【技術實現步驟摘要】
本專利技術涉及場景識別，特別涉及一種適用于6g無線通信的智能場景識別方法及裝置。
技術介紹
1、為了滿足用戶在各種環境下都能輕易獲得高質量、穩定的網絡連接的需求，提供平等的網絡連接服務，第六代無線通信技術(6th?generation?wireless?communicationtechnology，6g)將實現“全覆蓋”和“全應用”的技術愿景。與第五代無線通信技術(5thgeneration?wireless?communication?technology，5g)相比，6g將不再局限于地面通信場景，還將補充衛星通信、無人機通信、海上通信等場景，實現“空-天-地-海”一體化覆蓋的通信網絡，并支持多樣化的應用場景。不同的通信場景中無線信號的傳播方式各有不同，導致這些場景表現出不同的信道特性，進而影響信號的接收質量和通信系統的性能。因此，在實際應用中，只有快速和準確地識別6g無線通信場景，才能更充分和全面地開展6g無線信道研究工作，進而保障6g通信系統的高效性、穩定性和可靠性。傳統的場景識別方法通常基于主觀經驗或簡單地查表匹配，因此無法滿足6g時代準確性要求。例如，基于主觀經驗的場景識別難以保障準確性。此外，通過查表匹配場景需要獲取大量的場景物理環境特征，數據采集過程將極其耗費資源的。并且，不同場景的物理環境邊界難免會發生一定程度的重疊，此時，傳統方法難以智能地進行決策。鑒于上述問題，迫切需要新的6g無線通信場景識別方法。
2、近年來，ai技術被越來越多地被應用于無線信道研究領域。相比傳統往往需要大量的主觀經驗和資源的
3、然而，現有無線通信場景識別研究往往采用信道測量數據作為分類器輸入，這需要前置的信道測量活動，降低了場景識別的效率和實時性。此外，許多場景識別方法沒有消除數據集樣本數值之間的大小關系對訓練的影響，導致分類器學習過程不穩定、收斂速度慢等問題。并且，當數據集樣本特征數有限時，現有研究極少考慮數據增強的方法，導致分類器容易發生過擬合，出現泛化能力差等問題。而且，目前研究往往局限于區分度較大的5g典型場景或是對視距(line?of?sight，los)或非視距(non-los，nlos)場景進行粗糙地識別，針對6g通信場景的智能場景識別研究較少。
技術實現思路
1、本專利技術提供一種適用于6g無線通信的智能場景識別方法及轉置，用于捕捉6g無線通信場景特征，以識別不同類型的6g通信場景。該方法利用場景物理環境參數進行無監督學習提取其高效表示并構建復合特征以增強數據集，然后基于增強的數據集和場景類別對分類器進行有監督訓練，最終通過超參數(hyper?parameter)尋優算法，獲得了較高的識別精度。
2、本專利技術第一方面實施例提供一種適用于6g無線通信的智能場景識別方法，包括以下步驟：
3、采集待識別的場景物理環境參數；
4、將所述待識別的場景物理環境參數輸入到預先訓練好的分類器進行分類，其中，所述分類器為利用場景物理環境參數對分類模型進行訓練得到。
5、在本專利技術的一個實施例中，在將所述待識別的場景物理環境參數輸入到預先訓練好的分類器進行分類之前，還包括：
6、采集場景物理環境參數，并標注相應的場景類別，對場景物理環境參數和相應的場景類別數據進行預處理得到場景數據集；
7、利用自動編碼器提取所述場景數據集中所述場景物理環境參數的高效表示，將場景物理環境參數的高效表示與原始的場景物理環境參數相結合構建場景物理環境參數的復合特征；
8、利用多層感知器構建的分類模型，將場景物理環境參數的復合特征和相應的場景類別作為輸入，在初始超參數設置下進行分類器訓練訓練構建好的分類模型；
9、設置待尋優超參數范圍，使用尋優算法自動遍歷所有超參數組合，獲取使分類器表現最優的超參數組合作為所述分類模型的超參數，得到訓練好的分類器。
10、在本專利技術的一個實施例中，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
11、對場景物理環境參數和相應的場景類別數據進行歸一化和獨熱編碼處理。
12、在本專利技術的一個實施例中，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
13、使用歸一化處理所述場景物理環境參數，將每類參數中的樣本數值減去最小值，并除以樣本數值的范圍，得到歸一化的場景物理環境參數；
14、使用獨熱編碼處理場景類別，將每類場景真實類別映射為一個唯一的二進制向量，其中一個元素為1，其余元素均為0，為1的元素所對應的類別為場景的真實類別；
15、使用逗號分隔值格式構建包含不同場景的歸一化的物理環境參數和獨熱編碼的場景類別的場景數據集。
16、在本專利技術的一個實施例中，利用自動編碼器提取所述場景數據集中所述場景物理環境參數的高效表示，將場景物理環境參數的高效表示與原始的場景物理環境參數相結合構建場景物理環境參數的復合特征，包括：
17、將所述場景數據集中的場景樣本數據定義為xj，包括預處理后的歸一化場景物理環境參數fj和預處理后的獨熱編碼場景類別lj，
18、xj＝[fj,lj],?j＝1,2,3,…,n
19、其中，n表示場景樣本總數；
20、構建自動編碼器并初始化自動編碼器的網絡參數，自動編碼器的編碼器輸入層大小與fn維度一致，編碼器輸出層小于fn維度，解碼器輸出層的與fn維度一致；
21、使用自動編碼器中的編碼器壓縮fn到更低維度為cn，使用解碼器再將其恢復為rj，計算rj和fj之間的差異，該差異使用均方誤差描述，并通過迭代調整自動編碼器的網絡參數以最小化該差異；
22、將cj與fj相結合構建復合特征sj，所得公式為：
23、sj＝[cj,fj],?j＝1,2,3,…,n。
24、在本專利技術的一個實施例中，利用多層感知器構建的分類模型，將場景物理環境參數的復合特征和相應的場景類別作為輸入，在初始超參數設置下進行分類器訓練訓練構建好的分類模型，包括：
25、構建一個分類模型并初始化模型參數，分類模型的輸入層大小與復合特征sj維度一致，輸入層之后由多個全連接層組成，使用relu非線性激活函數引入非線性，每個全連接層之前都包含一個批歸一化層，用于對每個批次的數據進行歸一化，每個全連接層之后包含一個隨機失活層，隨機使某些神經元在迭代時以預設的概率被臨時忽略，分類模本文檔來自技高網...
【技術保護點】
1.一種適用于6G無線通信的智能場景識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，在將所述待識別的場景物理環境參數輸入到預先訓練好的分類器進行分類之前，還包括：
3.根據權利要求1所述的方法，其特征在于，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
4.根據權利要求3所述的方法，其特征在于，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
5.根據權利要求1所述的方法，其特征在于，利用自動編碼器提取所述場景數據集中所述場景物理環境參數的高效表示，將場景物理環境參數的高效表示與原始的場景物理環境參數相結合構建場景物理環境參數的復合特征，包括：
6.根據權利要求1所述的方法，其特征在于，利用多層感知器構建的分類模型，將場景物理環境參數的復合特征和相應的場景類別作為輸入，在初始超參數設置下進行分類器訓練訓練構建好的分類模型，包括：
7.根據權利要求1所述的方法，其特征在于，設置待尋優超參數范圍，使用尋優算法自動遍歷所有超參數組合，獲取使分類器表現最優的超參數組合
8.一種適用于6G無線通信的智能場景識別裝置，其特征在于，包括：
9.根據權利要求8所述的裝置，其特征在于，所述裝置還包括：
10.根據權利要求8所述的裝置，其特征在于，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
...【技術特征摘要】
1.一種適用于6g無線通信的智能場景識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，在將所述待識別的場景物理環境參數輸入到預先訓練好的分類器進行分類之前，還包括：
3.根據權利要求1所述的方法，其特征在于，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
4.根據權利要求3所述的方法，其特征在于，對場景物理環境參數和相應的場景類別數據進行預處理，包括：
5.根據權利要求1所述的方法，其特征在于，利用自動編碼器提取所述場景數據集中所述場景物理環境參數的高效表示，將場景物理環境參數的高效表示與原始的場景物理環境參數相結合構建場景物理環境參數的復合特征，包括：
...【專利技術屬性】
技術研發人員：王承祥，錢中玉，黃晨，李俊伶，周文奇，
申請(專利權)人：東南大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。