一种无人机信息收集的控制方法及系统与流程

1.本发明涉及无人机通信技术领域，尤其涉及一种无人机信息收集的控制方法及系统。


背景技术：

2.无人驾驶飞机简称无人机，可以通过无线电遥控设备或车载计算机等设备搭载的程序实现完全或间歇地自主操作，目前无人机广泛运用于移动通信、应急通信等领域，可以基于无人机的高机动性特性实现通信网络的灵活部署，进而通过无人机针对传统传感器进行自动的信息收集。
3.但是，正是无人机的高机动性特性使得无人机在进行信息收集时面临着巨大的挑战；无人机在高速运行时，无人机与传感器的距离处在不断变化的状态，会导致信号收集的效率和精度下降。
4.现有针对无人机轨迹优化的方法仅对无人机的运动进行简化，而没有考虑无人机实际的运动学模型，没有考虑到无人机的整体动态变化，这就导致了其优化结果偏离了无人机的实际运行轨迹，不能根据无人机的运动轨迹做动态规划。


技术实现要素：

5.本发明提供一种无人机信息收集的控制方法，用以解决上述现有技术中的缺陷。
6.本发明提供一种无人机信息收集的控制方法，所述无人机的飞行区域位于待收集信息的传感器集群上方，其特征在于，包括：
7.获取所述无人机在初始时刻的初始位置；获取所述无人机与各个所述传感器之间的接收信噪比；
8.定义所述无人机的状态变量约束，包括所述无人机在任意时刻的位置坐标、在垂直方向上的爬升角以及在水平方向上的偏航角；
9.定义所述无人机的控制变量约束，包括所述无人机在对应的所述任意时刻的飞行速度、偏航角角速率和爬升角角速率；
10.将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量；
11.基于所述非受限状态变量、所述非受限控制变量以及所述信噪比，获取所述无人机在预设时段内收集到的信息量之和，计算获取所述信息量之和为最大值时的策略。
12.根据本发明提供的一种无人机信息收集的控制方法，包括：
13.所述无人机在初始时刻的初始位置为s0＝(x0,y0,z0)
t
；
14.所述无人机在任意时刻的位置为s＝(x,y,z)
t
；
15.所述无人机与第n个传感器之间的信噪比为ρn；
16.定义所述状态变量约束为x＝(x,y,z,β,α)
t
；
17.定义所述控制变量约束为u＝(v，u1,u2)
t
；
18.所述无人机在任意时刻获取的所有传感器的信息量之和为：
[0019][0020]
所述无人机从初始时刻开始至任意时刻获取的所有传感器的信息量之和为：
[0021][0022]
其中，x0,y0,z0分别为所述无人机在初始位置的横坐标、纵坐标和竖坐标；x,y,z分别为所述无人机在任意时刻所在位置的横坐标、纵坐标和竖坐标；ρn为所述无人机对第n(n＝1,2,
…
,n)个传感器的接收信噪比；β为所述无人机在水平的偏航角，β∈[-π,π]；α为所述无人机在垂直方向的爬升角，α∈[-π/2,π/2]；u1为所述偏航角的角速率；u2为所述爬升角的角速率；n为所述传感器的总数量，n》1；
[0023]
其中，h
min
≤z≤h
max
、，a
min
≤x≤a
max
、b
min
≤y≤b
max
、|u1|≤c1、|u2|≤c2；h
min
、h
max
分别为所述飞行区域的垂直高度的最小值和最大值；a
min
、a
max
分别为所述飞行区域的水平方向的宽度的最小值和最大值；b
min
、b
max
分别为所述飞行区域的水平方向的长度的最小值和最大值；c1为所述偏航角的角速率的最大值，c2为所述爬升角的角速率的最大值。
[0024]
进一步，将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量，包括步骤：
[0025]
获取所述无人机在任意时刻的速度中间变量v
int
＝v-(v
max
v
min
)/2；获取横坐标中间变量x
int
＝x-(a
max
a
min
)/2；获取纵坐标中间变量y
int
＝y-(b
max
b
min
)/2；获取竖坐标中间变量z
int
＝z-(h
max
h
min
)/2；
[0026]
获取所述无人机的中间位置变量x
p,int
＝(x
int
,y
int
,z
int
)
t
；
[0027]
进一步，获取所述无人机的非受限状态变量：
