来源：期刊VIP网 时间：
作者：翟象平;石奕琦;付爽;刘鑫;易畅言;
单位：南京航空航天大学人工智能学院;大连理工大学信息与通信工程学院;南京航空航天大学计算机科学与技术学院;
摘要：随着物联网(Internet of Things, IoT)技术的快速发展，海量数据的产生对无线通信服务质量提出了更高要求。无人机(Unmanned Aerial Vehicle, UAV)以其高机动性、快速部署能力和灵活可控的特点，可作为空中移动边缘节点，实现对地面IoT设备的高效数据采集与处理。然而，在带宽有限、低信干比环境下，UAV辅助的数据收集常面临误码率高、传输速率受限等问题。现有方法多基于传统通信模型，往往忽略语义信息的传输特性与分布特征，难以在保障语义重建质量的同时优化UAV轨迹和频谱资源利用率。为此，提出了一种文本语义频谱效率与轨迹优化(Semantic Spectral Efficiency Optimization and Trajectory Selection, SSETS)算法。融合地理位置、数据量及语义信息分布特性，设计了一种均衡设备分簇算法。在此基础上，采用多智能体深度强化学习(Multi-agent Deep Reinforcement Learning, MADRL)方法，各UAV作为独立智能体根据局部动态环境信息智能决策飞行动作，最大限度地降低整体能耗、提高系统的语义频谱效率(Semantic Spectral Efficiency, S-SE)。通过与几种基线方案比较，所提算法在系统能耗优化和平均S-SE方面均有显著提升。
关键词：智联网;;多无人机;;数据收集;;语义通信;;深度强化学习
基金资助：国家自然科学基金(62531010);; 江苏省自然科学基金(BK20231439)~~
