摘 要：無人機(jī)（Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ，ＵＡＶ） 集群通信已經(jīng)成為無人機(jī)技術(shù)領(lǐng)域備受關(guān)注的研究方向。盡管在這方面已經(jīng)取得了一定的進(jìn)展，但不可忽視的是仍存在一些尚未深入探討的通信問題。因此針對無人機(jī)集群通信的研究對于提高無人機(jī)集群的協(xié)同能力、感知能力、決策和規(guī)劃能力，增強(qiáng)系統(tǒng)的魯棒性和安全性，推動(dòng)技術(shù)發(fā)展和應(yīng)用創(chuàng)新具有重要意義。介紹了無人機(jī)集群的概念及其優(yōu)點(diǎn)；對當(dāng)前的無人機(jī)集群研究現(xiàn)狀進(jìn)行了詳盡的分析；詳細(xì)介紹了近年來與無人機(jī)集群通信相關(guān)的應(yīng)用場景，深入探討了這些典型應(yīng)用中需要解決的關(guān)鍵技術(shù)；對未來無人機(jī)集群通信技術(shù)的發(fā)展趨勢進(jìn)行了前瞻性展望。

關(guān)鍵詞：無人機(jī)集群通信；集群應(yīng)用；信號(hào)增強(qiáng)；移動(dòng)邊緣計(jì)算；聯(lián)邦學(xué)習(xí)；物理層安全

中圖分類號(hào)：Ｖ２７９；ＴＮ９１５． ０ 文獻(xiàn)標(biāo)志碼：Ａ 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０７－１６２２－１２

０ 引言

近年來，隨著無人機(jī)制造技術(shù)的不斷進(jìn)步和成本的逐漸降低，無人機(jī)已經(jīng)成為公眾廣泛擁有和使用的技術(shù)工具。無人機(jī)因靈活性高、按需部署、網(wǎng)絡(luò)速度快以及視距（Ｌｉｎｅ ｏｆ Ｓｉｇｈｔ ，ＬｏＳ）信息傳輸?shù)泉?dú)特優(yōu)勢而備受關(guān)注，成為無線通信領(lǐng)域的新興熱點(diǎn)［１］。然而，單個(gè)無人機(jī)受限于其機(jī)載能量和傳輸功率，以及通信能力相對薄弱，再加上無線網(wǎng)絡(luò)的開放性，可能導(dǎo)致服務(wù)時(shí)間不足、覆蓋范圍有限等問題，引發(fā)通信安全性方面的擔(dān)憂。因單一無人機(jī)在應(yīng)用過程中受限于自身?xiàng)l件，難以應(yīng)對日益復(fù)雜和多樣化的應(yīng)用環(huán)境及任務(wù)。因此，通過多架無人機(jī)的相互配合，可以進(jìn)一步形成無人機(jī)集群，從而能夠執(zhí)行更為復(fù)雜的測量、監(jiān)測和監(jiān)視等任務(wù)［２］。

無人機(jī)集群是指多個(gè)無人機(jī)在共同的任務(wù)或目標(biāo)下進(jìn)行協(xié)同行動(dòng)的一種組織形式。通過無人機(jī)之間的相互通信和協(xié)調(diào)，集群可以以分布式或協(xié)同的方式完成一系列復(fù)雜的任務(wù)。無人機(jī)集群概念［３］的提出及發(fā)展有效解決了單個(gè)無人機(jī)作業(yè)時(shí)載荷相對較小、信息感知處理能力相對較弱的問題。在這個(gè)系統(tǒng)中，無人機(jī)集群不是多無人機(jī)間的簡單編隊(duì)，而是通過必要的控制策略使之產(chǎn)生集群協(xié)同效應(yīng)，從而具備執(zhí)行復(fù)雜多變、危險(xiǎn)任務(wù)的能力［４］。然而，在無人機(jī)集群中實(shí)現(xiàn)自組織通信面臨著一系列挑戰(zhàn)，尤其是在無人機(jī)數(shù)量龐大的情況下。無人機(jī)的高度機(jī)動(dòng)性可能導(dǎo)致通信鏈路的頻繁變化；如果所有無人機(jī)都同時(shí)與地面節(jié)點(diǎn)或衛(wèi)星進(jìn)行通信，將帶來昂貴的通信成本，因?yàn)榛爻替溌焚Y源是有限的。為了應(yīng)對這一挑戰(zhàn)，文獻(xiàn)［５］引入了簇的概念，以有效地提高大規(guī)模無人機(jī)集群的性能。在一個(gè)無人機(jī)集群中可以進(jìn)一步劃分為幾個(gè)簇，通過采用適當(dāng)設(shè)計(jì)的集群方案來有效提高大型無人機(jī)集群的性能，簇頭無人機(jī)負(fù)責(zé)轉(zhuǎn)發(fā)從自己的成員無人機(jī)處收集的信息［２］。

利用無人機(jī)集群進(jìn)行通信不僅能通過各個(gè)無人機(jī)之間的緊密協(xié)作來有效提升載荷能力和信息處理能力，而且具有高度的自愈能力和強(qiáng)大的魯棒性。與單無人機(jī)輔助的無線通信相比，無人機(jī)集群通信具有以下優(yōu)點(diǎn)：

① 高效性：無人機(jī)集群通信可以實(shí)現(xiàn)快速、可靠的數(shù)據(jù)傳輸，避免了傳統(tǒng)通信方式中可能出現(xiàn)的信號(hào)干擾、傳輸延遲等問題。

② 靈活性：無人機(jī)集群通信可以根據(jù)需要自由調(diào)整通信網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，以適應(yīng)不同的任務(wù)需求。

③ 覆蓋范圍廣：無人機(jī)集群通信可以通過增加或減少無人機(jī)節(jié)點(diǎn)的數(shù)量來擴(kuò)大或縮小通信覆蓋范圍，可以應(yīng)對不同的通信需求。

④ 可靠性高：由于無人機(jī)集群通信可以實(shí)現(xiàn)多路徑傳輸和多節(jié)點(diǎn)冗余，因此可以提高通信系統(tǒng)的可靠性和魯棒性。

⑤ 適應(yīng)性強(qiáng)：無人機(jī)集群通信可以通過自主協(xié)調(diào)和動(dòng)態(tài)調(diào)整節(jié)點(diǎn)位置、通信頻率等方式，適應(yīng)不同的環(huán)境和任務(wù)需求。

⑥ 安全性高：無人機(jī)集群通信可以采用加密和身份驗(yàn)證等安全措施，確保通信數(shù)據(jù)的安全性和機(jī)密性。

綜上所述，無人機(jī)集群通信具備執(zhí)行更為復(fù)雜任務(wù)的潛力，且被視為未來一代網(wǎng)絡(luò)的重要支柱。

已有相關(guān)綜述文獻(xiàn)對無人機(jī)集群通信進(jìn)行了深入探討。無人機(jī)集群具有為許多無人機(jī)分配任務(wù)和協(xié)同調(diào)度的潛力。對無人機(jī)間通信和協(xié)調(diào)能力的研究是推進(jìn)無人機(jī)集群效用的核心。Ｙａｏ等［６］認(rèn)為，控制和通信是無人機(jī)集群實(shí)現(xiàn)自主合作的２ 個(gè)關(guān)鍵要素，并對二者之間的關(guān)系進(jìn)行了討論，提出了面向任務(wù)的控制與通信集成（Ｔａｓｋ-ｏｒｉｅｎｔｅｄ Ｉｎｔｅｇｒａｔｉｏｎ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｃｏｎｔｒｏｌ，ＴｏＩＣＣ）框架，旨在提高無人機(jī)集群通信合作效率。在研究無人機(jī)集群中的通信與控制問題時(shí)，同時(shí)也需要考慮其中復(fù)雜的耦合約束的挑戰(zhàn)。對此，Ｋｈａｎ 等［１］重點(diǎn)探討了運(yùn)行于６Ｇ 移動(dòng)網(wǎng)絡(luò)中的無人機(jī)集群所面臨的安全與隱私、智能和能效問題?？紤]到動(dòng)態(tài)不確定的環(huán)境和復(fù)雜任務(wù)的特性，無人機(jī)系統(tǒng)向集群、自主和群智能的發(fā)展方向勢在必行。在文獻(xiàn)［７］中，研究者針對無人機(jī)集群智能從層次框架的角度進(jìn)行了全面的調(diào)研，并將無人機(jī)群智能的研究劃分為決策層、路徑規(guī)劃層、控制層、通信層和應(yīng)用層５ 個(gè)層次。文獻(xiàn)［８］綜合了近年來不同的通信場景，并對無人機(jī)集群通信架構(gòu)和路徑規(guī)劃解決方案進(jìn)行了總結(jié)。

１ 無人機(jī)集群通信的應(yīng)用

無人機(jī)集群作為一種新興的技術(shù)，由于具有高度的可控性、靈活性和可擴(kuò)展性，可以在不同的應(yīng)用場景中發(fā)揮出卓越的作用，進(jìn)一步刺激了無人機(jī)集群在通信中的應(yīng)用，包括信號(hào)增強(qiáng)和移動(dòng)邊緣計(jì)算（Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ，ＭＥＣ）、聯(lián)邦學(xué)習(xí)（ＦｅｄｅｒａｔｅｄＬｅａｒｎｉｎｇ，ＦＬ）和物理層安全。無人機(jī)集群通信的應(yīng)用場景如圖１ 所示。無人機(jī)集群相關(guān)研究的綜合比較如表１ 所示。

１． １ 無人機(jī)集群輔助信號(hào)增強(qiáng)

無人機(jī)集群可用于增強(qiáng)連通性較差地區(qū)或通信基礎(chǔ)設(shè)施受損的緊急情況下的通信網(wǎng)絡(luò)。無人機(jī)集群可以充當(dāng)中繼以擴(kuò)大通信網(wǎng)絡(luò)的覆蓋范圍，同時(shí)可以使用信號(hào)處理技術(shù)來提高信號(hào)質(zhì)量，圖１（ａ）展示了無人機(jī)集群輔助的信號(hào)增強(qiáng)場景。在該模型中，無人機(jī)集群旨在通過收集分布在不同空間位置的成員無人機(jī)所接收的信號(hào)，并將其傳輸至集中的簇頭無人機(jī)中，簇頭無人機(jī)再將接收到的信號(hào)發(fā)送給遠(yuǎn)程基站，從而增強(qiáng)信號(hào)的質(zhì)量和可靠性。通過對無人機(jī)集群中的無人機(jī)的軌跡優(yōu)化，以及簇頭選舉優(yōu)化實(shí)現(xiàn)無人機(jī)集群信號(hào)增強(qiáng)，可以實(shí)現(xiàn)對信號(hào)的廣播、中繼和增強(qiáng)。除此之外，無人機(jī)集群輔助的信號(hào)增強(qiáng)可以被應(yīng)用于包括應(yīng)急無線網(wǎng)絡(luò)、超越５Ｇ和６Ｇ 系統(tǒng)以及智能電網(wǎng)等場景［９］。

無人機(jī)集群因具備動(dòng)態(tài)自組織通信的能力而表現(xiàn)出高度靈活性，能夠在許多通信質(zhì)量不佳的場景中實(shí)現(xiàn)信號(hào)增強(qiáng)。為了解決在干擾環(huán)境下的無人機(jī)集群通信信號(hào)匯聚率低的問題，文獻(xiàn)［２］采用了基于集群的網(wǎng)絡(luò)架構(gòu)來實(shí)現(xiàn)回程鏈路的高效傳輸，通過優(yōu)化無人機(jī)的軌跡，并結(jié)合聚類約束，以最大限度地提高集群簇頭無人機(jī)的匯聚率。在面對物聯(lián)網(wǎng)的連通性受到障礙限制時(shí)，具有高自由度和靈活性的無人機(jī)集群為解決連通性問題提供了一種新的途徑。文獻(xiàn)［１０］提出了３ 種無人機(jī)集群模式，并設(shè)計(jì)了用以增強(qiáng)無人機(jī)集群連通性的算法，實(shí)現(xiàn)了跨區(qū)域的網(wǎng)絡(luò)連接。此外，協(xié)同波束形成（ＣｏｌｌａｂｏｒａｔｉｖｅＢｅａｍｆｏｒｍｉｎｇ，ＣＢ）和可重構(gòu)智能表面（ＲｅｃｏｎｆｉｇｕｒａｂｌｅＩｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ，ＲＩＳ）與無人機(jī)集群的結(jié)合，增強(qiáng)了無人機(jī)集群的通信能力。在無人機(jī)集群使能ＣＢ中，文獻(xiàn)［１１］提出由多架無人機(jī)組成的虛擬天線陣列（Ｖｉｒｔｕａｌ Ａｎｔｅｎｎａ Ａｒｒａｙ，ＶＡＡ）可以通過調(diào)整無線電能量的空間分布來提高特定方向上的信號(hào)強(qiáng)度，從而提高無人機(jī)中繼系統(tǒng)的性能。ＲＩＳ 通過調(diào)整無源反射元件的振幅和／ 或相位來優(yōu)化信號(hào)反射，在無線網(wǎng)絡(luò)中提供了巨大的頻譜和能量效率。文獻(xiàn)［１２］提出ＲＩＳ 可以安裝在無人機(jī)上形成空中ＲＩＳ，并與無人機(jī)集群用戶同步飛行，為無人機(jī)集群用戶提供可靠的反射信號(hào)。

無人機(jī)集群輔助的信號(hào)增強(qiáng)在未來有很大的發(fā)展?jié)摿?，可以考慮利用空中無人機(jī)和地面基站之間的頻譜共享和合作來實(shí)現(xiàn)更高效的通信和數(shù)據(jù)傳輸。這種方式可以通過讓空中無人機(jī)和地面基站共享頻譜資源，從而提高頻譜利用率和數(shù)據(jù)傳輸速度。此外，空中無人機(jī)和地面基站之間的合作也可以進(jìn)一步提高通信和數(shù)據(jù)傳輸?shù)男?，例如通過無人機(jī)中繼、協(xié)同傳輸。

１． ２ 無人機(jī)集群輔助的ＭＥＣ

近年來，無人機(jī)集群輔助的ＭＥＣ 引起了極大關(guān)注［１３］，這種模式通過適當(dāng)利用網(wǎng)絡(luò)邊緣的計(jì)算資源，減少處理延遲，提高利用效率，可以顯著提高無人機(jī)支持的邊緣計(jì)算網(wǎng)絡(luò)的性能。無人機(jī)集群輔助的ＭＥＣ 是一種利用多個(gè)無人機(jī)構(gòu)成集群，群中的專用無人機(jī)配備了輔助數(shù)據(jù)處理的計(jì)算元件來協(xié)助本地?cái)?shù)據(jù)處理或通過非粒度加載（Ｆｉｎｅ-ｇｒａｉｎｅｄ Ｏｆｆ-ｌｏａｄｉｎｇ）的數(shù)據(jù)處理方式，協(xié)同完成計(jì)算任務(wù)和數(shù)據(jù)處理的技術(shù)。由于無人機(jī)集群的移動(dòng)性和自主性，無人機(jī)成為一種ＭＥＣ 節(jié)點(diǎn)的潛在選擇［１４］。無人機(jī)集群輔助的ＭＥＣ 具有很多優(yōu)點(diǎn)，可以解決大規(guī)模計(jì)算和數(shù)據(jù)處理的問題，提高通信效率和響應(yīng)速度，同時(shí)保證數(shù)據(jù)的安全性和隱私保護(hù)。通過相互協(xié)作，無人機(jī)集群輔助的ＭＥＣ 可以完成更復(fù)雜的任務(wù)。在無人機(jī)輔助的ＭＥＣ 網(wǎng)絡(luò)中，傳統(tǒng)的ＭＥＣ 基站仍然存在，當(dāng)固定基站受到自然災(zāi)害破壞時(shí)，無人機(jī)可以作為備用基站。在地面站控制的無人機(jī)飛行任務(wù)中，借助動(dòng)態(tài)軌跡，可以實(shí)現(xiàn)性能較好的計(jì)算卸載或緩存服務(wù)，如圖１（ａ）所示。在用戶設(shè)備－無人機(jī)－地面基站３ 層架構(gòu)中，對于用戶設(shè)備因?yàn)樽枞蚱渌驘o法將計(jì)算任務(wù)直接卸載到地面基站的服務(wù)器上的場景，用戶設(shè)備可以把計(jì)算密集型任務(wù)卸載到無人機(jī)上，或者通過無人機(jī)中繼將部分任務(wù)進(jìn)一步卸載到地面基站中計(jì)算能力更強(qiáng)的服務(wù)器上。

為了滿足５Ｇ 系統(tǒng)應(yīng)用中普遍存在的超低延遲服務(wù)需求，文獻(xiàn)［１５］提出了一個(gè)飛行自組織網(wǎng)絡(luò)（Ｆｌｙｉｎｇ Ａｄ-Ｈｏｃ Ｎｅｔｗｏｒｋ，ＦＡＮＥＴ），由配備ＭＥＣ 設(shè)施的無人機(jī)組成，以擴(kuò)展網(wǎng)絡(luò)切片（Ｎｅｔｗｏｒｋ Ｓｌｉｃｅｓ）。在所提出的框架下，使得位于遠(yuǎn)離結(jié)構(gòu)化核心網(wǎng)絡(luò)（Ｓｔｒｕｃｔｕｒｅｄ Ｃｏｒｅ Ｎｅｔｗｏｒｋ）［１６］的地理區(qū)域內(nèi)的地面設(shè)備產(chǎn)生的大量數(shù)據(jù)可以及時(shí)獲得計(jì)算服務(wù)。文獻(xiàn)［１７］研究了在車輛網(wǎng)絡(luò)中無人機(jī)集群輔助的ＭＥＣ 的場景，在這種場景中，將邊緣計(jì)算器安裝在無人機(jī)上，為用戶提供計(jì)算卸載，并提出了一種車輛網(wǎng)絡(luò)中的邊緣計(jì)算和無人機(jī)集群輔助協(xié)同任務(wù)卸載方案，保證車輛在峰值交通量中的實(shí)時(shí)需求。文獻(xiàn)［１８］研究了一個(gè)服務(wù)驅(qū)動(dòng)的協(xié)同ＭＥＣ 模型，以支持無人機(jī)集群中的計(jì)算密集型和延遲關(guān)鍵服務(wù)。文獻(xiàn)［１９］提出將ＭＥＣ 技術(shù)部署在無人機(jī)上，建立一個(gè)２ 層的無人機(jī)網(wǎng)絡(luò)來聯(lián)合優(yōu)化通信和計(jì)算資源，用于盡快將重要的和緊急的消息傳輸?shù)娇刂浦行?，通過提出的聯(lián)合通信和計(jì)算優(yōu)化算法實(shí)現(xiàn)了最優(yōu)響應(yīng)延遲。文獻(xiàn)［２０］介紹了目前的無人機(jī)集群輔助的邊緣計(jì)算的研究進(jìn)展，還討論了如非正交多址接入（Ｎｏｎ-Ｏｒｔｈｏｇｏｎａｌ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ，ＮＯＭＡ）這些應(yīng)用于無人機(jī)集群邊緣計(jì)算中的一些技術(shù)。文獻(xiàn)［２１］利用ＲＩＳ 來改善無人機(jī)和物聯(lián)網(wǎng)設(shè)備之間的無線通信，研究了一組無人機(jī)在不均勻地形上進(jìn)行ＭＥＣ 的路徑規(guī)劃和傳輸?shù)穆?lián)合問題。

雖然無人機(jī)集群輔助的ＭＥＣ 應(yīng)用展現(xiàn)出許多的優(yōu)勢，然而，也仍存在一些關(guān)鍵問題。首先，由于在無人機(jī)上安裝邊緣服務(wù)器，增加了無人機(jī)的負(fù)載和相關(guān)的能量消耗，從而進(jìn)一步縮短了無人機(jī)的續(xù)航時(shí)間；其次，將用戶的計(jì)算任務(wù)卸載到無人機(jī)上會(huì)導(dǎo)致無人機(jī)的計(jì)算相關(guān)能耗增加，而計(jì)算相關(guān)的能耗通常比通信消耗的能耗更大。因此，為了延長無人機(jī)的服務(wù)時(shí)長，需要設(shè)計(jì)一個(gè)節(jié)能的無人機(jī)集群輔助的ＭＥＣ 系統(tǒng)，通過對通信資源分配策略和無人機(jī)飛行軌跡優(yōu)化，文獻(xiàn)［２２ －２３］解決了無人機(jī)集群輔助的邊緣計(jì)算系統(tǒng)中的能耗問題，使得無人機(jī)集群輔助的邊緣計(jì)算能夠在實(shí)際應(yīng)用中面對能耗挑戰(zhàn)具備可行性。

１． ３ 無人機(jī)集群輔助的ＦＬ

隨著物聯(lián)網(wǎng)的蓬勃發(fā)展，許多的應(yīng)用數(shù)據(jù)也爆炸式增長［１９］，而ＦＬ 就是在這樣的背景下，成為了一種實(shí)現(xiàn)數(shù)據(jù)隱私保護(hù)的機(jī)器學(xué)習(xí)技術(shù)。ＦＬ 能夠允許多個(gè)設(shè)備在不共享原始數(shù)據(jù)的情況下協(xié)作訓(xùn)練模型。然而，ＦＬ 存在通信鏈路故障和節(jié)點(diǎn)缺失的問題，特別是在需要連續(xù)交換模型參數(shù)的時(shí)候。在無人機(jī)集群輔助的ＦＬ 模式中，無人機(jī)集群可以作為無線中繼，以促進(jìn)物聯(lián)網(wǎng)組件和ＦＬ 服務(wù)器之間的通信，彌補(bǔ)ＦＬ 的存在鏈路故障和節(jié)點(diǎn)缺失的不足，從而提高ＦＬ 的精度。

無人機(jī)集群輔助的ＦＬ，可以提高ＦＬ 的準(zhǔn)確性和效率，同時(shí)保護(hù)數(shù)據(jù)的隱私。圖１（ｃ）描述了由一個(gè)云端的ＦＬ 服務(wù)器和無人機(jī)集群組成的無人機(jī)集群輔助的ＦＬ 場景。該場景中無人機(jī)作為中繼設(shè)備，可以在任何需要時(shí)快速部署到指定的區(qū)域，云端ＦＬ 服務(wù)器作為ＦＬ 模型的所有者，向群中的無人機(jī)發(fā)出訓(xùn)練任務(wù)，群中的無人機(jī)如果具備數(shù)據(jù)處理能力可以根據(jù)收集到的地面的信息進(jìn)行模型訓(xùn)練或者將信息反饋給地面設(shè)備，地面設(shè)備會(huì)根據(jù)收集到的本地?cái)?shù)據(jù)集進(jìn)行模型訓(xùn)練，之后將本地模型參數(shù)通過無人機(jī)直接發(fā)給云端服務(wù)器進(jìn)行模型聚合，得到全局ＦＬ 模型，然后，模型所有者將進(jìn)行另一輪ＦＬ訓(xùn)練并向其他群中的無人機(jī)宣布全局ＦＬ 模型參數(shù)。該過程繼續(xù)進(jìn)行，直到達(dá)到模型所有者宣布的迭代次數(shù)。

