CN116437306B - 连接物理空间和数字空间的元无线电虚实互动系统和方法 - Google Patents
连接物理空间和数字空间的元无线电虚实互动系统和方法 Download PDFInfo
- Publication number
- CN116437306B CN116437306B CN202310422085.1A CN202310422085A CN116437306B CN 116437306 B CN116437306 B CN 116437306B CN 202310422085 A CN202310422085 A CN 202310422085A CN 116437306 B CN116437306 B CN 116437306B
- Authority
- CN
- China
- Prior art keywords
- radio
- real
- space
- digital
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 19
- 230000008846 dynamic interplay Effects 0.000 claims abstract description 5
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000003930 cognitive ability Effects 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000011161 development Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000019771 cognition Effects 0.000 abstract description 4
- 230000001149 cognitive effect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/131—Protocols for games, networked simulations or virtual reality
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了连接物理空间和数字空间的元无线电虚实互动系统和方法,属于无线通信技术的无线电领域,包括物理层,用于通过传感器实时采集物理空间的实时数据,为数字空间提供实时数据;数据层,用于存储所述实时数据;模型层,用于根据接收的实时数据对无线电对象进行建模和分析,为数字空间提供特征信息;应用层,用于通过元无线电通信实现无线电应用;本发明能够突破传统无线电物理空间的时空约束,在无线电数字‑物理双空间实现实时更新、持续认知、动态交互,实现物理空间和数字空间的虚实交互,具有共生成长、全生命周期、群体智能、主动认知的优势,成为下一代无线电数字化、智能化发展的新方向。
Description
技术领域
本发明涉及连接物理空间和数字空间的元无线电虚实互动系统和方法,属于无线通信技术的无线电领域。
背景技术
在过去的几十年里,无线电技术深刻地改变了我们的生活。一般来说,无线电经历了四个阶段:模拟无线电、数字无线电、软件无线电和认知无线电。自20世纪90年代以来,软件无线电在数字化方面迈出了重要的一步,提供了一种实用的解决方案,可以使用软件编程在同一硬件上完成不同的功能。认知无线电,通过自动感知周围的电磁环境并发现频谱空洞,无线电参数可以与环境匹配。认知无线电通过赋予无线电认知能力而开始走向智能。
随着5G应用的推进和6G的研究,万物互联的潜在优势非常显著。然而,实现这些优势仍然是一项具有挑战性的任务。例如,如何加快复杂无线电系统中新通信技术的部署,提供具有高可用性的灵活测试环境,并降低昂贵的未知试错成本。最重要的是通过合理的权衡来满足不同应用程序和场景的不同需求。新的场景应用(如远程手术)需要超低的确定性延迟,而最近的车联网需要实时适应不断变化的网络拓扑。由于服务的多样性,5G无线网络的链路适配可以满足物理层和媒体访问控制层的灵活性要求。然而,对于不同场景中的大规模瞬时网络链路,信道估计的成本和开销是无法承受的。无线电需要更先进的技术、更有效的资源利用以及更快更安全的服务。因此,无线电迫切需要通过超越时间和空间的物理限制,进一步向数字化和智能化发展来提高其智能水平。
从历史角度来看,无线电经历了从模拟无线电到数字无线电、软件定义无线电和认知无线电的演变过程。
模拟无线电使用模拟技术来完成发射机和接收机的调制和解调过程,因此不容易适应各种通信系统。随着通信系统功能的增加,对硬件的要求更高,这显著增加了通信成本、扩展和升级困难以及缺乏灵活性。
从20世纪80年代开始,数字无线电通过数字调制具有抗干扰能力和非凡的通信能力。在接收端,信号在模拟到数字(A/D)采样后被解调。数字化可以提供更高的处理效率。
