无人机在电视新闻中的应用与前景

无人机是指用遥控设备或自身程序控制的无人驾驶的飞行器,无人机以计算机遥控系统为“脑”,以可见光和红外探测器为“眼”,拥有各类机载式武器以及功能设备齐全的“爪牙”.总之,无人机就是无人驾驶飞行器的统称,从技术层面给无人机分类,大概可以分为无人直升机、无人固定翼机、无人多旋翼飞行器、无人伞翼机、无人飞艇等几大类.由于无需人员驾驶、能广泛地应用于更危险的任务之中,所以无人机在社会各行各业中都有着广泛的运用.如今,无人机技术已广泛应用在侦察搜索领域.在美国,无人机技术已经被作为主要发展方向,相信若干年后,无人机技术必将成为科学领域内技术竞争的又一个领域.本文将从电视新闻的角度,叙述无人机在电视新闻中的应用,以及无人机在电视新闻应用中的前景.     

物联网数据收集中基于负载均衡的无人机-车联合轨迹规划

为了提升大规模物联网数据收集的效率,提出了一种基于负载均衡区域划分的多无人机-车联合轨迹规划算法,其中,无人机作为空中基站收集物联网设备的数据,地面无人车作为移动电池更换站以弥补无人机能量的不足。为了缩短整体任务完成时间,优化目标为最小化所有无人机-车中最长的任务完成时间,将该问题建模为多站点车辆路由问题的一个变种,并从负载均衡的角度对其进行求解。具体来说,首先通过负载均衡区域划分算法将物联网设备分配到无人机-车的服务区,在此基础上,多站点无人机-车的轨迹规划问题退化为多个独立的单站点单组无人机-车的轨迹规划问题,进而设计联合轨迹规划策略优化各个服务区中的路径。数值结果验证了所提算法在任务完成时间和负载均衡度方面优于对比算法。     

MDI训练样本集构建对雷达探测旋翼无人机分类的影响分析

利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段.实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大.该文分析训练样本集对旋翼无人机分类结果的影响.首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回...     

面向物联网的深度Q网络无人机路径规划

随着无人机技术的广泛应用,基于无人机辅助数据收集的物联网架构扩展了物联网的应用范围,尤其适用于军事战场、灾害救援等极端场景。针对上述场景,该文提出一种基于深度Q网络(Deep Q-Network, DQN)框架的无人机飞行路径规划算法。该算法以无人机飞行周期内收集信息的平均信息年龄(Age of Information, AoI)为优化目标,来保证无人机收集数据的时效性。仿真结果表明,所提算法可以有效降低无人机单个飞行周期内收集数据的平均AoI。与随机算法、基于最大AoI的贪心算法、最短路径算法以及基于AoI的路径规划算法(AoI-based Trajectory Planning, ATP)相比,平均AoI分别降低了约81%, 67%, 56%和39%。该研究实现了无人机辅助物联网系统中,数据的高效、低时延采集。     

多无人船编队控制半实物仿真系统开发

设计并实现了用于模拟多无人船编队的实时半实物仿真系统。该系统通过对电压信号的数模模数转换模拟电机控制信号的输出和采集,通过串行通讯端口模拟测量设备的数据输出和数据采集。利用PC104平台搭建无人船控制器,使用基于VxWorks的实时控制软件;利用工控机和VC＋＋6．0环境搭建无人船仿真中心,实现无人船仿真过程数据的图形化显示。最后仿真实验表明该系统可以良好的模拟多无人船的编队行为,在验证编队算法和测试无人船嵌入式控制软件方面有很强的实用性。     

旋翼无人机自主降落于运动无人艇的控制研究

无人机与无人艇组成空水作业系统,可以大幅度提高系统完成作业的能力和效率,因此对旋翼无人机在运动无人艇上自主降落控制进行了研究.无人机基于通信获取的无人艇的运动信息和自身的GPS信息,配合视觉算法对降落标识进行识别和定位的计算结果信息实现对无人艇的位置跟踪.无人机根据获取的无人艇的姿态信息进行姿态跟踪后保持对无人艇的位置...     

