一种基于数据重要程度的无人机数据采集与补全方法

本发明涉及数据补全，强化学习，路径规划等，尤其涉及一种基于数据重要程度的无人机数据采集与补全方法

背景技术：

1、随着信息产业的发展，物联网将世界网络化、信息化，对传统的分离的物理世界和信息空间实现互连与整合，代表了未来网络的发展趋势。随着无线移动终端设备的爆炸式普及，物联网将通过利用这些普适的移动设备提供更大规模的、更复杂的、透彻而全面的感知服务，从而进入一个全新的发展时代。

2、随着便携式设备的爆炸式增长，移动群智感知成为一种很有前途的模式，它招募人群工作者在目标时间和地点执行各种传感任务。然而，在一些大型任务中，如环境监测、城市传感、空间众包等，大量的传感区域和长期连续的传感需求使得传统mcs要始终覆盖全图，消耗很大；同时，随着网络覆盖范围的进一步增加，对数据精度要求的进一步提高，进行测量数据的采集过程中，由于无人机飞行路径过长，采集数据时间也随之增长，造成消耗进一步增加。

3、近年来，稀疏群智感知因其低成本、高精度而越来越受到人们的关注。传统群智感知应用通常需要招募大量的参与者，以尽可能多地覆盖所有感知区域，从而提供细粒度且高质量的感知服务。然而，招募大量的参与者往往意味着需要增加成本，且仍无法保证覆盖所有感知区域。为此，有研究者提出了一种新颖的群智感知范式“稀疏群智感知”。稀疏群智感知仅需招募少量的参与者从部分感知区域采集数据，通过挖掘已感知数据的时空关联，准确地推断其他未感知区域的数据。与传统群智感知相比，稀疏群智感知大大降低了数据收集的总成本，却存在所采数据大量缺失的问题。

4、因此，为了以更低的感知成本获得更高质量的数据，稀疏群智感知需要解决两个关键问题：感知区域选择的合理性和未感知区域数据推断的准确性。

5、同时，在实际收集数据的过程中，无人机作为一种重要的数据收集工具，面临的问题是需要对其飞行轨迹进行规划，以减少飞行距离降低飞行成本，同时要保证收集的数据在经过数据恢复处理后，精度能够满足实际使用需求。

6、为解决上述问题，需要一种新的数据收集方法，在收集数据之前首先将时空区域与数据补全精度联系起来，以确定感知区域对数据补全的重要性，用于指导感知区域的选择；确定各个子区域的重要性之后，要使用无人机对目标区域数据进行收集，这个过程中解决无人机轨迹规划问题，保证在尽量减少路径长度以实现高效的数据采集的同时，收集足够满足使用要求的数据；收集数据工作结束之后，使用数据恢复算法对缺失数据进行恢复处理，充分保证数据的准确性。

技术实现思路

1、本发明提供了一种基于数据重要程度的无人机数据采集与补全方法，其目的在于，充分利用感知数据间的时空相关性减少采集区域的数量，即降低采样率，并通过使用缺失数据补全技术，在保证数据质量的前提下，从根本上解决数据采集成本过高的问题。

2、为实现上述目的，本发明采用以下技术方案：

3、本发明提出了一种基于强化学习的区域重要性评估方法来衡量何时何地收集数据对补全工作更有帮助。针对采集过程，提出了一种轨迹规划算法为无人机提供飞行轨迹。提出了一种数据补全算法，同时考虑缺失数据的时间和空间特征，来获得高准确度的补全数据。

4、与现有技术相比，本发明的优点在于：本发明充分利用数据间的时空相关性指导区域选择，保证了补全后数据的准确度，补全后的数据与原始数据间的误差处于实际使用的允许范围内。减少数据收集过程中无人机需要访问的区域数目的同时，可以减少收集过程中无人机飞行轨迹的长度。

技术特征：

1.一种基于数据重要程度的无人机数据采集与补全方法，其特征在于，包含三个主要过程：区域重要性的评价，无人机路径规划，数据补全。

2.根据权利要求1所述的方法，其特征在于，得到重要性高的目标区域的具体步骤如下：

3.根据权利要求1所述的方法，其特征在于，无人机路径规划的步骤如下：

4.根据权利要求1所述的方法，其特征在于，缺失数据补全的步骤如下：

技术总结本发明公开了一种基于数据重要程度的无人机数据采集与补全方法。利用无人机来采集指定区域的数据在军事与工业应用中有着重要的应用前景。为有效减少无人机采集数据的时间与采集成本，本发明提出了一种基于数据重要程度的无人机数据采集与补全方法。首先，采用强化学习利用历史数据辨识出数据区域的重要程度，以使得只需要采集这些重要区域的数据就能够恢复整个区域的数据以减少成本。然后，提出了一种无人机轨迹优化的算法以使得无人机飞行距离少而能够覆盖所有重要区域；最后，利用无人机采集的数据采用数据补全方法获得整个区域的数据。本发明方法能在保证数据准确度的前提下，实现降低采集成本的目标。技术研发人员：付宇受保护的技术使用者：中南大学技术研发日：技术公布日：2024/7/29