本发明专利技术提供了一种基于深度强化学习的无人机辅助通感算一体化方法及系统，包括S1，设计系统架构，包括部署无人机以及地面设备；S2，设计无人机的服务周期阶段划分以及帧结构；S3，基于无人机的服务周期的阶段划分以及帧结构，计算雷达估计信息速率、感知能耗、通信能耗、计算能耗以及无人机总能耗；S4，构建优化模型：构建联合优化目标，最小化各能耗，最大化服务成功率；S5，基于优化模型，构建强化学习模型；S6，优化强化学习模型：构建Actor网络和Critic网络并优化其中的算法策略，得到策略模型；S7，训练策略模型，获得最优的Actor网络；S8，根据最优的Actor网络，控制无人机的决策。
【技术实现步骤摘要】
本专利技术涉及无人机，具体涉及一种基于深度强化学习的无人机辅助通感算一体化方法及系统。
技术介绍
1、随着物联网的快速发展，物联网终端的密集接入和任务计算需求持续增长，传统地面通信与计算架构面临巨大挑战。一方面，物联网终端普遍计算能力有限，需依赖边缘计算卸载；另一方面，地面基站部署受限，存在盲区，尤其在山区、应急救援或极端环境下，现有通信基础设施难以保障服务覆盖和时效性。此外，感知、通信与计算三大功能在传统网络中通常是分立设计与部署，导致资源调度分散、频谱利用效率低、处理延迟大，难以满足高密度、低延迟、多任务的融合服务需求。
2、近年来，集通信与感知于一体的isac(integrated sensing and communication)架构被广泛研究，通过共用频谱和硬件资源提升频谱利用率并简化系统设计。然而，现有isac方案仍未涵盖分布式计算任务协同处理问题。特别是在动态场景下，仅靠通信和感知融合，仍难满足终端实时高效计算的需求。因此，进一步将计算功能融入通信和感知流程中，实现三者的空口融合成为新的研究热点。
>3、此外，空中平台本文档来自技高网...
【技术保护点】
1.一种基于深度强化学习的无人机辅助通感算一体化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
3.根据权利要求2所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
4.根据权利要求3所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
5.根据权利要求4所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
6.根据权利要求5所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
7.根据权利要求6所...
【技术特征摘要】
1.一种基于深度强化学习的无人机辅助通感算一体化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
3.根据权利要求2所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
4.根据权利要求3所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
5.根据权利要求4所述的基于深度强化学习的无人机辅助通感算一体化方法，其特征在于：
6...
【专利技术属性】
技术研发人员：吕智慧，侯鹏，柴洪峰，王新，
申请(专利权)人：复旦大学，
类型：发明
国别省市：
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。