System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 通感一体化物联网功率资源智能分配方法及系统技术方案_技高网

通感一体化物联网功率资源智能分配方法及系统技术方案

技术编号:40814147 阅读:5 留言:0更新日期:2024-03-28 19:34
本发明专利技术提供了一种通感一体化物联网功率资源智能分配方法及系统,基于物联网系统模型,设定优化目标,所述优化目标为在确保传感和计算性能的同时,最大限度地提高通信数据速率;采用随机初始化的方式获得聚合波束形成矩阵;将聚合波束形成矩阵作为初始输入,将优化目标表述为马尔可夫决策过程,以移动设备作为智能体,以用于环境感知和计算数据传输的两个发射波束成形矩阵为动作,以通信速率为奖励,使用强化学习方法对其进行求解,得到最终的功率资源智能分配结果。本发明专利技术考虑了物联网中智能传感器设备通信的要求的最大化数据速率,同时确保传感和计算性能满足要求。

【技术实现步骤摘要】

本专利技术属于移动通信功率分配,具体涉及一种通感一体化物联网功率资源智能分配方法及系统


技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。

2、物联网具有设备异构、数据多源、类型复杂等特点,随着物联网通信、计算、感知技术的飞速发展,物联网中的智能传感器之间的智能感知和交互功能越来越强大,这也衍生出新的复杂应用场景,对于物联网终端位置多变、周围环境复杂实时的场景下,利用isac技术收集环境信息并将其输入数字系统,实现环境位置目标的检测和终端的定位等功能就十分重要。由于频谱资源的稀缺,通信频域向高频带的发展与传感频域有更多的重叠,造成资源紧张、分配混乱的问题。


技术实现思路

1、本专利技术为了解决上述问题,提出了一种通感一体化物联网功率资源智能分配方法及系统,本专利技术考虑了物联网中智能传感器设备通信的要求的最大化数据速率,同时确保传感和计算性能满足要求。

2、根据一些实施例,本专利技术采用如下技术方案:

3、一种通感一体化物联网功率资源智能分配方法,包括以下步骤:

4、考虑包括传感、通信和计算在内的集成信号的固有耦合关系,分别建立信号、通信、计算和传感模型,形成物联网系统模型;

5、基于所述物联网系统模型,设定优化目标,所述优化目标为在确保传感和计算性能的同时,最大限度地提高通信数据速率;

6、采用随机初始化方法获得聚合波束形成矩阵;

7、将所述聚合波束形成矩阵作为初始输入,将优化目标表述为马尔可夫决策过程,以移动设备作为智能体,以用于环境感知和计算数据传输的两个发射波束成形矩阵为动作,以通信速率为奖励,使用强化学习方法对其进行求解,得到最终的功率资源智能分配结果。

8、作为可选择的实施方式,所述信号模型的建立过程包括:利用集合表示物联网移动设备,表示时隙集合,系统时间被分成相等持续时间的连续时间帧,表示各个时间段内,相应移动设备产生的传感波形以及承载信息的符号向量;

9、采用airfl方法进行信息有效聚合;

10、数据处理过程中,发射信号是信息承载信号和感测波形的叠加,表示各个时间段,相应移动设备发射叠加编码信号,发射功率约束,以及固定单元接收到的信号向量。

11、作为可选择的实施方式,建立通信模型的过程包括:基于固定单元能够预先知道传感信号,通过连续干扰消除从接收信号中删除,表示固定单元接收到的各个移动设备的通信信号,采用可达到的上行速率衡量通信质量。

12、作为可选择的实施方式,建立计算模型的过程包括::利用airfl方法实现移动设备的协作,扩展传感范围,利用接收波束形成矩阵抑制信号失真,表示固定单元接收波束赋形后收到的计算符号,计算估计的全局模型参数向量相对于期望的聚合模型参数向量的失真,作为性能指标,优化所述性能指标。

13、作为可选择的实施方式,建立传感模型的过程包括:表示各个时间段内,各个移动设备接收到相应传感目标反射的传感回波信号;

14、在过滤过程中采用匹配滤波器组,将匹配滤波器组输出的峰值与目标延迟对齐,得到最终的传感模型。

15、作为可选择的实施方式,所述优化目标为:

16、

17、且服从以下约束:

18、

19、

20、

21、其中,rk表示移动设备k和固定单元之间的数据速率,ζmax和分别表示计算误差和传感信号估计率的阈值,用ρk(t)表示移动设备k的发射功率,k为移动设备的总个数,表示移动设备k的发射功率限制,p(t)为接收波束形成矩阵,wk,c(t)表示通信信号的发射波束成形矩阵,wk,s(t)表示感知信号的发射波束成形矩阵。

22、作为可选择的实施方式,将优化目标表述为马尔可夫决策过程中,利用(s,a,p,r)定义,s表示环境状态的集合,a表示动作空间,p和r是转移概率和奖励函数,其中,收集环境元素并构成系统状态,包括每个移动设备的发射功率、时变信道条件、智能体在上一个时隙采取的动作以及聚合波束形成矩阵,每个物联网移动设备的动作由两个用于环境传感和计算数据传输的发射波束成形矩阵组成,以权重因子乘以优化目标为即时奖励;且优化目标的约束为奖励的惩罚。

23、作为可选择的实施方式,利用无模型的rl方法q-learning求解,得到最终的功率资源智能分配结果。

24、q-learning的更新规则为:

