CN114679702A - 无人环境下多址边缘计算蜂窝网络的部署 - Google Patents
无人环境下多址边缘计算蜂窝网络的部署 Download PDFInfo
- Publication number
- CN114679702A CN114679702A CN202210217611.6A CN202210217611A CN114679702A CN 114679702 A CN114679702 A CN 114679702A CN 202210217611 A CN202210217611 A CN 202210217611A CN 114679702 A CN114679702 A CN 114679702A
- Authority
- CN
- China
- Prior art keywords
- data
- unmanned aerial
- aerial vehicle
- edge computing
- unmanned
- 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.)
- Withdrawn
Links
- 230000001413 cellular effect Effects 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 54
- 230000005540 biological transmission Effects 0.000 claims abstract description 50
- 229920003087 methylethyl cellulose Polymers 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 31
- 230000008447 perception Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000010267 cellular communication Effects 0.000 abstract description 3
- 238000010295 mobile communication Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了无人环境下多址边缘计算蜂窝网络的部署，包括无人机停机坪、基站、部署在地面的GS和无人机、无线遥控装置、无人机边缘计算装置，所述无人机MECs分为网络化MECs和机载MECs两类，所述GS包括RTK、电源管理模块和GPRS通信模块，所述GS上还携带有通信设备和计算设备；本发明用于无人机在自主作战服务中的通信和管理，提出了一种分布式选择发送协议，充分利用了网络化MECs和机载MECs的优点，开发了一种改进的无人机蜂窝网络，用于无人机在自主作战服务中的通信和管理的无人机蜂窝网络，通过分布式选择发送协议，可以在MEC计算能力未知、无人机蜂窝通信网络未知、感知数据大小未知的情况下，获得最优MEC和最优计算数据。
Description
技术领域
本发明属于无人机技术领域，具体涉及无人环境下多址边缘计算蜂窝网络的部署。
背景技术
无人机在第五代5G通信网络***中占有重要地位。它可用于高空自主操作终端吊舱，下一代无人机网络要求无人机能在无人环境下自主控制、自成一体所。随着无人机控制和自主飞行技术的逐步成熟，无人机以其机动性高、易于控制、通信实时性好、视野开阔等特点，广泛应用于电力检测、货物运输、交通管制等军事和民用领域。在执行任务时，无人机经常面临复杂的环境。在执行自主任务时，无人机通常需要寻找和感知任务目标，并将感知数据实时传回基站。为了解决这些问题，第三代合作伙伴项目提出了一种为无人机部署通信网络的方法，即无人机蜂窝互联网，这有助于无人机通信，并允许无人机传输感知数据。
无人机在无人环境下完全自主飞行的情况，蜂窝网络中边缘计算的无人机自主飞行性能的变化，无人机与移动边缘计算的通信问题，为此我们提出无人环境下多址边缘计算蜂窝网络的部署。
发明内容
本发明的目的在于提供无人环境下多址边缘计算蜂窝网络的部署，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
