【技术实现步骤摘要】
本专利技术涉及通信组网，具体是用于综合指挥和气象保障的低空运行智能组网方法及系统。
技术介绍
1、无人机广泛应用于农业、环境监测、物流配送、公共安全等多个领域，部分应用场景需要部署大量无人机并利用无人机集群进行作业。因此，针对此类低空运行的飞行器需要搭建集中进行管控的微型机场，微型机场可以理解成为了容纳和集中管理无人机的管控平台，目的是为无人机集群作业进行监测调度，提供全面的无人机操作、协调和优化支持。无人机管控平台实现对大量无人机的实时监控、任务调度和数据处理，优化多架无人机的协调，提升任务执行效率，并确保数据安全。然而，随着无人机管控平台应用规模的扩大，单一平台的局限性也随之显现，例如其“有限的作业范围、任务复杂性及覆盖能力、数据处理能力、资源优化和调度”等问题。当前，国内无人机管控平台间的联系和互动大多通过数据共享与同步或是自定义通信协议等方式实现，虽然保证了平台间的同步性，但会出现数据泄露和冲突。
技术实现思路
1、（1）要解决的技术问题
2、本专利技术的目的在于提供用于综合指挥和气象保障的低空运行智能组网方法及系统，以解决跨多个无人机平台的无人机组网问题。
3、（2）技术方案
4、为实现上述目的，一方面，本专利技术提供了用于综合指挥和气象保障的低空运行智能组网方法，所述方法包括：
5、获取至少两个微型机场的地理坐标以及对应部署的无人机信息，所述无人机信息包括无人机的身份编号、作业类型参数、作业半径和通信频段参数，通过无人机信
6、将微型机场的特征矩阵进行压缩得到低维特征矩阵，将低维特征矩阵提取不同粒度级别的特征向量得到多尺度特征集，通过局部敏感哈希函数将多尺度特征集映射为二进制哈希码得到微型机场隐私保护编码；通过最小外接矩形算法处理任务区域坐标得到任务覆盖矩形，通过计算多个微型机场地理坐标到任务覆盖矩形中心点的欧氏距离得到距离矩阵，通过计算微型机场隐私保护编码中的作业种类、作业飞行高度参数和作业飞行速度参数与对应的任务类型参数的汉明距离得到任务匹配矩阵，通过距离矩阵和任务匹配矩阵的归一化得到微型机场匹配向量，通过预设的匹配阈值从微型机场匹配向量筛选得到候选微型机场集合；通过候选微型机场集合内的无人机作业半径与任务覆盖矩形的重叠面积得到区域覆盖矩阵，通过将任务类型参数映射至预设的任务类型字典得到作业权重系数，通过将区域覆盖矩阵与作业权重系数相乘得到任务适配度矩阵；
7、通过线性规划算法对任务适配度矩阵进行求解得到最优无人机组合序列，通过计算最优无人机组合序列中无人机的通信频段参数之间的干扰程度得到频谱干扰矩阵，通过谱聚类算法对频谱干扰矩阵进行处理得到通信分组方案，通过图着色算法对通信分组方案进行处理得到通信信道分配序列。
8、进一步地，所述将微型机场的特征矩阵进行压缩得到低维特征矩阵的方法包括：
9、将微型机场部署的无人机对应的无人机信息构建为，其中代表无人机的身份编号，代表无人机的作业类型参数，代表无人机的作业半径，代表无人机的通信频段参数；设无人机的地理坐标为，其中代表无人机的经度坐标，代表无人机的纬度坐标；将无人机信息和地理坐标分别归一化后得到和，通过高斯核函数将和映射到高维特征空间得到高维特征向量为：
10、；
11、其中为高斯核函数的数量且为高维特征空间的维度，为预设的第个高斯核函数的带宽参数，为自然对数的底数；将微型机场的随机两架无人机分别对应的高维特征向量和计算核矩阵为：
12、；
13、其中为预设的高斯核函数的全局带宽参数；通过核矩阵将高维特征向量嵌入到低维流形空间得到高维动态流形结构，目标函数为：
14、；
15、其中为在高维动态流形结构的稀疏表示矩阵，高维动态流形结构的原始流形特征为微型机场的无人机的信息对应的高维特征向量组成的矩阵，是求的范数，是求稀疏表示矩阵的范数，为预设的稀疏正则化参数；通过梯度下降法求得第一目标公式的最小值，根据第一目标公式的最小值求得稀疏表示矩阵；将稀疏表示矩阵重构高维动态流形结构中的原始流形特征得到低维特征矩阵，其中。
16、进一步地，所述将低维特征矩阵提取不同粒度级别的特征向量得到多尺度特征集的方法包括：
17、从微型机场中抽样得到无人机节点，无人机节点对应的低维特征矩阵满足；根据预设的安全级别初始化粒度级别，低维特征矩阵对应的无人机信息嵌入向量的公式为：
18、；
19、其中为第一激活函数，和分别为粒度级别的权重矩阵和偏置向量；构建无人机通信图，其中为获取的无人机集合，为获取的通信链路集合，为取值从0到无人机集合的数量之间的整数变量，为取值从0到通信链路集合的数量之间的整数变量；无人机节点，通信链路节点，无人机节点和通信链路节点形成的边记为边节点且边节点组成边集即满足；初始化无人机节点在粒度级别为0时的特征向量为，第粒度级别的特征向量计算公式为：
20、；
21、其中为第二激活函数，取值为从0到粒度级别的整数变量，为无人机节点和通信链路节点的邻居节点集合，取值为邻居节点集合内的无人机节点，为无人机节点和通信链路节点之间的注意力系数，为第层的权重矩阵，为粒度级别为对应的无人机节点和通信链路节点之间的特征向量。
22、进一步地，所述通过局部敏感哈希函数将多尺度特征集映射为二进制哈希码得到微型机场隐私保护编码的方法包括：
23、将各个粒度级别的特征向量通过级联哈希模块将其映射为对应级别的语义相关二进制哈希码：
24、；
25、其中是局部敏感哈希函数，为第个微型机场，取值为1到参与智能组网微型机场数量之间的整数；将二进制哈希码记为微型机场隐私保护编码，加密后的微型机场隐私保护编码为：
26、；
27、其中和为预先设定的公钥，为随机数，为模运算。
28、进一步地，所述通过计算微型机场隐私保护编码中的作业种类、作业飞行高度参数和作业飞行速度参数与对应的任务类型参数的汉明距离得到任务匹配矩阵的方法包括：
29、将微型机场隐私保护编码解密得到原始二进制哈希码，将任务类型参数通过与微型机场隐私保护编码相同的局部敏感哈希函数映射得到任务哈希码，计算二进制哈希码的汉明距离：
30、；
31、其中为哈希码长度，为任务编号，和分别为微型机场哈希码和任务哈希码的第位二进制数，取值为1到的整数；将个微型机场与任务的汉明距离组成任务匹配矩阵：
32、。
33、基于同一专利技术构思，另一方面，本专利技术还提供了用于综合指挥和气象保障的低空运行智能组网系统，所述系统包括：
本文档来自技高网...
【技术保护点】
1.用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述方法包括：
2.如权利要求1所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述将微型机场的特征矩阵进行压缩得到低维特征矩阵的方法包括：
3.如权利要求2所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述将低维特征矩阵提取不同粒度级别的特征向量得到多尺度特征集的方法包括：
4.如权利要求3所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述通过局部敏感哈希函数将多尺度特征集映射为二进制哈希码得到微型机场隐私保护编码的方法包括：
5.如权利要求4所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述通过计算微型机场隐私保护编码中的作业种类、作业飞行高度参数和作业飞行速度参数与对应的任务类型参数的汉明距离得到任务匹配矩阵的方法包括：
6.用于综合指挥和气象保障的低空运行智能组网系统，其特征在于，所述系统包括：
7.如权利要求6所述的用于综合指挥和气象保障的低空运行智能组网系统，其特征在
8.如权利要求7所述的用于综合指挥和气象保障的低空运行智能组网系统，其特征在于，所述系统还包括：
9.如权利要求8所述的用于综合指挥和气象保障的低空运行智能组网系统，其特征在于，所述系统还包括：
10.如权利要求9所述的用于综合指挥和气象保障的低空运行智能组网系统，其特征在于，所述系统还包括：
...【技术特征摘要】
1.用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述方法包括：
2.如权利要求1所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述将微型机场的特征矩阵进行压缩得到低维特征矩阵的方法包括：
3.如权利要求2所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述将低维特征矩阵提取不同粒度级别的特征向量得到多尺度特征集的方法包括：
4.如权利要求3所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在于，所述通过局部敏感哈希函数将多尺度特征集映射为二进制哈希码得到微型机场隐私保护编码的方法包括：
5.如权利要求4所述的用于综合指挥和气象保障的低空运行智能组网方法，其特征在...
【专利技术属性】
技术研发人员：靳国华，庄子波，崔明，徐剑平，赵强强，李扬聪，罗雄，谭杰，
申请(专利权)人：四川西物激光技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。