CN116600361A - 无人机组网配置方法、设备和可读存储介质 - Google Patents

Abstract

本申请公开了一种无人机组网配置方法、设备和可读存储介质，涉及通信路径查找领域，该方法包括：获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置。解决了相关技术中需要传输不同类型的数据，导致整体系统的数据传输实时性难以保证，存在较大的时延的技术问题，实现了降低无人机组网时延，提高无人机巡检效率的技术效果。

Description

无人机组网配置方法、设备和可读存储介质

技术领域

本申请涉及通信路径查找领域，尤其涉及一种无人机组网配置方法、设备和可读存储介质。

背景技术

当前无人机续航时间短，导致检测范围有限，且在复杂环境，如山区、隧道以及密集建筑群等场景中，经常存在无GNSS（Global Navigation Satellite System，全球导航卫星系统）信号的情况。

相关技术中，通常采用以无人机为中介，融合边缘计算的方案，方案中地面站配备了，比无人机搭载的嵌入式处理器更强大的数据处理能力的计算边缘设备，用于接收无人机通常携带有可见光摄像机、通信中继器和发射器，无人机通过图像传输模块，将摄像机采集的图像传输到所有能够接收数据的设备。

但是，在现有的无人机中继网络中，同时存在多条不同的业务流，需要传输不同类型的数据，导致整体系统的数据传输实时性难以保证，存在较大的时延。

发明内容

本申请实施例通过提供一种无人机组网配置方法，解决了相关技术中需要传输不同类型的数据，导致整体系统的数据传输实时性难以保证，存在较大的时延的技术问题，实现了降低无人机组网时延，提高无人机巡检效率的技术效果。

