买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明一种海洋物联网中无人机协作数据收集与数据卸载方法，包括以下步骤：基于无人机协作数据收集与数据卸载的模型，构建最小化无人机总任务完成时间的约束优化问题；基于双延迟深度确定性策略梯度的无人机轨迹优化算法，确定无人机的轨迹；基于启发式算法，最大化浮标传输速率，确定浮标的发射功率以及浮标‑无人机的关联关系；结合基于双延迟深度确定性策略梯度的无人机轨迹优化算法与启发式算法，对无人机轨迹、无人机、浮标的传输功率和浮标‑无人机的关联关系进行优化，最小化无人机总任务完成时间，实现海洋物联网中无人机协作数据收集与数据卸载；与传统优化方法相比，降低了计算复杂度，有效缩短无人机的任务完成时间。

主权项：1.一种海洋物联网中无人机协作数据收集与数据卸载方法，其特征在于：包括以下步骤：将无人机总任务过程划分为数据收集阶段与数据卸载阶段，建立基于非正交多址接入的无人机协作数据收集与数据卸载的模型；基于无人机协作数据收集与数据卸载的模型，构建最小化无人机总任务完成时间的约束优化问题；基于双延迟深度确定性策略梯度的无人机轨迹优化算法，确定无人机的轨迹；基于无人机的轨迹，将最小化无人机总任务完成时间问题转化分解为最大化浮标和无人机总传输速率两个子问题，以确定无人机和浮标的发射功率以及浮标-无人机的关联关系；基于启发式算法，最大化浮标传输速率，确定浮标的发射功率以及浮标-无人机的关联关系；结合基于双延迟深度确定性策略梯度的无人机轨迹优化算法与启发式算法，对无人机轨迹、无人机、浮标的传输功率和浮标-无人机的关联关系进行优化，最小化无人机总任务完成时间，实现海洋物联网中无人机协作数据收集与数据卸载；所述将无人机总任务过程划分为数据收集阶段与数据卸载阶段，建立一个基于非正交多址接入的无人机协作数据收集与数据回传的模型，构建最小化无人机总任务完成时间的约束优化问题；包括以下步骤：所述无人机总任务过程包括两个阶段；第一阶段是无人机利用NOMA技术从M个浮标收集数据，并且该阶段的时隙数为Kco，在每个时隙中无人机最多可以从U个浮标收集数据，即U≤M；第二阶段是无人机在完成第一阶段后将所有收集的数据卸载到陆上基站，并且该阶段的时隙数为Kof；因此，总任务完成时间Ttotal表示为：Ttotal＝Kδ＝Kco+Kofδ采用0-1整数随机变量表示数据收集过程浮标-无人机的关联关系，确定数据收集过程浮标-无人机的传输速率；采用0-1整数随机变量表示数据卸载过程无人机-陆上基站的关联关系，确定数据卸载过程无人机-陆上基站的传输速率；基于数据收集过程浮标-无人机的传输速率与数据卸载过程无人机-陆上基站的传输速率，建立最小化无人机总任务完成时间问题的优化模型；所述最小化无人机总任务完成时间问题的优化模型如下： 其中，Pm,k为第m个浮标在第k个时隙内的功率，Pk为无人机在第k个时隙内的功率；C1和C2分别表示无人机和浮标的最大发射功率限制；C3和C4分别表示对浮标-无人机的关联关系αm,k以及无人机-陆上基站的关联关系βk的约束；C5限制了每个时隙内与无人机相关联的浮标的最大数量且最大数量为U；令Cm表示需要从在第m个浮标收集的数据量，则C6确保无人机收集到的所有数据都能卸载到陆上基站；C7确保满足每个浮标的数据收集需求；C8和C9分别是无人机飞行速度Vk的约束和加速度Δk的约束；C10是在数据收集阶段SINR需要满足的SIC解调约束，SIC阈值为ηSIC；C11是数据卸载阶段的SNR约束，SNR阈值为所述结合深度强化学习中双延迟深度确定性策略梯度算法与启发式算法，对无人机轨迹、无人机、浮标的传输功率和浮标-无人机的关联关系进行优化，最小化无人机总任务完成时间，实现海洋物联网中无人机协作数据收集与数据卸载的过程如下：S41:在数据收集阶段，保持βk＝0；如果即无人机完成了数据收集，则令αm,k＝0；开始数据卸载阶段，并获取当前信道增益g0,k，令P＝Pmax，若则令无人机-陆上基站的关联关系βk＝1；S42:若则令βk＝0，并获取当前信道增益gm,k；在给定无人机位置qk的情况下，通过执行启发式算法，更新和αm,k；S43:在给定发射功率和关联关系的情况下，通过执行在每一个时隙k内，无人机根据当前状态Sk选择动作Ak，并获得当前奖励rk和下一个时隙的状态S′；如果无人机的动作超出目标区域，则令ρk＝1，然后取消无人机当前动作，并根据当前状态更新，更新rk、S′；S44：执行S41，直至episode＝Emax。

全文数据：

权利要求：

百度查询： 大连海事大学 一种海洋物联网中无人机协作数据收集与数据卸载方法