CN115460567A - 数据处理方法、装置、计算机设备和存储介质 - Google Patents
数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115460567A CN115460567A CN202211401496.4A CN202211401496A CN115460567A CN 115460567 A CN115460567 A CN 115460567A CN 202211401496 A CN202211401496 A CN 202211401496A CN 115460567 A CN115460567 A CN 115460567A
- Authority
- CN
- China
- Prior art keywords
- underwater
- preset
- data
- internet
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 193
- 238000000034 method Methods 0.000 claims abstract description 107
- 230000008569 process Effects 0.000 claims abstract description 59
- 238000013468 resource allocation Methods 0.000 claims abstract description 48
- 238000005265 energy consumption Methods 0.000 claims description 103
- 230000033001 locomotion Effects 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000002787 reinforcement Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 30
- 230000003595 spectral effect Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000008685 targeting Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及一种数据处理方法、装置、计算机设备和存储介质。本申请涉及水下航行器技术领域。所述方法包括:控制水下航行器按照预设运动轨迹向多个目标设备群运动;目标设备群内包括多个水下物联网设备;针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理;或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。采用本方法能够提高数据处理效率。
Description
技术领域
本申请涉及水下航行器技术领域,特别是涉及一种数据处理方法、装置、计算机设备和存储介质。
背景技术
水下物联网(Internet of underwater things,IoUT)是开发、利用海洋的关键技术之一。水下物联网一般包括水下物联网设备(IoUT设备)及自主水下航行器(Autonomousunderwater vehicle,AUV)、水面基站及其他设备。通过IoUT设备可以感知海洋中的数据,然后,AUV设备可以从IoUT设备中收集到海洋中的数据,再由AUV设备将海洋中的数据发送至水面基站,最终由水面基站对海洋中的数据进行数据处理或转发至地面基站。
传统方法中,由于IoUT设备不具备数据处理的能力,只能通过AUV设备采集IoUT设备中的数据,并将采集的数据传输至水面基站,才能由水面基站进行数据处理。因此,水面基站若进行数据处理,须得通过AUV设备将IoUT设备中的数据传输至水面基站。显然,这将大大降低了水下物联网中的数据处理效率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高数据处理效率的数据处理方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种数据处理方法。该方法包括:
控制水下航行器按照预设运动轨迹向多个目标设备群运动;该目标设备群内包括多个水下物联网设备;
针对该目标设备群内的各该水下物联网设备,获取与该水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;
根据与该水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对该水下物联网设备中的第一类数据进行数据处理;或根据与该水下物联网设备对应的预设数据处理策略,控制该水下物联网设备对该水下物联网设备中的第二类数据进行本地处理。
在其中一个实施例中,该预设运动轨迹包括预设移动方向、预设移动速度及预设悬停时间,该预设移动方向包括从起始点指向该目标设备群的方向或从该目标设备群指向下一个该目标设备群的方向;
该控制水下航行器按照预设运动轨迹向多个目标设备群运动,包括:
控制该水下航行器按照该预设移动方向及该预设移动速度向多个该目标设备群运动;
在该水下航行器移动至该目标设备群的该预设范围内时,控制该水下航行器在该预设范围内悬停该预设悬停时间;该预设悬停时间为该目标设备群内各该水下物联网设备在该预设数据处理策略下的数据处理时长的最大值。
在其中一个实施例中,该预设数据处理策略用于配置该水下物联网设备中的第一类数据由该水面基站进行处理及配置该水下物联网设备中的第二类数据由该水下物联网设备进行本地处理;
该预设缓存策略用于为多个该目标设备群内各该水下物联网设备配置待缓存数据的数据量大小,且各该水下物联网设备的待缓存数据的数据量大小之和小于或等于该水面基站的最大存储容量。
在其中一个实施例中,该根据与该水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对该水下物联网设备中的第一类数据进行数据处理,包括:
针对该目标设备群内的各该水下物联网设备,根据与该水下物联网设备对应的该预设资源分配策略为该水下物联网设备分配对应的带宽资源;
获取该水下物联网设备对应的该预设数据处理策略;
在该水下航行器悬停至该目标设备群的预设范围内时,根据与该水下物联网设备对应的该预设数据处理策略,控制该水下航行器按照该带宽资源及为该水下物联网设备所配置的待缓存数据的数据量大小,采集该水下物联网设备中的第一类数据,并将该第一类数据传输至该水面基站;
控制该水面基站对该第一类数据进行数据处理。
在其中一个实施例中,该预设资源分配策略还用于为该水下物联网设备分配对应的计算资源;该控制该水面基站对该第一类数据进行数据处理,包括:
针对该目标设备群内的各该水下物联网设备,获取为该水下物联网设备所分配的该计算资源;
控制该水面基站按照该计算资源,对从该水下物联网设备中所采集的第一类数据进行处理。
在其中一个实施例中,该方法还包括:
获取该水下物联网设备的数据处理时长、该水面基站的数据处理时长及该水下物联网设备将数据卸载至该水面基站的卸载时长;该卸载时长包括该水下航行器从该水下物联网设备采集数据的时长及将所采集到的数据传输至该水面基站的传输时长;