无人环境下多址边缘计算蜂窝网络的部署，包括无人机停机坪、基站、部署在地面的GS和无人机、无线遥控装置、无人机边缘计算装置，所述无人机MECs分为网络化MECs和机载MECs两类，所述GS包括RTK、电源管理模块和GPRS通信模块，所述GS上还携带有通信设备和计算设备，所述无人机上装配有一个摄像头和一个机载计算平台Jetson TX2以及各种类型的传感装置，所述无人机通过摄像头采集感知数据并对数据进行编号，所述无人机将编号后的数据传输给Jetson TX2和GS进行计算，以识别跟踪目标并获得目标与无人机之间的相对位置信息，然后，无人机恢复数据的数量，所述Jetson TX2和GS将各自的计算结果发送回UAV MCU供其过滤数据，通过视觉传感设备采用分布式选择发送协议进行边缘计算对行人进行识别和跟踪；单片机将滤波后的数据导入运动估计模型，与无人机机载传感计算融合，输出无人机控制信息。
优选的，所述通信设备信道带宽8MHz，频段750MHz，测试范围内视频传输延时0.47秒，所述计算设备包含Intel Xeon E5-2678 V3处理器和2080Ti显卡。
优选的，所述无线遥控装置选择无人机边缘计算装置，且无人机边缘计算装置包括A、B、C三种模式，模式A支持机载边缘计算设备传输和网络边缘计算设备传输；模式B只允许机载边缘计算设备传输；模式C只允许网络边缘计算设备传输。
优选的，所述Jetson-TX2跟踪行人时，图像刷新率达到3-5fps。在测试中，地面上的行人缓慢移动，以确保航空相机能够捕捉到目标，让无人机在空中跟随，切换无人机边缘计算设备的A、B、C三种模式，在随机切换边缘计算设备的过程中，无人机能够正确跟踪地面目标。
优选的，所述分布式选择发送协议包括以下阶段：数据感知、边缘处理和数据选择。
优选的，所述数据感知为无人机从传感设备获取感知数据，无人机在室外作业时携带具有定时功能的GNSS设备，定时功能的误差在25纳秒以内，将时间戳添加到每一组感知数据中以指明其生成时间，GNSS设备的感知频率为10-20hz，数据感知的采样频率大于GNSS设备的感知频率，将用相同的时间戳对数据进行标记，按顺序形成唯一的时间序列，从而实现数据的同步，然后，无人机将数据分发给机载计算平台和地面传感器。
优选的，所述边缘处理的步骤为：接收到数据后，机载计算平台和地面传感器分别对感知数据进行处理；提取所述感知数据的时间序列，得到唯一需要的数据，并求出所述数据的时序；对感知数据进行筛选、丢弃和循环，并将数据按时间顺序放入队列，以保证数据的一致性；将处理后的数据加盖原始数据号，将边缘计算设备信息附加到数据上，然后将处理后的数据发送回无人机微中央处理器。
优选的，所述数据选择为：UAV MCU接收GS和机载MECs发回的数据，无人机根据数据编号获得数据的顺序，依次读取和处理数据，而UVA丢弃的接收到的数据，其数据编号晚于处理数据的编号。
优选的，所述无人机对海量数据进行边缘计算分为三个阶段：数据感知、数据传输和数据处理，所述数据传感阶段为：在这一阶段，无人机的目标是利用其携带的传感设备执行任务；机载设备对数据进行分类，对简单的数据进行本地处理，将复杂的数据通过专用的传输通道发送给GS；然后，GS采用高性能边缘计算设备对接收到的数据进行处理；
所述数据传输阶段为：在这一阶段，无人机建立多个通信信道，并对通信信道进行检测，找到空闲信道进行数据传输；无人机将优先建立可直接连接到地面传感器的传输通道；如果无人机不能直接与地面传感器联系，它将搜索附近的通信无人机，然后创建中继通信；
所述数据处理阶段为：在此阶段，GS处理接收到的感知数据。因为数据传输的实时性很难实现，而且存在时延；所以在某些情况下，在数据处理过程中需要对部分数据进行预测；数据处理后，将结果传回终端无人机。
优选的，所述无人机执行任务时数据传输环境包括大量数据传输、长距离通信和严重信道干扰，所述无人机大量数据传输时可以携带多通道传输设备，并利用深Q-网络进行通信通道切换；长距离通信时使用多个无人机协同工作，其中一个无人机作为数据传感的操作终端，其他无人机携带通信设备进行通信，严重信道干扰时需要对无人机蜂窝网络中的资源进行管理，包括用户关联、电源管理、子信道分配等。
与现有技术相比，本发明的有益效果是：
1.本发明用于无人机在自主作战服务中的通信和管理，提出了一种分布式选择发送协议，充分利用了网络化MECs和机载MECs的优点，开发了一种改进的无人机蜂窝网络，用于无人机在自主作战服务中的通信和管理的无人机蜂窝网络，通过分布式选择发送协议，可以在MEC计算能力未知、无人机蜂窝通信网络未知、感知数据大小未知的情况下，获得最优MEC和最优计算数据。
2.利用全球导航卫星***设备进行时间同步，采用分布式选择发送协议来选择合适的边缘计算设备；以无人机自主目标跟踪为例，提出了一种利用无人机动力学模型降低边缘计算时间损失的方法，并进行了实验验证。
附图说明
图1为本发明的全自主无人机蜂窝网络示意图；
图2为本发明的分布式选择发送协议示意图；
图3为本发明的无人机视觉测试***框架示意图；
图4为本发明的模式A、模式B和模式C的测试结果示意图；
图5为本发明的模式A、模式B和模式C的跟踪结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图5，本发明提供一种技术方案：无人环境下多址边缘计算蜂窝网络的部署，包括无人机停机坪、基站、部署在地面的GS和无人机、无线遥控装置、无人机边缘计算装置，无人机MECs分为网络化MECs和机载MECs两类，GS包括RTK、电源管理模块和GPRS通信模块，GS上还携带有通信设备和计算设备，无人机上装配有一个摄像头和一个机载计算平台Jetson TX2以及各种类型的传感装置，无人机通过摄像头采集感知数据并对数据进行编号，无人机将编号后的数据传输给Jetson TX2和GS进行计算，以识别跟踪目标并获得目标与无人机之间的相对位置信息，然后，无人机恢复数据的数量，Jetson TX2和GS将各自的计算结果发送回UAV MCU供其过滤数据，通过视觉传感设备采用分布式选择发送协议进行边缘计算对行人进行识别和跟踪；单片机将滤波后的数据导入运动估计模型，与无人机机载传感计算融合，输出无人机控制信息。
无人机停机坪主要完成无人区无人机的存储、日常管理和数据处理。它有各种设备来维护无人机的健康，并在无人机不执行任务时对其进行保护和充电。此外，停机坪还可以机械取代无人机携带的设备，满足不同的工作需要。此外，由于停机坪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计算边缘设备，能够快速处理大数据，弥补了机载端计算能力的不足。
无人机经常在没有信号的地区运行，所以非常有必要部署专用通信网络覆盖飞行区域，确保飞行安全和信息接收畅通。注意GS通信包括无人机通信、卫星通信和互联网通信。无人机通信包括射频设备的图像传输和文本传输，卫星通信设备包括全球导航卫星***。
作为执行器，无人机通常携带不同的设备来执行任务，包括可见光摄像机、通信中继器、发射器。在执行任务时，多个地面站提供相应类型的携带设备的无人机。其中，无人机按其功能分为终端无人机和通信无人机。
终端无人机作为高空吊舱，用各种类型的设备执行各种类型的高空任务。然而，由于设备性能有限，任务并不总是成功的。一般来说，任务成功率与任务目标与无人机之间的距离呈负相关。
终端无人机与单个或多个地面传感器通信。具有不同任务目标的终端无人机与地面军事***的距离不同。在某些情况下，无人机会进入GS信号无法覆盖的区域。例如，无人机需要在高山上运行。在这种情况下，无人机无法保持顺畅的通信。因此，通信无人机可以停留在终端无人机和地面传感器之间，这提供了广泛的覆盖范围，以建立一个临时的、专用的中继通信信道。它能保证终端无人机在工作时能及时收发信息；通信设备信道带宽8MHz，频段750MHz，测试范围内视频传输延时0.47秒，计算设备包含Intel Xeon E5-2678 V3处理器和2080Ti显卡。
进一步地，无线遥控装置选择无人机边缘计算装置，且无人机边缘计算装置包括A、B、C三种模式，模式A支持机载边缘计算设备传输和网络边缘计算设备传输；模式B只允许机载边缘计算设备传输；模式C只允许网络边缘计算设备传输；Jetson-TX2跟踪行人时，图像刷新率达到3-5fps。在测试中，地面上的行人缓慢移动，以确保航空相机能够捕捉到目标，让无人机在空中跟随，切换无人机边缘计算设备的A、B、C三种模式，在随机切换边缘计算设备的过程中，无人机能够正确跟踪地面目标。
在进行测试中，Jetson-TX2跟踪行人时，图像刷新率达到3-5fps。在测试中，地面上的行人缓慢移动，以确保航空相机能够捕捉到目标，让无人机在空中跟随。在接下来的过程中，我们随机切换了无人机边缘计算设备的模式。图5说明了试验结果。从测试结果可以看出，在随机切换边缘计算设备的过程中，无人机能够正确跟踪地面目标。
进一步地，分布式选择发送协议包括以下阶段：数据感知、边缘处理和数据选择；数据感知为无人机从传感设备获取感知数据，无人机在室外作业时携带具有定时功能的GNSS设备，定时功能的误差在25纳秒以内，将时间戳添加到每一组感知数据中以指明其生成时间，GNSS设备的感知频率为10-20hz，数据感知的采样频率大于GNSS设备的感知频率，将用相同的时间戳对数据进行标记，按顺序形成唯一的时间序列，从而实现数据的同步，然后，无人机将数据分发给机载计算平台和地面传感器；边缘处理的步骤为：接收到数据后，机载计算平台和地面传感器分别对感知数据进行处理；提取感知数据的时间序列，得到唯一需要的数据，并求出数据的时序；对感知数据进行筛选、丢弃和循环，并将数据按时间顺序放入队列，以保证数据的一致性；将处理后的数据加盖原始数据号，将边缘计算设备信息附加到数据上，然后将处理后的数据发送回无人机微中央处理器；数据选择为：UAV MCU接收GS和机载MECs发回的数据，无人机根据数据编号获得数据的顺序，依次读取和处理数据，而UVA丢弃的接收到的数据，其数据编号晚于处理数据的编号。
通过分布式选择发送协议，可以在MEC计算能力未知、无人机蜂窝通信网络未知、感知数据大小未知的情况下，获得最优MEC和最优计算数据。
进一步地，无人机对海量数据进行边缘计算分为三个阶段：数据感知、数据传输和数据处理，数据传感阶段为：在这一阶段，无人机的目标是利用其携带的传感设备执行任务；机载设备对数据进行分类，对简单的数据进行本地处理，将复杂的数据通过专用的传输通道发送给GS；然后，GS采用高性能边缘计算设备对接收到的数据进行处理；
数据传输阶段为：在这一阶段，无人机建立多个通信信道，并对通信信道进行检测，找到空闲信道进行数据传输；无人机将优先建立可直接连接到地面传感器的传输通道；如果无人机不能直接与地面传感器联系，它将搜索附近的通信无人机，然后创建中继通信；
数据处理阶段为：在此阶段，GS处理接收到的感知数据。因为数据传输的实时性很难实现，而且存在时延；所以在某些情况下，在数据处理过程中需要对部分数据进行预测；数据处理后，将结果传回终端无人机。
进一步地，全自主无人机蜂窝网络引入了停机坪，可与地面站(GS)协同工作，为无法进行回收的无人机提供服务，无人机通信网络由多个GSs和多个无人机组成。GSs按照一定的规则放置在无信号区域，分为停机坪和基站两部分，无人机执行任务时数据传输环境包括大量数据传输、长距离通信和严重信道干扰，无人机大量数据传输时可以携带多通道传输设备，并利用深Q-网络(DQN)进行通信通道切换；长距离通信时使用多个无人机协同工作，其中一个无人机作为数据传感的操作终端，其他无人机携带通信设备进行通信，严重信道干扰时需要对无人机蜂窝网络中的资源进行管理，包括用户关联、电源管理、子信道分配等。
从上述描述可知，本发明具有以下有益效果：本发明分析了无人机在无人环境下完全自主飞行的情况，通过蜂窝网络中边缘计算的无人机自主飞行性能。具体总结如下：
本发明开发了一种改进的无人机蜂窝网络，用于无人机在自主作战服务中的通信和管理。
本发明利用全球导航卫星***(GNSS)设备进行时间同步，然后提出分布式选择发送协议来选择合适的边缘计算设备。
本发明以无人机自主目标跟踪为例，提出了一种利用无人机动力学模型降低边缘计算时间损失的方法，并进行了验证。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.无人环境下多址边缘计算蜂窝网络的部署，其特征在于：包括无人机停机坪、基站、部署在地面的GS和无人机、无线遥控装置、无人机边缘计算装置，所述无人机MECs分为网络化MECs和机载MECs两类，所述GS包括RTK、电源管理模块和GPRS通信模块，所述GS上还携带有通信设备和计算设备，所述无人机上装配有一个摄像头和一个机载计算平台Jetson TX2以及各种类型的传感装置，所述无人机通过摄像头采集感知数据并对数据进行编号，所述无人机将编号后的数据传输给Jetson TX2和GS进行计算，以识别跟踪目标并获得目标与无人机之间的相对位置信息，然后，无人机恢复数据的数量，所述Jetson TX2和GS将各自的计算结果发送回UAV MCU供其过滤数据，通过视觉传感设备采用分布式选择发送协议进行边缘计算对行人进行识别和跟踪；单片机将滤波后的数据导入运动估计模型，与无人机机载传感计算融合，输出无人机控制信息。
2.根据权利要求1所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述通信设备信道带宽8MHz，频段750MHz，测试范围内视频传输延时0.47秒，所述计算设备包含Intel Xeon E5-2678 V3处理器和2080Ti显卡。
3.根据权利要求1所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述无线遥控装置选择无人机边缘计算装置，且无人机边缘计算装置包括A、B、C三种模式，模式A支持机载边缘计算设备传输和网络边缘计算设备传输；模式B只允许机载边缘计算设备传输；模式C只允许网络边缘计算设备传输。
4.根据权利要求3所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述Jetson-TX2跟踪行人时，图像刷新率达到3-5fps，地面上的行人缓慢移动，以确保航空相机能够捕捉到目标，让无人机在空中跟随，切换无人机边缘计算设备的A、B、C三种模式，在随机切换边缘计算设备的过程中，无人机能够正确跟踪地面目标。
5.根据权利要求1所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述分布式选择发送协议包括以下阶段：数据感知、边缘处理和数据选择。
