CN114490061A - 基于语义威胁模型的无人机通信干扰任务生成方法 - Google Patents
基于语义威胁模型的无人机通信干扰任务生成方法 Download PDFInfo
- Publication number
- CN114490061A CN114490061A CN202210084395.2A CN202210084395A CN114490061A CN 114490061 A CN114490061 A CN 114490061A CN 202210084395 A CN202210084395 A CN 202210084395A CN 114490061 A CN114490061 A CN 114490061A
- Authority
- CN
- China
- Prior art keywords
- communication
- enemy
- semantic
- unit
- aerial vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000010391 action planning Effects 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于语义威胁模型的无人机通信干扰任务生成方法，通过已有的有/无人单元活动语义数据，解析敌方局域通信网网络拓扑结构的演化规律和模式，将无人机的实时通信行为与地面单位的行为活动进行语义层面的关联融合，实现对态势的立体评估，及时发现敌重要通信节点。之后结合己方任务行动规划，以语义形式生成对敌方目标区域的通信干扰候选任务需求，进而支持指挥决策人员快速做出通信干扰决策，压制敌方通信。
Description
技术领域
本发明属于无人机通信干扰任务需求自动生成技术领域，特别涉及一种基于语义威胁模型的无人机通信干扰任务生成方法。
背景技术
随着现代飞行器技术与信息技术不断发展，遂行各类任务的有/无人平台的种类与数量剧增，对于此类用频设备的通信干扰研究的重要性也日益凸显。尤其是针对小型无人机平台的通信干扰研究越发重要。小型无人机虽然对通信资源的依赖性极高，但其具备通信频率高、通信用时短的特点。面对复杂多变的敌方电磁活动语义数据，现在常规通信对抗流程固化、人工决策耗时长，难以对局部区域内小型电子活动目标进行快速压制。所以亟需研究出一种能辅助人员进行决策，且具有较好效果的无人机干扰任务需求生成方法。
当前基于态势的推理决策领域，在算法层次上，存在两种比较典型的策略：一是基于模板匹配方法，二是基于深度学习等人工智能方法。基于模板匹配的方法具备态势知识表示方式、推理结构易理解的优点，但缺点是模板动态更新维护复杂。基于深度学习等人工智能方法的受限于其推理过程的黑盒特质与对于训练数据的数量与质量的严格要求，其在指挥决策场景中的应用受到很大限制。此外，现在对于无人机的干扰决策方法研究主要集中在关于干扰样式、干扰功率等物理层参数选择以及明确任务目标下的干扰资源分配或航迹规划方面，而从电磁全局部署态势角度对无人机干扰任务需求生成的研究占比较少。
发明内容
为此，本发明的目的在于避免现有技术中的问题，提出一种基于语义威胁模型的无人机通信干扰任务生成方法。
本发明采用的技术方案为：
基于语义威胁模型的无人机通信干扰任务生成方法，包含以下步骤：
(1)依据敌方单元活动语义数据，获取活动领域内的用频行为规律以及敌方通信平台与敌方单元的典型特征信息的变化规律，构建敌方单元活动时空关联模型；
(2)通过敌方单元活动时空关联模型对所有用频行为标注标签属性，并结合敌方通信平台与敌方单元的动态和静态属性对敌方通信平台与敌方单元之间的可通联性进行判别，获取敌方的局域通信网网络拓扑结构；
(3)分析敌方通信平台的运动趋势与用频活动规律，推演局域通信网网络拓扑结构动态演变趋势与局域通信网支干线节点支撑的敌方单元的未来动向，构建敌方通信节点语义威胁模型；
(4)基于敌方通信节点语义威胁模型，结合己方单元的未来行动规划，进行战场态势立体评估，对区域或者敌方通信平台的通信干扰优先级与通信干扰方式进行规划，生成己方无人机通信干扰任务需求。
进一步的，步骤(1)中敌方单元活动时空关联模型包含用频行为时间点、通信频度、信号发射源、信号接受源、通信个体数、通信频率、通信接收功率、通信持续方式和通信持续时间。
进一步的，步骤(3)具体过程为：
通过分析敌方通信平台与敌方单元的未来动向，推演通信网络拓扑结构动态演变趋势，并结合通信网络支干线节点在通信网络拓扑中的度、聚集系数和节点介数，构建组成敌方通信网络的各节点语义威胁模型。
进一步的，步骤(4)具体过程为：
基于敌方通信节点语义威胁模型评估结果，对己方所有单元的未来行动规划进行分析，挖掘己方经过区域与敌方单元之间的关系，并通过己方各单元活动的隐蔽性和预期任务目标，设定对待经过区域或相邻区域的敌方通信干扰的对抗样式、强度等级与持续时长，生成己方无人机通信干扰任务需求，并以语义的形式进行描述。
本发明的有益效果为：
本发明从敌方单元活动语义数据出发，解析敌方通信平台与单元的基础属性与活动规律，对敌方局域通信网网络拓扑结构的演化规律和模式进行挖掘，将无人机的实时通信行为与地面单元的任务活动进行语义层面的关联融合，实现对战场通信态势的立体评估；
本发明利用战场通信态势认知结果，及时发现敌方重要通信节点，并结合己方任务行动规划，对可能对己方行动造成重大威胁的敌方目标或敌方区域进行威胁评估，并推理最优通信对抗反制措施，使得无人机通信干扰任务需求更加合理；
本发明以语义形式生成对敌方目标区域的通信干扰候选任务需求，有利于指挥人员高效理解，进而支撑通信干扰决策流程快速反应，进而实现对敌方通信的及时压制，具有较好的应用前景。
附图说明
图1为本发明实施例中基于语义威胁模型的无人机通信干扰任务生成方法流程示意图；
图2为本发明实施例中事件抽取流程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细的说明描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
本发明通过已有的敌方有/无人单元活动语义数据，解析敌方局域通信网网络拓扑结构的演化规律和模式，将无人机的实时通信行为与地面单元的行为活动进行语义层面的关联融合，实现对态势的立体评估，及时发现敌方重要通信节点。之后结合己方任务行动规划，以语义形式生成对敌方目标区域的通信干扰候选任务需求，进而支持指挥人员快速做出通信干扰决策，压制敌方通信。
本发明实施例，提出一种基于语义威胁模型的无人机通信干扰任务生成方法，该方法主要流程如图1所示，主要包含如下步骤：
(1)依据敌方单元活动语义数据，获取活动领域内的用频行为规律以及敌方通信平台与敌方单元的典型特征信息的变化规律，构建敌方单元活动时空关联模型；其中，敌方单元活动语义数据包含通过卫星、侦察机、无人机等各类侦察手段对敌方通信网络和敌方目标活动的侦察结果。
具体包括以下过程：
(101)针对敌方单元活动语义数据的存储解析规则，构建正则表达式提取时间、地点、目标类型、目标活动等关键要素，并构建敌方各单元的用频行为、活动轨迹以及类型、搭载装备等基础属性信息的时空数据模型。
(102)通过时空数据模型中的时空关系、隶属关系、事件主体等约束，进行敌方单元间用频行为、任务活动等时序规律挖掘，得到敌方单元活动时空关联模型。敌方单元活动时空关联模型包含用频行为时间点、通信频度、信号发射源、信号接受源、通信个体数、通信频率、通信接收功率、通信持续方式和通信持续时间。
(2)通过敌方单元活动时空关联模型，提取单元电磁活动与周围区域内同阵营单元任务行动的时序关联规律，对所有用频行为标注标签属性，并结合敌方通信平台与敌方单元的动态和静态属性对敌方通信平台与敌方单元之间的可通联性进行判别，获取敌方的局域通信网网络拓扑结构；
其中，典型用频行为类型包括但不限于：全向通信、专向通信、接力通信、运动通信、简易信号通信等。在对用频行为标注时，所依据的判据包括但不限于：用频行为时间点、通信频度、信号发射源、信号接受源、通信个体数、通信频率、通信接收功率、通信持续方式、通信持续时间等。
(3)分析敌方通信平台的运动趋势与用频活动规律，推演局域通信网网络拓扑结构动态演变趋势与局域通信网支干线节点支撑的敌方单元的未来动向，构建敌方通信节点语义威胁模型；
其中，步骤(3)包括如下步骤：
(301)基于上述步骤得到通信网络拓扑结构，分析各平台的历史活动记录、各平台保障的地面单元的活动趋势以及该类型平台的应用规则先验知识，判断该平台在当前阶段以及下一阶段活动意图，进而实现对目标区域内局域通信网组成节点的未来动向预测，得到通信网络拓扑结构动态演变趋势；
(302)在(301)步骤中得到的通信网拓扑结构演变趋势推理结果基础上，分析局域通信网支干线各节点所支撑的敌方单元的数量、类型，构建敌方通信网络的各节点语义威胁动态模型。本方法构建敌通信节点语义威胁模型时，遵循系统性、科学性、可定量性、可行性的原则，构造了如图2所示的指标体系。具体上包含并不限于以下指标：基础属性指标：节点类型A0、节点搭载装备A1、节点活动能力A2、节点通信方式A3、节点通信功率A4、节点通信带宽A5等；网络拓扑指标：节点群聚系数A6、节点介数A7、节点度A8等；节点语义指标：节点所支撑的用频单位的数量A9、节点所支撑的用频单位的活动态势A10以及当前节点的活动趋势A11等属性。
(303)本步骤中，设指标集合为A＝{Ai|i＝0，1，…，11}，即第j个平台的第i个指标Ai的值为bij，可得到指标矩阵为B＝(bij)n×12。对于各指标对于节点威胁度的影响因子的计算参考如下规则：
