本發(fā)明涉及通信組網(wǎng)，具體是用于綜合指揮和氣象保障的低空運(yùn)行智能組網(wǎng)方法及系統(tǒng)。

背景技術(shù)：

1、無人機(jī)廣泛應(yīng)用于農(nóng)業(yè)、環(huán)境監(jiān)測、物流配送、公共安全等多個領(lǐng)域，部分應(yīng)用場景需要部署大量無人機(jī)并利用無人機(jī)集群進(jìn)行作業(yè)。因此，針對此類低空運(yùn)行的飛行器需要搭建集中進(jìn)行管控的微型機(jī)場，微型機(jī)場可以理解成為了容納和集中管理無人機(jī)的管控平臺，目的是為無人機(jī)集群作業(yè)進(jìn)行監(jiān)測調(diào)度，提供全面的無人機(jī)操作、協(xié)調(diào)和優(yōu)化支持。無人機(jī)管控平臺實現(xiàn)對大量無人機(jī)的實時監(jiān)控、任務(wù)調(diào)度和數(shù)據(jù)處理，優(yōu)化多架無人機(jī)的協(xié)調(diào)，提升任務(wù)執(zhí)行效率，并確保數(shù)據(jù)安全。然而，隨著無人機(jī)管控平臺應(yīng)用規(guī)模的擴(kuò)大，單一平臺的局限性也隨之顯現(xiàn)，例如其“有限的作業(yè)范圍、任務(wù)復(fù)雜性及覆蓋能力、數(shù)據(jù)處理能力、資源優(yōu)化和調(diào)度”等問題。當(dāng)前，國內(nèi)無人機(jī)管控平臺間的聯(lián)系和互動大多通過數(shù)據(jù)共享與同步或是自定義通信協(xié)議等方式實現(xiàn)，雖然保證了平臺間的同步性，但會出現(xiàn)數(shù)據(jù)泄露和沖突。

技術(shù)實現(xiàn)思路

1、（1）要解決的技術(shù)問題

2、本發(fā)明的目的在于提供用于綜合指揮和氣象保障的低空運(yùn)行智能組網(wǎng)方法及系統(tǒng)，以解決跨多個無人機(jī)平臺的無人機(jī)組網(wǎng)問題。

3、（2）技術(shù)方案

4、為實現(xiàn)上述目的，一方面，本發(fā)明提供了用于綜合指揮和氣象保障的低空運(yùn)行智能組網(wǎng)方法，所述方法包括：

5、獲取至少兩個微型機(jī)場的地理坐標(biāo)以及對應(yīng)部署的無人機(jī)信息，所述無人機(jī)信息包括無人機(jī)的身份編號、作業(yè)類型參數(shù)、作業(yè)半徑和通信頻段參數(shù)，通過無人機(jī)信息和對應(yīng)的地理坐標(biāo)得到單個無人機(jī)的特征向量，通過微型機(jī)場所有無人機(jī)的特征向量得到微型機(jī)場的特征矩陣；獲取組網(wǎng)任務(wù)信息，所述組網(wǎng)任務(wù)信息包括任務(wù)區(qū)域坐標(biāo)和任務(wù)類型參數(shù)；所述作業(yè)類型參數(shù)和任務(wù)類型參數(shù)均包括作業(yè)種類、作業(yè)飛行高度參數(shù)和作業(yè)飛行速度參數(shù)；