基于多目标优化的无线传感器网络移动充电及数据收集算法

近年来,通过引入移动设备(ME)为无线传感器网络(WSNs)进行无线充电和数据收集成为一个研究热点。传统方法一般先根据节点的充电需求优先级确定移动路径,再根据该路径依次对节点进行数据收集。该文同时考虑充电需求和数据收集两个维度,以最大化ME的总能量利用率和最小化数据收集平均时延为目标,建立多目标一对多充电及数据收集模型。在ME携带的行驶能量和充电能量不足的前提下,设计路径规划策略和均衡化充电策略,并改进多目标蚁群算法对该文问题进行求解。实验结果表明,该文算法在多种场景下的目标值、Pareto解的数量、Pareto解集的均匀性、分布范围等性能指标均优于NSGA-II算法。     

基于支持向量机的无人机定位信号分离算法研究

为了解决无人机(UAV)无源定位中难以从多径干扰严重的环境中提取无人机定位信号的问题,该文提出一种基于支持向量机(SVM)的无人机定位信号分离算法,在SVM模型训练时,通过计算无人机相邻数据集之间的欧氏距离获取信息熵,为SVM映射高维空间提供模型数据.在此基础上,加入映射函数阈值软边界,使模型具有参数自适应调整能力,来适应无人机运动灵活所导致的数据差异.最后构建了观测者操作特性曲线获取无人机定位信号分离结果.仿真结果表明所提算法能够有效分离无人机定位信号与噪声,在多径干扰严重的情况下具有较高的信号分离准确率.     

武装无人机--一种重要的空中武器发射平台

武装无人机和无人战斗机是不同的。介绍了世界武装无人机的发展,分析了它的任务和机载设备。提出无人机武器化是无人机发展的一个重要趋势,与研制无人战斗机和由有人机改无人战斗机相比,武装无人机是实现空中无人武器投放平台的相对简单和成熟的办法。     

无人作战平台使用雷达定点探测方法

针对无人作战平台(如无人机,无人车,无人飞艇等)上使用的雷达系统,提出了一种定位探测方法,该方法根据指定目标点的经纬度和无人平台的经纬度,并结合无人平台的运动状态数据,解算出在雷达坐标系下指向指定目标点的雷达波束指向。由于充分利用了无人平台的组合惯导数据,方法稳定、可靠,精确度高。     

面向空天地异构网络的边缘计算部分任务卸载策略

空天地异构网络作为一种新型网络构架,是未来6G实现泛在连接的关键支撑。该文提出一种面向空天地异构网络(SAGIN)的移动边缘计算部分任务卸载方案。首先,分析了低轨(LEO)卫星的覆盖时间。其次,联合考虑用户与无人机(UAV)匹配关联因子、任务分配、带宽分配、无人机计算资源分配以及无人机轨迹,旨在建立一个能耗最小化问题。最后,采用交替迭代优化算法,将原非凸问题分解为3个子问题,并利用变量替换和连续凸逼近方法将问题转化为凸问题进行求解。仿真结果表明,所提算法具有良好的收敛性能,并有效地降低系统能耗。     

一种面向无人机通信的协作干扰安全传输技术

本文利用无人机的高机动特性带来信道的动态变化这一机理,通过合理地控制无人机位置,靠近合法节点并远离窃听节点,增加合法节点的信道增益,削弱窃听节点的信道增益,从而提高信源端和目的端的安全通信容量。已有的无人机空地信道模型大多仅考虑视距传输链路,本文在此基础上增加了非视距链路（Not Line of Sight, NLOS）,并且在窃听者位置存在估计误差条件下,建立了两架无人机协同通信场景,在上述场景下通过合理规划两架无人机飞行轨迹,增强合法信道增益,削弱窃听信道增益,并联合无人机的功率分配,实现最大化平均保密速率。该优化问题为非凸问题,因此采用了连续凸近似（Successive Convex Approximation, SCA）以及块坐标下降算法 （Block Coordinate Descent Algorithm, BCD）来解决问题。仿真结果表明在视距链路和非视距链路同时存在的前提下,通过规划两架无人机的飞行轨迹,信号功率,能有效提升无人机通信系统的保密速率。      

面向感知任务的无人机数量编配与频谱资源联合规划方法

为了减少执行协同感知任务的无人机数量和消除通信干扰问题,考虑到无人机电池容量的限制,提出了一种无人机数量编配、目标关联和频谱资源分配的联合规划方法。该方法利用无人机数量、目标感知顺序和频谱资源的耦合关系,将其联合规划问题转化为能耗优化问题,并设计了遗传禁忌混合算法求解此混合整数非线性规划问题。该算法结合了遗传算法的大范围探索能力和禁忌搜索算法的精细搜索优势,具有更高的全局寻优能力。仿真结果表明,与其他启发式算法相比,所提算法完成相同感知任务需要的无人机最少,能耗也最少,具有更好的鲁棒性。

     

