低空智能物联网中无人机轨迹与带宽分配：基于分层 DRL 的高效数据收集方法
计算工程、金融与科学
2026-05-25 v2
摘要
低空物联网（IoT）由无人机（UAV）支持，为地面感知网络提供高级实时监测和数据收集能力。为最大化来自分布式 IoT 节点的数据收集量，人工智能驱动的数据收集技术在实现智能决策方面发挥着关键作用。在此过程中，深度强化学习（DRL）受到尤其关注。然而，现有基于 UAV 的物联网数据收集 DRL 研究很少考虑干扰和动态数据容量问题，同时也面临高计算需求和收敛速度慢的挑战。为此，本文设计了一种分层 DRL（HDRL）以优化 UAV 轨迹和带宽分配，旨在最大化数据收集量。首先，所提出的场景包含干扰、IoT 节点的动态数据容量以及多种障碍物。整个任务在层次结构下展开：上层以较粗的时间粒度做飞行轨迹决策，而下层以较细的时间粒度做带宽分配决策。其次，本文提出了一种基于分层深度确定性策略梯度（TBH-DDPG）的轨迹和带宽分配优化算法。最后，仿真结果表明，所提算法相对于非分层算法，收敛速度提高了 44.44%，计算成本降低了 58.05%。
引用
@article{arxiv.2604.23132,
title = {UAV Trajectory and Bandwidth Allocation for Efficient Data Collection in Low-Altitude Intelligent IoT: A Hierarchical DRL Approach},
author = {Zhenjia Xu and Xiaoling Zhang and Nan Qi and Guangxu Zhu and Xiaojie Li and Luliang Jia},
journal= {arXiv preprint arXiv:2604.23132},
year = {2026}
}