面向应急场景的天地一体化多机协同感知方法技术

本申请提出一种面向应急场景的天地一体化多机协同感知方法。该方法包括获取环境异构图，将环境异构图输入表征神经网络获得状态根节点；通过节点拓展网络对状态根节点进行拓展，得到包含多个状态节点与多个状态节点对应的节点动作的策略树；从策略树中选择最优的动作策略控制完成多机协同。本申请利用环境异构图，通过表征神经网络和节点拓展网络建立对应的策略树，以选择最优的动作策略完成多机协同。可以动态地适应传感器的实时位置变化，实时调整资源分配策略，确保资源分配的即时性和灵活性；另一方面，异构图和神经网络能够智能地识别和适应不同传感器传输的多种数据类型和大小，满足不同应用或用户的特定通信需求。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及一种面向应急场景的天地一体化多机协同感知方法。

技术介绍

1、无人机资源分配技术在应急通信中扮演着关键角色，它涉及到优化覆盖范围、轨迹生成、最大化传输速率、障碍物避免、有限电池寿命和通信范围限制等多个方面。当前研究主要聚焦于使用遗传算法、粒子群优化算法、基于启发式的方法和深度学习算法等，以寻找最优的无人机飞行路径和通信资源分配方案。

2、然而，这些技术在面对实际应急场景时，存在显著的技术挑战。传感器在应急环境中的不受控制移动性使得资源分配算法难以实时适应变化，导致通信覆盖不全面和数据传输中断。其次，数据异构性要求系统能够智能地分配资源，以满足不同数据特性和传输需求，但相关技术在这方面缺乏灵活性。这些问题限制了无人机资源分配技术在紧急通信系统中的应用效果。因此，需要开发新的方法，能够同时处理传感器的不受控制移动性和数据异构性，以实现更高效、智能的资源分配。

技术实现思路

1、本申请实施例的主要目的在于提出一种面向应急场景的天地一体化多机协同感知方法，旨在提高应急场景下的无本文档来自技高网...

【技术保护点】

1.一种面向应急场景的天地一体化多机协同感知方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述节点拓展网络包括预测神经网络和机制神经网络；

3.根据权利要求2所述的方法，其特征在于，在达到预设深度后，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述表征神经网络包括特征提取模块和特征融合模块；

5.根据权利要求4所述的方法，其特征在于，所述获取包括第一子图和第二子图的环境异构图，包括：

6.根据权利要求1所述的方法，其特征在于，所述从所述策略树中选择最优的动作策略用于控制无人机完成多机...

【技术特征摘要】

1.一种面向应急场景的天地一体化多机协同感知方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述节点拓展网络包括预测神经网络和机制神经网络；

3.根据权利要求2所述的方法，其特征在于，在达到预设深度后，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述表征神经网络包括特征提取模块和特征融合模块；

5.根据权利要求4所述的方法，其特征在于，所述获取包括第一子图和第二子图的环境异构图，包括：

6.根据权利要求1所述的方法，其特征在于，所述从所述策略树中选择最优的动作策略用于控制无人机完成多机协同后，所述方法还包括:

【专利技术属性】
技术研发人员：陈鑫磊，徐杨罡，任纪媛，李祖鑫，洪朝鹏，张晓平，黄绍伦，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：