由J.Mitola于20世纪90年代初首次提出的软件定义无线电真正实现了通信功能的软件,并且可以执行解调。软件可以根据需要进行更新,硬件同时具有一定的通用性。然而,在软件定义的无线电中选择关键参数需要人工选择,这缺乏灵活性和自主性。当电磁环境发生变化时,需要人为地进行更新和调整。
认知无线电,也是J.Mitola在1999年左右创造的,通过感知频谱环境,有目的地实时改变操作参数,以实现频谱的有效利用。根据不同的需要,无线电可以在动态环境中进行调整,例如频谱认知。认知无线电通过感知和智能选择的学习能力提高无线电对环境的适应性。
随着无线电通信的发展,一些严重的问题已经暴露出来。物理空间中的无线电仍然主要受到以下因素的限制:
物理空间中设计和验证新无线电方案受到实际场景和无线电设备的限制,成本通常很高。一旦硬件更新和用户需求发生变化,无线电中的一切设计都将重新开始。
无线电发展与资源之间的冲突更加激烈。随着无线电数量、类型和功能的增加,在管理网络的复杂性和无线电之间合作所需的调度资源方面将面临许多挑战。例如,对于大规模部署,越来越多的无线电可以将优化问题的复杂性推到不现实且无法解决的状态。
当前的无线电技术很难适应各种场景和应用要求。在可预见的未来,迫切需要一个统一的框架来选择和协调现有技术和新兴技术的组合,以最佳地平衡所需的无线电资源。
综上所述,为无线电从单一物理空间受限的模式向物理-数字双空间虚实互动的智能模式转变,探索一种新的无线电发展范式是目前亟待解决的难题。
发明内容
本发明的目的在于提供连接物理空间和数字空间的元无线电虚实互动系统和方法,解决现有技术中无法实现物理空间和数字空间的虚实互动的问题。
为实现以上目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了连接物理空间和数字空间的元无线电虚实互动系统,包括:
物理层,用于通过传感器实时采集物理空间的实时数据,为数字空间提供实时数据;
数据层,用于存储所述实时数据;
模型层,用于根据接收的实时数据对无线电对象进行建模和分析,为数字空间提供特征信息;
应用层,用于通过元无线电通信实现无线电应用。
结合第一方面,进一步的,所述物理层采集的实时数据来自物理空间中的无线电实体,所述无线电实体包括无人机感知设备、无线电通信电台和无线电干扰车。
结合第一方面,进一步的,所述对象包括个人、网络和环境。
结合第一方面,进一步的,所述无线电应用包括无线电管理、无线节点部署、无线电资源调度和无线电预测评估。
结合第一方面,进一步的,在所述物理层中,根据无线电电磁环境的动态变化,得到元无线电的实时要求,根据所述实时要求动态优化传感器资源。
结合第一方面,进一步的,在所述模型层中,所述建模包括建立通用模型和个体模型;
所述建立通用模型包括:从空间域、软件域和信号域对无线电对象进行建模,准确分析和显示各种设备的寿命、状态和其他指标,以通过提取一般特征实现提高无线电设备管理和孪生建模的效率;
所述建立个体模型包括:针对具备随机离散性的部件性能建立个体模型,以通过提取个体特征实现区分无线电身份和行为。
结合第一方面,进一步的,在所述建模过程中,结合强化学习,以实现与环境的动态互动和在数字孪生空间中积累经验,结合深度学习,以实现提高学习模型的训练效果和使数字模型能够更真实地反映物理实体的情况,结合迁移学习,以实现提高数字孪生无线电的适应性,并在开发新网络时减少预训练模型所消耗的时间和计算资源。
第二方面,本发明还提供了基于第一方面任一项所述系统的虚实互动方法,包括由实构虚和以虚控实;
所述由实构虚包括:利用物理空间中的传感器对无线电数据进行数据采集与模型分析,在数字空间形成真实映射,数字空间的数据来源包括物理空间实时更新的数据、历史数据和通过孪生算法生成的孪生数据,实现由物理层创建数据层;然后从数据中提取无线电孪生对象的重要特征信息,将提取到的特征信息在数字空间进行融合实时反映物理空间的无线电态势,实现模型层的功能;
所述以虚控实包括:通过对已构建的数字空间态势进行分析、推演和预测,服务于无线电管理、无线节点部署、无线电资源调度和无线电预测评估,反馈指导物理空间无线电行动;
通过所述由实构虚和所述以虚控实实现物理空间和数字空间的虚实互动,提高物理空间和数字空间的认知能力和应用效果。
与现有技术相比,本发明所达到的有益效果是:
本发明提供的连接物理空间和数字空间的元无线电虚实互动系统和方法,能够解决传统无线电在物理空间面临的电磁环境复杂、时空受限、试错成本高的问题,实现物理空间和数字空间的虚实交互;相较于模拟无线电、数字无线电、软件无线电、认知无线电,本发明具有虚实共生、全生命周期、群体智能、主动认知特性,其应用场景和范围更广等优势;突破传统无线电物理空间的时空约束,在无线电数字-物理双空间实现实时更新、持续认知、动态交互。可以为无线电的数字化、智能化发展提供新的研究思路。
附图说明
图1是本发明实施例提供的元无线电概念示意图;
图2是本发明实施例提供的连接物理空间和数字空间的元无线电虚实互动系统的示意图;
图3是本发明实施例提供的元无线电城市场景示意图;
图4是本发明实施例提供的基于元无线电的辐射源个体识别性能对比图。
具体实施方式
