【技术实现步骤摘要】
本专利技术属于移动边缘计算和无线通信，具体涉及一种无人机通感算融合网络中基于dnn的拆分学习方法。
技术介绍
1、无人机因其高机动性和灵活性，在自动驾驶、灾难救援、应急通信和空中三维重建等应用备受关注，成为未来无线系统的重要组成部分。通感算融合网络（integratedsensing, computation and communication, iscc）作为一种新兴技术，通过利用相同的信号和无线基础设施，同时支持感知、通信和计算服务，极大地提高了频谱效率并降低了成本。
2、现有技术中，利用多个无人机的分布式计算能力可有效缓解单无人机计算资源受限的问题。然而，系统仍然面临计算资源和通信资源管理的挑战，特别是在动态的无线网络环境中，如何自适应地分配计算和通信资源，以满足时效和能效的要求，成为亟待解决的问题。
3、拆分学习（split learning）通过在不同的移动设备和边缘服务器之间分割深度神经网络（deep neural network，dnn）来实现协作处理，以充分利用网络边缘的计算资源。同时允许数据在本...
【技术保护点】
1.一种基于无人机的通感算融合网络DNN拆分学习方法，其特征在于：无人机通感算融合网络包含多个无人机、配备边缘服务器的中心控制器和地面终端用户；
2.根据权利要求1所述的一种基于无人机的通感算融合网络DNN拆分学习方法，其特征在于：在步骤1中，环境数据采用笛卡尔坐标系，所有无人机飞行在同一的高度，地面终端用户随机分布；在每一个时隙内终端用户认为是静态的。
3.根据权利要求2所述的一种基于无人机的通感算融合网络DNN拆分学习方法，其特征在于：在步骤2中，优化策略算法包含无人机轨迹优化、DNN拆分的自适应调整和计算资源的分配，以优化多用户任务的卸载...
【技术特征摘要】
1.一种基于无人机的通感算融合网络dnn拆分学习方法，其特征在于：无人机通感算融合网络包含多个无人机、配备边缘服务器的中心控制器和地面终端用户；
2.根据权利要求1所述的一种基于无人机的通感算融合网络dnn拆分学习方法，其特征在于：在步骤1中，环境数据采用笛卡尔坐标系，所有无人机飞行在同一的高度，地面终端用户随机分布；在每一个时隙内终端用户认为是静态的。
3.根据权利要求2所述的一种基于无人机的通感算融合网络dnn拆分学习方法，其特征在于：在步骤2中，优化策略算法包含无人机轨迹优化、dnn拆分的自适应调整和计算资源的分配，以优化多用户任务的卸载和计算资源分配，用于保证任务处理的低时延和低能耗。
4.根据权利要求3所述的一种基...
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。