基于5G的超低延时数据图传方法及系统与流程

本技术涉及无人机数据传输，尤其涉及基于5g的超低延时数据图传方法及系统。

背景技术：

1、随着无人机应用领域的快速扩展，特别是在城市监控、交通管理和紧急救援等方面，对无人机的实时数据传输需求日益增加。尤其是在城市环境中，建筑物密集且信号塔分布不均，这使得无人机在执行任务时面临信号覆盖不稳定和数据传输延迟的挑战。传统的数据传输方法往往依赖于静态的信号塔连接策略，缺乏根据实时环境动态调整的能力，这限制了无人机在复杂环境中的应用效率。为了解决这些问题，采用5g通信是一种可行的解决方案，因为5g技术提供了更高的数据传输速率和更低的延迟。然而，即使是5g技术，在高动态环境下也可能遇到信号不稳定的问题，特别是在无人机频繁穿梭于高楼大厦以及多个5g信号基站。

2、例如公开号为cn114885304a的中国专利，公开了基于flexe技术的5g网联无人机数据传输系统和方法，该系统包括：无人机终端、5g基站和无人机云平台；无人机终端用于将需要传送的数据包按照类别加上标签，并将加上标签后的数据包排成队列；5g基站以flexe作为承载网，为加上标签后的数据包提供足够带宽和确定性延时的专用数据路径，将数据包发送至核心网；核心网再将数据包发送至无人机云平台；无人机云平台用于接收无人机终端传送的数据， 并对接收的数据进行处理以及接收对无人机终端的操作指令。在该系统的基础上，该发明还提出了基于flexe技术的5g网联无人机数据传输方法。可以减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接。

3、以上方法存在本背景技术提出的问题，因此，开发一种能够实时响应环境变化，并智能地管理信号塔切换的方法，对于提升无人机的操作效率和数据传输的可靠性至关重要。

技术实现思路

1、针对现有技术的不足，本技术的目的在于提供基于5g的超低延时数据图传方法及系统，能够针对5g信号下延时短但信号塔覆盖范围有限切换频繁的特点，动态调整无人机在穿梭于各个信号塔时的信号切换点，以提高数据图传任务的传输质量，具体方案如下：

2、第一方面，本技术提供了基于5g的超低延时数据图传方法，包括：

3、获取无人机在多个目标信号塔覆盖范围内的历史飞行数据并进行预处理；其中，所述历史飞行数据包括：正交幅度调制数据、接入点数据、信号衰减数据；

4、基于预处理后的所述历史飞行数据，构建混合神经网络；其中，所述混合神经网络包括：空间特征提取分支、时间特征提取分支、信号衰减特征提取分支；

5、获取所述无人机的实时飞行信息，利用所述混合神经网络，确定所述无人机在所述多个目标信号塔覆盖范围内的信号切换点。

6、作为一种可选的实施方式，所述预处理包括：

7、对所述正交幅度调制数据进行随机相位偏移，生成用于所述混合神经网络训练的目标训练样本；

8、基于所述历史飞行数据计算实际延迟分布，生成包含随机延迟的第一时间序列。

9、作为一种可选的实施方式，所述构建混合神经网络包括：

10、基于多层卷积神经网络构建所述空间特征提取分支，提取所述无人机相对于所述目标信号塔和目标环境障碍物的空间位置和环境布局特征；

11、其中，每层卷积神经网络后都接有批量归一化层和relu激活函数；

12、基于多层长短期记忆网络构建时间特征提取分支，提取所述历史飞行数据的时间依赖性和动态变化；其中，所述多层长短期记忆网络包括：第一时间步滑动窗口法；

13、使用至少一个全连接层组成信号衰减特征提取分支，分析从无人机到各信号塔的距离与信号强度数据，预测信号衰减和潜在的切换点；其中，每个全连接层后配有丢弃层。

14、作为一种可选的实施方式，所述历史飞行数据还包括：飞行速度、网络变化信息；所述第一时间步滑动窗口法包括：基于所述无人机的飞行速度和网络信号变化信息，动态调整时间窗口大小；

15、所述动态调整时间窗口大小包括：

16、基于所述无人机的飞行任务，确定场景模式；所述场景模式包括第一场景模式、第二场景模式和第三场景模式；

17、当所述无人机处于第一场景模式，检测所述无人机的飞行速度，并设定第一初始时间窗口大小；响应于所述无人机的飞行速度大于或等于第一速度阈值，减小所述时间窗口大小；响应于所述无人机的飞行速度小于第二速度阈值，增加所述时间窗口的大小；

18、当所述无人机处于第二场景模式，检测所述无人机所处环境的信噪比，并设定第二初始时间窗口大小，响应于所述信噪比大于或等于第一信噪比阈值，减小所述时间窗口大小，响应于所述信噪比小于第二信噪比阈值，增加所述时间窗口大小；

19、当所述无人机处于第三场景模式，检测所述无人机的信号强度，并设定第三初始时间窗口大小，响应于所述信号强度大于或等于第一信号阈值，减小所述时间窗口大小，响应于所述信号强度小于第二信号阈值，增加所述时间窗口大小。

20、作为一种可选的实施方式，所述混合神经网络的输出包括：信号质量评分、信号衰减预测、干扰水平评估；确定所述无人机在所述多个目标信号塔覆盖范围内的信号切换点包括：

21、使用第一动态规划方案，确定无人机在多个目标信号塔覆盖范围内的信号切换点；

22、所述第一动态规划方案包括：状态定义、决策变量、转移方程、目标函数、初始化和边界条件、动态规划求解。

23、第二方面，本技术还提供基于5g的超低延时数据图传系统，包括：

24、获取单元，用于获取无人机在多个目标信号塔覆盖范围内的历史飞行数据并进行预处理；其中，所述历史飞行数据包括：正交幅度调制数据、接入点数据、信号衰减数据；

25、构建单元，基于预处理后的所述历史飞行数据，构建混合神经网络；其中，所述混合神经网络包括：空间特征提取分支、时间特征提取分支、信号衰减特征提取分支；

26、处理单元，用于获取所述无人机的实时飞行信息，利用所述混合神经网络，确定所述无人机在所述多个目标信号塔覆盖范围内的信号切换点。

27、第三方面，本技术可选实现方式还提供一种电子设备，包括处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述的基于5g的超低延时数据图传方法的步骤。

28、第四方面，本技术可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述的基于5g的超低延时数据图传方法的步骤。

29、与现有技术相比，本发明的有益效果是：通过引入混合神经网络和动态规划算法，实现了无人机在5g网络下的智能信号切换管理，显著提高了数据传输的稳定性和连续性，减少了传统方法中的信号中断问题。同时，通过动态调整时间窗口大小，能够根据无人机飞行速度和信号质量的变化灵活调整数据采集频率，降低传输延迟，提升了数据传输效率。