6、將微型機(jī)場的特征矩陣進(jìn)行壓縮得到低維特征矩陣，將低維特征矩陣提取不同粒度級別的特征向量得到多尺度特征集，通過局部敏感哈希函數(shù)將多尺度特征集映射為二進(jìn)制哈希碼得到微型機(jī)場隱私保護(hù)編碼；通過最小外接矩形算法處理任務(wù)區(qū)域坐標(biāo)得到任務(wù)覆蓋矩形，通過計算多個微型機(jī)場地理坐標(biāo)到任務(wù)覆蓋矩形中心點的歐氏距離得到距離矩陣，通過計算微型機(jī)場隱私保護(hù)編碼中的作業(yè)種類、作業(yè)飛行高度參數(shù)和作業(yè)飛行速度參數(shù)與對應(yīng)的任務(wù)類型參數(shù)的漢明距離得到任務(wù)匹配矩陣，通過距離矩陣和任務(wù)匹配矩陣的歸一化得到微型機(jī)場匹配向量，通過預(yù)設(shè)的匹配閾值從微型機(jī)場匹配向量篩選得到候選微型機(jī)場集合；通過候選微型機(jī)場集合內(nèi)的無人機(jī)作業(yè)半徑與任務(wù)覆蓋矩形的重疊面積得到區(qū)域覆蓋矩陣，通過將任務(wù)類型參數(shù)映射至預(yù)設(shè)的任務(wù)類型字典得到作業(yè)權(quán)重系數(shù)，通過將區(qū)域覆蓋矩陣與作業(yè)權(quán)重系數(shù)相乘得到任務(wù)適配度矩陣；

7、通過線性規(guī)劃算法對任務(wù)適配度矩陣進(jìn)行求解得到最優(yōu)無人機(jī)組合序列，通過計算最優(yōu)無人機(jī)組合序列中無人機(jī)的通信頻段參數(shù)之間的干擾程度得到頻譜干擾矩陣，通過譜聚類算法對頻譜干擾矩陣進(jìn)行處理得到通信分組方案，通過圖著色算法對通信分組方案進(jìn)行處理得到通信信道分配序列。

8、進(jìn)一步地，所述將微型機(jī)場的特征矩陣進(jìn)行壓縮得到低維特征矩陣的方法包括：

9、將微型機(jī)場部署的無人機(jī)對應(yīng)的無人機(jī)信息構(gòu)建為，其中代表無人機(jī)的身份編號，代表無人機(jī)的作業(yè)類型參數(shù)，代表無人機(jī)的作業(yè)半徑，代表無人機(jī)的通信頻段參數(shù)；設(shè)無人機(jī)的地理坐標(biāo)為，其中代表無人機(jī)的經(jīng)度坐標(biāo)，代表無人機(jī)的緯度坐標(biāo)；將無人機(jī)信息和地理坐標(biāo)分別歸一化后得到和，通過高斯核函數(shù)將和映射到高維特征空間得到高維特征向量為：

10、；

11、其中為高斯核函數(shù)的數(shù)量且為高維特征空間的維度，為預(yù)設(shè)的第個高斯核函數(shù)的帶寬參數(shù)，為自然對數(shù)的底數(shù)；將微型機(jī)場的隨機(jī)兩架無人機(jī)分別對應(yīng)的高維特征向量和計算核矩陣為：

12、；

13、其中為預(yù)設(shè)的高斯核函數(shù)的全局帶寬參數(shù)；通過核矩陣將高維特征向量嵌入到低維流形空間得到高維動態(tài)流形結(jié)構(gòu)，目標(biāo)函數(shù)為：

14、；

15、其中為在高維動態(tài)流形結(jié)構(gòu)的稀疏表示矩陣，高維動態(tài)流形結(jié)構(gòu)的原始流形特征為微型機(jī)場的無人機(jī)的信息對應(yīng)的高維特征向量組成的矩陣，是求的范數(shù)，是求稀疏表示矩陣的范數(shù)，為預(yù)設(shè)的稀疏正則化參數(shù)；通過梯度下降法求得第一目標(biāo)公式的最小值，根據(jù)第一目標(biāo)公式的最小值求得稀疏表示矩陣；將稀疏表示矩陣重構(gòu)高維動態(tài)流形結(jié)構(gòu)中的原始流形特征得到低維特征矩陣，其中。

16、進(jìn)一步地，所述將低維特征矩陣提取不同粒度級別的特征向量得到多尺度特征集的方法包括：

17、從微型機(jī)場中抽樣得到無人機(jī)節(jié)點，無人機(jī)節(jié)點對應(yīng)的低維特征矩陣滿足；根據(jù)預(yù)設(shè)的安全級別初始化粒度級別，低維特征矩陣對應(yīng)的無人機(jī)信息嵌入向量的公式為：

