CN114690799B 基于信息年龄的空天地一体化无人机物联网数据采集方法 （东莞理工学院）

基于信息年龄的空天地一体化无人机物联本发明公开了一种基于信息年龄的空天地2所述步骤一具体为：构建无人机辅助的空天地一体化物联网系统，系统无人机与物联网设备之间的数据传输基于视线，无人机n与物联网设备m之间的路损3","分别表示时间t无人机飞行位置的水平和垂直坐标；约束C1表示如无人机n与物联网设备m直接进行匹配，则径为S的无人机飞行区域；所述步骤四具体为：构建一个结合深度强化学习和匹配算法的框架=tuIwkeM},为了实现为了使网络的总体信息年龄最小化，利用最佳然后得到最优动作-状态值Q*(st,at)定义为在st状态下采取行动后获得的最大期望回4使用深度强化学习解决关于系统模型中高维状态空间的问题；深度Q网络中引入了经θ分别表示单独目标网络和在线网络的参数；其中H(r(:IS,)=Ea[-logr(a,1s,)]是政策熵，α表示平和熵和系统奖励重要性的温度该算法通过参数θ和φ构造了两个动作-状态值函数Q(s,a),ie1,2y和策略πφ；在每5φ训练后，代理将获得与每个物联网设备之间的信息年龄根据接收到的信息年龄值，卫星按照信息年龄的递增顺序为每个代理和(2)每个主代理v"根据自己的偏好列表向最喜爱的物联6[0002]在第五代和即将到来的第六代(6G)无线通信中，广域物联网(IoT)的普及不断增[0003]空天地一体化被认为是6G系统的潜在关键技术和重要特征。现有技术中UAV已被入了信息年龄，现有研究中信息年龄已被用来定义UAV辅助空天地一体化网络收集的数据[0008]本发明所要解决的技术问题是提供一种基于信息年龄的空天地一体化无人机物78","分别表示时间t无人机飞行位置的水平和垂直坐标；约束C1表示如无人机n与物联网设备m直接进行匹配，和θt分别表示时间t时无人机的飞行距离和方9[0059]使用深度强化学习解决关于系统模型中高维状态空间的问题；深度Q网络中引入θ分别表示单独目标网络和在线网络的参数。[0072]该算法通过参数θ和φ构造了两个动作-状态值函数Qa(s,a),ie1,2;和策略πφ;φ备构建偏好列表PLY和然后通过GS算法对无人机和物联网设备进行配对；为了保证[0090]每个辅助代理随着学习出的最有位置到主代理之间的距离调整自己的偏好列[0093]2、信息年龄是根据无人机的飞行时间和物联网设备到无人机的数据传输时间计[0111]引入信息年龄来描述无人机接收到的感知数据的新鲜度，以衡量系统的实时息年龄由无人机的飞行时间(即等待数据传输的时间)和物联网设备到无人机的传输时间","分别表示时间ts,es,表示时间t时无人机的位置；和θt分别表示时间t时无人机的飞行距离和方θ分别表示单独目标网络和在线网络的参数。[0149]SAC算法是解决离散和连续控制问题的一种出色的深度强化学习算法。与传统的[0156]该算法通过参数θ和φ构造了两个动作-状态值函数QZ(s,,a),ie1,2y和策略πφ;φ备构建偏好列表和然后通过盖尔-沙普利(Gale-ShapleyGS)算法对无人机和[0173](2)每个主代理v"根据自己的偏好列表向最喜爱