一种基于无线电数字孪生的多未知辐射源多参数识别方法

摘要: 本发明涉及无线电频谱监测、无线电数字孪生及多辐射源参数识别领域,特别涉及一种基于无线电数字孪生的多未知辐射源多参数识别方法。背景技术:1、随着物联网、5g/6g...
一种基于无线电数字孪生的多未知辐射源多参数识别方法

本发明涉及无线电频谱监测、无线电数字孪生及多辐射源参数识别领域,特别涉及一种基于无线电数字孪生的多未知辐射源多参数识别方法。

背景技术:

1、随着物联网、5g/6g通信和低空通信系统的发展,城市园区、校园及工业区域内的无线设备日益密集,不同类别以及同一类别的多个未知无线电辐射源可能在同一频段同时工作。频谱监测系统通常利用分布式监测节点采集各位置的功率谱,并据此识别异常或干扰辐射源的类别、数量、位置和发射功率。多个辐射源同时发射时,各节点获得的是不同源辐射源经过路径损耗、建筑遮挡、反射和绕射后形成的混叠频谱,无法直接获得单个辐射源的独立观测。

2、现有混叠频辐射源谱处理方法通常采用基于盲源分离的方法,比如wang等人[1]采用非负矩阵分离的方法,将监测节点接收的非负功率谱表示为预存频谱字典与类别激活系数的乘积,从而估计各类辐射源在不同监测节点处的强度贡献。该类方法能够完成类别间辐射源分离,但一般不能进一步区分同一类别中的多个辐射源,也不能同时给出各辐射源的位置和发射功率。在多源定位方面,已有方法主要基于接收辐射源强度和传播模型进行优化,zhan等人[2]通过采样不同位置的接收辐射源强度,通过输入神经网络进行发射源位置求解;或者先利用插值、卷积神经网络或生成模型重建完整无线电地图,再从重建结果中检测辐射源,如levie等人[3]通过radiounet重建无线电地图,并根据地图中能量分布实现发射源定位;habash等人[4]通过cgan条件生成模型,同样进行无线电地图重建,并基于重建结果进行定位。前一类方法依赖准确的传播参数和较密集的监测节点,在建筑遮挡环境中容易产生模型偏差;后一类方法需要重建大量无源区域,计算开销较大,且无线电地图的重建误差会传递到后续定位过程。

3、无线电数字孪生体通过在虚拟空间中建立与物理待监测区域相对应的空间环境、建筑物及障碍物属性、监测节点部署状态和无线电传播关系,可以对真实监测区域中的环境信息、节点观测和辐射源状态进行统一表达。对于多辐射源监测任务,数字孪生体还能够按照统一的地理坐标和网格索引组织环境语义信息、数字孪生样本、真实采集样本及识别结果,为实际稀疏观测与虚拟环境先验之间的关联提供数字化基础。

4、总体而言,现有研究多集中于不同类别辐射源的识别与分离、一般多发射源定位或完整无线电地图重建,较少专门考虑同一类别的多个辐射源在同一频段同时工作时的个体分离问题。由于同类辐射源具有相同或高度相似的频谱特征,现有类别分离方法通常只能得到该类别在各监测节点处的聚合强度,难以进一步判断其中包含的辐射源数量,并分别确定各辐射源的位置和发射功率;同类多源分离不能仅依赖频谱特征,还需要利用不同辐射源到多个监测节点之间传播路径不同所形成的空间强度分布差异。实际系统中监测节点数量有限、空间采样稀疏,且建筑物遮挡会使传播关系更加复杂,同时未知位置与未知发射功率相互耦合,使同类别辐射源的数量确定、个体定位和功率估计成为频谱监测中的关键难题。并且,现有多辐射源识别方法通常将环境模型、监测节点数据、训练样本和识别结果分别处理,缺少面向无线电数字孪生体的统一映射与状态组织机制,难以充分利用复杂场景中的建筑遮挡和空间传播先验。因此,需要利用无线电数字孪生体贯通环境信息、节点观测、模型样本与辐射源识别结果,并使其与频谱分离、空间映射和多任务识别流程协同运行。