25、q(s,a)←q(s,a)+α[qtar-q(s,a)]

26、qtar=r+γmaxa′q(s′,a′)

27、其中,qtar是目标q值,而a′表示a的下一阶段,α∈[0,1]是学习速率,时间差误差由目标值qtar与用于更新q值的估计值q(s,a)之差计算,s为状态,a为动作,s′表示s的下一状态。

28、一种通感一体化物联网功率资源智能分配系统,包括:

29、模型构建模块,被配置为考虑包括传感、通信和计算在内的集成信号的固有耦合关系,分别建立信号、通信、计算和传感模型,形成物联网系统模型;

30、优化目标构建模块,被配置为基于所述物联网系统模型,设定优化目标,所述优化目标为在确保传感和计算性能的同时,最大限度地提高通信数据速率;

31、计算模块,被配置为采用随机初始化获得聚合波束形成矩阵;

32、马尔可夫决策求解模块,被配置为将所述聚合波束形成矩阵作为初始输入,将优化目标表述为马尔可夫决策过程,以移动设备作为智能体,以用于环境感知和计算数据传输的两个发射波束成形矩阵为动作,以通信速率为奖励,使用强化学习方法对其进行求解,得到最终的功率资源智能分配结果。

33、与现有技术相比,本专利技术的有益效果为:

34、本专利技术针对物联网中的典型场景移动物联网功率资源智能分配问题,提出了同时实现多移动设备的智能物联网网络传感、通信和计算的方案。通过联合发射和聚合波束成形及资源分配作为优化目标确保传感和计算性能的同时最大化数据速率。

35、考虑到发射波束形成器和聚合波束形成器之间的高度耦合,优化问题是非凸的,计算复杂度高。本专利技术分两个阶段来解决这个问题。首先,采用随机初始化获得聚合波束形成器。然后,考虑到连续动作空间,利用基于策略的ddpg算法来解决动态环境中的优化问题。在drl算法收敛过程中,可以得到发射波束形成器和功率资源分配的结果。

36、本专利技术传感和计算性能的同时,表现出优越的收敛性能,并实现了比基准更高的数据速率。此外,通过适当选择发射功率、发射和接收天线数量等系统参数,可以进一步优化系统性能。

37、为使本专利技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。

本文档来自技高网...

【技术保护点】

1.一种通感一体化物联网功率资源智能分配方法,其特征是,包括以下步骤:

2.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,所述信号模型的建立过程包括:利用集合表示物联网移动设备,表示时隙集合,系统时间被分成相等持续时间的连续时间帧,表示各个时间段内,相应移动设备产生的传感波形以及承载信息的符号向量;

3.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,建立通信模型的过程包括:基于固定单元能够预先知道传感信号,通过连续干扰消除从接收信号中删除,表示固定单元接收到的各个移动设备的通信信号,采用可达到的上行速率衡量通信质量。

4.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,建立计算模型的过程包括:利用AirFL方法实现移动设备的协作,扩展传感范围,利用接收波束形成矩阵抑制信号失真,表示固定单元接收波束赋形后收到的计算符号,计算估计的全局模型参数向量相对于期望的聚合模型参数向量的失真,作为性能指标,优化所述性能指标。

5.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,建立传感模型的过程包括:表示各个时间段内,各个移动设备接收到相应传感目标反射的传感回波信号;;

6.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,所述优化目标为:

7.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,将优化目标表述为马尔可夫决策过程中,利用(S,A,P,R)定义,S表示环境状态的集合,A表示动作空间,P和R是转移概率和奖励函数,其中,收集环境元素并构成系统状态,包括每个移动设备的发射功率、时变信道条件、智能体在上一个时隙采取的动作以及聚合波束形成矩阵,每个物联网移动设备的动作由两个用于环境传感和计算数据传输的发射波束成形矩阵组成,以权重因子乘以优化目标为即时奖励;且优化目标的约束为奖励的惩罚。

8.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,利用无模型的RL方法Q-learning求解,得到最终的功率资源智能分配结果。

9.如权利要求8所述的一种通感一体化物联网功率资源智能分配方法,其特征是,Q-learning的更新规则为:

10.一种通感一体化物联网功率资源智能分配系统,其特征是,包括:

...

【技术特征摘要】

1.一种通感一体化物联网功率资源智能分配方法,其特征是,包括以下步骤:

2.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,所述信号模型的建立过程包括:利用集合表示物联网移动设备,表示时隙集合,系统时间被分成相等持续时间的连续时间帧,表示各个时间段内,相应移动设备产生的传感波形以及承载信息的符号向量;

3.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,建立通信模型的过程包括:基于固定单元能够预先知道传感信号,通过连续干扰消除从接收信号中删除,表示固定单元接收到的各个移动设备的通信信号,采用可达到的上行速率衡量通信质量。

4.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,建立计算模型的过程包括:利用airfl方法实现移动设备的协作,扩展传感范围,利用接收波束形成矩阵抑制信号失真,表示固定单元接收波束赋形后收到的计算符号,计算估计的全局模型参数向量相对于期望的聚合模型参数向量的失真,作为性能指标,优化所述性能指标。

5.如权利要求1所述的一种通感一体化物联网功率资源智能分配方法,其特征是,建立传感模型的过程...

【专利技术属性】
技术研发人员:孙海蓬阳柳刘晗王海洋刘政强张波刘学升李哲田志磊何宝影刘明刚王家祺
申请(专利权)人:山东电力工程咨询院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1