【技术实现步骤摘要】
本专利技术属于城市空中交通，尤其涉及一种无蜂窝城市空中交通联邦边缘学习方法和装置。
技术介绍
1、随着科学技术的发展，无人机行业发展迅速，其以低空飞行为核心，朝着智能、能耗、多功能等方面发展，因此无人机的应用领域越来越广泛，尤其是在城市应用中扮演者不可或缺的角色，如航拍、运输、侦察等。近几年，随着社会经济和人工智能的快速发展，低空经济发展迎来重大发展机遇期，诞生了一种以uav(unmanned aerial vehicle,uav)为基础而建立的uam(urban air mobility,城市空中交通)，uam目的是解决uav在城市场景应用中交通、运输、管理等问题，uam的研究仍为起步阶段，很多技术和政策需要完善，且uam需要超低延迟、超高可靠的通信链路和更加智能的人工智能算法支持保障服务质量。
2、uam面临的第一个问题为通信效率问题，现有的蜂窝网络是以基站为中心建设的，导致越区切换和小区间干扰问题频发，并且为设备提供的传输传输速率难以支撑uam系统，因此难以保证uam所需低延迟和高可靠的通信性能指标。近些年cf网络因其...
【技术保护点】
1.一种无蜂窝城市空中交通联邦边缘学习方法，其特征在于，包括以下步骤：
2.如权利要求1所述的无蜂窝城市空中交通联邦边缘学习方法，其特征在于，所述用户处理任务MEC总成本为：
3.如权利要求2所述的无蜂窝城市空中交通联邦边缘学习方法，其特征在于，步骤S2中，根据每个用户的任务卸载率αk和功率控制系数ηk，最小化所有用户处理任务的MEC总成本，即，
4.如权利要求3所述的无蜂窝城市空中交通联邦边缘学习方法，其特征在于，步骤S2中，采用CF-UAM场景下DDPG-FEL的算法，以传输功率和卸载率作为优化变量求解CF网络中的资源分配，最小...
【技术特征摘要】
1.一种无蜂窝城市空中交通联邦边缘学习方法，其特征在于，包括以下步骤：
2.如权利要求1所述的无蜂窝城市空中交通联邦边缘学习方法，其特征在于，所述用户处理任务mec总成本为：
3.如权利要求2所述的无蜂窝城市空中交通联邦边缘学习方法，其特征在于，步骤s2中，根据每个用户的任务卸载率αk和功率控制系数ηk，最小化所有用户处理任务的mec总成本，即，
4.如权利要求3所述的无蜂窝城市空中交通联邦边缘学习方法，其特征在于，步骤s2中，采用cf-uam场景下ddpg-fel的算法，以传输功率和卸载率作为优化变量求解cf网络中的资源分配，最小化mec的总成本。<...
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。