[发明专利]基于信息年龄的空天地一体化无人机物联网数据采集方法

说明书

本发明公开了一种基于信息年龄的空天地一体化无人机物联网数据采集方法，构建无人机辅助的空天地一体化物联网系统,构建无人机信道模型、信息年龄模型，建立基于信息年龄的无人机辅助空天地一体化物联网数据采集模型，将问题转换为马尔可夫问题，引入神经网络解决状态高维问题，引入深度强化学习算法训练无人机寻找最优采集点，引入匹配理论将无人机与物联网设备进行配对。本发明针对信息采集实时性需求，寻求无人机飞行参数的优化配置，推演信息年龄、系统容量、能量利用率等性能指标之间的制约关系，有效提高信息采集实时性，降低系统管控复杂度，提升人工智能技术在物联网领域的应用水平。

技术领域

本发明涉及一种数据采集方法，特别是一种基于信息年龄的空天地一体化无人机物联网数据采集方法，属于无线通信技术领域。

背景技术

在第五代和即将到来的第六代(6G)无线通信中，广域物联网(IoT)的普及不断增加。物联网作为继计算机和互联网技术之后重要的第三信息技术，近年来得到高速发展。物联网技术的最大特征是通过传感技术将物与物之间有效连接，实现事物的监控和信息的收集及传输，从而促进社会经济发展和人们的交流沟通。随着无线技术的飞速发展，无线传感器在工业、农业、交通、物流等领域的应用前景日益广泛。为了同时实现广泛的覆盖和灵活的数据采集，将卫星和无人机与物联网设备相结合，如图1所示，形成天-空-地一体化网络(SAGIN)，这被认为是6G无线通信的一个重要趋势。在该框架中，无人机作为中继将物联网设备的数据传输到卫星，这大大提高了数据传输速率。

空天地一体化被认为是6G系统的潜在关键技术和重要特征。现有技术中UAV已被用于无线通信的空中基站、移动中继、回程等。为了测量物联网信息的新鲜度，Kaul首先引入了信息年龄，现有研究中信息年龄已被用来定义UAV辅助空天地一体化网络收集的数据包新鲜度，并进一步提出了基于UAV蜂窝互联网的联合优化问题，以最小化信息年龄。

近年来针对空天地一体化网络已有多种规划组网技术提出，但是现有解决规划无人机轨迹问题的方案仍存在计算复杂度高、局限性大等问题。随着人工智能技术的发展，深度强化学习开始广泛应用于无线通信的性能优化中，采用深度Q网络、深度确定性策略梯度等多种训练方法来提高优化性能，但利用深度强化学习规划无人机轨迹的研究还存在很多限制，主要包括：

1.在空天地一体化的系统下，使用无人机作为中继传输数据，无人机数据收集时的飞行轨迹对数据新鲜度有着重要影响，然而目前对无人机轨迹规划的解决方法计算复杂度过高，且有可能导致求解过程过早陷入局部最优点。

2.现有系统模型中，多个无人机和物联网设备之间的数据传输涉及匹配问题。目前大部分研究都仅针对无人机轨迹优化或者匹配问题，未做出联合考虑和设计，且将深度强化学习和匹配理论结合的技术较少。

3.随着地面物联网设备分布范围的扩大，多个无人机之间的协作性加强，无人机之间的协作也会直接影响系统全局信息年龄。现有技术都是针对一个固定范围讨论系统的优化问题，建立信息点数据动态分布、将UAV作为智能体进行分布式学习的技术较少。

发明内容

本发明所要解决的技术问题是提供一种基于信息年龄的空天地一体化无人机物联网数据采集方法，提高信息采集实时性，降低系统管控复杂度，提升人工智能技术在物联网领域的应用水平。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于信息年龄的空天地一体化无人机物联网数据采集方法，其特征在于包含以下步骤：

步骤一：构建无人机辅助的空天地一体化物联网系统；

步骤二：构建无人机信道模型、信息年龄模型；

步骤三：建立基于信息年龄的无人机辅助空天地一体化物联网数据采集模型；

步骤四：将问题转换为马尔可夫问题；

步骤五：引入神经网络解决状态高维问题；