基于宏微双回路的异构UAV集群空频能联合优化方法

本发明涉及无人机集群通信与资源调度方向，提供了一种基于宏微双回路的异构uav集群空频能联合优化方法。

背景技术：

1、随着无人机集群在军事与民用领域的广泛应用，异构集群（由少量高算力簇头ch和大量低算力簇成员cm组成）成为主流架构。然而，现有的资源管理技术在实际部署中面临严峻挑战：首先，uav的高速机动导致多普勒频移严重，传统的基于瞬时csi的资源分配算法因信道信息“获取即过期”而失效，导致频繁断连。其次，现有的全网深度强化学习方案虽然理论性能优越，但忽略了cm的算力瓶颈，在嵌入式终端上运行复杂的actor-critic网络难以满足mac层毫秒级的实时性要求，且能耗巨大。最后，飞行轨迹、功率控制与拓扑连接是高度耦合的三维资源，传统的分步优化方法难以达到全局最优，而多智能体同步博弈容易产生“策略震荡”。鉴于此，研发一种能够解耦时间尺度、兼顾工程可行性与全局性能的联合优化方法，是提升异构集群实战效能的迫切需求。

技术实现思路

1、针对以上现有技术存在的问题，本发明提出了一种基于宏微双回路的异构uav集群空频能联合优化方法，该方法包括：

2、s1、将uav集群节点划分为簇头ch和簇成员cm，构建异构mac层模型，并周期更新统计性信道分布信息cdi；

3、s2、ch在慢时间尺度根据自身状态、邻居状态、用户密度和上一周期的cm反馈，通过mappo确定uav飞行轨迹、频谱分配及各cm的目标信干噪比；

4、s3、cm在快时间尺度利用imu辅助ekf预测链路保持概率，基于链路保持概率依据双门限执行接入或切换，并采用增量式pid跟踪目标信干噪比、调整发射功率；

5、s4、cm将快时间尺度执行统计量反馈至ch，ch据此更新下一慢时间尺度决策，并采用集中训练、分布式执行架构训练mappo策略，以联合优化uav集群的空间位置、频谱资源和发射能量。

6、本发明的有益效果：

7、本发明通过双尺度解耦，cm端仅需运行轻量化pid与ekf，避免了在嵌入式终端运行深层网络带来的高能耗与高延迟。本发明利用统计特征与imu辅助预测，解决了高机动场景下csi过期导致的频繁断连问题。本发明通过损失函数中的平稳性约束，有效减少了无人机频繁改变航向和功率切换带来的机械疲劳与射频器件损耗。本发明通过目标sinr指令的闭环调控，在提升总容量的同时保障了边缘任务节点的连通性。

1.一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，包括：

2.根据权利要求1所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，构建异构mac层模型包括：针对uav空空信道采用统计特征描述信道质量；计算cm与ch之间的信道增益；基于信道增益构建概率密度函数，将概率密度函数作为信道衰落模型；模型周期性感知并更新统计元组。

3.根据权利要求1所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，cm端执行基于imu辅助ekf的链路预测与pid接入包括：

4.根据权利要求3所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，未来时间窗口内的链路维持概率为：

5.根据权利要求3所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，cm根据当前测量值调整发射功率为：

6.根据权利要求1所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，ch端执行基于mappo的联合智能决策包括：

7.根据权利要求6所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，快慢双时间尺度纵向协同机制包括：ch按慢时间尺度周期下发目标信干噪比和干扰温度阈值，cm在周期内执行多个快时间尺度控制步；当ch预测到目标区域负载增大时，降低该区域低优先级cm的目标信干噪比，使其降低发射功率，以为高优先级链路释放干扰裕量；周期结束后，cm将信干噪比误差、中断概率和能耗反馈至ch，作为下一周期的观测信息。

8.根据权利要求6所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，奖励函数包括：

9.根据权利要求1所述的一种基于宏微双回路的异构uav集群空频能联合优化方法，其特征在于，基于双时间尺度闭环决策对分布式执行架构进行联合训练包括：