[发明专利]一种基于边缘计算的目标分布式融合识别方法

说明书

本发明公开了一种基于边缘计算的目标分布式融合识别方法，包括如下步骤：步骤一：为每个边缘设备和边缘域融合中心分别设计神经网络，位于边缘设备上的网络需要能够压缩感知信号，而位于边缘域融合中心的网络可以接收并融合来自多个边缘设备神经网络的输入，进而输出最终的识别结果，这些神经网络根据边缘设备和边缘域融合中心的通信网络拓扑进行连接，形成了一个分布式执行的总体深度神经网络模型；本发明提出了一种基于边缘计算和深度神经网络的目标融合识别方法来解决目标识别过程中传输通信成本与延迟较高的问题，该方法能够在边缘侧快速完成目标的融合识别，并可通过神经网络减少边缘设备与边缘域融合中心之间的传输通信量。

技术领域

本发明属于边缘计算领域，人工智能领域的深度神经网络子领域以及分布式系统领域，具体涉及一种基于边缘计算的目标分布式融合识别方法。

背景技术

边缘计算是指能够在网络边缘执行计算的一种新型计算模型，其边缘是指从数据源到云计算中心路径之间的任意计算和网络模型，而边缘的下行数据表示云服务、上行数据表示万物互联服务。此外，边缘计算的实际部署天然具备分布式特征，支持分布式计算与存储，具有分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。目前边缘计算可以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的诸多关键需求。

目前已有一些应用神经网络进行目标识别的研究，如杨伟超在文献“Alpha稳定分布噪声下通信信号调制识别研究”中使用深度学习方法对信号进行调制识别，得到了较好的识别效果；如李佳宸在文献“基于深度学习的数字调制信号识别方法研究”中提出基于深度学习的数字调制信号识别方法研究，分别应用两种不同的深度学习模型，并通过仿真选定算法中需要的参数以达到最佳效果，但上述研究均未考虑在边缘侧应用神经网络进行目标识别的问题，为此我们提出一种基于边缘计算的目标分布式融合识别方法。

发明内容

本发明的目的在于提供一种基于边缘计算的目标分布式融合识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于边缘计算的目标分布式融合识别方法，包括如下步骤：

步骤一：为每个边缘设备和边缘域融合中心分别设计神经网络，位于边缘设备上的网络需要能够压缩感知信号，而位于边缘域融合中心的网络可以接收并融合来自多个边缘设备神经网络的输入，进而输出最终的识别结果，这些神经网络根据边缘设备和边缘域融合中心的通信网络拓扑进行连接，形成了一个分布式执行的总体深度神经网络模型；

步骤二：利用标注数据样本对上述模型进行训练，得到一个具有高识别精度的深度神经网络模型；

步骤三：将经过训练的深度神经网络模型按照已设计好的多神经网络结构进行拆分，并部署到各边缘设备和边缘域融合中心；

步骤四：进行实际的目标识别推断；

步骤五：反复执行步骤4，可以得到当前总体深度神经网络模型的平均性能，以平均性能作为参照，调整神经网络的层数与参数，并重复执行步骤1-4，最终将得到性能最优的总体深度神经网络模型。

优选的，所述步骤四的具体流程为：将各个边缘设备获得的不同高维感知信号作为自身部署的神经网络输入，各神经网络经过处理后输出一个维度较小的实数域特征向量。随后边缘设备上的特征数据经由通信网络传递到边缘域融合中心，边缘域融合中心再将这些多源异构特征作为自身部署神经网络的输入，经融合处理后最终得到识别结果。

优选的，提出分布式深度神经网络架构，该架构可在边缘设备上对目标信号进行预处理，并得到压缩后的实数域特征。同时边缘设备只向边缘域融合中心传输压缩后的特征数据，从而有效降低边缘设备和边缘域融合中心的传输通信量。

优选的，该神经网络架构在考虑边缘设备及边缘域融合中心的计算与通信能力的基础上，对神经网络隐层进行最优划分，以此降低总体的能耗和处理时间。