6.根据权利要求5所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述数据感知为无人机从传感设备获取感知数据，无人机在室外作业时携带具有定时功能的GNSS设备，定时功能的误差在25纳秒以内，将时间戳添加到每一组感知数据中以指明其生成时间，GNSS设备的感知频率为10-20hz，数据感知的采样频率大于GNSS设备的感知频率，将用相同的时间戳对数据进行标记，按顺序形成唯一的时间序列，从而实现数据的同步，然后，无人机将数据分发给机载计算平台和地面传感器。
7.根据权利要求5所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述边缘处理的步骤为：接收到数据后，机载计算平台和地面传感器分别对感知数据进行处理；提取所述感知数据的时间序列，得到唯一需要的数据，并求出所述数据的时序；对感知数据进行筛选、丢弃和循环，并将数据按时间顺序放入队列，以保证数据的一致性；将处理后的数据加盖原始数据号，将边缘计算设备信息附加到数据上，然后将处理后的数据发送回无人机微中央处理器。
8.根据权利要求5所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述数据选择为：UAV MCU接收GS和机载MECs发回的数据，无人机根据数据编号获得数据的顺序，依次读取和处理数据，而UVA丢弃的接收到的数据，其数据编号晚于处理数据的编号。
9.根据权利要求1所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述无人机对海量数据进行边缘计算分为三个阶段：数据感知、数据传输和数据处理，所述数据传感阶段为：在这一阶段，无人机的目标是利用其携带的传感设备执行任务；机载设备对数据进行分类，对简单的数据进行本地处理，将复杂的数据通过专用的传输通道发送给GS；然后，GS采用高性能边缘计算设备对接收到的数据进行处理；
所述数据传输阶段为：在这一阶段，无人机建立多个通信信道，并对通信信道进行检测，找到空闲信道进行数据传输；无人机将优先建立可直接连接到地面传感器的传输通道；如果无人机不能直接与地面传感器联系，它将搜索附近的通信无人机，然后创建中继通信；
所述数据处理阶段为：在此阶段，GS处理接收到的感知数据，因为数据传输的实时性很难实现，而且存在时延；所以在某些情况下，在数据处理过程中需要对部分数据进行预测；数据处理后，将结果传回终端无人机。
10.根据权利要求9所述的无人环境下多址边缘计算蜂窝网络的部署，其特征在于：所述无人机执行任务时数据传输环境包括大量数据传输、长距离通信和严重信道干扰，所述无人机大量数据传输时可以携带多通道传输设备，并利用深Q-网络进行通信通道切换；长距离通信时使用多个无人机协同工作，其中一个无人机作为数据传感的操作终端，其他无人机携带通信设备进行通信，严重信道干扰时需要对无人机蜂窝网络中的资源进行管理，包括用户关联、电源管理、子信道分配等。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210217611.6A CN114679702A (zh) | 2022-03-07 | 2022-03-07 | 无人环境下多址边缘计算蜂窝网络的部署 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210217611.6A CN114679702A (zh) | 2022-03-07 | 2022-03-07 | 无人环境下多址边缘计算蜂窝网络的部署 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114679702A true CN114679702A (zh) | 2022-06-28 |
Family
ID=82071631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210217611.6A Withdrawn CN114679702A (zh) | 2022-03-07 | 2022-03-07 | 无人环境下多址边缘计算蜂窝网络的部署 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114679702A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116321061A (zh) * | 2022-12-09 | 2023-06-23 | 湖南精飞智能科技有限公司 | 基于云计算的无人机大数据管控平台 |
-
2022
