本技术涉及数据处理领域，尤其涉及一种对讲机的通信方式切换方法、装置、设备及存储介质。
背景技术：
1、随着通信技术的快速发展，对讲机作为一种重要的移动通信设备在各行各业得到广泛应用。传统的对讲机通信方式主要依赖于固定的频率和信道，通过人工设置和切换来适应不同的通信环境。然而，这种静态的通信方式在复杂多变的环境中往往难以满足用户的需求。近年来，智能对讲机系统开始采用自适应通信技术，通过感知环境变化来动态调整通信参数。这些系统通常采用预设的通信模式库，根据简单的环境参数进行匹配和切换。
2、然而，现有的智能对讲机系统仍存在一些局限性。它们对环境的感知能力有限，难以全面捕捉复杂多变的通信场景。其次，通信模式的切换往往是基于预定义的规则，缺乏对用户行为和通信内容的深入理解。再者，在多设备协同通信场景下，现有系统难以实现高效的分布式决策和资源调度。现有系统在处理异构数据、优化通信拓扑、保护用户隐私等方面还有待提高。这些不足限制了对讲机在复杂环境下的通信效果和用户体验。
技术实现思路
1、本技术提供了一种对讲机的通信方式切换方法、装置、设备及存储介质，用于提高了对讲机的通信方式切换的效率。
2、第一方面，本技术提供了一种对讲机的通信方式切换方法，所述对讲机的通信方式切换方法包括：对多模态传感器采集的异构数据进行动态融合，得到高维特征向量；
3、将所述高维特征向量输入预置的拓扑通信模型进行可塑性优化，得到初始通信方式；
4、对所述初始通信方式进行渐进式切换处理，得到目标通信状态；
5、对获取的用户行为模式以及用户通信内容进行场景参数分析，得到目标场景参数；
6、根据所述目标场景参数对所述目标通信状态进行调整参数提取，得到调整参数集；
7、根据所述调整参数集对多个对讲机进行分布式通信切换策略构建，得到目标通信切换策略，并根据所述目标通信切换策略控制所述多个对讲机。
8、结合第一方面，在本技术第一方面的第一种实现方式中，所述对多模态传感器采集的异构数据进行动态融合，得到高维特征向量，包括：
9、对多模态传感器采集的异构数据进行预处理，得到标准化数据集，并对所述标准化数据集进行数据映射，得到初始特征映射数据；
10、对所述初始特征映射数据进行自适应权重调整，得到加权特征矩阵，并根据所述加权特征矩阵构建张量分解秩，得到低秩表示数据；
11、对所述低秩表示数据进行非线性变换，得到非线性特征空间，并基于所述非线性特征空间进行深度卷积特征提取，得到多尺度特征图；
12、对所述多尺度特征图进行注意力机制分析，得到目标特征区域，并根据所述目标特征区域进行时序相关性建模，得到时序相关性表示；
13、对所述时序相关性表示进行拓扑特征处理，得到拓扑结构特征，并对所述拓扑结构特征进行高维空间映射，得到所述高维特征向量。
14、结合第一方面，在本技术第一方面的第二种实现方式中，所述将所述高维特征向量输入预置的拓扑通信模型进行可塑性优化，得到初始通信方式，包括：
15、对所述高维特征向量进行降维处理，得到压缩特征集，并基于所述压缩特征集构建图神经网络，得到初始拓扑结构；
16、对所述初始拓扑结构进行边缘权重计算，得到加权邻接矩阵，并根据所述加权邻接矩阵进行谱聚类分析，得到子网络划分数据；
17、对所述子网络划分数据进行动态路由构建，得到初始路由表，并基于所述初始路由表进行状态空间分析，得到状态-动作空间；
18、对所述状态-动作空间进行策略梯度优化，得到候选通信策略，并根据所述候选通信策略进行拓扑结构重构，得到优化拓扑结构数据；
19、对所述优化拓扑结构数据进行可塑性分析，得到可塑性指标集，并基于所述可塑性指标集对通信参数进行自适应调整，得到所述初始通信方式。
20、结合第一方面，在本技术第一方面的第三种实现方式中，所述对所述初始通信方式进行渐进式切换处理，得到目标通信状态，包括：
