一种基于边缘计算的无人机数据传输优化方法与流程

本发明涉及数字通信，尤其涉及一种基于边缘计算的无人机数据传输优化方法。

背景技术：

1、随着无人机技术的快速发展，无人机在环境监测、农林植保、电力巡检、应急救援等多个领域得到广泛应用。无人机搭载的各类传感器能够采集海量的图像、视频、定位与环境感知数据，这些数据需要及时传输至后端系统进行处理与分析，以支撑各类业务的正常开展。传统的无人机数据传输多采用直接回传至云端服务器的模式，所有数据均通过无线链路传输至远程云端进行集中处理。这种模式在无人机数量较少、数据量较小时能够基本满足需求，但随着无人机集群应用的普及和传感器精度的提升，数据传输量呈指数级增长，导致无线回传带宽严重不足，传输时延大幅增加，无法满足实时避障、应急响应等低时延业务的需求。同时，海量数据集中上传至云端也会给云端服务器带来巨大的计算与存储压力，容易造成云端服务拥堵甚至崩溃。

2、现有基于边缘计算的无人机数据传输方案在一定程度上缓解了云端的压力，但在边缘节点选择机制上仍存在明显不足。多数方案在选择边缘节点时仅考虑通信距离或信号强度单一因素，忽略了边缘节点的可用算力、空闲带宽、当前负载率和平均往返时延等关键状态，容易导致部分节点过载而其他节点资源闲置的情况，无法实现资源的最优配置。更为关键的是，现有方案中节点选择的属性权重均为固定值，无法根据待传输数据的业务优先级进行动态调整，导致高优先级的紧急数据无法优先匹配算力强、带宽足、负载低的最优边缘节点，难以保障关键业务的服务质量。

3、在数据分级与资源分配方面，现有系统也存在较大缺陷。现有数据分级机制较为简单，仅根据数据类型进行粗略划分，没有综合考量业务重要性、数据时效性、数据规模与当前无线信道条件等多方面因素，分级结果无法准确反映数据的实际传输需求。同时，现有方案中的数据分级阈值、边缘节点选择参数权重以及带宽分配比例均为预先设定的固定值，无法根据实际传输过程中的全链路性能指标进行动态调整，导致差异化传输与资源分配策略的实际效果大打折扣，无法适应复杂多变的无人机通信环境。

4、传输路径构建与传输方式的适应性不足也是现有方案的突出问题。现有传输路径的构建多采用静态路由协议，或仅以单一指标作为路由度量标准，无法综合考量路径总时延、节点空闲带宽与节点负载等多个关键因素，难以适应无人机高速移动导致的网络拓扑动态变化。当无人机移出当前边缘节点覆盖范围或链路质量下降时，容易出现数据传输中断的问题。此外，现有的无人机数据传输协议大多基于有线网络或静态无线网络设计，采用固定的调制编码方式，无法根据实时链路信道质量动态调整，导致无线信道容量无法得到充分利用，传输效率低下。

5、在拥塞控制与系统持续优化方面，现有方案同样存在不足。现有拥塞控制算法对网络拥塞的检测不够及时准确，流量控制策略较为单一，无法根据拥塞程度采取差异化的处理措施，也无法根据数据优先级进行分级流量控制，容易引发网络拥塞甚至关键数据丢失。同时，现有系统普遍缺乏端到端的传输质量评估与闭环反馈优化能力，无法通过实际传输性能数据持续改进传输控制策略，系统性能难以随着运行时间的推移得到提升。

技术实现思路

1、本发明提出的一种基于边缘计算的无人机数据传输优化方法，以解决上述现有技术中提到的问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种基于边缘计算的无人机数据传输优化方法，包括以下步骤：

3、获取机载传感业务数据与无人机飞行状态数据，根据业务优先级对传感业务数据进行分级标记得到分级标签，根据飞行状态数据得到无人机与边缘节点的相对位置信息；

4、根据所述相对位置信息确定通信距离；

5、根据通信距离以及边缘节点上报的可用算力、空闲带宽、节点负载率和平均往返时延构建边缘节点资源状态矩阵，基于所述分级标签动态修正通信距离、可用算力、空闲带宽、节点负载率和平均往返时延五类属性参数的分配权重，并结合资源状态矩阵与修正后的权重计算各边缘节点的适配度分值；

6、根据所述适配度分值筛选参与组网的边缘节点，结合所述相对位置信息以及实时链路信道质量构建多跳无线传输拓扑，基于分级标签为不同等级数据分配传输带宽；

7、采集全链路传输时延、丢包率指标，基于指标反馈结果调整数据分级阈值、节点参数分配权重以及带宽分配比例。

8、进一步的，边缘节点的适配度分值通过以下公式计算得到：

9、；

10、其中为第个边缘节点的适配度分值；至分别为可用算力、空闲带宽、通信距离、节点负载率和平均往返时延的权重系数；为第个边缘节点的可用算力；为所有候选边缘节点中的最大可用算力；为第个边缘节点的空闲带宽；为所有候选边缘节点中的最大空闲带宽；为无人机与第个边缘节点的通信距离；为所有候选边缘节点中的最小通信距离；为第个边缘节点的当前负载率；为边缘节点预设最大允许负载率；为第个边缘节点的平均往返时延；为所有候选边缘节点中的最大平均往返时延。

11、进一步的，业务优先级通过以下公式计算得到：

12、；

13、其中为第个数据块的业务优先级分值；、、、为各影响因子的权重系数；为第个数据块的业务重要性系数；为第个数据块的剩余有效传输时间；为数据块的最大允许传输延迟；为第个数据块的大小；为待传输数据的总大小；为当前无线链路的质量系数。

14、进一步的，获取机载传感业务数据与无人机飞行状态数据，根据业务优先级对传感业务数据进行分级标记得到分级标签，包括：

15、采用滑动窗口去重算法去除传感器重复采样数据，利用小波变换对原始感知数据进行降噪处理，提取数据的关键特征信息；

16、根据数据的业务属性与应用场景划分数据等级，基于数据等级和业务优先级生成分级标签；其中数据等级包括紧急级、重要级与一般级三个等级，紧急级数据包括飞行安全告警、障碍物检测与避障指令，重要级数据包括高清图像、视频关键帧与高精度定位数据，一般级数据包括常规飞行状态日志与环境监测数据。

17、进一步的，所述五类属性参数通过以下步骤确定：

18、所有边缘节点每隔第一预设时长广播一次自身的状态信息，所述状态信息包括节点标识、地理位置、可用算力、空闲带宽、节点负载率和平均往返时延；

19、无人机端维护动态更新的边缘节点状态表，对接收到的状态信息进行时间戳标记与有效性验证，删除过期的节点信息；

20、从校验后的有效状态信息中提取可用算力、空闲带宽、节点负载率和平均往返时延，与通信距离汇总得到五类属性参数。

21、进一步的，多跳无线传输拓扑构建与动态调整步骤具体为：

22、以路径总时延、节点空闲带宽与节点负载作为路由度量指标选取路由，构建多跳无线传输拓扑；

23、在数据传输过程中，每隔第二预设时长对当前拓扑的链路信道质量进行一次检测，当任一条链路的信噪比低于设定阈值或中间节点负载超过上限时，切换至备用链路完成拓扑调整。

24、进一步的，基于分级标签为不同等级数据分配传输带宽，包括：

25、实时测量无线链路的信噪比与信道容量，根据预设的至少两个信噪比分界门限将信噪比划分为至少三段连续区间，信噪比越高的区间，所配置的调制阶数与编码码率越高，各区间分别采用不同的调制方式与编码码率；

26、基于分级标签对应的业务优先级，采用加权公平队列算法进行带宽分配，业务优先级越高，分配的带宽占比越高。

27、进一步的，还包括：

28、采用基于队列长度与平均往返时延的联合拥塞检测算法，在无人机端与边缘节点同时监测发送队列长度与数据平均往返时延，当队列长度超过设定阈值且平均往返时延持续增加时，判定为网络拥塞；

29、根据分级标签对应的业务优先级实施分级流量控制，随着拥塞程度升高，按照由低优先级至高优先级的次序依次对相应业务进行限速或中断传输。

30、进一步的，还包括：

31、边缘节点接收无人机传输的数据后，进行数据校验与差错修正，剔除无效数据；

32、对同一区域内多架无人机上传的同源数据进行融合处理，去除冗余信息，提取统一的结构化数据；

33、根据云端的业务需求，将处理后的数据分为即时上传数据与批量上传数据，即时上传数据直接发送至云端，批量上传数据在边缘节点缓存，并在网络空闲时段集中上传。

34、与现有的技术相比，本发明的有益效果是：

35、本发明通过在无人机端进行数据预处理与分级标记，有效减少了传输数据量并保障了关键数据的优先传输。具体而言，采用滑动窗口去重算法去除传感器重复采样数据，利用小波变换对原始感知数据进行降噪处理并提取关键特征，能够显著去除数据冗余，同时综合业务重要性、剩余有效传输时间、数据规模与当前无线链路质量等多因素动态计算业务优先级，将数据划分为紧急级、重要级与一般级三个等级，为不同等级数据采用差异化的处理与传输策略，并且可根据全链路传输时延、丢包率等指标反馈结果调整数据分级阈值，使分级结果更加贴合实际传输需求。

36、本发明采用多属性动态权重的边缘节点选择机制，实现了边缘资源与业务需求的精准动态匹配。通过构建包含通信距离、可用算力、空闲带宽、节点负载率和平均往返时延五类属性的边缘节点资源状态矩阵，并基于数据分级标签动态修正各类属性参数的分配权重，再结合资源状态矩阵与修正后的权重计算各边缘节点的适配度分值，能够根据待传输数据的优先级筛选出最适合的边缘节点参与组网。这种机制使高优先级数据能够优先匹配综合服务能力更强的边缘节点，有效避免了节点过载与资源浪费，显著提升了边缘计算资源的整体利用率与系统服务能力。

37、本发明通过自适应多跳无线传输拓扑构建与动态资源分配技术，大幅提升了数据传输的连续性与可靠性。以路径总时延、节点空闲带宽与节点负载作为综合路由度量指标选取路由，构建多跳无线传输拓扑，并在数据传输过程中定期检测链路信道质量，当链路质量下降或节点负载过高时及时切换至备用链路，能够很好地适应无人机高速移动导致的网络拓扑动态变化。同时，实时测量无线链路的信噪比与信道容量，根据信道质量动态调整调制阶数与编码码率，充分利用无线信道容量；并基于加权公平队列算法为不同等级数据分配差异化传输带宽，业务优先级越高，分配的带宽占比越高，确保关键业务数据能够得到充足的传输资源。

38、本发明采用精准的联合拥塞检测与分级流量控制策略，有效提升了网络的稳定性与吞吐量。通过在无人机端与边缘节点同时监测发送队列长度与数据平均往返时延，采用基于队列长度与平均往返时延的联合拥塞检测算法，能够及时准确地发现网络拥塞状态。当检测到网络拥塞时，根据分级标签对应的业务优先级实施分级流量控制，随着拥塞程度升高，按照由低优先级至高优先级的次序依次对相应业务进行限速或中断传输，在保障关键数据传输的同时，有效避免了网络拥塞的进一步恶化。

39、本发明通过边缘节点数据处理与按需上传机制，进一步减轻了云端服务器的压力并降低了传输时延。边缘节点接收无人机传输的数据后，首先进行数据校验与差错修正，剔除无效数据；然后对同一区域内多架无人机上传的同源数据进行融合处理，去除冗余信息，提取统一的结构化数据；最后根据云端的业务需求，将处理后的数据分为即时上传数据与批量上传数据，即时上传数据直接发送至云端，批量上传数据在边缘节点缓存并在网络空闲时段集中上传，既保证了关键数据的实时性，又充分利用了网络空闲资源。

40、本发明建立了完整的端到端传输质量评估与闭环反馈优化机制，使系统具备持续自我优化的能力。通过实时采集全链路传输时延、丢包率等核心性能指标，基于指标反馈结果动态调整数据分级阈值、边缘节点参数分配权重以及带宽分配比例，形成了完整的闭环控制回路。这种机制使系统能够根据实际传输环境的变化持续调整控制策略，不断提升数据传输性能，更好地适应复杂多变的无人机应用场景。