[发明专利]无人机能耗最小化设计方法及装置

说明书

本发明公开了一种无人机能耗最小化设计方法及装置，所述方法包括：计算无人机与传感器节点的信道增益；根据所述无人机与传感器节点的信道增益，计算传感器节点通信消耗的能量；根据所述无人机与传感器节点的信道增益，计算传感器节点收集的能量；计算无人机消耗的能量；根据传感器节点通信消耗的能量和传感器节点电池剩余电量情况，计算传感器信息年龄AoI；通过联合优化无人机的飞行轨迹，飞行时间以及信息采集和能量收集的策略以最小化无人机能耗，建立优化问题模型；建立基于DQN的无人机控制框架；根据所述基于DQN的无人机控制框架，基于DQN规划无人机飞行策略。

技术领域

本发明涉及网络优化设计技术领域，尤其是涉及一种无人机能耗最小化设计方法及装置。

背景技术

随着5G的快速部署，虚拟现实(VR，Virtual Reality)、增强现实(AR，AugmentedReality)、无人驾驶、智慧医疗等应用蓬勃发展，这些应用除了要求超高可靠、低时延通信，对信息新鲜度也十分敏感，而传统的网络指标如吞吐量、延迟等无法准确地刻画网络中的信息新鲜度。

为了准确的刻画信息的新鲜度，学术界提出了信息年龄(AoI，age ofinformation)的概念，其定义为目的节点最新接收的数据包从在源节点生成以来经过的时间。AoI是传感器网络中的关键性能指标之一，为了保证网络中信息的新鲜度，传感器节点需要频繁地传输最新采集的信息，为此需消耗大量能量，而频繁更换电池或充电通常是不方便且费用昂贵的，尤其在恶劣环境下更是难以实现。

无线功率传输(WPT，wireless power transfer)技术能够为传感器节点提供稳定的电源，从而延长系统运行时间。因此，基于射频能量收集的AoI系统已经有不少相关的研究。但是这些工作大多采用线性能量收集模型，即收集到的能量随接收射频信号输入功率的增加而线性增加，而在实际中，二极管等元件引起的电路非线性特性导致能量收集电路的输入输出显示高度非线性特性，因此实际的系统应考虑非线性能量收集模型。

另外，为了延长无线网络中传感器节点的使用寿命，在无线网络中引入无人机(UAV，unmanned aerial vehicle)受到了广泛的关注。在无线网络环境中，安装能量发射器的无人机能够灵活移动到传感器节点附近与其建立视距(LoS，line-of-sight)连接，同时提供稳定的能量服务。但是，大部分无人机采用电池供电，续航时间有限，因此节能已被认为是未来无线网络设计的重要指标之一。目前有很多工作都在研究最小化无人机能耗的优化问题，无人机飞行轨迹优化对降低无人机飞行能耗具有重要作用。另外，通过优化无人机的加速度也能够降低无人机的能耗。

无人机飞行过程中与传感器节点的信道时刻在变化，同时能量和信息的传输也会引起传感器节点存储能量和信息AoI的变化，因此随着传感器节点个数的增加，状态空间很容易剧增而难以使用动态规划等传统算法解决无人机能耗优化问题。

近年来，深度强化学习(DRL，deep reinforcement learning)算法引起了工业界和学术界的广泛关注。与马尔科夫决策过程(MDP，markov decision process)和强化学习(RL，reinforcement learning)算法相比，深度强化学习能够克服巨大的状态和动作空间，求解更为复杂的优化问题。在一些领域，如游戏，已取得了显著的成功，也开始应用于解决无人机辅助网络中的优化问题。但现有系统将无人机的飞行区域简单进行离散化，不能避免无人机在飞行过程中出现大角度拐弯的情况，因此优化结果与无人机实际飞行不相符。而且只关注了如何为无人机和传感器节点节能，尚未引进无线射频能量收集技术为低功耗传感器节点供电。

发明内容

本发明的目的在于提供一种无人机能耗最小化设计方法及装置，旨在解决现有技术中的上述问题。

本发明提供一种无人机能耗最小化设计方法，包括：

计算无人机与传感器节点的信道增益；