21、对所述初始通信方式进行参数解析，得到初始参数集，并对所述初始参数集进行马尔可夫决策分析，得到状态转移矩阵；
22、对所述状态转移矩阵进行价值迭代计算，得到最优价值函数，并根据所述最优价值函数构建贝尔曼方程，得到动态规划策略；
23、对所述动态规划策略进行梯度下降优化，得到局部最优解，并基于所述局部最优解构建遗传算法种群，得到候选解集；
24、对所述候选解集进行交叉变异操作，得到变异解空间，并通过预置的模拟退火算法对所述变异解空间进行全局分析，得到全局搜索策略；
25、对所述全局搜索策略进行粒子群优化，得到最终切换序列，并根据所述最终切换序列对通信参数进行渐进式切换分析，得到所述目标通信状态。
26、结合第一方面，在本技术第一方面的第四种实现方式中，所述对获取的用户行为模式以及用户通信内容进行场景参数分析，得到目标场景参数，包括：
27、对获取的用户行为模式进行时序分解，得到行为序列集，并对所述行为序列集进行行为特征提取，得到用户行为特征向量；
28、对用户通信内容进行语义分析，得到语义特征矩阵，并根据所述语义特征矩阵进行主题分布分析，得到潜在语义分布；
29、对所述用户行为特征向量和所述潜在语义分布进行张量融合，得到多模态表示，并对所述多模态表示进行高阶特征提取，得到高阶特征集；
30、对所述高阶特征集进行非负矩阵分解，得到基本语义单元，并根据所述基本语义单元进行层次聚类分析，得到场景类别树；
31、对所述场景类别树进行关联规则挖掘，得到场景关联网络，并根据所述场景关联网络进行参数化建模，得到所述目标场景参数。
32、结合第一方面，在本技术第一方面的第五种实现方式中，所述根据所述目标场景参数对所述目标通信状态进行调整参数提取，得到调整参数集，包括：
33、对所述目标场景参数进行主成分分析，得到降维特征空间，并对所述降维特征空间构建基于支持向量的回归函数分析，得到初始回归函数；
34、对所述初始回归函数进行核函数映射，得到高维特征映射，并根据所述高维特征映射进行交叉验证，得到最优超参数集；
35、对所述最优超参数集进行贝叶斯优化，得到参数后验分布，并根据所述参数后验分布构建高斯过程回归模型，得到概率预测函数；
36、对所述概率预测函数进行采样和敏感性分析，得到目标参数子集，并对所述目标参数子集进行多目标优化和参数空间映射，得到所述调整参数集。
37、结合第一方面，在本技术第一方面的第六种实现方式中，所述根据所述调整参数集对多个对讲机进行分布式通信切换策略构建，得到目标通信切换策略，并根据所述目标通信切换策略控制所述多个对讲机，包括：
38、对所述调整参数集进行聚类分析，得到参数子集群，并根据所述参数子集群构建分层图结构，得到多层通信网络拓扑；
39、对所述多层通信网络拓扑进行边缘计算任务分配，得到初始任务分配方案，并根据所述初始任务分配方案进行协议匹配，得到全局一致性协议；
40、对所述全局一致性协议进行博弈论分析，得到纳什均衡策略集，并根据所述纳什均衡策略集构建多智能体强化学习模型，得到协作决策分布数据集；
41、对所述协作决策分布数据集进行联邦学习训练，得到去中心化模型参数，并根据所述去中心化模型参数进行差分隐私处理，得到隐私保护通信策略；
42、对所述隐私保护通信策略进行鲁棒性优化，得到抗干扰切换方案，并根据所述抗干扰切换方案进行分布式部署和执行，得到所述目标通信切换策略。
43、第二方面，本技术提供了一种对讲机的通信方式切换装置，所述对讲机的通信方式切换装置包括：
44、融合模块，用于对多模态传感器采集的异构数据进行动态融合，得到高维特征向量；
45、优化模块，用于将所述高维特征向量输入预置的拓扑通信模型进行可塑性优化，得到初始通信方式；
46、切换模块，用于对所述初始通信方式进行渐进式切换处理，得到目标通信状态；
47、分析模块，用于对获取的用户行为模式以及用户通信内容进行场景参数分析，得到目标场景参数；
