一种基于增量搜索的频谱数据检测方法及应用

技术领域

本申请涉及频谱制图技术领域，更具体地，涉及一种基于增量搜索的频谱数据检测方法、一种基于增量搜索的频谱数据检测装置、一种电子设备以及一种计算机可读存储介质。

背景技术

频谱地图在无线通信领域有着广泛的应用，如网络规划、干扰协调与抑制、功率控制、资源分配、多跳路由、动态频谱接入等，已经成为电磁环境认知的关键技术。频谱制图是从频谱数据获取到频谱地图可视化呈现的一系列过程，包括传感器部署、频谱态势补全、数据可视分析、态势演化预测等方面。其中，传感器部署和频谱数据补全是频谱制图的两个关键环节，前者决定了频谱采样数据的数量和在空间中的分布情况，而后者则影响未知位置频谱数据的预测精度。当前，在传感器部署与频谱数据补全这两个方向，已有不少学者针对不同场景提出了许多行之有效的方法。

但是，在现有的频谱制图过程中，传感器部署和频谱数据补全这两个环节通常是独立设计的。传感器部署的研究主要关注如何合理选择部署位置以降低成本、提高频谱检测性能和效率等方面，通过部署方案进行优化，能够获得包含更多频谱地图相关信息的测量数据。在频谱数据补全方面，主要通过选择和优化补全算法模型，充分挖掘有限频谱测量数据的相关性，以提高未知位置频谱数据预测的精度。在实际应用中，随着具体场景中传感器部署位置的变化会导致检测获得的训练数据样本的相关性与补全算法模型的相关性不一致，进而影响整体的频谱制图的效率和性能。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于增量搜索的频谱数据检测方法及应用，旨在解决现有的传感器部署位置的变化导致检测获取的训练数据样本的相关性与补全算法模型的相关性不一致，进而影响整体的频谱地图构建的效率和性能的问题。

为实现上述目的，按照本发明的第一个方面，提供了一种基于增量搜索的频谱数据检测方法，包括：步骤S1，定义最佳部署方案下的L个样本点的坐标位置集合S

在本发明的一个实施例中，所述将坐标位置集合S

在本发明的一个实施例中，所述根据补全算法分别计算L个部署方案的补全性能包括：根据补全算法将L个部署方案的部署位置集合映射到位置坐标集合上，得到与真实频谱数据集合一一对应的预测频谱数据集合；根据均方根误差算法计算所述预测频谱数据集合与所述真实频谱数据集合之间的误差值，得到所述补全性能。

在本发明的一个实施例中，所述基于增量搜索的频谱数据检测方法还包括：步骤S5，获取步骤S4输出的所述最佳部署方案的坐标位置集合S

在本发明的一个实施例中，所述基于增量搜索的频谱数据检测方法还包括：对步骤S5进行迭代循环，并设置算法结束条件为：完整的一轮迭代搜索中S

按照本发明的第二个方面，还提供了一种基于增量搜索的频谱数据检测装置，其包括：最佳部署方案定义模块，用于定义最佳部署方案下的L个样本点的坐标位置集合S

在本发明的一个实施例中，所述样本点添加模块具体用于：将M个样本点的坐标根据欧式距离聚类为k个簇，分别从每个簇中选取与簇心距离最近的坐标位置，得到包含k个样本点的初始化部署集合S

在本发明的一个实施例中，所述基于增量搜索的频谱数据检测装置还包括：数据交换更新模块，用于获取所述部署方案输出模块输出的最佳部署方案的坐标位置集合S

按照本发明的第三个方面，还提供了一种电子设备，包括：存储器和连接所述存储器的一个或多个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实现如上述中任意一个实施例所述方法的步骤。

按照本发明的第四个方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如上述中任意一个实施例所述方法的步骤。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

通过提出一种对传感器部署和频谱数据补全进行联合优化的启发式算法，该算法采用贪婪优化的思路，设计确定性增量搜索的方式，提高了特定补全算法下对最佳传感器部署方案搜索的效率，并且通过对传感器部署位置和频谱数据补全进行联合优化，实现测量获得的训练数据样本的相关性与补全算法模型的相关性相互匹配，从而有效提高频谱制图的精度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种基于增量搜索的频谱数据检测方法的流程图；

图2为本申请实施例提供的市区开放区域数据集仿真结果示意图；

图3为本申请实施例提供的城区高层建筑数据集仿真结果示意图；

图4为本申请实施例提供的一种基于增量搜索的频谱数据检测装置的结构示意图；

图5为本发明实施例提供的一种电子设备的结构示意图；

图6为本发明实施例提供的一种计算机可读存储介质的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

首先，对本申请涉及的名词定义进行解释：

1)坐标位置集合。假设目标区域内所有感兴趣的坐标点有M个，这些离散坐标的集合为：S＝{(x

2)真实频谱数据集合。与坐标位置集合内离散点一一对应的频谱数据的集合。M个坐标点的真实频谱数据集合为κ＝{p

3)部署位置集合。频谱检测传感器部署的位置集合。假设传感器数量为N，部署位置集合为S

4)频谱检测数据集合。与部署位置集合内离散点一一对应的频谱检测数据的集合，κ

5)频谱补全算法集合。可选的频谱补全算法的集合。L个补全算法的集合为Ψ＝{ψ

6)预测频谱数据集合。根据特定的补全算法ψ，将频谱检测数据集合κ

如图1所示，本发明第一实施例提出一种基于增量搜索的频谱数据检测方法，例如包括：步骤S1，定义最佳部署方案下的L个样本点的坐标位置集合S

具体的，在步骤S1中，例如将最佳部署方案S

在步骤S2中，例如采用聚类(K-means)的方法初始化部署集合S

其次，使用穷举的方式从样本点集合S

S

通过上述步骤，基于增加的不同样本点可得到M-L个部署方案，分别为：S

在步骤S3中，例如获取L个部署方案对应的频谱检测数据集合，根据选定的补全算法ψ，分别计算上述L个部署方案的补全性能。具体的，将L个部署方案的部署位置集合映射到位置坐标集合上，得到与真实频谱数据集合一一对应的预测频谱数据集合。以均方根误差RMSE为例，计算预测频谱数据集合与真实频谱数据集合之间的误差值，表示为：RMSE

提到的补全算法例如为反距离加权(IDW)、克里金(Kriging)等。反距离加权是一种全局插值构建方法，属于确定性构建法，其基本原理是未知位置频谱值等于已知位置采样数据的加权求和。克里金插值法是传统统计学的主要方法之一，它以变异函数理论和结构分析为基础，通过邻域范围内已知点属性，对未知点进行线性无偏估计。

当前，在本申请的其它实施方式中也可采用与上述方法不同的补全算法，实现将L个部署方案的部署位置集合映射到位置坐标集合上，得到与真实频谱数据集合一一对应的预测频谱数据集合即可，本申请并不以此为限制。

进一步的，采用贪婪优先思想，保留其中最小的误差值RMSE

在步骤S4中，重复上述添加样本点操作，并不断更新最小误差RMSE

在一个实施方式中，该方法例如还包括步骤S5，对于步骤S4中得到的最佳部署方案S

其次，按次序分别从S

在一个实施方式中，例如对步骤S5的上述交换操作进行迭代循环。为保证算法效率，设置算法结束条件为：1、完整的一轮迭代搜索中，S

该算法伪代码如下所示：

输入：坐标位置集合S；真实频谱数据集合k；传感器数量N；

输出：最小频谱地图构建误差RMSE

阶段1：确定性增量搜索

阶段2：精细化随机优化

下面结合具体实施例进行说明：

1.数据集

使用第十六届中国研究生数学建模竞赛A题——无线信道建模提供的数据集，并从中选择市区开阔区域、城区高层建筑两种不同的典型场景。考虑到计算复杂度，从这两种场景数据集中分别随机筛选200个样本数据，保留其中的坐标(X,Y)和标签数据(RSRP)作为本实验训练集。

2.度量指标

使用均方根误差(RMSE)来评估频谱制图性能，计算公式如下：

其中，

仿真结果如图2和3所示，其中：图2为市区开放区域数据集仿真结果，图3是城区高层建筑数据集仿真结果，实线表示使用反距离加权补全算法，虚线表示使用克里金补全算法。各曲线颜色如图例所示，灰色表示随机部署，黄色表示聚类部署，红色表示遗传算法，绿色表示本发明提出的启发式算法。

提到的随机部署是指从坐标位置集合中随机选出N个点作为部署位置集合，并计算50次随机结果的平均值作为该方法的估计误差值。聚类部署是指利用K-Means工具将坐标位置集合中所有坐标点根据欧式距离聚类为N个簇，并从每个簇中找出距离簇中心最近的点添加到部署位置集合。遗传算法能够求解复杂的组合优化问题，并且能够较快地求解出较好的优化结果。

从仿真结果图2和图3可以看出本实施例提出的启发式算法相对于随机算法、聚类算法和遗传算法有明显优势。首先，在两个不同的场景中，部署与补全联合优化下最佳的方案都是本实施例提出的启发式算法(蓝色曲线)取得的。其中，在市区开阔区域，使用两种不同补全算法时各传感器数量的平均误差(RMSE)如下：随机部署是5.46，聚类部署是4.87，遗传算法是3.07，启发式算法是2.46。而在城区高层建筑区域，使用两种不同补全算法时各传感器数量的平均误差如下：随机部署是9.07，聚类部署是8.86，遗传算法是6.25，启发式算法是5.61。整体上，本实施例提出的启发式算法相比于随机部署性能提高了46％，相比于聚类部署提高了43％，相比于遗传算法提高了15％。

综上所述，本发明第一实施例提出的一种基于增量搜索的频谱数据检测方法，通过提出一种对传感器部署和频谱数据补全进行联合优化的启发式算法，该算法采用贪婪优化的思路，设计确定性增量搜索的方式，提高了特定补全算法下对最佳传感器部署方案搜索的效率，并且通过对传感器部署位置和频谱数据补全进行联合优化，实现测量获得的训练数据样本的相关性与补全算法模型的相关性相互匹配，从而有效提高频谱制图的精度。

另外，如图4所示，本发明第二实施例提出一种基于增量搜索的频谱数据检测装置20，例如包括：最佳部署方案定义模块201，样本点添加模块202、最佳部署方案更新模块203和部署方案输出模块204。

其中，最佳部署方案定义模块201用于定义最佳部署方案下的L个样本点的坐标位置集合S

在一个实施方式中，样本点添加模块202具体用于：将M个样本点的坐标根据欧式距离聚类为k个簇，分别从每个簇中选取与簇心距离最近的坐标位置，得到包含k个样本点的初始化部署集合S

在一个实施方式中，基于增量搜索的频谱数据检测装置20还包括：数据交换更新模块，用于获取所述部署方案输出模块输出的最佳部署方案的坐标位置集合S

本发明第二实施例公开的基于增量搜索的频谱数据检测装置20所实现的基于增量搜索的频谱数据检测方法如前述第一实施例所述，故在此不再进行详细讲述。可选地，第二实施例中的各个模块和上述其他操作或功能分别为了实现第一实施例所述的基于增量搜索的频谱数据检测方法，且本实施例的有益效果同前述第一实施例所述的基于增量搜索的频谱数据检测方法的有益效果相同，为了简洁，不在此赘述。

如图5所示，本发明第三实施例还提出一种电子设备，例如包括：至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行如第一实施例所述的方法，且本实施例提供的电子设备的有益效果与第一实施例提供的基于增量搜索的频谱数据检测方法的有益效果相同。

如图6所示，本发明第四实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤，且本实施例提供的计算机可读存储介质的有益效果与第一实施例提供的基于增量搜索的频谱数据检测方法的有益效果相同。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。