18、；

19、其中為第一激活函數(shù)，和分別為粒度級別的權(quán)重矩陣和偏置向量；構(gòu)建無人機(jī)通信圖，其中為獲取的無人機(jī)集合，為獲取的通信鏈路集合，為取值從0到無人機(jī)集合的數(shù)量之間的整數(shù)變量，為取值從0到通信鏈路集合的數(shù)量之間的整數(shù)變量；無人機(jī)節(jié)點，通信鏈路節(jié)點，無人機(jī)節(jié)點和通信鏈路節(jié)點形成的邊記為邊節(jié)點且邊節(jié)點組成邊集即滿足；初始化無人機(jī)節(jié)點在粒度級別為0時的特征向量為，第粒度級別的特征向量計算公式為：

20、；

21、其中為第二激活函數(shù)，取值為從0到粒度級別的整數(shù)變量，為無人機(jī)節(jié)點和通信鏈路節(jié)點的鄰居節(jié)點集合，取值為鄰居節(jié)點集合內(nèi)的無人機(jī)節(jié)點，為無人機(jī)節(jié)點和通信鏈路節(jié)點之間的注意力系數(shù)，為第層的權(quán)重矩陣，為粒度級別為對應(yīng)的無人機(jī)節(jié)點和通信鏈路節(jié)點之間的特征向量。

22、進(jìn)一步地，所述通過局部敏感哈希函數(shù)將多尺度特征集映射為二進(jìn)制哈希碼得到微型機(jī)場隱私保護(hù)編碼的方法包括：

23、將各個粒度級別的特征向量通過級聯(lián)哈希模塊將其映射為對應(yīng)級別的語義相關(guān)二進(jìn)制哈希碼：

24、；

25、其中是局部敏感哈希函數(shù)，為第個微型機(jī)場，取值為1到參與智能組網(wǎng)微型機(jī)場數(shù)量之間的整數(shù)；將二進(jìn)制哈希碼記為微型機(jī)場隱私保護(hù)編碼，加密后的微型機(jī)場隱私保護(hù)編碼為：

26、；

27、其中和為預(yù)先設(shè)定的公鑰，為隨機(jī)數(shù)，為模運(yùn)算。

28、進(jìn)一步地，所述通過計算微型機(jī)場隱私保護(hù)編碼中的作業(yè)種類、作業(yè)飛行高度參數(shù)和作業(yè)飛行速度參數(shù)與對應(yīng)的任務(wù)類型參數(shù)的漢明距離得到任務(wù)匹配矩陣的方法包括：

29、將微型機(jī)場隱私保護(hù)編碼解密得到原始二進(jìn)制哈希碼，將任務(wù)類型參數(shù)通過與微型機(jī)場隱私保護(hù)編碼相同的局部敏感哈希函數(shù)映射得到任務(wù)哈希碼，計算二進(jìn)制哈希碼的漢明距離：

30、；

31、其中為哈希碼長度，為任務(wù)編號，和分別為微型機(jī)場哈希碼和任務(wù)哈希碼的第位二進(jìn)制數(shù)，取值為1到的整數(shù)；將個微型機(jī)場與任務(wù)的漢明距離組成任務(wù)匹配矩陣：

32、。

33、基于同一發(fā)明構(gòu)思，另一方面，本發(fā)明還提供了用于綜合指揮和氣象保障的低空運(yùn)行智能組網(wǎng)系統(tǒng)，所述系統(tǒng)包括：

34、組網(wǎng)節(jié)點獲取模塊，用于獲取至少兩個微型機(jī)場的地理坐標(biāo)以及對應(yīng)部署的無人機(jī)信息，所述無人機(jī)信息包括無人機(jī)的身份編號、作業(yè)類型參數(shù)、作業(yè)半徑和通信頻段參數(shù)，通過無人機(jī)信息和對應(yīng)的地理坐標(biāo)得到單個無人機(jī)的特征向量，通過微型機(jī)場所有無人機(jī)的特征向量得到微型機(jī)場的特征矩陣；獲取組網(wǎng)任務(wù)信息，所述組網(wǎng)任務(wù)信息包括任務(wù)區(qū)域坐標(biāo)和任務(wù)類型參數(shù)；所述作業(yè)類型參數(shù)和任務(wù)類型參數(shù)均包括作業(yè)種類、作業(yè)飛行高度參數(shù)和作業(yè)飛行速度參數(shù)；

