一种基于Transformer的大规模物联网设备活跃性检测方法及系统技术方案

本发明专利技术属于地面通信技术领域，公开了一种基于Transformer的大规模物联网设备活跃性检测方法，本发明专利技术通过引入活跃度估计模块和双稀疏Transformer模块，能够动态预测设备激活概率，并利用稀疏化处理优化检测模型，从而提高检测精度、降低计算复杂度，并增强模型的泛化能力。动态预测设备激活概率，无需预先假设激活概率；DST模块通过稀疏化处理减少计算冗余，利用设备激活概率信息动态调整注意力权重，增强模型对重要特征的关注；提出了一种深度协作检测框架，将活跃度估计模块和双稀疏Transformer模块有机结合，实现了从接收信号到设备激活状态的高效映射。

【技术实现步骤摘要】

本专利技术属于地面通信，尤其涉及一种基于transformer的大规模物联网设备活跃性检测方法及系统。

技术介绍

1、近年来，随着物联网(iot)技术的快速发展，海量智能设备对无线通信网络提出了前所未有的连接需求。在蜂窝通信系统中，4g/5g网络通过高密度基站部署和窄带物联网(nb-iot)等技术，为智慧城市、工业物联网、车联网等场景提供了广域连接基础。然而，面对爆炸式增长的设备规模以及多样化业务需求(如大规模机器类通信mmtc、超可靠低时延通信urllc)，传统的随机接入方案难以满足高效、低延迟的通信需求。为了应对这一挑战，免授权随机接入(grant-free random access,gf-ra)方案被提出，允许设备在无需事先授权的情况下直接发送数据。然而，gf-ra方案的核心挑战在于如何高效地检测活跃设备，即设备活动检测(device activity detection,dad)问题。

2、对于实现设备活动检测，现有技术主要依赖于压缩感知(compressed sensing,cs)算法和深度学习(deep learning,dl)技本文档来自技高网...

【技术保护点】

1.一种基于Transformer的大规模物联网设备活跃性检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述基于Transformer的大规模物联网设备活跃性检测方法，其特征在于，所述接收信号数据集通过模拟信道条件和设备激活概率生成，所述信道条件为高斯白噪声信道，构建的接收信号数据集为：

3.如权利要求1所述基于Transformer的大规模物联网设备活跃性检测方法，其特征在于，所述活跃度估计模块使用多层感知器结构，通过最小化均方误差损失函数进行训练。

4.如权利要求1所述基于Transformer的大规模物联网设备活跃性检测方法，其特征在于，...

【技术特征摘要】

1.一种基于transformer的大规模物联网设备活跃性检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述基于transformer的大规模物联网设备活跃性检测方法，其特征在于，所述接收信号数据集通过模拟信道条件和设备激活概率生成，所述信道条件为高斯白噪声信道，构建的接收信号数据集为：

3.如权利要求1所述基于transformer的大规模物联网设备活跃性检测方法，其特征在于，所述活跃度估计模块使用多层感知器结构，通过最小化均方误差损失函数进行训练。

4.如权利要求1所述基于transformer的大规模物联网设备活跃性检测方法，其特征在于，所述双稀疏transformer模块包括初始嵌入层、注意力机制层和输出层，其中初始嵌入层用于将接收信号重塑为适合神经网络处理的格式；注意力机制层利用设备激活概率信息动态调整注意力权重，增强模型对重要特征的关注；输出层通过sigmoid函数输出设备的激活状态；接下来利用构建的接收信号数据集训练基于双稀疏transformer的设备活跃性检测模型。

5.如权利要求1所述基于transformer的大规模物联网设备活跃性检测方法，其特征在于，所述双稀疏transformer架构利用激活概率信息动态调整注意力权重...

【专利技术属性】
技术研发人员：甄立，秦凯，王鸽，李明阳，穆炳勋，何雨轩，郭玉蓉，李静玲，王显煜，秦浩，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：