- 2022-03-07 CN CN202210217611.6A patent/CN114679702A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116321061A (zh) * | 2022-12-09 | 2023-06-23 | 湖南精飞智能科技有限公司 | 基于云计算的无人机大数据管控平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdalla et al. | Communications standards for unmanned aircraft systems: The 3GPP perspective and research drivers | |
| CN107276661B (zh) | 一种基于无人机群搜救的方法及*** | |
| CN110364031A (zh) | 地面传感器网络中无人机集群的路径规划和无线通信方法 | |
| CN108768494B (zh) | 一种无人机接力测控方法 | |
| KR101668196B1 (ko) | 불법 무인 비행장치 감지, 추적 및 퇴치를 위한 감시 무인 비행장치 애드혹 네트워크 | |
| CN110493249B (zh) | 基于多种网络切换的无人机终端载荷实时控制方法及*** | |
| CN110636102B (zh) | 一种基于4g/5g无线网络的无人机通信***及方法 | |
| US11595862B2 (en) | Signaling delay handling for handover | |
| Shan et al. | Machine learning-based field data analysis and modeling for drone communications | |
| CN112866971B (zh) | 卫星融合无人机搭载4g通信基站空中对地组网*** | |
| WO2018177268A1 (zh) | 通过4g网络与无人机进行远距离信息交互的装置及方法 | |
| Xilouris et al. | UAV-assisted 5G network architecture with slicing and virtualization | |
| CN111063051A (zh) | 一种巡检机器人通信*** | |
| CN110636255A (zh) | 一种基于4g网络的无人机图像、视频传输分发***及方法 | |
| CN112887957B (zh) | 卫星融合无人机搭载5g通信基站空中对地组网*** | |
| WO2019204997A1 (zh) | 一种自主移动平台、控制端以及自主移动平台*** | |
| CN112672323A (zh) | 一种无人机组网飞行***以及运用该***的无人机远程通信方法 | |
| CN115550860A (zh) | 一种无人机组网通信***及方法 | |
| CN114760605A (zh) | 无人机网络的多址边缘计算*** | |
| CN114679702A (zh) | 无人环境下多址边缘计算蜂窝网络的部署 | |
| Gharib et al. | An exhaustive study of using commercial lte network for uav communication in rural areas | |
| Msadaa et al. | Non-terrestrial networks in a nutshell | |
| CN112312384B (zh) | 蜂窝电信网络 | |
| RU2554517C2 (ru) | Комплекс обеспечения радиосвязи с использованием беспилотного летательного аппарата (бпла) на территории с разрушенной инфраструктурой связи в зонах стихийного бедствия и чрезвычайных ситуаций | |
| Lemayian et al. | First responder drones for critical situation management |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220628 |
|
| WW01 | Invention patent application withdrawn after publication |