技术保护点】
1.一种基于无人机的运动指标分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定训练批次容量、终端感知位置和带宽分配信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述约束条件包括损失约束条件，所述为所述收敛速度预测函数配置约束条件，并基于所述约束条件对所述收敛速度预测函数进行迭代求解，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述模型损失期望，为所述收敛速度预测函数配置所述损失约束条件，包括：
5.根据权利要求3所述的方法，其特征在于，所述约束条件还包括轮均耗时约束条件、感知概率约束、批次容量约束、感知质量约束和带宽约束条件，所述为所述收敛速度预测函数配置约束条件，还包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述损失约束条件、所述轮均耗时约束条件、所述感知概率约束、所述批次容量约束、所述感知质量约束和所述带宽约束条件，对所述收敛速度预测函数进行迭代求解，包括：
7.根据权利要求6所述的方法，其特征在于，所述遍历所述迭代数目区间，针对
8.根据权利要求7所述的方法，其特征在于，所述当所述收敛速度预测函数的收敛速度预测值在迭代求解中达到最小时，根据所述批次容量模拟参数确定所述训练批次容量，根据所述感知位置模拟参数确定所述终端感知位置，根据所述带宽分配模拟参数确定所述带宽分配信息，包括：
9.一种电子设备，其特征在于，包括：存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的基于无人机的运动指标分析方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至8中任意一项所述的基于无人机的运动指标分析方法。
...【技术特征摘要】
1.一种基于无人机的运动指标分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定训练批次容量、终端感知位置和带宽分配信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述约束条件包括损失约束条件，所述为所述收敛速度预测函数配置约束条件，并基于所述约束条件对所述收敛速度预测函数进行迭代求解，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述模型损失期望，为所述收敛速度预测函数配置所述损失约束条件，包括：
5.根据权利要求3所述的方法，其特征在于，所述约束条件还包括轮均耗时约束条件、感知概率约束、批次容量约束、感知质量约束和带宽约束条件，所述为所述收敛速度预测函数配置约束条件，还包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述损失约束条件、所述轮均耗时约束条件、所述感知概率约束、所述批次容量约束、所述感知质量约束和所述带宽约束条件，对所述收敛速度预测函数进行迭代求解...
【专利技术属性】
技术研发人员：唐瑶，朱光旭，许威，沈超，史清江，
申请(专利权)人：深圳市大数据研究院，
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。