-
公开(公告)号：CN119440065A
公开(公告)日：2025-02-14
申请号：CN202411599619.9
申请日：2024-11-11
Applicant: 重庆邮电大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明涉及一种多无人机辅助数据传输的轨迹规划方法，属于通信技术领域。该方法首先搭建了一个包含多架无人机、地面用户和地面干扰源的场景。接着，针对传统轨迹规划方法在复杂无人机环境中的不足，以及深度强化学习在多智能体环境中面临的探索不足、收敛缓慢和稳定性差等问题，本发明提出了一种基于集中式训练分布式执行框架的预训练多智能体双延迟深度确定性策略梯度算法。该算法首先在单智能体环境中进行预训练，降低探索难度。随后，在多智能体训练阶段，导入预训练动作网络，通过集中式训练和分布式执行的策略，加速策略收敛并提高学习稳定性。该方法有效优化了无人机群的轨迹规划，并显著提升了数据传输效率。
-
公开(公告)号：CN117177324A
公开(公告)日：2023-12-05
申请号：CN202311092475.3
申请日：2023-08-28
Applicant: 重庆邮电大学
Abstract: 本发明属于通信技术领域，具体涉及一种多跳无人机中继网络低时延数据传输方法，包括构建包括无人机、地面用户、未知干扰和远端基站的网络场景；在构建的网络场景下对地面用户进行聚类得到多个簇，令无人机飞行到与其最近距离的簇对应的质心，构建无人机与无人机之间、无人机与地面用户之间的通信链路；基于深度多智能体强化学习，将无人机视为两个子智能体，无人机根据当前状态输出最佳的下一跳路由以及该无人机下一时刻的飞行方向和传输功率；本发明方法结合了多智能体框架和强化学习的知识，提高了UAV对复杂环境的适应性；同时，该方法分解了包含轨迹设计、功率优化和路由选择的大动作空间，显著降低了问题的复杂度，提高了算法的收敛速度。
-
公开(公告)号：CN117371732A
公开(公告)日：2024-01-09
申请号：CN202311382289.3
申请日：2023-10-24
Applicant: 重庆邮电大学
IPC: G06Q10/0631 , G06N20/00 , G06F18/23213 , G05D1/46 , G05B13/02 , G16Y20/20 , G16Y20/30 , G16Y40/35
Abstract: 本发明涉及一种基于多智能体机器学习的无人机辅助数据收集方法，属于通信技术领域。首先，对分布在不同海拔高度的传感器进行聚类以提高数据收集效率，将传感器分为簇成员和簇头，分别负责感知环境数据和收集数据并上传至无人机群。无人机在数据中心调度下，飞行到数据收集点后悬停，并收集该收集点关联的簇头上传的数据。最后，无人机遍历所有数据收集点后返回数据中心进行数据卸载，并由数据中心进行数据分析。本发明本发明提出改进的K‑means++算法优化传感器聚类，提出基于深度确定性策略梯度算法确定最优数据收集点的位置，最后提出基于多智能体演员‑评论家算法规划无人机群轨迹，以最小化无人机群数据收集总能耗。
-
公开(公告)号：CN116634391A
公开(公告)日：2023-08-22
申请号：CN202310591381.4
申请日：2023-05-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于无人机辅助的数据收集方法，属于移动通信技术领域。以最小化无线传感器网络总功率为目标，提出一种基于无人机辅助的高效数据收集方法。首先，构建了UAVs辅助的数据采集模型。该模型分为两层，下层为地面层，地面层将传感器分为簇成员CM和簇头CH。CMs负责感知环境数据，并将数据发送至CH。CH负责对簇内CMs发送的数据进行收集和处理，并将最终数据上传至UAV。上层为空中网络层，由多架UAV组成，负责CHs上传数据的收集、存储和转发，最后将数据传输给地面数据中心DC进行数据分析。通过优化CH数量及位置、UAV位置和UAV与CHs关联，最小化系统总功率。
-
-
-
Search Results
4
records
(took 0.018 seconds)