[0028][0029][0030]
通过双曲正切函数tanhx转换获得所述无人机的非受限位置变量为x
′
p
＝(x
′
,y
′
,z
′
)
t
；
[0031]
则所述无人机的非受限状态变量为x
′
＝(x
′
,y
′
,z
′
,β,α)
t
；
[0032]
获取所述控制变量的中间控制变量，包括：
[0033][0034][0035]uint
＝(v
int
,u1,u2)
t
；
[0036]
通过所述双曲正切函数tanh x转换获取所述非受限控制变量为u
′
＝(v
′
,u
′1,u
′2)
t
。
[0037]
进一步，获取q值函数，包括步骤：
[0038]
获取在时刻t时，所述无人机的非受限状态变量为x
′
(t)且采用策略u
′i(x
′
(t))时，所述无人机从时刻t起收集的信息量之和为：
[0039]
[0040]
获取q值函数为：
[0041][0042]
其中，所述策略u
′i(x
′
(t))表示以所述非受限状态变量x
′
(t)为自变量、以所述非受限控制变量为因变量的函数关系；δt为所述控制变量调整的时间间隔；i≥0，表示策略的迭代项；a表示时刻t时，所述非受限状态变量为x
′
(t)时采用的控制量。
[0043]
优选的，基于q值策略迭代算法求解最优策略，包括步骤：
[0044]
设定初始策略u
′i(x
′
(t))，i＝0；
[0045]
当所述q值函数对所述控制变量为凸优化时，基于计算的qi(x
′
(t),a)，获得策略的迭代方法如下：
[0046][0047]
令i＝i 1，执行上述迭代；
[0048]
直至其中，为预设的停止目标，此时输出的u
′
i 1
(x
′
(t))为最优策略。
[0049]
优选的，通过近似方法计算所述q值，包括：
[0050]
定义q值函数为：
[0051][0052]
其中，为关于状态变量x
′
和控制变量a的多项式函数；
[0053]
为近似误差；
[0054]
θi＝(θ1,θ2,
…
,θ
l
)
t
；
[0055][0056]
进行系数迭代，包括：
[0057][0058]
其中，为矩阵或变量ω对时间t的求导。
[0059]
当θi收敛后，获取qi(x
′
,a)的近似值，获取q值；
[0060]
其中，ψ＝φ(x
′
(t δt),uθi)-φ(x
′
(t),a)；γ》0，为步长。
[0061]
优选的，基于q值策略迭代算法求解最优策略，包括：
[0062]
当所述q值函数相对于所述控制变量为非凸优化时，计算策略uθ
i 1
(x
′
(t))，使得对于任意x
′
(t):
[0063]
qi(x
′
(t),u
′
i 1
)≥qi(x
′
(t),u
′i)；
[0064]
令i＝i 1，执行上述迭代，直至此时输出的u
′
i 1
(x
′
(t))为最优策略。
[0065]
优选的，当所述q值函数相对于所述控制变量为非凸优化时，可通过梯度下降法更新策略u
′
i 1
(x
′
(t)):
[0066]
即将通过qi(x
′
(t),u
′
i 1
)≥qi(x
′
(t),u
′i)更新转化为：
[0067][0068]
令i＝i 1，执行上述迭代，直至
[0069]
其中，为所述q值函数对所述非受限控制变量的偏导；α》0，为步长。
[0070]
当q值难以直接获得表达式时，可采取上述近似方法计算q值。
[0071]
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种无人机信息收集的控制方法的步骤。
[0072]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种无人机信息收集的控制方法的步骤。
[0073]
本发明提供的一种无人机信息收集的控制方法，通过定义所述无人机的状态变量约束以及控制变量约束，将无人机信息收集建模为状态变量和控制变量都受限的最优控制问题，从动态规划角度提出无人机的自主控制方法，实现无人机在信息收集时的轨迹优化与性能提升；通过将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量，以便于通过q学习算法进行迭代运算，只需要获取各个传感器与所述无人机之间的信噪比，便可以实现策略的优化。
