【技术实现步骤摘要】
面向快速目标检测的无人机视频抗干扰传输方法
[0001]本专利技术涉及无线通信
,尤其涉及一种面向快速目标检测的无人机视频抗干扰传输方法。
技术介绍
[0002]无人机视频传输能够实现快速准确的目标检测技术,支撑交通监控和目标跟踪等应用。然而,无人机视频传输容易受到敌意干扰信号和周边设备信号的影响,致使视频数据出现模糊、卡顿以及抖动等问题,降低视频传输质量,增加特征提取难度和检测时延,严重影响目标检测的速度和精度。
[0003]在无线视频传输领域,中国专利CN111405468A提出一种基于自适应视频流协议的无人机视频传输策略,利用逐次凸近似和交替优化技术联合控制传输带宽、发射功率及无人机轨迹,使得无人机在满足能量和通信资源约束情况下,提高视频传输速率。中国专利CN115802117A提出一种多用户实时视频流跨层资源调度方法,根据用户的信干噪比、帧时延、平均接收视频速率计算所需最小带宽及流拥塞因子,确定用户优先级,降低接入带宽,提升用户数量。中国专利CN115086699A提出一种多用户动态视频传输跨层联合调度优化方案,根据用户数目、OFDM资源块个数、传输时间间隔、丢帧率、最大时延忍度、信噪比,利用深度强化学习算法调度OFDM资源块,降低视频传输时延及丢帧率。Laizhong Cui等人[Laizhong Cui,Dongyuan Su,Shu Yang,Zhi Wang,Zhong Ming,"TCLiVi:Transmission Control in Live Video Streaming B ...
【技术保护点】
【技术特征摘要】
1.面向快速目标检测的无人机视频抗干扰传输方法,其特征在于,包括以下步骤:S1,初始化神经网络Q
i
和E
i
,并定义参数;S2,无人机捕获第k时隙的视频信息,并传输目标区域视频信息至控制中心,控制中心反馈控制信号,无人机根据控制信号提取上一时隙的目标检测边界框大小d
(k
‑
1)
、目标类别c
(k
‑
1)
、检测置信度ρ
(k
‑
1)
、检测时延η
(k
‑
1)
及传输时延τ
(k
‑
1)
,感知当前时刻信道状态ω
(k)
,构建状态s
(k)
=[d
(k
‑
1)
,c
(k
‑
1)
,ρ
(k
‑
1)
,η
(k
‑
1)
,τ
(k
‑
1)
,ω
(k)
];S3,将状态s
(k)
输入神经网络Q
i
、E
i
,分别得到不同传输策略的长期效益值Q
i
(s
(k)
,a
i
)和风险值E
i
(s
(k)
,a
i
),其中,i=1,2,3;根据长期效益值Q
i
(s
(k)
,a
i
)和风险值E
i
(s
(k)
,a
i
)计算视频分辨率传输信道和发射功率S4,根据视频分辨率改变视频质量,以发射功率在传输信道上将视频数据传输至控制中心,控制中心进行目标检测,统计并反馈第k时隙的目标检测边界框尺寸d
(k)
、目标类别c
(k)
、检测置信度ρ
(k)
、检测时延η
(k)
和传输时延τ
(k)
;S5,计算第k时隙的检测效益u
(k)
;S6,计算第k时隙的目标检测置信度ρ
(k)
的风险等级l
(k)
;S7,将七元组放入数组H,若H中七元组的数目大于预设的采样阈值B,则从H中按照均匀分布随机选取B个七元组更新神经网络Q
i
的权重θ
i
以及神经网络E
i
的权重其中b表示第b个采样数据;S8,重复步骤S2~S7,直至目标检测置信度大于目标检测置信度阈值,检测时延小于检测时延阈值,传输时延小于传输时延阈值。2.根据权利要求1所述的面向快速目标检测的无人机视频抗干扰传输方法,其特征在于,所述S1中定义的参数包括:无人机视频分辨率种类A1∈N
*
,视频分辨率集合A1={1,2,...,A1},视频分辨率a1∈A1;传输信道总数A2∈N
*
,传输信道集合A2={1,2,...,A2},传输信道a2∈A2;发射功率个数A3∈N
*
,最大发射功率P∈N
*
,发射功率集合发射功率a3∈A3;神经网络Q
i
,由三个全连接层构成,其中,1≤i≤3,包含S+i个输入神经元、F个隐藏神经元及A
i
个输出神经元,网络权重为F
×
(S+i)+A
i
×
F维向量θ
i
,θ
i
的元素根据正态分布N(0,1)随机初始化;神经网络Q
i
由三个全连接层构成,其中,1≤i≤3,包含S+i个输入神经元、F个隐藏神经元及A
i
个输出神经元,网络权重为F
×
(S+i)+A
i
×
F维向量θ
i
,θ
i
的元素根据正态分布N(0,1)随机初始化;神经网络E
i
由三个全连接层构成,其中,1≤i≤3,包含S+i个输入神经元、F个隐藏神经元及A
i
个输出神经元,网络权重为F
×
(S+i)+A
i
×
F维向量的元素根据正态分布N(0,1)随机初始化;神经网络E
i
由三个全连接层构成,其中,1≤i≤3,包含S+i个输入神经元、F个隐藏神经元及A
i
个输出神经元,网络权重为F
×
(S+i)+A
i
×
F维向量的元素根据正态分布N(0,1)随机初始化;有理数α∈(0,1],有理数γ∈(0,1],有理数β∈(0,1],数组μ=[μ0,μ1,
…
,μ
j
,
…
,μ
J
‑1],其中有理数μ
...
【专利技术属性】
技术研发人员:肖亮,张津铭,吕泽芳,万鲲鹏,杨和林,
申请(专利权)人:厦门大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。