Adaptive offloading with MPTCP for unmanned aerial vehicle surveillance system

Unmanned aerial vehicles (UAVs) are utilized in the surveillance and reconnaissance system of hazardous locations by utilizing the feature that they can freely move away from space constraints. Furthermore, the application scope of the UAVs expanded not only for simple image data collection but also for analysis of complex image data without human intervention. However, mobile UAV systems, such as drone, have limited computing resources and battery power which makes it a challenge to use these systems for long periods of time. In this paper, we propose an AOM, Adaptive Offloading with MPTCP (Multipath TCP), architecture for increasing drone operating time. We design not only the task offloading management module via the MPTCP to utilize heterogeneous network but also the response time prediction module for mission critical task offloading decision. Through the prototype drone implementation, we show the AOM reduces the task response time and increases drone operation time.     

Unmanned aerial vehicles in collaboration with fog computing network for improving quality of service

In this paper, we study a UAV-based fog or edge computing network in which UAVs and fog/edge nodes work together intelligently to provide numerous benefits in reduced latency, data offloading, storage, coverage, high throughput, fast computation, and rapid responses. In an existing UAV-based computing network, the users send continuous requests to offload their data from the ground users to UAV–fog nodes and vice versa, which causes high congestion in the whole network. However, the UAV-based networks for real-time applications require low-latency networks during the offloading of large volumes of data. Thus, the QoS is compromised in such networks when communicating in real-time emergencies. To handle this problem, we aim to minimize the latency during offloading large amounts of data, take less computing time, and provide better throughput. First, this paper proposed the four-tier architecture of the UAVs–fog collaborative network in which local UAVs and UAV–fog nodes do smart task offloading with low latency. In this network, the UAVs act as a fog server to compute data with the collaboration of local UAVs and offload their data efficiently to the ground devices. Next, we considered the Q-learning Markov decision process (QLMDP) based on the optimal path to handle the massive data requests from ground devices and optimize the overall delay in the UAV-based fog computing network. The simulation results show that this proposed collaborative network achieves high throughput, reduces average latency up to 0.2, and takes less computing time compared with UAV-based networks and UAV-based MEC networks; thus, it can achieve high QoS.     

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时,需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系,才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化,首先根据任务点和无人机的位置分布情况对多无人机进行预分配,然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型,通过对所构建模型的求解,得出多无人机的协同侦察时间资源分配方案。仿真结果表明,优化时间资源后侦察系统的收益得到了提升。     

多旋翼无人机在机动应急广播中的应用分析

分析机动应急广播对多旋翼无人机的需求,提出在机动应急广播系统中配置多旋翼无人机应急广播平台的方案,描述基于多旋翼无人机的应急广播无人机系统的地面平台和空中平台软硬件组成,阐述多旋翼无人机应急广播平台的特点,以促进无人机在应急广播领域的应用.     

多智能体强化学习驱动的无人机动态信道分配

针对无人机编队在进行远距离实时视频传输时频谱资源不足且利用效率低、吞吐量要求较高、传输任务难以完成等问题,提出了多智能体强化学习驱动的动态信道分配算法,使得无人机编队可以根据传输任务和信道环境动态地选择使用的信道,实现了频谱资源的高效利用。该算法使用了集中式训练分布式执行的架构,通过联合探索和联合学习的方式保证了无人机间的探索和合作能力,使得每架无人机均可以依据局部观测信息同时独立分配自身使用信道,提高了算法的灵活性和可行性,并减少了频谱分配用时。仿真结果表明,该算法训练过程性能更好,执行时相比于现有算法可以提高编队整体的平均任务传输成功率。     

面向复杂环境的集群无人机任务调度方法研究综述

近年来,无人机由于其成本低、速度快和灵活性强等优点,在军事和民用领域得到了广泛应用。集群无人机是由一组同构或异构无人机组成,通过个体自主决策和信息交互,实现感知互动、信息传递和协同工作。相较于单一无人机,集群无人机可利用其集群优势、自主优势及智能化优势完成复杂任务。然而,随着任务环境、需求和集群规模的不断变化,集群无人机任务调度问题成为备受关注的热点问题。总结近几年的代表性研究,列举了复杂环境下集群无人机任务调度面临的挑战：动态任务需求、复杂环境条件、不确定通信条件及资源受限。随后,按照调度算法的作用机理划分了当前主流的调度方法,即优化算法、演化算法、强化学习算法以及群体智能算法,并对上述方法的原理、研究现状进行了归纳总结。最后,对集群无人机任务调度的未来研究方向进行了展望。