①若指标Ai越大，威胁度越高，则Ai的影响因子为：
式中，i＝1，…，11；
②若指标Ai越小，威胁度越高，则Ai的影响因子为：
式中，i＝1，…，11；
③若指标Ai越接近某给定值b*，威胁度越高，则Ai的影响因子为：
式中,i＝1，…，11；
b*为该类指标的得分计算标准，由人工指定。
最终，得到n个通信节点的指标影响因子矩阵μ＝(μij)n×12。
(4)基于敌方通信节点语义威胁模型，结合己方单元的未来行动规划，进行态势立体评估，对区域或者敌方通信平台的通信干扰优先级与通信干扰方式进行规划，生成己方无人机通信干扰任务需求。
其中，步骤(4)包括如下步骤：
(401)对己方所有单元的未来行动规划进行分析，结合敌方通信网络节点的活动趋势预测结果，判断根据己方单元的拟经过区域与敌方单元分布的关系，之后根据己方单元所担负的任务对电磁隐蔽性的要求或对敌任务目的，对敌方通信网络中的n个通信节点的威胁权重进行分配ω＝(ωij)n×12。
(402)在敌方通信节点语义威胁模型的基础上，结合敌方节点威胁权重计算各节点的威胁评估结果，设定对待经过区域或相邻区域的敌方节点的通信干扰的对抗样式、强度等级与持续时长，生成己方无人机通信干扰需求，并以语义的形式进行描述和上报，从而辅助指挥人员进行决策。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.基于语义威胁模型的无人机通信干扰任务生成方法，其特征在于，包含以下步骤：
(1)依据敌方单元活动语义数据，获取活动领域内的用频行为规律以及敌方通信平台与敌方单元的典型特征信息的变化规律，构建敌方单元活动时空关联模型；
(2)通过敌方单元活动时空关联模型对所有用频行为标注标签属性，并结合敌方通信平台与敌方单元的动态和静态属性对敌方通信平台与敌方单元之间的可通联性进行判别，获取敌方的局域通信网网络拓扑结构；
(3)分析敌方通信平台的运动趋势与用频活动规律，推演局域通信网网络拓扑结构动态演变趋势与局域通信网支干线节点支撑的敌方单元的未来动向，构建敌方通信节点语义威胁模型；
(4)基于敌方通信节点语义威胁模型，结合己方单元的未来行动规划，进行态势立体评估，对区域或者敌方通信平台的通信干扰优先级与通信干扰方式进行规划，生成己方无人机通信干扰任务需求。
2.根据权利要求1所述的基于语义威胁模型的无人机通信干扰任务生成方法，其特征在于，步骤(1)中敌方单元活动时空关联模型包含用频行为时间点、通信频度、信号发射源、信号接受源、通信个体数、通信频率、通信接收功率、通信持续方式和通信持续时间。
3.根据权利要求1所述的基于语义威胁模型的无人机通信干扰任务生成方法，其特征在于，步骤(3)具体过程为：
通过分析敌方通信平台与敌方单元的未来动向，推演通信网络拓扑结构动态演变趋势，并结合通信网络支干线节点在通信网络拓扑中的度、聚集系数和节点介数，构建组成敌方通信网络的各节点语义威胁模型。
4.根据权利要求1所述的基于语义威胁模型的无人机通信干扰任务生成方法，其特征在于，步骤(4)具体过程为：
基于敌方通信节点语义威胁模型评估结果，对己方所有单元的未来行动规划进行分析，挖掘己方经过区域与敌方单元之间的关系，并通过己方各单元活动的隐蔽性和预期任务目标，设定对待经过区域或相邻区域的敌方通信干扰的对抗样式、强度等级与持续时长，生成己方无人机通信干扰任务需求，并以语义的形式进行描述。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210084395.2A CN114490061A (zh) | 2022-01-25 | 2022-01-25 | 基于语义威胁模型的无人机通信干扰任务生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210084395.2A CN114490061A (zh) | 2022-01-25 | 2022-01-25 | 基于语义威胁模型的无人机通信干扰任务生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114490061A true CN114490061A (zh) | 2022-05-13 |
Family