获取该水下物联网设备的能耗、该水下航行器的能耗及该水面基站的能耗;该水下物联网设备的能耗包括该水下物联网设备的传输能耗及计算能耗;该水下航行器的能耗包括该水下航行器的传输能耗及运动能耗;该水面基站的能耗包括该水面基站的计算能耗;
根据该水下物联网设备的能耗、该水下航行器的能耗及该水面基站的能耗、该水下物联网设备的处理时长、该水面基站的处理时长及该水下物联网设备将数据卸载至该水面基站的卸载时长,构建水下物联网系统的资源净增益模型;该水下物联网系统包括该计算机设备、多个目标设备群、多个该水下航行器及该水面基站。
在其中一个实施例中,该根据该水下物联网设备的能耗、该水下航行器的能耗及该水面基站的能耗、该水下物联网设备的处理时长、该水面基站的处理时长及该水下物联网设备将数据卸载至该水面基站的该卸载时长,构建水下物联网系统的资源净增益模型,包括:
根据该水下物联网设备的传输能耗及计算能耗、该水下物联网设备的处理时长、该水面基站的处理时长及该水下物联网设备将数据卸载至该水面基站的卸载时长,计算该水下物联网系统的资源增益数据;
根据该水下航行器的传输能耗、运动能耗及该水面基站的能耗,计算该水下航行器在数据处理过程中的第一资源消耗数据、该水下航行器在运动过程中的第二资源消耗数据及该水面基站在数据处理过程中的第三资源消耗数据;
根据该资源增益数据、该第一资源消耗数据、该第二资源消耗数据及该第三资源消耗数据,构建该水下物联网系统的资源净增益模型。
在其中一个实施例中,该方法还包括:
构建与该水下物联网系统的资源净增益模型对应的马尔科夫决策模型,该马尔科夫决策模型包含与该资源净增益模型对应的奖励函数;
利用深度强化学习算法构建与该奖励函数对应的策略-评价网络;该策略-评价网络包括策略网络及评价网络;
构建该策略网络的损失函数及该评价网络的损失函数,根据该策略网络的损失函数更新该策略网络的初始参数,以及根据该评价网络的损失函数更新该评价网络的初始参数;
根据该策略网络更新后的参数、该评价网络更新后的参数,计算该水下航行器的该预设运动轨迹、与多个该目标设备群内各该水下物联网设备对应的该预设资源分配策略、该预设数据处理策略及该预设缓存策略。
第二方面,本申请还提供了一种数据处理装置。该装置包括:
控制模块,用于控制水下航行器按照预设运动轨迹向多个目标设备群运动;该目标设备群内包括多个水下物联网设备;
第一获取模块,用于针对该目标设备群内的各该水下物联网设备,获取与该水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;
处理模块,用于根据与该水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对该水下物联网设备中的第一类数据进行数据处理;或根据与该水下物联网设备对应的预设数据处理策略,控制该水下物联网设备对该水下物联网设备中的第二类数据进行本地处理。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面中任一方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一方法的步骤。
上述数据处理方法、装置、计算机设备和存储介质,通过控制水下航行器按照预设运动轨迹向多个包含多个水下物联网设备的目标设备群运动,针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,并根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理,或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。由于本申请实施例通过控制水下航行器按照预设运动轨迹向多个包含多个水下物联网设备的目标设备群运动,并在针对各水下物联网设备时,水下物联网设备可以直接对第二类数据进行本地处理,而无需由水面基站对水下物联网设备中的所有数据进行处理。因此,不需要通过水下航行器将水下物联网设备中第二类数据进行采集并传输至水面基站,才能实现水面基站对水下物联网设备的第二类数据进行本地处理。进而,根据预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理,或根据预设数据处理策略控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理,从而能够大幅度的提高水下物联网中的数据处理效率。
附图说明
图1为一个实施例中数据处理方法的应用环境图;
图2为一个实施例中数据处理方法的流程示意图;
图3为一个实施例中控制水下航行器向多个目标设备群运动的方法流程示意图;
图4为一个实施例中水面基站进行数据处理的方法流程示意图;
图5为另一个实施例中水面基站进行数据处理的方法流程示意图;
图6为一个实施例中水下物联网系统的资源净增益模型构建方法的流程示意图;
图7为另一个实施例中水下物联网系统的资源净增益模型构建方法的流程示意图;
图8为一个实施例中预设运动轨迹、预设资源分配策略、预设数据处理策略及预设缓存策略的计算方法流程示意图;
图9为一个实施例中数据处理装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的数据处理方法,可以应用于如图1所示的应用环境中。其中,计算机设备102通过网络与水下航行器104进行通信,水下航行器104通过网络与目标设备群内的多个水下物联网设备106进行通信;计算机设备102还可以通过网络与水面基站108进行通信。计算机设备102可以控制水下航行器按照预设运动轨迹向多个目标设备群运动;目标设备群内包括多个水下物联网设备;针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理;或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。其中,计算机设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。计算机设备102还可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本申请实施例提供的数据处理方法。如图2所示,图2为一个实施例中数据处理方法的流程示意图,以该方法应用于计算机设备,包括以下步骤:
S201、控制水下航行器按照预设运动轨迹向多个目标设备群运动;目标设备群内包括多个水下物联网设备。
其中,控制水下航行器按照预设运动轨迹从水面基站的下方向多个目标设备群运动,且在巡航过程中与水面基站保持通信。
可选的,多个水下航行器用集合表示,多个目标设备群用
集合表示,目标设备群内包括多个水下物联网设备,多个水下物联网
设备用集合表示。为简洁易辨认的目的,用集合表示多个水
下航行器的下标,用集合表示多个目标设备群的下标,以及用集合表示目标设备群内多个水下物联网设备的下标。
S202、针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略。
S203、根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理;或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。
