本发明涉及无人机软件信息处理技术领域，特别是一种基于分布式协作的传感器信息处理方法。
背景技术：
无人机集群协同工作，对目标进行侦查已经成为当前无人机的重要应用方式之一。通过集群内的协同，可以有效拓展无人机的侦查范围，实现对目标不同距离，不同视角的侦查，无人机间将各自获得的侦查信息进行融合，有效提高了对目标的侦查质量，克服单个无人机或群体无协作情况下无人机的侦查缺陷。
随着机器学习等人工智能技术的飞速发展，单个无人机已经可以在本地实现传感器获取图像的分析处理。当前无人机集群在进行协同侦查时，或者是事先分配好对传感器数据的通信带宽，或者是通过提前的状态感知将本地无人机平台的信道参数发送到边缘节点，由边缘节点设定无人机平台数据发送时的通信带宽分配。集群内每个无人机采用固定或边缘节点分配数据处理方式，对传感器获取的图像进行处理，并将处理后得到的结果发送到边缘节点，通过边缘节点的计算能力对集群内各节点获取的数据进行信息融合，得到对侦查目标更精确的分析结果，再将结果发送到集群内各无人机平台以及地面指挥控制中心，以上过程如图1所示。
现有的无人机集群协同侦查时，均采用集中式的数据处理方式，即所有无人机均需将所有传感器获取的数据信息回传到边缘节点进行融合处理再进行分发，这也是在无人机集群中单个无人机本地计算能力受限情况下的较好处理方式，但该种方式依然存在以下缺陷：
①通信网络的变化和单个无人机计算能力带来的相互影响制约了单个无人机节点对传感器数据的处理效率。
无线信道的不稳定性决定了通信网络处于时刻变化中，而采用固定式或集中式的带宽分配方式，增加了无人机对数据处理的难度，带宽等通信资源一旦分配完成，调整难度大，如果带宽不够时，无人机数据发送会产生延迟，而通信带宽超过单机处理的数据量时，又会增加通信资源的浪费。
②固定式或集中式的通信带宽分配难以适应网络情况的快速变化。
无人机集群的各个无人机平台采用事先分配的方式获取通信资源，一旦信道条件发生变化，如敌方干扰，通信遮挡等，固定式或集中式的通信带宽分配难以应对变化，调整难度大，无法通过增加带宽等方式及时应对各种通信问题。
③单个无人机对传感器数据的处理方式无法根据带宽或计算能力的变化动态调整。
单个无人机的通信能力和计算能力均在动态变化中，而传感器数据的处理方式同样需要根据这种变化动态调整，例如可以采用不同的机器学习或者调整算法的参数等，这种动态调整能力是当前无人机集群协同侦查时无法提供的。
技术实现要素：
本发明的目的在于提供一种基于分布式协作的传感器信息处理方法，在无人机集群协同侦察条件下对目标进行侦查，优化通信带宽和本地平台的计算能力使用效率，同时提高协同侦查的效率。
实现本发明目的的技术解决方案为：一种基于分布式协作的传感器信息处理方法，步骤如下：
第一步、无人机集群各平台初始化及工作模式设置：根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式；
第二步、无人机执行任务时的状态协同感知和本地处理决策的动态调整：集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，确定不同无人机的数据处理方式；
第三步、边缘节点的信息数据融合以及数据分享：无人机集群中的各无人机采用不同的数据处理方式，将传感器数据处理后发送到边缘节点进行数据融合，并将融合后的数据反向传输到集群内各无人机进行共享决策，同时将融合后的数据传输到地面指挥控制中心。
进一步地，第一步所述无人机集群各平台初始化及工作模式设置：根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式，具体如下：
步骤1.1：假设无人机集群中共有m架无人机，为每个无人机xi进行初始化参数分配，i＝1,2,...,m，计算集群内每个无人机传输每帧图像所产生的数据量si、每秒传输的帧数t，传输高清图像所需平均带宽
步骤1.2：计算并选择当前无人机可采用数据处理方式，设每个无人机的平均带宽为
a)
b)
c)
进一步地，第二步所述无人机执行任务时的状态协同感知和本地处理决策的动态调整：集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，确定不同无人机的数据处理方式，具体如下：
步骤2.1：无人机集群内的各无人机平台状态感知设置，每个无人机xi维护一个集群内平台信息表，包括集群内各无人机xi的相关参数
步骤2.2：集群内无人机状态收集，每个无人机采用设定时间间隔发送当前无人机状态参数，同时接受来自集群内其它无人机的状态参数，并写入本地维护的集群内平台信息表；所述状态参数对应平台信息表中的每个参数项；
步骤2.3：传感器数据处理决策生成：
①若平均带宽满足
②若平均带宽满足
进一步地，对于步骤2.3中平均带宽满足
即无法满足所有无人机均传输高清图的情况，此时在部分无人机上对图像进行语义分割，产生轮廓图；
假设可传输高清图的无人机个数为a个，可传输轮廓图的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值获得可传输高清图的无人机个数和传输轮廓图的无人机个数；
