【技術實現步驟摘要】
本專利技術涉及工業無線網絡技術，具體地說是一種面向工業室內場景的射頻地圖估計方法。
技術介紹
1、智能工廠高度依賴能夠保證超高可靠性和低時延通信的工業無線網絡。未來工業無線網絡的設計迫切需要獲取工廠環境中頻譜活動和無線電信道的準確信息。工廠環境中通常包含大量金屬、大型設備及旋轉、移動的設備，導致信道狀態極具動態性。射頻地圖作為無線電傳播環境的可視化描述，對工業無線網絡的規劃和資源管理至關重要。因此，rme已成為工業無線網絡領域中最受關注的研究方向之一。
2、傳統的rme方法要么依賴于經驗信道模型，其估計精度有限；要么依靠射線追蹤仿真，其在高度動態的無線網絡中實施起來過于耗時。近年來，基于深度學習的rme方法在估計精度和計算效率方面表現出色，被廣泛認為將替代傳統rme方法?，F有基于深度學習的rme方法主要面向商業無線應用，如城市或農村場景中的宏蜂窩、室內或室外的wifi場景等，尚無法充分表征工業室內場景中的重要特征。這是因為工業室內場景在環境復雜性和無線電傳播現象上與通用場景有著顯著不同。具體而言，工業室內場景中包含大量障礙物，包括墻體、窗戶以及靜態或移動的機器(重型機械、旋轉機械臂、自動導引車等)，導致了大量的反射、衍射和散射現象。為解決上述挑戰，本專利技術首次提出一種面向工業室內場景的射頻地圖估計方法，該方法可以根據給定的車間平面圖，在線快速估計出相應的高精度射頻地圖。
技術實現思路
1、本專利技術提出了一種面向工業室內場景的射頻地圖估計方法。具體而言，該方法首先利用
2、本專利技術為實現上述目的所采用的技術方案是：一種面向工業室內場景的射頻地圖估計方法，包括以下步驟：
3、構建基于射線追蹤的仿真射頻地圖數據集，以訓練得到cgan模型，使用cgan模型生成新的射頻地圖樣本；
4、采用基于vit的射頻地圖估計方法，使用cgan模型生成的新的射頻地圖樣本擴充仿真射頻地圖數據集，并使用擴充后的數據集訓練vit模型；
5、根據給定的工業室內場景平面圖，將其輸入訓練好的vit模型，實時估計相應的射頻地圖。
6、所述基于射線追蹤的仿真射頻地圖數據集包括n×m張大小為h×w的射頻地圖，每張射頻地圖在每個像素處存儲該像素位置與發射機之間的路徑損耗值；
7、n為車間平面圖個數，每個車間平面圖配置相應的仿真射頻地圖，其中每張車間平面圖共享相同的m個發射機位置；
8、按設定的分辨率對每張車間平面圖進行網格像素劃分，將其轉換為h×w像素的二維圖像；所述二維圖像包含具有不同電磁屬性的車間建筑材料；
9、每次仿真時，對于每張車間平面圖，m個發射機只有一個處于工作狀態。
10、所述使用cgan模型生成新的射頻地圖樣本，包括以下步驟：
11、1)每張車間平面圖被離散化為h×w個網格，每個車間i帶有材質信息的平面圖像對于第j個發射機位置，j＝1,2,···,m，表示根據3gpp?inf模型生成的射頻地圖；當車間i的第j個發射機工作時，場景xij表示為
12、
13、其中，concatenate表示將同樣大小的單通道圖像fi和tj沿著通道維度串接成雙通道的xij；給定xij，yij為射線追蹤仿真生成的真實射頻地圖；[xij,yij]構成標記訓練樣本；基于標記訓練樣本[xij,yij]學習網絡模型fθ(·)，來估計整個射頻地圖即
14、
15、其中，θ表示網絡參數的集合；
16、2)構建由生成器和判別器組成的cgan模型，使用cgan的生成器來表征fθ(·)；其中，輸入cgan模型的用于表示車間中工作發射機位置的條件信息通過獨熱編碼方式對發射機在場景中的位置信息進行編碼；使用仿真射頻地圖數據集進行cgan模型的訓練后，通過cgan模型生成射頻地圖。
17、所述采用基于vit的射頻地圖估計方法，使用cgan模型生成的新的射頻地圖樣本擴充仿真射頻地圖數據集，并使用擴充后的數據集訓練vit模型，包括以下步驟：
18、(1)圖像序列化：在vit模型中，首先將尺寸為2×h×w的輸入圖像裁剪為個尺寸為2×p×p的圖像塊，并將每個圖像塊展開成一維向量，最終得到
19、(2)圖像塊嵌入和位置嵌入：使用線性投影算子e將圖像塊序列xp映射到d維特征空間中，圖像塊嵌入和位置嵌入一同組成d維的z0，作為vit編碼器的輸入：
20、
21、其中，為實現線性投影的矩陣，表示位置嵌入，表示第n個圖像塊序列；vit模型使用不同頻率的正余弦函數實現位置嵌入：
22、
23、
24、其中，pos表示圖像塊在圖像中的位置，i∈[0,1,···,d/2]為用于計算通道維度的索引，d表示特征空間的維度；pe(pos,2i)表示第2i維度pos處的位置嵌入；位置嵌入需要和圖像塊嵌入具有一致的維度；
25、(3)構建vit編碼器：vit的編碼器由l個相同的編碼層堆疊而成，每個編碼層包括一個多頭自注意力子層和一個多層感知機子層；在數據進入每個子層，都使用層歸一化進行歸一化處理，數據經過每個子層后，又使用殘差連接與輸入直接進行融合；
26、為了實現殘差連接，vit編碼器的每一層的輸出維度都設計為d維；第l層的計算過程如下：
27、zl′＝msa(ln(zl-1))+zl-1,l＝1,2,···,l
28、zl＝mlp(ln(zl′))+zl′,l＝1,2,···,l
29、其中，表示經過l個編碼層后得到的特征向量；msa、mlp分別表示多頭自注意力機制、多層感知機，ln表示層歸一化；
30、(4)射頻地圖輸出：得到zl后，將其重塑為二維且大小為的特征圖，d＝p2，將特征圖的p2個通道重新排列到同一個維度上，從而得到大小為1×h×w的灰度射頻地圖。
31、一種面向工業室內場景的射頻地圖估計方法，包括：
32、樣本構建模塊，用于構建基于射線追蹤的仿真射頻地圖數據集，以訓練得到cgan模型，使用cgan模型生成新的射頻地圖樣本；
33、模型構建模塊，用于采用基于vit的射頻地圖估計方法，使用cgan模型生成的新的射頻地圖樣本擴充仿真射頻地圖數據集，并使用擴充后的數據集訓練vit模型；
34、射頻地圖估計模塊，用于根據給定的工業室內場景平面圖，將其輸入訓練好的vit模型，實時估計相應的射頻地圖本文檔來自技高網...
【技術保護點】
1.一種面向工業室內場景的射頻地圖估計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種面向工業室內場景的射頻地圖估計方法，其特征在于，所述基于射線追蹤的仿真射頻地圖數據集包括N×M張大小為H×W的射頻地圖，每張射頻地圖在每個像素處存儲該像素位置與發射機之間的路徑損耗值；
3.根據權利要求1所述的一種面向工業室內場景的射頻地圖估計方法，其特征在于，所述使用CGAN模型生成新的射頻地圖樣本，包括以下步驟：
4.根據權利要求1所述的一種面向工業室內場景的射頻地圖估計方法，其特征在于，所述采用基于ViT的射頻地圖估計方法，使用CGAN模型生成的新的射頻地圖樣本擴充仿真射頻地圖數據集，并使用擴充后的數據集訓練ViT模型，包括以下步驟：
5.一種面向工業室內場景的射頻地圖估計方法，其特征在于，包括：
6.一種面向工業室內場景的射頻地圖估計裝置，其特征在于，包括存儲器和處理器；所述存儲器，用于存儲計算機程序；所述處理器，用于當執行所述計算機程序時，實現如權利要求1-4任一項所述的一種面向工業室內場景的射頻地圖估計方法。<...
【技術特征摘要】
1.一種面向工業室內場景的射頻地圖估計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種面向工業室內場景的射頻地圖估計方法，其特征在于，所述基于射線追蹤的仿真射頻地圖數據集包括n×m張大小為h×w的射頻地圖，每張射頻地圖在每個像素處存儲該像素位置與發射機之間的路徑損耗值；
3.根據權利要求1所述的一種面向工業室內場景的射頻地圖估計方法，其特征在于，所述使用cgan模型生成新的射頻地圖樣本，包括以下步驟：
4.根據權利要求1所述的一種面向工業室內場景的射頻地圖估計方法，其特征在于，所述采用基于vit的射頻地圖估計方法，使用cgan模型生成的...
【專利技術屬性】
技術研發人員：鄭萌，馮彬，張雷，梁煒，張吟龍，于海斌，
申請(專利權)人：中國科學院沈陽自動化研究所，
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。