附图说明
[0074]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0075]
图1是本发明提供的无人机信息收集的控制方法的流程示意图之一；
[0076]
图2是本发明提供的无人机收集传感器信息示意图；
[0077]
图3是本发明提供的电子设备的结构示意图。
具体实施方式
[0078]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0079]
在本发明的一个实施例中，如图1所示，本发明提供的一种无人机信息收集的控制
方法，包括步骤：
[0080]
获取所述无人机在初始时刻的初始位置；获取所述无人机与各个所述传感器之间的信噪比；
[0081]
定义所述无人机的状态变量约束，包括所述无人机在任意时刻的位置坐标、在垂直方向上的爬升角以及在水平方向上的偏航角；
[0082]
定义所述无人机的控制变量约束，包括所述无人机在对应的所述任意时刻的飞行速度、偏航角角速率和爬升角角速率；
[0083]
将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量；
[0084]
基于所述非受限状态变量、所述非受限控制变量以及所述信噪比，获取所述无人机在预设时段内收集到的信息量之和，计算获取所述信息量之和为最大值时的策略。
[0085]
需要说明的是，无人机高机动性带来的轨迹可控为信息收集带来了可利用的新优化维度，现有针对无人机轨迹优化的方法仅对无人机的运动模型进行简化，而没有考虑无人机实际的运动学模型，导致其优化结果与实际可能存在较大的差距；本发明从无人机运动学和空气动力学出发，以实际的无人机运动方程为约束，将无人机信息收集建模为状态变量和控制变量都受限的最优控制问题，从动态规划角度提出无人机的自主控制方法，实现无人机在信息收集时的轨迹优化与性能提升。
[0086]
需要说明的是，如图2所示，所述无人机的飞行区域位于待收集信息的传感器集群上方，所述传感器集群包括n个传感器，传感器将收集到的信息发送给uav，uav收集传感器信息的目标是：通过控制uav的飞行轨迹实现收集信息量的最大化。
[0087]
在一个实施例中，获取所述无人机在初始时刻的初始位置为s0＝(x0,y0,z0)
t
；
[0088]
所述无人机在任意时刻的位置为s＝(x,y,z)
t
；
[0089]
定义无人机的基本运动方程为：
[0090][0091][0092][0093][0094][0095]
定义所述状态变量为x＝(x,y,z,β,α)
t
；
[0096]
定义所述控制变量为u＝(v,u1,u2)
t
；
[0097]
需要说明的是，所述状态变量和控制变量均为与时刻t有关的函数，本发明后续所有不带时间变量符号与带时间变量的符号通用，如x(t)与x；
[0098]
无人机的运动方程可以写为：展开即为上述的基本运动方程；
[0099]
其中，x0,y0,z0分别为所述无人机在初始位置的横坐标、纵坐标和竖坐标；x,y,z分别为所述无人机在任意时刻所在位置的横坐标、纵坐标和竖坐标；β为所述无人机在水平的偏航角，β∈[-π,π]；α为所述无人机在垂直方向的爬升角，α∈[-π/2,π/2]；u1为所述偏航角
的角速率；u2为所述爬升角的角速率；n为所述传感器的总数量，n》1；
[0100]
需要说明的是，飞行区域的范围受限于地形和建筑，无人机飞行高度必须高于地形和建筑物的高度并低于航空规定的最高高度，h
min
≤z≤h
max
；飞行区域在水平上的范围也有限制，受到任务约束或是控制链路有效作用范围的约束，即a
min
≤x≤a
max
、b
min
≤y≤b
max
；h
min
、h
max
分别为所述飞行区域的垂直高度的最小值和最大值；a
min
、a
max
分别为所述飞行区域的水平方向的宽度的最小值和最大值；b
min
、b
max
分别为所述飞行区域的水平方向的长度的最小值和最大值；
[0101]
需要说明的是，c1为所述偏航角的角速率的最大值，c2为所述爬升角的角速率的最大值；|u1|≤c1、|u2|≤c2；
[0102]
假设第n个传感器的位置为(xn,yn,zn)
t
，则无人机与第n个传感器之间的距离为：
[0103][0104]
