多无人机间数据实时汇聚路径选择方法及装置制造方法及图纸

本发明专利技术涉及一种多无人机间数据实时汇聚路径选择方法及装置。所述方法包括针对无人机集群，构建每一时刻t的任务群特征图；使用L层的图卷积层对所述任务群特征图进行图特征汇聚；对最后一个图卷积层的输出进行隐变量子图采样，以计算节点为汇聚节点的概率值；在所述概率值小于设定阈值的情况下，在子群S

【技术实现步骤摘要】
多无人机间数据实时汇聚路径选择方法及装置


[0001]本专利技术涉及无人机
，尤其涉及一种多无人机间数据实时汇聚路径选择方法及装置。

技术介绍

[0002]当前，空中多无人机执行任务向着分布式、集群化、协同化发展，能够形成单一平台所不具有的独特优势，例如经济优势、数量优势、能效优势、速度优势等。为实现多无人机执行任务过程中的有效协同，研究如何将单个无人机视野下的数据流转换为群体信息优势，实现多无人机平台数据的实时汇聚和处理，辅助后续任务的快速准确执行，已成为重要的研究课题之一。
[0003]传统的多无人机协同执行任务时，往往是预先设置簇头无人机或长机，同时设置地面数据中心，各无人机通过与长机或地面数据中心的连接实现机载数据的汇聚。但当无人机执行的任务复杂、集群规模较大时，上述传统的数据实时汇聚方式具有通信频繁、作业半径大等特点，给地面数据中心带来了极高的网络数据传输负载；同时，大量的无人机
‑
地面数据中心模式的数据传输带来了大规模的数据冗余，不仅增加了数据传输的延时，也给后续的任务推演等环节带来了额外的计算负担；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机间数据实时汇聚路径选择方法，其特征在于，所述方法包括：针对无人机集群，构建每一时刻t的任务群特征图；其中，所述任务群特征图的基本单元G＝(v
mp
,e
vu
,u
nq
)，v
mp
表示无人机子群S
m
中的第p个节点为数据发送节点，u
nq
表示无人机子群S
n
中的第q个节点，e
vu
是表示数据是从节点v
mp
汇聚至节点u
nq
的有向边，所述任务群特征图的节点属性基于该时刻的无人机属性得到，所述任务群特征图的有向边属性基于该时刻的链路通信属性得到；使用L层的图卷积层对所述任务群特征图进行图特征汇聚；对最后一个图卷积层的输出进行隐变量子图采样，以计算所述节点u
nq
为汇聚节点的概率值；在所述概率值小于设定阈值的情况下，在所述子群S
n
中重新选择一节点，并返回至针对无人机集群，构建每一时刻t的任务群特征图；在所述概率值大于设定阈值的情况下，基于所述节点u
nq
进行汇聚路径规划，得到实时路径选择结果。2.如权利要求1所述的方法，其特征在于，所述无人机属性包括：节点任务、位置、任务数据量、数据容量、计算能力和飞行状态。3.如权利要求1所述的方法，其特征在于，所述链路通信属性包括：节点间通信带宽、可用发送链路带宽、链路长度、数据发送速度和融合计算延时。4.如权利要求1所述的方法，其特征在于，所述使用L层的图卷积层对所述任务群特征图进行图特征汇聚，包括：对于每一个图卷积层l，基于公式和公式进行特征更新；其中，表示节点v
mp
的第l+1层特征向量，G表示任务群特征图，表示第l层的节点注意力系数，表示第l层的聚合节点和边特征的可学习权重，表示无参数的组合对齐运算，表示节点u
nq
的第l层特征向量，表示有向边e
vu
的第l层特征向量，f(
·
)为激活函数，表示第l层的有向边注意力系数，表示聚合节点特征的可学习权重。5.如权利要求4所述的方法，其特征在于，所述节点注意力系数5.如权利要求4所述的方法，其特征在于，所述节点注意力系数其中，衰减函数所述有向边注意力系数6.一种多无人机间数据实时汇聚路径选择装置，其特征在于，所述装置包括：特征图构建模块，用于针对无人机集群，构建每一时刻t的任务群特征图；其中，所述任务群特征图的基本单元G＝(v
mp
,e
vu
,u
nq
)，v
mp
表示无人机子群S
m
中的第p个节点为数据发送节点，u
nq
表示无人机子群S
n
中的第q个节点，e
vu
是表示数据是从节点v
mp
汇聚至节点u
nq
的有
向边，所述任务群特征图的节点属性基于该时刻的无人机属性得到，所述任务群特征图的有向边属性基于该时刻的链路通信属性得到；图卷积网络，用于使用L层的图卷积层对所述任务群特征图进行图特征汇聚；路径选择模块，用于对最后一个图卷积层的输出进行隐变量子图采样，以计算所述节点u
nq
为汇...

【专利技术属性】
技术研发人员：赵怡婧，刘雨蒙，王鹏，万梓航，王碧聪，王潮，闫紫滕，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：