面向数据采集的多无人机路径规划方法技术

本发明专利技术公开了一种面向数据采集的多无人机路径规划方法，包括：将无人机传感器节点分为若干个簇，通过所述若干个簇进行数据采集，获取簇组数据采集的过程和无人机路径；对所述簇组数据采集的过程进行相关性优化，获得分簇问题的解；对无人机路径进行优化，获得无人机路径优化解；基于所述分簇问题的解和所述无人机路径优化解对多无人机的路径进行规划

【技术实现步骤摘要】
J,XIE L.Multi
‑
UAV aided data collection for age minimization in wireless sensor networks[C]//International Conference on Wireless Communications and Signal Processing(WCSP).Nanjing:IEEE,2020:80
‑
85.]中在利用图论建模的基础上，使用
k
‑
means
算法实现
SNs
的聚类，并利用遗传算法优化
UAV
飞行路径
。
文献
[12:LIU J,TONG P,WANG X,etal.UAV
‑
aided data collection for information freshness in wireless sensor networks[J].IEEE Transactions on Wireless Communications,2021,21(4):2368
‑
2382.]则是先对
SN
进行分簇，
UAV
在固定悬停节点直接采集簇内
SN
信息，在一定程度上考虑了所采集数据的关联性，但是该文献中每个
SN
均需要独立发送数据给
UAV
会降低采集效率，且基于
k
‑
means
算法的分簇受初始值和异常点影响较大，获得的往往是局部最优解，在一定程度增加了
WSNs
采集信息的
AoI
，降低了信息的时效性
。
对于上述文献
UAV
悬停的采集策略，在一些较大的数据采集区域中，由于
UAV
的续航能力有限，需要定时进行充电或者更换电池，这也限制了
UAV
辅助数据采集的范围和数据采集效率
。
为此，通过合理分簇，由簇头成员搜集簇内成员信息，多
UAV
协同采集簇头信息，可进一步降低
WSNs
采集信息的
AoI。
文献
[13:CHEN M,SAAD W,YIN C,et al.Data correlation
‑
aware resource management in wireless virtual reality(VR):an echo state transfer learning approach[J].IEEE Transactions on Communications,2019,67(6):4267
‑
4280.14:WANG L,WANG K,PAN C,et al.Deep Q
‑
network based dynamic trajectory design for UAV
‑
aided emergency communications[J].Journal ofCommunications and Information Networks,2020,5(4):343
‑
402.15:ZHOU C,HE H,YANG P,et al.Deep RL
‑
based trajectory planning for AoI minimization in UAV
‑
assisted IoT[C]//11th International Conference on Wireless Communications and Signal Processing(WCSP).Xi'an:IEEE,2019:1
‑
6.]中则是使用强化学习的方式对
UAV
路径进行优化，以此来获得更优的系统
AoI。
该方法虽然可以获得不错的解，但是在求解过程中大量的离线计算会消耗更多的计算资源，需要较长的求解时间，在追求快速求解的动态场景中不适用
。

技术实现思路

[0004]本专利技术的目的是提供一种面向数据采集的多无人机路径规划方法，以解决上述现有技术存在的问题
。
[0005]为实现上述目的，本专利技术提供了一种面向数据采集的多无人机路径规划方法，包括：
[0006]将无人机传感器节点分为若干个簇，通过所述若干个簇进行数据采集，获取簇组数据采集的过程和无人机路径；
[0007]对所述簇组数据采集的过程进行相关性优化，获得分簇问题的解；
[0008]对无人机路径进行优化，获得无人机路径优化解；
[0009]基于所述分簇问题的解和所述无人机路径优化解对多无人机的路径进行规划
。
[0010]优选地，所述获取簇组数据采集的过程的过程包括：
[0011]将所述无人机传感器节点分为若干个簇，对所述若干个簇中的节点进行选取，获得若干个簇的簇头；
[0012]通过所述若干个簇的簇头采集若干个簇内无人机收集的信息，获得所述簇组数据
采集的过程
。
[0013]优选地，所述获得分簇问题的解的过程包括：
[0014]将传感器节点在满足最大簇成员数量约束条件下随机划分为若干个分簇，得到初始化联盟集合；
[0015]将所述初始化联盟集合中的无人机和传感器节点进行交换，获得交换操作联盟；
[0016]增加空元素，将所述空元素添加至所述初始化联盟集合中的无人机和传感器节点进行交换的过程中继续进行交换，获得所述分簇问题的解
。
[0017]优选地，对所述簇组数据采集的过程进行相关性优化表示为：
[0018][0019]其中，
φ
i
→
j
表示为协方差，表示为传感器节点
i
的跟踪数据，表示为节点
j
的跟踪数据，
D
i,j
为节点
i
到节点
j
之间的距离，
δ
和
κ
决定两个传感器节点之间的距离值对数据相关性的影响程度
。
[0020]优选地，所述获得无人机路径优化解的过程包括：
[0021]获取最小化信息年龄，基于所述最小化信息年龄构建改进
Ant
‑
Q
的
CGG
算法；
[0022]基于所述改进
Ant
‑
Q
的
CGG
算法对多无人机的路径进行优化，获得所述无人机路径优化解
。
[0023]优选地，所述最小化信息年龄的表达式为：
[0024]Δ
i(t)
＝
T
i,w
(t)+n(T<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向数据采集的多无人机路径规划方法，其特征在于，包括以下步骤：将无人机传感器节点分为若干个簇，通过所述若干个簇进行数据采集，获取簇组数据采集的过程和无人机路径；对所述簇组数据采集的过程进行相关性优化，获得分簇问题的解；对无人机路径进行优化，获得无人机路径优化解；基于所述分簇问题的解和所述无人机路径优化解对多无人机的路径进行规划
。2.
根据权利要求1所述的面向数据采集的多无人机路径规划方法，其特征在于，所述获取簇组数据采集的过程的过程包括：将所述无人机传感器节点分为若干个簇，对所述若干个簇中的节点进行选取，获得若干个簇的簇头；通过所述若干个簇的簇头采集若干个簇内无人机收集的信息，获得所述簇组数据采集的过程
。3.
根据权利要求2所述的面向数据采集的多无人机路径规划方法，其特征在于，所述获得分簇问题的解的过程包括：将传感器节点在满足最大簇成员数量约束条件下随机划分为若干个分簇，得到初始化联盟集合；将所述初始化联盟集合中的无人机和传感器节点进行交换，获得交换操作联盟；增加空元素，将所述空元素添加至所述初始化联盟集合中的无人机和传感器节点进行交换的过程中继续进行交换，获得所述分簇问题的解
。4.
根据权利要求2所述的面向数据采集的多无人机路径规划方法，其特征在于，对所述簇组数据采集的过程进行相关性优化表示为：其中，
φ
i
→
j
表示为协方差，表示为传感器节点
i
的跟踪数据，表示为节点
j
的跟踪数据，
D
i,j
为节点
i
到节点
j
之间的距离，
δ
和
κ
决定两个传感器节点之间的距离值对数据相关性的影响程度
。5.
根据权利要求1所述的面向数据采集的多无人机路径规划方法，其特征在于，所述获得无人机路径优化解的过程包括：获取最小化信息年龄，基于所述最小化信息年龄构建改进
Ant
‑
Q
的
CGG
算法；基于所述改进
Ant
‑
Q
的
CGG
算法对多无人机的路径进行优化，获得所述无人机路径优化解
。6.
根据权利要求5所述的面向数据采集的多无人机路径规划方法，其特征在于，所述最小化信息年龄的表达式为：
Δ
i(t)
＝
T
i,w
(t...

【专利技术属性】
技术研发人员：王博文，孙彦景，牛勇，王文路，胡文信，和孜轩，仉鼎，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：