【技术实现步骤摘要】
本专利技术属于点云语义通信，涉及一种面向三维点云无线传输的自适应深度信源信道联合编码方法。
技术介绍
1、语义通信即语义层传输，是一种关注传输符号中蕴含信息的通信范式。这种通信范式能利用语义关联性去除冗余数据，并且在接收端通过背景知识库来恢复语义，以执行特定任务。需传输的抽象语义概念的数据量通常远小于精确的特征数据量，因此基于该范式的通信可以极大地提升传输效率。
2、深度学习及其应用，如自然语言处理、语音识别和计算机视觉等领域的最新进展为多模态语义通信的实现提供了可能，同时信源信道联合编码被认为是一种语义通信的可达方案，用于捕获和传输语义特征。该方案对恶劣信道环境，即低信噪比区域，具有较强的鲁棒性，能够很好地解决悬崖效应。
3、在无线信道传输过程中，语义信息的传递面临着多变的信道条件，针对特定的信道条件设计和训练信源信道联合编码模型，将导致大量的存储空间需求。此外，针对面向多用户传输场景的点云无线传输，为了获得不同的压缩率，需要改变特定的网络参数并重新训练模型，将耗费大量的计算能力。
4、自适应深度信源信道联合编码的三维点云无线传输是一种联合信源信道编码特性的端到端数据传输方式，相比于传统点云无线传输，面向三维点云无线传输的自适应深度信源信道联合编码方案能够应对不同信噪比条件下的传输需求，从而实现高效的语义信息传输。此外，在面向多用户传输场景下，该方案允许在统一模型参数下，自适应多个压缩率，提高数据传输的效率与质量。
技术实现思路
1、有鉴于此，
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种面向三维点云无线传输的自适应深度信源信道联合编码方法，包括以下步骤：
4、s1：构建深度信源信道联合编码器模型，包括点云下采样模块和特征提取模块；
5、s2：利用适合于无序点云的功率归一化方法获得输入信道的复数语义向量使其在噪声信道上传输；
6、s3：对点云特征与点云坐标进行初始估计；
7、s4：设计信道条件自适应的感知机制；
8、s5：利用多压缩率支持的训练策略对深度信源信道联合编码器模型进行训练；
9、s6：构建深度信源信道联合解码器模型，包括特征提取模块、特征扩展模块的和点云坐标重建模块。
10、进一步，步骤s1所述构建深度信源信道联合编码器模型，具体包括以下步骤：
11、s11：对于给定参考点云其中n表示为点云总点数，3表示点云的坐标维度，对p采用最远点采样策略，得到下采样点云其中r表示为下采样率；
12、s12：将下采样后的点云pdown通过特征提取模块捕获语义信息及其几何结构上的空间动态关系，记作c表示为点云特征的维度。
13、进一步，步骤s11中所述最远点采样策略步骤如下：
14、s111：从点云中随机选择一个点作为第一个采样点p0，将其添加到采样点集，采用欧式距离度量每个点与采样点云之间的距离；
15、s112：对每个未被采样的点，计算其到当前所有采样点的最小距离，并选择其中最远的点p1作为下一个采样点；
16、s113：对所有未被采样的点，更新其到采样点集的最小距离；
17、s114：重复步骤s113～s114，直到采样点集的大小达到预定的数量。
18、进一步，步骤s12所述特征提取模块通过以下步骤实现：
19、随机初始化一个基本卷积核b＝{bm|m＝1,...,m}，其中表示权重矩阵，m表示权重库b中的权重矩阵个数，cin与cout分别表示特征输入、输出维度；
20、位置自适应系数生成：利用k近邻算法获取点云pdown的局部邻域信息，根据中心点与其近邻点之间的位置关系，生成位置自适应系数scoreij＝mlp(θ(pi,pj))，其中θ表示为softmax归一化；
21、动态卷积核生成：结合权重矩阵bm及其相关的位置自适应系数scoreijm生成卷积权值
22、使用point transfomer模块进一步提取点云邻域特征：
23、
24、其中，fi表示为第i个编码后的点云特征向量，xi表示为第i个输入点特征向量，qi表示为对应的查询向量，kj表示为xi近邻的第j个键值向量，vj表示为第j个值向量，θ表示为softmax归一化，α:表示mlps层，δ:表示位置编码函数，⊙与分别表示逐元素相乘、相加。
25、进一步，步骤s2中，根据步骤s1已经确定的信源信道联合编码器模型，将编码器最后一层输出的点云特征转换为隐变量并对进行功率归一化；功率归一化方法实现步骤包括：
26、s21：在训练阶段记录点云的滑动平均值μ及方差σ；
27、s22：在推理阶段使用(μ,σ)对进行归一化处理得到z'并转换为复值向量
28、编码后的符号z在噪声信道上传输，由函数η:表示；信源信道联合解码器接收到的信道第i个输出为其中ω表示为可微分的噪声函数，用于实现模型训练中的后向传播；h表示为信道增益；
29、
30、进一步，步骤s3具体包括：将信道输出与信噪比条件μ作为信源信道联合解码器的输入，首先将转换为实数向量再进行反卷积操作θ:得到点云特征的初始估计值y'，最后将y'通过坐标重建层ψ:得到点云坐标的初始估计值p'。