下面结合附图对本发明作进一步描述,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
基于模拟无线电、数字无线电、软件无线电、认知无线电的发展基础上,提出了无线电新概念——如图1所示的元无线电(MetaRadio)。元无线电是一个由孪生数据、模型和算法构建的虚拟-真实交互无线电系统,它反映了真实的无线电情况,并将物理空间和数字空间连接起来,使它们共同成长和发展,并适应无线电全生命周期的动态和多样化需求。前缀“Meta”来自希腊介词μετα,意为“之后”或“超越”,同时“元”具有“自我描述事物或概念”的含义。因此,元无线电代表了一种超越传统无线电物理约束的无线电新范式。
分析其比较于传统无线电系统所特有的潜在优势和性能增益,包括:
1)共生成长:作为物理无线电的实时映射,虚拟无线电与之一起成长和存在。共生描述了无线电物理实体和相应的数字无线电孪生体之间的共存关系。物理实体为数字孪生提供实时更新的数据,帮助元无线电改善自身,在功能和形式上更接近物理实体。元无线电可以从许多以前的经验中获取知识,并根据实时数据及时更新知识,因此具有自主学习和成长进化能力。
2)全生命周期管理:作为现实和虚拟空间之间的重要桥梁,元无线电在设计和应用的整个生命周期中具有卓越的发展潜力。设计阶段:元无线电在无线电生产之前实现无线电通信,改进新技术和算法的研发,并通过可重复的可变参数加速不同环境中的验证,可以显著降低设计阶段的试错成本和时间成本。应用阶段:元无线电可以不断激发创新,优化决策。数字无线电和物理无线电共同成长,可以再现过去,从经验中不断学习并通过不断磨练从而变得更加智能。
3)群体智能:元无线电考虑单个无线电和无线电网络的智能。元无线电构建了一个描述物理空间的虚拟数字空间,无线电孪生体和环境模拟孪生体可以在数字空间中自由组合。多种孪生体可以在虚拟世界中超越时间和空间进行互动。各种技术、模型和异构数据的融合通过双胞胎之间的多学科耦合模拟,每个孪生体都可以贡献自己有限的智力,通过合作实现强大的能力,最终实现群体智能。
4)数字-物理空间OODA认知和ADOO主动认知:基于物理空间中的OODA(观察、判断、决策、行动),元无线电通过扩展到数字空间来丰富物理空间的OODA,可以在数字空间中使用更多的全局信息来执行,并且环境的状态更新更加及时和准确。数字空间的学习进化使得对环境的认知有一个经验积累的过程。在数字空间的持续快速循环中,不断迭代学习可以积累经验,并将其更好地应用于决策。然而,OODA是被动认知。没有观察,就没有方向、决定或行动。与物理环境中的被动OODA认知不同,元无线电可以通过ADOO(行动、决策、观察、定向)主动塑造无线电环境。元无线电可以首先在数字空间采取积极行动。元无线电的行动基于数字空间中充分预览获得的最佳方案。它将根据最新情况不断更新和动态调整,直到形成最佳的主动行动方案。ADOO不再被动地受到无线电环境的影响,而是通过提前规划来改变环境,这将为利用无线电频谱资源和防止无线电干扰提供新的启发。
结合上述元无线电的增益,如图2所示,本发明实施例提供了连接物理空间和数字空间的元无线电虚实互动系统,包括以下分层架构:
物理层,面对物理空间中的无线电实体,包括各种无人机感知设备、无线电通信电台和无线电干扰车等。通过传感器实时采集数据,为数字空间提供了新的数据。
数据层,包括来自物理空间的各种实时更新数据以及累积的历史经验数据。数据是数字孪生的强大推动力,但多源异构数据也对数据传输和融合提出了重大挑战。
模型层,通过预处理接收的数据来描述对象。在模型层中对个人、网络和环境进行建模和分析可以为数字空间提供有效的特征信息。
应用层,主要包括元无线电通信可以实现的特定应用,如无线电管理、无线节点部署、无线电资源调度与无线电预测评估等。
构建上述系统的关键技术为:
第一、数据分析:
1)数据传感器部署:数据传感器的部署:元无线电依靠大量的数据信息来保持物理空间和数字空间之间的同步。作为重要的信息来源,不同的部署方案将对元无线电产生重大影响。此外,由于无线电电磁环境的动态变化,有必要根据元无线电的要求及时灵活和动态地优化传感器资源。
2)数据采集优化:为了实时描述无线电状况,元无线电需要连续、不间断的信号采集,以避免数据过时。此外,具有高频率和高采集精度的数据提供了更精确的孪生性能。
3)数据隐私保护:元无线电需要大量实时数据来保持物理空间与数字空间同步,但在某些情况下,出于隐私或权限原因,无法在元无线电中共享原始数据。因此,找到一种数据传输模式是保护隐私和安全的必要条件。
第二、孪生建模:
在元无线电中,每个无线电实体都有一个相似且唯一的数字孪生体,包括设计、制造过程历史以及从宏观到微观的所有设备信息。元无线电的建模主要分为通用模型和个体模型。
1)通用模型:通用模型包括从空间域、软件域和信号域对无线电进行建模,并准确分析和显示各种设备的寿命、状态和其他指标。通过提取一般特征,提高了无线电设备管理和孪生建模的效率。
2)个体模型:尽管同一批无线电设备在物理空间中的功能相似,但由于部件性能的随机离散性,其辐射信号不可避免地具有不同的个体特征。个体模型需要建立无线电特定特征数据库和知识图,以区分无线电身份和行为。
