异构多无人机网络化协同控制系统的可控性

研究具有Leader-Follower结构和分布式通信拓扑的异构多无人机网络化分布式协同控制系统的可控性问题.基于同构网络的受控一致性思想建立了异构多飞行器网络控制系统的动态模型;并针对该动态模型的不同形式,基于代数图论和传统的控制理论,分别得到了异构多无人机网络化协同控制系统的可控性条件,尤其是可控性与该网络化系统中通信拓扑之间的关系;然后分析且提出了改善系统可控性的可行性方法.最后仿真结果验证了本文相关结论的正确性.

基于强化学习的无人机网络资源分配研究

以无人机网络的资源分配为研究对象,研究了基于强化学习的多无人机网络动态时隙分配方案,在无人机网络中,合理地分配时隙资源对改善无人机资源利用率具有重要意义;针对动态时隙分配问题,根据调度问题的限制条件,建立了多无人机网络时隙分配模型,提出了一种基于近端策略优化(PPO)强化学习算法的时隙分配方案,并进行强化学习算法的环境映射,建立马尔可夫决策过程(MDP)模型与强化学习算法接口相匹配;在gym仿真环境下进行模型训练,对提出的时隙分配方案进行验证,仿真结果验证了基于近端策略优化强化学习算法的时隙分配方案在多无人机网络环境下可以高效进行时隙分配,提高网络信道利用率,提出的方案可以根据实际需求适当缩短训练时间得到较优分配结果。

利用部分重叠信道的多无人机自主协同优化抗干扰

针对多无人机通信网络抗干扰中的功率和信道联合优化问题,考虑多无人机通信网络中的部分重叠信道切换、外部恶意干扰与网络内部互扰问题,通过构建Stackelberg博弈抗干扰模型,设计无人机用户和干扰机的效用函数,并提出了基于次梯度迭代的算法求解博弈的均衡解,获得无人机用户在干扰条件下的部分重叠信道选择和功率选择联合优化结果。仿真结果表明,所提算法能使多无人机用户获得良好的信道选择和传输功率策略,优化多无人机通信网络抗干扰性能。

无人机辅助的物联网通信技术及其应用

物联网旨在为"物"节点提供广覆盖和海量的连接服务,其收集的"物"数据可以为应用层的智能决策提供支持。然而,由于"物"的接入点以固定方式部署,物联网的网络拓扑结构缺乏灵活性,从而难以对移动性较高的"物"节点或者区域实现动态覆盖。此外,现有的物联网通信技术存在远程覆盖盲区,使得海量"物"节点无法在一些地理环境复杂的地方"联网"。而无人机具有高机动性、低成本和可灵活部署的特点,适合用来解决上述"物"节点接入问题。因此,研究了无人机辅助物联网的通信技术,帮助物联网扩展现有的网络覆盖范围,增强物联网拓扑结构的灵活性,并提供更加多样化的物联网服务。