【技术实现步骤摘要】
本专利技术涉及无线通信领域，更具体地说，涉及一种基于多模态信息融合的城市空地无线电地图重绘方法。
技术介绍
1、在未来的通信网络中，了解地理信息并将其用于整合空中和地面的无线通信将成为一项重要的任务。无线电地图作为一种表示地理位置间无线信道质量的数据结构，在近年来被广泛视为无线环境的强有力指示器，在网络监测与规划、室内外定位、交通协助、物联网数据收集和空气质量检测等多个领域发挥了重要作用。在这些场景中，无线电信号的采样是通过区域上的信号接收强度(received signal strength，rss)进行的。然而，由于以下挑战的存在，构建无线电地图变得非常困难。首先，构建精细的无线电地图需要大量的rss数据，而数据的采集非常耗时。其次，为无线电地图找到合适的模型具有挑战性。地空信道依赖于地理环境，其形成机制复杂，涉及信号的反射、衍射和散射。由于无线电地图变化迅速，很难在大范围内获取实时的细粒度无线电地图。近年来，随着无人机制造技术的进步和成本的降低，无人机在通信领域得到了广泛应用。由于其独特的3d灵活性和空中优势，使用无人机作为空中锚点采集rss数据，并协助绘制无线电地图成为了一项有效的解决方案。
2、目前，使用无人机协助绘制无线电地图的方法主要有两种。一种是结合3d城市地图和传统的无线信道参数估计方法进行无线电地图重绘；另一种是利用深度学习从rss数据出发，探索rss和障碍遮挡程度的隐性映射来进行无线电地图重绘。然而，上述两种方法都存在各自的不足之处。对于第一种方法，其缺点主要在于无线信道参数估计和虚拟障碍地图重
技术实现思路
1、本专利技术要解决的技术问题在于，针对前述单一模态方法的上述缺陷，提供一种基于多模态信息融合的城市空地无线电地图重绘方法，旨在减少任务需求数据量并提高重绘精度。
2、本专利技术解决其技术问题所采用的技术方案是：构造一种基于多模态信息融合的城市空地无线电地图重绘方法，包括
3、s1、基于部分城市3d地图对虚拟障碍地图生成网络进行预训练并固定初始网络参数；
4、s2、基于无人机和地面用户之间的通信信道遮挡信息对权重生成网络进行预训练并固定初始网络参数；
5、s3、基于所述无人机和所述地面用户之间的位置关系及无线信道信号接收强度联合优化所述虚拟障碍地图生成网络和无线信道参数预测网络；
6、s4、基于优化后的所述虚拟障碍地图生成网络生成所述城市空地无线电地图，并基于优化后的所述无线信道参数预测网络预测无线信道参数。
7、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，所述步骤s1包括：
8、s11、使用地理信息开源数据集作为掩码矩阵对原始3d城市地图进行掩码处理以得到所述部分3d城市地图；
9、s12、将所述原始3d城市地图作为标签，并基于所述部分3d城市地图预训练所述虚拟障碍地图生成网络并存储网络参数。
10、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，所述虚拟障碍地图生成网络包括两个级联的unet，将所述部分3d城市地图作为第一个unet的输入以重绘初始虚拟障碍地图，将所述初始虚拟障碍地图和所述部分3d城市地图同时输入第二个unet以训练所述虚拟障碍地图生成网络并存储网络参数。
11、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，所述步骤s2包括：
12、s21、采用第一分类策略网络和第二分类策略网络构建所述权重生成网络，所述第一分类策略网络和所述第二分类策略网络的输出结果均为表示某条无线信道链路在虚拟障碍地图中处于各类遮挡状态下的遮挡强度类型；
13、s22、分别采用第一源数据和第一分类标签训练第一分类策略网络直至其收敛；
14、s23、分别采用第二源数据和第二分类标签训练第二分类策略网络直至其收敛；
15、其中所述第一分类策略网络是由若干线性层和激活函数组成的神经网络，所述第二分类策略网络是由激活函数和softmax函数组成的神经网络。
16、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，在所述步骤s22中，所述第一分类标签
17、
18、其中，
19、其中，sumheightdiffk表示高度差异和，其为对于每一条无线信道链路p上的第k类遮挡类型，对应位置的zm与hm,k的高度和之差，其中zm代表无线信道链路p对应的地面用户和无人机3d位置的连线位置上的高度值，hm,k代表无线信道链路p对应的地面用户和无人机3d位置的连线位置上的虚拟障碍高度值；upperbound表示累计遮挡高度上限；s表示基于反指数函数的遮挡权重分配策略，w表示两类遮挡强度类型判定方法的影响因子，k的取值为0，1或2，λ为反指数分布的系数，决定反指数分布曲线的陡峭程度，在我们的实验设置中取1。
20、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，在所述步骤s22中，所述第二分类标签
21、其中pathloss表示无线信道信号接收强度的损耗实际值，而表示无线信道信号接收强度的损耗预测值。
22、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，所述遮挡强度类型包括视距链路、遮挡类型为k＝1的由多路效应带来的软遮挡，以及遮挡类型为k＝2的混凝土结构带来的重度遮挡。
23、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，所述步骤s3进一步包括：
24、s31、采用第一adam优化器对所述虚拟障碍地图生成网络同时固定所述无线信道参数预测网络的参数，并通过计算所述第一分类标签和所述第二分类标签之间的最小平方差对所述虚拟障碍地图生成网络的参数进行修正；
25、s32、采用第二adam优化器对所述无线信道参数预测网络，同时固定所述第一分类标签和所述第二分类标签，并通过计算所述无线信道信号接收强度的损耗实际值和无线信道信号接收强度的损耗预测值在不同遮挡情况下的最小平方差对所述无线信道参数预测网络的参数进行修正。
26、在本专利技术所述的基于多模态信息融合的城市空地无线电地图重绘方法中，在步骤s4中，当所述第一分类标签和所述第二分类标签之间的最小平方差越小时，表示所述虚拟障碍地图生成网络生成的所述城市空地无线电地图与实际3d城市地图差距越小；
27、当所述无线信道信号接收强度的损耗实际值和无线信道信号接收强度的损耗预测值之间的最小平方差越小时，表示所述无线信道参数预测网络预测的无线信道参数越接近真实值。...
【技术保护点】
1.一种基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述步骤S1包括：
3.根据权利要求2所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述虚拟障碍地图生成网络包括两个级联的Unet，将所述部分3D城市地图作为第一个Unet的输入以重绘初始虚拟障碍地图，将所述初始虚拟障碍地图和所述部分3D城市地图同时输入第二个Unet以训练所述虚拟障碍地图生成网络并存储网络参数。
4.根据权利要求1-3中任意一项所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述步骤S2包括：
5.根据权利要求4所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，在所述步骤S22中，所述第一分类标签
6.根据权利要求4所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，在所述步骤S22中，所述第二分类标签
7.根据权利要求4所述的基于多模态信息融合的城市空地无线电地图重
8.根据权利要求4所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述步骤S3进一步包括：
9.根据权利要求8所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，在步骤S4中，当所述第一分类标签和所述第二分类标签之间的最小平方差越小时，表示所述虚拟障碍地图生成网络生成的所述城市空地无线电地图与实际3D城市地图差距越小；
...【技术特征摘要】
1.一种基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述虚拟障碍地图生成网络包括两个级联的unet，将所述部分3d城市地图作为第一个unet的输入以重绘初始虚拟障碍地图，将所述初始虚拟障碍地图和所述部分3d城市地图同时输入第二个unet以训练所述虚拟障碍地图生成网络并存储网络参数。
4.根据权利要求1-3中任意一项所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，所述步骤s2包括：
5.根据权利要求4所述的基于多模态信息融合的城市空地无线电地图重绘方法，其特征在于，在所述步骤...
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。