ID=81475187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210084395.2A Pending CN114490061A (zh) | 2022-01-25 | 2022-01-25 | 基于语义威胁模型的无人机通信干扰任务生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114490061A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459178A (zh) * | 2023-12-22 | 2024-01-26 | 武汉阿内塔科技有限公司 | 一种基于语义导向的无人机通信干扰方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204967832U (zh) * | 2015-09-30 | 2016-01-13 | 桂林电子科技大学 | 基于频谱感知与调制识别的联合干扰系统 |
| CN110855478A (zh) * | 2019-10-30 | 2020-02-28 | 南京航空航天大学 | 一种面向不可靠信息的单传感器拓扑感知方法及装置 |
| CN111476288A (zh) * | 2020-04-03 | 2020-07-31 | 中国人民解放军海军航空大学 | 一种认知传感网对未确知威胁电磁行为智能感知方法 |
| CN111726192A (zh) * | 2020-06-12 | 2020-09-29 | 南京航空航天大学 | 基于对数线性算法的通信对抗中用频决策优化方法 |
| US20200334777A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Intelligent emergency decision support system for emergency communication |
| CN112990363A (zh) * | 2021-04-21 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种战场电磁态势感知与利用方法 |
| CN113505686A (zh) * | 2021-07-07 | 2021-10-15 | 中国人民解放军空军预警学院 | 一种无人机目标威胁评估方法及装置 |
-
2022
- 2022-01-25 CN CN202210084395.2A patent/CN114490061A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204967832U (zh) * | 2015-09-30 | 2016-01-13 | 桂林电子科技大学 | 基于频谱感知与调制识别的联合干扰系统 |
| US20200334777A1 (en) * | 2018-11-21 | 2020-10-22 | Beijing Yutian Technology Co. Ltd | Intelligent emergency decision support system for emergency communication |
| CN110855478A (zh) * | 2019-10-30 | 2020-02-28 | 南京航空航天大学 | 一种面向不可靠信息的单传感器拓扑感知方法及装置 |
| CN111476288A (zh) * | 2020-04-03 | 2020-07-31 | 中国人民解放军海军航空大学 | 一种认知传感网对未确知威胁电磁行为智能感知方法 |
| CN111726192A (zh) * | 2020-06-12 | 2020-09-29 | 南京航空航天大学 | 基于对数线性算法的通信对抗中用频决策优化方法 |
| CN112990363A (zh) * | 2021-04-21 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种战场电磁态势感知与利用方法 |
| CN113505686A (zh) * | 2021-07-07 | 2021-10-15 | 中国人民解放军空军预警学院 | 一种无人机目标威胁评估方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459178A (zh) * | 2023-12-22 | 2024-01-26 | 武汉阿内塔科技有限公司 | 一种基于语义导向的无人机通信干扰方法和系统 |
| CN117459178B (zh) * | 2023-12-22 | 2024-03-26 | 武汉阿内塔科技有限公司 | 一种基于语义导向的无人机通信干扰方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Agile earth observation satellite scheduling over 20 years: Formulations, methods, and future directions | |