35、匹配加密模塊，用于將微型機(jī)場的特征矩陣進(jìn)行壓縮得到低維特征矩陣，將低維特征矩陣提取不同粒度級別的特征向量得到多尺度特征集，通過局部敏感哈希函數(shù)將多尺度特征集映射為二進(jìn)制哈希碼得到微型機(jī)場隱私保護(hù)編碼；通過最小外接矩形算法處理任務(wù)區(qū)域坐標(biāo)得到任務(wù)覆蓋矩形，通過計算多個微型機(jī)場地理坐標(biāo)到任務(wù)覆蓋矩形中心點的歐氏距離得到距離矩陣，通過計算微型機(jī)場隱私保護(hù)編碼中的作業(yè)種類、作業(yè)飛行高度參數(shù)和作業(yè)飛行速度參數(shù)與對應(yīng)的任務(wù)類型參數(shù)的漢明距離得到任務(wù)匹配矩陣，通過距離矩陣和任務(wù)匹配矩陣的歸一化得到微型機(jī)場匹配向量，通過預(yù)設(shè)的匹配閾值從微型機(jī)場匹配向量篩選得到候選微型機(jī)場集合；通過候選微型機(jī)場集合內(nèi)的無人機(jī)作業(yè)半徑與任務(wù)覆蓋矩形的重疊面積得到區(qū)域覆蓋矩陣，通過將任務(wù)類型參數(shù)映射至預(yù)設(shè)的任務(wù)類型字典得到作業(yè)權(quán)重系數(shù)，通過將區(qū)域覆蓋矩陣與作業(yè)權(quán)重系數(shù)相乘得到任務(wù)適配度矩陣；

36、通信分組模塊，用于通過線性規(guī)劃算法對任務(wù)適配度矩陣進(jìn)行求解得到最優(yōu)無人機(jī)組合序列，通過計算最優(yōu)無人機(jī)組合序列中無人機(jī)的通信頻段參數(shù)之間的干擾程度得到頻譜干擾矩陣，通過譜聚類算法對頻譜干擾矩陣進(jìn)行處理得到通信分組方案，通過圖著色算法對通信分組方案進(jìn)行處理得到通信信道分配序列。

37、進(jìn)一步地，所述系統(tǒng)包括：

38、特征提取壓縮模塊，用于將微型機(jī)場部署的無人機(jī)對應(yīng)的無人機(jī)信息構(gòu)建為，其中代表無人機(jī)的身份編號，代表無人機(jī)的作業(yè)類型參數(shù)，代表無人機(jī)的作業(yè)半徑，代表無人機(jī)的通信頻段參數(shù)；設(shè)無人機(jī)的地理坐標(biāo)為，其中代表無人機(jī)的經(jīng)度坐標(biāo)，代表無人機(jī)的緯度坐標(biāo)；將無人機(jī)信息和地理坐標(biāo)分別歸一化后得到和，通過高斯核函數(shù)將和映射到高維特征空間得到高維特征向量為：

39、；

40、其中為高斯核函數(shù)的數(shù)量且為高維特征空間的維度，為預(yù)設(shè)的第個高斯核函數(shù)的帶寬參數(shù)，為自然對數(shù)的底數(shù)；將微型機(jī)場的隨機(jī)兩架無人機(jī)分別對應(yīng)的高維特征向量和計算核矩陣為：

41、；

42、其中為預(yù)設(shè)的高斯核函數(shù)的全局帶寬參數(shù)；通過核矩陣將高維特征向量嵌入到低維流形空間得到高維動態(tài)流形結(jié)構(gòu)，目標(biāo)函數(shù)為：

