欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026100848776
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度学习与强化学习的低空通信节点部署方法,其特征在于,所述方法包括:获取城市三维环境地图;其中,所述城市三维环境地图包含城市的地形、建筑高度和建筑遮挡信息;

通过预先确定的无线电地图预测模型,对所述城市三维环境地图进行不同节点部署下信干噪比分布的预测,得到信干噪比预测分布图;其中,所述无线电地图预测模型表征基于RadioUNet模型进行两阶段级联和输入通道参数优化,用于生成信干噪比预测分布图的模型;

通过预先确定的强化学习优化模型,对所述信干噪比预测分布图进行迭代优化,确定最优部署策略;并基于所述最优部署策略,确定目标基站位置;其中,所述目标基站位置为基于最优部署策略确定多个不同节点中目标节点的位置。

2.根据权利要求1所述的方法,其特征在于,所述通过预先确定的无线电地图预测模型,对所述城市三维环境地图进行不同节点部署下信干噪比分布的预测,得到信干噪比预测分布图之前,所述方法还包括:获取历史城市三维环境地图;并基于所述历史城市三维环境地图,构建训练数据集;

通过所述训练数据集,对初始无线电地图预测模型进行训练,确定所述无线电地图预测模型。

3.根据权利要求2所述的方法,其特征在于,所述基于所述历史城市三维环境地图,构建训练数据集,包括:基于所述历史城市三维环境地图,生成低空通信传播性能数据;

通过主导路径模型,对所述低空通信传播性能数据进行数据处理,确定城市地图和基站;其中,所述基站的数量为2个;

基于所述城市地图和所述基站,进行双基站信干噪比图像生成,确定所述训练数据集。

4.根据权利要求3所述的方法,其特征在于,所述基于所述城市地图和所述基站,进行双基站信干噪比图像生成,确定所述训练数据集,包括:确定所述基站中的第一基站和第二基站;

基于所述城市地图和所述基站,通过所述主导路径模型计算所述第一基站和所述第二基站在低空平面上各自的路径损耗图像;

基于所述路径损耗图像和所述基站的发射功率,计算信干噪比分布图;并基于所述信干噪比分布图,确定所述训练数据集。

5.根据权利要求4所述的方法,其特征在于,所述路径损耗图像包括第一路径损耗图像和第二路径损耗图像;所述基站的发射功率包括第一基站发射功率和第二基站发射功率;

所述基于所述路径损耗图像和所述基站的发射功率,计算信干噪比分布图;并基于所述信干噪比分布图,确定所述训练数据集,包括:基于所述第一路径损耗图像和所述第一基站发射功率,计算第一接收功率;

基于所述第二路径损耗图像和所述第二基站发射功率,计算第二接收功率;

将所述第一基站作为主发射节点,所述第二基站作为干扰节点,基于所述第一接收功率和所述第二接收功率,计算第一信干噪比分布图;

将所述第二基站作为主发射节点,所述第一基站作为干扰节点,基于所述第一接收功率和所述第二接收功率,计算第二信干噪比分布图;

基于所述第一信干噪比分布图和所述第二信干噪比分布图,针对同一位置,选择二者中最大像素值作为最终像素值,确定所述训练数据集。

6.根据权利要求2所述的方法,其特征在于,所述通过所述训练数据集,对初始无线电地图预测模型进行训练,确定所述无线电地图预测模型,包括:基于所述训练数据集,获取环境特征、发射功率,基站高度和掩码矩阵;其中,所述掩码矩阵表征环境二值图;

将所述环境特征、所述发射功率,所述基站高度和所述掩码矩阵输入所述初始无线电地图预测模型中,进行训练,得到信干噪比预测样本分布图;

基于所述信干噪比预测样本分布图和预先获取的真实图像,计算最小化多项约束损失值;

若所述最小化多项约束损失值小于预设阈值,则确定所述无线电地图预测模型;

若所述最小化多项约束损失值大于或等于预设阈值,则基于所述训练数据集继续训练所述初始无线电地图预测模型,直至得到所述最小化多项约束损失值小于预设阈值,确定所述无线电地图预测模型。

7.根据权利要求1所述的方法,其特征在于,所述通过预先确定的强化学习优化模型,对所述信干噪比预测分布图进行迭代优化,确定最优部署策略,包括:基于所述信干噪比预测分布图,通过预先确定的强化学习优化模型进行迭代优化,得到更新后的信干噪比预测分布图;

基于所述更新后的信干噪比预测分布图,计算最大化期望回报;

在所述最大化期望回报达到最大值的情况下,确定所述最优部署策略。

8.一种基于深度学习与强化学习的低空通信节点部署系统,其特征在于,所述基于深度学习与强化学习的低空通信节点部署系统包括:获取模块、预测模块、优化模块和确定模块,其中,所述获取模块,用于获取城市三维环境地图;其中,所述城市三维环境地图包含城市的地形、建筑高度和建筑遮挡信息;

所述预测模块,用于通过预先确定的无线电地图预测模型,对所述城市三维环境地图进行不同节点部署下信干噪比分布的预测,得到信干噪比预测分布图;其中,所述无线电地图预测模型表征基于RadioUNet模型进行两阶段级联和输入通道参数优化,用于生成信干噪比预测分布图的模型;

所述优化模块,用于通过预先确定的强化学习优化模型,对所述信干噪比预测分布图进行迭代优化,确定最优部署策略;

所述确定模块,用于基于所述最优部署策略,确定目标基站位置;其中,所述目标基站位置为基于最优部署策略确定多个不同节点中目标节点的位置。

9.一种基于深度学习与强化学习的低空通信节点部署设备,其特征在于,包括:处理器和存储器,其中,所述存储器,用于存储计算机程序;

所述处理器,用于从所述存储器中调用并运行所述计算机程序,以执行如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于引起处理器执行时,实现权利要求1至7任一项所述的方法。