边缘计算网络中基于机器学习的无人机飞行轨迹优化方法技术

本发明专利技术公开了一种边缘计算网络中基于机器学习的无人机飞行轨迹优化方法，包括以下步骤：在一个周期内，无人机从部署服务器的位置出发，依次经过各地面终端并完成通信任务，然后返回至初始位置，其中，当无人机起飞时，根据地面终端的位置分布计算飞行调度表，然后根据所述飞行调度表依次飞行经过各地面终端；无人机在飞行过程中，利用迭代采取随机方法及机器学习方法计算其局部优化轨迹，将所述局部优化轨迹添加到全局优化轨迹q中，并沿着该全局优化轨迹q飞行，该方法能够有效地减少无人机的飞行距离及飞行时间，缩短飞行周期，提高传输效率。

【技术实现步骤摘要】
边缘计算网络中基于机器学习的无人机飞行轨迹优化方法
本专利技术涉及一种无人机飞行轨迹优化方法，具体涉及一种边缘计算网络中基于机器学习的无人机飞行轨迹优化方法。
技术介绍
传统上，无线通信主要采用固定的地面基础设施，如地面基站(BS)、接入点和中继。为了有效地满足日益增长和高度多样化的交通需求，利用各种空中通信平台，如气球(Helikites)和无人机(UAV)，从空中提供无线连接。无人机(UAV)近年来在许多领域得到了广泛的关注：它们可以应用于许多不同的场景，包括监视、监视、移动中继和数据收集。一般来说，无人机可以提供视距路径(LoS)链路，从而提供良好的链路容量。由于其潜在的机动性，灵活的部署，以及低成本，无人机可用于多种应用，如精确农业，搜索和救援，物联网(IoT)通信以及及时的环境监测和灾害预警。此外，无人机可以用作移动中继来扩展网络的容量和覆盖率。同时，随着信息技术(IT)领域的日益普及，FacebookAquilaDrone和GoogleLoonProject都旨在利用无人机为远程用户提供无处不在的互联网接入。灵活部署无人机，可以使其成为空中基站(BSs)为地面终端(GTs本文档来自技高网...

【技术保护点】
1.一种边缘计算网络中基于机器学习的无人机飞行轨迹优化方法，其特征在于，包括以下步骤：在一个周期内，无人机从部署服务器的位置出发，依次经过各地面终端并完成通信任务，然后返回至初始位置，其中，当无人机起飞时，根据地面终端的位置分布计算飞行调度表，然后根据所述飞行调度表依次飞行经过各地面终端；其中，当无人机进入地面终端的通信范围D内时，无人机初始化地面终端的信息，同时地面终端向无人机发送需求信息，无人机接收到需求信息后则开始向地面终端传输需求内容，其中，同一时间无人机只能与一个地面终端进行通信，当无人机与当前地面终端完成通信任务后，则飞向下一个地面终端；无人机在飞行过程中，利用迭代采取随机方法及机...

【技术特征摘要】
1.一种边缘计算网络中基于机器学习的无人机飞行轨迹优化方法，其特征在于，包括以下步骤：在一个周期内，无人机从部署服务器的位置出发，依次经过各地面终端并完成通信任务，然后返回至初始位置，其中，当无人机起飞时，根据地面终端的位置分布计算飞行调度表，然后根据所述飞行调度表依次飞行经过各地面终端；其中，当无人机进入地面终端的通信范围D内时，无人机初始化地面终端的信息，同时地面终端向无人机发送需求信息，无人机接收到需求信息后则开始向地面终端传输需求内容，其中，同一时间无人机只能与一个地面终端进行通信，当无人机与当前地面终端完成通信任务后，则飞向下一个地面终端；无人机在飞行过程中，利用迭代采取随机方法及机器学习方法计算其局部优化轨迹，将所述局部优化轨迹添加到全局优化轨迹q中，并沿着该全局优化轨迹q飞行。2.根据权利要求1所述的边缘计算网络中基于机器学习的无人机飞行轨迹优化方法，其特征在于，当无人机起飞时，根据地面终端的位置分布计算飞行调度表，然后根据所述飞行调度表依次飞行经过各地面终端的具体操作为：令D＝0，地面终端的最短轨迹问题变成经典旅行商问题，利用蚁群算法求解该地面终端的最短轨迹问题，得飞行调度表，整理所述飞行调度表，无人机按照该飞行调度表顺序依次经过各地面终端。3.根据权利要求1所述的边缘计算网络中基于机器学习的无人机飞行轨迹优化方法，其特征在于，当无人机进入地面终端的通信范围D内时，无人机初始化地面终端的信息，同时地面终端向无人机发送需求信息，并开始向地面终端传输需求内容的具体操作为：当无人机进入当前需要通信的地面终端时，无人机获取地面终端所需的通信数据，然后将地面终端所需的通信数据发送给地面终端，其中，地面终端所需通信数据的大小为设地面终端的正上方，无人机在位置坐标wk处的最大传输速率rmax为：无人机处于位置坐标wk的通信边界上的最小传输速率rmin为：则无人机完成通信需要的最短时间无人机完成通信需要的最长传输时间即在实际情况下无人机完成通信需要的时间i为Mmin≤i<Mmax。4.根据权利要求1所述的边缘计算网络中基于机器学习的无人机飞行轨迹优化，其特征在于，计算无人机的局部优化轨迹的具体过程为：建立全局轨迹优化问题(P1)，其中，(P1):minM其中，M为一个周期时间离散的间隙δ(t)数量，q(1)＝q(M)表示在一个周期内，无人机从起点出发最终返回至起点，L表示无人机在一个时隙的飞行距离，αk(n)为变量，αk(n)表示地面终端的通信调度因子，αk(n)具体表示无人机在时隙n时是否与地面终端发生数据交互，即αk(n)＝1，则表明无人机在时隙n时与地面终端发生了数据交互通信；αk(n)＝0，则表明无人机在时隙n时没有与地面终端发生数据交互通信，B为通信带宽，γ0为当距离1米时接收机的信噪比，P为传输功率，H为无人机与地面终端的高度差，wk为地面终端的位置坐标，代表地面终端所需通信数据量的大小；求解该全局轨迹优化问题(P1)，通过计算飞行调度表将其转化为求解局部轨迹优化问题，得无人机的局部优化轨迹然后将局部优化轨迹添加到全局优化轨迹q中。5.根据权利要求4所述的边缘计算网络中基于机器学习的无人机飞行轨迹优化方法...

【专利技术属性】
技术研发人员：杜清河，张小沛，徐大旦，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61