买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京航空航天大学申请的专利一种飞行自组织网络辅助通信的联合优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119255276B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411783995.3，技术领域涉及：H04W24/02；该发明授权一种飞行自组织网络辅助通信的联合优化方法是由赵晶晶;蔡开泉;章今;朱衍波;周全设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种飞行自组织网络辅助通信的联合优化方法在说明书摘要公布了：本发明属于无线通信技术领域，提出了一种飞行自组织网络辅助通信的联合优化方法，通过实时优化无人机群的飞行轨迹及数据路由路径组成FANET，辅助地面无线传感器的中继通信，满足WSN在实时监测领域中低延迟通信的应用需求，步骤如下：（1）构建多无人机及WSN数据路由传输系统模型；（2）建立FANET辅助通信的联合优化问题，以最小化传输系统的最大端到端时延为优化目标；（3）基于MDP将FANET辅助通信的联合优化问题表述为序列决策问题；（4）基于深度强化学习图神经网络建立求解序列决策问题的无人机决策模型，并进行训练；（5）应用训练好的无人机决策模型实现飞行自组织网络辅助通信的联合优化。

本发明授权一种飞行自组织网络辅助通信的联合优化方法在权利要求书中公布了：1.一种飞行自组织网络辅助通信的联合优化方法，其特征在于，包括以下步骤：步骤S1：构建多无人机及WSN数据路由传输系统模型；步骤S2：建立飞行自组织网络FANET辅助通信的联合优化问题，以最小化传输系统的最大端到端时延为优化目标；步骤S3：基于MDP将FANET辅助通信的联合优化问题表述为序列决策问题；步骤S4：基于深度强化学习图神经网络建立求解序列决策问题的无人机决策模型，并进行训练；步骤S5：应用训练好的无人机决策模型实现飞行自组织网络辅助通信的联合优化；所述步骤S1具体包括：步骤S1-1：所述无人机及WSN数据路由传输系统模型包括由N个无人机组成的FANET、M个地面节点组成的WSN和一个地面接入点，每个地面节点均有多个数据包，各地面节点需将所有数据包传输到地面接入点；采用普里姆最小生成树算法给定WSN的地面路由方式；令表示地面节点在时间步的数据包传输路径选择： 1其中，，I表示由N个无人机构成的无人机集合； 2其中，J表示由M个地面节点构成的地面节点集合；令表示无人机在时间步将数据包传输给无人机，且，则有 3令表示无人机在时间步将数据传输给地面接入点，则有 4 5令无人机以固定高度H飞行，以速度‖vt‖匀速飞行或悬停，则无人机i的位置表示为： 6其中，Δt表示时间步长； 7其中，表示无人机不产生碰撞的最小距离；表示无人机在时间步的邻居无人机集合，8；其中，和分别表示无人机和无人机的有效通信区域半径；步骤S1-2：令通信信道均采用不存在信道间干扰的正交信道，则时间步t时WSN中地面节点j向地面节点j'传输数据包时的信道模型表示为： 9其中，表示参照距离时的路径损耗，表示地面节点到地面节点的直线距离，表示非视距传输的路径损耗参数，表示时间步t单位方差下的循环对称复高斯分布小尺度衰落成分；时间步t地面节点j向地面节点j'传输数据包的传输速率表示为： 10其中，为子信道带宽，为地面节点j的传输功率，为高斯白噪声单边功率谱密度；时间步t地面节点j与无人机i间的信道模型表示为： 11其中，表示时间步t地面节点到无人机i的直线距离，表示视距传输的路径损耗参数；时间步t无人机i与地面接入点间的信道模型表示为： 12其中，表示时间步t无人机i到地面接入点的直线距离；时间步t地面节点向无人机i传输数据包的传输速率表示为： 13时间步t无人机向地面接入点传输数据包的传输速率表示为： 14其中，表示无人机传输数据包时所用的信道带宽，为无人机传输数据包的恒定功率，为定向波束赋形天线增益；时间步t无人机和无人机之间的信道模型为： 15时间步t无人机向无人机传输数据包的传输速率为： 16；所述步骤S2具体包括：令表示地面节点在时间步的数据包数量，表示无人机在时间步的数据包数量，则所述联合优化问题表示为： 17 18其中，为所有数据包到达地面接入点时的时间步；所述步骤S3具体包括：建立多无人机及WSN数据路由传输系统模型的MDP模型，由此实现将FANET辅助通信的联合优化问题表述为序列决策问题；所述MDP模型包括局部观测状态、行为、状态转移概率矩阵P、奖励函数R和折扣因子γ；其中，局部观测状态包括：时间步t无人机i的位置，无人机i通信范围内的地面节点的数据包数量，无人机i通信范围内其他无人机的位置以及无人机i通信范围内其他无人机的数据包数量； ；奖励函数： 19其中，表示所有数据包到达地面接入点时的奖励，中的s=1,2,3,4，表示节点接入奖励，表示无数据节点接入惩罚，表示辅助数据传输奖励，表示移动奖励，表示时间步奖励；所述步骤S4具体包括：步骤S4-1：使用无向图G表示无人机之间的路由网络，，V表示无向图G中的顶点集合，即无人机集合，表示边集合，即无人机两两之间的通信链路集合，邻接矩阵；步骤S4-2：建立无人机决策模型，其深度强化学习算法如下：（1）输入时间步t的无人机特征，表示无人机i的无人机特征，包括无人机i的位置、无人机i的数据包数量、无人机i通信范围内其他无人机的数据包数量，N表示无人机集合中的无人机数量N，为无人机特征的维度；（2）计算无人机和无人机的相似系数， 20 为可学习参数，表示对变换后的无人机特征进行拼接，表示将拼接后的高维无人机特征映射到实数；（3）计算注意力系数，即 21其中，LeakyReLu表示激活函数；（4）根据注意力系数对相邻的无人机特征加权求和，得到融合了相邻的无人机特征的无人机i的融合无人机特征： 22其中，表示激活函数；（5）引入多抽头注意力机制，对同一个数据样本建立多个注意力机制： 23其中k表示第个抽头，表示第k个抽头得到的无人机i的融合无人机特征，表示多头注意力特征；步骤S4-3：以局部观测状态和邻接矩阵为输入，对无人机决策模型进行训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。