5、[1]d. d. lee, h. s. seung. learning the parts of objects by non-negative matrix factorization[j]. nature, 1999, 401(6755): 788–791。

6、[2]c. zhan, and others. deepmtl: deep learning based multipletransmitter localization[c]. ieee wowmom, 2021: 41–50。

7、[3]r. levie, and others. radiounet: fast radio map estimation withconvolutional neural networks[j]. ieee transactions on wirelesscommunications, 2021, 20(6): 4001–4015。

8、[4]o. habash, s. singh, r. mizouni, and others. multiple sourcelocalization in iot: a conditional gan and image-processing-based framework[j]. ieee internet of things journal, 2023, 11(4): 7059–7070.

技术实现思路

1、本发明的目的在于克服现有技术的缺点与不足,提供一种基于无线电数字孪生的多未知辐射源多参数识别方法。

2、本发明的目的通过以下的技术方案实现:

3、一种基于无线电数字孪生的多未知辐射源多参数识别方法,包括以下步骤:

4、s1、在物理待监测区域部署频谱监测节点,各监测节点在同一监测时段采集目标频段数据并处理,得到非负功率谱向量;将待监测区域的几何结构、建筑物及障碍物电磁材质参数、监测节点位置和工作参数映射至数字空间,得到无线电数字孪生场景;

5、s2、根据预先采集的无线电辐射源功率谱模板,构建频谱字典;根据频谱字典与非负功率谱向量,逐节点求解无线电辐射源类别强度;将类别强度大于预设阈值的无线电辐射源类别作为有效类别;

6、s3、基于无线电数字孪生场景,对有效类别中同一类别的辐射源进行空间映射,分别构建稀疏接收强度图、空间插值图、环境语义图与监测节点掩码图,并形成输入数据;

7、s4、针对若干个同一类别的辐射源,构建连续位置热力图与功率标签图;基于连续位置热力图得到源有效区域;构建多任务残差u-net,设置定位、功率双输出头;将输入数据输入多任务残差u-net中,定位输出头和功率输出头分别输出位置概率图与功率分布图;通过位置概率图和连续位置热力图计算位置损失;在源有效区域中,通过功率分布图与功率标签图计算条件功率损失;根据位置损失和条件功率损失联合优化总损失函数,通过总损失函数训练多任务残差u-net;

8、s5、得到每一个有效类别的位置概率图与功率分布图后,对位置概率图进行峰值检测确定每一个有效类别下的辐射源估计数量,并根据峰值进行映射,得到实际空间位置坐标;在位置概率图中,读取每个位置对应的发射功率;将辐射源类别、辐射源估计数量、实际空间位置与发射功率汇总输出。

9、所述步骤s1具体如下:

10、s11、在楼顶、杆塔、路灯、固定站点或车辆上设置个频谱监测节点;各频谱监测节点在同一监测时段内采集目标频段的时域信号或功率谱密度,并将节点标识、空间坐标、采样时间、中心频率、带宽和频谱数据发送至计算节点;计算节点对各频谱监测节点数据执行时间对齐、频率对齐、噪声底校正和归一化;

11、s12、对第个频谱监测节点的时域数据执行短时傅里叶变换,得到非负功率谱向量,其中,f为时域数据,为频率采样点数;

12、s13、将待监测区域的几何结构、建筑物及障碍物电磁材质参数、监测节点位置和工作参数映射至数字空间,得到无线电数字孪生场景;所述无线电数字孪生场景将待监测区域划分为 个二维网格,每个二维网格对应确定的地理范围,并建立实际坐标与网格索引之间的映射;每个网格对应一个待输出的辐射源中心;当实际辐射源密度更高时,通过减小网格尺寸提高分辨率。

13、所述步骤s2具体如下:

14、s21、预先采集或仿真系统所关注的类辐射源的典型功率谱模板,将各类别辐射源模板按列组成频谱字典,具体如下:

15、;

16、s22、根据频谱字典与非负功率谱向量对每个监测节点求解类别强度,第类辐射源在第m个节点处的类别强度为,求解类别强度的目标函数具体如下:

17、;

18、其中,为第m个节点的类别激活系数向量,为可选稀疏正则化系数;

19、s23、对第类辐射源在所有节点处的类别强度进行统计,当统计得到的类别强度超过预设阈值时,将类别作为待进一步处理的有效类别。

20、所述步骤s3为同类别辐射源分离结果的空间映射,具体如下:

21、s31、构建稀疏接收强度图:将有效类别中类别的类别强度写入第个监测节点所在网格,其他网格填充为零:

22、;

23、当多个监测节点位于同一网格时,取均值、最大值或按接收质量加权融合;

24、s32、构建空间插值图:设第  个监测节点的位置为 ,类别在该位置的类别强度记为 ;将所有监测节点的位置作为采样坐标,类别强度作为观测值,对类别下监测节点位置进行rbf插值,具体为:

25、;

26、其中,为插值权重,为径向基核函数,为监测节点坐标,为空间多项式系数;插值权重和空间多项式系数通过下列线形方程组求解:

27、;

28、其中,,;表示第 个与第 个监测节点之间的核函数值,为平滑参数;其他矩阵定义为:

29、;

30、;

31、;

32、;

33、插值完成后将图值归一化至或标准化至零均值单位方差;

34、s33、构建环境语义图:根据地图、建筑轮廓、数字表面模型或数字孪生场景生成环境语义图;

35、s34、构建监测节点掩码图,将监测节点所在网格赋值为1,其他网格赋值为0:

36、;

37、s35、将稀疏接收强度图、空间插值图、环境语义图与监测节点掩码图沿通道维拼接形成输入数据,具体为:

38、。

39、所述步骤s4具体如下:

40、s41、构建连续位置热力图:对于存在个类别c的辐射源,对第个真实辐射源位置生成二维高斯响应,并对每个辐射源的响应逐网格取最大值:

41、;

42、其中,为控制标签扩散范围;

43、s42、构建功率标签图:将类别的每个辐射源发射功率由线性单位转换为对数单位或归一化单位,在对应辐射源位置附近生成连续功率标签,具体计算如下:

44、;

45、其中,为控制标签扩散范围,为最大值、最小距离辐射源选择或加权融合,为标准化后的发射功率;

46、s43、构建源有效区域掩码:根据连续位置热力图生成源有效区域,具体为:

47、;

48、其中,为连续位置热力图阈值,为指示函数;表示类别的辐射源有效区域掩码;

49、s44、构建多任务残差u-net,将输入数据输入多任务残差u-net中,输出位置概率图与功率分布图;

50、s45、通过位置概率图和连续位置热力图计算位置损失,具体计算如下:

51、;

52、在源有效区域中,通过功率分布图与功率标签图计算条件功率损失,具体如下:

53、;

54、其中,为防止分母为零的常数;

55、根据位置损失和条件功率损失联合优化总损失函数,具体计算为:

56、

57、其中,为任务平衡权重。

58、步骤s44中,所述多任务残差u-net,包括共享编码器、se注意力增强模块、共享解码器与任务解耦双输出头;

59、其中,共享编码器采用三级下采样的残差结构,特征通道数依次设置为32、64、128和256;每级下采样通过最大池化逐步降低特征图分辨率,并利用残差块提取不同尺度的传播特征;每个残差块由两层卷积、批归一化和relu激活组成;当输入与输出通道一致时采用恒等捷径,反之则通过卷积完成通道匹配;经过三级下采样后,网络进入瓶颈阶段,采用256通道残差块对深层特征进行进一步提炼,在保持较大感受野的同时增强对建筑遮挡、大尺度路径损耗及空间传播相关性的表征能力,并将其作为后续共享解码器的高层语义特征;

