感知数据确定方法、装置及网络设备
本技术涉及通感一体化,具体涉及一种感知数据确定方法、装置及网络设备。
背景技术:
1、通感一体化(integrated sensing and communication,isac)技术的感知数据在利用多频段互补信息方面,通常将各频段的回波先分别进行单频段处理,再对不同频段的处理结果进行融合。相关技术中,融合位置通常位于单频段处理之后,或者依赖各频段之间特定的参数比例关系,难以充分保留跨频段回波中的多维幅相结构和联合子空间信息。
2、例如,在数据级融合中,跨频段的原始观测信息已在单频估计过程中被压缩为少量参数,当某一频段出现错误峰值或较大估计偏差时,后续融合难以恢复已丢失的有效信息;在符号级融合中,跨频段协作通常仍发生在各频段分别提取特征之后,未能进入距离、速度和角度联合表征的多维分解过程;在谱级融合中,单频段的谱估计误差会先进入各自的谱图再被带入融合过程,且固定叠加或固定权重难以反映各频段在不同参数维度上的可靠性差异,难以实现面向各维度的自适应融合。
技术实现思路
1、本技术的至少一个实施例提供了一种感知数据确定方法、装置及网络设备,用于解决现有技术中针对不同频段的感知数据,难以实现面向各维度的自适应融合的问题。
2、为了解决上述技术问题,本技术是这样实现的:
3、第一方面,本技术实施例提供了一种感知数据确定方法,包括:
4、根据接收的关于至少一个目标物的至少两个频段的感知回波数据,构建观测张量;所述观测张量包括所述至少两个频段对应的观测张量;
5、对所述观测张量进行张量分解,确定分解数据以及参考频段;所述分解数据包括:多个感知维度的数据对应的特征矩阵以及核心张量;所述参考频段为在所述多个感知维度上的可靠性最高的频段;
6、根据所述参考频段对应的多个维度的感知数据,构建引导频段的教师参考子空间;
7、通过教师参考子空间对所述分解数据进行更新,得到多个频段对应的目标分解数据;
8、对所述目标分解数据进行加权融合,得到所述至少一个目标物的目标感知数据;所述加权融合的权重与所述目标分解数据的可靠性相关。
9、进一步地,根据接收的关于至少一个目标物的至少两个频段的感知回波数据,构建观测张量,包括:
10、对所述感知回波数据进行导频去除和归一化处理,得到标准感知数据;
11、按照子载波间隔、正交频分复用符号长度和接收天线的排列数据提取所述标准感知数据中的特征参数;所述特征参数包括:距离特征、速度特征以及角度特征;
12、根据所述特征参数,构建所述观测张量。
13、进一步地,对所述观测张量进行张量分解,确定分解数据,包括:
14、采用最小描述长度法对所述观测张量进行估计,得到多个特征参数对应的模秩;
15、通过高阶正交迭代法对主成分分析模型进行初始化,得到目标分解模型;
16、通过所述目标分解模型对所述观测张量进行分解,得到所述分解数据。
17、进一步地,对所述观测张量进行张量分解,确定分解数据以及参考频段,包括:
18、根据所述分解数据,构造所述特征参数对应的理想响应子空间的投影矩阵;
19、根据所述投影矩阵,确定每个所述感知维度的数据的子空间;
20、根据所述子空间的残差,确定每个频段的感知数据对应的每个感知维度的数据的估计值;
21、计算所述估计值的可靠性,并根据所述估计值的可靠性确定所述参考频段。
22、进一步地,计算所述估计值的可靠性,包括:
23、根据拟合残差的雅可比矩阵近似参数协方差,计算所述估计值的局部不确定性的均方根标准差;
24、对所述子空间进行多次有放回随机抽样,并计算不同采样结果性对于中位结果的扰动离散度;
25、对所述估计值进行优化,并计算所述估计值的吸引域一致性;
26、根据所述均方根标准差、所述扰动离散度以及所述吸引域一致性,确定所述估计值的可靠性。
27、进一步地,通过教师参考子空间对所述分解数据进行更新,得到多个频段对应的目标分解数据,包括:
28、将所述教师参考子空间作为引导项加入目标函数对所述特征矩阵以及所述核心张量进行更新,得到所述目标分解数据;
29、所述目标函数包括数据重构项和参考引导正则项。
30、进一步地,对所述目标分解数据进行加权融合,得到所述至少一个目标物的目标感知数据,包括:
31、确定每个频段对应的所述目标分解数据的峰值对于所有所述目标分解数据的峰值分布的集中度;
32、确定每个频段对应的所述目标分解数据相对于对应的观测张量的拟合程度;
33、计算所述拟合程度的归一化重构残差;
34、根据所述集中度以及所述归一化重构残差,确定所述加权融合的权重;
35、根据所述加权融合的权重,对所述目标分解数据进行加权融合,得到所述至少一个目标物的目标感知数据。
36、进一步地,所述方法还包括:
37、根据对所述目标分解数据进行加权融合得到的融合结果,提取候选感知数据;
38、确定所有感知维度的所述候选感知数据的索引的集合;
39、对每个频段对应的所述感知数据构造候选响应矩阵;
40、融合多个频段的频段关联张量,得到联合关联张量;所述联合关联张量中的每个元素表征对应所述索引的融合关联强度;
41、从所述索引的集合中选取所述融合关联强度最大的预设个目标索引;
42、基于所述目标索引从所述候选感知数据中读取对应的参数值,输出所述目标感知数据的估计结果。
43、第二方面,本技术实施例提供了一种感知数据确定装置,包括:
44、第一构建模块,用于根据接收的关于至少一个目标物的至少两个频段的感知回波数据,构建观测张量;所述观测张量包括所述至少两个频段对应的观测张量;
45、分解模块,用于对所述观测张量进行张量分解,确定分解数据以及参考频段;所述分解数据包括:多个感知维度的数据对应的特征矩阵以及核心张量;所述参考频段为在所述多个感知维度上的可靠性最高的频段;
46、第二构建模块,用于根据所述参考频段对应的多个维度的感知数据,构建引导频段的教师参考子空间;
47、更新模块,用于通过教师参考子空间对所述分解数据进行更新,得到多个频段对应的目标分解数据;
48、融合模块,用于对所述目标分解数据进行加权融合,得到所述至少一个目标物的目标感知数据;所述加权融合的权重与所述目标分解数据的可靠性相关。
49、第三方面,本技术实施例提供了一种网络设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如第一方面所述的方法的步骤。
50、与现有技术相比,本技术实施例提供的感知数据确定方法、装置、网络设备及存储介质,在受引导频段的分解过程中引入参考频段提供的教师子空间,使受引导频段在解释自身观测数据的同时参考更可靠的子空间结构进行更新,使得跨频段信息能够在单频分解误差尚未固定之前参与处理,从而减少噪声、旁瓣、多目标耦合或频率选择性散射对分解结果的影响,提高距离、速度和角度联合估计的准确性和稳健性。同时,能够根据当前数据的实际分解质量进行多维度自适应加权融合,从而更充分利用高、低频段在不同感知维度上的互补优势,提高多频段目标参数估计性能。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com