[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

本申請實施例提供了基于神經網絡的設備檢測方法、裝置、計算機設備及介質，屬于通信技術領域。該方法包括：獲取訓練數據集以及測試數據集；根據上述數據集中設備的活躍狀態以及時延值構建指示變量函數；將指示變量函數輸入神經網絡進行求和計算，輸出協方差矩陣；根據協方差矩陣、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訓練數據集以及測試數據集進行梯度計算，得到梯度信息；對梯度信息以及指示變量函數進行迭代更新，得到更新變量；根據更新變量對神經網絡進行迭代，并將待檢測設備的通信信號輸入迭代后的神經網絡，確定待檢測設備的活躍狀態。本申請實施例能夠避免迭代算法中的高復雜度操作，提高對活躍用戶的檢測準確率。

技術領域

本申請涉及通信技術領域，尤其涉及基于神經網絡的設備檢測方法、裝置、計算機設備及介質。

背景技術

隨著通信技術的發展，大規模機器通信成為了海量物聯網終端連接的主要方式，其中，在免調度隨機接入過程中，活躍用戶直接在分配得到的無線通信資源上進行數據傳輸。現有的接入過程大體可分為兩類。第一類為利用機器通信業務的陣發性，采用基于壓縮感知的方法，通過對設備活動狀態和瞬時信道的聯合估計，來實現對活躍設備的檢測。與之不同，另一類為利用信道的概率分布，基于接入點接收信號的樣本協方差，直接對活躍設備進行檢測。與基于壓縮感知的方法相比，基于協方差的方法無需對瞬時信道進行估計，因此可以獲得更加精準的活躍設備檢測結果。盡管存在的活躍設備檢測算法在一定程度上具有較好的檢測能力，可是這些算法的實現通常需要求解高維的非凸問題。而求解這類非凸問題需要設計較高計算復雜度的迭代算法，不滿足實際應用的需求，從而影響對活躍設備的檢測能力。

發明內容

本申請實施例的主要目的在于提出一種基于神經網絡的設備檢測方法、裝置、計算機設備及介質，能夠避免迭代算法中的高復雜度操作，提高對活躍用戶的檢測準確率。

為實現上述目的，本申請實施例的第一方面提出了一種基于神經網絡的設備檢測方法，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。

在一些實施例中，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。

在一些實施例中，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；