基于地图重构的蜂窝连接无人机在线路径规划方法

为了减少无人机在复杂实时信道状态下与地面蜂窝网络的连接中断,并且降低无人机在飞行任务过程中的能量消耗,针对蜂窝连接无人机系统,提出了一种基于无线电地图重构的无人机在线路径规划方法。无人机首先从目标区域中稀疏采样并计算采样点中断概率,随后利用基于深度图像先验的算法对无线电地图进行重构。基于重构的无线电地图,以最小化无人机任务执行的能耗为目标,建立了无人机路径规划优化问题,并提出了一种基于深度强化学习的路径规划算法进行求解。仿真结果表明,所提出方法能够在确保无人机与蜂窝连接性的前提下减少无人机的飞行能耗。

基于深度Q学习的电力物联网任务卸载研究

随着现代化城市与工业生产中电力需求的不断提高,电力物联网(Power Internet of Things,PIoT)作为一种能够显著提高电力系统效率的解决方案受到了广泛关注。为有效解决接入问题,现有的电力设备往往已配备内置轻量级人工智能的5G模组。然而,受制于模组有限的计算能力和通信能力,设备产生的海量数据难以实时处理和分析。基于该问题,本文主要研究电力物联网系统中的任务卸载问题,通过联合优化卸载决策和边缘服务器的计算资源分配,从而降低时延与能耗的加权和。此外本文提出一种基于深度强化学习的任务卸载算法,首先任务在边缘服务器的处理过程建模为队列,其次基于凸优化理论对本地计算资源分配进行优化,最后采用深度Q学习算法优化任务卸载决策。实验结果表明,本文提出的方法能够有效降低系统时延与能耗的加权和。