基于深度强化学习的无人机链路寿命多跳中继选择方法技术

本发明专利技术提供了一种基于深度强化学习的无人机链路寿命多跳中继选择方法。该方法包括：计算空地异构网络中各个节点之间的距离、相对速度和相对运动方向，根据各个节点之间的距离、相对速度和相对运动方向计算出各个节点之间的链路质量和链路寿命；将多跳中继选择过程建模为MDP模型，根据各个中继无人机节点之间的链路质量和链路寿命设置MDP模型的奖励函数；通过基于深度强化学习的最佳中继选择算法求解MDP模型，获取中继无人机节点传输数据的具有最大链路寿命的多跳中继路径。本发明专利技术的多跳中继选择方法可获得更高的网络吞吐量和更高的包递交率，能更高效智能地提高空地异构网络中信息传输的质量。

【技术实现步骤摘要】

本专利技术涉及无人机(unmanned aerial vehicle，uav)应用，尤其涉及一种基于深度强化学习的无人机链路寿命多跳中继选择方法。

技术介绍

1、近年来，随着无人机的高速发展，基于无人机辅助通信的空地异构网络相较于传统的异构网络在覆盖范围、数据传输速率和质量以及网络稳定性等方面都有着巨大的优势。为了高效协同地完成数据的传输，空地异构网络中无人机采用多跳的方式进行信息的转发。中继节点作为空地异构网络的中间节点发挥着重要的作用，有助于提高网络的稳定性、提高网络中信息的传输效率、减少路径损耗和干扰。因此，异构网络中多跳中继的选择对于异构网络的性能、稳定性和开销等方面至关重要。

2、目前，针对协作通信网络中多跳中继的选择已展开了大量的研究，有方案构建了一个社会关系模型，并在此基础上考虑节点之间的距离和功率约束提出了功率有效和社会感知中继选择(psrs，power-efficient and social-aware relay selection)算法，减少了网络的功耗。有方案提出了一种用于缓冲多跳网络延迟分析的框架。基于网络中的信道特本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的无人机链路寿命多跳中继选择方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的计算空地异构网络中各个节点之间的距离、相对速度和相对运动方向，包括：

3.根据权利要求2所述的方法，其特征在于，所述的根据各个节点之间的距离、相对速度和相对运动方向计算出各个节点之间的链路质量和链路寿命，包括：

4.根据权利要求3所述的方法，其特征在于，所述的为空地异构网络中的中继无人机节点构建邻居表，基于所述邻居表构建无人机多跳中继选择的马尔可夫决策过程MDP模型，根据各个中继无人机节点之间的链路质量和链路寿命设置所述MDP模...

【技术特征摘要】

1.一种基于深度强化学习的无人机链路寿命多跳中继选择方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的计算空地异构网络中各个节点之间的距离、相对速度和相对运动方向，包括：

3.根据权利要求2所述的方法，其特征在于，所述的根据各个节点之间的距离、相对速度和相对运动方向计算出各个节点之间的链路质量和链路寿命，包括：

4.根据权利要求3所述的方法，其特征在于，所述的为空地异构网络中的中继无人机节点构建邻居表，基于所述邻居...

【专利技术属性】
技术研发人员：韩东升，宋海钊，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：