【技术实现步骤摘要】
本专利技术属于通信，涉及一种基于多智能体机器学习的无人机辅助数据收集方法。
技术介绍
1、随着物联网(iot)技术不断发展，越来越多的设备和物品连接到互联网，构建了一个庞大且高度智能的网络。这个网络不仅实现了设备间的通信和数据传输，还通过云计算、大数据分析等技术实现了智能控制、高效管理和资源优化。iot技术架构通常分为三层：应用层、网络层和感知层。在感知层中，无线传感器网络(wsn)扮演着至关重要的角色。通常，wsn通过无线通信构建多跳自组织网络，从而实现对特定区域内的物体进行感知、采集和处理，然后将结果传输至数据中心。
2、近年来，由于wsn在快速部署、高容错性和低成本等技术优势，广泛应用于大规模分布式监测场景，如灾害监测、环境监测以及基础设施监测等。然而，地质灾害或其他自然灾害通常发生在偏远山区，缺乏蜂窝网络覆盖，数据的收集变得困难。无人机群具有高机动、强协同性并可广覆盖目标区域，为偏远地区wsn的数据收集提供了高效的方案，但uavs在飞行、悬停时会消耗大量能量，无人机群辅助wsn数据收集仍存在挑战。
【技术保护点】
1.一种基于多智能体机器学习的无人机辅助数据收集方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于多智能体机器学习的无人机辅助数据收集方法，其特征在于：在所述S1中，构建无人机群(UnmannedAerial Vehicle Swarm,UAVS)辅助的无线传感器网络(Wireless SensorNetwork,WSN)数据采集模型；该模型由地面WSN、数据中心(Data Center,DC)以及空中UAVS组成；WSN中的传感器节点(Sensor Node,SN)分布在不同海拔高度，为保证SNs传输数据的距离在最大通信距离内，对其...
【技术特征摘要】
1.一种基于多智能体机器学习的无人机辅助数据收集方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于多智能体机器学习的无人机辅助数据收集方法，其特征在于：在所述s1中，构建无人机群(unmannedaerial vehicle swarm,uavs)辅助的无线传感器网络(wireless sensornetwork,wsn)数据采集模型；该模型由地面wsn、数据中心(data center,dc)以及空中uavs组成；wsn中的传感器节点(sensor node,sn)分布在不同海拔高度，为保证sns传输数据的距离在最大通信距离内，对其进行聚类并分为簇成员(cluster member,cm)和簇头(cluster head,ch)，分别负责感知环境数据、收集数据并上传至uavs；dc作为中央控制器负责确定数据收集点(data collection point,dcp)位置、规划uavs轨迹，并对uavs发送的数据进行处理和分析，以实现对目标区域的环境监测、灾害预警的功能；uavs在dc的调度下，飞行到dcp后悬停，采集并存储与当前收集点关联的chs上传的数据；当uavs完成所有数据收集点的收集任务后返回dc进行数据卸载。
3.根据权利要求2所述的一种基于多智能体机器学习的无人机辅助数据收集方法，其特征在于：在所述s2中，提供无人机群总能耗优化方案，该方案联合优化sns聚类、dcps位置、uavs路径，以最小化uavs总能耗。
4.根据权利要求2所述的一种基于多智能体机器学习的无人机辅助数据收集方法，其特征在于...
【专利技术属性】
技术研发人员：黄晓舸，王凌志，刘洪世迪，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
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。