获取所述无人机与第n个传感器之间的信噪比为ρn，该信噪比与距离dn有关，但无人机可在不需要知道传感器位置情况下，通过收到的传感器信号估算其接收信噪比；
[0105]
所述无人机在任意时刻获取的所有传感器的信息量之和为：
[0106][0107]
所述无人机从初始时刻开始至任意时刻获取的所有传感器的信息量之和为：
[0108][0109]
需要说明的是，无人机与传感器之间的信噪比与距离dn有关，当距离增大时，信噪比随着距离的增大而变小；此处获取所述无人机与传感器之间的间距仅用于说明信噪比ρn与所述距离dn的关系，本发明所述的方法仅需要获取无人机与传感器之间的信噪比，而无需获取传感器的位置；
[0110]
基于上述的步骤，将无人机的控制目标重新定义为：给定无人机的初始位置和其运动方程式，以及其状态变量和控制变量的约束条件，通过控制实现无人机接收传感器信息量的最大化，即转化为最优控制问题：
[0111][0112]
s.t.x0＝(x0,y0,z0,β0,α0)
t
；
[0113][0114][0115]
|u1|≤c1,|u2|≤c2,v
min
≤v≤v
max
；
[0116]
其中，ξ＝[v
min
，v
max
]
×
[-π,π]
×
[-π/2,π/2]为所述控制变量的策略空间，当所述控制变量发生变化时，控制变量的取值范围应为上述的策略空间；该最优控制问题，其状态初始值给定，且状态变量和控制变量都是受约束的。
[0117]
需要说明的是，上述的最优控制问题可以通过hamilton-jacobi-bellman(hjb)方程求解，但该问题的解因hjb方程太复杂而难以获得。其中，hjb方程为：
[0118]
[0119]
其中，表示v
*
(x
′
)对状态变量x
′
的偏导数，hjb方程在考虑无人机的运动方程时，会带来复杂的函数关系，且无法从hjb方程中求解最优控制策略。
[0120]
需要说明的是：1、多个传感器可以采用频分多址的方式向无人机发送信息，保证各传感器之间无干扰；也可以采用时分多址方式，则上述表达式中传感器到无人机的信息量(即瞬时信道容量)前需加1/n，但不影响优化的求解过程；2、传感器向无人机发送信息时，可以采用无速率编码(如喷泉码)等达到信道容量的编码方式传输，其传输的信息量可达到信道容量；3、上述优化问题中的积分区间为无穷大，实际上无人机因能量等限制不可能实现无限长时间飞行，无穷大时间应理解为无人机飞行时间足够长。该理解也可通过如下事实印证：无人机最优飞行轨迹是确定的，找到无人机最优轨迹后其将按照最优飞行轨迹一直飞行下去，直到给定的时间结束；4、上述优化问题中，假设无人机与传感器之间的通信不因无人机飞行姿态发生改变。实际实现时可在无人机上部署多个天线实现全向接收；
[0121]
进一步，在一个实施例中，通过q学习算法对无人机获取最大信息量的问题进行计算，获取最佳的控制策略，包括：
[0122]
将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量，包括步骤：
[0123]
获取所述无人机在任意时刻的速度中间变量v
int
＝v-(v
max
v
min
)/2；获取横坐标中间变量x
int
＝x-(a
max
a
min
)/2；获取纵坐标中间变量y
int
＝y-(b
max
b
min
)/2；获取竖坐标中间变量z
int
＝z-(h
max
h
min
)/2；
[0124]
获取所述无人机的中间位置变量x
p,int
＝(x
int
,y
int
,z
int
)
t
；
[0125]
进一步，获取所述无人机的非受限状态变量：
[0126][0127][0128]
通过双曲正切函数tanh x转换获得所述无人机的非受限位置变量为x
′
p
＝(x
′
,y
′
,z
′
)
t
；
[0129]
则所述无人机的非受限状态变量为x
′
＝(x
′
,y
′
,z
′
,β,α)
t
；
[0130]
获取所述控制变量的中间控制变量，包括：
[0131][0132][0133]uint
＝(v
int
,u1,u2)
t
；
[0134]
通过所述双曲正切函数tanh x转换获取所述非受限控制变量为u
′
＝(v
′
,u
′1,u
′2)
t
；
[0135]
具体的，经过变换后的无人机运动方程为
[0136]
其中，其中，
[0137]
u1＝c1tanh u
′1,u2＝c2tanh u
′2；
[0138]
故变换后的运动方程展开为：
[0139][0140]
需要说明的是，和均为3
×
3的对角矩阵；u
′
＝(v
′
,u
′1,u
′2)
t
与u＝(v,u1,u2)
t
是一一对应的，但是前者中的每个变量均不受限，因此在针对q值进行优化迭代时，非受限的控制变量就成了非约束优化条件，便于进行q学习算法中的迭代和近似处理；获取的新的状态变量x
′
＝(x
′
,y
′
,z
′
,β,α)
t
和控制变量u
′
＝(v
′
，u
′1,u
′2)
t
都是不受限的。
[0141]
进一步，获取q值函数，包括：
[0142]
获取在时刻t时，所述无人机的非受限状态变量为x
′
(t)且采用策略u
′i(x
′
(t))时，所述无人机从时刻t起收集的信息量之和为：
[0143]
从时刻t开始有：
[0144][0145]
进一步：
[0146][0147]
获取q值函数为：
[0148][0149]
其物理含义为在时刻t状态为x
′
(t)时采用策略a，达到状态x
′
(t δt)后仍采用策略u
′i(x
′
(t δt))，无人机收集的总信息量之和；
[0150]
且有qi(x
′
(t δt),u
′i(x
′
(t δt)))＝vi(x
′
(t δt))；
[0151]
其中，所述策略u
′i(x
′
(t))表示以所述非受限状态变量x
′
(t)为自变量、以所述非受限控制变量为因变量的函数关系；δt为所述控制变量调整的时间间隔；i≥0，表示策略的迭代项；a表示时刻t时，所述非受限状态变量为x
′
(t)时采用的控制量；
[0152]
需要说明的是，策略u
′i(x
′
(t))与状态变量x
′
(t)有关，后续表述中策略u
′i(x
′
(t))中可省略状态变量x
′
(t)，表示为u
′i；同时，状态变量x
′
(t)与时间t有关，为表述方便可省略表示为x
′
；此处仅作为对本发明实施例的进一步解释，而不应视为对本发明的限定；
[0153]
在一个实施例中，基于q值策略迭代算法求解最优控制问题：
[0154][0155]
s.t.x0＝(x0,y0,z0,β0,α0)
t
；
[0156][0157][0158]
|u1|≤c1,|u2|≤c2,v
min
≤v≤v
max
；
[0159]
包括：
[0160]
设定初始策略u
′i(x
′
(t))，i＝0；
[0161]
对于任意状态变量x
′
(t)求解qi(x
′
(t),a):
[0162][0163]
需要说明的是，基于q学习算法的自主控制方法可以采取策略迭代方式，可以通过值迭代方式；
[0164]
当所述q值函数对所述控制变量为凸优化时，策略更新转化为：
[0165][0166]
令i＝i 1，执行上述迭代；
[0167]
直至
[0168]
其中，为预设的停止目标，此时输出的u
′
i 1
(x
′
(t))为最优策略；
[0169][0170]
在一个实施例中，进一步通过近似方法计算所述q值，并对策略进行改进包括：
[0171]
定义q值函数为：
[0172][0173]
其中，取项数l足够大时，通过近似获取qi(x
′
,a)的值；
[0174]
其中，为关于状态变量x
′
和控制变量a的多项式函数；
[0175]
为近似误差；
[0176]
θi＝(θ1,θ2,
…
,θ
l
)
t
；
[0177][0178]
进行系数迭代，包括：
[0179][0180]
当θi收敛后，获取qi(x
′
,a)的近似值，获取q值；
[0181]
其中，ψ＝φ(x
′
(t δt),u
′i)-φ(x
′
(t),a)；γ》0，为步长；
[0182]
需要说明的是，式表示矩阵或变量ω对时间t的求导；
[0183]
需要说明的是，当q值函数较为复杂，且变量数量多表达式难以确认时，可以通过上述的计算方法对求解得到的策略进行改进，且在求解过程中，仅需要知道无人机接收到的信噪比信息即可，甚至不需要获取无人机的运动方程。
[0184]
在另一个实施例中，当所述q值函数相对于所述控制变量为非凸优化时，通过梯度下降法更新策略u
′
i 1
(x
′
(t)):