ＦＬ 為一種分布式機(jī)器學(xué)習(xí)，無人機(jī)集群能夠形成一個(gè)群體進(jìn)行分布式模型訓(xùn)練。基于無人機(jī)集群ＦＬ 的研究理論架構(gòu)和仿真的研究基礎(chǔ)，文獻(xiàn)［２４］通過實(shí)際實(shí)驗(yàn)重點(diǎn)驗(yàn)證了在無人集群中部署ＦＬ 的可行性。此外，還進(jìn)一步探討了訓(xùn)練節(jié)點(diǎn)無人機(jī)與參數(shù)服務(wù)器無人機(jī)之間的距離變化對訓(xùn)練精度的影響。無人機(jī)作為能量受限的設(shè)備，在節(jié)能方面，Ｓｈｅｎ等［２５］研究了如何通過聯(lián)合優(yōu)化訓(xùn)練和網(wǎng)絡(luò)資源分配來提升無人機(jī)集群輔助ＦＬ 的無人機(jī)能源利用效率。Ｓｏｎｇ 等［２６］研究了如何通過聯(lián)合優(yōu)化相對位置固定的無人機(jī)集群中無人機(jī)的計(jì)算速率、上行鏈路傳輸持續(xù)時(shí)間和下行鏈路傳輸持續(xù)時(shí)間來最小化每輪ＦＬ 迭代的延遲。Ｗｅｎ 等［２７］研究通過無人機(jī)連接調(diào)度和無線資源的分配，在計(jì)算精度、通信和計(jì)算資源限制下，通過同時(shí)進(jìn)行的無線信息和功率傳輸（Ｓｉｍｕｌｔａｎｅｏｕｓ Ｗｉｒｅｌｅｓｓ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｐｏｗｅｒ Ｔｒａｎｓｆｅｒ，ＳＷＩＰＴ），保證面向ＦＬ 的無人機(jī)集群網(wǎng)絡(luò)長時(shí)間運(yùn)行。此外，無人機(jī)集群也可以和ＮＯＭＡ 結(jié)合來輔助ＦＬ，文獻(xiàn)［２６］提出一個(gè)ＮＯＭＡ ＦＬ 框架，提高了交付本地模型的效率。文獻(xiàn)［２８］考慮到了無人機(jī)的機(jī)動(dòng)性，尤其是相對位置變動(dòng)對ＦＬ 性能的影響，因此，通過聯(lián)合優(yōu)化ＦＬ 訓(xùn)練參數(shù)、無人機(jī)軌跡、通信和計(jì)算資源的方式降低損耗，進(jìn)一步提高了系統(tǒng)的整體效能。

無人機(jī)集群輔助的ＦＬ 是一個(gè)具有巨大潛力的研究領(lǐng)域，結(jié)合了無人機(jī)技術(shù)和ＦＬ 的優(yōu)勢。盡管以上研究彌補(bǔ)了無人機(jī)輔助ＦＬ 的諸多不足，但在學(xué)習(xí)訓(xùn)練中仍存在資源有限與模型精度之間的權(quán)衡問題，以及模型可靠性和魯棒性等諸多關(guān)鍵的挑戰(zhàn)。因此，必須啟動(dòng)新的研究，以設(shè)計(jì)出能夠充分考慮無線網(wǎng)絡(luò)約束的高效ＦＬ 算法，同時(shí)確保學(xué)習(xí)模型的準(zhǔn)確性。在這一過程中，應(yīng)特別注意以下幾個(gè)權(quán)衡：① 需要平衡計(jì)算和通信延遲與模型學(xué)習(xí)精度之間的關(guān)系。如何在有限的計(jì)算和通信資源下，實(shí)現(xiàn)模型學(xué)習(xí)精度的最大化，是需要深入探索的問題。② 需關(guān)注執(zhí)行本地訓(xùn)練所需的計(jì)算與用戶能源消耗之間的平衡。如何在保證學(xué)習(xí)效果的同時(shí)，降低能源消耗，提高能源利用效率，也是需要重點(diǎn)考慮的問題。此外，復(fù)雜頻譜環(huán)境對無人機(jī)之間通信的影響也不容忽視。需要研究如何在這樣的環(huán)境下，提高面向ＦＬ 無人機(jī)網(wǎng)絡(luò)的穩(wěn)定性［２９－３０］，確保數(shù)據(jù)的可靠傳輸和模型的有效學(xué)習(xí)。

１． ４ 無人機(jī)集群輔助的物理層安全

物理層安全是一種通過利用信道特性來隱藏信息，從而在信息理論層面上保證安全能力的有效方法，主要目標(biāo)是阻止未經(jīng)授權(quán)的接收者從信號(hào)中解碼出足夠強(qiáng)大的信息，從而使竊聽者無法獲取該信息［３０］。如圖１（ｄ），在這個(gè)系統(tǒng)模型中，考慮一個(gè)協(xié)作友好干擾框架，其中包含一個(gè)用于聯(lián)系遠(yuǎn)處的地面用戶的地面基站，一群無人機(jī)和一些地面竊聽者。為了保持通信，一部分無人機(jī)充當(dāng)中繼負(fù)責(zé)將地面基站的消息傳遞給地面的合法用戶，而地面存在的一些竊聽者，會(huì)竊聽來自通信無人機(jī)發(fā)給地面用戶的信息。為了維持安全通信，另一群無人機(jī)充當(dāng)友好干擾無人機(jī)向地面的竊聽者發(fā)送人工噪聲（Ａｒｔｉ-ｆｉｃｉａｌ Ｎｏｉｓｅ，ＡＮ）的干擾信號(hào)。此外，無人機(jī)集群作為通信的載體，確保了飛行的穩(wěn)定性和靈活性，可以通過優(yōu)化無人機(jī)集群的軌跡以滿足合法通信用戶的需求。同時(shí)，友好干擾的無人機(jī)集群可以跟蹤潛在的竊聽者，并向其持續(xù)發(fā)送干擾信號(hào)，以確保通信的持續(xù)安全性。

文獻(xiàn)［３１］提出了一個(gè)協(xié)作友好的干擾框架，用于無人機(jī)集群輔助的放大－轉(zhuǎn)發(fā)（Ａｍｐｌｉｆｙ-ａｎｄ-Ｆｏｒ-ｗａｒｄ，ＡＦ）中繼網(wǎng)絡(luò)。模型中考慮了一群懸停的無人機(jī)，它將信息從一個(gè)地面源傳遞到一個(gè)遙遠(yuǎn)的目的地，并同時(shí)產(chǎn)生友好的干擾信號(hào)來干擾竊聽者。文獻(xiàn)［３２］從物理層安全的角度，提出了一種有效的協(xié)同傳輸方案，其中無人機(jī)集群中的多個(gè)無人機(jī)作為地面用戶之間的多跳中繼轉(zhuǎn)發(fā)信息，而其他無人機(jī)作為友好干擾器干擾地面竊聽者。文獻(xiàn)［３３］基于竊聽者的位置已知，無人機(jī)集群跟蹤竊聽者的運(yùn)動(dòng)，以干擾其接收到的信號(hào)，同時(shí)最大限度地提高主接收者的保密率。文獻(xiàn)［３４］探討了部署無人機(jī)集群的物理層安全的權(quán)衡。通過研究竊聽者未知的無人機(jī)集群的網(wǎng)格形成，以最大限度地提高保密率。ＣＢ 與無人機(jī)集群的結(jié)合也能實(shí)現(xiàn)物理層安全，文獻(xiàn)［３５］提出多架無人機(jī)可以通過ＣＢ 構(gòu)成一個(gè)ＶＡＡ，通過精心設(shè)計(jì)無人機(jī)的位置和激勵(lì)電流權(quán)重，從而優(yōu)化生成的波束模式。實(shí)現(xiàn)主波束指向目的地，將無效或低強(qiáng)度信號(hào)指向竊聽者，從而實(shí)現(xiàn)空對地或空對空通信的物理層安全。

目前，針對無人機(jī)集群通信的物理層安全研究存在一些限制，主要表現(xiàn)在研究場景的局限性，大多數(shù)研究仍停留在非動(dòng)態(tài)場景下，且假設(shè)竊聽者的位置是已知的。此外，現(xiàn)有的研究中通常采用基于確定狀態(tài)的信道模型。這些限制對于滿足實(shí)際動(dòng)態(tài)場景中的實(shí)時(shí)通信需求構(gòu)成了重大挑戰(zhàn)。因此，在未來，可以在考慮物聯(lián)網(wǎng)環(huán)境的動(dòng)態(tài)和竊聽者的不確定性的同時(shí)，利用群智能的最新進(jìn)展來優(yōu)化無人機(jī)集群的軌跡。通過考慮不同的信道模型、未知節(jié)點(diǎn)的位置和實(shí)時(shí)通信等因素，可以進(jìn)一步設(shè)計(jì)基于深度強(qiáng)化學(xué)習(xí)的算法來擴(kuò)展新的協(xié)同無人機(jī)集群方案。

２ 無人機(jī)集群通信關(guān)鍵技術(shù)

無人機(jī)集群通信是指多架無人機(jī)之間建立起相互之間的通信網(wǎng)絡(luò)，實(shí)現(xiàn)信息共享和控制指令傳輸，以協(xié)同完成復(fù)雜任務(wù)。要實(shí)現(xiàn)無人機(jī)集群通信，涉及多種關(guān)鍵技術(shù)的支持。本節(jié)將重點(diǎn)介紹無人機(jī)集群通信的關(guān)鍵技術(shù)，包括ＮＯＭＡ 技術(shù)、ＲＩＳ 技術(shù)、ＣＢ技術(shù)和航跡規(guī)劃技術(shù)。這些技術(shù)支持是無人機(jī)集群通信的基礎(chǔ)，為實(shí)現(xiàn)無人機(jī)集群的高效協(xié)同工作提供了強(qiáng)有力的保障。下面將逐一介紹這些對于解決前文中無人機(jī)集群通信場景中實(shí)際問題的關(guān)鍵技術(shù)。

２． １ ＮＯＭＡ 技術(shù)

由于高級(jí)多媒體應(yīng)用程序（如超高清視頻、虛擬現(xiàn)實(shí)等）所帶來的無線容量需求的快速升級(jí)，同時(shí)，物聯(lián)網(wǎng)對用戶訪問的需求急劇增加，５Ｇ 網(wǎng)絡(luò)在支持大規(guī)模的異構(gòu)數(shù)據(jù)流量方面也面臨著挑戰(zhàn)。在無人機(jī)集群輔助的邊緣計(jì)算中提到ＮＯＭＡ 是解決通信問題的關(guān)鍵技術(shù)之一［２０］。ＮＯＭＡ 是一種很有前景的技術(shù)，通過在同一正交資源塊中容納多個(gè)用戶，從而解決了無人機(jī)集群中的挑戰(zhàn)［３４］。

ＮＯＭＡ 通過在接收端采用連續(xù)的干擾消除方法，可以顯著提高５Ｇ 和未來超５Ｇ 通信系統(tǒng)的頻譜效率。在用戶的信道條件具有足夠的多樣性的條件下，ＮＯＭＡ 能實(shí)現(xiàn)非常高的性能增益［２０］。近年來，ＮＯＭＡ 被廣泛研究并應(yīng)用于各種通信場景，包括無人機(jī)集群通信。ＮＯＭＡ 技術(shù)可以解決無人機(jī)蜂窩網(wǎng)絡(luò)面臨著一些瓶頸，如頻譜稀缺和有限的并發(fā)連接。ＮＯＭＡ 的關(guān)鍵思想是利用發(fā)射機(jī)的疊加編碼（Ｓｕ-ｐｅｒｐｏｓｉｔｉｏｎ Ｃｏｄｉｎｇ，ＳＣ）和接收機(jī)的連續(xù)干擾消除（Ｓｕｃｃｅｓｓｉｖｅ Ｉｎｔｅｒｆｅｒｅｎｃｅ Ｃａｎｃｅｌｌａｔｉｏｎ，ＳＩＣ）。這種技術(shù)使正交的資源塊（Ｒｅｓｏｕｒｃｅ Ｂｌｏｃｋ，ＲＢ）可以在多個(gè)用戶之間共享。文獻(xiàn)［３６］中，主要討論功率域（Ｐｏｗｅｒ Ｄｏｍａｉｎ）ＮＯＭＡ。功率域ＮＯＭＡ 可以同時(shí)應(yīng)用于上行鏈路和下行鏈路。在下行鏈路中，基站（Ｂａｓｅ Ｓｔａｔｉｏｎ，ＢＳ）在相同的正交ＲＢ 上疊加并傳輸用戶信號(hào)。在接收到信號(hào)時(shí)，弱用戶將共信道干擾作為噪聲來解碼自己的信號(hào)，而強(qiáng)用戶執(zhí)行ＳＩＣ 來解碼自己的信號(hào)。在上行鏈路中，用戶通過同一正交ＲＢ 向ＢＳ 傳輸自己的信號(hào)。然后，ＢＳ 執(zhí)行ＳＩＣ來解碼每個(gè)用戶的信號(hào)。因此，使用ＮＯＭＡ，可以提高頻譜效率和并發(fā)連接的數(shù)量。ＮＯＭＡ 為蜂窩連接的無人機(jī)提供了一些優(yōu)勢，如更大的速率區(qū)域，系統(tǒng)吞吐量和公平性之間的平衡性能，以及減少延遲［３４］。由于ＮＯＭＡ 的這些優(yōu)勢，已經(jīng)有幾項(xiàng)研究利用ＮＯＭＡ 用于ＦＬ 以及邊緣計(jì)算［２６，３６－４０］。為了提高ＦＬ 交付本地模型的效率，文獻(xiàn)［２６ ］利用了ＮＯＭＡ 技術(shù)，使集群中的成員無人機(jī)能夠在同一資源塊上同時(shí)將本地模型發(fā)送到簇頭無人機(jī)。然后，簇頭無人機(jī)采用ＳＩＣ 來緩解不同成員無人機(jī)－簇頭無人機(jī)在發(fā)送其局部模型時(shí)之間的共信道干擾。