第三、算法设计:
在元无线电数字空间中,依靠孪生数据,根据不同的任务要求开发相应的算法,这更有利于解决现实场景中的问题。
1)环境动态互动:强化学习与环境有很强的互动。代理人不断学习并试图在环境中犯错误,通过与环境互动获得的奖励指导代理人的行为。由于外部环境提供的信息很少,物理空间中的试错成本很高,强化学习可以在数字孪生空间中积累更多的经验。
2)特征表示:基于实时数据和元无线电收集的大量历史数据,深度学习可以学习样本数据的内在规律和表示级别,并具有良好的特征提取能力。
一方面,大量实时数据和历史数据可以训练更好的学习模型。另一方面,深度学习可以通过提取特征来进一步改进无线电孪生,从而使数字模型能够更真实地反映物理实体的情况。
3)知识重用:迁移学习可以将在特定领域或任务中学习到的知识或模式应用于不同但相关的领域或问题,元无线电具备这种自我更新能力。元无线电可以提高数字孪生无线电的适应性,并在开发新网络时减少预训练模型所消耗的大量时间和计算资源。
第四、性能评估:
使用可信度评估的理论方法来评估元无线电性能。当元无线电足够可信时,它可以被信任并用于指导物理空间的改进和优化。
物理层主要是设备的物理实体,包括感知访问和决策执行评估。感知访问的指标包括感知准确性,决策执行需要评估时间敏感性和执行效率。
数据层主要包括感知数据和孪生数据的数据表示、存储和数据处理,评估指标包括准确性、稳定性和安全性。
模型层包括模型功能的描述,例如几何和物理功能评估和行为功能评估,以及模型功能验证和兼容性验证评估。评估指标包括模型的准确性、稳定性和完整性。
应用层包括应用管理和服务质量评估,重点关注服务的可维护性和可用性。
本实施例提供的连接物理空间和数字空间的元无线电虚实互动系统的应用场景具体为:
城市环境有街道、地下、低空空域、许多建筑物和复杂的电磁信号。数据驱动的机器学习方法可以有效地识别、建模和分析环境中的未知发射机,以提高通信频谱的安全性。然而,在实时开放场景中提供更真实的训练数据是困难的。城市环境的元无线电通过云边缘端架构和交互式分层框架构建,作为真实空间和虚拟空间之间的桥梁,实现全面连接。
基于元无线电赋能的辐射源个体识别方法具体为:
元无线电构成了接近真实数据生成的来源,以补偿边缘设备上的弱测量数据集,并用高质量数据集丰富机器学习网络,以改进训练过程。元无线电可以充分训练和有效模拟更多的无线网络,实现自我学习、自我验证和自我进化的动机。
使用数字频谱仪从五个Zigbee设备收集数据,包括少量在线数据(真实采样点为20*1024)、长期收集的大量离线数据(真实样本点为200*1024)以及基于元无线电中的在线数据(20*104)生成的元数据(真实和虚拟采样点为200*10024或400*1024)。相同的CNN网络训练这些数据(输入大小为1024*1),并识别和验证其他200*1024个测试样本数据。使用带有RTX 3070GPU的i7-10870H计算机来训练和测试CNN。我们可以在图4中发现,与许多离线数据的传统识别相比,在线数据很难为识别模型带来经验。通过在元无线电的数字空间中的生成对抗性网络生成大量元数据,实时识别性能与长期收集的离线数据相似。当元数据采样点为200*1024时,在17个训练周期后可以完成90%的识别准确率,而当元数据采样点数为400*1024时时,在10个训练周期之后可以实现90%的识别精度。可以看出,更多的元数据可以实现更快、更准确的识别性能。
本实施例中,元无线电是一个由孪生数据、模型和算法构建的虚拟-真实交互无线电系统,它反映了真实世界的无线电情况,并将物理空间和数字空间连接起来,使它们共同成长和发展,并适应无线电全生命周期的动态和多样化需求。如图1元无线电示意图所示,物理空间包括各种无线电设备和物理环境,而数字空间包括无线电孪生体和环境孪生体。元无线电从物理空间收集和传输感知数据,并融合各种数据,然后使用孪生算法提取知识进行优化和分析,最后指导物理空间的进一步行动。通过元无线电的持续闭环迭代,形成了一个虚拟和真实的交互智能无线电。
图2给出了连接物理空间和数字空间的元无线电虚实互动系统的示意图,该系统实现了数字空间和物理环境之间的实时双向映射,并有效地聚合、传输和协作多维信息。无线基站和物理空间中的周围环境由传感器感知,分布式安全传输通过使用联邦学习和区块链技术实现,无线和环境的孪生映射建模通过结合融合数据实现。基于元无线电的机器学习算法生成无线电的电磁态势,并为不同应用提供分析、测试、验证、预测和资源调度服务。
图3给出了元无线电在城市场景中的示意图,城市环境有街道、地下、低空空域、许多建筑物和复杂的电磁信号。数据驱动的机器学习方法可以有效地识别、建模和分析环境中的未知发射机,以提高通信频谱的安全性。然而,在实时开放场景中提供更真实的训练数据是困难的。城市环境的元无线电通过云边缘端架构和交互式分层框架构建,作为真实空间和虚拟空间之间的桥梁,实现全面连接。
