一种基于贝叶斯矩阵补全的无人机频谱感知算法制造技术

本发明专利技术提供一种基于贝叶斯矩阵补全的无人机频谱感知算法，属于无人机频谱感知算法领域，包括如下步骤：步骤一、综合考虑频谱感知区域大小和无人机数量，将频谱感知区域划分成若干单架无人机感知的小区块，让每架无人机分别负责其中的一个小区块；步骤二、使用Kuhn

【技术实现步骤摘要】
一种基于贝叶斯矩阵补全的无人机频谱感知算法


[0001]本专利技术专利属于无人机频谱感知算法领域，涉及一种基于贝叶斯矩阵补全的无人机频谱感知算法。

技术介绍

[0002]当需要知道某一个空间区域中的频谱，传统的方法会使用无人机搭载传感器遍历整个空间区域，获得空间中所有位置点频谱的真实值。这种遍历的方法能够获得空间频谱的准确值，但是使用遍历的方法在时间和距离方面需要很大的代价，并且这种遍历涉及大规模的路径规划问题，在实践中往往难以求解。矩阵补全算法使得获取空间频谱不再需要遍历所有位置点获得频谱的真实值，而通过远低于奈奎斯特采样定律所需数量的采样点的采样数据即可高精度地补全整个矩阵。相较于遍历整个区域，现在只需要遍历一定数量的采样点就可以通过矩阵补全算法来恢复出整个区域的频谱。但是，即使降低了所需采样点的数量，求解路径规划仍然是一个棘手的问题，需要进一步降低路径规划问题的规模，使得问题的解可以在可接受的时间内被计算出来。

技术实现思路

[0003]本专利技术的目的：提供一种基于贝叶斯矩阵补全的无人机频谱感知算法，解决现有技术中为了得到某一个空间区域中的频谱，采样点数量多，路径规划问题的规模大和计算时间长的问题。
[0004]
技术实现思路
：一种基于贝叶斯矩阵补全的无人机频谱感知算法，包括如下步骤：
[0005]步骤一、综合考虑频谱感知区域大小和无人机数量，将频谱感知区域划分成若干单架无人机感知的小区块，让每架无人机分别负责其中的一个小区块；
[0006]步骤二、使用Kuhn
‑<br/>Munkres算法计算无人机从初始位置移动到各自负责区块的最短路径；
[0007]步骤三、对每个小区块，使用遗传算法求解遍历所有采样点的最短路径；
[0008]步骤四、对获得的采样点数据，使用贝叶斯矩阵补全算法估计整块区域频谱。
[0009]进一步的，所述步骤一的具体操作方法如下：
[0010](1)将三维空间的频谱感知视为二维空间频谱感知的叠加，所以只考虑二维区域；
[0011](2)假设需要感知频谱的区域为一片100
×
100单位长度的区域，无人机数量为100，采样率为0.3：
[0012](3)根据频谱感知区域的大小和无人机数量，将频谱感知区域划分为100个10
×
10的小区块，让100架无人机分别负责其中的一块；
[0013]具体算法表示为：
[0014]用X表示频谱感知区域内未知的频谱矩阵；Ω表示采样矩阵，Ω
ij
＝1表示X的{i，j}位置元素被采样；Y＝Ω*X，表示采样到的数据矩阵；
[0015]依假设，X，Ω，Y∈R
M
×
N
，M，N＝100，R
M
×
N
表示M
×
N维实数矩阵的集合；将X，Ω，Y均匀
划分为100个10
×
10的矩阵，有X
ij
∈R
m
×
n
，i∈[1，M]，j∈[1，N]，m，n＝10，R
m
×
n
表示m
×
n维实数矩阵的集合；同理类推Ω，Y，于是有Y
ij
＝Ω
ij
*X
ij
。
[0016]进一步的，所述步骤二的具体操作方法如下：
[0017](1)以频谱感知区域频谱矩阵的下标来代表该点的位置坐标；
[0018](2)假设无人机集群初始编队为A，目标编队为B；初始编队中第i个初始位置为ai，目标编队中第j个目标位置为b
j
，a
i
，b
j
∈R1×2是编队中的位置坐标；是编队中的位置坐标；K＝100为无人机数量；
[0019](3)初始编队A是无人机集群的初始位置状态，假设无人机集群初始位置是位于频谱感知区域中心的矩形编队位置，即a
i
＝[a
i1
，a
i2
]，a
i1
，a
i2
∈[41，50]；
[0020](4)对于目标编队B，首先计算出初始编队A的位置中心为坐标[45.5，45.5]处，记为点p0；对每一个小区块，其采样矩阵为Ω
ij
，记录Ω
ij
所有1元素即该区块的采样点对应在Ω中的坐标，记所有1元素的位置为平均每个小区块有30个采样点；计算P中距离p0最近的位置点，即对每一个小区块，将选出的位置点加入目标编队B中；
[0021](5)对于初始编队A和目标编队B，使用Kuhn
‑
Munkres算法来求解各无人机移动路线。
[0022]进一步的，所述步骤三的具体操作方法如下：
[0023](1)首先获得小区块内所有采样点坐标，即Ω
ij
所有1元素或者说是该区块所有的采样点对应在Ω中的坐标，记为假设该区块内被划分到了q个采样点，则
[0024](2)将遍历所有采样点看作旅行商问题，使用遗传算法来求解；
[0025]在遗传算法来求解步骤中，负责该区块的无人机已经移动到该区块中距离初始编队中心p0最近的采样点p
i
处，因此固定所有个体基因的坐标序列中第一个坐标序号为p
i
的序号，并且在之后的选择、交叉、变异中均不改变第一个访问的坐标序号，使该TSP问题总是从p
i
处开始，并且不回到初始位置。
[0026]进一步的，所述步骤四的具体操作方法如下：
[0027]经过步骤一至步骤三，对于Y＝Ω*X，已知Ω，并且通过采样获得了Y，使用贝叶斯矩阵补全算法来估计X，在使用贝叶斯矩阵补全算法来估计X的过程中，使用GAMP算法进行加速。
[0028]有益效果：
[0029]本专利技术在用于得到某一个空间区域中的频谱时，相比于现有方法，降低了所需采样点的数量，降低了路径规划问题的规模，使得问题的解可以在可接受的时间内被计算出来。
附图说明
[0030]图1为遗传算法流程图；
[0031]图2为现有技术中用所有的无人机来遍历整个区域获得区域中的所有频谱的过程；
[0032]图3为本专利技术无人机频谱感知采样过程；
[0033]图4A为本专利技术中使用Kuhn
‑
Munkres算法将所有无人机从初始位置在区域中心移动到各自负责的小区块的示意图；
[0034]图4B为专利技术中使用遗传算法求解旅行商问题，使单架无人机在负责的小区域内遍历采样点的示意图；
[0035]图4C为无人机频谱感知效果示意图；
[0036]图5为本专利技术无人机感知的距离代价、时间代价、恢复误差和采样率的关系。
具体实施方式
[0037]下面结合附图和具体实施案例对本专利技术的技术方案展开详细具体的说明。...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯矩阵补全的无人机频谱感知算法，其特征在于，包括如下步骤：步骤一、综合考虑频谱感知区域大小和无人机数量，将频谱感知区域划分成若干单架无人机感知的小区块，让每架无人机分别负责其中的一个小区块；步骤二、使用Kuhn
‑
Munkres算法计算无人机从初始位置移动到各自负责区块的最短路径；步骤三、对每个小区块，使用遗传算法求解遍历所有采样点的最短路径；步骤四、对获得的采样点数据，使用贝叶斯矩阵补全算法估计整块区域频谱。2.根据权利要求1所述的一种基于贝叶斯矩阵补全的无人机频谱感知算法，其特征在于，所述步骤一的具体操作方法如下：(1)将三维空间的频谱感知视为二维空间频谱感知的叠加，所以只考虑二维区域；(2)假设需要感知频谱的区域为一片100
×
100单位长度的区域，无人机数量为100，采样率为0.3；(3)根据频谱感知区域的大小和无人机数量，将频谱感知区域划分为100个10
×
10的小区块，让100架无人机分别负责其中的一块；具体算法表示为：用X表示频谱感知区域内未知的频谱矩阵；Ω表示采样矩阵，Ω
ij
＝1表示X的{i，j}位置元素被采样；Y＝Ω*X，表示采样到的数据矩阵；依假设，X，Ω，Y∈R
M
×
N
，M，N＝100，R
M
×
N
表示M
×
N维实数矩阵的集合；将X，Ω，Y均匀划分为100个10
×
10的矩阵，有X
ij
∈R
m
×
n
，i∈[1，M]，j∈[1，N]，m，n＝10，R
m
×
n
表示m
×
n维实数矩阵的集合；同理类推Ω，Y，于是有Y
ij
＝Ω
ij
*X
ij
。3.根据权利要求2所述的一种基于贝叶斯矩阵补全的无人机频谱感知算法，其特征在于，所述步骤二的具体操作方法如下：(1)以频谱感知区域频谱矩阵的下标来代表该点的位置坐标；(2)假设无人机集群初始编队为A，目标编队为B；初始编队中第i个初始...

【专利技术属性】
技术研发人员：柏业超，傅彬，滕思茹，王哲，王琼，唐岚，张兴敢，
申请(专利权)人：南京大学，
类型：发明
国别省市：