43、；

44、其中為在高維動態(tài)流形結(jié)構(gòu)的稀疏表示矩陣，高維動態(tài)流形結(jié)構(gòu)的原始流形特征為微型機(jī)場的無人機(jī)的信息對應(yīng)的高維特征向量組成的矩陣，是求的范數(shù)，是求稀疏表示矩陣的范數(shù)，為預(yù)設(shè)的稀疏正則化參數(shù)；通過梯度下降法求得第一目標(biāo)公式的最小值，根據(jù)第一目標(biāo)公式的最小值求得稀疏表示矩陣；將稀疏表示矩陣重構(gòu)高維動態(tài)流形結(jié)構(gòu)中的原始流形特征得到低維特征矩陣，其中。

45、進(jìn)一步地，所述系統(tǒng)還包括：

46、特征分級模塊，用于從微型機(jī)場中抽樣得到無人機(jī)節(jié)點，無人機(jī)節(jié)點對應(yīng)的低維特征矩陣滿足；根據(jù)預(yù)設(shè)的安全級別初始化粒度級別，低維特征矩陣對應(yīng)的無人機(jī)信息嵌入向量的公式為：

47、；

48、其中為第一激活函數(shù)，和分別為粒度級別的權(quán)重矩陣和偏置向量；構(gòu)建無人機(jī)通信圖，其中為獲取的無人機(jī)集合，為獲取的通信鏈路集合，為取值從0到無人機(jī)集合的數(shù)量之間的整數(shù)變量，為取值從0到通信鏈路集合的數(shù)量之間的整數(shù)變量；無人機(jī)節(jié)點，通信鏈路節(jié)點，無人機(jī)節(jié)點和通信鏈路節(jié)點形成的邊記為邊節(jié)點且邊節(jié)點組成邊集即滿足；初始化無人機(jī)節(jié)點在粒度級別為0時的特征向量為，第粒度級別的特征向量計算公式為：

49、；

50、其中為第二激活函數(shù)，取值為從0到粒度級別的整數(shù)變量，為無人機(jī)節(jié)點和通信鏈路節(jié)點的鄰居節(jié)點集合，取值為鄰居節(jié)點集合內(nèi)的無人機(jī)節(jié)點，為無人機(jī)節(jié)點和通信鏈路節(jié)點之間的注意力系數(shù)，為第層的權(quán)重矩陣，為粒度級別為對應(yīng)的無人機(jī)節(jié)點和通信鏈路節(jié)點之間的特征向量。

51、進(jìn)一步地，所述系統(tǒng)還包括：

52、加密模塊，用于將各個粒度級別的特征向量通過級聯(lián)哈希模塊將其映射為對應(yīng)級別的語義相關(guān)二進(jìn)制哈希碼：

53、；

54、其中是局部敏感哈希函數(shù)，為第個微型機(jī)場，取值為1到參與智能組網(wǎng)微型機(jī)場數(shù)量之間的整數(shù)；將二進(jìn)制哈希碼記為微型機(jī)場隱私保護(hù)編碼，加密后的微型機(jī)場隱私保護(hù)編碼為：

55、；

56、其中和為預(yù)先設(shè)定的公鑰，為隨機(jī)數(shù)，為模運(yùn)算。

57、進(jìn)一步地，所述系統(tǒng)還包括：

58、組網(wǎng)生成模塊，用于將微型機(jī)場隱私保護(hù)編碼解密得到原始二進(jìn)制哈希碼，將任務(wù)類型參數(shù)通過與微型機(jī)場隱私保護(hù)編碼相同的局部敏感哈希函數(shù)映射得到任務(wù)哈希碼，計算二進(jìn)制哈希碼的漢明距離：

59、；

60、其中為哈希碼長度，為任務(wù)編號，和分別為微型機(jī)場哈希碼和任務(wù)哈希碼的第位二進(jìn)制數(shù)，取值為1到的整數(shù)；將個微型機(jī)場與任務(wù)的漢明距離組成任務(wù)匹配矩陣：

61、。

62、（3）有益效果

63、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是通過跨平臺無人機(jī)的特征分析智能進(jìn)行最佳組網(wǎng)，同時解決跨平臺無人機(jī)組網(wǎng)過程中的信息安全。