图4给出了基于元无线电的辐射源个体识别性能,与许多离线数据的传统识别相比,在线数据很难为识别模型带来经验。通过在元无线电的数字空间中的生成对抗性网络生成大量元数据,实时识别性能与长期收集的离线数据相似。当元数据采样点为200*1024时,在17个训练周期后可以完成90%的识别准确率,而当元数据采样点数为400*1024时时,在10个训练周期之后可以实现90%的识别精度。可以看出,更多的元数据可以实现更快、更准确的识别性能。
实施例2
本发明实施例还提供了实施例1提供的连接物理空间和数字空间的元无线电虚实互动系统的虚实互动方法,包括由实构虚和以虚控实;
所述由实构虚包括:利用物理空间中的传感器对无线电数据进行数据采集与模型分析,在数字空间形成真实映射,数字空间的数据来源包括物理空间实时更新的数据、历史数据和通过孪生算法生成的孪生数据,实现由物理层创建数据层;然后从数据中提取无线电孪生对象的重要特征信息,将提取到的特征信息在数字空间进行融合实时反映物理空间的无线电态势,实现模型层的功能;
所述以虚控实包括:通过对已构建的数字空间态势进行分析、推演和预测,服务于无线电管理、无线节点部署、无线电资源调度和无线电预测评估,反馈指导物理空间无线电行动;
通过所述由实构虚和所述以虚控实实现物理空间和数字空间的虚实互动,提高物理空间和数字空间的认知能力和应用效果。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.连接物理空间和数字空间的元无线电虚实互动系统,其特征在于,包括:
物理层,用于通过传感器实时采集物理空间的实时数据,为数字空间提供实时数据;
数据层,用于存储所述实时数据;
模型层,用于根据接收的实时数据对无线电对象进行建模和分析,为数字空间提供特征信息;
应用层,用于通过元无线电通信实现无线电应用;
所述物理层采集的实时数据来自物理空间中的无线电实体,所述无线电实体包括无人机感知设备、无线电通信电台和无线电干扰车;
所述对象包括个人、网络和环境;
所述无线电应用包括无线电管理、无线节点部署、无线电资源调度和无线电预测评估。
2.根据权利要求1所述的连接物理空间和数字空间的元无线电虚实互动系统,其特征在于,在所述物理层中,根据无线电电磁环境的动态变化,得到元无线电的实时要求,根据所述实时要求动态优化传感器资源。
3.根据权利要求1所述的连接物理空间和数字空间的元无线电虚实互动系统,其特征在于,在所述模型层中,所述建模包括建立通用模型和个体模型;
所述建立通用模型包括:从空间域、软件域和信号域对无线电对象进行建模,准确分析和显示各种设备的寿命、状态和其他指标,以通过提取一般特征实现提高无线电设备管理和孪生建模的效率;
所述建立个体模型包括:针对具备随机离散性的部件性能建立个体模型,以通过提取个体特征实现区分无线电身份和行为。
4.根据权利要求1所述的连接物理空间和数字空间的元无线电虚实互动系统,其特征在于,在所述建模过程中,结合强化学习,以实现与环境的动态互动和在数字孪生空间中积累经验,结合深度学习,以实现提高学习模型的训练效果和使数字模型能够更真实地反映物理实体的情况,结合迁移学习,以实现提高数字孪生无线电的适应性,并在开发新网络时减少预训练模型所消耗的时间和计算资源。
5.基于权利要求1-4任一项所述系统的虚实互动方法,其特征在于,包括由实构虚和以虚控实;
所述由实构虚包括:利用物理空间中的传感器对无线电数据进行数据采集与模型分析,在数字空间形成真实映射,数字空间的数据来源包括物理空间实时更新的数据、历史数据和通过孪生算法生成的孪生数据,实现由物理层创建数据层;然后从数据中提取无线电孪生对象的重要特征信息,将提取到的特征信息在数字空间进行融合实时反映物理空间的无线电态势,实现模型层的功能;
所述以虚控实包括:通过对已构建的数字空间态势进行分析、推演和预测,服务于无线电管理、无线节点部署、无线电资源调度和无线电预测评估,反馈指导物理空间无线电行动;
通过所述由实构虚和所述以虚控实实现物理空间和数字空间的虚实互动,提高物理空间和数字空间的认知能力和应用效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310422085.1A CN116437306B (zh) | 2023-04-19 | 2023-04-19 | 连接物理空间和数字空间的元无线电虚实互动系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310422085.1A CN116437306B (zh) | 2023-04-19 | 2023-04-19 | 连接物理空间和数字空间的元无线电虚实互动系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116437306A CN116437306A (zh) | 2023-07-14 |
CN116437306B true CN116437306B (zh) | 2024-03-26 |
Family