31、进一步，步骤s4具体包括以下步骤：
32、s41：根据点云坐标及特征初始估计值，利用自注意力机制获取输入点云新特征；
33、s42：将信噪比条件μ扩展至与点云特征相同的维度进行逐元素相加；
34、s43：根据点云上下文信息计算缩放因子s；
35、s44：将输入点云特征与缩放因子逐元素相乘得到点云注意力特征。
36、进一步，步骤s41具体包括：对p'应用最大池化操作获得全局特征，将全局特征复制rn次，并与初始特征y'连接，获得新特征fglobal，再利用自注意力机制对点云局部上下文进行细化，最后通过残差连接将经过自注意力机制编码后的点云特征与fglobal相加得到输出点特征
37、进一步，步骤s5所述多压缩率支持的训练策略包括以下步骤：
38、s51：定义一个可利用带宽比范围ρl∈(0,0.05)，其中ρl＝k/cinn，k表示信道输入符号的维度，cin表示原始输入点云的维度，n表示为点云总点数；
39、s52：在通过信道条件自适应的感知机制设计的步骤s51～s52后，根据接收端带宽资源ρl，对特征进行一个掩码操作，对掩码后特征及其坐标值进行初始估计；
40、s53：在相同信噪比条件下，确定不同的压缩率在验证集上的平均重构质量的上限
41、
42、s54：更新每个压缩率下重建点云与原始点云之间的损失，记录在推理阶段本文档来自技高网...
【技术保护点】
1.一种面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S1所述构建深度信源信道联合编码器模型，具体包括以下步骤：
3.根据权利要求2所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S11中所述最远点采样策略步骤如下：
4.根据权利要求2所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S12所述特征提取模块通过以下步骤实现：
5.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S2中，根据步骤S1已经确定的信源信道联合编码器模型，将编码器最后一层输出的点云特征转换为隐变量并对进行功率归一化；功率归一化方法实现步骤包括：
6.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S3具体包括：将信道输出与信噪比条件μ作为信源信道联合解码器的输入，首先将转换为实数向量
7.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S4具体包括以下步骤：
8.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S41具体包括：对p'应用最大池化操作获得全局特征，将全局特征复制rN次，并与初始特征y'连接，获得新特征fglobal，再利用自注意力机制对点云局部上下文进行细化，最后通过残差连接将经过自注意力机制编码后的点云特征与fglobal相加得到输出点特征
9.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S5所述多压缩率支持的训练策略包括以下步骤：
10.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤S6中，所述深度信源信道联合解码器模型的实现步骤如下：
...【技术特征摘要】
1.一种面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤s1所述构建深度信源信道联合编码器模型，具体包括以下步骤：
3.根据权利要求2所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤s11中所述最远点采样策略步骤如下：
4.根据权利要求2所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤s12所述特征提取模块通过以下步骤实现：
5.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤s2中，根据步骤s1已经确定的信源信道联合编码器模型，将编码器最后一层输出的点云特征转换为隐变量并对进行功率归一化；功率归一化方法实现步骤包括：
6.根据权利要求1所述的面向三维点云无线传输的自适应深度信源信道联合编码方法，其特征在于：步骤s3具体包括：将信道输出与信噪比条件μ作为信...
【专利技术属性】
技术研发人员：罗雷，张维，董诗康，袁俊龙，张兆麒，
申请(专利权)人：重庆邮电大学，
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。