设备状态检测方法、接入点、中央处理单元及计算机设备技术

本申请实施例提供了一种设备状态检测方法、接入点、中央处理单元及计算机设备，属于通信技术领域。应用于接入点，接入点通过预设的前传链路与中央处理单元连接，方法包括：接收设备发送的高维数据，其中，高维数据用于表征所述设备的通信状态；将高维数据输入预设的全连接神经网络进行压缩操作，输出低维数据；将低维数据输入预设的均匀量化器进行量化操作，得到量化信息；通过前传链路将量化信息发送至中央处理单元，以使中央处理单元对量化信息进行解压缩操作，得到解压缩信息，并对解压缩信息进行全局检测，得到设备的活跃状态。本申请实施例能够在满足低通信开销的同时提高设备状态检测的精度。状态检测的精度。状态检测的精度。

【技术实现步骤摘要】
设备状态检测方法、接入点、中央处理单元及计算机设备


[0001]本申请涉及通信
，尤其涉及设备状态检测方法、接入点、中央处理单元、计算机设备及介质。

技术介绍

[0002]为了满足无线通信网络日益增长的连接需求，大规模机器通信被视为未来通信技术的新范式。与传统的人与人之间的通信不同，大规模机器通信场景中包含海量的物联网设备。最近，无小区大规模多入多出系统被广泛认为是一种能够有效提升系统效能的网络架构。在该架构下，不同的接入点通过前传链路连接到一个中央处理单元，从而进行多接入点的协同信号处理。尽管无小区大规模输入输出系统有效的提高了活跃用户检测的性能，然而大部分已有的工作都是在假设连接中央处理单元和每个接入点之间的前传链路是无限容量的情况下进行的，因此从每个接入点传输的数据通常是高维度的。可是实际系统的前传链路通常是容量有限的，所以基于理想前传链路的设计方案会给实际系统带来很大的通信开销。虽然相关技术在一定程度上可以减轻系统的通信开销，但是量化精度低将会导致检测性能下降，从而降低对设备状态的检测精度。

