[发明专利]无人机中继网络中基于联邦学习的轨迹优化方法及装置

说明书

本发明公开了一种无人机中继网络中基于联邦学习的轨迹优化方法及装置，该方法包括：针对多无人机系统，假设无人机系统运行时长为最长飞行时间，将其等比例划分为若干个时隙，在每个时隙中，假定无人机的速度为匀速；然后基于无人机燃料消耗问题，以最大化整个中继网络的容量为目标，构建优化目标模型；中继无人机作为局部端采用强化学习算法进行本地模型训练，获取无人机的最优飞行方向和发射功率，以优化每个时隙内的中继网络容量；基于本地模型训练结果，采用联邦学习实现无人机中继网络中的轨迹优化。本发明基于无人机燃料消耗问题，采用联邦学习进行数据保护，实现了无人机中继网络容量的最大化，可有效提高中继网络的通信性能。

技术领域

本发明涉及无人机辅助通信技术领域，特别涉及一种无人机中继网络中基于联邦学习的轨迹优化方法及装置。

背景技术

无人机是一种以无线电遥控或由自身程序控制为主的不载人飞机，是一种新兴的军事、公共和民用技术。无人机具有高机动性、体积小、成本低、使用方便等优点。近年来关于利用无人机辅助地面网络的许多研究迅速兴起，包括空中基站、中继传输、飞行计算云和5G网络中的其他应用。

在远距离通信过程中或通信基础设施受损的情况下，无人机可作为中继器将信号转发到远程基站。与固定中继相比，无人机中继处于高空中，有更高的视线(LOS)传输概率、更大的通信范围，因此，无人机中继具有更好的通信性能、更低的通信中断概率。与卫星中继相比，无人机具有高机动性、低成本、易维修等优点。因此，无人机中继技术是未来的一大发展趋势。

而关于无人机中继网络的容量优化问题，至今还没有很好的解决方案。

发明内容

本发明提供了一种无人机中继网络中基于联邦学习的轨迹优化方法及装置，以针对多无人机中继网络，在考虑燃料消耗的基础上，优化中继网络容量，提升中继网络的通信性能。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种无人机中继网络中基于联邦学习的轨迹优化方法，所述无人机中继网络中基于联邦学习的轨迹优化方法包括：

针对多无人机系统，假设无人机系统运行时长为最长飞行时间，将其等比例划分为若干个时隙，在每个时隙中，假定无人机的速度为匀速；然后基于无人机燃料消耗问题，以最大化整个中继网络的容量为目标，构建优化目标模型；

中继无人机作为局部端采用强化学习算法进行本地模型训练，获取无人机的最优飞行方向和发射功率，以优化每个时隙内的中继网络容量；

基于本地模型训练结果，采用联邦学习实现无人机中继网络中的轨迹优化。

进一步地，所述优化目标模型的表达式为：