当前位置:首页专利查询南京航空航天大学专利正文

　　本发明专利技术公开了无人机群全空中自主协同计算方法及系统，本发明专利技术的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。该系统包括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、无人机间推理数据自适应压缩器。弹性高效任务调度器能够在部分无人机连接不可达的情况下完成任务调度方案的在线更新，轻量级准确深度学习推理性能预测器能够高效地对任务的在线调度方案进行准确评估，无人机间推理数据自适应压缩器能够根据无人机间动态的通信资源状态自适应地对推理中间数据进行压缩。

　　本专利技术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、PG电子试玩鉴于现有技术的缺陷，本专利技术旨在提供无人机群全空中自主协同计算方法及系

　　2.根据权利要求1所述的无人机群全空中自主协同计算方法，其特征在于，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。

　　3.根据权利要求2所述的无人机群全空中自主协同计算方法，其特征在于，步骤三中，调整数据压缩

　　2.根据权利要求1所述的无人机群全空中自主协同计算方法，其特征在于，步骤二中，PG电子试玩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。

　　3.根据权利要求2所述的无人机群全空中自主协同计算方法，其特征在于，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。

　　4.无人机群全空中自主协同计算系统，其特征在于，包括若干个无人机，无...