一种无人机数据收集方法技术

本发明专利技术涉及一种无人机数据收集方法，属于无线通信技术领域，包括以下步骤：S1：建模UAV模型；S2：建模SN模型；S3：建模信道模型；S4：基于亲和力传播算法确定SN聚类策略；S5：建模网络效用函数；S6：建模资源调度、带宽分配限制条件；S7：建模系统状态、动作和输出奖励；S8：建模并训练双时延深度确定性策略梯度网络；S9：基于双时延深度确定性策略梯度算法确定UAV数据收集策略。本发明专利技术在综合考虑SN的带宽分配及资源调度限制的情况下，联合优化无人机轨迹及传感器节点关联策略，实现网络效用最大化。实现网络效用最大化。实现网络效用最大化。

【技术实现步骤摘要】
一种无人机数据收集方法


[0001]本专利技术属于无线通信
，涉及一种无人机数据收集方法。

技术介绍

[0002]近年来，由于UAV制造技术的发展和成本的降低，UAV已广泛应用于民用和商业领域。在部分物联网数据收集应用中，无线传感器节点需采集环境数据并传输至汇聚节点，由于SN能量有限且与汇聚节点之间距离较远，难以高效完成数据收集，使用UAV进行数据收集已经受到越来越多的关注，与传统地面通信系统相比，通过对UAV轨迹及关联策略的优化可以有效提升数据收集的效率。相关研究表明，UAV的轨迹及关联策略将对系统性能产生显著的影响。
[0003]目前已有文献针对UAV数据收集问题进行研究，如提出了一种基于最小化时间年龄的UAV数据收集策略；但现有研究较少联合考虑SN成簇、SN发送能耗及UAV收集数据所需能耗对网络效用的影响问题，难以实现高效的数据收集性能优化。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种无人机数据收集方法，针对包含一个UAV以及多个SN的UAV辅助的物联网数据收集系统，建模网络效用函数为SN发送能耗及UAV收集数据所需能耗的相反数，以最大化网络效用为目标，实现UAV轨迹及用户关联策略的联合优化。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种无人机数据收集方法，包括以下步骤：
[0007]S1：建模UAV模型；
[0008]S2：建模SN模型；
[0009]S3：建模信道模型；
[0010]S4：基于亲和力传播算法确定SN聚类策略；
[0011]S5：建模网络效用函数；
[0012]S6：建模资源调度、带宽分配限制条件；
[0013]S7：建模系统状态、动作和输出奖励；
[0014]S8：建模并训练双时延深度确定性策略梯度网络；
[0015]S9：基于双时延深度确定性策略梯度算法确定UAV数据收集策略。
[0016]进一步，步骤S1中所述建模UAV模型具体包括：将系统时间划分为大小相等的时隙，令T表示时隙总数，τ表示时隙长度，并假设在一个时隙内UAV的位置固定不变；UAV从初始位置出发对所有SN进行数据收集后返回初始位置，令H为UAV的飞行高度，UAV在时隙t的位置为UAV的最大速度为v
max
；v
t
∈[0,v
max
]表示UAV在时隙t的飞行速度；令B0表示UAV的可用带宽。
[0017]进一步，步骤S2中所述建模SN模型具体包括：SN
m
表示第m个SN，χ
m
表示SN
m
的数据包
大小，SN
m
的位置为1≤m≤M，M为SN数量，SNs从环境中采集数据并通过正交频分多址技术传输至UAV，时隙t内，最多可支持m0个SN同时上传数据至UAV。
[0018]进一步，步骤S3中所述建模信道模型具体包括：建模时隙t，SN
m
与UAV之间信道模型，具体为：其中a为路径损耗系数，ρ0为距离为1m时的参考信道增益，表示时隙t，UAV与SN
m
之间的距离；建模为高斯随机变量，e∈{LoS,NLoS}为传播参数。
[0019]进一步，步骤S4中所述基于亲和力传播算法确定SN聚类策略，具体包括：利用SN之间的相似性将其划分为K个簇；令二元指标矩阵ρ＝[ρ
m,k
]M
×
M
，其中ρ
m,k
∈{0,1}，若ρ
m,k
＝1，表示SN
k
为SN
m
的聚类中心，反之，ρ
m,k
＝0；
[0020]基于优化问题对聚类中心进行优化，其中κ是非负常数，表示节点作为聚类中心的能力；
[0021]建模SNs成簇限制条件为：
[0022]①
表示一个SN只能与一个聚类中心关联；
[0023]②
表示一个簇最多包含m0个SN；
[0024]令S＝(s
m,k
)
M
×
M
为相似度矩阵，其中s
m,k
表示SN
m
和SN
k
之间的相似性，建模为：
[0025][0026]令Ψ＝(ψ
m,k
)
M
×
M
为吸引度矩阵，其中ψ
m,k
表示SN
k
成为覆盖SN
m
的聚类中心的适合度；令为归属度矩阵，其中为SN
m
选择SN
k
作为其聚类中心的适合度；给定SN
k
，初始化ψ
m,k
＝0，假设n是当前迭代次数，分别为ψ
m,k
，的第n次迭代值，则ψ
m,k
及的更新公式如下：
[0027][0028][0029]重复执行更新步骤直至算法收敛，得到聚类中心，集合进而确定SN的聚类策略为：
[0030]进一步，在步骤S5中所述建模网络效用函数为：
[0031][0032]其中ζ和ω分别为SN传输能耗和UAV推进能耗的权重系数；为SN在时隙t的传输能耗，E
m,t
表示SN
m
在时隙t的能耗，计算公式为：E
m,t
＝α
m,t
p
m,t
D
m,t
，其中α
m,t
∈{0,1}，若α
m,t
＝1，表示SN
m
在时隙t上传数据至UAV，反之，α
m,t
＝0；p
m,t
表示SN
m
在时隙t的传输功率，D
m,t
表示上传数据的时延，建模为：R
m,t
表示SN
m
在时隙t内的传输速率，建模为其中B
m,t
为SN
m
在时隙t分配的带宽，σ2为噪声功率；
[0033]表示UAV在时隙t的能量消耗，建模为其中l0为给定门限值，为UAV的悬停能耗，建模为其中P
h
为悬停能耗；表示UAV在时隙t飞行时的能耗，计算公式为：
[0034][0035]其中P0和P
i
为常数，分别表示叶片剖面功率和悬停状态下的感应功率，U
tip
为转子叶片的叶尖速度，v0为UAV悬停时平均转子诱导速度，d0和s分别为机身阻力比和转子可靠性，ρ和Λ分别为空气密度和转子盘面积。
[0036]进一步，在步骤S6中所述建模资源调度、带宽分配限制条件，具体包括：
[0037][0038][0039]进一步，在步骤S7中所述建模系统状态、动作和输出奖励，具体包括：建模系统在时隙t的状态其中h
...