48、提取模块，用于根据所述目标场景参数对所述目标通信状态进行调整参数提取，得到调整参数集；
49、控制模块，用于根据所述调整参数集对多个对讲机进行分布式通信切换策略构建，得到目标通信切换策略，并根据所述目标通信切换策略控制所述多个对讲机。
50、本技术第三方面提供了一种对讲机的通信方式切换设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述对讲机的通信方式切换设备执行上述的对讲机的通信方式切换方法。
51、本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的对讲机的通信方式切换方法。
52、本技术提供的技术方案中，通过对多模态传感器采集的异构数据进行动态融合，得到高维特征向量，实现了对复杂通信环境的全面感知和精确表征，大大提升了系统对环境变化的适应能力。其次，将高维特征向量输入预置的拓扑通信模型进行可塑性优化，得到初始通信方式，这种基于图神经网络和强化学习的方法能够自适应地构建和优化通信拓扑，显著提高了网络的灵活性和鲁棒性。再者，对初始通信方式进行渐进式切换处理，得到目标通信状态，通过结合马尔可夫决策过程、动态规划和进化算法，实现了通信参数的平滑过渡和全局最优化，有效避免了传统方法中的通信中断和性能波动问题。此外，本方法对获取的用户行为模式以及用户通信内容进行场景参数分析，得到目标场景参数，这种深度语义理解和多模态融合的方法能够准确捕捉用户需求和通信场景特征，为后续的通信优化提供了精准的决策依据。根据目标场景参数对目标通信状态进行调整参数提取，得到调整参数集，这一步骤通过结合主成分分析、支持向量回归、高斯过程等先进机器学习算法，实现了通信参数的精细化调整和多目标优化，大大提升了系统的适应性和通信质量。根据调整参数集对多个对讲机进行分布式通信切换策略构建，得到目标通信切换策略，并根据目标通信切换策略控制多个对讲机，这种基于多智能体强化学习和联邦学习的分布式决策框架，不仅实现了多设备的协同优化，还通过差分隐私技术保护了用户的通信隐私。通过融合多种先进的人工智能和通信技术，实现了对讲机通信系统的智能化、个性化和协同化，大幅提升了系统在复杂环境下的通信效率、可靠性和用户体验。
1.一种对讲机的通信方式切换方法，其特征在于，所述对讲机的通信方式切换方法包括：
2.根据权利要求1所述的对讲机的通信方式切换方法，其特征在于，所述对多模态传感器采集的异构数据进行动态融合，得到高维特征向量，包括：
3.根据权利要求1所述的对讲机的通信方式切换方法，其特征在于，所述将所述高维特征向量输入预置的拓扑通信模型进行可塑性优化，得到初始通信方式，包括：
4.根据权利要求1所述的对讲机的通信方式切换方法，其特征在于，所述对所述初始通信方式进行渐进式切换处理，得到目标通信状态，包括：
5.根据权利要求1所述的对讲机的通信方式切换方法，其特征在于，所述对获取的用户行为模式以及用户通信内容进行场景参数分析，得到目标场景参数，包括：
6.根据权利要求1所述的对讲机的通信方式切换方法，其特征在于，所述根据所述目标场景参数对所述目标通信状态进行调整参数提取，得到调整参数集，包括：
7.根据权利要求1所述的对讲机的通信方式切换方法，其特征在于，所述根据所述调整参数集对多个对讲机进行分布式通信切换策略构建，得到目标通信切换策略，并根据所述目标通信切换策略控制所述多个对讲机，包括：
8.一种对讲机的通信方式切换装置，其特征在于，用于执行如权利要求1-7中任一项所述的对讲机的通信方式切换方法，所述装置包括：
9.一种对讲机的通信方式切换设备，其特征在于，所述对讲机的通信方式切换设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的对讲机的通信方式切换方法。
