[發明專利]GNN框架下基于廣義S維分配的多傳感器數據互聯方法在審
| 申請號： | 202211157580.6 | 申請日： | 2022-09-22 |
| 公開（公告）號： | CN115510597A | 公開（公告）日： | 2022-12-23 |
| 發明（設計）人： | 唐田田;孫順;王海鵬;郭晨;賈舒宜;任利強;潘新龍;崔亞奇;孫煒煒;楊莉莉 | 申請（專利權）人： | 中國人民解放軍海軍航空大學 |
| 主分類號： | G06F30/18 | 分類號： | G06F30/18;G06F30/27;G06F17/16;G06K9/62;G06N3/04;G06N3/08;G01D21/02 |
| 代理公司： | 煙臺上禾知識產權代理事務所(普通合伙) 37234 | 代理人： | 蘇紅紅 |
| 地址： | 264001 山*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | gnn 框架 基于 廣義 分配 傳感器 數據 方法 | ||
1.GNN框架下基于廣義S維分配的多傳感器數據互聯方法，其特征在于，包括以下步驟：
步驟1.獲取傳感器量測值，每個傳感器量測值對應一個節點建立圖網絡結構，多個傳感器會對應得到多個圖網絡結構；
步驟2.利用GNN模型提取節點的深層隱藏特征信息；
步驟3.利用廣義S維分配互聯算法進行最優化匹配，輸出數據互聯結果。
2.根據權利要求1所述的GNN框架下基于廣義S維分配的多傳感器數據互聯方法，其特征在于，所述步驟1包括以下步驟：
獲取傳感器量測值，每個傳感器量測值對應一個節點，計算任意兩傳感器量測值之間的關系，即節點之間的關系，并根據節點的關系構建關系邊；
根據節點與其相關聯節點及關系邊構建圖網絡結構。
3.根據權利要求2所述的GNN框架下基于廣義S維分配的多傳感器數據互聯方法，其特征在于，計算任意兩傳感器量測值之間的關系，即節點之間的關系，并根據節點的關系構建關系邊，包括以下步驟：
計算任意兩量測值之間距離dn,ij：
dn,ij＝(zn,i-zn,j)T(zn,i-zn,j)≤γ,n＝1,2
式中，dn,ij表示第n個傳感器的第i個量測值和第j個量測值之間的距離；zn,i、zn,j分別表示第n個傳感器的第i個量測值和第j個量測值；T表示轉置；γ為建邊的閾值，大于該閾值，則建立邊，否則，不建立邊。
4.根據權利要求1所述的GNN框架下基于廣義S維分配的多傳感器數據互聯方法，其特征在于，所述步驟2中利用GNN模型提取節點的深層隱藏特征信息，包括以下步驟：
以第s個傳感器中第v個節點為例，狀態更新函數是以初始信息為輸入；
計算節點v的初始協方差矩陣Rs,v，將所述節點v的初始協方差矩陣Rs,v近似為一個對角矩陣得到協方差向量，即
構建基于GNN框架的特征提取模型和基于GNN框架的協方差映射模型；所述基于GNN框架的特征提取模型，共兩層，用于提取節點的深層隱藏特征信息；所述基于GNN框架的協方差映射模型，共兩層，用于將目標量測的協方差矩陣映射為隱藏特征信息的協方差矩陣；
把節點v的每個鄰居節點的特征、隱藏狀態、每條相連邊的特征以及節點v自身特征經過基于GNN框架的特征提取模型更新后，輸出第s個傳感器中節點v的深層特征信息
節點v協方差向量經過基于GNN框架的協方差映射模型后，輸出節點v的深層特征信息的協方差向量進而可得深層特征信息的協方差矩陣
5.根據權利要求1所述的GNN框架下基于廣義S維分配的多傳感器數據互聯方法，其特征在于，步驟3.利用廣義S維分配互聯算法進行最優化匹配，包括以下步驟：
求解S元測量中目標數據互聯的代價函數；求解極小化負對數似然比，進行最優分配組合。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍海軍航空大學，未經中國人民解放軍海軍航空大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211157580.6/1.html，轉載請聲明來源鉆瓜專利網。