【技术保护点】

【技术特征摘要】
1.一种无人机数据收集方法，其特征在于：包括以下步骤：S1：建模UAV模型；S2：建模SN模型；S3：建模信道模型；S4：基于亲和力传播算法确定SN聚类策略；S5：建模网络效用函数；S6：建模资源调度、带宽分配限制条件；S7：建模系统状态、动作和输出奖励；S8：建模并训练双时延深度确定性策略梯度网络；S9：基于双时延深度确定性策略梯度算法确定UAV数据收集策略。2.根据权利要求1所述的无人机数据收集方法，其特征在于：步骤S1中所述建模UAV模型具体包括：将系统时间划分为大小相等的时隙，令T表示时隙总数，τ表示时隙长度，并假设在一个时隙内UAV的位置固定不变；UAV从初始位置出发对所有SN进行数据收集后返回初始位置，令H为UAV的飞行高度，UAV在时隙t的位置为UAV的最大速度为v
max
；v
t
∈[0,v
max
]表示UAV在时隙t的飞行速度；令B0表示UAV的可用带宽。3.根据权利要求1所述的无人机数据收集方法，其特征在于：步骤S2中所述建模SN模型具体包括：SN
m
表示第m个SN，χ
m
表示SN
m
的数据包大小，SN
m
的位置为1≤m≤M，M为SN数量，SNs从环境中采集数据并通过正交频分多址技术传输至UAV，时隙t内，最多可支持m0个SN同时上传数据至UAV。4.根据权利要求1所述的无人机数据收集方法，其特征在于：步骤S3中所述建模信道模型具体包括：建模时隙t，SN
m
与UAV之间信道模型，具体为：其中a为路径损耗系数，ρ0为距离为1m时的参考信道增益，表示时隙t，UAV与SN
m
之间的距离；建模为高斯随机变量，e∈{LoS,NLoS}为传播参数。5.根据权利要求1所述的无人机数据收集方法，其特征在于：步骤S4中所述基于亲和力传播算法确定SN聚类策略，具体包括：利用SN之间的相似性将其划分为K个簇；令二元指标矩阵ρ＝[ρ
m,k
]
M
×
M
，其中ρ
m,k
∈{0,1}，若ρ
m,k
＝1，表示SN
k
为SN
m
的聚类中心，反之，ρ
m,k
＝0；基于优化问题对聚类中心进行优化，其中κ是非负常数，表示节点作为聚类中心的能力；建模SNs成簇限制条件为：
①
表示一个SN只能与一个聚类中心关联；
②
表示一个簇最多包含m0个SN；
令S＝(s
m,k
)
M
×
M
为相似度矩阵，其中s
m,k
表示SN
m
和SN
k
之间的相似性，建模为：令Ψ＝(ψ
m,k
)
M
×
M
为吸引度矩阵，其中ψ
m,k
表示SN
k
成为覆盖SN
m
的聚类中心的适合度；令为归属度矩阵，其中为SN
m
选择SN
k
作为其聚类中心的适合度；给定SN
k
，初始化ψ
m,k
＝0，假设n是当前迭代次数，分别为ψ
m,k
，的第n次迭代值，则ψ
m,k
及的更新公式如下：的更新公式如下：重复执行更新步骤直至算法收敛，得到聚类中心，集合进而确定SN的聚类策略为：6.根据权利要求1所述的无人机数据收集方法，其特征在于：在步骤S5中所述建模网络效用函数为：其中ζ和ω分别为SN传输能耗和UAV推进能耗的权重系数；为SN在时隙t的传输能耗，E
m,t
表示SN
m
在时隙t的能耗，计算公式为：E
m,t
＝α
m,t
p
m,t
D
m,t
，其中α

【专利技术属性】
技术研发人员：柴蓉，唐柔枝，李沛欣，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：