ID=87092449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310422085.1A Active CN116437306B (zh) | 2023-04-19 | 2023-04-19 | 连接物理空间和数字空间的元无线电虚实互动系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116437306B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020205484A1 (en) * | 2019-03-29 | 2020-10-08 | Smartrac Technology Fletcher, Inc. | Digital twin system with energy harvesting sensor devices |
CN112233483A (zh) * | 2020-09-15 | 2021-01-15 | 南京模拟技术研究所 | 一种基于数字孪生的红蓝对抗训练方法 |
CN113656904A (zh) * | 2021-07-26 | 2021-11-16 | 重庆斯欧智能科技研究院有限公司 | 一种面向制造设备的数字孪生模型构建方法 |
CN115099075A (zh) * | 2022-03-30 | 2022-09-23 | 中冶华天工程技术有限公司 | 一种基于智能化棒、线、型车间数字孪生方法 |
CN115618150A (zh) * | 2022-10-17 | 2023-01-17 | 北京航空航天大学 | 一种时空网服务平台及其建设方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10404569B2 (en) * | 2016-08-22 | 2019-09-03 | General Electric Company | Internet of things associate |
US20220191648A1 (en) * | 2021-12-20 | 2022-06-16 | Ned M. Smith | Digital twin framework for next generation networks |
-
2023
- 2023-04-19 CN CN202310422085.1A patent/CN116437306B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020205484A1 (en) * | 2019-03-29 | 2020-10-08 | Smartrac Technology Fletcher, Inc. | Digital twin system with energy harvesting sensor devices |
CN113939822A (zh) * | 2019-03-29 | 2022-01-14 | 思迈创科弗莱彻有限公司 | 带能量采集传感器设备的数字孪生系统 |
CN112233483A (zh) * | 2020-09-15 | 2021-01-15 | 南京模拟技术研究所 | 一种基于数字孪生的红蓝对抗训练方法 |
CN113656904A (zh) * | 2021-07-26 | 2021-11-16 | 重庆斯欧智能科技研究院有限公司 | 一种面向制造设备的数字孪生模型构建方法 |
CN115099075A (zh) * | 2022-03-30 | 2022-09-23 | 中冶华天工程技术有限公司 | 一种基于智能化棒、线、型车间数字孪生方法 |
CN115618150A (zh) * | 2022-10-17 | 2023-01-17 | 北京航空航天大学 | 一种时空网服务平台及其建设方法 |
Non-Patent Citations (2)
Title |
---|
6G时代数字孪生在无线电监测站的应用研究;韩将星;通信技术;第54卷(第2021第2期);第3章 * |
融入数字孪生的高校创客空间:意蕴、框架与功能――从物理空间、混合空间到映射空间之演进;万力勇;;远程教育杂志(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116437306A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | When machine learning meets big data: A wireless communication perspective | |
Wang et al. | Transfer learning promotes 6G wireless communications: Recent advances and future challenges | |
Zeng et al. | Federated learning on the road autonomous controller design for connected and autonomous vehicles | |