60、在跳跃连接进入解码器之前,通过se注意力增强模块对共享编码器特征执行squeeze-and-excitation操作:先对每个通道进行全局平均池化,再经两层全连接映射和sigmoid函数得到通道权重,根据通道权重对原特征逐通道重标定;

61、共享解码器设置与编码器对应的三级上采样,采用双线性插值后接卷积,使空间尺寸逐级恢复且通道数逐级减半;各解码阶段与同尺度共享编码器特征建立跳跃连接,以同时保留全局传播模式和局部源峰值细节;

62、任务解耦双输出头包括定位分支和功率分支;解码器输出共享特征后,分别送入定位分支和功率分支;每个分支先通过独立的任务缓冲层将共享特征转换至任务特定特征空间;最终,定位输出头采用卷积和sigmoid激活,输出位置概率图;功率输出头采用卷积输出功率分布图。

63、所述步骤s5具体为:

64、s51、对每一个有效类别的四通道输入数据执行一次多任务残差u-net前向计算,得到位置概率图与功率分布图;

65、s52、对每一个有效类别的位置概率图执行局部极大值检测、非极大值抑制或连通域分析,保留位置概率超过检测阈值且相互距离满足预设间隔的峰值;保留的峰值个数即为有效类别下的估计辐射源数量;

66、s53、将保留的每个峰值网格坐标映射回实际地理坐标;进一步对峰值邻域执行概率加权质心或二次曲面拟合,实现亚网格位置修正;

67、s54、在位置概率图中,对每个估计位置读取功率分布图中对应的发射功率:对该位置邻域内的功率预测进行概率加权平均,随后执行反归一化和对数/线性单位逆转换,得到发射功率;

68、s55、将所有有效类别的结果汇总合并,形成包括辐射源类别、估计数量、空间位置、发射功率和置信度的辐射源状态列表,并写入无线电数字孪生数据库或发送至频谱监管应用。

69、同时,本发明提供:

70、一种服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一段程序,所述程序由所述处理器加载并执行以实现上述基于无线电数字孪生的多未知辐射源多参数识别方法。

71、一种计算机可读存储介质,所述存储介质中存储有至少一段程序,所述程序由处理器加载并执行以实现上述基于无线电数字孪生的多未知辐射源多参数识别方法。

72、本发明与现有技术相比,具有如下优点和有益效果:

73、1、本发明以无线电数字孪生场景作为物理监测区域与多参数识别方法之间的虚拟映射和数据组织载体,将区域空间结构、环境语义信息、监测节点状态和多辐射源识别结果纳入统一坐标框架,使实际稀疏观测能够与复杂传播环境先验相互关联。

74、2、现有频谱分离方法通常只能区分不同类别辐射源,本发明利用频谱字典和非负矩阵分解完成类别间辐射源分离,再利用同类辐射源在不同监测节点处形成的空间强度分布差异,将类别稀疏强度、空间插值结果、环境语义信息和监测节点位置构造成多通道空间输入,并通过多任务残差u-net从同一类别的聚合强度观测中分离不同辐射源个体,同步确定多个辐射源的数量、位置和发射功率,减少完整无线电地图重建及分步估计造成的计算负担和误差传递。

75、3、本发明提高稀疏监测条件下的空间表征能力,其中稀疏接收强度图保留真实测量,空间插值图补充连续传播趋势,环境语义图提供建筑遮挡先验,监测节点掩码图标明观测来源;四类信息相互补充,有利于从稀疏、非均匀观测中辨别不同同类源形成的空间强度模式。

76、4、本发明不要求先恢复监测区域内每个网格的完整接收功率,而是从类别空间特征直接输出位置概率和发射功率;定位与功率任务共享主干联合训练,可减少中间重建误差及定位误差对功率估计的影响。

77、5、本发明适应同类辐射源数量变化并减轻背景干扰:连续位置热力图不要求预先规定辐射源的排列顺序,峰值数量可用于确定估计源数;源有效区域掩码使功率损失集中在真实源附近,避免大量无源背景网格主导训练。