本申请实施例提供了一种无人机组网配置，所述无人机组网配置方法包括：

获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；

获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；

将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；

基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置。

可选的，所述获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵的步骤包括：

获取所述中继无人机发送的信标帧，根据所述信标帧确定所述定位信息；

根据所述定位信息建立所述中继无人机与所述下游无人机之间的拓扑结构；

根据所述拓扑结构确定所述下游无人机的所述邻接矩阵，其中，所述邻接矩阵包括所述下游无人机，与其预设范围内的所述中继无人机之间的距离信息。

可选的，所述获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征的步骤包括：

获取所述无人机的状态信息，对所述状态信息进行多层感知机编码，得到各个所述无人机的所述节点特征；

根据所述下游无人机的所述邻接矩阵，确定与所述下游无人机关联的所述中继无人机，并根据所述下游无人机和所述中继无人机的所述节点特征确定特征矩阵；

对所述特征矩阵通过归一化指数函数进行归一化处理；

对处理结果使用噪声线形整流函数进行所述非线性处理，得到所述下游无人机的所述目标节点特征。

可选的，所述将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重的步骤包括：

基于行动者网络，根据所述目标节点特征，确定对应的所述下游无人机的动作网络值；

基于所述动作网络值和所述目标节点特征，更新动作价值函数的价值参数；

将所述价值参数输入所述动作价值函数，得到所述目标节点特征对应的所述下游无人机，与各个所述中继无人机之间的所述链路权重。

可选的，所述基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置的步骤包括：

根据所述邻接矩阵确定所述下游无人机和所述中继无人机之间的连接路径；

根据所述连接路径以及所述中继无人机的初始能量消耗率，确定所述中继无人机的剩余能量值；

获取各个所述下游无人机对应的业务标识，根据所述剩余能量值、所述业务标识以及所述连接路径确定所述中继无人机的最优网络收益；

基于所述链路权重、所述最优网络收益和直接搜索算法确定所述下游无人机和所述中继无人机的传输路径，以所述传输路径作为所述路由配置。

可选的，所述根据所述连接路径以及所述中继无人机的初始能量消耗率，确定所述中继无人机的剩余能量值的步骤包括：

根据所述连接路径，确定所述中继无人机所经过的路径数量；

获取所述中继无人机的初始能量消耗率，并根据所述初始能量消耗率和所述路径数量，确定所述中继无人机的能量消耗率；

根据所述能量消耗率和所述中继无人机的初始剩余能量值，确定所述中继无人机的所述剩余能量值。

可选的，所述获取各个所述下游无人机对应的业务标识，根据所述剩余能量值、所述业务标识以及所述连接路径确定所述中继无人机的最优网络收益的步骤包括：

获取所述中继无人机关联的所述连接路径的路径长度序列；

根据所述下游无人机的业务标识对应的能量消耗参数，以及所述路径长度序列，确定各个所述连接路径的能量消耗值；

基于各个所述中继无人机对应的所述剩余能量值，以及所述能量消耗值，确定各个所述中继无人机的所述最优网络收益。

可选的，所述基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置的步骤之后，还包括：

控制所述下游无人机，向所述路由配置指向的所述中继无人机发送业务数据；

所述中继无人机在接收到所述业务数据后，根据所述业务数据的业务标识，将所述业务数据分为本地数据和终端数据；

控制所述中继无人机处理所述本地数据，并将处理结果和所述终端数据发送至所述路由配置对应的边缘计算节点。

此外，本申请还提出一种无人机组网配置设备，所述无人机组网配置设备包括存储器、处理器及存储在存储器上并可在处理器上运行的无人机组网配置程序，所述处理器执行所述无人机组网配置程序时实现如上所述的无人机组网配置方法的步骤。

此外，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有无人机组网配置程序，所述无人机组网配置程序被处理器执行时实现如上所述的无人机组网配置方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、由于采用了获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；基于所述链路权重和所述中继无人机的剩余能量值，确定各个所述无人机之间的路由配置。所以，有效解决了相关技术中需要传输不同类型的数据，导致整体系统的数据传输实时性难以保证，存在较大的时延的技术问题，实现了降低无人机组网时延，提高无人机巡检效率的技术效果。

2、由于采用了根据所述邻接矩阵确定所述下游无人机和所述中继无人机之间的连接路径；获取各个所述下游无人机对应的数据属性，根据所述剩余能量值、所述数据属性以及所述连接路径确定所述中继无人机的最优网络收益；基于所述链路权重、所述最优网络收益和直接搜索算法确定所述下游无人机和所述中继无人机的传输路径，以所述传输路径作为所述路由配置。所以，有效解决了相关技术中无人机存在高移动性，导致无人机中继信号不佳的技术问题，进而实现了在高移动性下快速切换无人机组网配置的技术效果，并可根据网络状态的变化，动态调整不同业务流的路由路径，提升无人机组网的整体传输性能。

附图说明

图1为本申请无人机组网配置方法实施例一的流程示意图；

图2为本申请无人机组网配置方法实施例一中无人机组网的结构示意图；

图3为本申请无人机组网配置方法实施例二中步骤S120的细化示意图；

图4为本申请无人机组网配置方法实施例四中步骤S140的细化示意图；

图5为本申请无人机组网配置设备实施例涉及的硬件结构示意图。

具体实施方式

在相关技术中，由于无人机续航时间、检测范围有限，且在复杂环境中通常会存在无GNSS信号的状况，如果执行面积较大的复杂任务，需多次往返才能完全覆盖任务区域，导致耗时长、效率低。同时，无人机传输网络中同时存在多条不同的业务流需要传输多类型数据，且每条业务流的带宽需求也可能各不相同。并且，在执行任务中，由于无人机的高移动性，自组网的拓扑结构会因此频繁地发生变化，传统的路由协议一般都不能很好地适应无人机自组网的高移动性，导致整体传输性能差。本申请实施例采用的主要技术方案是：根据中继无人机以及下游无人机的定位信息，确定各个下游无人机的邻接矩阵，并对获取到的各个无人机的节点特征进行处理，根据处理结果基于求权网络，得到下游无人机和中继无人机之间所有链路的链路权重；基于链路权重和各个邻接矩阵，确定各个无人机之间的路由配置。从而实现了在高移动性、多业务流场景下，提高无人机中继组网的整体传输性能。

为了更好地理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，能够以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整地传达给本领域的技术人员。

实施例一

本申请实施例一公开了一种无人机组网配置方法，参照图1，所述无人机组网配置方法包括：

步骤S110，获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；

在本实施例中，定位信息为GNSS信号，中继无人机在与边缘计算节点和/或地面基站进行通信连接时，会将下游无人机以及中继无人机本身的GNSS信号添加至信标帧，发送至边缘计算节点和/或地面基站。邻接矩阵的元素为各个中继无人机与该下游无人机之间的距离。

作为一种可选实施方式，获取中继无人机发送的信标帧，解析所述信标帧确定各个中继无人机和各个下游无人机的定位信息，根据定位信息确定各个中继无人机和各个下游无人机之间的相对距离；根据下游无人机关联的各个相对距离，生成该下游无人机的邻接矩阵，进而确定所有下游无人机对应的邻接矩阵。

可选的，步骤S110包括：

步骤S111，获取所述中继无人机发送的信标帧，根据所述信标帧确定所述定位信息；

在本实施例中，当下游无人机与边缘计算节点或者地面基站距离大于有效传输距离时，下游无人机将定位信息和采集到的业务数据发送至中继无人机，通过中继无人机转发至边缘计算节点。中继无人机将自身的定位信息，以及接收到的下游无人机的定位信息，添加至信标帧，发送给边缘计算节点和/或地面基站。

步骤S112，根据所述定位信息建立所述中继无人机与所述下游无人机之间的拓扑结构；

步骤S113，根据所述拓扑结构确定所述下游无人机的所述邻接矩阵，其中，所述邻接矩阵包括所述下游无人机，与其预设范围内的所述中继无人机之间的距离信息。

在本实施例中，考虑到下游无人机与中继无人机并不能无限远连接，因此通过大数据分析，确定了中继无人机与下游无人机的最远传输距离。所述预设范围为以下游无人机为圆心，最远传输距离为半径的球状空间。

作为一种可选实施方式，获取中继无人机发送的信标帧，解析信标帧得到各个无人机的定位信息，根据各个无人机的定位信息确定中继无人机和下游无人机之间的相对位置关系，并根据相对位置关系建立中继无人机和下游无人机之间的三维拓扑结构；根据三维拓扑结构包含的距离信息，确定下游无人机的邻接矩阵，所述邻接矩阵包含了三维拓扑结构中，下游无人机与关联的中继无人机之间的距离信息。其中，与下游无人机关联的中继无人机，处在下游无人机的预设范围内。

在本实施例中，可根据下游无人机采集的业务数据的业务类型，确定对应的最远传输距离，目的是使得同一时刻下，无人机采集的业务数据，可以尽可能同时到达边缘计算节点，进而提升无人机组网整体传输性能，降低整体传输延迟。也有助于提高边缘计算节点的计算效率。

作为一种可选实施方式，确定各种业务数据的平均数据量，获取传输速度与传输距离之间的函数关系，根据边际效益函数，基于各种业务数据的平均数据量确定业务数据的最远传输距离，并将所述最远传输距离与对应业务数据的业务标识关联存储。

步骤S120，获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；

在本实施例中，节点特征为无人机对应的特征向量，该特征向量由无人机的状态信息得到。目标节点特征为无人机的特征向量进行聚合后的特征。

作为一种可选实施方式，根据无人机的状态信息得到该无人机的节点特征，对节点特征进行非线性以及归一化处理，得到目标节点特征。

步骤S130，将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；

在本实施例中，求权网络为多个算法的组合。链路权重为下游无人机与中继无人机之间各条连接路径的权重值。

作为一种可选实施方式，将目标节点特征代入求权网络中，经过行动者网络和动作价值函数计算得到下游无人机和中继无人机之间的各条链路的链路权重。

示例性的，将目标节点特征代入行动者网络中，根据得到的动作网络值更新动作价值函数的价值参数，得到目标节点特征关联的连接链路的链路权重。

步骤S140，基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置。

在本实施例中，路由配置为中继无人机和下游无人机之间的连接配置。根据路由配置可确定下游无人机需要传输业务数据至的中继无人机。

作为一种可选实施方式，根据邻接矩阵确定中继无人机的剩余能量值，根据中继无人机的剩余能量值以及下游无人机采集的业务数据的数据属性，确定各个中继无人机的最优网络收益；根据最优网络收益和链路权重，代入直接搜索算法，得到无人机之间的路由配置。

可选的，步骤S140之后，还包括：

步骤S150，控制所述下游无人机，向所述路由配置指向的所述中继无人机发送业务数据；

在本实施例中，下游无人机采集业务数据后，向中继无人机发送业务数据，中继无人机同样也采集业务数据。

作为一种可选实施方式，下游无人机在采集业务数据后，将业务数据与采集时间关联，根据路由配置确定下游无人机待连接的中继无人机，将业务数据和采集时间发送至中继无人机。

步骤S160，所述中继无人机在接收到所述业务数据后，根据所述业务数据的业务标识，将所述业务数据分为本地数据和终端数据；

在本实施例中，根据业务数据的不同种类给业务数据分配对应的业务标识，包括但不限于点云数据、视频数据、图片数据等。

步骤S170，控制所述中继无人机处理所述本地数据，并将处理结果和所述终端数据发送至所述路由配置对应的边缘计算节点。

在本实施例中，中继无人机将作为下游无人机的网关与计算节点，作为网关，可扩大下游无人机的巡检范围，作为计算节点，部分轻量化的检测任务由中继无人机直接处理，较为复杂的任务则通过数据类型的区别依据不同网络协议回传至边缘计算节点。本地数据为可在中继无人机处理的业务数据，终端数据为需要在边缘计算节点处理的业务数据。

作为一种可选实施方式，中继无人机在接收到下游无人机发送的业务数据，和/或中继无人机采集业务数据后，根据业务数据的业务标识将业务数据分为本地数据和终端数据，并在中继无人机本地处理本地数据，将处理结果和终端数据，发送至对应的边缘计算节点。

参照图2，在本实施例中，空地协同无人机组网是在现有5G控制连接基础之上进行的。中继无人机和地面基站之间采用的接入技术为LTE（Long Term Evolution，长期演进）系统标准协议，中继无人机与用户之间采用的接入技术为基于IEEE802.11n/g系列标准的协议，通过两种不同的中继构造，提高网络的稳定性。

在中继无人机的beacon（信标）帧中添加下游无人机及自身的GNSS信号状态，使无人机集群的GNSS信号状态持续与地面基站及用户连接，设定GNSS信号阈值，当GNSS信号高于阈值，视为GNSS信号较好的情况，此时无需开启无人机中继服务，当GNSS信号小于或等于阈值时，则视为GNSS信号较差，此时需开启无人机中继。

由于无人机巡检任务多样，通常需搭载可见光载荷、红外载荷、激光雷达等多种载荷，将同一区域不同来源、不同特征的遥感数据匹配融合，此过程需要进行大量计算，为了满足计算要求，在中继无人机中部署MEC（Mobile edge computing，移动边缘计算）节点，以方便下游无人机卸载巡检信息至MEC节点，即当GNSS信号较差时，中继无人机将作为下游无人机的网关与计算节点，作为网关，可扩大下游无人机的巡检范围，作为计算节点，部分轻量化的检测任务由中继无人机直接处理，较为复杂的任务则通过数据类型的区别依据不同网络协议回传至MEC，其中数传数据主要通过MQTT协议回传，图传数据主要通过RTMP或WebRTC协议回传，文件数据主要通过HTTP或FTP协议回传。

移动边缘计算节点包含目标检测算法、点云分割算法、可见光与红外图像融合算法等智能模块，使多种数据源在空间分辨率、时间分辨率、光谱分辨率的优势互补。复杂巡检数据处理工作流程如下：巡检开始时，中继无人机连接到5G移动网络，MEC收到无人机的连接请求后执行附着程序，然后无人机开始传输图像、视频、点云等巡检数据至MEC，智能模块接收数据后开始执行目标任务计算，计算完后，智能模块将巡检数据传递给可视化模块从而输出可视化结果，用户可连接到可视化工具，以查看可视化模块的输出，从而辅助用户进行下一步巡检决策。其中，中继无人机和边缘计算节点均可视为下游无人机的中心控制器。

上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：

由于采用了获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；基于所述链路权重和所述中继无人机的剩余能量值，确定各个所述无人机之间的路由配置。所以，有效解决了相关技术中需要传输不同类型的数据，导致整体系统的数据传输实时性难以保证，存在较大的时延的技术问题，实现了降低无人机组网时延，提高无人机巡检效率的技术效果。

实施例二

基于实施例一，本申请实施例二提出一种无人机组网配置方法，参照图3，步骤S120包括：

步骤S210，获取所述无人机的状态信息，对所述状态信息进行多层感知机编码，得到各个所述无人机的所述节点特征；

在本实施例中，无人机的状态信息包括但不限于无人机的定位信息、飞行状态以及能量状态。节点特征为该无人机对应的特征向量。

作为一种可选实施方式，根据接收到的中继无人机发送的信标帧，获取无人机的定位信息、飞行状态以及能量状态，根据上述信息进行多层感知机编码，将得到的特征向量作为无人机的节点特征，其中不同无人机的节点特征中的元素数量可以不相同。

步骤S220，根据所述下游无人机的所述邻接矩阵，确定与所述下游无人机关联的所述中继无人机，并根据所述下游无人机和所述中继无人机的所述节点特征确定特征矩阵；

在本实施例中，对下游无人机的节点特征进行聚合处理时，同时考虑下游无人机可连接的中继无人机的节点特征。

作为一种可选实施方式，根据下游无人机的邻接矩阵，确定下游无人机可连接的中继无人机，根据下游无人机和中继无人机的节点特征，生成该下游无人机对应的特征矩阵。

示例性的，根据邻接矩阵确定下游无人机可连接的中继无人机，将该邻接矩阵包括的下游无人机视为源节点，中继无人机视为邻居节点，根据源节点和各个邻居节点之间的连接路径的长度值，给每个节点特征分配注意力权重，基于注意力权重以及对应的节点特征，生成源节点与各个邻居节点的特征矩阵。即源节点的特征矩阵的数量，与该源节点的邻居节点的数量一致。

步骤S230，对所述特征矩阵通过归一化指数函数进行归一化处理；

步骤S240，对处理结果使用噪声线形整流函数进行所述非线性处理，得到所述下游无人机的所述目标节点特征。

作为一种可选实施方式，为确定各个邻居节点的重要性对不同邻居节点之间重要性进行比较，采用归一化指数函数对特征矩阵进行归一化处理，其中归一化指数函数的自变量为特征矩阵，输出值为聚合特征系数。

进一步的，为聚合特征系数的准确性，对特征矩阵进行非线性化处理，将特征矩阵作为自变量，通过噪声线形整流函数输出非线性参数。

进一步的，将两者进行整合，即使用噪声线形整流函数对特征矩阵进行非线性化处理，得到非线性参数；将得到的非线性参数作为自变量，通过归一化指数函数进行归一化处理，得到聚合特征系数。

在得到各个特征矩阵对应的聚合特征系数之后，根据所述特征矩阵以及其对应的聚合特征系数进行加权求和计算，得到所述下游无人机的所述目标节点特征。

由于采用了根据无人机的状态信息获取无人机的节点特征，根据下游无人机的邻接矩阵确定下游无人机的特征矩阵，对特征矩阵进行非线性处理后，将处理结果作为自变量代入归一化指数函数，得到聚合特征系数；再通过对聚合特征系数和特征矩阵进行加权求和得到目标节点特征。所以，有效解决了相关技术中无人机组网时延较大的技术问题，进而实现了提高网络整体传输效率的技术效果。

实施例三

基于实施例一，本申请实施例三提出一种无人机组网配置方法，步骤S130包括：

步骤S310，基于行动者网络，根据所述目标节点特征，确定对应的所述下游无人机的动作网络值；

在本实施例中，行动者网络用于产生动作，由于动作空间连续，行动者网络采用神经网络对策略函数近似。动作网络值为行动者网络的输出值。

将各个目标节点特征输入至行动者网络，输出该目标节点特征对应的下游无人机的动作网络值。

步骤S320，基于所述动作网络值和所述目标节点特征，更新动作价值函数的价值参数；

步骤S330，将所述价值参数输入所述动作价值函数，得到所述目标节点特征对应的所述下游无人机，与各个所述中继无人机之间的所述链路权重。

在本实施例中，动作价值函数用于输出下游无人机和其邻接矩阵包括的各个中继无人机之间的链路权重。价值参数作为动作价值函数中的一个参数。

作为一种可选实施方式，将目标节点特征输入动作价值函数，得到包含价值参数的动作价值函数值；基于动作网络值和目标节点特征，对上述得到的价值参数进行更新，基于更新后的价值参数，得到更新后的动作价值函数值。基于各个目标节点特征对应的动作价值函数值，分析得到各个下游无人机和各个中继无人机之间的链路权重，其中，下游无人机之间不存在链路。

由于采用了将各个目标节点特征代入动作价值函数，其中动作价值函数包括价值参数；将目标节点特征代入行动者网络，基于输出值更新前述的价值参数，输出对应的动作价值函数值；基于各个动作价值函数值进行分析，得到各个下游无人机和中继无人机之间链路的链路权重。所以，有效解决了相关技术中无人机组网时延较大的技术问题，进而实现了提高网络整体传输效率的技术效果。

实施例四

基于实施例一，本申请实施例四提出一种无人机组网配置方法，参照图4，步骤S140包括：

步骤S410，根据所述邻接矩阵确定所述下游无人机和所述中继无人机之间的连接路径；

在本实施例中，连接路径为下游无人机和中继无人机之间的网络连接方式。其中下游无人机和下游无人机之间不具有连接路径，中继无人机和中继无人机之间也不具有连接路径。

步骤S420，根据所述连接路径以及所述中继无人机的初始能量消耗率，确定所述中继无人机的剩余能量值；

在本实施例中，剩余能量值受该无人机的能量消耗率的影响，本实施例考虑一条路径上数据传输所消耗的能量，由通过该路径进行数据传输的数据量决定，在一段时间内的平均能量消耗率，可以根据一段时间内路径上平均数据传输速率得到。能量状态更新是通过能量消耗率来更新，能量消耗率又与经过中继无人机的路径数有关，经过该中继无人机的路径数越多，能量消耗率越大。

作为一种可选实施方式，根据连接路径确定中继无人机关联的路径数量，基于路径数量和初始能量消耗率，确定中继无人机的剩余能量值。

可选的，步骤S420包括：

步骤S421，根据所述连接路径，确定所述中继无人机所经过的路径数量；

步骤S422，获取所述中继无人机的初始能量消耗率，并根据所述初始能量消耗率和所述路径数量，确定所述中继无人机的能量消耗率；

步骤S423，根据所述能量消耗率和所述中继无人机的初始剩余能量值，确定所述中继无人机的所述剩余能量值。

在本实施例中，设置有配置时间间隔，即根据配置时间间隔来配置无人机的组网。设当前为第一时刻，初始能量消耗率即为上一探测时刻计算得到的能量消耗率。即第一时刻与上一探测时刻之间间隔的时长为，配置时间间隔。

作为一种可选实施方式，根据连接路径，确定中继无人机关联的下游无人机，根据关联的下游无人机的数量，确定中继无人机的路径数量；根据路径数量和初始能量消耗率的乘积，确定中继无人机的能量消耗率；获取中继无人机当前的可用能量值，根据当前的可用能量值与能量消耗率确定剩余能量值。

示例性的，根据配置时间间隔与能量消耗率的乘积，确定能量消耗值，根据当前的可用能量值与能量消耗值的差值，确定剩余能量值。

步骤S430，获取各个所述下游无人机对应的业务标识，根据所述剩余能量值、所述业务标识以及所述连接路径确定所述中继无人机的最优网络收益；

在本实施例中，业务标识为无人机采集的业务数据的标识。用于标识当前下游无人机采集的业务数据的种类。

作为一种可选实施方式，根据业务标识对应的能量消耗参数，以及该下游无人机和中继无人机对应的连接路径的路径长度，确定该条连接路径的能量消耗值，根据能量消耗值和剩余能量值确定中继无人机的最优网络收益。

可选的，步骤S430，包括：

步骤S431，获取所述中继无人机关联的所述连接路径的路径长度序列；

步骤S432，根据所述下游无人机的业务标识对应的能量消耗参数，以及所述路径长度序列，确定各个所述连接路径的能量消耗值；

步骤S433，基于各个所述中继无人机对应的所述剩余能量值，以及所述能量消耗值，确定各个所述中继无人机的所述最优网络收益。

作为一种可选实施方式，确定中继无人机关联的各条连接路径的路径长度，形成路径长度序列；根据下游无人机的业务标识，确定该下游无人机的能量消耗参数，根据所述能量消耗参数以及该下游无人机对应的路径长度，确定中继无人机和下游无人机之间连接路径的能量消耗值，以此类推确定路径长度序列对应的各条连接路径的能量消耗值，并基于所述能量消耗值生成所述中继无人机对应的能量消耗序列；根据各个中继无人机对应的能量消耗序列和剩余能量值，确定整体无人机组网下，中继无人机对应的最优网络收益。

步骤S440，基于所述链路权重、所述最优网络收益和直接搜索算法确定所述下游无人机和所述中继无人机的传输路径，以所述传输路径作为所述路由配置。

作为一种可选实施方式，将各条连接路径对应的链路权重，以及中继无人机的最优网络收益作为参数代入直接搜索算法，确定各个下游无人机的传输路径，以所述传输路径作为当前时刻无人机组网的路由配置。其中，传输路径为下游无人机和中继无人机之间的连接路径。

在本实施例中，在得出无人机组网的路由配置时，不仅考虑到无人机高移动性带来的网络波动，根据上一探测时间的无人机状态数据，以及当前无人机的状态数据，确定各个无人机之间连接链路的链路权重后，进一步考虑各个无人机采集业务数据的数据种类存在不同，结合业务标识确定中继无人机的最优网络收益，进而确定当前时刻下无人机组网的路由配置。有效解决了相关技术中需要传输不同类型的数据，同时伴随着无人机的高移动性，导致整体系统的数据传输实时性难以保证，存在较大的时延的技术问题，实现了降低无人机组网时延，提高无人机巡检效率的技术效果。

本申请还提出一种无人机组网配置设备，参照图5，图5为本申请实施例方案涉及的硬件运行环境的无人机组网配置设备结构示意图。

如图5所示，该无人机组网配置设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图5中示出的结构并不构成对无人机组网配置设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

可选地，存储器1005与处理器1001电性连接，处理器1001可用于控制存储器1005的运行，还可以读取存储器1005中的数据以实现无人机组网配置。

可选地，如图5所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及无人机组网配置程序。

可选地，在图5所示的无人机组网配置设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请无人机组网配置设备中的处理器1001、存储器1005可以设置在无人机组网配置设备中。

如图5所示，所述无人机组网配置设备通过处理器1001调用存储器1005中存储的无人机组网配置程序，并执行本申请实施例提供的无人机组网配置方法的相关步骤操作：

获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；

获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；

将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；

基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

获取所述中继无人机发送的信标帧，根据所述信标帧确定所述定位信息；

根据所述定位信息建立所述中继无人机与所述下游无人机之间的拓扑结构；

根据所述拓扑结构确定所述下游无人机的所述邻接矩阵，其中，所述邻接矩阵包括所述下游无人机，与其预设范围内的所述中继无人机之间的距离信息。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

获取所述无人机的状态信息，对所述状态信息进行多层感知机编码，得到各个所述无人机的所述节点特征；

根据所述下游无人机的所述邻接矩阵，确定与所述下游无人机关联的所述中继无人机，并根据所述下游无人机和所述中继无人机的所述节点特征确定特征矩阵；

对所述特征矩阵通过归一化指数函数进行归一化处理；

对处理结果使用噪声线形整流函数进行所述非线性处理，得到所述下游无人机的所述目标节点特征。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

基于行动者网络，根据所述目标节点特征，确定对应的所述下游无人机的动作网络值；

基于所述动作网络值和所述目标节点特征，更新动作价值函数的价值参数；

将所述价值参数输入所述动作价值函数，得到所述目标节点特征对应的所述下游无人机，与各个所述中继无人机之间的所述链路权重。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

根据所述邻接矩阵确定所述下游无人机和所述中继无人机之间的连接路径；

根据所述连接路径以及所述中继无人机的初始能量消耗率，确定所述中继无人机的剩余能量值；

获取各个所述下游无人机对应的业务标识，根据所述剩余能量值、所述业务标识以及所述连接路径确定所述中继无人机的最优网络收益；

基于所述链路权重、所述最优网络收益和直接搜索算法确定所述下游无人机和所述中继无人机的传输路径，以所述传输路径作为所述路由配置。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

根据所述连接路径，确定所述中继无人机所经过的路径数量；

获取所述中继无人机的初始能量消耗率，并根据所述初始能量消耗率和所述路径数量，确定所述中继无人机的能量消耗率；

根据所述能量消耗率和所述中继无人机的初始剩余能量值，确定所述中继无人机的所述剩余能量值。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

获取所述中继无人机关联的所述连接路径的路径长度序列；

根据所述下游无人机的业务标识对应的能量消耗参数，以及所述路径长度序列，确定各个所述连接路径的能量消耗值；

基于各个所述中继无人机对应的所述剩余能量值，以及所述能量消耗值，确定各个所述中继无人机的所述最优网络收益。

可选地，处理器1001可以调用存储器1005中存储的无人机组网配置程序，还执行以下操作：

控制所述下游无人机，向所述路由配置指向的所述中继无人机发送业务数据；

所述中继无人机在接收到所述业务数据后，根据所述业务数据的业务标识，将所述业务数据分为本地数据和终端数据；

控制所述中继无人机处理所述本地数据，并将处理结果和所述终端数据发送至所述路由配置对应的边缘计算节点。

此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有无人机组网配置程序，所述无人机组网配置程序被处理器执行时实现如上所述无人机组网配置方法任一实施例的相关步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种无人机组网配置方法，其特征在于，所述无人机组网配置方法包括：

获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵；

获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征；

将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重；

基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置。

2.如权利要求1所述的无人机组网配置方法，其特征在于，所述获取中继无人机与下游无人机的定位信息，并根据所述定位信息确定各个所述下游无人机对应的邻接矩阵的步骤包括：

获取所述中继无人机发送的信标帧，根据所述信标帧确定所述定位信息；

根据所述定位信息建立所述中继无人机与所述下游无人机之间的拓扑结构；

根据所述拓扑结构确定所述下游无人机的所述邻接矩阵，其中，所述邻接矩阵包括所述下游无人机，与其预设范围内的所述中继无人机之间的距离信息。

3.如权利要求1所述的无人机组网配置方法，其特征在于，所述获取各个无人机对应的节点特征，对每个所述节点特征进行非线性处理，得到对应的目标节点特征的步骤包括：

获取所述无人机的状态信息，对所述状态信息进行多层感知机编码，得到各个所述无人机的所述节点特征；

根据所述下游无人机的所述邻接矩阵，确定与所述下游无人机关联的所述中继无人机，并根据所述下游无人机和所述中继无人机的所述节点特征确定特征矩阵；

对所述特征矩阵通过归一化指数函数进行归一化处理；

对处理结果使用噪声线形整流函数进行所述非线性处理，得到所述下游无人机的所述目标节点特征。

4.如权利要求1所述的无人机组网配置方法，其特征在于，所述将所述目标节点特征代入求权网络中，得到所述下游无人机和所述中继无人机之间的链路权重的步骤包括：

基于行动者网络，根据所述目标节点特征，确定对应的所述下游无人机的动作网络值；

基于所述动作网络值和所述目标节点特征，更新动作价值函数的价值参数；

将所述价值参数输入所述动作价值函数，得到所述目标节点特征对应的所述下游无人机，与各个所述中继无人机之间的所述链路权重。

5.如权利要求1所述的无人机组网配置方法，其特征在于，所述基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置的步骤包括：

根据所述邻接矩阵确定所述下游无人机和所述中继无人机之间的连接路径；

根据所述连接路径以及所述中继无人机的初始能量消耗率，确定所述中继无人机的剩余能量值；

获取各个所述下游无人机对应的业务标识，根据所述剩余能量值、所述业务标识以及所述连接路径确定所述中继无人机的最优网络收益；

基于所述链路权重、所述最优网络收益和直接搜索算法确定所述下游无人机和所述中继无人机的传输路径，以所述传输路径作为所述路由配置。

6.如权利要求5所述的无人机组网配置方法，其特征在于，所述根据所述连接路径以及所述中继无人机的初始能量消耗率，确定所述中继无人机的剩余能量值的步骤包括：

根据所述连接路径，确定所述中继无人机所经过的路径数量；

获取所述中继无人机的初始能量消耗率，并根据所述初始能量消耗率和所述路径数量，确定所述中继无人机的能量消耗率；

根据所述能量消耗率和所述中继无人机的初始剩余能量值，确定所述中继无人机的所述剩余能量值。

7.如权利要求5所述的无人机组网配置方法，其特征在于，所述获取各个所述下游无人机对应的业务标识，根据所述剩余能量值、所述业务标识以及所述连接路径确定所述中继无人机的最优网络收益的步骤包括：

获取所述中继无人机关联的所述连接路径的路径长度序列；

根据所述下游无人机的业务标识对应的能量消耗参数，以及所述路径长度序列，确定各个所述连接路径的能量消耗值；

基于各个所述中继无人机对应的所述剩余能量值，以及所述能量消耗值，确定各个所述中继无人机的所述最优网络收益。

8.如权利要求1所述的无人机组网配置方法，其特征在于，所述基于所述链路权重和所述邻接矩阵，确定各个所述无人机之间的路由配置的步骤之后，还包括：

控制所述下游无人机，向所述路由配置指向的所述中继无人机发送业务数据；

所述中继无人机在接收到所述业务数据后，根据所述业务数据的业务标识，将所述业务数据分为本地数据和终端数据；

控制所述中继无人机处理所述本地数据，并将处理结果和所述终端数据发送至所述路由配置对应的边缘计算节点。

9.一种无人机组网配置设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的无人机组网配置程序，所述处理器执行所述无人机组网配置程序时实现如权利要求1至8任一项所述的无人机组网配置方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有无人机组网配置程序，所述无人机组网配置程序被处理器执行时实现如权利要求1至8任一项所述的无人机组网配置方法的步骤。