技术实现思路

[0003]本申请实施例的主要目的在于提出一种设备状态检测方法、接入点、中央处理单元、计算机设备及介质，在满足低通信开销的同时提高设备状态检测的精度。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种设备状态检测方法，应用于接入点，所述接入点通过预设的前传链路与中央处理单元连接，所述方法包括：
[0005]接收设备发送的高维数据，其中，所述高维数据用于表征所述设备的通信状态；
[0006]将所述高维数据输入预设的全连接神经网络进行压缩操作，输出低维数据；
[0007]将所述低维数据输入预设的均匀量化器进行量化操作，得到量化信息；
[0008]通过前传链路将所述量化信息发送至所述中央处理单元，以使所述中央处理单元对所述量化信息进行解压缩操作，得到解压缩信息，并对所述解压缩信息进行全局检测，得到所述设备的活跃状态。
[0009]在一些实施例中，所述将所述低维数据输入预设的均匀量化器进行量化操作，得到量化信息，包括：
[0010]将所述低维数据输入所述均匀量化器，以对所述低维数据进行量化噪声操作，输出可学习变量；
[0011]根据所述可学习变量对所述低维数据进行近似均匀量化，得到所述量化信息。
[0012]在一些实施例中，所述对所述低维数据进行量化噪声，输出可学习变量，包括：
[0013]获取所述低维数据的数据维度；
[0014]根据所述数据维度、预设的量化精度以及预设的量化范围生成随机变量；
[0015]将所述随机变量添加至所述低维数据的每维数据，输出所述可学习变量。
[0016]在一些实施例中，所述高维数据包括所述设备的等效特征序列、所述设备与所述接入点之间的小尺度衰落信息、所述设备的发送功率信息、所述设备与所述接入点之间的大尺度衰落信息以及指示变量信息，其中，所述指示变量信息用于表征所述设备的活跃状态与预设的时延之间的关系，所述等效特征序列用于表征所述设备传输特征序列与时延的关系。
[0017]本申请实施例的第二方面提出了一种设备状态检测方法，应用于中央处理单元，所述中央处理单元与每个接入点之间设置有预设的前传链路，所述方法包括：
[0018]通过所述前传链路接收所述接入点发送的量化信息，其中，所述量化信息由所述接入点对接收到的高维数据进行压缩操作，并对压缩后的数据进行量化操作得到；
[0019]将所述量化信息输入预设的全连接神经网络进行解压缩操作，输出解压缩信息；
[0020]基于预设的深度展开算法对所述解压缩信息进行全局检测，得到所述设备的活跃状态。
[0021]在一些实施例中，所述基于预设的深度展开算法对所述解压缩信息进行全局检测，得到所述设备的活跃状态，包括：
[0022]获取所述接入点的噪声功率；
[0023]根据所述解压缩信息确定所述设备的等效特征序列、所述接入点收集到的检测信号、所述设备与所述接入点之间的小尺度衰落信息、所述设备的发送功率信息、所述设备与所述接入点之间的大尺度衰落信息以及指示变量信息；
[0024]根据所述发送功率信息、所述大尺度衰落信息以及所述等效特征序列生成中间函数；
[0025]对所述指示变量信息、所述中间函数以及所述噪声功率进行计算，得到协方差矩阵；
[0026]根据预设的可学习矩阵对所述检测信号、所述协方差矩阵、预设的惩罚因子以及所述中间函数进行梯度计算，得到梯度信息；
[0027]根据所述深度展开算法以及预设的迭代步长对所述梯度信息以及所述协方差矩阵进行全局检测，得到所述设备的活跃状态。
[0028]本申请实施例的第三方面提出了一种接入点，所述接入点通过预设的前传链路与中央处理单元连接，包括：
[0029]数据接收模块，用于接收设备发送的高维数据，其中，所述高维数据用于表征所述设备的通信状态；
[0030]压缩模块，用于将所述高维数据输入预设的全连接神经网络进行压缩操作，输出低维数据；
[0031]量化模块，用于将所述低维数据输入预设的均匀量化器进行量化操作，得到量化信息；
[0032]数据传输模块，用于通过所述前传链路将所述量化信息发送至所述中央处理单元，以使所述中央处理单元对所述量化信息进行解压缩操作，得到解压缩信息，并对所述解压缩信息进行全局检测，得到所述设备的活跃状态。
[0033]本申请实施例的第四方面提出了一种中央处理单元，所述中央处理单元与每个接入点之间设置有预设的前传链路，包括：
[0034]信息接收模块，用于通过所述前传链路接收所述接入点发送的量化信息，其中，所述量化信息由所述接入点对接收到的高维数据进行压缩操作，并对压缩后的数据进行量化操作得到；
[0035]解压缩模块，用于将所述量化信息输入预设的全连接神经网络进行解压缩操作，输出解压缩信息；
[0036]检测模块，用于基于预设的深度展开算法对所述解压缩信息进行全局检测，得到所述设备的活跃状态。
[0037]本申请实施例的第五方面提出了一种计算机设备，所述计算机设备包括存储器和处理器，其中，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时所述处理器用于执行如本申请第一方面以及第二方面实施例任一项所述的方法。
[0038]本申请实施例的第六方面提出了一种存储介质，所述存储介质为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程序，在所述计算机程序被计算机执行时，所述计算机用于执行如本申请第一方面以及第二方面实施例任一项所述的方法。
[0039]本申请实施例提出的设备状态检测方法、接入点、中央处理单元及计算机设备，接入点通过预设的前传链路与中央处理单元连接，接入点接收设备发送的高维数据，从而能够得到设备当前的通信状态，之后再将高维数据输入预设的全连接神经网络进行压缩操作，将高维数据压缩成低维数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备状态检测方法，其特征在于，应用于接入点，所述接入点通过预设的前传链路与中央处理单元连接，所述方法包括：接收设备发送的高维数据，其中，所述高维数据用于表征所述设备的通信状态；将所述高维数据输入预设的全连接神经网络进行压缩操作，输出低维数据；将所述低维数据输入预设的均匀量化器进行量化操作，得到量化信息；通过所述前传链路将所述量化信息发送至所述中央处理单元，以使所述中央处理单元对所述量化信息进行解压缩操作，得到解压缩信息，并对所述解压缩信息进行全局检测，得到所述设备的活跃状态。2.根据权利要求1所述的设备状态检测方法，其特征在于，所述将所述低维数据输入预设的均匀量化器进行量化操作，得到量化信息，包括：将所述低维数据输入所述均匀量化器，以对所述低维数据进行量化噪声操作，输出可学习变量；根据所述可学习变量对所述低维数据进行近似均匀量化，得到所述量化信息。3.根据权利要求2所述的设备状态检测方法，其特征在于，所述对所述低维数据进行量化噪声，输出可学习变量，包括：获取所述低维数据的数据维度；根据所述数据维度、预设的量化精度以及预设的量化范围生成随机变量；将所述随机变量添加至所述低维数据的每维数据，输出所述可学习变量。4.根据权利要求1所述的设备状态检测方法，其特征在于，所述高维数据包括所述设备的等效特征序列、所述设备与所述接入点之间的小尺度衰落信息、所述设备的发送功率信息、所述设备与所述接入点之间的大尺度衰落信息以及指示变量信息，其中，所述指示变量信息用于表征所述设备的活跃状态与预设的时延之间的关系，所述等效特征序列用于表征所述设备传输特征序列与时延的关系。5.一种设备状态检测方法，其特征在于，应用于中央处理单元，所述中央处理单元与每个接入点之间设置有预设的前传链路，所述方法包括：通过所述前传链路接收所述接入点发送的量化信息，其中，所述量化信息由所述接入点对接收到的高维数据进行压缩操作，并对压缩后的数据进行量化操作得到；将所述量化信息输入预设的全连接神经网络进行解压缩操作，输出解压缩信息；基于预设的深度展开算法对所述解压缩信息进行全局检测，得到所述设备的活跃状态。6.根据权利要求5所述的设备状态检测方法，其特征在于，所述基于预设的深度展开算法对所述解压缩信息进行全局检测，得到所述设备的活跃状态，包括：获取所述接入...

【专利技术属性】
技术研发人员：林庆丰，李洋，寇卫斌，张纵辉，胡奕聪，
申请(专利权)人：深圳市大数据研究院，
类型：发明
国别省市：