基于图自监督学习的分层无人机集群簇头检测
机器学习
2022-03-10 v1 人工智能
信号处理
摘要
本文研究具有多个无人机簇的两级无人机群网络（USNET）的簇头检测问题，其中低层跟随无人机（FUAV）相对于高层簇头无人机（HUAV）的固有跟随策略（IFS）未知。我们首先提出一种图注意力自监督学习算法（GASSL）来检测单个无人机簇的HUAV，同时GASSL可拟合该IFS。然后，为检测含多个无人机簇的USNET中的HUAV，我们基于GASSL开发了多簇图注意力自监督学习算法（MC-GASSL）。MC-GASSL通过基于门控循环单元（GRU）的度量学习方案对USNET聚类，并利用GASSL找出每个簇中的HUAV。数值结果表明，GASSL能以超过98%的平均准确率检测服从各类IFS的单无人机簇中的HUAV。仿真结果还显示，MC-GASSL对USNET的聚类纯度较传统聚类算法平均至少高出10%。此外，MC-GASSL能以低检测冗余高效检测具有不同IFS与簇数的USNET中的所有HUAV。
引用
@article{arxiv.2203.04311,
title = {Cluster Head Detection for Hierarchical UAV Swarm With Graph Self-supervised Learning},
author = {Zhiyu Mou and Jun Liu and Xiang Yun and Feifei Gao and Qihui Wu},
journal= {arXiv preprint arXiv:2203.04311},
year = {2022}
}