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！

龙图腾网获悉西北工业大学申请的专利一种考虑信息年龄的无人机集群协同感知方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116156443B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211667227.2，技术领域涉及：H04W4/30；该发明授权一种考虑信息年龄的无人机集群协同感知方法是由王亮;徐海星;於志文;郭斌设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种考虑信息年龄的无人机集群协同感知方法在说明书摘要公布了：本发明涉及一种考虑信息年龄的无人机集群协同感知方法，首先将移动边缘计算引入群智感知，使得无人机在回传数据的时候能根据信道状态是决定将数据进行本地计算或者直接回传。本发明还公开了一种基于强化学习的无人机的轨迹和计算调度策略；首先我们获取到所有兴趣点的属性，根据属性进行聚类；再根据聚类结果，将聚类质心进行扩展，通过匈牙利算法进行再次分配；无人机选择聚类，使用强化学习的方法，进行兴趣点和传输策略的选择。通过该方式，本发明能够解决现有的技术存在的无人机采集信息新鲜度差的问题。

本发明授权一种考虑信息年龄的无人机集群协同感知方法在权利要求书中公布了：1.一种考虑信息年龄的无人机集群协同感知方法，其特征在于步骤如下： 步骤1：构建无人机辅助的无人机基站感知系统；所述的无人机辅助的基站信息感知系统包含多架无人机，多个兴趣点，一个充电和基站；无人机前往多个兴趣点POI感知数据，感知数据后将数据回传到基站或者本地计算；当无人机的电量消耗完，返回基站进行充电；无人机从基站位置出发，在数据采集，数据回传时配置为悬停模式；每个兴趣点都有一个信息新鲜程度的阈值； 步骤2：构建无人机的感知模型、信道模型、计算模型、兴趣点信息年龄模型、能量模型；所述的感知模型： 其中表示为感知成功的概率，表示无人机j的位置，表示为兴趣点j的位置； 所述的信道模型：将无人机的信道划分为K个相等的子载波，表示为子载波的带宽，无人机往基站传输数据的传输速率可以表示为 其中k表示为平均分配给此刻在处于传输的UAV的无线信道子载波的数量，为无人机到基站数据传输的信噪比可以表示为： 其中P表示为基站接收到从无人机发出的能量，表示为在基站接收端噪音的大小；表示为平均路径损失，可以分为可视距通信Los和不可视距通信NLos，则可以表示为： 其中为野外环境下为Los的通信概率可以表示为： 其中,并且路径损失和可以分别表示为： 其中表示载波频率，表示无人机距离基站的距离，为无人机的位置，为基站的位置； 所述的计算模型：对于无人机的计算模型，考虑到计算的时间和计算的能量，对于计算的时间可以表示为： 其中表示为处理每比特数据所需要CPU圈数，表示为CPU频率；为计算数据的大小； 对于计算的能量可以表示为： 其中是一个芯片架构有关的参数； 所述的兴趣点信息年龄AOI模型： 其中来表示兴趣点在t时刻的信息年龄，其中，表示兴趣点最近一次感知成功的时间；刻画了每个兴趣点POI的信息年龄的阈值，刻画了不同地方对信息年龄阈值的要求； 所述的能量模型： 其中，W代表无人机的重量，为空气的密度，代表无人机转盘的总面积，为无人机的速度； 步骤3：根据感知系统和相关模型建立优化目标；所述的优化目标： 其中代表n个无人机的兴趣点选择和传输计算策略，是考虑的时间持续时间，P表示为兴趣点POI的集合、为基于时间新鲜程度的指标；表示了无人机的能量必须满足一定的范围，若无人机的电量小则无人机需要返回充电； 步骤4：使用基于匈牙利算法改进后K-means算法对兴趣点POI进行分类；所述的匈牙利算法改进后K-means算法具体如下： 首先使用K-means算法得到m个聚类，其中m为无人机的数量，则聚类中心可以表示为： 其中为聚类i的中心，将聚类中心扩展为一个新的集合： 其中，n为兴趣点数量将计算每个元素和POI的欧氏距离作为，得到新的一个距离矩阵C： 将n个兴趣点使用匈牙利算法重新分配； 步骤5：将无人机对每个聚类的行为转化为马尔可夫问题；首先定义，其中代表状态的集合，代表相应的采取的决策，代表采取该决策所获得的奖励结果，是未来奖励的折扣系数； 状态在t时刻定义如下 其中表示为当前时间在个时间片中的序列，为整个时间片的长度；N和M分别表示为需要感知的兴趣点POI的集合和无人机集群的集合；表示为兴趣点POIi的位置坐标，表示无人机j的剩余能量，表示为无人机j在时刻t开始的时候的位置；代表兴趣点i在此刻的信息年龄，表示为兴趣点i的最大信息年龄限制，表示为无人机j的六个状态，可以划分为决策状态，飞行状态，感知状态，传输状态，计算状态和充电状态；无人机在决策状态花费一个时间片在原地做出决策，选择感知的兴趣点和数据的处理方式，然后在飞行状态飞往选择感知的兴趣点，在感知状态感知兴趣点的信息，直到成功采集信息，根据决策的信息，在传输状态选择将数据传输到基站，或者在计算状态将数据进行本地处理；如果无人机的能量低于该位置能量阈值，无人机会进入充电状态将会放弃感知的任务，自动返回到基站进行充电；在充电完成以后，无人机将继续返回选择的POI再次感知； 将无人机j的可以决策集合表示为 其中，分别表示是否需要传给基站或者本地计算的传输策略，其中表示所选择的进行本地计算，表示所选择的兴趣点进行数据传输；则表明无人机j选择哪个POI执行任务；如果=i则表明选择兴趣点i执行任务； 奖励在马尔可夫决策环境中，给定一个状态，当一个代理执行决策后，它就会得到相应的奖励；为了更好的刻画奖励，需要考虑POI的AOI，AOIdeadline无人机的剩余能量，无人机可用带宽以及无人机的距离； 在公式中，表示在POIj被选择时候的AOI，表示选择任务完成以后的AOI；表示为无人机i和POIj之间的距离；表示为无人机的速度，为控制参数； 步骤6：引入深度强化学习算法训练无人机寻找最优采集点以及传输计算策略； 输入智能体的状态信息，网络输出智能体的各个动作价值，也是就是Q值；对于DDQN来说并不是直接在目标网络中找到各个动作的Q值，而现在当前网络中找到最大Q值对应的动作a， 其中，为智能体在下一时刻的状态，再通过目标网络获得动作对应的Q的值： 其中衰减系数，代表了代理相对于近期的奖励，代理在将来对现在奖的关心程度；则由上述公式可以得到目标Q值的计算值为 设计了一个两个阶段的决策制定过程开进行决策选择：首先，将POI通过时空信息将POI进行聚类，再将每个聚类分给一个无人机去执行；然后每个无人机i根据自己所分到的聚类，从中选择POI和是否在本地处理数据或者将数据直接进行回传，最终这个最佳的决策选择过程能够被如下计算，对于给定的状态 为了描述训练的过程，将个时间片作为一轮次，在每一个训练轮次之中，当无人机完成训练任务后，无人机储存经验在他的经验池之中；在每一个轮次结束后，无人机抽取个经验，参数通过梯度损失函数进行更新； 其中表示为目标网络的参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。