【技术实现步骤摘要】
本专利技术涉及山洪灾害应急救援，具体涉及一种天地协同山洪灾害应急救援方法。
技术介绍
1、山洪及次生灾害影响范围广泛、传播迅速，对无人机集群的覆盖范围和响应速度提出了严峻挑战。在山洪灾害下，gps信号易受干扰甚至失效，导致灾区定位困难。山洪爆发伴随着大量的云雾和强降雨，这些因素严重影响了无人机遥感的成像质量，尤其是在搜寻受灾人员等小目标识别任务中，成像质量的下降变得尤为明显。
2、现有通过先进的数据融合算法，将不同模态(图像、雷达、传感器数据等)的数据进行整合。例如，使用卷积神经网络(cnn)结合遥感影像与地面传感器数据，实现对灾区态势的精确分析。但由于不同数据源的分辨率、格式和采集频率不同，融合过程中容易出现不一致，影响了复杂场景下的精细化分析效果。借助边缘计算与云计算的协同工作，现有技术能够在地面设备与空中设备之间实现快速的数据传输与处理。这种架构使得部分计算任务可以在无人机或地面终端进行，减少数据传输延迟。尽管云端和边缘协同计算提高了处理效率，但在大规模灾害场景或网络不稳定情况下，数据传输和处理仍会出现延迟，难以满足应急救援中的实时响应要求。
技术实现思路
1、针对
技术介绍
中提到的技术问题，本专利技术提出了一种天地协同山洪灾害应急救援方法。
2、本专利技术采用如下技术方案：
3、一种天地协同山洪灾害应急救援方法，包括以下步骤：
4、基于联邦学习框架，部署和训练以下应急救援关键技术；首先，针对山洪灾区范围广阔难以及时响应的问题，提
5、作为本专利技术进一步的技术方案，所述联邦学习框架通过结合亲和矩阵引导的特征提取器更新机制与最大均值差异mmd驱动的特征聚合机制，实现集群的协同学习；
6、首先，联邦学习框架构建亲和矩阵以量化不同无人机之间的数据相似性，并根据各无人机本地模型的性能动态调整矩阵权重，使具有相似特征分布的无人机获得更高的权重；基于所述权重，联邦学习框架对无人机的本地特征提取器进行增强聚合，从而提升集群整体的特征提取能力；随后，联邦学习框架引入mmd以衡量不同轮次特征分布的差异，并根据所述差异对特征进行加权平均，生成综合性特征表示。
7、作为本专利技术进一步的技术方案，基于双目标多臂老虎机的无人机灾区集群广域最优部署算法：
8、第一个优化目标为最大化覆盖范围以实现灾区全面覆盖，此过程如公式1所示：
9、式1：
10、其中θ＝{θ1,θ2,…,θu}是分配给无人机的波束宽度组，ni(θi)是无人机i在波束宽度θi下所覆盖的已部署环境信息传感器数量，nol是指多个无人机同时覆盖传感器的次数；
11、第二个优化目标为灾区全面覆盖下最小化最大整体通信时间实现最速部署，此过程如公式2所示：
12、式2：
13、其中为整体通信时间，为平均通信时间，ti,g为全局更新时间，ti,l为局部更新时间；
14、本专利技术拟采用pareto ucb1算法求解上述双目标优化问题，pareto ucb1算法在两个目标的奖励空间中直接最大化奖励向量，在初始阶段，pareto ucb1算法对每个臂进行一次拉取以完成初始化，在每轮迭代中，pareto最优臂集a'选取过程如公式3所示：
15、式3：
16、其中是臂α的经验均值奖励，是臂k的经验均值奖励，nα是臂α被拉取的次数,nk是臂k被拉取的次数，n是臂的总数，q是目标数量，|a*|是pareto最优臂集合的数量，找到最优臂集合a'后，算法从中随机选择一个臂进行拉取并更新其奖励值。
17、最终，pareto ucb1算法通过计算pareto后悔度来评估其性能。
18、作为本专利技术进一步的技术方案，天地协同的两阶段半定松弛灾区定位方法：
19、以无人机为中继节点，通过无人机和地面已部署的山洪态势感知传感器进行协作，实现可靠定位，无人机以恒定速度移动，因此第m个无人机在时间步长k处即时位置的建模过程如公式4所示：
20、式4：
21、其中是第m个无人机的起始位置，j＝(k-1)m+m,m＝1,2,...,m,k＝1,...,k；
22、由于锚节点位置的变化以及无人机测距与灾区位置之间的高度非线性，通过半定松弛技术可以将复杂的非线性定位问题转化为线性问题，从而确保定位算法收敛到全局最优解，具体过程如公式5-6所示：
23、式5：
24、式6：
25、其中si为地面第i个传感器位置，sit为地面t时刻第i个传感器位置，sio为地面第i个传感器初始位置，为接收器位置，εp为附加噪声，uo为灾害区域，dp为传播路径的测量范围，
26、在提出的可靠定位算法中，p1＝[(x1,y1,z1),(x2,y2,z2),...,(xn,yn,zn)]代表锚节点位置完全准确情况下，由定位算法计算得到的其他n个普通节点的位置集合，p2＝[(x’1,y’1,z’1),(x2,y2,z2),...,(xn,yn,zn)]代表锚节点因其他因素(人为移动、设备损坏)而少量移动情况下，由定位算法计算得到的其他n个普通节点的位置集合，基于提出的可靠定位算法获取灾区传感器的位置信息，通过对比传感器在山洪发生前和发生后的位置变化，即可描绘出山洪灾害区域。
27、作为本专利技术进一步的技术方案，基于无人机遥感视觉与动态路径优化的应急救援方法：
28、围绕应急救援过程中存在的难点，本专利技术计划研究一种基于无人机遥感视觉与动态路径优化的应急救援方法。该方法结合抗干扰无人机遥感视觉目标识别与多目标受灾区应急救援路径优化算法，通过识别算法获取受灾区域内的目标类型，并结合无人机位置信息确定目标的类型和位置，基于目标的类型和位置，路径优化算法可以制定最优撤退路线，确保救援行动的效率和安全性；
29、本专利技术设计以real time detection transformer(rtdetr)为主要结构，并结合软阈值-残差网络(soft-residual network)和级联注意力(cga)模块的识别模型，称为sc-rtdetr，受干扰灾区遥感图像首先经过软阈值-残差网络过滤干扰信号，提炼出关键特征，随后被输入到高效混合编码器中，编码器结合了跨尺度特征融合模块与级联注意力模块，确保特征信息在不同尺度上得以充分整合和聚焦，最终，经过解码器的精确查询选择和基于重叠度的匹配，sc-rtdetr能够精准识别受灾房屋与受灾人员；
30、sc-rtdetr通过软阈值-残差网络模块本文档来自技高网...
【技术保护点】
1.一种天地协同山洪灾害应急救援方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种天地协同山洪灾害应急救援方法，其特征在于，所述联邦学习框架通过结合亲和矩阵引导的特征提取器更新机制与最大均值差异MMD驱动的特征聚合机制，实现集群的协同学习；
3.根据权利要求2所述的一种天地协同山洪灾害应急救援方法，其特征在于，基于双目标多臂老虎机的无人机灾区集群广域最优部署算法：
4.根据权利要求1所述的一种天地协同山洪灾害应急救援方法，其特征在于，天地协同的两阶段半定松弛灾区定位方法：
5.根据权利要求1所述的一种天地协同山洪灾害应急救援方法，其特征在于，基于无人机遥感视觉与动态路径优化的应急救援方法：
6.根据权利要求1所述的一种天地协同山洪灾害应急救援方法，其特征在于，基于无人机遥感视觉与动态路径优化的应急救援方法还包括：
【技术特征摘要】
1.一种天地协同山洪灾害应急救援方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种天地协同山洪灾害应急救援方法，其特征在于，所述联邦学习框架通过结合亲和矩阵引导的特征提取器更新机制与最大均值差异mmd驱动的特征聚合机制，实现集群的协同学习；
3.根据权利要求2所述的一种天地协同山洪灾害应急救援方法，其特征在于，基于双目标多臂老虎机的无人机灾区集群广域最优部署算...
【专利技术属性】
技术研发人员：方凯，王伟，冯海林，刘同存，杨紫佳，王丽娜，
申请(专利权)人：浙江农林大学，
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。