[发明专利]一种工业物联网中智能数据处理方法

权利要求书

1.一种工业物联网中智能数据处理方法，其特征在于，包括如下步骤：

S1：第二通信节点接收第一通信节点发送的信道状态信息参考信号；

S2：测量得到所述信道状态信息参考信号的信干噪比，根据所述信干噪比、或所述信干噪比的值及信道的秩确定用于生成信道状态信息的生成方式，并根据生成方式生成对应的信道状态信息发送给第一通信节点；

S3：所述第二通信节点接收第一通信节点发送的基于所述信道状态信息生成的解调参考信号和调制符号集合，根据基于所述解调参考信号得到的信道估计结果对所述调制符号集合进行解调；

S4：判断解调后是否得到有用数据比特序列，如果是，反馈接收成功信息给所述第一通信节点，然后继续接收新的信息；如果否，则反馈接收失败信息给所述第一通信节点，然后重新接收第一通信节点改变解调参考信号模式后生成的解调参考信号和调制符号集合，直至得到有用数据比特序列。

2.根据权利要求1所述的工业物联网中智能数据处理方法，其特征在于：步骤S2中，如果如果得到的信干噪比小于等于第一设定值，则所述第二通信节点按照第一生成方式生成第一信道状态信息，所述第二通信节点将所述第一信道状态信息发送给所述第一通信节点；如果得到的信干噪比大于第一设定值且信道的秩小于等于第二设定值，则所述第二通信节点按照第二生成方式生成第二信道状态信息，所述第二通信节点将所述第二信道状态信息发送给所述第一通信节点；如果得到的信干噪比大于第一设定值且信道的秩大于第二设定值，则所述第二通信节点按照第三生成方式生成信道状态信息，所述第二通信节点将所述第三信道状态信息发送给所述第一通信节点；其中，所述第一生成方式是指所述第二通信节点对测量得到的信道状态信息进行奇异值分解后得到右奇异矢量，找到与所述右奇异矢量最相似的离散傅里叶变换矢量，将所述离散傅里叶变换矢量的索引值作为所述第一信道状态信息；所述第二生成方式是指所述第二通信节点将测量得到的信道状态信息通过基于深度学习技术搭建的第二神经网络生成第二信道状态信息；所述第三生成方式是指所述第二通信节点将测量得到的信道状态信息通过深度学习技术搭建的第三神经网络生成第三信道状态信息；所述第一信道状态信息、或所述第二信道状态信息、或所述第三信道状态信息均包含信干噪比信息。

3.根据权利要求2所述的工业物联网中智能数据处理方法，其特征在于：所述第二神经网络至少包括3个卷积层、2个池化层和一个全连接层；所述第三神经网络至少包括6个卷积层、5个池化层和一个全连接层。

4.根据权利要求3所述的工业物联网中智能数据处理方法，其特征在于：所述第二信道状态信息包含的比特数是所述第一信道状态信息包含的比特数的2倍；所述第三信道状态信息包含的比特数是所述第二信道状态信息包含的比特数的4倍。

5.根据权利要求2所述的工业物联网中智能数据处理方法，其特征在于：所述第三神经网络的运算量是所述第二神经网络的运算量的3倍。

6.根据权利要求2所述的工业物联网中智能数据处理方法，其特征在于：所述第一通信节点基于所述第二信道状态信息恢复的信道与真实信道的相关性大于等于0.85；所述第一通信节点基于所述第三信道状态信息恢复的信道与真实信道的相关性大于等于0.9。