【技术实现步骤摘要】
本申请的实施例涉及通信技术的领域，尤其涉及一种通信辅助感知场景下的高效数据增强优化方法及相关设备。
技术介绍
1、传统的通信辅助感知方式都是将边缘节点采集的感知参数上传至中心单元，然后在中心单元进行全局模型训练，并采用联邦学习在本地训练数据，然后将本地模型参数上传至中央服务器进行模型聚合，然而由于本地感知节点的异构性，节点间的数据分布通常是非独立同分布，数据非独立同分布将会显著影响联邦学习的训练性能。
技术实现思路
1、有鉴于此，本申请的目的在于提出一种通信辅助感知场景下的高效数据增强优化方法及相关设备。
2、基于上述目的，本申请提供了通信辅助感知场景下的高效数据增强优化方法，应用于中央平台，所述中央平台包括全局模型、深度强化学习模型和数据增强模型；
3、该方法包括：
4、令所述数据增强模型从每个本地端接收感知数据，并对全部感知数据组成的感知数据集进行数据增强，得到增强样本；
5、令所述深度强化学习模型接收每个本地端发来的本地模型参数，并从所...
【技术保护点】
1.一种通信辅助感知场景下的高效数据增强优化方法，其特征在于，应用于中央平台，所述中央平台包括全局模型、深度强化学习模型和数据增强模型；
2.根据权利要求1所述的方法，其特征在于，所述数据增强模型包括对抗网络，所述对抗网络包括生成器和鉴别器；
3.根据权利要求1所述的方法，其特征在于，所述每个回合包括有多个决策时刻；
4.根据权利要求1所述的方法，其特征在于，所述深度强化学习模型包括深度Q网络；所述深度Q网络包括目标网络和评估网络；
5.一种通信辅助感知场景下的高效数据增强优化方法，其特征在于，应用于本地端，所述本地端包
...【技术特征摘要】
1.一种通信辅助感知场景下的高效数据增强优化方法，其特征在于，应用于中央平台，所述中央平台包括全局模型、深度强化学习模型和数据增强模型；
2.根据权利要求1所述的方法，其特征在于，所述数据增强模型包括对抗网络，所述对抗网络包括生成器和鉴别器；
3.根据权利要求1所述的方法，其特征在于，所述每个回合包括有多个决策时刻；
4.根据权利要求1所述的方法，其特征在于，所述深度强化学习模型包括深度q网络；所述深度q网络包括目标网络和评估网络；
5.一种通信辅助感知场景下的高效数据增强优化方法，其特征在于，应用于本地端，所述本地端包括本地模型；
6.根据权利要求5所述的方法，其特征在于，所述本地模型包括深度可分离卷积模型...
【专利技术属性】
技术研发人员：穆俊生，欧阳文江，刘力奇，景毅，刘雅琼，熊一枫，
申请(专利权)人：北京邮电大学，
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。