Dai et al. | Adaptive digital twin for vehicular edge computing and networks | |
Huang et al. | Wireless big data: transforming heterogeneous networks to smart networks | |
Ahmadi et al. | Wireless connectivity of CPS for smart manufacturing: A survey | |
CN109446700A (zh) | 面向智能家居情境感知服务的运行时建模与执行方法 | |
Dong et al. | Deep reinforcement learning based worker selection for distributed machine learning enhanced edge intelligence in internet of vehicles | |
Sampathkumar et al. | Majority voting based hybrid ensemble classification approach for predicting parking availability in smart city based on IoT | |
Sliwa et al. | Data-driven network simulation for performance analysis of anticipatory vehicular communication systems | |
Fiandrino et al. | Toward native explainable and robust AI in 6G networks: Current state, challenges and road ahead | |
Lin et al. | Fueling the next quantum leap in cellular networks: Embracing AI in 5G evolution towards 6G | |
Delfino et al. | Industrial internet of things: Digital twins | |
Ouyang et al. | Application behaviors driven self-organizing network (SON) for 4G LTE networks | |
Cai et al. | Human–robot collaborative site inspection under resource constraints | |
CN105354634A (zh) | 一种主动配电网天线集成装置 | |
Xiao et al. | Learning while offloading: Task offloading in vehicular edge computing network | |
Weyns et al. | A research agenda for smarter cyber-physical systems | |
Muhammad et al. | Deep-reinforcement-learning-based sustainable energy distribution for wireless communication | |
Öhlén et al. | Network digital twins–outlook and opportunities | |
Cheng et al. | Blockchain-assisted intelligent symbiotic radio in space-air-ground integrated networks | |
Xia et al. | Digital Twin and Artificial Intelligence for Intelligent Planning and Energy-Efficient Deployment of 6G Networks in Smart Factories | |
CN116437306B (zh) | 连接物理空间和数字空间的元无线电虚实互动系统和方法 | |
Garcia-Magarino et al. | Survivability strategies for emerging wireless networks with data mining techniques: A case study with NetLogo and RapidMiner | |
Wei et al. | MetaRadio: Bridging wireless communications between real and virtual spaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |