CN115549761A - 无人机移动通信接入方法、***、设备、装置和存储介质 - Google Patents
无人机移动通信接入方法、***、设备、装置和存储介质 Download PDFInfo
- Publication number
- CN115549761A CN115549761A CN202211150568.2A CN202211150568A CN115549761A CN 115549761 A CN115549761 A CN 115549761A CN 202211150568 A CN202211150568 A CN 202211150568A CN 115549761 A CN115549761 A CN 115549761A
- Authority
- CN
- China
- Prior art keywords
- data
- mobile
- unmanned aerial
- aerial vehicle
- link
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000010295 mobile communication Methods 0.000 title claims abstract description 57
- 230000002159 abnormal effect Effects 0.000 claims abstract description 87
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 230000006870 function Effects 0.000 claims description 87
- 238000012545 processing Methods 0.000 claims description 61
- 230000007246 mechanism Effects 0.000 claims description 46
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 29
- 230000005540 biological transmission Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/18—Selecting a network or a communication service
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)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种无人机移动通信接入方法、***、设备、装置和存储介质，涉及无人机监测领域，其方法包括获取无人机机载终端基于移动网络链路传输的移动航行数据；根据所述移动航行数据生成移动链路检测结果；利用所述移动链路检测结果判断所述移动网络链路是否异常；若是，则向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。利用移动航行数据生成移动链路检测结果，再利用移动链路检测结果预测移动网络链路是否异常，在异常时，转为接收卫星航行数据，便于稳定的接收无人机机载终端传输的数据，使无人机不易丢失，提高了无人机移动通信的接入质量。
Description
技术领域
本发明涉及一种无人机监测技术领域，尤其涉及一种无人机移动通信接入方法、***、设备、装置和存储介质。
背景技术
近年来，无人机的应用数量激增，从摄影到测绘，从电力巡检到农业植保，从灾害监测到灾后救援，都可以看到无人机的身影。通信链路是无人机的核心技术，是连接无人驾驶飞行器与地面的神经***，其传输速度、传输质量、传输范围以及鲁棒性决定了无人机的应用价值。
现有的无人机大都采用移动网络通信数据链，当无人机脱离视距范围，且移动网络通信数据链频道拥挤或网络故障时，无法实现无人机数据通信，导致无人机通信数据接入异常，容易造成无人机的丢失，降低了无人机移动通信接入的质量。
发明内容
有鉴于此，本发明提供了一种无人机移动通信接入方法、***、设备、装置和存储介质，用于解决现有技术中无人机移动通信接入质量低的问题。为达上述之一或部分或全部目的或是其他目的，本发明提出一种无人机移动通信接入方法、***、设备、装置和存储介质，第一方面：
一种无人机移动通信接入方法，包括：
获取无人机机载终端基于移动网络链路传输的移动航行数据；
根据所述移动航行数据生成移动链路检测结果；
利用所述移动链路检测结果判断所述移动网络链路是否异常；
若是，则向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。
优选地，所述根据所述移动航行数据生成移动链路检测结果的步骤包括：
利用径向基函数模型对所述移动航行数据进行处理，得到编码数据；
利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据；
利用目标函数模型对所述预测数据进行处理，得到目标函数数据；
判断所述目标函数数据是否与预设的目标条件匹配；
若是，则利用所述目标函数数据计算得到异常分数数据，并将所述异常分数数据作为所述移动链路检测结果。
优选地，在所述判断所述目标函数数据是否与预设的目标条件匹配之后，所述方法还包括：
在所述目标函数数据与所述目标条件不匹配时，利用所述多头自注意力机制模型对所述预测数据进行迭代处理，更新所述预测数据；
利用所述目标函数模型对更新后的所述预测数据进行处理，更新所述目标函数数据；
在更新后的所述目标函数数据匹配所述目标条件时，利用更新后的所述目标函数数据计算得到所述异常分数数据，并将所述异常分数数据作为所述移动链路检测结果；
在更新后的所述目标函数数据不匹配所述目标条件时，再次更新所述目标函数数据。
优选地，所述利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据的步骤包括：
将所述编码数据划分为预设份数，得到所述预设份数的子编码数据；
利用所述单头自注意力机制模型对对应的所述子编码数据进行处理，得到子预测数据；所述子编码数据与所述单头自注意力机制模型一一对应；所述子预测数据基于整体关联度数据和邻域关联度数据计算得到；
将所有所述子预测数据整合后利用第一全连接层进行处理，得到初始预测数据；
将所述初始预测数据作为下一轮迭代的所述编码数据，在所述迭代次数满足预设次数时，将最后一轮迭代得到的所述初始预测数据利用第二全连接层进行处理，得到所述预测数据。
优选地，在所述利用所述移动链路检测结果判断所述移动网络链路是否异常之后，所述方法还包括：
在所述移动网络链路无异常时，利用协方差矩阵模型对获取的所述移动航行数据进行处理，得到第一矩阵数据；或，
在所述移动网络链路异常时，利用所述协方差矩阵模型对获取的所述卫星航行数据进行处理，得到所述第二矩阵数据；
将所述第一矩阵数据或所述第二矩阵数据分解为谱数据和特征向量矩阵数据，并根据所述谱数据的大小去除所述谱数据中的噪声谱特征数据，得到重构特征向量数据；
基于所述重构特征向量数据和所述第一矩阵数据或所述第二矩阵数据计算得到重构航行数据。
优选地，在所述基于所述重构特征向量数据和所述矩阵数据计算得到重构航行数据之后，所述方法还包括：
对所述重构航行数据进行极化码译码和数据校验，得到实时航行数据。
第二方面：
一种无人机移动通信接入方法，包括：
接收地面控制终端发送的移动链路异常指令；
根据所述移动链路异常指令将移动网络链路切换为卫星链路；
通过所述卫星链路将获取的卫星航行数据输出至所述地面控制终端。
第三方面：
一种无人机移动通信接入***，包括无人机机载终端和地面控制终端；
所述地面控制终端用于执行上述所述方法；
所述无人机机载终端用于执行上述所述方法。
第四方面：
一种无人机移动通信接入设备，包括获取模块，用于获取无人机机载终端基于移动网络链路传输的移动航行数据；
计算模块，用于根据所述移动航行数据计算得到移动链路检测结果；
判断模块，用于利用所述移动链路检测结果判断所述移动网络链路是否异常；
若是，则向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。
优选地，所述计算模块包括编码单元，用于利用径向基函数模型对所述移动航行数据进行处理，得到编码数据；
预测单元，用于利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据；
目标函数单元，用于利用目标函数模型对所述预测数据进行处理，得到目标函数数据；
目标条件匹配单元，用于判断所述目标函数数据是否与预设的目标条件匹配；
若是，则利用所述目标函数数据计算得到异常分数数据，并将所述异常分数数据作为所述移动链路检测结果。
优选地，所述计算模块还包括更新预测单元，用于在所述目标函数数据与所述目标条件不匹配时，利用所述多头自注意力机制模型对所述预测数据进行迭代处理，更新所述预测数据；
更新目标函数单元，用于利用所述目标函数模型对更新后的所述预测数据进行处理，更新所述目标函数数据；
更新终止单元，用于在更新后的所述目标函数数据匹配所述目标条件时，利用更新后的所述目标函数数据计算得到所述异常分数数据，并将所述异常分数数据作为所述移动链路检测结果；
在更新后的所述目标函数数据不匹配所述目标条件时，再次更新所述目标函数数据。
优选地，所述预测单元包括编码子单元，用于将所述编码数据划分为预设份数，得到所述预设份数的子编码数据；
处理子单元，用于利用所述单头自注意力机制模型对对应的所述子编码数据进行处理，得到子预测数据；所述子编码数据与所述单头自注意力机制模型一一对应；所述子预测数据基于整体关联度数据和邻域关联度数据计算得到；
整合子单元，用于将所有所述子预测数据整合后利用第一全连接层进行处理，得到初始预测数据；
终止子单元，用于将所述初始预测数据作为下一轮迭代的所述编码数据，在所述迭代次数满足预设次数时，将最后一轮迭代得到的所述初始预测数据利用第二全连接层进行处理，得到所述预测数据。
优选地，所述设备还包括译码与校验模块，用于在所述基于所述重构特征向量数据和所述矩阵数据计算得到重构航行数据之后，对所述重构航行数据进行极化码译码和数据校验，得到实时航行数据。
第五方面：
一种无人机移动通信接入装置，包括存储器和处理器，所述存储器中存储有无人机移动通信接入方法，所述处理器用于在执行无人机移动通信接入方法时采用上述任一种所述方法。
第六方面：
一种存储介质，其特征在于，存储有能够被处理器加载并执行上述所述方法的计算机程序。
实施本发明实施例，将具有如下有益效果：
根据移动航行数据生成移动链路检测结果，对移动网络链路的异常进行判断，便于及时或提早发现移动网络链路的异常情况，有助于降低无人机航行数据丢失的概率。此外，在移动网络链路异常时，控制无人机机载终端基于卫星链路传输无人机航行数据，即更换航行数据的传输链路，将移动航行数据变为卫星航行数据。由于设置了两条链路，使无人机的航行数据能够稳定的被接收，不易因移动网络链路的故障而丢失，从而提高了无人机的使用安全性，使无人机不易丢失，提高了无人机移动通信接入数据的接入质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中无人机移动通信接入方法的整体流程图。
图2为一个实施例中无人机移动通信接入方法中生成移动链路检测结果的流程图。
图3为一个实施例中无人机移动通信接入方法中得到预测数据的流程图。
图4为另一个实施例中无人机移动通信接入方法的整体流程图。
图5为一个实施例中无人机移动通信接入设备的结构框图。
图6为一个实施例中无人机移动通信接入装置的结构示意图。
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作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。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
本申请提供一种无人机移动通信接入方法，在无人机得到大规模使用的同时，对无人机的定位和控制尤为重要，现有的无人机的飞行距离较远，通常执行检测任务，容易脱离控制者的视线。此种情况下，从无人机机载端返回的无人机数据，即无人机的接入数据决定着无人机后续的控制模式。现有的接入数据通常采用移动网络通信数据链，但在移动网络通信数据链频道拥挤或网络故障时，无人机的接入数据则会断开传输，导致无人机通信数据接入异常，降低了无人机移动通信数据接入的质量。
为了克服上述缺陷，本申请实施例提供的一种无人机移动通信接入方法如图1所示，包括：
101、获取无人机机载终端基于移动网络链路传输的移动航行数据。
在一实施例中，默认使用移动网络链路对无人机的航行数据进行传输，为了便于区分，将通过移动网络链路传输的航行数据命名为移动航行数据。无人机机载终端利用移动网络链路将移动航行数据传输至基站，基站再将移动航行数据传输给当前执行主体，以使当前执行主体获得移动航行数据。
102、根据所述移动航行数据生成移动链路检测结果。
即对实时接收的移动航行数据进行检测，通过移动航行数据，判断移动网络链路的使用状态，从而生成相应的移动链路检测结果。具体的，在一实施例中，根据移动航行数据的信号强弱对移动网络链路进行检测；在另一实施例中，根据移动航行数据的字节数对移动网络链路进行检测。旨在通过移动航行数据反应移动网络链路的稳定情况。
103、利用所述移动链路检测结果判断所述移动网络链路是否异常。
在一实施例中，移动链路检测结果为分值，在判断移动网络链路是否异常时，根据预设的分值阈值进行判断。在另一实施例中，移动链路检测结果包括移动链路正常和移动链路异常，则在移动链路检测结果为移动链路正常时，判定移动网络链路非异常；在移动链路检测结果为移动链路异常时，判定移动网络链路异常。具体的判断方式根据移动链路检测结果的具体内容进行决定，本实施例对此不做具体限定。
若是，则执行步骤104、向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。
在一实施例中，当前执行主体向无人机机载终端传输移动链路异常指令时，采用卫星链路进行传输，其中，卫星链路可以是北斗卫星链路或GPS卫星链路。在另一实施例中，当前执行主体向无人机机载终端传输移动链路异常指令之前，判断移动网络链路的异常程度，若异常程度较大，则使用卫星链路传输移动链路异常指令，若异常程度较小，则使用移动网络链路传输移动链路异常指令。其中，异常程度的大小根据移动链路检测结果进行判断，例如在移动链路检测结果为分值时，具体如60分，则在移动链路检测结果大于异常度阈值时，判定异常程度较大，否则判定异常程度较小；异常度阈值例如50分。在其他实施例中，当前执行主体也可以使用其他数据传输方式将移动链路异常指令传输给无人机机载终端，对此本实施例不做具体限定。
需要说明的是，在无人机机载终端基于卫星链路传输航行数据时，为了便于区分，将该航行数据命名为卫星航行数据。且当前执行主体接收卫星航行数据时，采用接收卫星数据的模式接收。
若移动网络链路无异常，则执行步骤105、获取无人机机载终端基于所述移动网络链路传输的所述移动航行数据。
一方面，根据移动航行数据生成移动链路检测结果，对移动网络链路的异常进行判断，便于及时或提早发现移动网络链路的异常情况，有助于降低无人机航行数据丢失的概率。另一方面，在移动网络链路异常时，控制无人机机载终端基于卫星链路传输无人机航行数据，即更换航行数据的传输链路，将移动航行数据变为卫星航行数据。由于设置了两条链路，使无人机的航行数据能够稳定的被接收，不易因移动网络链路的故障而丢失，从而提高了无人机的使用安全性，使无人机不易丢失，提高了无人机移动通信接入数据的接入质量。
在另一本发明实施例中，为了进一步限定及说明，如图2所示，步骤所述根据所述移动航行数据生成移动链路检测结果包括：
201、利用径向基函数模型对所述移动航行数据进行处理，得到编码数据。
在一实施例中，由于无人机飞行的单次飞行时间较短，通常为6小时以内，因此对于移动航行数据的时序序列使用60个径向基函数(Radial basis function，RBF)进行编码，其中，径向基函数模型指径向基函数或径向基函数网络(Radial basis functionnetwork，RBF network)。
202、利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据。
编码数据为经过位置编码后的维数为dm的N组数据。迭代处理指利用多头自注意力机制模型对编码数据进行多次处理，需要说明的是，在迭代处理时，编码数据为第一次迭代处理时多头自注意力机制模型的输入数据，之后的每次迭代处理，多头自注意力机制模型的输入均为上一次多头自注意力机制模型的输出数据。预测数据为最后一次迭代多头自注意力机制模型的输出数据。在一实施例中，迭代次数在3-6次之间，包括3次和6次。
203、利用目标函数模型对所述预测数据进行处理，得到目标函数数据。
在一实施例中，目标函数为：
其中，L为目标函数的损失值；
为预测得到的移动网络数据；λ为超参数；X为地面控制终端接收到的移动网络数据。
204、判断所述目标函数数据是否与预设的目标条件匹配。
在一实施例中，目标条件为目标函数收敛。
若是，则执行步骤205、利用所述目标函数数据计算得到异常分数数据，并将所述异常分数数据作为所述移动链路检测结果。
在一实施例中，计算异常分数的公式为：
其中，S为异常分数；U为整体的综合关联度；Ui为第i个时间序列的综合关联度。具体的，异常分数即异常分数数据。
利用多头自注意力机制模型对编码数据进行处理，得到预测数据，而后再用目标函数具模型对预测数据进行处理，得到目标函数数据。在目标函数数据满足目标条件时计算得到移动链路检测结果。通过模型进行计算，操作简单，方便快捷，准确率高，有助于提高移动链路检测结果的准确度和精度。在另一本发明实施例中，为了进一步限定及说明，如图2所示，在所述判断所述目标函数数据是否与预设的目标条件匹配之后，所述方法还包括：
301、在所述目标函数数据与所述目标条件不匹配时，利用所述多头自注意力机制模型对所述预测数据进行迭代处理，更新所述预测数据。
将步骤202中最后一次迭代得到的预测数据作为多头自注意力机制模型的输入数据，对预测数据进行迭代处理，迭代处理的原理与步骤202中的相同，不再赘述。此外，步骤301中的迭代次数与步骤202中的迭代次数相同。通过对预测数据进行迭代处理，实现对预测数据的更新。
302、利用所述目标函数模型对更新后的所述预测数据进行处理，更新所述目标函数数据。
处理过程与步骤203中的相同，不再赘述，实现对目标函数数据的更新。
303、在更新后的所述目标函数数据匹配所述目标条件时，利用更新后的所述目标函数数据计算得到所述异常分数数据，并将所述异常分数数据作为所述移动链路检测结果。
304、在更新后的所述目标函数数据不匹配所述目标条件时，再次更新所述目标函数数据。
即，对更新后的目标函数数据进行判断，若更新后的目标函数数据不匹配目标条件，则再次更新，直到目标函数数据与目标条件匹配或者更新次数达到预设的次数阈值。
通过不断的更新预测数据，进而更新目标函数数据的方式，使目标函数数据趋于符合目标条件，从而更快捷的计算出异常分数数据，得到移动链路检测结果。有助于提高移动链路检测结果的生成效率，且在更新预测数据和目标函数数据时，无需使用其他模型，沿用之前的模型，便于节省资源，简化移动链路检测结果的生成操作。
在另一本发明实施例中，为了进一步限定及说明，如图3所示，步骤所述利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据包括：
401、将所述编码数据划分为预设份数，得到所述预设份数的子编码数据。
具体的，在一实施例中，预设份数根据多头自注意力机制模型中单头自注意力机制模型的数量设定，即预设份数与单头自注意力机制模型的数量相同。
402、利用所述单头自注意力机制模型对对应的所述子编码数据进行处理，得到子预测数据。
其中，所述子编码数据与所述单头自注意力机制模型一一对应；所述子预测数据基于整体关联度数据和邻域关联度数据计算得到。
具体的，在一实施例中，第p次单头自注意力机制模型的邻域关联度数据公式为：
其中，
为邻域关联度数据；p为第p次单头自注意力机制；i为第i时刻；j为第j个移动网络数据点；σi为用于学习的标量参数；k为移动网络时序序列中的第k个数据。
第p次单头自注意力机制模型的整体关联度数据的公式为：
其中，
为第p次整体关联度数据；p为第p次单头自注意力机制；i为第i时刻；Qi为第i时刻自注意力机制中的查询矩阵；K为自注意力机制中的键值矩阵；k为；T表示矩阵的转置；dm为设定的模型大小。
综合关联度数据Up用于表征整体与局部数据分布差异，其可以由邻域关联度与整体关联度的交叉熵定义，公式为：
其中，Up为综合关联度数据；Eα[·]表示对α取期望值。
预测数据
为整体关联度Wp与键值矩阵V的乘积，公式为：
其中，
为预测数据；Wp为第p次迭代计算的整体关联度数据；V为键值矩阵。
融合综合关联度Up和预测数据
即得到对应的子预测数据。
403、将所有所述子预测数据整合后利用第一全连接层进行处理，得到初始预测数据。
在一实施例中，所有单头自注意力机制模型经过串联后经过多层感知机调整维度，与输入数据，即编码数据进行残差连接后经过第一全连接层，即可得到对应迭代次数的输出数据，即初始预测数据。
404、将所述初始预测数据作为下一轮迭代的所述编码数据，在所述迭代次数满足预设次数时，将最后一轮迭代得到的所述初始预测数据利用第二全连接层进行处理，得到所述预测数据。
即，将本次迭代得到的初始预测数据作为下一轮迭代的输入数据，在满足预设次数后，将最后一次多头自注意力机制模型的输出数据，即最后一次迭代得到的初始预测数据经过第二全连接层的处理，得到预测数据。
多头自注意力机制模型经过改进后，不仅得到整体关联度数据，还得到邻域关联度数据，且每次迭代输出的输出数据，均受邻域关联度数据的影响，有助于提高预测数据的精度和质量，从而提高移动链路检测结果的精度和质量。
在另一本发明实施例中，为了进一步限定及说明，在步骤所述利用所述移动链路检测结果判断所述移动网络链路是否异常之后，所述方法还包括：
501、在所述移动网络链路无异常时，利用协方差矩阵模型对获取的所述移动航行数据进行处理，得到第一矩阵数据，或在所述移动网络链路异常时，利用所述协方差矩阵模型对获取的所述卫星航行数据进行处理，得到所述第二矩阵数据。
具体的，为了便于理解，在一实施例中，在移动航行数据传输的过程中，常常会由于多路径效应、电磁信号散射等引入噪声。设定移动航行数据或卫星航行数据为Xr，则有Xr＝X+V。其中，X为原本的移动航行数据或卫星航行数据，即由无人机机载终端发出的移动航行数据或卫星航行数据；V为噪声。协方差矩阵模型为：
通过协方差矩阵模型即可得到第一矩阵数据或第二矩阵数据。
502、将所述第一矩阵数据或所述第二矩阵数据分解为谱数据和特征向量矩阵数据，并根据所述谱数据的大小去除所述谱数据中的噪声谱特征数据，得到重构特征向量数据.
具体的，将公式(7)利用如下公式分解：
R＝UΛU-1； (8)
其中，Λ的对角线即为移动航行数据的谱，即谱数据；U为与之对应的特征向量矩阵，即特征向量矩阵数局。根据谱的大小去除掉噪声的谱特征，将剩下的特征组合可以得到重构特征向量Uc。
503、基于所述重构特征向量数据和所述第一矩阵数据或所述第二矩阵数据计算得到重构航行数据。
具体的，在一实施例中，利用如下公式可以得到重构航行数据Xc：
通过重构，能够去除移动航行数据或卫星航行数据中的干扰，提高移动航行数据或卫星航行数据的精度和质量。
在另一本发明实施例中，为了进一步限定及说明，在步骤所述基于所述重构特征向量数据和所述矩阵数据计算得到重构航行数据之后，所述方法还包括：
601、对所述重构航行数据进行极化码译码和数据校验，得到实时航行数据。
即在无人机机载终端输出移动航行数据或卫星航行数据之前，对移动航行数据或卫星航行数据进行CRC码和极化码级联编码。在当前执行主体接收到移动航行数据或卫星航行数据后，先进行去噪，得到重构航行数据，而后再对重构航行数据进行译码和校验。
通过译码和校验，有助于保证得到的重构航行数据的真实性和准确性，提高了接收到的数据的安全性。
利用多头自注意力机制模型和目标函数模型对移动航行数据进行计算，从而生成链路检测结果。在基于链路检测结果检测移动网络链路是否发生异常，若发生异常，则向无人机机载终端输出移动链路异常指令，并改为接收无人机机载终端传输的卫星航行数据。通过设置两条链路的方式，并结合实时的移动网络链路异常检测，能够在移动网络链路无法传输数据之前，改为使用卫星链路传输数据，保证无人机的接入数据实时能够得到接收，无人机不易丢失，提高无人机使用的安全性，同时提高了无人机接入的质量。
本申请实施例还提供另一种无人机移动通信接入方法，如图4所示，包括：
100、接收地面控制终端发送的移动链路异常指令。
200、根据所述移动链路异常指令将移动网络链路切换为卫星链路。
300、通过所述卫星链路将获取的卫星航行数据输出至所述地面控制终端。
具体的，卫星链路可以是北斗卫星链路，也可以是GPS卫星链路，旨在通过卫星报文的形式传输无人机的航行数据，即卫星航行数据。
为了保证地面控制终端能够接收到完整的航行数据，在一实施例中，当前执行主体接收到移动链路异常指令后，将若干时间单位前的航行数据通过卫星链路重新输出。
通过切换卫星链路的方式，能够保证无人机的航行数据得到有效的传输，从而提高无人机的安全性，使无人机不易丢失，提高了无人机移动通信接入的质量。
本申请实施例还提供一种无人机移动通信接入***，包括无人机机载终端和地面控制终端。地面控制终端用于执行上述所述一种无人机移动通信接入方法；所述无人机机载终端用于执行上述所述另一种无人机移动通信接入方法。
具体的，在一实施例中，无人机机载终端包括机载控制器，用于在移动网络链路未发生异常时，采用移动通信模式；在移动网络链路发生异常时，采用北斗通信模式；
编码器，用于对无人机航行数据进行编码，得到编码数据；
第一调制解调器，用于在所述移动通信模式时，将所述编码数据调制到预设的移动通信频率，生成移动调频数据，并输出给第一移动网络通信模块；在所述北斗通信模式时，将所述编码数据调制到预设的北斗通信频率，生成北斗调频数据，并输出给第一北斗卫星通信模块；
第一移动网络通信模块，用于将所述移动调频数据转换为移动通信协议标准格式，以得到移动网络信息，并将所述移动网络信息传输给移动网络基站；
第一北斗卫星通信模块，用于将所述北斗调频数据转换为北斗短报文格式，以得到北斗短报文信息，并将所述北斗短报文信息传输给北斗卫星；
第一电源模块，用于为所述机载控制器、所述编码器、所述第一调制解调器、所述第一移动网络通信模块和所述第一北斗卫星通信模块提供电能；
所述地面控制终端包括第二北斗卫星通信模块，用于接收所述北斗卫星传输的所述北斗短报文信息，并根据北斗短报文协议标准将所述北斗短报文信息转换为所述北斗调频数据，将所述编码数据传输给第二调制解调器；
第二移动网络通信模块，用于接收所述移动网络基站传输的所述移动网络信息，并根据移动网络通信协议标准将所述移动网络信息转换为所述移动调频数据，将所述编码数据传输给第二调制解调器；
第二调制解调器，用于将接收的北斗调频数据或所述移动调频数据转换为所述编码数据，并将所述编码数据传输给译码器；
译码器，用于将所述编码数据解码为所述无人机航行数据；
地面控制器，用于在所述无人机航行数据属于所述移动网络信息时，根据所述无人机航行数据计算得到移动链路检测结果，并利用所述移动链路检测结果判断所述移动网络链路是否异常，若是，输出移动链路异常信息，以使所述机载控制器采用所述北斗通信模式。
本申请实施例还公开一种无人机移动通信接入设备，如图5所示，包括获取模块1，用于获取无人机机载终端基于移动网络链路传输的移动航行数据；
计算模块2，用于根据所述移动航行数据计算得到移动链路检测结果；
判断模块3，用于利用所述移动链路检测结果判断所述移动网络链路是否异常；
若是，则向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。
优选地，所述计算模块2包括编码单元，用于利用径向基函数模型对所述移动航行数据进行处理，得到编码数据；
预测单元，用于利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据；
目标函数单元，用于利用目标函数模型对所述预测数据进行处理，得到目标函数数据；
目标条件匹配单元，用于判断所述目标函数数据是否与预设的目标条件匹配；
若是，则利用所述目标函数数据计算得到异常分数数据，并将所述异常分数数据作为所述移动链路检测结果。
优选地，所述计算模块2还包括更新预测单元，用于在所述目标函数数据与所述目标条件不匹配时，利用所述多头自注意力机制模型对所述预测数据进行迭代处理，更新所述预测数据；
更新目标函数单元，用于利用所述目标函数模型对更新后的所述预测数据进行处理，更新所述目标函数数据；
更新终止单元，用于在更新后的所述目标函数数据匹配所述目标条件时，利用更新后的所述目标函数数据计算得到所述异常分数数据，并将所述异常分数数据作为所述移动链路检测结果；
在更新后的所述目标函数数据不匹配所述目标条件时，再次更新所述目标函数数据。
优选地，所述预测单元包括编码子单元，用于将所述编码数据划分为预设份数，得到所述预设份数的子编码数据；
处理子单元，用于利用所述单头自注意力机制模型对对应的所述子编码数据进行处理，得到子预测数据；所述子编码数据与所述单头自注意力机制模型一一对应；所述子预测数据基于整体关联度数据和邻域关联度数据计算得到；
整合子单元，用于将所有所述子预测数据整合后利用第一全连接层进行处理，得到初始预测数据；
终止子单元，用于将所述初始预测数据作为下一轮迭代的所述编码数据，在所述迭代次数满足预设次数时，将最后一轮迭代得到的所述初始预测数据利用第二全连接层进行处理，得到所述预测数据。
优选地，所述设备还包括译码与校验模块，用于在所述基于所述重构特征向量数据和所述矩阵数据计算得到重构航行数据之后，对所述重构航行数据进行极化码译码和数据校验，得到实时航行数据。
通过计算模块2计算移动链路检测结果，再利用判断模块3依据移动链路检测结果判断移动网络链路是否发生异常。若发生异常，则向无人机机载终端输出移动链路异常指令，便于告知无人机机载终端移动网络链路的异常信息，从而令其改为使用卫星链路进行数据的传输。与此同时，接收无人机机载终端基于卫星链路传输的卫星航行数据。便于在移动网络链路出现异常之前，或者无法进行数据传输之前，改为采用卫星链路传输数据，提高了无人机移动通信接入的质量，使无人机不易丢失。
这里需要指出的是：以上应用于无人机移动通信接入设备实施例项的描述，与上述方法描述是类似的，具有同方法实施例相同的有益效果。对于本发明无人机移动通信接入设备实施例中未披露的技术细节，本领域的技术人员请参照本发明方法实施例的描述而理解。
需要说明的是，本发明实施例中，如果以软件功能模块的形式实现上述方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
相应地，本申请实施例还公开一种存储介质，存储有能够被处理器加载并执行上述方法的计算机程序。
本申请实施例还公开一种无人机移动通信接入装置，如图6所示，包括一个处理器100、至少一个通信总线200、用户接口300、至少一个外部通信接口400和存储器500。其中，通信总线200配置为实现这些组件之间的连接通信。其中，用户接口300可以包括显示屏，外部通信接口400可以包括标准的有线接口和无线接口。其中，存储器500中存储有无人机移动通信接入方法。其中，处理器100用于在执行存储器500中存储的无人机移动通信接入方法时采用上述方法。
以上应用于无人机移动通信接入装置和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明无人机移动通信接入装置和存储介质实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (11)
1.一种无人机移动通信接入方法，其特征在于，包括：
获取无人机机载终端基于移动网络链路传输的移动航行数据；
根据所述移动航行数据生成移动链路检测结果；
利用所述移动链路检测结果判断所述移动网络链路是否异常；
若是，则向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。
2.如权利要求1所述的无人机移动通信接入方法，其特征在于，所述根据所述移动航行数据生成移动链路检测结果的步骤包括：
利用径向基函数模型对所述移动航行数据进行处理，得到编码数据；
利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据；
利用目标函数模型对所述预测数据进行处理，得到目标函数数据；
判断所述目标函数数据是否与预设的目标条件匹配；
若是，则利用所述目标函数数据计算得到异常分数数据，并将所述异常分数数据作为所述移动链路检测结果。
3.如权利要求2所述的无人机移动通信接入方法，其特征在于，在所述判断所述目标函数数据是否与预设的目标条件匹配之后，所述方法还包括：
在所述目标函数数据与所述目标条件不匹配时，利用所述多头自注意力机制模型对所述预测数据进行迭代处理，更新所述预测数据；
利用所述目标函数模型对更新后的所述预测数据进行处理，更新所述目标函数数据；
在更新后的所述目标函数数据匹配所述目标条件时，利用更新后的所述目标函数数据计算得到所述异常分数数据，并将所述异常分数数据作为所述移动链路检测结果；
在更新后的所述目标函数数据不匹配所述目标条件时，再次更新所述目标函数数据。
4.如权利要求2所述的无人机移动通信接入方法，其特征在于，所述利用多头自注意力机制模型对所述编码数据进行迭代处理，得到预测数据的步骤包括：
将所述编码数据划分为预设份数，得到所述预设份数的子编码数据；
利用所述单头自注意力机制模型对对应的所述子编码数据进行处理，得到子预测数据；所述子编码数据与所述单头自注意力机制模型一一对应；所述子预测数据基于整体关联度数据和邻域关联度数据计算得到；
将所有所述子预测数据整合后利用第一全连接层进行处理，得到初始预测数据；
将所述初始预测数据作为下一轮迭代的所述编码数据，在所述迭代次数满足预设次数时，将最后一轮迭代得到的所述初始预测数据利用第二全连接层进行处理，得到所述预测数据。
5.如权利要求1所述的无人机移动通信接入方法，其特征在于，在所述利用所述移动链路检测结果判断所述移动网络链路是否异常之后，所述方法还包括：
在所述移动网络链路无异常时，利用协方差矩阵模型对获取的所述移动航行数据进行处理，得到第一矩阵数据；或，
在所述移动网络链路异常时，利用所述协方差矩阵模型对获取的所述卫星航行数据进行处理，得到所述第二矩阵数据；
将所述第一矩阵数据或所述第二矩阵数据分解为谱数据和特征向量矩阵数据，并根据所述谱数据的大小去除所述谱数据中的噪声谱特征数据，得到重构特征向量数据；
基于所述重构特征向量数据和所述第一矩阵数据或所述第二矩阵数据计算得到重构航行数据。
6.如权利要求5所述的无人机移动通信接入方法，其特征在于，在所述基于所述重构特征向量数据和所述矩阵数据计算得到重构航行数据之后，所述方法还包括：
对所述重构航行数据进行极化码译码和数据校验，得到实时航行数据。
7.一种无人机移动通信接入方法，其特征在于，包括：
接收地面控制终端发送的移动链路异常指令；
根据所述移动链路异常指令将移动网络链路切换为卫星链路；
通过所述卫星链路将获取的卫星航行数据输出至所述地面控制终端。
8.一种无人机移动通信接入***，其特征在于，包括无人机机载终端和地面控制终端；
所述地面控制终端用于执行权利要求1-6任一项所述方法；
所述无人机机载终端用于执行权利要求7所述方法。
9.一种无人机移动通信接入设备，其特征在于，包括获取模块，用于获取无人机机载终端基于移动网络链路传输的移动航行数据；
计算模块，用于根据所述移动航行数据计算得到移动链路检测结果；
判断模块，用于利用所述移动链路检测结果判断所述移动网络链路是否异常；
若是，则向所述无人机机载终端输出移动链路异常指令，并接收所述无人机机载终端基于卫星链路传输的卫星航行数据。
10.一种无人机移动通信接入装置，包括存储器和处理器，其特征在于，所述存储器中存储有无人机移动通信接入方法，所述处理器用于在执行无人机移动通信接入方法时采用权利要求1-6任一种所述方法。
11.一种存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1-6任一项所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211150568.2A CN115549761A (zh) | 2022-09-21 | 2022-09-21 | 无人机移动通信接入方法、***、设备、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211150568.2A CN115549761A (zh) | 2022-09-21 | 2022-09-21 | 无人机移动通信接入方法、***、设备、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115549761A true CN115549761A (zh) | 2022-12-30 |
Family
ID=84727125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211150568.2A Pending CN115549761A (zh) | 2022-09-21 | 2022-09-21 | 无人机移动通信接入方法、***、设备、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115549761A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105487534A (zh) * | 2014-10-09 | 2016-04-13 | 深圳光启空间技术有限公司 | 用于飞行器的测控***和方法 |
| CN106716871A (zh) * | 2016-11-28 | 2017-05-24 | 深圳市大疆创新科技有限公司 | 控制方法、遥控器及无人机 |
| US20180268719A1 (en) * | 2015-01-13 | 2018-09-20 | Guangzhou Xaircraft Technology Co., Ltd. | Scheduling method and system for unmanned aerial vehicle, and unmanned aerial vehicle |
| CN114422942A (zh) * | 2022-01-26 | 2022-04-29 | 哈尔滨工业大学 | 一种基于无线自组网技术的移动应急通信*** |
-
2022
- 2022-09-21 CN CN202211150568.2A patent/CN115549761A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105487534A (zh) * | 2014-10-09 | 2016-04-13 | 深圳光启空间技术有限公司 | 用于飞行器的测控***和方法 |
| US20180268719A1 (en) * | 2015-01-13 | 2018-09-20 | Guangzhou Xaircraft Technology Co., Ltd. | Scheduling method and system for unmanned aerial vehicle, and unmanned aerial vehicle |
| CN106716871A (zh) * | 2016-11-28 | 2017-05-24 | 深圳市大疆创新科技有限公司 | 控制方法、遥控器及无人机 |
| CN114422942A (zh) * | 2022-01-26 | 2022-04-29 | 哈尔滨工业大学 | 一种基于无线自组网技术的移动应急通信*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110933633B (zh) | 一种基于csi指纹特征迁移的船载环境室内定位方法 | |
| CN110674009A (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
| CN116414948A (zh) | 基于云数据和人工智能的异常数据挖掘方法及软件产品 | |
| US11564101B2 (en) | Method and system for handling network intrusion | |
| Ngo et al. | Adaptive anomaly detection for IoT data in hierarchical edge computing | |
| CN113453188A (zh) | 一种智能网联汽车无线安全监测***、方法及存储介质 | |
| CN115549761A (zh) | 无人机移动通信接入方法、***、设备、装置和存储介质 | |
| US11366984B1 (en) | Verifying a target object based on confidence coefficients generated by trained models | |
| CN112590471B (zh) | 胎压监测***的故障检测方法、装置和电子设备 | |
| CN114332699B (zh) | 路况预测方法、装置、设备及存储介质 | |
| CN114641000A (zh) | 一种智能网联汽车无线安全监测*** | |
| CN113923274A (zh) | 一种判断传输数据是否被干扰的方法、装置及存储介质 | |
| CN116644783A (zh) | 模型训练方法、对象处理方法及装置、电子设备、介质 | |
| Li et al. | An Analysis of Capacity-Distortion Trade-Offs in Memoryless ISAC Systems | |
| CN113064893A (zh) | 数据处理的方法及相关装置 | |
| CN111046933A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
| CN110647942A (zh) | 一种用于卫星网络的入侵检测方法、装置和设备 | |
| CN115941357B (zh) | 基于工业安全的流量日志检测方法、装置与电子设备 | |
| CN110868615B (zh) | 一种视频处理方法、装置、电子设备以及存储介质 | |
| CN114205049B (zh) | 通信式噪声干扰方法及装置 | |
| Wu et al. | A new satellite-ship autonomous communication system with an integrated deep learning anomaly detection algorithm | |
| CN117176270B (zh) | 一种带信号监测功能的室分天线及其监测方法 | |
| CN116778209A (zh) | 基于动态调度策略的图像预测方法、装置、设备及介质 | |
| CN112124287B (zh) | 一种epb按键的故障识别方法、装置、设备和介质 | |
| CN116567719B (zh) | 数据传输方法、车载***、设备和存储介质 |
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 |