[0185]
即将通过qi(x
′
(t),u
′
i 1
)≥qi(x
′
(t),u
′i)更新转化为：
[0186][0187]
令i＝i 1，执行上述迭代；
[0188]
直至此时输出的u
′
i 1
(x
′
(t))为确定的最优策略，该最优策略能获得最优控制问题的局部最优解。
[0189]
其中，为所述q值函数对所述非受限控制变量的偏导；α》0，为步长。
[0190]
当q值难以直接获得表达式时，可采取上述近似方法计算q值。
[0191]
需要说明的是，当q值函数较为复杂，且变量数量多表达式难以确认时，可以通过上述的梯度下降法对求解得到的策略进行改进，且在求解过程中，仅需要知道无人机接收到的信噪比信息即可。
[0192]
另一方面，本发明还提供一种电子设备，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communicationsinterface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行一种无人机信息收集的控制方法，该方法包括：获取所述无人机在初始时刻的初始位置；获取所述无人机与各个所述传感器之间的信噪比；定义所述无人机的状态变量约束，包括所述无人机在任意时刻的位置坐标、在垂直方向上的爬升角以及在水平方向上的偏航角；定义所述无人机的控制变量约束，包括所述无人机在对应的所述任意时刻的飞行速度、偏航角角速率和爬升角角速率；将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量；基于所述非受限状态变量、所述非受限控制变量以及所述信噪比，获取所述无人机在预设时段内收集到的信息量之和，计算获取所述信息量之和为最大值时的策略。
[0193]
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为
独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0194]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行一种无人机信息收集的控制方法，该方法包括：获取所述无人机在初始时刻的初始位置；获取所述无人机与各个所述传感器之间的信噪比；定义所述无人机的状态变量约束，包括所述无人机在任意时刻的位置坐标、在垂直方向上的爬升角以及在水平方向上的偏航角；定义所述无人机的控制变量约束，包括所述无人机在对应的所述任意时刻的飞行速度、偏航角角速率和爬升角角速率；将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量；基于所述非受限状态变量、所述非受限控制变量以及所述信噪比，获取所述无人机在预设时段内收集到的信息量之和，计算获取所述信息量之和为最大值时的策略。
[0195]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行一种无人机信息收集的控制方法，该方法包括：获取所述无人机在初始时刻的初始位置；获取所述无人机与各个所述传感器之间的信噪比；定义所述无人机的状态变量约束，包括所述无人机在任意时刻的位置坐标、在垂直方向上的爬升角以及在水平方向上的偏航角；定义所述无人机的控制变量约束，包括所述无人机在对应的所述任意时刻的飞行速度、偏航角角速率和爬升角角速率；将所述状态变量约束转换为非受限状态变量，将所述控制变量约束转换为非受限控制变量；基于所述非受限状态变量、所述非受限控制变量以及所述信噪比，获取所述无人机在预设时段内收集到的信息量之和，计算获取所述信息量之和为最大值时的策略。
[0196]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0197]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0198]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可
以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。