专利推介|基于强化学习的海域安全通信无人机轨迹实时规划方法

    在面向6G的“空天地海”一体化通信网络中，海上应急通信、远洋作业监控等应用场景对高速、可靠、安全的无线通信链路提出了迫切需求。然而，传统海上通信严重依赖高时延、高成本的卫星链路。我院研发的“基于强化学习的海域安全通信无人机轨迹实时规划方法”发明专利，为构建智能、灵活、安全的空中应急通信中继系统提供了创新的解决方案。

技术突破：从静态预规划到动态实时优化的范式革新

    传统的海洋通信依赖卫星或覆盖有限的岸基网络，而作为空中基站的无人机，其轨迹规划面临海洋环境动态多变、船舶移动、起飞点随机及信号易被窃听等多重挑战。本专利核心突破在于首创了基于强化学习的海域无人机轨迹实时规划框架，使无人机无需环境先验知识，即可通过与环境交互自主学习，在满足飞行约束下动态追踪船舶、规避窃听，从而实现从依赖静态模型的传统方法到具备在线学习与实时决策能力的智能方法的根本性转变。

核心技术路径：双算法协同的智能决策引擎

    专利提出的两套强化学习解决方案，形成了互补的智能规划体系，两者并行，共同应对从低复杂度到高性能的不同任务需求：

1. 基于Q-learning的离散空间轨迹优化：该方法将连续的飞行空域离散化为网格，通过构建和查询Q值表进行决策。其特点是结构简单、收敛稳定，适用于对计算资源要求较低、需要快速可靠决策的场景。
2. 基于DDPG的连续空间轨迹优化：该方法利用深度神经网络（Actor-Critic框架）直接在连续的动作空间中进行学习和决策。其特点是能够实现更精细、平滑的连续控制，从而获得比离散方法更高的系统安全性能，适用于对轨迹精度和最终性能有更高要求的场景。

应用前景与显著优势

该专利技术是构建下一代智能海洋通信网络的关键使能技术，可显著提升海上作业、航运管理与应急救援等场景的通信保障能力。本专利的核心技术优势如下：

• 实时动态规划能力强：支持无人机随机起飞与船舶动态航线，无需重复建模即可实时生成安全、高效的飞行轨迹，适应复杂多变的海洋任务环境。
• 海域通信模型贴合度高：针对海洋环境专门构建无人机-船舶信道模型，综合考虑海浪、散射体等实际影响因素，提升轨迹规划的可靠性与适应性。
• 多目标智能协同优化：通过强化学习机制，在通信安全、防窃听、飞行约束与续航等多重条件下，自主学习出综合性能最优的无人机飞行路径。

此项专利标志着我院在“人工智能+通信”的交叉创新领域，特别是在智能海洋通信方向取得了实质性进展。它不仅是算法层面的创新，更是面向国家“海洋强国”战略，解决远海可靠通信痛点的有益探索。