[发明专利]一种采用深度图嵌入的无人机集群组网方法与系统

权利要求书

1.一种采用深度图嵌入的无人机集群组网方法，其特征在于，所述方法包括：

对历史网络数据进行量化处理得到网络快照数据，对所述网络快照数据进行数据表示，并根据无人机集群特性计算得到有向含权图对应的权值；

采用编码解码模型对所述历史网络数据进行图嵌入，提取所述历史网络数据中各节点的拓扑结构信息，并通过改进的临近相似度函数使所述编码解码模型对所述有向含权图进行适应；

根据所述拓扑结构信息对无人机集群网络进行个体局部分层组网，所述进行个体局部分层组网的方式为，根据无人机节点的机会势能进行分层组网。

2.根据权利要求1所述的采用深度图嵌入的无人机集群组网方法，其特征在于，在对历史网络数据进行量化处理得到网络快照数据的方法中，包括如下步骤：

根据时间步长对所述历史网络数据进行切片，以形成网络快照集合G＝{X_t1…X_tw}，其中X_ti代表t_i时刻的网络快照。

3.根据权利要求2所述的采用深度图嵌入的无人机集群组网方法，其特征在于，在对所述网络快照数据进行数据表示的步骤中，表示当前快照中第i个节点的数据表示，的数据表示形式为：

其中，x_i表示节点v_i与各邻居节点之间的信号功率大小，n为节点数量。

4.根据权利要求1所述的采用深度图嵌入的无人机集群组网方法，其特征在于，所述根据无人机集群特性计算得到有向含权图对应的权值的方法包括如下步骤：

根据空间衰减模型计算得到节点间距离；

根据所述节点间距离计算得到所述有向含权图对应的权值。

5.根据权利要求4所述的采用深度图嵌入的无人机集群组网方法，其特征在于，所述节点间距离的计算公式为：

其中，λ为无线电波的波长，G_r为接收天线的增益，G_t为发射天线的增益，P_t为邻居节点的发射功率，P_ij为节点i收到的节点j所发消息的功率；

所述权值的计算公式为：

其中，D_i为节点i的理论最大传输半径，d为节点间距离，d^t_ij为第t个网络快照内i和节点j之间的距离。

6.根据权利要求3所述的采用深度图嵌入的无人机集群组网方法，其特征在于，采用编码解码模型对所述历史网络数据进行图嵌入，提取所述历史网络数据中各节点的拓扑结构信息的方法包括如下步骤：

确定节点序列的长度；

根据结构损失函数、基于临近相似度的损失函数以及正则项计算得到目标函数，并根据所述目标函数对所述编码解码模型进行收敛处理，以将所述历史网络数据嵌入至低维向量空间。

7.根据权利要求6所述的采用深度图嵌入的无人机集群组网方法，其特征在于，所述结构损失函数表示为：

其中，Z(i,:)以及Z(i,j)表示对非零元素进行罚值操作，X^t(i,:)表示第t个网络快照的邻接矩阵内，矩阵第i行的所有元素，表示预测结果中，第t个网络快照的邻接矩阵内，矩阵第i行的所有元素，X^t(i,j)表示第t个网络快照的邻接矩阵内，矩阵第i行第j列的元素，表示预测结果中，第t个网络快照的邻接矩阵内，矩阵第i行第j列的元素。

8.根据权利要求6所述的采用深度图嵌入的无人机集群组网方法，其特征在于，所述基于临近相似度的损失函数表示为：

其中，c表示所述编码-解码模型的输出结果，N_ij代表节点间的连接频率，C_i表示编码-解码模型对节点i的历史网络数据进行图嵌入后，提取到节点i的拓扑结构信息；该符号C_j表示编码-解码模型对节点j的历史网络数据进行图嵌入后，提取到节点j的拓扑结构信息。