[發明專利]基于神經網絡的設備檢測方法、裝置、計算機設備及介質

在審

• 申請號: 202310269953.7
• 申請日: 2023-03-14
• 公開（公告）號: CN116390139A
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 林慶豐;李洋;寇衛斌;張縱輝;胡奕聰
• 申請（專利權）人: 深圳市大數據研究院
• 主分類號: H04W24/06
• 分類號: H04W24/06;H04B17/00;H04B17/391;H04B17/364;H04L41/16
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黃英杰

1.一種基于神經網絡的設備檢測方法，其特征在于，所述方法包括：

獲取訓練數據集以及測試數據集，其中，所述訓練數據集以及所述測試數據集由預設的數據生成函數對接入點收集的通信信號計算得到，所述接入點包括至少一個設備；

根據所述訓練數據集以及所述測試數據集中設備的活躍狀態以及時延值構建指示變量函數；

將所述指示變量函數輸入所述神經網絡進行求和計算，輸出協方差矩陣；

根據所述協方差矩陣、預設的第一矩陣、預設的第二矩陣以及預設的可學習參數對所述訓練數據集以及所述測試數據集進行梯度計算，得到梯度信息；

基于所述可學習參數對所述梯度信息以及所述指示變量函數進行迭代更新，得到更新變量；

根據所述更新變量對所述神經網絡進行迭代，并將待檢測設備的通信信號輸入迭代后的神經網絡進行活躍檢測，確定所述待檢測設備的活躍狀態。

2.根據權利要求1所述的設備檢測方法，其特征在于，還包括：

獲取設備的特征序列以及與所述特征序列對應的時延值；

根據所述特征序列以及所述時延值得到所述設備的等效特征序列。

3.根據權利要求2所述的設備檢測方法，其特征在于，所述訓練數據集以及測試數據集根據如下步驟得到：

獲取所述設備與所述接入點之間的小尺度衰落信道信息以及所述設備的發射功率；

計算所述設備與所述接入點之間的距離，得到距離值；

將所述距離值輸入預設的損耗模型，得到大尺度衰落信息；

根據所述發射功率、所述大尺度衰落信息以及所述等效特征序列生成第一函數；

根據所述小尺度衰落信道信息、所述第一函數以及預設的高斯分布值得到所述數據生成函數；

將所述接入點收集的通信信號輸入所述數據生成函數進行計算，輸出所述訓練數據集以及所述測試數據集。

4.根據權利要求3所述的設備檢測方法，其特征在于，所述將所述指示變量函數輸入所述神經網絡進行求和計算，輸出協方差矩陣，包括：

獲取所述接入點的噪聲功率；

將所述噪聲功率、所述第一函數、所述指示變量函數以及預設的單位矩陣輸入所述神經網絡進行求和計算，輸出協方差矩陣。

5.根據權利要求1所述的設備檢測方法，其特征在于，所述可學習參數包括懲罰因子；所述根據所述協方差矩陣、預設的第一矩陣、預設的第二矩陣以及預設的可學習參數對所述訓練數據集以及所述測試數據集進行梯度計算，得到梯度信息，包括：

根據所述第一矩陣以及所述第二矩陣對所述協方差矩陣進行矩陣近似操作，得到近似矩陣；

根據所述近似矩陣以及所述懲罰因子對所述訓練數據集以及所述測試數據集進行梯度計算，得到所述梯度信息。

6.根據權利要求1所述的設備檢測方法，其特征在于，所述可學習參數包括迭代步長；所述基于所述可學習參數對所述梯度信息以及所述指示變量函數進行迭代更新，得到更新變量，包括：

將所述迭代步長與所述梯度信息進行相乘，得到乘積結果；

根據所述指示變量函數以及所述乘積結果得到所述更新變量。

7.根據權利要求1所述的設備檢測方法，其特征在于，所述根據所述更新變量對所述神經網絡進行迭代，并將待檢測設備輸入迭代后的神經網絡進行活躍檢測，確定所述待檢測設備的活躍狀態，包括：

根據所述更新變量以及所述可學習參數生成迭代公式；

根據所述迭代公式對所述神經網絡進行迭代；

將所述待檢測設備輸入迭代后的神經網絡進行活躍檢測，確定所述待檢測設備的活躍狀態。