其中,目标设备群内的各水下物联网设备中的数据用表示,其中,表示数据的大小(以位为单位),表示数据的计算复杂度(以周期/位为单位),以集合表示目标设备群内的各水下物联网设备对应的数据处理策略,若水下物联网设备中的数据由水面基站进行数据处理,则,若水下物联网设备中的数据由水下物联网设备进行本地处理,则。
需要说明的是:数据处理策略其实质是卸载策略,若数据处理策略用于配置水下物联网设备中的第一类数据由水面基站进行处理,则需将水下物联网设备中的第一类数据卸载至水面基站,并由水面基站进行数据处理;若数据处理策略用于配置水下物联网设备中的第二类数据由水下物联网设备进行本地处理,则不需将水下物联网设备中的第二类数据卸载至水面基站,直接由水下物联网设备进行本地处理。
本实施例提供的数据处理方法,通过控制水下航行器按照预设运动轨迹向多个包含多个水下物联网设备的目标设备群运动,针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,并根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理,或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。由于本申请实施例通过控制水下航行器按照预设运动轨迹向多个包含多个水下物联网设备的目标设备群运动,并在针对各水下物联网设备时,水下物联网设备可以直接对第二类数据进行本地处理,而无需由水面基站对水下物联网设备中的所有数据进行处理。因此,不需要通过水下航行器将水下物联网设备中第二类数据进行采集并传输至水面基站,才能实现水面基站对水下物联网设备的第二类数据进行本地处理。进而,根据预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理,或根据预设数据处理策略控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理,从而能够大幅度的提高水下物联网中的数据处理效率。
参照图3,图3为一个实施例中控制水下航行器向多个目标设备群运动的方法流程示意图。本实施例涉及的是如何控制水下航行器按照预设运动轨迹向多个目标设备群运动的一种可选的实现方式。在上述实施例的基础上,上述S201具体包括如下步骤:
S301、控制水下航行器按照预设移动方向及预设移动速度向多个目标设备群运动。
其中,水下航行器从起始点(即水面基站的下方)按照恒定的预设移动速度依次向多个目标设备群运动,最后返回至起始点补充能量。例如,水下航行器服务个目标设备群,用表示水下航行器的运动轨迹,则水下航行器的轨迹是由个子轨迹组成。
S302、在水下航行器移动至目标设备群的预设范围内时,控制水下航行器在预设范围内悬停预设悬停时间。
其中,预设悬停时间为目标设备群内各水下物联网设备在预设数据处理策略下的数据处理时长的最大值。
可选的,不同水下物联网设备对自身中数据的数据处理能力是不同的,用表示水下物联网设备的数据处理能力,则水下物联网设备对自身中数据的数据处理时长是根据水下物联网设备中的数据和水下物联网设备的数据处理能力确定的,具体是通过公式(5)计算得到的:
本实施例提供的方法,通过控制水下航行器按照预设移动方向及预设移动速度向多个目标设备群运动,并在水下航行器移动至目标设备群的预设范围内时,控制水下航行器在预设范围内悬停预设悬停时间,从而能够控制水面基站对水下物联网设备中的第一类数据进行数据处理,以提高数据处理效率。
在上述实施例的基础上,还可以包括如下实现方式:
预设数据处理策略用于配置水下物联网设备中的第一类数据由水面基站进行处理及配置水下物联网设备中的第二类数据由水下物联网设备进行本地处理;预设缓存策略用于为多个目标设备群内各水下物联网设备配置待缓存数据的数据量大小,且各水下物联网设备的待缓存数据的数据量大小之和小于或等于水面基站的最大存储容量。
其中,由于经常有重复请求处理同一水下物联网设备中的数据,适当缓存先前请求的水下物联网设备中的数据能够减少回程延迟,并减轻回程链路的压力。如果水下物联网设备中的数据已经由水面基站缓存,水下物联网设备对应的缓存策略且水下物联网设备对应的数据处理策略应为1,则无需控制水下物联网设备对自身中的数据进行数据处理,可以节省水下物联设备的能量,减少处理延迟。因此,水下物联网设备对应的缓存策略与水下物联网设备对应的数据处理策略间存在,且由于水面基站的存储容量通常是有限的,因此,水下物联网设备对应的缓存策略应满足,其中,表示水面基站的最大存储容量。
参照图4,图4为一个实施例中水面基站进行数据处理的方法流程示意图。本实施例涉及的是如何根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理的一种可选的实现方式。在上述实施例的基础上,上述S203具体包括如下步骤:
S401、针对水下物联网设备,根据与水下物联网设备对应的预设资源分配策略为水下物联网设备分配对应的带宽资源。
S402、在水下航行器悬停至目标设备群的预设范围内时,根据与水下物联网设备对应的预设数据处理策略,控制水下航行器按照带宽资源及为水下物联网设备所配置的待缓存数据的数据量大小,采集水下物联网设备中的第一类数据,并将第一类数据传输至水面基站。
其中,预设数据处理策略用于配置水下物联网设备中的数据是由水面基站进行数据处理还是由水下物联网设备进行数据处理,若水下物联网设备中的数据由水面基站进行数据处理,则控制水下航行器采集水下物联网设备中的数据,并传输至水面基站,由水面基站进行数据处理;若水下物联网设备中的数据由水下物联网设备进行数据处理,则控制水下物联网设备对自身中的数据进行数据处理。
S403、控制水面基站对第一类数据进行数据处理。
本实施例提供的方法,根据与水下物联网设备对应的预设资源分配策略为水下物联网设备分配对应的带宽资源,并在水下航行器悬停至目标设备群的预设范围内时,根据与水下物联网设备对应的预设数据处理策略,控制水下航行器按照带宽资源及为水下物联网设备所配置的待缓存数据的数据量大小,采集水下物联网设备中的第一类数据,并将第一类数据传输至水面基站,从而控制水面基站对第一类数据进行数据处理。也就是说,本实施例由于根据水下物联网设备对应的预设数据处理策略,灵活调整水下航行器的作业方式,并控制水下航行器按照带宽资源为水下物联网设备所配置的待缓存数据的数据量大小,采集水下物联网设备中的第一类数据,并将第一类数据传输至水面基站,进而控制水面基站对第一类数据进行数据处理,使水面基站对水下物联网设备中的部分数据进行处理,从而能够大幅度提高水下物联网系统的数据处理效率。
参照图5,图5为另一个实施例中水面基站进行数据处理的方法流程示意图。本实施例涉及的是如何控制水面基站对水下物联网设备中的第一类数据进行数据处理的一种可选的实现方式。在上述实施例的基础上,上述S403具体包括如下步骤:
S501、针对目标设备群内的各水下物联网设备,获取为水下物联网设备所分配的计算资源。
S502、控制水面基站按照计算资源,对从水下物联网设备中所采集的数据进行处理。
本实施例提供的方法,通过获取为水下物联网设备所分配的计算资源,并控制水面基站按照计算资源,对从水下物联网设备中所采集的数据进行处理,从而能够合理调配水面基站的计算资源,以提高数据处理效率和降低数据处理能耗。
参照图6,图6为一个实施例中水下物联网系统的资源净增益模型构建方法的流程示意图。本实施例涉及的是如何构建水下物联网系统的资源净增益模型的一种可选的实现方式。在上述实施例的基础上,该方法包括如下步骤:
S601、获取水下物联网设备的数据处理时长、水面基站的数据处理时长及水下物联网设备将数据卸载至水面基站的卸载时长。
其中,卸载时长包括水下航行器从水下物联网设备采集数据的时长及将所采集到的数据传输至水面基站的传输时长。
其中,分配给水下物联网设备的计算资源应满足
可选的,由于水声通信(Underwater acoustic communication,UAC)具有复杂的传播特性,其中,多径效应、多普勒效应和环境噪声都会影响通信链路的质量,为简单起见,假设浅水声传播环境在空间和时间上都是均匀的。由于在海洋中的环境噪声可能是由气泡、航运活动、地表风场等引起的,因此,在通信频率下以每为单位的组合噪声的功率谱密度以湍流噪声、船舶噪声、波噪声和热噪声这四种噪声的功率谱密度组合确定的。其中,组合噪声的功率谱密度、湍流噪声的功率谱密度、船舶噪声的功率谱密度、波噪声的功率谱密度和热噪声的功率谱密度,具体是通过公式(7)至公式(11)计算得到的:
可选的,水声通信信道是视距(Light-of-sight, LoS)信道和非视距(Non-light-of-sight, NLoS)信道的叠加,其中,非视距信道的传播路径通常包括“水下表面-海床”与“水-空气表面”反射。
可选的,针对水下物联网设备和水下航行器之间的水声通信信道的几何路径,设表示海面反射点的三维坐标,表示海床反射点的三维坐标。因此,水下物联网设备和水下航行器之间的视距信道的传播路径的距离是根据水下物联网设备的三维坐标和水下航行器的三维坐标确定的,具体是通过公式(12)计算得到的:
可选的,考虑水声通信信道中所有的非视距信道的传播路径是没必要的,一般是通过寻找最小的非视距信道的传播路径,以获得水声通信信道的信噪比(signal-to-noise,SNR)的下界。例如,针对水下物联网设备和水下航行器之间的非视距信道的传播路径,通过公式(13)和公式(14)计算出所有的非视距信道的传播路径的距离,进而能够计算出最短的以海面反射点的非视距信道的传播路径的距离和以海床反射点的非视距信道的传播路径的距离,具体是通过公式(15)和公式(16)计算得到的:
可选的,针对水下物联网设备和水下航行器之间的水声通信信道的信噪比的下界是根据组合噪声的功率谱密度、通信频率在视距信道的传播路径的衰减量、通信频率在最短的以海面反射点的非视距信道的传播路径的衰减量和通信频率在最短的以海床反射点的非视距信道的传播路径的衰减量确定的,具体是通过公式(20)计算得到的:
可选的,水下航行器从水下物联网设备采集数据的速率是根据水下物联网设备和水下航行器之间的水声通信信道的信噪比的下界、分配给水下物联网设备的带宽资源比例和分配给目标设备群的总带宽确定的,具体是通过公式(21)计算得到的:
其中,分配给水下物联网设备的带宽资源比例需满足
可选的,针对水下航行器和水面基站之间的水声通信信道的几何路径,设为海床反射点的三维坐标。因此,水下航行器和水面基站之间的视距信道的传播路径的距离是根据水下航行器的三维坐标和水面基站的三维坐标确定的,具体是通过公式(23)计算得到的:
可选的,结合公式(17)至公式(19),针对水下航行器和水面基站之间的水声通信信道的信噪比的下界根据组合噪声的功率谱密度、通信频率在视距信道的传播路径的衰减量、通信频率在最短的以海床反射点的非视距信道的传播路径的衰减量确定的,具体是通过公式(26)计算得到的:
可选的,水下航行器与水面基站之间的水声通信链路是采用经典的码分多址协议(Code division multiple access,CDMA),因此,水下航行器将所采集到的数据传输至水面基站的传输速率是根据水下航行器和水面基站之间的水声通信信道的信噪比的下界和水下航行器与水面基站之间的带宽确定的,具体是通过公式(27)计算得到的:
可选的,水下航行器将所采集到的数据传输至水面基站的传输时长是根据水下物联网设备对应的缓存策略、水下物联网设备中的数据和水下航行器将所采集到的数据传输至水面基站的传输速率确定的,具体是通过如下公式(28)计算得到的:
S602、获取水下物联网设备的能耗、水下航行器的能耗及水面基站的能耗。
其中,水下物联网设备的能耗包括水下物联网设备的传输能耗及计算能耗;水下航行器的能耗包括水下航行器的传输能耗及运动能耗;水面基站的能耗包括水面基站的计算能耗。
本实施例中,水下物联网设备的传输能耗是根据水下物联网设备和水下航行器之间的水声通信信道的信噪比的下界、水下航行器从水下物联网设备采集数据的速率和水下航行器从水下物联网设备采集数据的时长确定的,具体是通过公式(30)计算得到的:
可选的,水下航行器的传输能耗是根据水下航行器和水面基站之间的水声通信信道的信噪比的下界、水下航行器将所采集到的数据传输至水面基站的传输速率和水下航行器将所采集到的数据传输至水面基站的传输时长确定的,具体是通过公式(32)计算得到的:
可选的,用表示水下航行器选择目标设备群为第个悬停的目标设备群,用表示水下航行器未选择目标设备群为第个悬停的目标设备群。水下航行器的运动轨迹策略用表示,为了保证每个目标设备群只能被服务一次,水下航行器的运动轨迹需满足公式(36)至公式(38)所示的条件:
可选的,为了确保水下航行器间的平衡,水下航行器间的巡航时间差异需满足如下公式(41)所示的条件:
可选的,由于时变的水流速和涡旋等导致水下海洋环境非常复杂且多变,且这会对水下航行器的运动产生重大影响。因此,通过建立一个基于Navier-Stokes方程的模型来量化湍流海洋环境对水下航行器运动的影响。洋流场用如下公式(42)表示:
可选的,为了便于分析,将Navier-Stokes方程处理为如公式(43)至公式(46)所示的形式:
其中,表示水下航行器的三维坐标,表示涡旋的三维坐标,表示涡旋的强度,表示涡旋的半径。由于水下航行器的大部分能耗是因为需要克服水的阻力而产生的。因此,为了确定维持水下航行器按照设定的恒定的移动速度运动所需的推进力,需先确定水下航行器和海流之间的相对速度。水下航行器和海流之间的相对速度是根据水下航行器的移动速度和水下航行器悬停时所在位置的水流速度确定的,具体是通过公式(47)计算得到的:
可选的,水下航行器悬停至第个目标设备群的预设范围内时所需拉力的电功率是根据水下航行器悬停至第个目标设备群的预设范围内时所在位置的水流速度和水下航行器悬停至第个目标设备群的预设范围内时所需的拉力确定的,具体是通过公式(51)计算得到的:
可选的,由于在水下航行器的运动过程中,每个点的水流速度都是不同的,因此,将水下航行器的每个子轨迹的起点、中点和终点分别对应的相对流速的平均值来计算子轨迹中的平均相对流速。从第个目标设备群移动至第个目标设备群的平均相对流速是根据第个目标设备群所在位置的水流速度、位于第个目标设备群和第个目标设备群之间的中点所在位置的水流速度和第个目标设备群所在位置的水流速度确定的,具体是通过公式(52)计算得到的:
可选的,水下航行器从第个目标设备群移动至第个目标设备群所需阻力的电功率是根据水下航行器从第个目标设备群移动至第个目标设备群的平均相对流速和水下航行器从第个目标设备群移动至第个目标设备群所需的阻力确定的,具体是通过公式(54)计算得到的:
可选的,由于当水下物联网设备中的数据卸载至水面基站时,水面基站对从水下物联网设备中所采集的数据进行处理。因此,水面基站的计算能耗是根据水面基站的数据处理时长和分配给水下物联网设备的计算资源比例确定的,具体是通过公式(58)计算得到的:
S603、根据水下物联网设备的能耗、水下航行器的能耗及水面基站的能耗、水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长,构建水下物联网系统的资源净增益模型。
其中,水下物联网系统包括计算机设备、多个目标设备群、多个水下航行器及水面基站。
本实施例提供的方法,由于通过构建水下物联网系统的资源净增益模型,联合资源分配策略、运动轨迹策略、数据处理策略和缓存策略,从资源净增益模型中确定水下物联网系统的能够获得的最大资源净增益,从而能够确定使水下物联网系统达到最大资源净增益对应的预设分配策略、预设数据处理策略及预设缓存策略。
参照图7,图7为另一个实施例中水下物联网网系统的资源净增益模型构建方法的流程示意图。本实施例涉及的是如何根据水下物联网设备的能耗、水下航行器的能耗及水面基站的能耗、水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长,构建水下物联网系统的资源净增益型的一种可选的实现方式。在上述实施例的基础上,上述S603具体包括如下步骤:
S701、根据水下物联网设备的传输能耗及计算能耗、水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长,计算水下物联网系统的资源增益数据。
本实施例中,水下物联网设备能够减少回程的延迟和能耗的改善是水下物联网系统的资源增益数据。其中,水下物联网设备能够减少回程的延迟是根据水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长确定的;水下物联网设备的能耗的改善是根据据水下物联网设备的传输能耗及计算能耗确定的。
S702、根据水下航行器的传输能耗、运动能耗及水面基站的能耗,计算水下航行器在数据处理过程中的第一资源消耗数据、水下航行器在运动过程中的第二资源消耗数据及水面基站在数据处理过程中的第三资源消耗数据。
S703、根据资源增益数据、第一资源消耗数据、第二资源消耗数据及第三资源消耗数据,构建水下物联网系统的资源净增益模型。
本实施例中,根据资源增益数据、第一资源消耗数据、第二资源消耗数据及第三资源消耗数据,构建使水下物联网系统的资源净增益达到最大化的资源净增益模型。
可选的,资源净增益模型是联合资源分配策略、运动轨迹策略、数据处理策略和缓存策略,根据水下物联网系统的资源净增益数据确定的,具体用公式(67)表示,其中,资源分配策略包括带宽分配策略和计算资源分配策略。
本实例提供的方法,由于根据水下物联网设备的传输能耗及计算能耗、水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长,计算水下物联网系统的资源增益数据,进而根据水下航行器的传输能耗、运动能耗及水面基站的能耗,计算水下航行器在数据处理过程中的第一资源消耗数据、水下航行器在运动过程中的第二资源消耗数据及水面基站在数据处理过程中的第三资源消耗数据,从而根据资源增益数据、第一资源消耗数据、第二资源消耗数据及第三资源消耗数据,构建水下物联网系统的资源净增益模型的方法,操作方便简单,实用性强。
参照图8,图8为一个实施例中预设运动轨迹、预设资源分配策略、预设数据处理策略及预设缓存策略的计算方法流程示意图。本实施例涉及的是如何计算预设运动轨迹、预设资源分配策略、预设数据处理策略及预设缓存策略的一种可选的实现方式。在上述实施例的基础上,具体计算方法包括如下步骤:
S801、构建与水下物联网系统的资源净增益模型对应的马尔科夫决策模型,马尔科夫决策模型包含与资源净增益模型对应的奖励函数。
本实例中,由于所构建的水下物联网系统的资源净增益模型是非凸且为NP-hard的,这对于传统的优化方法通常是难以解决的。因此,针对水下物联网系统的资源净增益模型,采用一种高效的分布式深度强化学习方法,即异步优势行动者-评论家( AsynchronousAdvantage Actor-critic,A3C)算法求解资源净增益模型的最大资源增益。
其中,将水下物联网系统的资源净增益模型转换为一个马尔科夫决策模型(Markove decision process, MDP),马尔科夫决策模型主要包括:状态空间、动作空间、策略、状态转移函数和奖励函数。
针对奖励函数:是水下物联网系统的资源净增益模型对应的目标函数,即水下物联网系统的最大资源净增益,用公式(70)表示:
S802、利用深度强化学习算法构建与奖励函数对应的策略-评价网络;策略-评价网络包括策略网络及评价网络。
本实施例中,策略-评价网络是由两个神经网络组成,即参数为的策略网络(行动者)和参数为的评价网络(评论家)。在每一回合中,评价网络预测的状态值用表示,智能体先根据当前状态下的策略执行一个动作,环境再切换到下一个状态并产生奖励函数。其中,策略-评价网络的状态值函数用公式(71)表示:
S803、构建策略网络的损失函数及评价网络的损失函数,根据策略网络的损失函数更新策略网络的初始参数,以及根据评价网络的损失函数更新评价网络的初始参数。
可选的,针对根据策略网络的损失函数更新策略网络的初始参数的过程中,策略网络的累积梯度,具体是通过公式(76)更新:
可选的,针对根据评价网络的损失函数更新评价网络的初始参数的过程中,评价网络的累积梯度,具体是通过公式(77)更新:
可选的,为了有效地训练策略-评价网络,采用RMSProp算法,以大幅度的提高梯度下降的速度,其中,RMSProp算法的梯度具体用公式(78)表示:
可选的,根据公式(78)更新策略网络的初始参数,具体过程通过公式(79)表示:
可选的,根据公式(78)更新评价网络的初始参数,具体过程通过公式(80)表示:
S804、根据策略网络更新后的参数、评价网络更新后的参数,计算水下航行器的预设运动轨迹、与多个目标设备群内各水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略。
本实施例中,根据策略网络更新后的参数、评价网络更新后的参数,确定智能体的最优策略,进而根据最优策略,计算水下航行器的预设运动轨迹、与多个目标设备群内各水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略。
本实施例提供的方法,由于构建的策略-评价网络结合了策略网络和评价网络的强化学习算法的优点,进而能够实现策略网络和评价网络的异步更新过程,以提高学习效率,从而能够快速,准确的计算水下航行器的预设运动轨迹、与多个目标设备群内各水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的数据处理方法的数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个数据处理装置实施例中的具体限定可以参见上文中对于数据处理方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种数据处理装置,该装置900,包括:控制模块901、第一获取模块902和处理模块903,其中:
控制模块901,用于控制水下航行器按照预设运动轨迹向多个目标设备群运动;目标设备群内包括多个水下物联网设备;
第一获取模块902,用于针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;
处理模块903,用于根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理;或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。
本实施例提供的数据处理装置,通过控制水下航行器按照预设运动轨迹向多个包含多个水下物联网设备的目标设备群运动,针对目标设备群内的各水下物联网设备,获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,并根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理,或根据与水下物联网设备对应的预设数据处理策略,控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。由于本申请实施例通过控制水下航行器按照预设运动轨迹向多个包含多个水下物联网设备的目标设备群运动,并在针对各水下物联网设备时,水下物联网设备可以直接对第二类数据进行本地处理,而无需由水面基站对水下物联网设备中的所有数据进行处理。因此,不需要通过水下航行器将水下物联网设备中第二类数据进行采集并传输至水面基站,才能实现水面基站对水下物联网设备的第二类数据进行本地处理。进而,根据预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对水下物联网设备中的第一类数据进行数据处理,或根据预设数据处理策略控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理,从而能够大幅度的提高水下物联网中的数据处理效率。
在一个实施例中,控制模块901,包括:
第一控制单元,用于控制水下航行器按照预设移动方向及预设移动速度向多个目标设备群运动;
第二控制单元,用于在水下航行器移动至目标设备群的预设范围内时,控制水下航行器在预设范围内悬停预设悬停时间;预设悬停时间为目标设备群内各水下物联网设备在预设数据处理策略下的数据处理时长的最大值;
在一个实施例中,预设数据处理策略用于配置水下物联网设备中的第一类数据由水面基站进行处理及配置水下物联网设备中的第二类数据由水下物联网设备进行本地处理;预设缓存策略用于为多个目标设备群内各水下物联网设备配置待缓存数据的数据量大小,且各水下物联网设备的待缓存数据的数据量大小之和小于或等于水面基站的最大存储容量。
在一个实施例中,处理模块903,包括:
分配单元,用于针对水下物联网设备,根据与水下物联网设备对应的预设资源分配策略为水下物联网设备分配对应的带宽资源;
第一采集单元,用于在水下航行器悬停至目标设备群的预设范围内时,根据与水下物联网设备对应的预设数据处理策略,控制水下航行器按照带宽资源及为水下物联网设备所配置的待缓存数据的数据量大小,采集水下物联网设备中的第一类数据,并将第一类数据传输至水面基站;
第三控制单元,用于控制水面基站对第一类数据进行数据处理。
在一个实施例中,第三控制单元具体用于针对目标设备群内的各水下物联网设备,获取为水下物联网设备所分配的计算资源;控制水面基站按照计算资源,对从水下物联网设备中所采集的第一类数据进行处理。
在一个实施例中,该装置900,还包括:
第二获取模块,用于获取水下物联网设备的数据处理时长、水面基站的数据处理时长及水下物联网设备将数据卸载至水面基站的卸载时长;卸载时长包括水下航行器从水下物联网设备采集数据的时长及将所采集到的数据传输至水面基站的传输时长;
第三获取模块,用于获取水下物联网设备的能耗、水下航行器的能耗及水面基站的能耗;水下物联网设备的能耗包括水下物联网设备的传输能耗及计算能耗;水下航行器的能耗包括水下航行器的传输能耗及运动能耗;水面基站的能耗包括水面基站的计算能耗;
第一构建模块,用于根据水下物联网设备的能耗、水下航行器的能耗及水面基站的能耗、水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长,构建水下物联网系统的资源净增益模型;水下物联网系统包括计算机设备、多个目标设备群、多个水下航行器及水面基站。
在一个实施例中,第一构建模块,还包括:
第一计算单元,用于根据水下物联网设备的传输能耗及计算能耗、水下物联网设备的处理时长、水面基站的处理时长及水下物联网设备将数据卸载至水面基站的卸载时长,计算水下物联网系统的资源增益数据;
第二计算单元,用于根据水下航行器的传输能耗、运动能耗及水面基站的能耗,计算水下航行器在数据处理过程中的第一资源消耗数据、水下航行器在运动过程中的第二资源消耗数据及水面基站在数据处理过程中的第三资源消耗数据;
构建单元,用于根据资源增益数据、第一资源消耗数据、第二资源消耗数据及第三资源消耗数据,构建水下物联网系统的资源净增益模型。
在一个实施例中,该装置900,还包括:
第二构建模块,用于构建与水下物联网系统的资源净增益模型对应的马尔科夫决策模型,马尔科夫决策模型包含与资源净增益模型对应的奖励函数;
第三构建模块,用于利用深度强化学习算法构建与奖励函数对应的策略-评价网络;策略-评价网络包括策略网络及评价网络;
更新模块,用于构建策略网络的损失函数及评价网络的损失函数,根据策略网络的损失函数更新策略网络的初始参数,以及根据评价网络的损失函数更新评价网络的初始参数;
计算模块,用于根据策略网络更新后的参数、评价网络更新后的参数,计算水下航行器的预设运动轨迹、与多个目标设备群内各水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略。
上述数据处理装置中的各模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储海洋中的数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据处理方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种数据处理方法,其特征在于,应用于计算机设备,所述方法包括:
控制水下航行器按照预设运动轨迹向多个目标设备群运动;所述目标设备群内包括多个水下物联网设备;
针对所述目标设备群内的各所述水下物联网设备,获取与所述水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;
根据与所述水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对所述水下物联网设备中的第一类数据进行数据处理;或根据与所述水下物联网设备对应的预设数据处理策略,控制所述水下物联网设备对所述水下物联网设备中的第二类数据进行本地处理。
2.根据权利要求1所述的方法,其特征在于,所述预设运动轨迹包括预设移动方向、预设移动速度及预设悬停时间,所述预设移动方向包括从起始点指向所述目标设备群的方向或从所述目标设备群指向下一个所述目标设备群的方向;
所述控制水下航行器按照预设运动轨迹向多个目标设备群运动,包括:
控制所述水下航行器按照所述预设移动方向及所述预设移动速度向多个所述目标设备群运动;
在所述水下航行器移动至所述目标设备群的所述预设范围内时,控制所述水下航行器在所述预设范围内悬停所述预设悬停时间;所述预设悬停时间为所述目标设备群内各所述水下物联网设备在所述预设数据处理策略下的数据处理时长的最大值。
3.根据权利要求1所述的方法,其特征在于,所述预设数据处理策略用于配置所述水下物联网设备中的第一类数据由所述水面基站进行处理及配置所述水下物联网设备中的第二类数据由所述水下物联网设备进行本地处理;
所述预设缓存策略用于为多个所述目标设备群内各所述水下物联网设备配置待缓存数据的数据量大小,且各所述水下物联网设备的待缓存数据的数据量大小之和小于或等于所述水面基站的最大存储容量。
4.根据权利要求3所述的方法,其特征在于,所述根据与所述水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对所述水下物联网设备中的第一类数据进行数据处理,包括:
针对所述水下物联网设备,根据与所述水下物联网设备对应的所述预设资源分配策略为所述水下物联网设备分配对应的带宽资源;
在所述水下航行器悬停至所述目标设备群的预设范围内时,根据与所述水下物联网设备对应的所述预设数据处理策略,控制所述水下航行器按照所述带宽资源及为所述水下物联网设备所配置的待缓存数据的数据量大小,采集所述水下物联网设备中的第一类数据,并将所述第一类数据传输至所述水面基站;
控制所述水面基站对所述第一类数据进行数据处理。
5.根据权利要求4所述的方法,其特征在于,所述预设资源分配策略还用于为所述水下物联网设备分配对应的计算资源;所述控制所述水面基站对所述第一类数据进行数据处理,包括:
针对所述目标设备群内的各所述水下物联网设备,获取为所述水下物联网设备所分配的所述计算资源;
控制所述水面基站按照所述计算资源,对从所述水下物联网设备中所采集的第一类数据进行处理。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
获取所述水下物联网设备的数据处理时长、所述水面基站的数据处理时长及所述水下物联网设备将数据卸载至所述水面基站的卸载时长;所述卸载时长包括所述水下航行器从所述水下物联网设备采集数据的时长及将所采集到的数据传输至所述水面基站的传输时长;
获取所述水下物联网设备的能耗、所述水下航行器的能耗及所述水面基站的能耗;所述水下物联网设备的能耗包括所述水下物联网设备的传输能耗及计算能耗;所述水下航行器的能耗包括所述水下航行器的传输能耗及运动能耗;所述水面基站的能耗包括所述水面基站的计算能耗;
根据所述水下物联网设备的能耗、所述水下航行器的能耗及所述水面基站的能耗、所述水下物联网设备的处理时长、所述水面基站的处理时长及所述水下物联网设备将数据卸载至所述水面基站的卸载时长,构建水下物联网系统的资源净增益模型;所述水下物联网系统包括所述计算机设备、多个目标设备群、多个所述水下航行器及所述水面基站。
7.根据权利要求6所述的方法,其特征在于,所述根据所述水下物联网设备的能耗、所述水下航行器的能耗及所述水面基站的能耗、所述水下物联网设备的处理时长、所述水面基站的处理时长及所述水下物联网设备将数据卸载至所述水面基站的卸载时长,构建水下物联网系统的资源净增益模型,包括:
根据所述水下物联网设备的传输能耗及计算能耗、所述水下物联网设备的处理时长、所述水面基站的处理时长及所述水下物联网设备将数据卸载至所述水面基站的卸载时长,计算所述水下物联网系统的资源增益数据;
根据所述水下航行器的传输能耗、运动能耗及所述水面基站的能耗,计算所述水下航行器在数据处理过程中的第一资源消耗数据、所述水下航行器在运动过程中的第二资源消耗数据及所述水面基站在数据处理过程中的第三资源消耗数据;
根据所述资源增益数据、所述第一资源消耗数据、所述第二资源消耗数据及所述第三资源消耗数据,构建所述水下物联网系统的资源净增益模型。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
构建与所述水下物联网系统的资源净增益模型对应的马尔科夫决策模型,所述马尔科夫决策模型包含与所述资源净增益模型对应的奖励函数;
利用深度强化学习算法构建与所述奖励函数对应的策略-评价网络;所述策略-评价网络包括策略网络及评价网络;
构建所述策略网络的损失函数及所述评价网络的损失函数,根据所述策略网络的损失函数更新所述策略网络的初始参数,以及根据所述评价网络的损失函数更新所述评价网络的初始参数;
根据所述策略网络更新后的参数、所述评价网络更新后的参数,计算所述水下航行器的所述预设运动轨迹、与多个所述目标设备群内各所述水下物联网设备对应的所述预设资源分配策略、所述预设数据处理策略及所述预设缓存策略。
9.一种数据处理装置,其特征在于,所述装置包括:
控制模块,用于控制水下航行器按照预设运动轨迹向多个目标设备群运动;所述目标设备群内包括多个水下物联网设备;
第一获取模块,用于针对所述目标设备群内的各所述水下物联网设备,获取与所述水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略;
处理模块,用于根据与所述水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略,控制水面基站对所述水下物联网设备中的第一类数据进行数据处理;或根据与所述水下物联网设备对应的预设数据处理策略,控制所述水下物联网设备对所述水下物联网设备中的第二类数据进行本地处理。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401496.4A CN115460567B (zh) | 2022-11-09 | 2022-11-09 | 数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401496.4A CN115460567B (zh) | 2022-11-09 | 2022-11-09 | 数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115460567A true CN115460567A (zh) | 2022-12-09 |
CN115460567B CN115460567B (zh) | 2023-03-24 |
Family
ID=84310210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401496.4A Active CN115460567B (zh) | 2022-11-09 | 2022-11-09 | 数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115460567B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627802A (zh) * | 2018-04-09 | 2018-10-09 | 青岛科技大学 | 多信源海洋物联网定位方法 |
CN110958591A (zh) * | 2019-12-20 | 2020-04-03 | 中国船舶工业系统工程研究院 | 一种广域海洋物联网海上跨域通信管控系统 |
US20210110313A1 (en) * | 2019-09-18 | 2021-04-15 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
CN112787920A (zh) * | 2021-03-03 | 2021-05-11 | 厦门大学 | 面向海洋物联网的水声通信边缘计算时延和能耗优化方法 |
CN114021770A (zh) * | 2021-09-14 | 2022-02-08 | 北京邮电大学 | 网络资源优化方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-09 CN CN202211401496.4A patent/CN115460567B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627802A (zh) * | 2018-04-09 | 2018-10-09 | 青岛科技大学 | 多信源海洋物联网定位方法 |
US20210110313A1 (en) * | 2019-09-18 | 2021-04-15 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
CN110958591A (zh) * | 2019-12-20 | 2020-04-03 | 中国船舶工业系统工程研究院 | 一种广域海洋物联网海上跨域通信管控系统 |
CN112787920A (zh) * | 2021-03-03 | 2021-05-11 | 厦门大学 | 面向海洋物联网的水声通信边缘计算时延和能耗优化方法 |
CN114021770A (zh) * | 2021-09-14 | 2022-02-08 | 北京邮电大学 | 网络资源优化方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
QIN CHUAN 等: "AUV-Aided Hierarchical Information Acquisition", 《IEEE GLOBECOM 2020 - 2020 IEEE GLOBAL COMMUNICATIONS CONFERENCE 》 * |
陈健瑞 等: "挺进深蓝:从单体仿生到群体智能", 《电子学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115460567B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Digital twin assisted task offloading for aerial edge computing and networks | |
CN113543176B (zh) | 基于智能反射面辅助的移动边缘计算系统的卸载决策方法 | |
Zhu et al. | BLOT: Bandit learning-based offloading of tasks in fog-enabled networks | |
CN112118287B (zh) | 基于交替方向乘子算法与移动边缘计算的网络资源优化调度决策方法 | |
CN112416554A (zh) | 一种任务迁移方法、装置、电子设备及存储介质 | |
Wu et al. | High stable and accurate vehicle selection scheme based on federated edge learning in vehicular networks | |
CN114125785A (zh) | 数字孪生网络低时延高可靠传输方法、装置、设备及介质 | |
CN114885420A (zh) | 一种noma-mec系统中的用户分组和资源分配方法及装置 | |
Xu et al. | A multipopulation firefly algorithm for correlated data routing in underwater wireless sensor networks | |
CN114007231B (zh) | 异构无人机数据卸载方法、装置、电子设备及存储介质 | |
Cui et al. | Multiagent reinforcement learning-based cooperative multitype task offloading strategy for internet of vehicles in B5G/6G network | |
Jo et al. | Deep reinforcement learning‐based joint optimization of computation offloading and resource allocation in F‐RAN | |
Hazarika et al. | AFL-DMAAC: Integrated resource management and cooperative caching for URLLC-IoV networks | |
Hazarika et al. | Hybrid machine learning approach for resource allocation of digital twin in UAV-aided internet-of-vehicles networks | |
Zhang et al. | Environment and Energy-Aware AUV-Assisted Data Collection for the Internet of Underwater Things | |
Ponni et al. | Investigations on Underwater Acoustic Sensor Networks Framework for RLS Enabled LoRa Networks in Disaster Management Applications. | |
Liu et al. | AoI-aware UAV-enabled marine MEC networks with integrated sensing, computation, and communication | |
Yang et al. | Intelligent computation offloading for joint communication and sensing-based vehicular networks | |
Zhao et al. | Deep deterministic policy gradient-based rate maximization for RIS-UAV-assisted vehicular communication networks | |
Lin et al. | Learning-Based Query Scheduling and Resource Allocation for Low-Latency Mobile Edge Video Analytics | |
CN114980160A (zh) | 一种无人机辅助的太赫兹通信网络联合优化方法和装置 | |
CN115460567B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
Hu et al. | An energy-balanced head nodes selection scheme for underwater mobile sensor networks | |
CN113747450A (zh) | 一种移动网络中业务部署方法、装置及电子设备 | |
Chen et al. | Energy‐efficiency fog computing resource allocation in cyber physical internet of things systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |