【技术实现步骤摘要】
兼顾时延与能耗的CF
‑
UAV智能传输信令交互方法
[0001]本专利技术属于移动通信与人工智能
，特别是涉及一种兼顾时延与能耗的CF
‑
UAV智能传输信令交互方法。
技术介绍
[0002]随着新兴业务的不断涌现，移动通信系统的场景和网络部署也变得复杂多变。例如，在音乐会、运动会等业务拥塞的短时网络“热点”及自然灾害造成的救灾、灾后重建等应急场景，复杂多变的环境将导致传统地面基础设施受限或受损。配备通信功能的无人机（Unmanned Aerial Vehicle,UAV）具有移动性和灵活部署等优点，可作为空中基站进行快速、精准地部署，为应急场景中的用户提供服务，有效地扩展地面的物理资源维度，应急场景面临复杂的异构网络环境，具有多路大流量的高清数据回传需求，应急前线与控制中心需要实时交互来提高作战指挥效率。构建蜂窝
‑
UAV通信系统，利用蜂窝网为UAV基站提供无线回程链路，是一种主流的解决办法。
[0003]然而，蜂窝
‑
UAV系统，仍然受传...
【技术保护点】
【技术特征摘要】
1.一种兼顾时延与能耗的CF
‑
UAV智能传输信令交互方法，其特征在于，包括以下步骤：构建联邦学习模型，执行联邦学习模型的一次迭代训练过程；对所述一次迭代训练过程进行分析，构建时延与能耗折中计算模型；基于所述时延与能耗折中计算模型对所述联邦学习模型进行性能优化；所述时延与能耗折中计算模型包括时延模型与终端能耗模型；对所述一次迭代训练过程的总执行时间进行定义，基于所述总执行时间以及一次迭代训练的总迭代次数构建联邦学习模型性能优化的约束条件；基于并行的AM算法最小化联邦学习模型的训练时间，获取联邦学习模型的初始参数设计，进行CF
‑
UAV网络传输优化。2.根据权利要求1所述的兼顾时延与能耗的CF
‑
UAV智能传输信令交互方法，其特征在于，所述时延模型包括下行传输时延模型、本地更新时延模型、上行传输时延模型；执行联邦学习模型的迭代训练过程包括：CPU向所选终端发送下行链路的全局模型更新；终端接收所述全局模型更新，并计算本地模型更新；终端向CPU发送上行链路的所述本地模型更新；CPU接收所有本地模型更新，进行全局模型聚合。3.根据权利要求2所述的兼顾时延与能耗的CF
‑
UAV智能传输信令交互方法，其特征在于，所述下行传输时延模型的构建过程包括：在CPU向所选终端发送下行链路的全局模型更新的过程中，基于数据大小、下行数据速率分别计算从CPU到无线访问节点以及从无线访问节点到终端的下行链路传输时延。4.根据权利要求2所述的兼顾时延与能耗的CF
‑
UAV智能传输信令交互方法，其特征在于，所述本地更新时延模型的构建过程包括：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。