| Tang et al. | Dynamic reallocation model of multiple unmanned aerial vehicle tasks in emergent adjustment scenarios | |
| CN100478819C (zh) | 用于由分布式部件自动搜索的系统和方法 | |
| CN111609864B (zh) | 路网约束下多警员协作围捕任务分配及路径规划方法 | |
| CN107392388A (zh) | 一种采用改进人工鱼群算法规划无人机三维航迹的方法 | |
| CN108229685A (zh) | 一种空地一体的无人智能决策方法 | |
| Parvaresh et al. | A tutorial on AI-powered 3D deployment of drone base stations: State of the art, applications and challenges | |
| CN114567888A (zh) | 一种多无人机动态部署方法 | |
| CN117150757A (zh) | 一种基于数字孪生的仿真推演系统 | |
| Zhang et al. | DeepMECagent: multi-agent computing resource allocation for UAV-assisted mobile edge computing in distributed IoT system | |
| CN114490061A (zh) | 基于语义威胁模型的无人机通信干扰任务生成方法 | |
| Zheng et al. | Robustness of the planning algorithm for ocean observation tasks | |
| CN116709290A (zh) | 一种基于无人机边缘计算的灾害地区应急通信方法及系统 | |
| CN115238008A (zh) | 一种战场环境知识表示方法 | |
| Zadeh et al. | A multiagent mission coordination system for continuous situational awareness of bushfires | |
| CN108897926B (zh) | 一种人工车联网系统及其建立方法 | |
| CN117521932A (zh) | 一种基于网格化划分的无人机巡检管理系统 | |
| Chen et al. | Information-integration-based optimal coverage path planning of agricultural unmanned systems formations: From theory to practice | |
| Bye | A receding horizon genetic algorithm for dynamic resource allocation: A case study on optimal positioning of tugs | |
| Baig et al. | Machine learning and AI approach to improve UAV communication and networking | |
| Huo | [Retracted] Intelligent Recognition Method of Vehicle Path with Time Window Based on Genetic Algorithm | |
| Gaowei et al. | Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming | |
| Dovgal | A Scheme of Data Analysis by Sensors of a Swarm of Drones Performing a Search Mission Based on a Fog Architecture Using the Internet of Things | |
| Tran et al. | Decision support systems using hybrid neurocomputing | |
| Xia et al. | A Spiking Reinforcement Trajectory Planning for UAV-Assisted MEC Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |