本發(fā)明屬于無(wú)線(xiàn)通信，具體涉及數(shù)據(jù)語(yǔ)義雙驅(qū)動(dòng)的聯(lián)合頻譜地圖構(gòu)建與信號(hào)源定位方法。

背景技術(shù)：

1、隨著無(wú)線(xiàn)通信技術(shù)的快速發(fā)展和城市環(huán)境中無(wú)線(xiàn)設(shè)備數(shù)量的持續(xù)增加，信號(hào)源定位在現(xiàn)代城市中變得愈發(fā)重要。復(fù)雜的電磁環(huán)境、高密度建筑阻擋以及多路徑效應(yīng)，常導(dǎo)致用戶(hù)設(shè)備(ue)與全球定位系統(tǒng)(gps)衛(wèi)星之間缺乏視距條件，從而影響定位效果，尤其在密集的城市區(qū)域更為顯著。為應(yīng)對(duì)上述挑戰(zhàn)，基于頻譜地圖的定位方法逐漸成為研究熱點(diǎn)。頻譜地圖構(gòu)建是一種能夠表征感興趣區(qū)域不同頻率頻譜資源分布和利用狀況的有效技術(shù)，通過(guò)構(gòu)建高精度的頻譜地圖，可以更直觀地反映電磁信號(hào)的傳播特性，從而提升信號(hào)源定位的準(zhǔn)確性。

2、近年來(lái)，深度學(xué)習(xí)通過(guò)直接從原始頻譜數(shù)據(jù)中以端到端的方式學(xué)習(xí)信號(hào)的傳播規(guī)則，促進(jìn)了頻譜地圖構(gòu)建與信號(hào)源定位的發(fā)展。wang?x,wang?x,mao?s等人在其發(fā)表的論文“indoor?radio?map?construction?and?localization?with?deep?gaussian?processes”(ieee?internet?things?j.,vol.7,no.11,pp.11238-11249,2020)中提出了一種基于頻譜地圖的室內(nèi)定位方法。該方法首先使用deep?map生成精確且完整的頻譜地圖，隨后通過(guò)深度高斯過(guò)程實(shí)現(xiàn)定位，實(shí)驗(yàn)證明該方法在室內(nèi)場(chǎng)景下的定位精度明顯優(yōu)于傳統(tǒng)方法。然而，由于城市環(huán)境范圍廣、采樣數(shù)據(jù)有限，這種方法在大范圍室外場(chǎng)景下定位精度有限。為此，yapar?c,levie?r,kutyniok?g等人在其發(fā)表的論文“real-time?outdoor?localizationusing?radio?maps:adeep?learning?approach”(ieee?trans.wireless?commun.,vol.22,no.12,pp.9703-9717,2023)中設(shè)計(jì)了一種專(zhuān)門(mén)用于城市環(huán)境的定位網(wǎng)絡(luò)locunet，通過(guò)使用估計(jì)得到的完整頻譜地圖與要定位用戶(hù)的rss測(cè)量值，實(shí)現(xiàn)了對(duì)稠密城場(chǎng)景中用戶(hù)的定位。然而，該方法對(duì)頻譜地圖構(gòu)建的精度依賴(lài)較大，如果頻譜地圖存在較大誤差，則無(wú)法準(zhǔn)確定位目標(biāo)位置。

3、申請(qǐng)?zhí)朿n202310813202.7的專(zhuān)利提出了一種結(jié)合地形的輻射源定位與頻譜地圖構(gòu)建聯(lián)合求解方法，該方法通過(guò)聯(lián)合迭代優(yōu)化輻射源位置與傳播模型參數(shù)，在迭代收斂后得到最終結(jié)果。盡管這種方法實(shí)現(xiàn)了頻譜地圖構(gòu)建與輻射源定位的聯(lián)合優(yōu)化，但其未能有效應(yīng)對(duì)動(dòng)態(tài)變化的環(huán)境，并且計(jì)算復(fù)雜夫較高，存在計(jì)算資源限制的問(wèn)題。

4、綜上所述，深度學(xué)習(xí)方法大多遵循“先構(gòu)建再定位”的策略，將重心放在稀疏數(shù)據(jù)下頻譜地圖的高精度構(gòu)建，定位效果對(duì)頻譜地圖的構(gòu)建精度依賴(lài)性較高。此外，現(xiàn)有方法通常無(wú)法有效應(yīng)對(duì)動(dòng)態(tài)變化的環(huán)境和實(shí)時(shí)更新的需求，且在計(jì)算資源有限的情況下，頻譜地圖構(gòu)建和定位過(guò)程可能面臨較高的計(jì)算復(fù)雜度。因此，亟需開(kāi)發(fā)新的頻譜地圖構(gòu)建與輻射源定位方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)上述現(xiàn)有技術(shù)的不足，提供數(shù)據(jù)語(yǔ)義雙驅(qū)動(dòng)的聯(lián)合頻譜地圖構(gòu)建與信號(hào)源定位方法，基于聯(lián)合訓(xùn)練框架，同時(shí)實(shí)現(xiàn)了頻譜地圖構(gòu)建與信號(hào)源定位，并且引入了城市地圖與采樣位置地圖作為語(yǔ)義知識(shí)，不僅顯著提升了復(fù)雜城市環(huán)境下頻譜地圖的構(gòu)建精度，降低了信號(hào)源的定位誤差,而且保持了較低的網(wǎng)絡(luò)復(fù)雜度，在實(shí)際通信場(chǎng)景中具有廣泛的應(yīng)用潛力。

2、為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采取的技術(shù)方案為：

3、數(shù)據(jù)語(yǔ)義雙驅(qū)動(dòng)的聯(lián)合頻譜地圖構(gòu)建與信號(hào)源定位方法，包括：

4、步驟1，在目標(biāo)區(qū)域內(nèi)隨機(jī)部署的多個(gè)感知節(jié)點(diǎn)采集頻譜數(shù)據(jù)并進(jìn)行數(shù)據(jù)歸一化預(yù)處理；

5、步驟2，對(duì)目標(biāo)區(qū)域進(jìn)行空間離散化并建立頻-空域聯(lián)合的三維頻譜地圖表征模型作為頻譜數(shù)據(jù)；

6、步驟3，創(chuàng)建二進(jìn)制城市地圖與二進(jìn)制采樣位置地圖作為語(yǔ)義知識(shí)；

7、步驟4，采用語(yǔ)義知識(shí)與頻譜數(shù)據(jù)構(gòu)成的訓(xùn)練集訓(xùn)練用于頻譜地圖構(gòu)建和信號(hào)源定位的神經(jīng)網(wǎng)絡(luò)模型；

8、步驟5，分別計(jì)算頻譜地圖構(gòu)建任務(wù)的損失和信號(hào)源定位任務(wù)的損失，通過(guò)權(quán)重參數(shù)將其加權(quán)求和得到神經(jīng)網(wǎng)絡(luò)模型的總損失；

9、步驟6，采用動(dòng)態(tài)調(diào)整機(jī)制根據(jù)權(quán)重調(diào)節(jié)因子和損失閾值更新權(quán)重參數(shù)；

10、步驟7，判斷當(dāng)前迭代次數(shù)是否達(dá)到設(shè)定的最大迭代次數(shù)，若是，則進(jìn)行步驟8，若否，則將迭代次數(shù)加一，返回步驟4繼續(xù)訓(xùn)練；

11、步驟8，將驗(yàn)證集數(shù)據(jù)輸入用于頻譜地圖構(gòu)建和信號(hào)源定位的神經(jīng)網(wǎng)絡(luò)模型，得到輸出結(jié)果；

12、步驟9，對(duì)所述輸出結(jié)果進(jìn)行處理后得到完整的頻譜地圖與信號(hào)源在目標(biāo)區(qū)域內(nèi)的網(wǎng)格位置。

13、為優(yōu)化上述技術(shù)方案，采取的具體措施還包括：

14、上述的步驟2包括：

15、對(duì)目標(biāo)區(qū)域進(jìn)行空間離散化并建立二維頻譜地圖補(bǔ)全模型，該模型根據(jù)采集的數(shù)據(jù)和未監(jiān)測(cè)到的頻率補(bǔ)全空間離散化后目標(biāo)區(qū)域內(nèi)網(wǎng)格的值以形成相應(yīng)的二維頻譜地圖，進(jìn)而得到目標(biāo)區(qū)域的頻-空域聯(lián)合的三維頻譜地圖表征模型，具體如下：

16、(1)如果網(wǎng)格i＝(i,j)中存在m個(gè)感知節(jié)點(diǎn)，則該網(wǎng)格被賦值為這m個(gè)感知節(jié)點(diǎn)采集到的頻譜數(shù)據(jù)歸一化后的平均值，否則，該網(wǎng)格被賦值為0，得到目標(biāo)區(qū)域可監(jiān)測(cè)到的頻率fk上的不完整頻譜圖sk；

17、(2)將未到的監(jiān)測(cè)頻率f0上的頻譜地圖網(wǎng)格的值全部設(shè)置為0，形成一個(gè)未監(jiān)測(cè)到的頻率f0上的空白的二維頻譜地圖e0，作為要推斷的目標(biāo)頻譜地圖；

18、(3)將目標(biāo)區(qū)域可監(jiān)測(cè)到的頻率fk上的不完整頻譜圖sk和未監(jiān)測(cè)到的頻率f0上的空白的二維頻譜地圖e0按照頻率維度以升序方式堆疊，得到目標(biāo)區(qū)域的頻-空域聯(lián)合的三維頻譜地圖表征模型。

19、上述的步驟3創(chuàng)建二進(jìn)制城市地圖如下：

20、

21、其中zi,j表示空間離散化后目標(biāo)區(qū)域內(nèi)網(wǎng)格i＝(i,j)處二進(jìn)制城市地圖的取值；

22、創(chuàng)建二進(jìn)制采樣位置地圖如下：

23、

24、其中mi,j表示空間離散化后目標(biāo)區(qū)域內(nèi)網(wǎng)格i＝(i,j)處二進(jìn)制采樣位置地圖的取值。

25、上述的步驟4具體如下：

26、(1)對(duì)語(yǔ)義知識(shí)與頻譜數(shù)據(jù)進(jìn)行特征融合，得到數(shù)據(jù)語(yǔ)義融合特征；

27、(2)將數(shù)據(jù)語(yǔ)義融合特征分別輸入神經(jīng)網(wǎng)絡(luò)模型的頻譜地圖構(gòu)建網(wǎng)絡(luò)dsd-unet與信號(hào)源定位網(wǎng)絡(luò)dsd-resnet，dsd-unet將缺損的頻譜地圖補(bǔ)全完整，以反應(yīng)整個(gè)區(qū)域內(nèi)信號(hào)強(qiáng)度的分布情況；將頻譜地圖構(gòu)建網(wǎng)絡(luò)dsd-unet提取到的頻-空域聯(lián)合的三維頻譜地圖表征模型的特征輸入信號(hào)源定位網(wǎng)絡(luò)dsd-resnet，dsd-resnet對(duì)信號(hào)源進(jìn)行定位，以掌握區(qū)域內(nèi)不同信號(hào)源的精確位置；。

28、上述的(1)具體為：將頻-空域聯(lián)合的三維頻譜地圖表征模型、二進(jìn)制城市地圖、二進(jìn)制采樣位置地圖分為三個(gè)通道輸入神經(jīng)網(wǎng)絡(luò)模型的共享層，通過(guò)共享層提取底層特征，實(shí)現(xiàn)語(yǔ)義知識(shí)與頻譜數(shù)據(jù)的特征融合。

29、上述的步驟5所述頻譜地圖構(gòu)建任務(wù)的損失的計(jì)算式如下：

30、

31、其中，k表示頻率點(diǎn)總數(shù)；n×n表示頻譜地圖網(wǎng)格總數(shù)；ek,i,j表示頻率fk上頻譜地圖的每個(gè)格點(diǎn)處的接收信號(hào)強(qiáng)度；pk,i,j表示頻率fk上真實(shí)頻譜地圖的對(duì)應(yīng)格點(diǎn)的接收信號(hào)強(qiáng)度；表示頻譜地圖構(gòu)建任務(wù)的損失。

32、上述的步驟5所述信號(hào)源定位任務(wù)的損失的計(jì)算式如下：

33、

34、其中，pt表示模型預(yù)測(cè)的置信度；αt表示樣本權(quán)重超參數(shù)；γ表示聚焦參數(shù)；表示信號(hào)源定位任務(wù)的損失。

35、上述的步驟5所述神經(jīng)網(wǎng)絡(luò)模型的總損失為：

36、

37、其中，表示神經(jīng)網(wǎng)絡(luò)模型的總損失；表示頻譜地圖構(gòu)建任務(wù)的權(quán)重參數(shù)，表示信號(hào)源定位任務(wù)的權(quán)重參數(shù)。

38、上述的步驟6所述權(quán)重參數(shù)的更新公式如下：

39、

40、其中，表示頻譜地圖構(gòu)建任務(wù)的權(quán)重參數(shù)；表示更新后的頻譜地圖構(gòu)建任務(wù)權(quán)重參數(shù)；表示信號(hào)源定位任務(wù)的權(quán)重參數(shù)；表示更新后的信號(hào)源定位任務(wù)的權(quán)重參數(shù)；β表示權(quán)重調(diào)節(jié)因子；表示頻譜地圖構(gòu)建任務(wù)的損失；表示信號(hào)源定位任務(wù)的損失；為頻譜地圖構(gòu)建任務(wù)的損失閾值；為信號(hào)源定位任務(wù)的損失閾值。

41、上述的步驟9將神經(jīng)網(wǎng)絡(luò)模型的頻譜地圖構(gòu)建網(wǎng)絡(luò)輸出的數(shù)據(jù)進(jìn)行反歸一化，得到完整的頻譜地圖：

42、p＝(pmax-pmin)·pout+pmin

43、其中，p表示反歸一化后的頻譜數(shù)據(jù)，pmin表示頻譜地圖構(gòu)建網(wǎng)絡(luò)輸出的頻譜數(shù)據(jù)的最小值，pmax表示頻譜地圖構(gòu)建網(wǎng)絡(luò)輸出的頻譜數(shù)據(jù)的最大值，pout表示頻譜地圖構(gòu)建網(wǎng)絡(luò)輸出的頻譜數(shù)據(jù)；

44、對(duì)神經(jīng)網(wǎng)絡(luò)模型的信號(hào)源定位網(wǎng)絡(luò)輸出的信號(hào)源位置掩膜進(jìn)行處理，提取掩膜中標(biāo)識(shí)為信號(hào)源的區(qū)域，該區(qū)域?qū)?yīng)的坐標(biāo)為信號(hào)源在目標(biāo)區(qū)域內(nèi)的網(wǎng)格位置。

45、本發(fā)明具有以下有益效果：

46、第一，本發(fā)明針對(duì)城市環(huán)境中數(shù)據(jù)有限導(dǎo)致的頻譜地圖構(gòu)建精度低和信號(hào)源定位誤差大的問(wèn)題，引入二進(jìn)制城市地圖與二值采樣位置圖作為語(yǔ)義知識(shí)，提出數(shù)據(jù)語(yǔ)義雙驅(qū)動(dòng)方法以提取影響信號(hào)傳播的空間信息，有利于神經(jīng)網(wǎng)絡(luò)推理空間域信號(hào)傳播的內(nèi)在機(jī)制。

47、第二，本發(fā)明設(shè)計(jì)了一種數(shù)據(jù)語(yǔ)義雙驅(qū)動(dòng)的聯(lián)合頻譜地圖構(gòu)建與信號(hào)源定位的神經(jīng)網(wǎng)絡(luò)框架，基于共享底層的多任務(wù)學(xué)習(xí)思想，將頻譜地圖構(gòu)建與信號(hào)源定位任務(wù)進(jìn)行協(xié)同優(yōu)化，實(shí)現(xiàn)了不同任務(wù)之間的信息共享與相互促進(jìn)，通過(guò)聯(lián)合訓(xùn)練協(xié)同優(yōu)化兩項(xiàng)任務(wù)，顯著提升了復(fù)雜城市環(huán)境下頻譜地圖的構(gòu)建精度，降低了信號(hào)源的定位誤差，尤其在低采樣密度與多信號(hào)源場(chǎng)景下表現(xiàn)優(yōu)異。

48、第三，本發(fā)明設(shè)計(jì)的網(wǎng)絡(luò)框架中，采用三維卷積，構(gòu)建了一種頻-空域聯(lián)合的三維頻譜地圖表征模型，使得網(wǎng)絡(luò)能夠無(wú)需對(duì)頻譜數(shù)據(jù)的所有頻率進(jìn)行采樣即可實(shí)現(xiàn)完整的頻譜圖構(gòu)建，提高了頻譜圖構(gòu)建的完整性。

49、第四，本發(fā)明針對(duì)頻譜地圖構(gòu)建任務(wù)和信號(hào)源定位任務(wù)分別采用mse和focalloss作為損失函數(shù)，并通過(guò)動(dòng)態(tài)調(diào)整權(quán)重參數(shù)實(shí)現(xiàn)多任務(wù)學(xué)習(xí)的協(xié)同優(yōu)化。具體來(lái)說(shuō)，采用動(dòng)態(tài)調(diào)整機(jī)制，根據(jù)權(quán)重調(diào)節(jié)因子和損失閾值實(shí)時(shí)更新權(quán)重參數(shù)，確保模型在訓(xùn)練過(guò)程中能夠快速適應(yīng)較難的任務(wù)，同時(shí)保證兩個(gè)任務(wù)的平衡優(yōu)化，提升了模型的訓(xùn)練效率和性能。