王娜娜 徐輝

摘要：在無人機(jī)和地面站通信交互的過程中，由于各方面因素，例如頻率不同步、傳輸延時(shí)等，可能會(huì)造成無人機(jī)采集到的數(shù)據(jù)在傳輸期間發(fā)生錯(cuò)誤，導(dǎo)致地面站接收到的數(shù)據(jù)有部分丟失。文章提出一種梯度下降優(yōu)化算法——梯度下降自適應(yīng)學(xué)習(xí)率算法（RMSPropwithNAG，RMSPN），對(duì)缺失數(shù)據(jù)集進(jìn)行曲線擬合，得到丟失數(shù)據(jù)的近似值，對(duì)缺失數(shù)據(jù)集進(jìn)行填補(bǔ)。實(shí)驗(yàn)結(jié)果證明了該方法曲線擬合效果良好，估計(jì)值與實(shí)際值誤差較小，算法可行性高。

關(guān)鍵詞：無人機(jī);數(shù)據(jù)缺失;梯度下降優(yōu)化算法;數(shù)據(jù)集;曲線擬合

中圖分類號(hào)：TP301.6 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）13-0270-03

1引言

無人機(jī)（unmanned Aerial Vehicle，UAV）是利用無線電遙控設(shè)備和自備的程序控制裝置的不載人飛機(jī)[無人機(jī)地面控制站（Ground Controll Center，QGC，簡(jiǎn)稱地面站）是一組對(duì)無人機(jī)發(fā)射和回收控制的設(shè)備，具有對(duì)無人機(jī)飛行平臺(tái)和任務(wù)載荷進(jìn)行監(jiān)控和操縱的能力。它的能力包括航跡規(guī)劃、視頻回放、實(shí)時(shí)監(jiān)測(cè)、實(shí)時(shí)或離線地圖、通信數(shù)據(jù)鏈等在內(nèi)，集控制、通信、數(shù)據(jù)處理于一體，是無人機(jī)系統(tǒng)的指揮控制中心。地面站設(shè)備可安裝在平板、手機(jī)或者電腦上。

無人機(jī)的數(shù)據(jù)鏈系統(tǒng)對(duì)遙控指令進(jìn)行準(zhǔn)確傳輸，具有無人機(jī)接收、發(fā)送信息的實(shí)時(shí)性和可靠性，能夠使信息及時(shí)有效的反饋，保證無人機(jī)順利、準(zhǔn)確的完成任務(wù)。無人機(jī)在空中向地面站發(fā)送數(shù)據(jù)時(shí)，數(shù)據(jù)量較大且要具備實(shí)時(shí)性，所以無人機(jī)在與地面站進(jìn)行數(shù)據(jù)通信一般采取UDP通信協(xié)議。但是由于UDP協(xié)議允許出現(xiàn)丟包的情況，這可能就導(dǎo)致地面站接收的數(shù)據(jù)與無人機(jī)控制中心發(fā)送的數(shù)據(jù)出現(xiàn)不一致的情況。這種情況的出現(xiàn)可能會(huì)對(duì)監(jiān)控人員在數(shù)據(jù)處理及分析過程中產(chǎn)生非常大的影響，甚至?xí)绊懙胶罄m(xù)工作相應(yīng)的決策。如果此時(shí)能夠?qū)θ笔?shù)據(jù)做出合理的估計(jì)，那將會(huì)大幅度提高接收到的數(shù)據(jù)的準(zhǔn)確性和可靠性。

2相關(guān)工作

目前在數(shù)據(jù)傳輸過程中針對(duì)數(shù)據(jù)缺失現(xiàn)象有以下幾種處理辦法：1）將帶有缺失值的樣本全部丟棄。這種方法一般不可行，除非缺失數(shù)據(jù)集相較于整個(gè)數(shù)據(jù)集非常小或者缺失數(shù)據(jù)非常大。2）使用一個(gè)全局常量或特征均值替換缺失值。3）建立預(yù)測(cè)模型對(duì)缺失值進(jìn)行學(xué)習(xí)，如利用回歸分析、多項(xiàng)式插值、貝葉斯估計(jì)、判定樹等方法，尋找最可能的值對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)。

本文采用梯度下降法對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練，得到缺失值的估計(jì)值，從而減少數(shù)據(jù)缺失對(duì)后續(xù)工作帶來的影響。

梯度下降算法可以總結(jié)為下面的問題：給出一個(gè)與參數(shù)θ有關(guān)的目標(biāo)函數(shù)Le，求得能夠使L最小的θ。針對(duì)此類問題，梯度下降算法通過不斷地向梯度負(fù)方向移動(dòng)參數(shù)θ求解。梯度下降算法作為機(jī)器學(xué)習(xí)中較為常用的優(yōu)化算法，其核心思想就是基于梯度，通過對(duì)樣本的不斷迭代和更新，使得最后得到的預(yù)測(cè)值最接近真實(shí)值。

梯度下降算法主要有三種，小批量梯度下降算法（Mini-Batch Gradient Descent，MBGD）批量梯度下降算法（Batch Gradi-ent Descent，BGD）以及隨機(jī)梯度下降算法（Stochastic GradientDescent，SGD）。這三種算法的主要區(qū)別在于使用多少數(shù)據(jù)來計(jì)算目標(biāo)函數(shù)的梯度。不同的方法主要在準(zhǔn)確性和優(yōu)化速度之間做權(quán)衡。但是如何選擇合適的學(xué)習(xí)率和學(xué)習(xí)率調(diào)整策略以及如何跳出最優(yōu)解，需要選擇合適的優(yōu)化算法解決_31。

目前常用的梯度下降算法的優(yōu)化算法有NAG、RM-SProp、Adadelta等。

3 RMSPN算法

3.1算法分析

文章提出的優(yōu)化算法結(jié)合了RMSProp和NAG的特點(diǎn)，既可以抑制動(dòng)蕩，加快學(xué)習(xí)效率，并且能夠解決深度過深時(shí)，訓(xùn)練便會(huì)提前結(jié)束的問題，同時(shí)該算法適合處理非平穩(wěn)目標(biāo)。RM-SPN采用RMSProp的特點(diǎn)，引入一個(gè)動(dòng)量衰減參數(shù)r，在每輪迭代中都讓r減少一定的比例。這種做法可以限制算法在垂直方向上的動(dòng)蕩，擴(kuò)大算法在水平方向上的步長(zhǎng)，加快算法收斂速度。同時(shí)，RMSPN如同NesterovAcceleratedGradient（NAG，涅斯捷羅夫梯度加速）一樣，引入一個(gè)動(dòng)量v（velocitvl，在面對(duì)某一面較為陡峭的目標(biāo)函數(shù)曲面時(shí)，RMSPN在計(jì)算梯度的同時(shí)，在損失函數(shù)中減去動(dòng)量項(xiàng)，這種計(jì)算方式預(yù)估了下一次參數(shù)所在的位置。這種做法可以阻止算法過快的更新，防止跳過最小值，這種做法在RNNs中有較好的工作效果。

RMSPN還隱式地應(yīng)用了模擬退火。在向最小值移動(dòng)的過程中，RMSPN會(huì)如同RMSProp一樣自動(dòng)降低步長(zhǎng)，以免跳過最小值。

3.2算法過程

從訓(xùn)練集中的隨機(jī)抽取一批容量為m的樣本{x1，x2，...xm}，以及相關(guān)的輸出yi，在每輪迭代中首先計(jì)算下降梯度g，根據(jù)梯度g和衰減速率p計(jì)算出新的衰減參數(shù)r，同時(shí)在迭代中更新動(dòng)量v，最后更新需要得到的參數(shù)θ。數(shù)據(jù)迭代在達(dá)到條件后停止。

4實(shí)驗(yàn)分析

文章算法在MATLAB2017環(huán)境下實(shí)現(xiàn)，使用數(shù)據(jù)集為無人機(jī)采集的真實(shí)數(shù)據(jù)。圖1-a為原始數(shù)據(jù)散點(diǎn)圖，圖1-b為缺失數(shù)據(jù)集散點(diǎn)圖，圖2-a為原始數(shù)據(jù)擬合圖，圖2-b為缺失數(shù)據(jù)集擬合圖。

從圖1可以看到，（b）相比較（a）中的數(shù)據(jù)缺失較多。

在圖2（a1中使用RMSPN算法，可以看出基本每個(gè)數(shù)據(jù)坐標(biāo)點(diǎn)都在算法得到的數(shù)據(jù)曲線上。在缺失數(shù)據(jù)集中使用RMsPN算法擬合的原始數(shù)據(jù)曲線坐標(biāo)圖如圖2fb）所示，可以明顯看出該數(shù)據(jù)曲線與圖2（a）效果相差較小，并且曲線光滑，基本覆蓋到了每個(gè)坐標(biāo)點(diǎn)，擬合效果較好。

5結(jié)論

無人機(jī)在向地面站傳輸數(shù)據(jù)時(shí)出現(xiàn)少傳錯(cuò)傳的情況可能會(huì)對(duì)數(shù)據(jù)處理及分析產(chǎn)生很大的影響。文章提出的優(yōu)化算法對(duì)缺失數(shù)據(jù)集進(jìn)行曲線擬合，得到丟失數(shù)據(jù)的近似值，對(duì)缺失數(shù)據(jù)集進(jìn)行填補(bǔ)，可以有效地降低這種影響。

實(shí)驗(yàn)證明該優(yōu)化算法能夠加快訓(xùn)練收斂速度，減少迭代時(shí)間，使得到的模擬曲線更加貼合原數(shù)據(jù)擬合曲線，估計(jì)值與真實(shí)值誤差較小，表明該方法具有可行性。