多无人机轨迹规划方法与系统技术方案

本发明专利技术公开了一种多无人机轨迹规划方法与系统，将多无人机三维轨迹规划问题表述为多目标优化问题，以同时提高网络覆盖率、接入公平性、数据传输量和能效。受DRL决策能力的启发，本发明专利技术提出的基于深度迁移学习的多无人机轨迹规划(Deep Transfer Reinforcement Learning Based Multi‑UAV Trajectory Design，TL‑RLMTD)方案在具有探索UE集群和寻找最佳高度能力的同时，能够降低无人机能耗，提高UE接入率、公平性和整个系统的数据传输量。并且，本发明专利技术的无人机具有与环境交互的能力，能够适应不同的用户设备分布。

【技术实现步骤摘要】

本专利技术涉及多无人机自主飞行轨迹规划领域，尤其涉及一种多无人机轨迹规划方法与系统。

技术介绍

1、传统的蜂窝通信网络正受到来自不断增加的用户设备(user equipment，ue)对高质量无线网络服务所提出的前所未有的挑战。为应对地面网络基础设施的高昂部署和操作代价，基于无人机(unmanned aerial vehicle，uav)的通信网络被提出作为一种对于地面网络的低消耗且灵活的补充解决方案。在缺乏通信基础设施的区域部署无人机移动基站(uav mobile base stations，uav-bss)可以有效提升无线通信网络的覆盖率和通信性能。在地面网络因人群聚集而过载的场景下，无人机可以作为空中基站快速部署，同时根据地面用户设备的移动灵活调整自身的空间位置以提升服务质量(quality of service,qos)。此外，当地面网络基础设施被自然灾害摧毁的情形下，可以通过部署uav-bss来快速构建紧急通信网络。

2、在无人机的应用中，轨迹设计是利用无人机机动性的一个基本问题。传统的轨迹设计方法严重依赖于对环境的预先了解，包括地理本文档来自技高网...

【技术保护点】

1.一种多无人机轨迹规划方法，其特征在于，包括：

2.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述每一无人机中的智能体，结合高空平台提供的当前时隙的全局观测状态构建自身的当前时隙的局部状态包括：

3.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述根据执行相应动作后的无人机的效用函数，结合每一用户设备的位置选择服务的无人机包括：

4.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述计算当前时隙内每一无人机的奖励包括：

5.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述多目标优化问...

【技术特征摘要】

1.一种多无人机轨迹规划方法，其特征在于，包括：

2.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述每一无人机中的智能体，结合高空平台提供的当前时隙的全局观测状态构建自身的当前时隙的局部状态包括：

3.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述根据执行相应动作后的无人机的效用函数，结合每一用户设备的位置选择服务的无人机包括：

4.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述计算当前时隙内每一无人机的奖励包括：

5.根据权利要求1所述的一种多无人机轨迹规划方法，其特征在于，所述多目标优化问题表示为：

6.根据...

【专利技术属性】
技术研发人员：何华森，袁文科，曹高翔，陈双武，姜晓枫，杨坚，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：