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取；
每个无人机根据排序值，依次从大到小选取a个无人机采用直接将传感器获取图像生成高清图进行传输，剩下的m-a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输。
进一步地，对于步骤2.3中平均带宽满足
即无法满足所有无人机均传输轮廓图的情况，此时在部分无人机上对图像进行语义分割，产生轮廓图，而其它无人机对图像进行目标识别，产生目标识别数据；
假设可传输轮廓图的无人机个数为a个，可传输目标识别数据的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值获得可传输轮廓图的无人机个数和传输目标识别数据的无人机个数；
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取；
每个无人机根据排序值，依次从大到小选取a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输，剩下的m-a个采用目标识别，将传感器获取图像处理为目标识别的数据进行传输。
本发明与现有技术相比，其显著优点为：(1)系统的鲁棒性和抗毁性好，各无人机采用的分布式决策及传感器数据处理方式均可在本机完成；(2)信息传输效率高，发送传感器数据的处理方式根据带宽以及集群内各无人机状态进行决策，传输的数据信息在信道发送时能够最大化的利用信道带宽，提升了信道利用率；(3)无人机本地信息处理动态调整策略，根据权重排序方式判定哪些无人机平台采用进行本机信息数据处理(如图像分割、目标识别)，哪些平台仅传输传感器采集图像编码后的高清图，处理方式动态可调。
附图说明
图1为现有无人机集群协同侦查的处理方式示意图。
图2为无人机集群协同感知的自适应数据处理方法流程图。
图3为基于分布式决策的无人机集群传感器数据处理决策流程图。
具体实施方式
为了便于对本发明的理解，对以下技术术语进行说明：
边缘节点：无人机集群系统中的边缘节点是距离集群中各无人机节点信息传输较近的计算能力强的信息处理与分发平台，在形式上可以是集群内某一功能较强的无人机或者是某个地面处理单元，通过网络与无人机集群互联互通。
本发明提供一种基于分布式协作的传感器信息处理方法，步骤如下：
第一步、无人机集群各平台初始化及工作模式设置：根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式；
第二步、无人机执行任务时的状态协同感知和本地处理决策的动态调整：集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，确定不同无人机的数据处理方式；
第三步、边缘节点的信息数据融合以及数据分享：无人机集群中的各无人机采用不同的数据处理方式，将传感器数据处理后发送到边缘节点进行数据融合，并将融合后的数据反向传输到集群内各无人机进行共享决策，同时将融合后的数据传输到地面指挥控制中心。
进一步地，第一步所述无人机集群各平台初始化及工作模式设置：根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式，具体如下：
步骤1.1：假设无人机集群中共有m架无人机，为每个无人机xi进行初始化参数分配，i＝1,2,...,m，计算集群内每个无人机传输每帧图像所产生的数据量si、每秒传输的帧数t，传输高清图像所需平均带宽
步骤1.2：计算并选择当前无人机可采用数据处理方式，设每个无人机的平均带宽为
a)
b)
c)
进一步地，第二步所述无人机执行任务时的状态协同感知和本地处理决策的动态调整：集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，确定不同无人机的数据处理方式，具体如下：
步骤2.1：无人机集群内的各无人机平台状态感知设置，每个无人机xi维护一个集群内平台信息表，包括集群内各无人机xi的相关参数
步骤2.2：集群内无人机状态收集，每个无人机采用设定时间间隔发送当前无人机状态参数，同时接受来自集群内其它无人机的状态参数，并写入本地维护的集群内平台信息表；所述状态参数对应平台信息表中的每个参数项；
步骤2.3：传感器数据处理决策生成：
①若平均带宽满足
②若平均带宽满足
进一步地，对于步骤2.3中平均带宽满足
即无法满足所有无人机均传输高清图的情况，此时在部分无人机上对图像进行语义分割，产生轮廓图；
假设可传输高清图的无人机个数为a个，可传输轮廓图的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值获得可传输高清图的无人机个数和传输轮廓图的无人机个数；
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取；
每个无人机根据排序值，依次从大到小选取a个无人机采用直接将传感器获取图像生成高清图进行传输，剩下的m-a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输。
进一步地，对于步骤2.3中平均带宽满足
即无法满足所有无人机均传输轮廓图的情况，此时在部分无人机上对图像进行语义分割，产生轮廓图，而其它无人机对图像进行目标识别，产生目标识别数据；
假设可传输轮廓图的无人机个数为a个，可传输目标识别数据的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值获得可传输轮廓图的无人机个数和传输目标识别数据的无人机个数；
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取；
每个无人机根据排序值，依次从大到小选取a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输，剩下的m-a个采用目标识别，将传感器获取图像处理为目标识别的数据进行传输。
采用本发明所描述的方案，无人机集群在完成初始化通信带宽分配等参数的配置后，组网并执行任务。此时，集群内每个无人机在网内定时收集来自其它无人机的状态信息，实现状态感知，各无人机平台在本地维护网内所有无人机状态表，分析其它集群内其它无人机状态，以此为基础生成本地传感器数据的处理决策。传感器数据通过本地无人机平台的图像处理(例如图像语义分割、目标识别等)，将处理后的数据信息发送到边缘节点进行数据融合，再在网内实现信息分享，提高侦查效率，同时边缘节点可以进行信息融合，并将融合后的各节点侦查信息送到地面指挥控制中心，以上过程如图2所示。
本发明具有以下特点：
①时变无线网络下不同信道带宽数据处理方式选择策略
集群内各无人机在初始化设置时即可根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式，优化了无人机在时变无线网络下的数据处理效率。
②通信网络变化下的自适应数据选择方法
集群内各无人机在执行任务时，能够根据网络等参数的变化，调整各无人机的传感器数据处理方式，最优化的利用通信带宽，平衡传感器数据的本机处理和在边缘节点的远程处理方式。
③分布式协作的传感器信息处理
集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，合理安排网内不同无人机的数据处理。分布式协作的鲁棒性和抗毁性好，不需要边缘节点集中处理判定各无人机的数据处理方式，提升了无人机集群的系统稳定性。
下面结合附图及实施例对本发明做进一步详细描述。
实施例
本实施例设计了一种基于分布式协作的无人机集群内的传感器数据处理决策，流程如图3所示。
(一)无人机集群各平台初始化及工作模式设置
步骤1：假设无人机集群中共有m架无人机，为每个无人机xi进行初始化参数分配，计算集群内每个无人机传输每帧图像所产生的数据量si、每秒传输的帧数t，传输高清图像所需平均带宽
步骤2：计算并选择当前无人机可采用数据处理方式，设每个无人机的平均带宽为
a)
b)
d)
(二)无人机执行任务时的状态协同感知和本地处理决策的动态调整
步骤1：无人机集群内的各无人机平台状态感知设置，每个无人机xi维护一个集群内平台信息表，包括集群内各无人机xi的相关参数
步骤2：集群内无人机状态收集，每个无人机定时(时间间隔可提前预置)发送当前无人机状态参数(对应平台信息表中的每个参数项)，同时接受来自集群内其它无人机的状态参数，并写入本地维护的集群内平台信息表。
步骤3：传感器数据处理决策生成，若带平均宽充足
步骤3.1：(平均带宽适中的情况)若当前总带宽满足以下条件:
即无法满足所有无人机均传输高清图的情况，此时可以在部分无人机上对图像进行语义分割，产生轮廓图。假设可传输高清图的无人机个数为a个，可传输轮廓图的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值可获得可传输高清图的无人机个数和传输轮廓图的无人机个数。
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取。每个无人机根据其排序值，依次从大到小选取a个无人机采用直接将传感器获取图像生成高清图进行传输，剩下的m-a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输。
步骤3.2：(平均带宽较小的情况)若当前总带宽满足以下条件:
即无法满足所有无人机均传输轮廓图的情况，此时可以在部分无人机上对图像进行语义分割，产生轮廓图，而其它无人机对图像进行目标识别，产生目标识别数据。假设可传输轮廓图的无人机个数为a个，可传输目标识别数据的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值可获得可传输轮廓图的无人机个数和传输目标识别数据的无人机个数。
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取。每个无人机根据其排序值，依次从大到小选取a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输，剩下的m-a个采用目标识别，将传感器获取图像处理为目标识别的数据进行传输。
(三)边缘节点的信息数据融合以及数据分享
无人机集群中的各无人机采用不同的数据处理方式，将传感器数据处理后发送到边缘节点进行数据融合，提升目标侦查效率，并将融合后的数据反向传输到集群内各无人机进行共享决策，同时将融合后的数据传输到地面指挥控制中心。
综上所述，本发明能够对无人机集群所组成的网络的通信情况和本地平台的计算能力进行分析，集群中的每个无人机节点都能通过群体感知获取本地的对传感器数据的处理方式，在无中心的架构下，协同对目标进行侦查，优化通信带宽和本地平台的计算能力使用效率，同时提高协同侦查的效率。
1.一种基于分布式协作的传感器信息处理方法，其特征在于，步骤如下：
第一步、无人机集群各平台初始化及工作模式设置：根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式；
第二步、无人机执行任务时的状态协同感知和本地处理决策的动态调整：集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，确定不同无人机的数据处理方式；
第三步、边缘节点的信息数据融合以及数据分享：无人机集群中的各无人机采用不同的数据处理方式，将传感器数据处理后发送到边缘节点进行数据融合，并将融合后的数据反向传输到集群内各无人机进行共享决策，同时将融合后的数据传输到地面指挥控制中心。
2.根据权利要求1所述的基于分布式协作的传感器信息处理方法，其特征在于，第一步所述无人机集群各平台初始化及工作模式设置：根据通信的总带宽和不同传感器数据处理占用的带宽，选择集群内各无人机的传感器数据处理方式，具体如下：
步骤1.1：假设无人机集群中共有m架无人机，为每个无人机xi进行初始化参数分配，i＝1,2,...,m，计算集群内每个无人机传输每帧图像所产生的数据量si、每秒传输的帧数t，传输高清图像所需平均带宽
步骤1.2：计算并选择当前无人机可采用数据处理方式，设每个无人机的平均带宽为
a)
b)
c)
3.根据权利要求2所述的基于分布式协作的传感器信息处理方法，其特征在于，第二步所述无人机执行任务时的状态协同感知和本地处理决策的动态调整：集群内的每个无人机均通过状态感知，维护本机的全网各无人机平台状态信息表，计算并排序本机处理的权重，确定不同无人机的数据处理方式，具体如下：
步骤2.1：无人机集群内的各无人机平台状态感知设置，每个无人机xi维护一个集群内平台信息表，包括集群内各无人机xi的相关参数
步骤2.2：集群内无人机状态收集，每个无人机采用设定时间间隔发送当前无人机状态参数，同时接受来自集群内其它无人机的状态参数，并写入本地维护的集群内平台信息表；所述状态参数对应平台信息表中的每个参数项；
步骤2.3：传感器数据处理决策生成：
①若平均带宽满足
②若平均带宽满足
4.根据权利要求3所述的基于分布式协作的传感器信息处理方法，其特征在于，对于步骤2.3中平均带宽满足
即无法满足所有无人机均传输高清图的情况，此时在部分无人机上对图像进行语义分割，产生轮廓图；
假设可传输高清图的无人机个数为a个，可传输轮廓图的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值获得可传输高清图的无人机个数和传输轮廓图的无人机个数；
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αi和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取；
每个无人机根据排序值，依次从大到小选取a个无人机采用直接将传感器获取图像生成高清图进行传输，剩下的m-a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输。
5.根据权利要求3所述的基于分布式协作的传感器信息处理方法，其特征在于，对于步骤2.3中平均带宽满足
即无法满足所有无人机均传输轮廓图的情况，此时在部分无人机上对图像进行语义分割，产生轮廓图，而其它无人机对图像进行目标识别，产生目标识别数据；
假设可传输轮廓图的无人机个数为a个，可传输目标识别数据的无人机个数为m-a个，则约束条件如下：
通过上述约束条件最大化a值获得可传输轮廓图的无人机个数和传输目标识别数据的无人机个数；
采用排序算法来配置集群内不同无人机获取传感器图像处理方式，计算每个无人机xi的排序值ri：
其中计算ri所需的参数αo和权重值ωi均通过步骤2中本地维护的集群内平台信息表进行获取；
每个无人机根据排序值，依次从大到小选取a个无人机采用语义分割将传感器获取图像处理为轮廓图进行传输，剩下的m-a个采用目标识别，将传感器获取图像处理为目标识别的数据进行传输。
技术总结