本发明涉及无人机群协同计算，尤其涉及无人机群全空中自主协同计算方法及系统。
1、无人机在灾害搜救、地质勘探等领域都发挥着重要作用。随着深度学习等技术的发展，越来越多的人工智能应用被搭载到无人机上，但无人机有限的计算、存储等资源无法满足应用的计算和时延需求。然而，由于在上述环境中通信通常受到设备和距离的限制，无法将数据卸载到计算能力强的地面站进行处理。
2、针对以上问题，一些现有工作通过剪枝、量化等方法对深度学习模型进行轻量化处理，以在无人机上进行本地计算。另外一些工作考虑将无人机群中的一些无人机作为中继节点，并将原始数据通过中继节点回传到地面站进行处理。
4、1、海量的机载传感数据会导致无人机中继回传产生较高的传输时延，影响无人机智能应用的实时性。
1、鉴于现有技术的缺陷，本发明旨在提供无人机群全空中自主协同计算方法及系统，能够通过无人机群的自主协同计算实现高精度、低时延的机上感知数据处理。不同于目前的模型压缩方案影响计算精度、数据卸载方案影响应用实时性的情况，本发明提出的无人机群全空中自主协同计算系统能够将复杂神经网络推理任务分配给多架无人机协同执行，在保证计算精度的同时提高计算效率。
4、步骤一、将空中无人机群分为若干无人机簇，各无人机簇包括若干个无人机；
5、步骤二、根据各无人机簇和簇内无人机的计算能力，分别为各无人机簇和簇内无人机分配计算任务，根据各无人机簇的计算能力将深度学习模型分割为多个子模型，将子模型分配至各无人机簇，在簇内无人机间进行输入数据的分割与分配；
6、步骤三、数据输入空中无人机群时，上一无人机簇接收数据并通过子模型进行计算，将子模型的计算结果作为输入数据发送给下一无人机簇进行计算，下一无人机簇在处理该数据的同时上一无人机簇同时处理下一组输入空中无人机群的数据，形成簇间流水线并行的计算；各无人机簇根据簇内无人机的计算能力将输入数据分割为多个数据块分配给各无人机，并保证各数据块合并后能够包含输入数据的全部信息，各无人机以并行的方式对负责的数据块进行计算，之后将各计算结果合并得到完整的模型输出数据；数据在各无人机间传递过程中，根据无人机间的通信质量和传输数据大小调整数据压缩率，使无人机间的通信质量保持在预定范围内，
7、步骤四、当无人机状态发生变化时，无人机簇或簇内无人机状态改变，重新确定各无人机簇和簇内无人机的计算能力，然后重复步骤二～三。
9、步骤二中，根据各无人机簇和簇内无人机的计算能力，分别为各无人机簇和簇内无人机分配计算任务的具体方法为：根据包含无人机时延的先验数据预测各无人机的计算时延，再使用一个轻量级机器学习模型根据离线学习的深度学习框架算子融合规则对算子级预测模块预测的各无人机的计算时延进行微调，然后为各无人机簇和簇内无人机分配计算任务，使各无人机簇的计算时延相等或相近。
10、步骤三中，调整数据压缩率的方法为：根据数据量和无人机间的通信质量对数据的量化精度进行调整，在符合无人机间的通信质量要求的前提下，尽量增加数据的量化精度，将调整量化精度后的数据使用压缩算法进行无损压缩，然后向外发出，量化精度越低，压缩率越高。
11、无人机群全空中自主协同计算系统，包括若干个无人机，无人机上安装有无人机群协同计算架构、弹性高效任务调度器、轻量级准确深度学习推理性能预测器和无人机间推理数据自适应压缩器，
12、无人机群协同计算架构用于在无人机群的簇间进行深度学习模型的分割与分配，在簇内进行输入数据的分割与分配；
13、弹性高效任务调度器与无人机群协同计算架构信号连接，弹性高效任务调度器用于根据无人机的计算能力，控制无人机群协同计算架构分别为各无人机簇和簇内各无人机分配计算任务，当无人机状态发生变化时，弹性高效任务调度器用于控制无人机群协同计算架构重新为各无人机簇和簇内各无人机分配计算任务；
14、轻量级准确深度学习推理性能预测器与弹性高效任务调度器信号连接，轻量级准确深度学习推理性能预测器能接收弹性高效任务调度器发来的计算任务分配数据预测各计算任务在目标无人机以及目标无人机簇上的计算时延，并将目标无人机以及目标无人机簇上的计算时延回发弹性高效任务调度器，弹性高效任务调度器能通过无人机群协同计算架构分别为各无人机簇和簇内各无人机分配计算任务，使各无人机簇的计算时延相等或相近；
15、无人机间推理数据自适应压缩器与弹性高效任务调度器信号连接，无人机间推理数据自适应压缩器根据无人机间的通信质量和传输数据大小调整数据压缩率，使无人机间的数据传输时延保持在预定范围内的同时，最小化数据压缩率。
16、弹性高效任务调度器包括：簇间负载均衡模块和簇内负载均衡模块，簇间负载均衡模块和簇内负载均衡模块均与无人机群协同计算架构信号连接，
17、簇间负载均衡模块用于根据各无人机簇的计算能力为各簇生成深度学习模型分割策略，即各无人机簇对应的深度学习模型分割点信息，并将深度学习模型分割点信息发送无人机群协同计算架构；
18、簇内负载均衡模块用于根据簇内各无人机的计算能力为各簇内无人机生成数据分割策略，即各无人机对应的输入数据块范围信息，并将输入数据块范围信息发送无人机群协同计算架构；
19、弹性调度模块用于在部分无人机出现连接不可达的情况时，更新可用的无人机集合，并将无人机集合信息发送簇间负载均衡模块和簇内负载均衡模块，簇间负载均衡模块和簇内负载均衡模块更新各簇生成深度学习模型分割策略和簇内无人机生成数据分割策略。
20、轻量级准确深度学习推理性能预测器包括：算子级预测模块和算子融合微调模块，算子级预测模块与算子融合微调模块信号连接，算子融合微调模块与弹性高效任务调度器信号连接，
21、算子级预测模块用于根据无人机时延的先验数据预测各无人机的计算时延；
22、算子融合微调模块通过使用一个轻量级机器学习模型根据离线学习的深度学习框架算子融合规则对算子级预测模块预测的各无人机的计算时延进行微调。
23、无人机间推理数据自适应压缩器包括自适应量化模块和量化数据压缩模块，自适应量化模块和量化数据压缩模块信号连接，自适应量化模块和量化数据压缩模块同时与无人机群协同计算架构信号连接，
24、自适应量化模块用于从无人机群协同计算架构采集无人机处理的数据量，并根据数据量和无人机间的通信质量对数据的量化精度进行调整，在符合无人机间的数据传输时延要求的前提下，尽量数据的量化精度；
25、量化数据压缩模块用于将调整量化精度后的数据进行无损压缩，发送至无人机群协同计算架构，由无人机群协同计算架构向外发送压缩后的信息。
27、1、无人机群全空中自主协同计算系统，由于能够将复杂神经网络推理任务分配给多架无人机协同执行，故能够处理更大规模深度学习模型的计算，有效提高智能应用的精度。
28、2、无人机全空中自主协同计算系统，设置弹性高效任务调度器、轻量级准确深度学习推理性能预测器和无人机间推理数据自适应压缩器，利用轻量级准确深度学习推理性能预测器提高模型计算时延预测的准确性，通过弹性高效任务调度器分配各无人机的数据量使各无人机簇时延相同或接近，减少由于各无人机簇计算速度差异对协同效率的影响，利用无人机间推理数据自适应压缩器调整数据压缩率以在适应无人机间有限的动态通信资源的同时保证传输数据的准确性。多个结构相互配合，有效提高无人机群全空中自主协同计算效率。