盡管ＮＯＭＡ 作為一種有效的多用戶接入技術(shù)提供了一些優(yōu)勢，然而，ＮＯＭＡ 的性能增益仍然從根本上受到信號(hào)傳播環(huán)境的限制，特別是對于信道增益差異較小的用戶。因此可以考慮將ＮＯＭＡ 與ＲＩＳ結(jié)合，通過調(diào)整ＲＩＳ 的相位來靈活改變用戶的信道條件，增加了新的自由度（Ｄｅｇｒｅｅ-ｏｆ-Ｆｒｅｅｄｏｍ，ＤｏＦ），以提高系統(tǒng)性能［４１］。

２． ２ ＲＩＳ 技術(shù)

無人機(jī)集群是執(zhí)行各種軍事和商業(yè)行動(dòng)的潛在方式。然而，在高度變化的飛行條件下，在常規(guī)的群內(nèi)通信網(wǎng)絡(luò)中，存在障礙可能會(huì)出現(xiàn)非視線情況。在未來的６Ｇ 技術(shù)中，ＲＩＳ 已被建議作為解決這類問題的一種解決方案。在無人機(jī)集群通信的前述應(yīng)用中，ＲＩＳ 對于提高無人機(jī)間通信質(zhì)量具有重要作用。

ＲＩＳ 是一種由低成本的元表面制成的設(shè)備，具有增強(qiáng)從發(fā)送方到接收方的數(shù)據(jù)傳輸?shù)膹?qiáng)大能力，通過調(diào)整無源反射元件的振幅和／ 或相位來優(yōu)化信號(hào)反射，在無線網(wǎng)絡(luò)中提供了巨大的頻譜和能量效率［４１－４２］。ＲＩＳ 可以部署在建筑物上，構(gòu)成地面ＲＩＳ實(shí)現(xiàn)ＬｏＳ 通信［２１］；安裝在無人機(jī)上，具有無人機(jī)的敏捷性和機(jī)動(dòng)性，實(shí)現(xiàn)三維信號(hào)反射［４３］。與傳統(tǒng)的地面ＲＩＳ 相比，空中ＲＩＳ 具有更高的部署靈活性、可靠的空對地鏈路和全景全角反射能力。在實(shí)際通信中，然而由于無人機(jī)有限的有效載荷、電池容量和飛行靈活性，單個(gè)無人機(jī)上的反射單元的數(shù)量受到了限制。雖然ＲＩＳ 通常是輕量級(jí)的，但單個(gè)無人機(jī)啟用ＲＩＳ 的大孔徑增益將不能得到保證［４４］。因此，ＲＩＳ 與無人機(jī)集群的結(jié)合將進(jìn)一步提高系統(tǒng)性能。與單個(gè)無人機(jī)和地面ＲＩＳ 相比，ＲＩＳ 與無人機(jī)集群結(jié)合，既能很好地結(jié)合無人機(jī)集群的優(yōu)勢，也能充分地發(fā)揮ＲＩＳ 在輔助通信方面的潛力。

文獻(xiàn)［４５ ］分析了ＲＩＳ 輔助的跟隨無人機(jī)（Ｆｏｌｌｏｗ ＵＡＶ，ＦＵＡＶ）到先導(dǎo)無人機(jī)（Ｌｅａｄｅｒ ＵＡＶ，ＬＵＡＶ）同步傳輸下的信道容量（Ｃｈａｎｎｅｌ Ｃａｐａｃｉｔｙ，ＣＣ）性能，通過構(gòu)建ＣＣ 的上下邊緣，說明了ＲＩＳ 對ＣＣ 的影響。在非視距傳輸（Ｎｏｎｅ Ｌｉｎｅ ｏｆ Ｓｉｇｈｔ，ＮＬｏＳ）情況下，ＲＩＳ 能進(jìn)一步提高無人機(jī)集群的通信網(wǎng)絡(luò)的性能，文獻(xiàn)［４６］提出了ＲＩＳ 輔助無人機(jī)集群網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以利用無人機(jī)的敏捷性和ＲＩＳ 的反射的優(yōu)勢來提高網(wǎng)絡(luò)的性能。為了提高所考慮網(wǎng)絡(luò)的能源效率，共同優(yōu)化了無人機(jī)的功率分配和ＲＩＳ的相移矩陣。文獻(xiàn)［４４］概述了在未來的無線網(wǎng)絡(luò)中通過無人機(jī)集群靈活部署ＲＩＳ 來實(shí)現(xiàn)可靠和協(xié)作的通信，還提出了在無線網(wǎng)絡(luò)中的可實(shí)現(xiàn)的包括輔助信號(hào)增強(qiáng)，可處理的物理層安全等一些變革性應(yīng)用。

雖然ＲＩＳ 對提高無人機(jī)集群通信質(zhì)量有很大的提升作用，但是當(dāng)前大多數(shù)ＲＩＳ 的應(yīng)用僅考慮了單一環(huán)境。未來的工作可以面向更廣泛復(fù)雜的場景并研究無人機(jī)集群網(wǎng)絡(luò)的資源分配方案，并考慮到均勻平面陣列（Ｕｎｉｆｏｒｍ Ｐｌａｎａ Ａｒｒａｙ，ＵＰＡ）、多ＲＩＳ 和無人機(jī)的速度／ 三維軌跡［４１］。同時(shí)，也可以研究更多ＲＩＳ 與ＦＬ，移動(dòng)邊緣結(jié)合的場景，促進(jìn)無人機(jī)集群通信的智能應(yīng)用。

２． ３ ＣＢ 技術(shù)

ＣＢ 是提高多天線系統(tǒng)通信性能的一種有效技術(shù)，能夠?qū)崿F(xiàn)節(jié)能、遠(yuǎn)程、安全的傳輸［４７］。ＣＢ 屬于協(xié)同通信的一個(gè)分支，其基本思想是通過讓獨(dú)立分布的元素進(jìn)行協(xié)同工作，從而構(gòu)建一個(gè)ＶＡＡ。在這個(gè)過程中，這些元素共享相同的數(shù)據(jù)，因?yàn)椋茫?需要在所有協(xié)作發(fā)射器之間同時(shí)傳輸相同的數(shù)據(jù)。通過利用無人機(jī)集群構(gòu)建一個(gè)ＶＡＡ，數(shù)據(jù)可以在每個(gè)無人機(jī)上進(jìn)行聚合，并與其他無人機(jī)共享，以提高通信效率。類似于傳統(tǒng)的集中式天線陣列，ＶＡＡ 可以執(zhí)行波束形成操作，在接收到的信噪比（Ｓｉｇｎａｌ ｔｏ ＮｏｉｓｅＲａｔｉｏ，ＳＮＲ）中提供增益。通過協(xié)同工作，無人機(jī)集群中的無人機(jī)可以合作形成一個(gè)虛擬的大型天線陣列，從而實(shí)現(xiàn)波束形成的優(yōu)勢。這種ＣＢ 的方法可以提高通信系統(tǒng)的傳輸性能，包括增強(qiáng)信號(hào)強(qiáng)度［３５］、降低信號(hào)干擾［４７］和提高信號(hào)安全性［４８］等。文獻(xiàn)［４９］實(shí)現(xiàn)了第一個(gè)完整的無人機(jī)ＣＢ 框架，證明了ＣＢ 技術(shù)在無人機(jī)網(wǎng)絡(luò)中的實(shí)用性。

ＣＢ 是一種很有前途的提高分布式無線網(wǎng)絡(luò)通信距離和能源效率的方法，也是無人機(jī)通信和網(wǎng)絡(luò)中一種可行的傳輸策略。在文獻(xiàn)［３５］中，如圖２ 所示，網(wǎng)絡(luò)中的無人機(jī)可以構(gòu)建一個(gè)ＶＡＡ，并利用ＣＢ產(chǎn)生一個(gè)高增益的定向波束，指向遠(yuǎn)程接收器，從而提高單架無人機(jī)的通信范圍。此外，使用ＣＢ 還可以有效地提高通信的能源效率。無人機(jī)網(wǎng)絡(luò)中的ＣＢ 可以提高通信性能。文獻(xiàn)［４７］在無人機(jī)啟用的通信和網(wǎng)絡(luò)中，無人機(jī)集群可以執(zhí)行一個(gè)ＶＡＡ，產(chǎn)生一個(gè)具有尖銳的主瓣和低側(cè)翼水平（ＳｉｄｅｌｏｂｅＬｅｖｅｌ，ＳＬＬ）的波束模式，從而顯著提高天線增益。此外，低ＳＬＬ 也意味著干擾或敏感信號(hào)被抑制。由于強(qiáng)大的ＬｏＳ 主導(dǎo)的空地信道，無人機(jī)支持的通信很容易被竊聽者竊聽，而ＣＢ 能夠?qū)崿F(xiàn)無人機(jī)的安全信息傳輸。文獻(xiàn)［４８］考慮了一個(gè)多個(gè)已知和未知的竊聽者存在的無人機(jī)安全通信場景，其中一組無人機(jī)組成一個(gè)無人機(jī)支持的虛擬天線陣列（ＵＡＶ-ｅｎａｂｌｅｄ Ｖｉｒｔｕａｌ Ａｎｔｅｎｎａ Ａｒｒａｙ，ＵＶＡＡ），通過ＣＢ 向遠(yuǎn)程基站傳輸信息。具體來說，ＵＶＡＡ 系統(tǒng)可以向接收機(jī)產(chǎn)生高增益主瓣，向其他方向產(chǎn)生低增益?zhèn)劝辏瑥亩垢`聽者不能從信號(hào)中解調(diào)有效信息。

盡管協(xié)同波束可以克服無人機(jī)集群通信中的一些關(guān)鍵問題，但無人機(jī)集群支持的ＣＢ 面臨著一些新的挑戰(zhàn)，如自然因素對ＣＢ 有效性的威脅。當(dāng)無人機(jī)遭遇風(fēng)或者其他意外情況時(shí)，可能會(huì)從指定的位置漂移，會(huì)削弱ＣＢ 的有效性?；诖?，可以考慮建立一個(gè)模型來評(píng)估漂移造成的性能損失，或者進(jìn)一步考慮能效合理設(shè)計(jì)無人機(jī)軌跡來恢復(fù)其位置，重建有效性連接。如果無人機(jī)不能立即改變其位置，可以調(diào)整勵(lì)磁電流權(quán)值來抵消性能損失［４７］。

２． ４ 航跡規(guī)劃技術(shù)

無人機(jī)集群的航跡規(guī)劃是為了在任務(wù)約束下，使整個(gè)集群以最優(yōu)、高效和安全的方式完成任務(wù)。通過分析任務(wù)需求、環(huán)境感知和地圖構(gòu)建，航跡規(guī)劃算法為每個(gè)無人機(jī)生成路徑，并通過協(xié)同和沖突解決來保證無人機(jī)之間的安全和協(xié)同性。同時(shí)，航跡規(guī)劃還可通過優(yōu)化和實(shí)時(shí)調(diào)整來適應(yīng)動(dòng)態(tài)環(huán)境條件，以達(dá)到最佳性能指標(biāo)。

已有的航跡規(guī)劃算法可以粗略地分為最短路徑算法、智能算法和混合智能算法。最短路徑算法包括Ｄｉｊｋｓｔｒａ 算法［５０］、Ａ 算法［５１］等，對于單個(gè)無人機(jī)的路徑規(guī)劃問題，這類算法已經(jīng)得到了很好的性能表現(xiàn)。而在面對大規(guī)模、高維度和非線性的無人機(jī)集群路徑規(guī)劃問題時(shí)，最短路徑算法的適用性卻受到了挑戰(zhàn)。隨著優(yōu)化算法的發(fā)展，研究者開始利用集中式優(yōu)化方法解決無人機(jī)集群航跡規(guī)劃問題。這些方法基于數(shù)學(xué)模型和目標(biāo)函數(shù)，通過智能算法（如遺傳算法［５２］、粒子群算法［５３－５４］等）搜索全局最優(yōu)或近似最優(yōu)的航跡規(guī)劃方案。智能算法能夠考慮各種約束條件和優(yōu)化目標(biāo)，但在大規(guī)模場景中計(jì)算復(fù)雜度較高。隨著人工智能和機(jī)器學(xué)習(xí)的發(fā)展，研究者開始將智能算法與人工智能相結(jié)合，提出了混合智能方法用于無人機(jī)集群航跡規(guī)劃。這些方法可以利用強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)，通過學(xué)習(xí)和優(yōu)化來提高航跡規(guī)劃的性能和適應(yīng)性。

強(qiáng)化學(xué)習(xí)是一類機(jī)器學(xué)習(xí)算法，用于解決智能體在與環(huán)境交互的過程中，如何從環(huán)境反饋中學(xué)習(xí)最優(yōu)行為策略的問題。強(qiáng)化學(xué)習(xí)主要用來解決連續(xù)決策問題，包含環(huán)境狀態(tài)、動(dòng)作和獎(jiǎng)懲。深度學(xué)習(xí)使得硬件對外界的識(shí)別感知能力得到了巨大的提升。強(qiáng)化學(xué)習(xí)的試錯(cuò)機(jī)制表明其可以不斷與環(huán)境進(jìn)行交互，在決策持續(xù)獲取獎(jiǎng)勵(lì)為目標(biāo)的前提下得到最優(yōu)的決策。深度強(qiáng)化學(xué)習(xí)結(jié)合了深度學(xué)習(xí)的感知能力和強(qiáng)化學(xué)習(xí)的決策能力，從而使硬件設(shè)備直接根據(jù)輸入的信息做出一系列動(dòng)作。從工作方式來看，這種學(xué)習(xí)模式更像是一種模擬了人類思維方式的人工智能實(shí)現(xiàn)。

深度強(qiáng)化學(xué)習(xí)可以幫助無人機(jī)集群通信中的無人機(jī)學(xué)習(xí)最優(yōu)的行為策略，以提高通信效率和可靠性，并且可以通過自適應(yīng)機(jī)制來適應(yīng)不同的環(huán)境和任務(wù)需求。為了解決三維不規(guī)則地形表面覆蓋問題，文獻(xiàn)［５５］提出了一種２ 級(jí)分層的無人機(jī)集群架構(gòu)。該架構(gòu)為高一級(jí)的無人機(jī)提供了一種群體深度Ｑ 學(xué)習(xí)（Ｓｗａｒｍ Ｄｅｅｐ Ｑ-ｌｅａｒｎｉｎｇ，ＳＤＱＮ）算法，使其能夠有效選擇覆蓋區(qū)域。針對低一級(jí)的無人機(jī)，研究人員設(shè)計(jì)了一種基于星型通信拓?fù)涞母采w軌跡算法，用于完成指定區(qū)域內(nèi)的特定覆蓋任務(wù)。文獻(xiàn)［５６］使用分層無人機(jī)集群，實(shí)現(xiàn)了針對一組地面分布式設(shè)備集的在線訓(xùn)練模型框架，并將提出的無人機(jī)集群航跡設(shè)計(jì)問題轉(zhuǎn)換為順序決策問題，采用了基于深度強(qiáng)化學(xué)習(xí)的方法解決。

合理的航跡規(guī)劃可以確保各個(gè)無人機(jī)之間的協(xié)同工作是有序的，使它們能夠有效地完成任務(wù)。但目前無人機(jī)集群的航跡規(guī)劃仍然面臨著一些挑戰(zhàn)，例如容錯(cuò)能力，系統(tǒng)必須能夠在發(fā)生故障時(shí)重新組織無人機(jī)的路徑。還需要進(jìn)一步考慮一些可能影響無人機(jī)軌跡的外部因素例如風(fēng)、雨和飛禽等因素［５７］，在系統(tǒng)建模時(shí)納入更多實(shí)際飛行的因素，使得仿真結(jié)果能更接近真實(shí)情況。

３ 未來展望

無人機(jī)集群通信是指多個(gè)無人機(jī)之間協(xié)作與通信，以實(shí)現(xiàn)特定任務(wù)的技術(shù)，目前是無人機(jī)技術(shù)領(lǐng)域的研究重點(diǎn)。未來，隨著無人機(jī)技術(shù)的進(jìn)一步發(fā)展和應(yīng)用場景的擴(kuò)展，無人機(jī)集群的數(shù)量、規(guī)模、任務(wù)復(fù)雜性、飛行速度以及相對時(shí)空關(guān)系都將顯著增加。這些變化使得確保高質(zhì)量的信息傳輸變得非常具有挑戰(zhàn)性。為了提高無人機(jī)集群通信系統(tǒng)的整體性能，可以向以下幾個(gè)方面不斷發(fā)展：

① 更高效的通信技術(shù)。當(dāng)前無人機(jī)集群通信主要使用的是無線電通信技術(shù)，但是這種技術(shù)在高密度的無人機(jī)環(huán)境下可能會(huì)出現(xiàn)干擾和信號(hào)衰減等問題。未來的無人機(jī)集群通信將需要支持多種通信方式，例如，通過視覺、聲音和激光等多種方式進(jìn)行通信，從而更好地適應(yīng)不同環(huán)境下的通信需求。無人機(jī)集群可能包含不同類型、不同性能的無人機(jī)。研究異構(gòu)通信技術(shù)，允許不同類型的無人機(jī)互聯(lián)互通，以實(shí)現(xiàn)集群的協(xié)同作戰(zhàn)和任務(wù)分配。

② 更智能的協(xié)同機(jī)制。當(dāng)前的無人機(jī)集群通信主要是基于人工編程的協(xié)同機(jī)制，但是這種機(jī)制難以適應(yīng)復(fù)雜的環(huán)境和任務(wù)。未來，隨著人工智能和機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，可以進(jìn)一步研究能夠?qū)崿F(xiàn)更智能、更自適應(yīng)的協(xié)同機(jī)制，例如，無人機(jī)集群通信和數(shù)字孿生（Ｄｉｇｉｔａｌ Ｔｗｉｎ）［５８］相結(jié)合，通過數(shù)據(jù)交換和共享、模型驗(yàn)證和優(yōu)化，共同促進(jìn)無人機(jī)集群的協(xié)同工作和性能優(yōu)化。

③ 更廣泛的應(yīng)用場景／ 跨領(lǐng)域合作。在未來的工作中，可以考慮大型無人機(jī)集群和無線網(wǎng)絡(luò)之外的空中無人機(jī)和地面基站間的頻譜共享和合作。無人機(jī)集群通信將不僅僅局限于單一領(lǐng)域的應(yīng)用，而是更多地跨越不同領(lǐng)域?qū)崿F(xiàn)合作，例如，可以考慮空天地異構(gòu)網(wǎng)絡(luò)（Ｓｐａｃｅ-Ａｉｒ-Ｇｒｏｕｎｄ Ｉｎｔｅｇｒａｔｅｄ Ｎｅｔｗｏｒｋ，ＳＡＧＩＮ）［５９］，將無人機(jī)集群的通信應(yīng)用提升到一個(gè)更高的維度，在ＳＡＧＩＮ 的３ 個(gè)部分中，無人機(jī)作為空中飛行基站為地面終端用戶提供低延時(shí)的邊緣計(jì)算服務(wù)，另外依托邊緣計(jì)算技術(shù)，還可以考慮將無人機(jī)應(yīng)用于感知－通信－計(jì)算融合（Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｃｏｍｐｕｔａｔｉｏｎ，ＩＳＣＣ）［６０］網(wǎng)絡(luò)架構(gòu)的研究中，有效提高感知、通信和計(jì)算的服務(wù)質(zhì)量。

④ 更高級(jí)的功能。當(dāng)前無人機(jī)集群通信主要是實(shí)現(xiàn)簡單的任務(wù)協(xié)同，但是未來，無人機(jī)集群通信將能夠?qū)崿F(xiàn)更高級(jí)的功能，如自主避障、自主充電和多機(jī)器人協(xié)作等。

⑤ 更好的安全性和隱私保護(hù)。隨著無人機(jī)集群規(guī)模的不斷擴(kuò)大，安全和隱私保護(hù)將成為更加重要的問題。未來，無人機(jī)集群通信將需要更好的安全機(jī)制和隱私保護(hù)技術(shù)來保障通信安全和隱私。

⑥ 更穩(wěn)定和可靠的通信。無人機(jī)集群需要具備自組織、自適應(yīng)的能力。研究無線自組織網(wǎng)絡(luò)（Ａｄ-ｈｏｃ Ｎｅｔｗｏｒｋ）和移動(dòng)自組織網(wǎng)絡(luò)（Ｍｏｂｉｌｅ Ａｄ-ｈｏｃ ＮＥＴｗｏｒｋ，ＭＡＮＥＴ）技術(shù)，以實(shí)現(xiàn)無人機(jī)集群的快速部署和動(dòng)態(tài)拓?fù)渥兓?。同時(shí)無人機(jī)集群在執(zhí)行任務(wù)時(shí)可能會(huì)面臨各種干擾和攻擊。研究容錯(cuò)、魯棒性強(qiáng)的通信協(xié)議和算法，提高集群通信的穩(wěn)定性和可靠性。

⑦ 能量效率優(yōu)化?？紤]到多元能耗的耦合，研究能量效率優(yōu)化技術(shù)，降低通信過程中的能耗，延長無人機(jī)集群的服務(wù)時(shí)間。未來工作的一個(gè)重要方向是群的維度化問題，即優(yōu)化組成每個(gè)群的無人機(jī)的數(shù)量和類型。無人機(jī)可以在訓(xùn)練周期之間進(jìn)行智能交換，以進(jìn)一步優(yōu)化模型性能和能源消耗之間的權(quán)衡。

４ 結(jié)束語

為了構(gòu)筑更智能、高效的無人機(jī)集群系統(tǒng)，助推無人機(jī)集群通信在這一領(lǐng)域?qū)崿F(xiàn)更加廣泛的實(shí)際應(yīng)用，本文對無人機(jī)集群輔助的通信應(yīng)用以及相關(guān)技術(shù)進(jìn)行綜述。未來，無人機(jī)集群通信在許多方面還需進(jìn)一步的研究，特別是在相關(guān)算法優(yōu)化、安全和隱私保護(hù)、與地面網(wǎng)絡(luò)及其他無線通信系統(tǒng)的協(xié)同工作等方面。隨著研究的深入，也會(huì)和更多的技術(shù)結(jié)合，涉及更多資源的聯(lián)合優(yōu)化，能夠?qū)崿F(xiàn)在更復(fù)雜環(huán)境中的應(yīng)用。無人機(jī)集群通信是未來無人機(jī)應(yīng)用的重要方向之一，隨著技術(shù)的不斷發(fā)展，將在各個(gè)領(lǐng)域得到廣泛應(yīng)用，帶來更多的應(yīng)用場景和更多的價(jià)值，為人們帶來更多的便利和效益。

參考文獻(xiàn)

［１］ ＫＨＡＮ Ｍ Ａ，ＫＵＭＡＲ Ｎ，ＭＯＨＳＡＮ Ｓ Ａ Ｈ，ｅｔ ａｌ． Ｓｗａｒｍ ｏｆＵＡＶｓ ｆｏｒ Ｎｅｔｗｏｒｋ Ｍａｎａｇｅｍｅｎｔ ｉｎ ６Ｇ：Ａ ＴｅｃｈｎｉｃａｌＲｅｖｉｅｗ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｎｅｔｗｏｒｋ ａｎｄ ＳｅｒｖｉｃｅＭａｎａｇｅｍｅｎｔ，２０２２：２０（１）：７４１－７６１．

［２］ ＷＵ Ｙ，ＧＵＡＮ Ｘ Ｒ，ＹＡＮＧ Ｗ Ｗ，ｅｔ ａｌ． ＵＡＶ Ｓｗａｒｍ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｕｎｄｅｒ Ｍａｌｉｃｉｏｕｓ Ｊａｍｍｉｎｇ：Ｊｏｉｎｔ Ｔｒａｊｅｃｔｏｒｙ ａｎｄＣｌｕｓｔｅｒｉｎｇ Ｄｅｓｉｇｎ ［Ｊ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ ＣｏｍｍｕｎｉｃａｔｉｏｎｓＬｅｔｔｅｒｓ，２０２１，１０（１０）：２２６４－２２６８．

［３］ 李鵬舉，毛鵬軍，耿乾，等． 無人機(jī)集群技術(shù)研究現(xiàn)狀與趨勢［Ｊ］． 航空兵器，２０２０，２７（４）：２５－３２．

［４］ ＺＥＮＧ Ｙ，ＷＵ Ｑ Ｑ，ＺＨＡＮＧ Ｒ． Ａｃｃｅｓｓｉｎｇ ｆｒｏｍ ｔｈｅ Ｓｋｙ：ＡＴｕｔｏｒｉａｌ ｏｎ ＵＡＶ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｆｏｒ ５Ｇ ａｎｄ Ｂｅｙｏｎｄ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ，２０１９，１０７（１２）：２３２７－２３７５．

［５］ ＢＨＡＮＤＡＲＩ Ｓ，ＷＡＮＧ Ｘ Ｂ，ＬＥＥ Ｒ． Ｍｏｂｉｌｉｔｙ ａｎｄＬｏｃａｔｉｏｎａｗａｒｅ Ｓｔａｂｌｅ Ｃｌｕｓｔｅｒｉｎｇ Ｓｃｈｅｍｅ ｆｏｒ ＵＡＶＮｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２０，８：１０６３６４－１０６３７２．

［６］ ＹＡＯ Ｃ Ｈ，ＴＩＡＮ Ｈ，ＷＡＮＧ Ｃ，ｅｔ ａｌ． Ｊｏｉｎｔ Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆＣｏｎｔｒｏｌ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｉｎ Ａｕｔｏｎｏｍｏｕｓ ＵＡＶ Ｓｗａｒｍｓ：Ｃｈａｌｌｅｎｇｅｓ，Ｐｏｔｅｎｔｉａｌｓ，ａｎｄ Ｆｒａｍｅｗｏｒｋ［Ｊ］． ＩＥＥＥ ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２１，２８（５）：２８－３５．

［７］ ＺＨＯＵ Ｙ Ｋ，ＲＡＯ Ｂ，ＷＡＮＧ Ｗ． ＵＡＶ Ｓｗａｒｍ Ｉｎｔｅｌｌｉｇｅｎｃｅ：Ｒｅｃｅｎｔ Ａｄｖａｎｃｅｓ ａｎｄ Ｆｕｔｕｒｅ Ｔｒｅｎｄｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２０，８：１８３８５６－１８３８７８．

［８］ 付振江，羅俊松，寧進(jìn)，等． 無人機(jī)集群通信的應(yīng)用現(xiàn)狀及展望［Ｊ］． 無線電工程，２０２３，５３（１）：３－１０．

［９］ ＺＯＵ Ｙ Ｌ，ＺＨＵ Ｊ，ＷＵ Ｔ Ｈ，ｅｔ ａｌ． Ｃｏｏｐｅｒａｔｉｖｅ Ｄｒｏｎｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｆｏｒ ＳｐａｃｅＡｉｒＧｒｏｕｎｄ Ｉｎｔｅｇｒａｔｅｄ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｎｅｔｗｏｒｋ，２０２１，３５（５）：１００－１０６．

［１０］ ＰＥＩ Ｊ Ｈ，ＣＨＥＮ Ｈ Ｂ，ＴＳＥ Ｃ Ｋ． ＵＡＶ Ｓｗａｒｍ ｆｏｒ Ｃｏｎｎｅｃｔｉｖｉｔｙ Ｅｎｈａｎｃｅｍｅｎｔ ｏｆ Ｍｕｌｔｉｐｌｅ Ｉｓｏｌａｔｅｄ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓｆｏｒ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ａｐｐｌｉｃａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０２３，７２（３）：３９１４－３９２９．

［１１］ ＳＨＡＮＧ Ｂ Ｄ，ＢＥＮＴＬＥＹ Ｅ Ｓ，ＬＩＵ Ｌ Ｊ． ＵＡＶ Ｓｗａｒｍｅｎａｂｌｅｄ Ａｅｒｉａｌ Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ（ＳＡＲＩＳ）［Ｊ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２１，２８（５）：１５６－１６３．

［１２］ ＳＵＮ Ｇ，ＬＩ Ｊ Ｈ，ＷＡＮＧ Ａ Ｍ，ｅｔ ａｌ． Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｂｅａｍｆｏｒｍｉｎｇ ｆｏｒ ＵＡＶ Ｎｅｔｗｏｒｋｓ Ｅｘｐｌｏｉｔｉｎｇ Ｓｗａｒｍ Ｉｎｔｅｌｌｉｇｅｎｃｅ［Ｊ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，２９（４）：１０－１７．

［１３］ ＹＡＮＧ Ｂ，ＣＡＯ Ｘ Ｌ，ＹＵＥＮ Ｃ，ｅｔ ａｌ． ＯｆｆｌｏａｄｉｎｇＯｐｔｉｍｉｚａｔｉｏｎ ｉｎ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ｆｏｒ Ｄｅｅｐ ＬｅａｒｎｉｎｇＥｎａｂｌｅｄ Ｔａｒｇｅｔ Ｔｒａｃｋｉｎｇ ｂｙ ＩｎｔｅｒｎｅｔｏｆＵＡＶｓ［Ｊ］． ＩＥＥＥＩｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２１，８（１２）：９８７８－９８９３．

［１４］ ＭＩＡＯ Ｙ Ｍ，ＨＷＡＮＧ Ｋ，ＷＵ Ｄ，ｅｔ ａｌ． Ｄｒｏｎｅ Ｓｗａｒｍ ＰａｔｈＰｌａｎｎｉｎｇ ｆｏｒ Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ｉｎ Ｉｎｄｕｓｔｒｉａｌ Ｉｎｔｅｒｎｅｔｏｆ Ｔｈｉｎｇｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｉｎｆｏｒｍａｔｉｃｓ，２０２２，１９（５）：６８３６－６８４８．

［１５］ ＦＡＲＡＣＩ Ｇ，ＧＲＡＳＳＯ Ｃ，ＳＣＨＥＭＢＲＡ Ｇ． Ｄｅｓｉｇｎ ｏｆ ａ ５ＧＮｅｔｗｏｒｋ Ｓｌｉｃｅ Ｅｘｔｅｎｓｉｏｎ ｗｉｔｈ ＭＥＣ ＵＡＶｓ Ｍａｎａｇｅｄ ｗｉｔｈＲｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ ［Ｊ］． ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｎ ＳｅｌｅｃｔｅｄＡｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２０，３８（１０）：２３５６－２３７１．

［１６］ ＧＡＮＧＡＫＨＥＤＫＡＲ Ｓ，ＣＡＯ Ｈ Ｗ，ＡＬＩ Ａ Ｒ，ｅｔ ａｌ． Ｕｓｅ Ｃａｓｅｓ，Ｒｅｑｕｉｒｅｍｅｎｔｓ ａｎｄ Ｃｈａｌｌｅｎｇｅｓ ｏｆ ５Ｇ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｆｏｒＩｎｄｕｓｔｒｉａｌ Ａｕｔｏｍａｔｉｏｎ［Ｃ］∥２０１８ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｗｏｒｋｓｈｏｐｓ （ＩＣＣ Ｗｏｒｋｓｈｏｐｓ）．Ｋａｎｓａｓ Ｃｉｔｙ：ＩＥＥＥ，２０１８：１－６．

［１７］ ＭＡ Ｘ Ｄ，ＳＵ Ｚ，ＸＵ Ｑ Ｃ，ｅｔ ａｌ． Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ａｎｄ ＵＡＶＳｗａｒｍ Ｃｏｏｐｅｒａｔｉｖｅ Ｔａｓｋ Ｏｆｆｌｏａｄｉｎｇ ｉｎ Ｖｅｈｉｃｕｌａｒ Ｎｅｔｗｏｒｋｓ［Ｃ］∥２０２２ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄＭｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ （ＩＷＣＭＣ）． Ｄｕｂｒｏｖｎｉｋ：ＩＥＥＥ，２０２２：９５５－９６０．

［１８］ ＣＨＥＮ Ｊ Ｒ，ＺＨＡＮＧ Ｑ Ｘ，ＦＥＮＧ Ｚ Ｙ． Ｔｉｍｅｌｉｎｅｓｓ Ａｎａｌｙｓｉｓｏｆ Ｓｅｒｖｉｃｅｄｒｉｖｅｎ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ｉｎＵＡＶ Ｓｗａｒｍ［Ｃ］∥２０１９ ＩＥＥＥ Ｇｌｏｂｅｃｏｍ Ｗｏｒｋｓｈｏｐｓ （ＧＣＷｋｓｈｐｓ）． Ｗａｉｋｏｌｏａ：ＩＥＥＥ，２０１９：１－６．

［１９］ ＺＨＡＮＧ Ｑ Ｘ，ＣＨＥＮ Ｊ Ｒ，ＪＩ Ｌ，ｅｔ ａｌ． Ｒｅｓｐｏｎｓｅ Ｄｅｌａｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ｉｎ Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ Ｅｎａｂｌｅｄ ＵＡＶＳｗａｒｍ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０２０，６９（３）：３２８０－３２９５．

［２０］ ＷＵ Ｗ，ＺＨＯＵ Ｆ Ｈ，ＷＡＮＧ Ｂ Ｙ，ｅｔ ａｌ． Ｕｎｍａｎｎｅｄ ＡｅｒｉａｌＶｅｈｉｃｌｅ Ｓｗａｒｍｅｎａｂｌｅｄ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ：Ｐｏｔｅｎｔｉａｌｓ，Ｐｒｏｍｉｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｉｅｓ，ａｎｄ Ｃｈａｌｌｅｎｇｅｓ ［Ｊ ］． ＩＥＥＥＷｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，２９（４）：７８－８５．

［２１］ ＳＡＶＫＩＮ Ａ Ｖ，ＨＵＡＮＧ Ｃ，ＮＩ Ｗ． Ｊｏｉｎｔ ＭｕｌｔｉＵＡＶ ＰａｔｈＰｌａｎｎｉｎｇ ａｎｄ ＬｏＳ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｆｏｒ Ｍｏｂｉｌｅｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ｉｎ ＩｏＴ Ｎｅｔｗｏｒｋｓ ｗｉｔｈ ＲＩＳｓ ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆＴｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２３，１０（３）：２７２０－２７２７．

［２２］ ＨＥ Ｙ Ｊ，ＧＡＮ Ｙ Ｈ，ＣＵＩ Ｈ Ｘ，ｅｔ ａｌ． Ｆａｉｒｎｅｓｓｂａｓｅｄ ３ＤＭｕｌｔｉＵＡＶ Ｔｒａｊｅｃｔｏｒｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ｉｎ ＭｕｌｔｉＵＡＶａｓｓｉｓｔｅｄＭＥＣ Ｓｙｓｔｅｍ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２３，１０（１３）：１１３８３－１１３９５．

［２３］ ＹＯＵ Ｗ Ｊ，ＤＯＮＧ Ｃ，ＷＵ Ｑ Ｈ，ｅｔ ａｌ． Ｊｏｉｎｔ Ｔａｓｋ Ｓｃｈｅｄｕｌｉｎｇ，Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ，ａｎｄ ＵＡＶ Ｔｒａｊｅｃｔｏｒｙ ＵｎｄｅｒＣｌｕｓｔｅｒｉｎｇ ｆｏｒ ＦＡＮＥＴｓ［Ｊ］． Ｃｈｉｎａ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，１９（１）：１０４－１１８．

［２４］ ＳＨＥＮ Ｙ，ＤＯＮＧ Ｃ，ＱＵ Ｙ Ｂ，ｅｔ ａｌ． Ｅｘｐｅｒｉｍｅｎｔａｌ Ｒｅｓｕｌｔｓｏｆ Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇ ｉｎ Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ Ｓｗａｒｍ［Ｃ ］∥ ２０２１ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＳｐａｃｅＡｉｒＧｒｏｕｎｄ Ｃｏｍｐｕｔｉｎｇ （ＳＡＧＣ ）． Ｈｕｉｚｈｏｕ：ＩＥＥＥ，２０２１：１６３－１６４．

［２５］ ＳＨＥＮ Ｙ，ＱＵ Ｙ Ｂ，ＤＯＮＧ Ｃ，ｅｔ ａｌ． Ｊｏｉｎｔ Ｔｒａｉｎｉｎｇ ａｎｄ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇ ｉｎＵＡＶ Ｓｗａｒｍ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２３，１０（３）：２２７２－２２８４．

［２６］ ＳＯＮＧ Ｙ Ｘ，ＷＡＮＧ Ｔ Ｓ，ＷＵ Ｙ，ｅｔ ａｌ． ＮｏｎｏｒｔｈｏｇｏｎａｌＭｕｌｔｉｐｌｅ Ａｃｃｅｓｓ ａｓｓｉｓｔｅｄ Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇ ｆｏｒ ＵＡＶＳｗａｒｍｓ：Ａｎ Ａｐｐｒｏａｃｈ ｏｆ Ｌａｔｅｎｃｙ Ｍｉｎｉｍｉｚａｔｉｏｎ ［Ｃ ］∥２０２１ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ ＭｏｂｉｌｅＣｏｍｐｕｔｉｎｇ （ＩＷＣＭＣ）． Ｈａｒｂｉｎ：ＩＥＥＥ，２０２１：１１２３－１１２８．

［２７］ ＷＥＮ Ｗ Ｌ，ＪＩＡ Ｙ Ｊ，ＸＩＡ Ｗ Ｃ． Ｊｏｉｎｔ Ｓｃｈｅｄｕｌｉｎｇ ａｎｄ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ ｆｏｒ Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇ ｉｎ ＳＷＩＰＴｅｎａｂｌｅｄ Ｍｉｃｒｏ ＵＡＶ Ｓｗａｒｍ Ｎｅｔｗｏｒｋｓ［Ｊ］． Ｃｈｉｎａ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，１９（１）：１１９－１３５．

［２８］ ＸＩＡＯ Ｙ，ＹＥ Ｙ，ＨＵＡＮＧ Ｓ Ｃ，ｅｔ ａｌ． Ｆｕｌｌｙ ＤｅｃｅｎｔｒａｌｉｚｅｄＦｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇｂａｓｅｄ Ｏｎｂｏａｒｄ Ｍｉｓｓｉｏｎ ｆｏｒ ＵＡＶＳｗａｒｍ Ｓｙｓｔｅｍ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０２１，２５（１０）：３２９６－３３００．

［２９］ ＬＩＵ Ｙ，ＹＵＡＮ Ｘ，ＸＩＯＮＧ Ｚ，ｅｔ ａｌ． Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇ ｆｏｒ６Ｇ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ：Ｃｈａｌｌｅｎｇｅｓ，Ｍｅｔｈｏｄｓ，ａｎｄ Ｆｕｔｕｒｅ Ｄｉｒｅｃｔｉｏｎｓ ［Ｊ ］． Ｃｈｉｎａ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２０，１７ （９ ）：１０５－１１８．

［３０］ ＤＡＮＧＮＧＯＣ Ｈ，ＮＧＵＹＥＮ Ｄ Ｎ，ＨＯＶＡＮ Ｋ，ｅｔ ａｌ．Ｓｅｃｕｒｅ Ｓｗａｒｍ ＵＡＶａｓｓｉｓｔｅｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｗｉｔｈ Ｃｏｏｐｅｒａｔｉｖｅ Ｆｒｉｅｎｄｌｙ Ｊａｍｍｉｎｇ ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ ＴｈｉｎｇｓＪｏｕｒｎａｌ，２０２２，９（２４）：２５５９６－２５６１１．

［３１］ ＭＩＡＯ Ｊ Ｓ，ＬＩ Ｈ Ｒ，ＺＨＥＮＧ Ｚ Ｙ，ｅｔ ａｌ． Ｓｅｃｒｅｃｙ ＥｎｅｒｇｙＥｆｆｉｃｉｅｎｃｙ Ｍａｘｉｍｉｚａｔｉｏｎ ｆｏｒ ＵＡＶ Ｓｗａｒｍ Ａｓｓｉｓｔｅｄ Ｍｕｌｔｉｈｏｐ Ｒｅｌａｙ Ｓｙｓｔｅｍ：Ｊｏｉｎｔ Ｔｒａｊｅｃｔｏｒｙ Ｄｅｓｉｇｎ ａｎｄ Ｐｏｗｅｒ Ｃｏｎｔｒｏｌ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２１，９：３７７８４－３７７９９．

［３２］ ＷＡＮＧ Ｘ Ｘ，ＦＥＮＧ Ｗ，ＣＨＥＮ Ｙ Ｆ，ｅｔ ａｌ． ＵＡＶ Ｓｗａｒｍｅｎａｂｌｅｄ Ａｅｒｉａｌ ＣｏＭＰ：Ａ Ｐｈｙｓｉｃａｌ Ｌａｙｅｒ Ｓｅｃｕｒｉｔｙ Ｐｅｒｓｐｅｃｔｉｖｅ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０１９，７：１２０９０１－１２０９１６．

［３３］ ＮＮＡＭＡＮＩ Ｃ Ｏ，ＫＨＡＮＤＡＫＥＲ Ｍ Ｒ Ａ，ＳＥＬＬＡＴＨＵＲＡＩＭ． Ｓｅｃｒｅｃｙ Ｒａｔｅ Ｍａｘｉｍｉｚａｔｉｏｎ ｗｉｔｈ Ｇｒｉｄｄｅｄ ＵＡＶ ＳｗａｒｍＪａｍｍｉｎｇ ｆｏｒ Ｐａｓｓｉｖｅ Ｅａｖｅｓｄｒｏｐｐｉｎｇ ［Ｃ ］∥ ２０２１ ＩＥＥＥＧｌｏｂａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ （ＧＬＯＢＥＣＯＭ）． Ｍａｄｒｉｄ：ＩＥＥＥ，２０２１：１－６．

［３４］ ＬＩＵ Ｙ Ｗ，ＱＩＮ Ｚ Ｊ，ＥＬＫＡＳＨＬＡＮ Ｍ，ｅｔ ａｌ． ＮｏｎｏｒｔｈｏｇｏｎａｌＭｕｌｔｉｐｌｅ Ａｃｃｅｓｓ ｆｏｒ ５Ｇ ａｎｄ Ｂｅｙｏｎｄ ［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ ＩＥＥＥ，２０１７，１０５（１２）：２３４７－２３８１．

［３５］ ＬＩＡＮＧ Ｓ，ＦＡＮＧ Ｚ Ｙ，ＳＵＮ Ｇ，ｅｔ ａｌ． Ｒｅｄｕｃｉｎｇ Ｈｏｖｅｒｉｎｇａｎｄ Ｍｏｔｉｏｎ Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎｓ ｆｏｒ ＵＡＶｅｎａｂｌｅｄ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｂｅａｍｆｏｒｍｉｎｇ［Ｃ］∥２０２２ ＩＥＥＥ Ｓｙｍｐｏｓｉｕｍ ｏｎＣｏｍｐｕｔｅｒｓ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ （ＩＳＣＣ）． Ｒｈｏｄｅｓ：ＩＥＥＥ，２０２２：１－７．

［３６］ ＮＥＷ Ｗ Ｋ，ＬＥＯＷ Ｃ Ｙ，ＮＡＶＡＩＥ Ｋ，ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆＮＯＭＡ ｆｏｒ Ｃｅｌｌｕｌａｒｃｏｎｎｅｃｔｅｄ ＵＡＶｓ：Ｏｐｐｏｒｔｕｎｉｔｉｅｓ ａｎｄＣｈａｌｌｅｎｇｅｓ ［Ｊ ］． Ｓｃｉｅｎｃｅ Ｃｈｉｎａ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ，２０２１，６４：１４０３０２．

［３７］ ＨＡＢＡＣＨＩ Ｏ，ＡＤＪＩＦ Ｍ Ａ，ＣＡＮＣＥＳ Ｊ Ｐ． Ｆａｓｔ ＵｐｌｉｎｋＧｒａｎｔ ｆｏｒ ＮＯＭＡ：Ａ Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇ Ｂａｓｅｄ Ａｐｐｒｏａｃｈ［Ｃ］∥Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｕｂｉｑｕｉｔｏｕｓ Ｎｅｔｗｏｒｋｉｎｇ．Ｌｉｍｏｇｅｓ：Ｓｐｒｉｎｇｅｒ，２０１９：９６－１０９．

［３８］ ＳＵＮ Ｈ Ｊ，ＭＡ Ｘ，ＨＵ Ｒ Ｑ． Ａｄａｐｔｉｖｅ Ｆｅｄｅｒａｔｅｄ Ｌｅａｒｎｉｎｇｗｉｔｈ Ｇｒａｄｉｅｎｔ Ｃｏｍｐｒｅｓｓｉｏｎ ｉｎ Ｕｐｌｉｎｋ ＮＯＭＡ ［Ｊ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０２０，６９ （１２ ）：１６３２５－１６３２９．

［３９］ ＺＨＵ Ｊ Ｙ，ＷＡＮＧ Ｊ Ｈ，ＨＵＡＮＧ Ｙ Ｍ，ｅｔ ａｌ． Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ ｆｏｒ Ｈｙｂｒｉｄ ＮＯＭＡ ＭＥＣ Ｏｆｆｌｏａｄｉｎｇ ［Ｊ ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２０，１９（７）：４９６４－４９７７．

［４０］ ＷＵ Ｙ，ＮＩ Ｋ Ｊ，ＺＨＡＮＧ Ｃ，ｅｔ ａｌ． ＮＯＭＡ Ａｓｓｉｓｔｅｄ Ｍｕｌｔｉａｃｃｅｓｓ Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ：Ａ Ｊｏｉｎｔ Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆＣｏｍｐｕｔａｔｉｏｎ Ｏｆｆｌｏａｄｉｎｇ ａｎｄ Ｔｉｍｅ Ａｌｌｏｃａｔｉｏｎ ［Ｊ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０１８，６７ （１２ ）：１２２４４－１２２５８．

［４１］ ＦＥＮＧ Ｗ Ｍ，ＴＡＮＧ Ｊ，ＷＵ Ｑ Ｑ，ｅｔ ａｌ． Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎｆｏｒ Ｐｏｗｅｒ Ｍｉｎｉｍｉｚａｔｉｏｎ ｉｎ ＲＩＳａｓｓｉｓｔｅｄ ＭｕｌｔｉＵＡＶ Ｎｅｔｗｏｒｋｓ ｗｉｔｈ ＮＯＭＡ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２３，７１（１１）：６６６２－６６７６．

［４２］ ＢＡＳＡＲ Ｅ，ＤＩ ＲＥＮＺＯ Ｍ Ｄ，ＲＯＳＮＹ Ｊ Ｄ，ｅｔ ａｌ． ＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ Ｔｈｒｏｕｇｈ Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０１９，７：１１６７５３－１１６７７３．

［４３］ ＬＵ Ｈ Ｑ，ＺＥＮＧ Ｙ，ＪＩＮ Ｓ，ｅｔ ａｌ． Ｅｎａｂｌｉｎｇ Ｐａｎｏｒａｍｉｃ Ｆｕｌｌａｎｇｌｅ Ｒｅｆｌｅｃｔｉｏｎ ｖｉａ Ａｅｒｉａｌ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｅｆｌｅｃｔｉｎｇ Ｓｕｒｆａｃｅ［Ｃ］∥２０２０ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｗｏｒｋｓｈｏｐｓ （ＩＣＣ Ｗｏｒｋｓｈｏｐｓ ）． Ｄｕｂｌｉｎ：ＩＥＥＥ，２０２０：１－６．

［４４］ ＳＨＡＮＧ Ｂ Ｄ，ＳＨＡＦＩＮ Ｒ，ＬＩＵ Ｌ Ｊ． ＵＡＶ ＳｗａｒｍｅｎａｂｌｅｄＡｅｒｉａｌ Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ ［ＥＢ ／ ＯＬ ］．（２０２１－０３－１０）［２０２３－０８－１５］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／２１０３． ０６３６１．

［４５］ ＴＥＧＩＣＨＯ Ｂ Ｅ，ＢＯＧＡＬＥ Ｔ Ｅ． ＲＩＳ Ａｓｓｉｓｔｅｄ ＭＩＭＯ ＵＡＶＳｗａｒｍ Ｃｏｍｍｕｎｉｃａｔｉｏｎ：Ｃｈａｎｎｅｌ Ｃａｐａｃｉｔｙ Ｍａｒｇｉｎ Ａｎａｌｙｓｉｓ［Ｃ］∥ ２０２２ ＩＥＥＥ １３ｔｈ Ａｎｎｕａｌ Ｕｂｉｑｕｉｔｏｕｓ Ｃｏｍｐｕｔｉｎｇ，Ｅｌｅｃｔｒｏｎｉｃｓ ＆ Ｍｏｂｉｌｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｃｏｎｆｅｒｅｎｃｅ （ＵＥＭＣＯＮ）． Ｎｅｗ Ｙｏｒｋ：ＩＥＥＥ，２０２２：０３４７－０３５１．

［４６］ ＮＧＵＹＥＮ Ｋ Ｋ，ＫＨＯＳＲＡＶＩＲＡＤ Ｓ Ｒ，ＣＯＳＴＡ Ｄ Ｂ Ｄ，ｅｔａｌ． Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅａｓｓｉｓｔｅｄ ＭｕｌｔｉＵＡＶＮｅｔｗｏｒｋｓ：Ｅｆｆｉｃｉｅｎｔ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ ｗｉｔｈ Ｄｅｅｐ Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ［Ｊ］． ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｆ Ｓｅｌｅｃｔｅｄ Ｔｏｐｉｃｓｉｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２０２１，１６（３）：３５８－３６８．

［４７］ ＳＵＮ Ｇ，ＬＩ Ｊ Ｈ，ＷＡＮＧ Ａ Ｍ，ｅｔ ａｌ． Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｂｅａｍｆｏｒｍｉｎｇ ｆｏｒ ＵＡＶ Ｎｅｔｗｏｒｋｓ Ｅｘｐｌｏｉｔｉｎｇ Ｓｗａｒｍ Ｉｎｔｅｌｌｉｇｅｎｃｅ［Ｊ ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，２９ （４ ）：１０－１７．

［４８］ ＳＵＮ Ｇ，ＺＨＥＮＧ Ｘ Ｙ，ＳＵＮ Ｚ Ｍ，ｅｔ ａｌ． ＵＡＶｅｎａｂｌｅｄＳｅｃｕｒｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｖｉａ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｂｅａｍｆｏｒｍｉｎｇｗｉｔｈ Ｉｍｐｅｒｆｅｃｔ Ｅａｖｅｓｄｒｏｐｐｅｒ Ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ，２０２３，２３（４）：３２９１－３３０８．

［４９］ ＭＯＨＡＮＴＩ Ｓ，ＢＯＣＡＮＥＧＲＡ Ｃ，ＭＥＹＥＲ Ｊ，ｅｔ ａｌ．Ａｉｒｂｅａｍ：Ｅｘｐｅｒｉｍｅｎｔａｌ Ｄｅｍｏｎｓｔｒａｔｉｏｎ ｏｆ ＤｉｓｔｒｉｂｕｔｅｄＢｅａｍｆｏｒｍｉｎｇ ｂｙ ａ Ｓｗａｒｍ ｏｆ ＵＡＶｓ［Ｃ］∥２０１９ ＩＥＥＥ １６ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｏｂｉｌｅ Ａｄ Ｈｏｃ ａｎｄ ＳｅｎｓｏｒＳｙｓｔｅｍｓ （ＭＡＳＳ）． Ｍｏｎｔｅｒｅｙ：ＩＥＥＥ，２０１９：１６２－１７０．

［５０］ ＨＡＲＴ Ｐ Ｅ，ＮＩＬＳＳＯＮ Ｎ Ｊ，ＲＡＰＨＡＥＬ Ｂ． Ａ Ｆｏｒｍａｌ Ｂａｓｉｓｆｏｒ ｔｈｅ Ｈｅｕｒｉｓｔｉｃ Ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ Ｍｉｎｉｍｕｍ Ｃｏｓｔ Ｐａｔｈｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ Ｓｃｉｅｎｃｅ ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ，１９６８，４（２）：１００－１０７．

［５１］ ＺＵ Ｗ，ＦＡＮ Ｇ Ｌ，ＧＡＯ Ｙ，ｅｔ ａｌ． ＭｕｌｔｉＵＡＶｓ Ｃｏｏｐｅｒａｔｉｖｅ ＰａｔｈＰｌａｎｎｉｎｇ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ ＲＲＴ Ａｌｇｏｒｉｔｈｍ［Ｃ］∥２０１８ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｅｃｈａｔｒｏｎｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ （ＩＣＭＡ）． Ｃｈａｎｇｃｈｕｎ：ＩＥＥＥ，２０１８：１５６３－１５６７．

［５２］ ＸＵ Ｊ，ＧＵＯ Ｑ，ＸＩＡＯ Ｌ，ｅｔ ａｌ． Ａｕｔｏｎｏｍｏｕｓ ＤｅｃｉｓｉｏｎｍａｋｉｎｇＭｅｔｈｏｄ ｆｏｒ Ｃｏｍｂａｔ Ｍｉｓｓｉｏｎ ｏｆ ＵＡＶ Ｂａｓｅｄ ｏｎ Ｄｅｅｐ Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ［Ｃ］∥２０１９ ＩＥＥＥ ４ｔｈ Ａｄｖａｎｃｅｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ａｕｔｏｍａｔｉｏｎ ＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ （ＩＡＥＡＣ）． Ｃｈｅｎｇｄｕ：ＩＥＥＥ，２０１９：５３８－５４４．

［５３］ ＢＵＴＥＮＫＯ Ｓ，ＭＵＲＰＨＥＹ Ｒ，ＰＡＲＤＡＬＯＳ Ｐ Ｍ． ＣｏｏｐｅｒａｔｉｖｅＣｏｎｔｒｏｌ：Ｍｏｄｅｌｓ，Ａｐｐｌｉｃａｔｉｏｎ ａｎｄ Ａｌｏｇｏｒｉｔｈｍｓ ［Ｍ］． Ｎｏｉｄａ：Ｋｕｗｅｒ Ａｃａｄｅｍｉｃ，２００３．

［５４］ ＢＲＡＮＤ Ｍ，ＭＡＳＹＤＡ Ｍ，ＷＥＨＮＥＲ Ｎ，ｅｔ ａｌ． Ａｎｔ ＣｏｌｏｎｙＯｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｒｏｂｏｔ Ｐａｔｈ Ｐｌａｎｎｉｎｇ ［Ｃ］∥２０１０ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｄｅｓｉｇｎ ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ． Ｑｉｎｈｕａｎｇｄａｏ：ＩＥＥＥ，２０１０：４３６－４４０．

［５５］ ＭＯＵ Ｚ Ｙ，ＺＨＡＮＧ Ｙ，ＧＡＯ Ｆ Ｆ． Ｄｅｅｐ ＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ Ｂａｓｅｄ Ｔｈｒｅｅｄｉｍｅｎｓｉｏｎａｌ Ａｒｅａ Ｃｏｖｅｒａｇｅ ｗｉｔｈＵＡＶ Ｓｗａｒｍ［Ｊ］． ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ． ２０２１，３９（１０）：３１６０－３１７６．

［５６］ ＷＡＮＧ Ｓ，ＨＯＳＳＥＩＮＡＬＩＰＯＵＲ Ｓ，ＧＯＲＬＡＴＯＶＡ Ｍ，ｅｔ ａｌ．ＵＡＶａｓｓｉｓｔｅｄ Ｏｎｌｉｎｅ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ｏｖｅｒ ＭｕｌｔｉｔｉｅｒｅｄＮｅｔｗｏｒｋｓ：Ａ Ｈｉｅｒａｒｃｈｉｃａｌ Ｎｅｓｔｅｄ Ｐｅｒｓｏｎａｌｉｚｅｄ ＦｅｄｅｒａｔｅｄＬｅａｒｎｉｎｇ Ａｐｐｒｏａｃｈ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｎｅｔｗｏｒｋａｎｄ Ｓｅｒｖｉｃｅ Ｍａｎａｇｅｍｅｎｔ，２０２３，２０（２）：１８４７－１８６５．

［５７］ ＰＵＥＮＴＥＣＡＳＴＲＯ Ａ，ＲＩＶＥＲＯ Ｄ，ＰＡＺＯＳ Ａ，ｅｔ ａｌ． Ａ Ｒｅｖｉｅｗ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ａｐｐｌｉｅｄ ｔｏ Ｐａｔｈ Ｐｌａｎｎｉｎｇ ｉｎＵＡＶ Ｓｗａｒｍｓ ［Ｊ］． Ｎｅｕｒａｌ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，２０２２，３４：１５３－１７０．

［５８］ ＬＥＩ Ｌ，ＳＨＥＮ Ｇ Ｑ，ＺＨＡＮＧ Ｌ Ｊ，ｅｔ ａｌ． Ｔｏｗａｒｄ ＩｎｔｅｌｌｉｇｅｎｔＣｏｏｐｅｒａｔｉｏｎ ｏｆ ＵＡＶ Ｓｗａｒｍｓ：Ｗｈｅｎ Ｍａｃｈｉｎｅ ＬｅａｒｎｉｎｇＭｅｅｔｓ Ｄｉｇｉｔａｌ Ｔｗｉｎ ［Ｊ］． ＩＥＥＥ Ｎｅｔｗｏｒｋ，２０２１，３５ （１ ）：３８６－３９２．

［５９］ 李斌，劉文帥，費(fèi)澤松． 面向空天地異構(gòu)網(wǎng)絡(luò)的邊緣計(jì)算部分任務(wù)卸載策略［Ｊ］． 電子與信息學(xué)報(bào)，２０２２，４４（９）：３０９１－３０９８．

［６０］ 李斌，彭思聰，費(fèi)澤松． 基于邊緣計(jì)算的無人機(jī)通感融合網(wǎng)絡(luò)波束成形與資源優(yōu)化［Ｊ］． 通信學(xué)報(bào)，２０２３，４４（９）：２２８－２３７．

作者簡介

李 苗 女，（１９９７—），碩士研究生。主要研究方向：無人機(jī)通信、機(jī)器學(xué)習(xí)應(yīng)用。

何茂霖 男，（２００１—），碩士研究生。主要研究方向：無人機(jī)通信、機(jī)器學(xué)習(xí)應(yīng)用。

羅俊松 男，（１９７２—），碩士，副教授，碩士生導(dǎo)師。主要研究方向：大數(shù)據(jù)技術(shù)、優(yōu)化理論與強(qiáng)化學(xué)習(xí)及其應(yīng)用。

寧 進(jìn) 女，（１９９１—），博士，副研究員，碩士生導(dǎo)師。主要研究方向：無人機(jī)信號(hào)異常檢測、數(shù)據(jù)挖掘。

胡艷梅 女，（１９８６—），博士，副教授，碩士生導(dǎo)師。主要研究方向：社會(huì)計(jì)算、復(fù)雜網(wǎng)絡(luò)分析、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)。

（*通信作者）多 濱 男，（１９８２—），博士，教授，碩士生導(dǎo)師。主要研究方向：無人機(jī)通信、凸優(yōu)化理論、機(jī)器學(xué)習(xí)應(yīng)用。

基金項(xiàng)目：國家自然科學(xué)基金（６２１７２０６０ ）；四川省科技計(jì)劃項(xiàng)目（２０２３ＹＦＱ００９２，２０２２ＹＦＱ００１７）