[發(fā)明專利]一種基于比特域特征提取的目標(biāo)分布式融合識別方法

有效

• 申請?zhí)枺?/td>: 202010945655.1
• 申請日: 2020-09-10
• 公開（公告）號: CN112115830B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計）人: 趙生捷;王德禎;張林;張榮慶;肖京;馬慧生;呂征南
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/25;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙繼明

1.一種基于比特域特征提取的目標(biāo)分布式融合識別方法，用于邊緣側(cè)通信網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，所述邊緣側(cè)通信網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)包括多種邊緣設(shè)備和邊緣域融合中心，其特征在于，所述方法包括以下步驟：

信號獲取步驟：從所述多種邊緣設(shè)備中獲取感知信號；

神經(jīng)網(wǎng)絡(luò)部署步驟：獲取預(yù)先構(gòu)建并訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)，根據(jù)預(yù)設(shè)的部署規(guī)則，拆分所述深度神經(jīng)網(wǎng)絡(luò)，并部署到所述多種邊緣設(shè)備和邊緣域融合中心中，獲得分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)；

所述邊緣設(shè)備中部署的所述深度神經(jīng)網(wǎng)絡(luò)中設(shè)有信號壓縮單元，所述信號壓縮單元，用于對所述邊緣設(shè)備中部署的深度神經(jīng)網(wǎng)絡(luò)的輸出信號，進(jìn)行比特域特征提取，生成比特域特征向量；

所述邊緣域融合中心根據(jù)所述比特域特征向量進(jìn)行目標(biāo)識別；

目標(biāo)識別步驟：將所述感知信號載入所述分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)中，獲取目標(biāo)識別結(jié)果；

所述信號壓縮單元第一信號壓縮層和第二信號壓縮層；

所述第一信號壓縮層采用第一激活函數(shù)，將所述邊緣設(shè)備中部署的深度神經(jīng)網(wǎng)絡(luò)的輸出信號的各維實數(shù)值映射到0至1之間；

所述第二信號壓縮層連接所述第一信號壓縮層，所述第二信號壓縮層采用第二激活函數(shù)，將所述第一信號壓縮層映射到0至1之間的各維實數(shù)值映射到0和1上，生成比特域特征向量；

所述神經(jīng)網(wǎng)絡(luò)部署步驟中，所述部署規(guī)則根據(jù)所述邊緣設(shè)備的計算能力和通信能力構(gòu)建；

所述第一激活函數(shù)為sigmoid激活函數(shù)；

所述第二激活函數(shù)的表達(dá)式為：

式中，y為第二激活函數(shù)的輸出，x為第二激活函數(shù)的輸入，ε為調(diào)整閾值；

所述方法還包括：

平均性能計算步驟：重復(fù)執(zhí)行所述目標(biāo)識別步驟，直至達(dá)到預(yù)設(shè)的第一次數(shù)，獲取所述分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)的平均性能；

神經(jīng)網(wǎng)絡(luò)調(diào)整步驟：調(diào)整所述分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)的層數(shù)和參數(shù)，并重復(fù)執(zhí)行所述信號獲取步驟、神經(jīng)網(wǎng)絡(luò)部署步驟、目標(biāo)識別步驟和平均性能計算步驟，直至達(dá)到預(yù)設(shè)的第二次數(shù)，將所述平均性能最優(yōu)的所述分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)，作為最優(yōu)的分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)，采用該最優(yōu)的分布式神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行目標(biāo)識別；

所述第一次數(shù)的取值范圍在3至20范圍以內(nèi)；

所述第二次數(shù)的取值范圍在50至150范圍以內(nèi)；

所述平均性能的計算指標(biāo)包括識別速度和功耗。