一种基于秩递增张量分解的无人机协同处理信息获取方法与流程

1.本发明属于信息获取领域，具体涉及到一种基于秩递增张量分解的无人机协同处理信息获取方法。


背景技术：

2.信息技术在现代各领域起着越来越重要的作用，第五代和第六代蜂窝网络中无人机将发挥重要作用。随着蜂窝连接无人机和无人机协同信息处理的发展，机遇和挑战不断涌现。无人机在空中获取信息，传输信息的过程很重要，一些张量分解方法被用于信息获取，比如平行因子算法，但在无人机协同处理信息获取这一领域，基于平行因子的秩递增张量分解的相关研究相对较少。


技术实现要素：

3.本发明的目的在于提供一种基于秩递增张量分解的无人机协同处理信息获取方法，以解决上述背景技术中信息获取困难等问题。
4.本发明提供了一种基于秩递增张量分解的无人机协同处理信息获取方法，包括如下步骤：
5.步骤1，对符号矩阵s、编码矩阵c和信道矩阵h
rd
、h
sr
进行随机初始化；
6.步骤2，运用接收信号的广义展开和khatri-rao积逆运算计算{s,c,h
rdhsr
}矩阵的列向量
7.步骤3，运用计算重构接收信号y
tre
；
8.步骤4，计算接收信号和重构信号y
tre
两者之间的残差y
res
；
9.步骤5，运用残差y
res
的广义展开和khatri-rao积逆运算，计算{s,c,h
rdhsr
}矩阵的列向量{s
res
,c
res
,h
res
}；
10.步骤6，根据步骤2和步骤5的列向量求得秩为2的加载矩阵{s
*
,c
*
,h
*
}；
11.步骤7，运用接收信号的广义展开、加载矩阵{s
*
,c
*
,h
*
}和khatri-rao积逆运算计算秩为2的符号矩阵s2、编码矩阵c2和信道矩阵其中，秩为2的矩阵m表示为m2；
12.步骤8，重复上述步骤，直到计算出秩为r的符号矩阵sr、编码矩阵cr和信道矩阵
13.该方法将信源的发送信号构造为khatri-rao积结构，信号在经过信道的传输后可以表示为平行因子分析模型的形式，并通过构造秩递增加载矩阵来优化迭代的初始值。秩递增张量分解方法优于交替最小二乘算法，且收敛速度快，在大规模数据集运行时间更少。
附图说明
14.图1为本发明的系统模型；
15.图2为秩递增张量分解方法的归一化均方误差曲线；
16.图3为秩递增张量分解方法的误码率曲线。
具体实施方式
17.下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法，或者结构上的等效变换或替代，均属于本发明的保护范围之内。
18.本发明提供了一种基于秩递增张量分解的无人机协同处理信息获取方法，包括如下步骤：
19.步骤1，对符号矩阵s、编码矩阵c和信道矩阵h
rd
、h
sr
进行随机初始化；
20.步骤2，运用接收信号的广义展开和khatri-rao积逆运算计算{s,c,h
rdhsr
}矩阵的列向量
21.步骤3，运用计算重构接收信号y
tre
；
22.步骤4，计算接收信号和重构信号y
tre
两者之间的残差y
res
；
23.步骤5，运用残差y
res
广义展开和khatri-rao积逆运算，计算{s,c,h
rdhsr
}矩阵的列向量{s
res
,c
res
,h
res
}；
24.步骤6，根据步骤2和步骤5的列向量求得秩为2的加载矩阵{s
*
,c
*
,h
*
}；
25.步骤7，运用接收信号的广义展开、加载矩阵{s
*
,c
*
,h
*
}和khatri-rao积逆运算计算秩为2的符号矩阵s2、编码矩阵c2和信道矩阵
26.步骤8，重复上述步骤，直到计算出秩为r的符号矩阵sr、编码矩阵cr和信道矩阵
27.本发明相比于其他发明有明显的优势包括：
28.(1)优于交替最小二乘算法，且计算成本更低。
29.(2)在秩递归搜索中使用了热启动，可以扩展到大型数据集。
30.为了验证所提算法的性能，建立系统模型对该方法进行分析。应注意到：一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
31.请参照图1，图1为本发明的系统模型图。
32.步骤1，对符号矩阵编码矩阵和信道矩阵进行随机初始化。s表示用户处的符号矩阵，h
rd
表示无人机群到数据中心的信道矩阵，h
sr
表示用户到无人机群的信道矩阵，t表示时隙，ms、md分别表示用户和数据中心处的天线数。
33.步骤2，运用接收信号的广义展开和khatri-rao积逆运算计算{s,c,h
rdhsr
}矩阵的列向量s1∈c
t
×1、c1∈c
p
×1和
[0034][0035]
[0036][0037][0038]
其中，p为第t个时间块内的符号数，q(
·
)为正则化项。
[0039]
步骤3，运用s1∈c
t
×1、和c1∈c
p
×1计算重构信号y
tre
。根据
[0040][0041]
计算y
tre
，λr为归一化因子。
[0042]
步骤4，计算接收信号和重构信号y
tre
两者之间的残差y
res
：
[0043][0044]
步骤5，运用残差y
res
广义展开和khatri-rao积逆运算计算{s,c,h
rdhsr
}矩阵的列向量s
res
、c
res
和h
res
。
[0045]
步骤6，根据步骤2和步骤5的列向量求得秩为2的加载矩阵：
[0046][0047]s*
＝[s
1 s
res
]
ꢀꢀꢀ
(8)
[0048]c*
＝[c
1 c
res
]
ꢀꢀꢀ
(9)
[0049]
步骤7，运用接收信号的广义展开、加载矩阵和khatri-rao积逆运算计算秩为2的符号矩阵s2、编码矩阵c2和信道矩阵
[0050]
步骤8，重复上述步骤，直到计算出秩为r的符号矩阵sr、编码矩阵cr和信道矩阵
[0051]
该算法的归一化均方误差曲线图和误码率图如图2图3所示，可以看出，该算法优于交替最小二乘法，收敛速度更快，通过仿真结果验证了该算法的有效性。
[0052]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。