[發(fā)明專利]基于輕量化模型的邊緣設(shè)備協(xié)同頻譜智能監(jiān)測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210046190.5
• 申請日: 2022-01-10
• 公開（公告）號: CN114401063A
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計(jì)）人: 陳建云;瞿智;馮旭哲;王鼎;馬超;胡梅;劉思力;張超
• 申請（專利權(quán)）人: 中國人民解放軍國防科技大學(xué)
• 主分類號: H04B17/391
• 分類號: H04B17/391;H04B17/30;G06N3/08;G06N3/04;G06F8/61
• 代理公司: 長沙國科天河知識產(chǎn)權(quán)代理有限公司 43225
• 代理人: 唐品利

本申請涉及一種基于輕量化模型的邊緣設(shè)備協(xié)同頻譜智能監(jiān)測方法和系統(tǒng)。本發(fā)明將深度學(xué)習(xí)算法模型部署于邊緣設(shè)備上，利用邊緣設(shè)備靠近數(shù)據(jù)采集終端的優(yōu)勢，提高頻譜監(jiān)測效率。在云端服務(wù)器上訓(xùn)練用于頻譜監(jiān)測深度學(xué)習(xí)算法模型，將訓(xùn)練好的推理模型進(jìn)行保存，并根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)進(jìn)行分割，而后使用輕量化容器工具Docker對分割后的子模型進(jìn)行封裝，部署于邊緣設(shè)備上，進(jìn)行頻譜信號調(diào)制方式的協(xié)同識別。本發(fā)明利用多種異構(gòu)邊緣設(shè)備，驗(yàn)證方法和系統(tǒng)的可行性，提高分布式深度學(xué)習(xí)模型對硬件的適用性。

技術(shù)領(lǐng)域

本發(fā)明涉及頻譜智能監(jiān)測領(lǐng)域，具體涉及一種基于輕量化模型的邊緣設(shè)備協(xié)同頻譜智能監(jiān)測方法和系統(tǒng)。

背景技術(shù)

隨著信息化的逐步增強(qiáng)，電磁頻譜監(jiān)測技術(shù)愈加廣泛。電磁頻譜監(jiān)測是指對包括戰(zhàn)場無線電設(shè)備輻射源的檢測、測向、定位，對信號參數(shù)的測量，對信號調(diào)制方式的識別，對信號所含信息的監(jiān)聽。通過對頻譜監(jiān)測，可以感知空穴頻譜以提高頻譜利用率，還可以監(jiān)測信號頻率和時(shí)間等信息，對輻射源進(jìn)行定位。通過部署多個(gè)頻譜監(jiān)測節(jié)點(diǎn)，增大監(jiān)測范圍，提高監(jiān)測的容錯(cuò)性。

電磁頻譜信號調(diào)制方式的識別是電磁頻譜監(jiān)測重要內(nèi)容之一。對信號調(diào)制方式的識別可以增強(qiáng)對信號的感知，并解析信號信息，有助于監(jiān)測信號發(fā)射設(shè)備，并對其連續(xù)監(jiān)聽和定位。電磁頻譜信號的調(diào)制方式智能識別，主要是利用深度神經(jīng)網(wǎng)絡(luò)提取輻射源頻譜信號的某些特征參數(shù)來自動(dòng)識別信號的調(diào)制方式。在人工智能技術(shù)迅速發(fā)展的今天，各種深度神經(jīng)網(wǎng)絡(luò)在對通信信號調(diào)制方式識別時(shí)，效果顯著，識別準(zhǔn)確率較高，比較著名的有卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，或者將各種網(wǎng)絡(luò)進(jìn)行組合，級聯(lián)式對信號識別。

目前關(guān)于輕量化模型的研究主要集中在幾個(gè)方面。一是模型結(jié)構(gòu)輕量化，利用分布式深度學(xué)習(xí)技術(shù)，將模型分為幾個(gè)小的輕量化子模型，或者通過減少網(wǎng)絡(luò)層數(shù)、模型剪枝等方法進(jìn)行輕量化。二是通過輕量化工具減少模型運(yùn)行需要的資源。邊緣設(shè)備具有本身小型化、嵌入式的特點(diǎn)，并且存儲、計(jì)算和網(wǎng)絡(luò)等資源比較有限，現(xiàn)有的分布式深度學(xué)習(xí)訓(xùn)練和推理數(shù)據(jù)太多、計(jì)算量大、網(wǎng)絡(luò)模型規(guī)模太大，不能滿足在邊緣設(shè)備上部署的要求。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種基于輕量化模型的邊緣設(shè)備協(xié)同頻譜智能監(jiān)測方法和系統(tǒng)。

一種基于輕量化模型的邊緣設(shè)備協(xié)同頻譜智能監(jiān)測方法，所述方法包括：

獲取多個(gè)電磁頻譜信號，并將所述電磁頻譜信號作為訓(xùn)練樣本。

在云端服務(wù)器，利用所述訓(xùn)練樣本對預(yù)構(gòu)建的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型，并將訓(xùn)練好的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型保存為推理模型；預(yù)構(gòu)建的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型由1層卷積層、1層最大值池化層、1層卷積層和3個(gè)全連接層構(gòu)成。

根據(jù)訓(xùn)練好的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型的層次結(jié)構(gòu)和分布式的邊緣設(shè)備的數(shù)量對所述推理模型進(jìn)行分割，得到子推理模型。

采用輕量化容器技術(shù)對所述子推理模型進(jìn)行封裝、鏡像處理，得到子推理模型鏡像。

將所述子推理模型鏡像部署到分布式的邊緣設(shè)備上，利用邊緣設(shè)備實(shí)現(xiàn)協(xié)同頻譜智能監(jiān)測。

在其中一個(gè)實(shí)施例中，預(yù)構(gòu)建的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型由1層卷積層、1層最大值池化層、1層卷積層和3個(gè)全連接層構(gòu)成；在云端服務(wù)器，利用所述訓(xùn)練樣本對預(yù)構(gòu)建的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型，并將訓(xùn)練好的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型保存為推理模型，包括：

在云端服務(wù)器，將所述訓(xùn)練樣本輸入到預(yù)構(gòu)建的頻譜智能監(jiān)測輕量化網(wǎng)絡(luò)模型中經(jīng)過1層卷積層、1層最大值池化層、1層卷積層、連續(xù)3層全連接層進(jìn)行處理后，得到頻譜監(jiān)測預(yù)測結(jié)果。

根據(jù)所述訓(xùn)練樣本、頻譜監(jiān)測預(yù)測結(jié)果以及預(yù)設(shè)的誤差函數(shù)，采用誤差反向傳播的方式對預(yù)構(gòu)建的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的輕量化頻譜智能監(jiān)測網(wǎng)絡(luò)模型。