本技术聚焦于通信技术领域,专注于灾后无人机通信感知系统的任务调度与资源优化。该方案通过无人机补充受损基站,实现对潜在感知目标的有效监测,并引入通信惩罚指数,以优化任务分配和资源配置,提高灾后通信恢复效率。
背景技术
通信感知一体化(Integrated Sensing and Communication,ISAC)促进了无线资源、物理基础设施和设备在感知和通信功能之间的共享,降低了成本并提高了频谱、能量和设备的利用率。ISAC已被国际移动通信(International Mobile Telecommunications,IMT)2030确定为未来第六代无线系统(Sixth Generation Wireless Systems,6G)的六大关键应用场景之一。在各种ISAC应用案例中,用于紧急救援的无人机(Unmanned AerialVehicles,UAVs)辅助ISAC系统受到了极大的关注。由于快速部署、灵活机动和稳健的视距链接,无人机可以快速且高效地被调派到紧急地点,同时为通信用户(CommunicationUsers,CUs)提供网络服务和为感知目标(Sensing Targets,STs)提供感知服务。
现有技术提出了一种基于单一无人机的ISAC新机制,并通过凸优化方法对问题进行了转换和求解。同样地,现有技术还研究了如何通过凸方法优化单个无人机的飞行轨迹和波束成形策略。然而,这种方法仅适用于通常只有一架无人机的小规模场景和简化的优化目标。
为应对更大规模的动态场景,一些研究人员采用了深度强化学习(DeepReinforcement Learning,DRL)算法,他们采用了深度强化学习来优化多架无人机的轨迹,以平衡通信和感知性能。然而,这些研究针对的是地面基站、通信用户和无人机之间存在稳定且可靠通信的场景。
在紧急救援活动中,无人机辅助的ISAC任务调度和资源分配面临着前所未有的不确定性,尤其是在基站可用性方面,这仍然是一个未被深入探索的领域。在灾后,由于某些基站受损,可能会出现通信覆盖盲区。此外,当基站的可用性发生变化(例如部分基站得到修复)时,这种变化需要重新运行优化或重新训练深度强化学习模型,而这既耗时又计算成本高。
实现思路