面向低空经济的通感算一体化资源耦合配置研究

20251129

信息传输、软件和信息技术服务业

本成果处于系统级原型验证阶段，核心模型包括基于克拉美罗界的RIS波形与相移联合优化模型、联邦聚类强化学习资源分配算法、以及数字孪生驱动的无人机集群调度框架等，已完成理论建模、算法开发与仿真验证，具备可复用的算法代码库与模块化系统架构。本项目已完成理论验证与仿真平台测试，具备初步的工程适配能力。

1.资金需求：需合作方提供合理的转化资金，主要用于外场试验环境搭建、硬件原型系统开发、多场景实测数据采集、专利申请与知识产权布局等。2.场地与设备需求：需合作方提供具备低空试验资质的室外场地、高精度定位基站、频谱监测设备、以及符合低空通信协议标准的计算与通信硬件环境。3.人员需求：需合作方配备熟悉低空通信协议的嵌入式开发工程师、无人机飞控工程师、具备强化学习部署经验的人工智能算法工程师，共同开展系统集成与场景验证。

仅限国内转让

经济效益方面，可实现通信资源优化与人工调度成本的节约；社会效益方面，将提升低空管控效率，增强低空安全性，推动低空经济发展，探索了物流配送、城市巡查、应急通信等场景下的高可靠、低成本的通信感知一体化解决方向，促进低空数字化基础设施落地。

北京市自然科学基金本科生“启研”计划

北京市科学技术委员会;中关村科技园区管理委员会

在面向低空经济的通信、感知、计算一体化系统中，资源配置直接影响着无人机集群系统任务执行的能力，因此需要建立无人机集群通感算资源耦合动态配置机制，高效利用有限的系统资源。本项目期望达到系统通感性能与资源效率的更好平衡。围绕面向无人机集群的通感性能与资源效率联合评价方法，重点研究了基于克拉美罗界的感知性能优化理论、干扰环境下的信道知识地图构建与定位精度评估、以及高精度自定位与低开销通信的性能指标量化方法，为通信感知一体化效能与资源效率的综合评价提供了关键理论模型与量化指标。围绕基于多智能体深度强化学习的无人机集群系统增稳，研究了基于联邦聚类强化学习的分布式资源分配机制，通过多智能体协同决策与隐私保护下的模型训练，实现了在动态干扰环境中无人机集群的可靠通信与稳定感知，显著提升了系统在高机动场景中的抗干扰能力与整体稳定性。围绕基于多层次无人机集群调度的通感算资源提效，重点探索了数字孪生赋能的无人机轨迹优化与任务分区调度、以及基于元强化学习的编码效率优化方法，实现了在部分已知环境中无人机角色的动态划分、资源负载均衡与传输开销降低，提升了通感算资源的整体利用效率与系统可扩展性。