轻量级无人机（无人机）飞行活动受到战略对应链路能力的制约，特别是在无人机的航程或活动跨度和毅力上。本文倾向于权衡一组任务先决条件、无人机执行参数和战略可信度的不同重叠问题;从而在通信负载之间折衷，其特征在于关键的通信链路、通信链路传输电源的必要性、作为无人机机载电源可及性、重量限制参数、无人机安全性。

近年来，尺寸和重量的减小导致各种传感器和设备集中电荷并放大功能。无人驾驶飞行器正在吸引越来越普遍的、各种不同的内部提交（大气监测、监视、摄影、搜救等）。随着市场的发展和应用多样性的增加，当今必须增加额外的必需品，以扩大飞行品种和提高对无人机结构复杂分配的适应性。

UAV代表无人驾驶飞行器，通常被认为是无人机或机上没有飞行员的飞机。无人机可以是遥控飞行器。无人驾驶飞行器包含摄像头、传感器、通信设备以及其他有效载荷设备。它是为军事用途和民用用途而创建的，以保护边界。无人机在军事上被广泛使用。美国国防部（DOD）于2005年开始制造无人机系统。目前，主要的无人机制造国是美国、以色列、中国、伊朗和俄罗斯。印度无人机的Rustom系列正在开发中。无人机的建造更容易，更便宜，并且可以以合理的价格制造。无人机由基本部件组成。

固定翼无人机在军事和国防应用中越来越受欢迎，固定翼无人机具有高速和重载荷。它们不适合固定应用，因为固定翼无人机无法进行仔细检查。固定翼无人机无人机使用机翼在天空中升起自己。固定翼无人机只使用能量朝特定方向飞行，而不是停留在空中的一个地方。固定翼无人机可以长距离飞行并覆盖更大的区域。固定翼无人机无人机可以在天空中停留长达 16 小时，因为固定翼无人机无人机使用燃气发动机而不是电动发动机。

旋翼无人机又称四轴飞行器、六轴飞行器、三轴飞行器和直升机等旋翼无人机。旋翼无人机设计用于从空中监视地面情况，例如，探测和跟踪边境状态，监视军事装备等。它是专门为远程监控而创建的。旋翼无人机的速度和有效载荷有限，而不是固定翼。它们可以在天空中保持静止位置。这架无人机可以进行仔细检查。无人机的选择取决于用途。

无人机被证明是适应性很强的舞台，适用于各种应用。随着计算、传感器、通信和组织的进步，无人机在军事和民用领域的应用在过去二十年中已经广为人知。在无人机框架中使用无人机来扩展通信扩展和信息聚合能力可能是一件中等简单的差事。有时，如果所有通信框架在危险区域被破坏，并且救援小组之间突然发生组织，此时无人机可以毫不费力地用作救援小组之间的通信转移，以成功安排救援。

无人机由各种基本部件制成。虽然所有航段都一致地发挥了增加运营飞行的特定原因，但最重要的部分是交换框架。无人机交换框架可帮助漫游者及其管理员实现其理想结果。如果没有这些框架，无人驾驶飞行不仅会被视为荒谬，而且同样会使收集和传输飞行视觉和通信信息变得难以想象。

随着无人机不断将自己定位为各种企业中普遍存在的机载信息分类阶段，它们的交换框架变得相对微不足道。如果没有特别通用和可靠的交换框架，管理员在获取飞行视觉和信息方面存在明显的弱点。就目前而言，射频通信是可靠的无人机交换框架最增强的答案[18]。它们的体积小、重量轻、力量利用有限和强大的对应接口相结合，使其成为大多数非军事人员无人机最合适的答案。

普通的公民无人机通信框架通常工作在2.4 GHz和5.8 GHz的频率上[19]。无人机通信框架的工作原理是利用一个重复来控制高架飞行器，从远程飞行员的最早阶段开始，而另一个重复用于酒吧或切换第一人称视角 （FPV） 视频。通过使用高水准、坚固的立交桥连接，普通的公民无人机可以轻松地将空中视觉和信息传递给地面上的人，同时保持飞行状态。

在电阻应用中，执行各种自动机。非军事人员无人机的抵抗力波动异常大，因为它们的任务时间更长，或者需要打击能力，尽管可以提供下方战区的飞行视觉效果。在屏障应用中使用自动机的一个担忧是标志粘连事件。在使用标志粘贴时，这会根据自动机所看到的视觉效果来减少远程飞行员和活动。虽然这似乎是一个骇人听闻的情况，但大多数障碍漫无边际都是为了在失去通信联系后返回基地而建造的。道闸管理员发现了另一个潜在的标志粘连的答案——不依赖于GPS的重复车载路线框架。通过处理可访问的GPS信息，粘附变成了一个不一致的事件，允许保护自动机完成任务并安全地返回基地。

该计划的主题是一种轻型手动推进式无人机，其最极端的起飞质量高达7公斤。无人机存在的原因是为了洞察力、观察、监视和目标跟踪，以帮助分队和朋友活动。背靠背，无人机将配备平衡的相机有效载荷。知识和观测任务可以自给自足地飞行，沿着这些思路，有效载荷象征意义和飞行进度下联是无人机对应框架的主要能力（任务）无人机的隐身性应该通过其形状、阴影和微不足道的温暖和骚动流出来验证。由于重量有限的机载电源可及性，轻型无人机在战斗任务区域只能有很短的连续性，因此没有设想电磁隐身性。对无人机进行变相攻击的反作用，沿着这些思路，无人机通过具有不同期望的物质控制，对无人机通信流可信度的攻击的反作用，例如，信息包含、更改、重新排序、应答或延迟的反作用，以及通信分类（监听）的保护是用合理的轻量级COTS递归跳跃手机预见的， 以及无人机与其UC之间的确认技术。

该传感器更适合我们的无人机通信应用，因为该传感器非常小巧轻便，并且电池消耗更少。射频变频器、射频滤波器和射频双向器件对于无人机也是必不可少的。无人机平台应该有高性能的天线。发动机、电机、锂聚合物电池、螺旋桨等，这些配件可帮助您的项目进行移动。

该框架由尼龙和碳纤维材料组成。正因为如此，它是一个更强壮、更合适的重量。最重要的组成部分是通信系统。无人机通信系统协助无人机并帮助操作员获得所需的结果。如果我们在无人机中不使用这种通信系统，我们将很难实现无人驾驶飞行。没有这个通信系统，我们就无法提供有关空中和视觉通信的信息。如果没有这个系统，我们也不可能通过收集数据来传输数据。民用无人机通信系统工作频率为2.4 GHz和5.8 GHz，无人机通信系统是利用频率从地面控制飞行器的工作原理。

作者讨论了无人机的服务，使得空中通信平台可以在无人机上工作，并且它不能支持物联网（IoT）中的信息传输。但是，它在无线设备中消耗的功率更少。另一方面，可以在网络中启用正交频分复用 （OFDM），其中两个子载波可分为传输信息和能量收集。OFDM可以支持无人机的网络，因此子载波在两组内共享，用于传输信息和获取能量。同样，无人机轨迹和通信设计方案也提出了同时无线信息和电力传输SWIPT技术。此外，作者使用分而治之的技术来解决原始问题。第一个子问题取决于用户调度、副载波和固定的无人机轨迹是增强的功率分配。第二个问题具有固定的无人机轨迹，增强了用户调度、副载波和功率分离。之后，逐步解决这两个问题，直到达到预定义的精度。作者对仿真结果进行了研究，因此所提出的算法工作正常。然而，它不能保证所提出的方案中的平均收集能量，但与其他飞行模式相比，它也给出了最佳的正常可实现率。

无人机使网络通信能够进一步考虑，其中为许多用户采用非正交多址接入（NOMA）。已采取的总功率与总功率和带宽的最大和最小比率有关，具有无人机高度和宽度的光线限制。为了解决公式化的问题，他们创建了路径跟踪算法。此外，还计算了正交多址（OMA）和脏纸编码（DPC）的最大速率和最小速率，从而求解了遵循算法的开发路径。此外，他们还计算了结果，显示 NOMA 优于 OMA 并实现了与 DPC 类似的结果。之后，所有参数连接在一起，一起观察。当这些结果与所有参数进行比较并对组合优化产生兴趣时，他们就遇到了这种类型的问题，并用内凸来解决它们。基于这些问题，他们提出了路径跟踪算法来做出更好的解决方案。关于这些解决方案，他们收集了积极和最好的结果。在这些解决方案中，他们使用UAV-Enabled来实现通信中的物理层安全性。他们把注意力集中在沟通中必要的大部分事情上。

无人机由太阳能驱动，使多个地形用户能够使用可靠的通信服务[29]。为了在特定时期内提高系统的整体性能，他们分析了3D航空轨迹的标准配置。无线资源分配最初考虑将离线资源分配方法作为性能基准，假设对信道增益没有相当多的了解。该算法被表述为一个非凸混合整数优化问题，该问题考虑了最终的储能能力、空气动力使用、太阳能发电量和用户的服务质量（QoS）需求。虽然优化问题尚未凸起，但利用单调优化可以有效地求解，实现最优的三维轨迹和功率和副载波分配策略，然后集中精力设计在线算法，只需要有关信道增益的实时和统计信息。离线方案驱动资源分配的最优在线算法。它要求计算系统高度复杂，因此需要一种复杂度低、基于逐次凸逼近的次优迭代在线方案。仿真结果表明，两种在线程序对离线基准方案的性能提供了相似的方法，并大大超过了两个基准方案。

现在的任务是搜救和调查，无人机系统通常必须在时尚的复杂环境中工作，尽管仍然存在，但仍然能够保持与地面控制站的持续通信，用于监视、报告和控制。例如，在高密度或陡峭的城市地区，无人机和GCS之间的通信可以毫不费力地中断，导致GCS在无人机之后错放实时统计反馈，首先是任务失败[31]。除了任务需要扩展飞行多样性外，分遣队的通信能力也是间歇性的。

迄今为止，商业上可以获得经济的无人机公报解决方案，但有几个限制，可能会延迟其广泛应用。最初，主要公共无人机通信分辨率的通信种类相当短。遥测模块，例如3DR、XBee、Sik2和额外的Wi-Fi模块，它们是公共无人机的共同选择，其通信种类不完整甚至不足公里数[32]。其次，一旦障碍物（例如高楼、树木或山脉）将无人机和GSC区分开来，就很难找到稳定的信息链接。在讨论开销的情况下，仅通过组织一架无人机来扩大任务可能会有问题，尽管保持充电和组织复杂性是必要的。

为了在以下情况下连接无人机的补偿并最大限度地减少类似时期的问题，替代解决方案是组织一个多无人机组织，该组织可以利用多种无人机之间的互联互通来保持每个无人机和切碎控制站之间的连续声明。无人机通信传输一种已建立的解决方案，该解决方案使用通信和定向来包含通信多样性，并通过低悬断电荷避免问题[33]。公正地站在进步和评估概念验证的双无人机组织，建立了无线通信的通信能力。这种结构单独包含双无人机，那么它的策略可能会增加额外的无人机。该大厦通过声明的方式使用独特的无人机来传达一个点，并允许额外的无人机在无法识别带有损坏的调节器的坚定不移的信息的情况下部分运行。这种形成允许声明在困难中得到认可，否则结束储备超过船上无线收发器的多样性，这将在很长一段时间内建立地面测试。揭示了该方案的独特应用情况。该组织使用单个无人机作为传达意见的声明，并允许其他无人机在无法识别通过粉碎调节器进行通信的范围内工作。

UAV代表无人驾驶飞行器，这是一种简单视图的无人驾驶飞机，其中机组人员被移除，而不是使用其计算机系统和无线电链路。实际上，它比显示的要复杂得多，这架飞机必须正确和完美地设计以提高效率。虽然飞机是其中最重要的部分。

下面讨论无人机（无人机）的主要部件：

•控制系统的控制站（CS）实际上是操作员和飞机系统其余部分之间的接口。

•携带有效载荷的飞机，有效载荷可能有多种类型。

•CS（将控制系统输入传输到飞机）和将有效载荷（可以是任何类型）的数据重新发送到CS（控制站）之间的通信系统，这种通信是通过无线电传输完成的。

•一些额外的设备，可能包括维护和运输物品。

GCS是一个人体便携式且易于使用的站点系统[34]。它专门用于控制无人机和通信系统及天线。它通常的尺寸为 360 × 96 × 96 英寸，三轴，需要用于装卸飞机的拖车，没有其他物种使用这种拖车。拖车由不间断电源 （UPS）、用于控制热、提供空气供应和冷却的环境控制系统 （ECS） 组成，考虑到飞机的主要部分、飞行员操作员、有效载荷操作员、工作站、合成孔径雷达 （SAR）、数据开发、通信终端、无线电链路、用于记录的摄像机，因为机组人员中没有机载飞行员， 摄像机提供所有任务的实时图像记录。此相机已连接到 GCS。GCS 的电力由市售电源或 35 kW 发电机提供。

飞行员和有效载荷操作员（PPO）是GCS的主要部分，因为它们为飞行器和感官有效载荷提供第一手响应。数据开发任务规划和通信（DEMPC）用于通信。DEMPC 工作站用于数据开发、任务规划、有效载荷监控和系统管理。

合成孔径雷达（SAR）用于监测和控制SAR数据，如有限开发，或区域边界车辆所在的区域位置。对于语音/数据地面控制站，使用高频、超高频和甚高频 （HF/UHF/VHF）。在硬件方面，连接站使用TROJAN SPIRIT II卫星通信终端。

卫星通信用于GCS与车辆的智能连接。它具有自动目标识别（ATR）技术的特点，使用合成孔径雷达（SAR），使其从战场上的空中平台识别目标;它由地面控制系统（GCS）控制。这是军方对发现纵深打击目标的能力的要求。

一个 GCS 控制一个捕食者。基本计划是制造一个同时控制两个捕食者的GCS。一个用于车辆，一个用于Ku波段链路（它是12至18千兆赫兹GHz微波范围内的电磁（EM）频谱的一部分），但它不包括在现在的一天计划中。

地面控制系统的开发现在专注于ATR能力，以便它们能够对无人机（UAV）平台上的传感器进行成像[40]。该系统使GCS能够在广域覆盖下提供昼夜全天候成像，以期待在任何天气下搜索目标/敌人。它将通过独特的算法自动以 99% 的效率工作。

现在，无人机（UAV）已经成功制造，可以使用具有机载自动目标识别（ATR）的实时带状图高分辨率合成孔径雷达（SAR）一次探测和识别并定位六（6）个高价值移动目标。

作者开发了一个名为Ground Control Station的Android应用程序，它显示了一个简单的图形界面，用于控制未命名飞行器（UAV）。在此应用程序中，作者增强了功能质量，以便用户可以轻松监控 GCS 介质。GCS 中最令人兴奋的事情之一是提供导航信息，以轻松找到无人机设备在地图上的位置。之后，它可以配置为像PID一样的飞控。为了以半双工方式发送和接收两个设备的数据，应用程序可以连接到Multiwii-Flight-Controller。作者对GCS进行了测试，在GCS中，他获得了96.12%的数据准确率，精度水平为0.7%。因此，GCS 的 android 应用程序可以准确运行。此外，GCS 应用程序的详细功能是通过基于一个经度和纬度数据显示位置来导航。之后，GCS 应用程序具有 IP 摄像机，可以通过任何本地 Wi-Fi 连接进行连接。作者测量了该 Wi-Fi 信号的覆盖范围，因此它发现了他所指向的某个范围（例如 0-100 m）的低覆盖范围。

物联网 （IoT） 通常是海量数据和广泛覆盖范围。移动边缘计算（MEC）和无人机基站最近作为令人兴奋的物联网技术出现。推荐使用基于MEC的数据处理网络。在底层，具有本地信息的分布式传感器产生原始数据。UAV-BS 用于在作为 MEC 服务器移动时收集数据并执行初始数据处理阶段。中央云获取分析结果并执行进一步评估。边缘节点可以帮助稳定延迟，以确保数据新鲜度，满足在线处理要求。此外，有限的机载能量也限制了操纵边缘的能力。在低数据速率下，为提高能效而进行的边缘处理量是有限的。在高数据速率下，带宽将被智能地保留用于边缘数据沉积。尽管悬停无人机-BS提供了广泛而通用的服务，但这导致了航线规划的困境。本文认识到了这一问题，并应用综合增强学习设计了一种在线路线规划算法。将环境测量作为输入，CNN网络可以预测行为的激励。通过模拟增强服务覆盖率，证实了其有用性。研究结果将有助于未来物联网中的大数据分析。

在基于无人机的信息收集中，收集了三种信息，如视频流、遥测和辅助信息。由于收集的视频是基于MPEG的编码流，因此首先，应该对其进行编码。对于GPS或INS（惯性导航框架）传感器记录的遥测信息，它们被描绘成一个独特的参考轮廓，因此需要正式着装[45]。此外，为了获得用于移动无人机框架或精确估计正射影像的符号化 GCP，USGS DEM（数字高度显示）和 USGS DOQQ（数字正射影像四分之一四边形）参考图片，这些在轮廓冒险和确定方面都是多样化的，应该共同注册，以便可以执行 3D GCPS（全球气候观点框架）的智能估计。

基本上，无人机基于五个传感器;

 RGB传感器或摄像头

无人机（UAVs）是安装在无人机上的无法控制平面模型和RGB摄像头的，这些摄像头与GPS或IMU等航向传感器一起构成了无人机测量系统的重要组成部分。广告中有许多系列的RGB摄像头，可用于各种应用。选择适合安装在无人机上的RGB相机可能是胜利的关键。选择RGB相机有一些常用参数。这包括相机的焦点（更好的焦点和更少的几何残缺）、相机的确定以及电荷耦合器件 （CCD）/互补金属氧化物半导体 （CMOS） 芯片的质量（像素测量和喧嚣水平）。

 多光谱传感器或相机

多光谱相机重量轻。它们是无人机传感器系列中扩展到RGB相机的重要常用传感器之一。该传感器的工作是为植被和农业综合企业方面的专家提供的。该相机用于查看农场的水位，例如叶片水平的病害评估。多光谱传感器的一个令人难以置信的好处是，它能够以高分辨率（远优于30 cm地面测试分离（GCD））获取信息，这在传统的多光谱中通常是不可行。它与RGB相机不同，通常，多光谱相机具有更高的获取率，因为将额外的组连接到RGB组需要额外的设备。

高光谱传感器

高光谱传感器用于捕获具有数百个极限组（5–10nm透射容量）的图像[52\u201253]。大多数高光谱传感器是直接集群相机。高光谱传感器可捕获大量数据，这些数据对许多应用非常有价值。通常，与航空高光谱相机相比，轻型高光谱相机具有超凡脱俗的范围（400 nm 至 1100 nm 或 1100 nm 至 2500 nm）。对于基于无人机的高光谱传感器来说，这并不麻烦，因为在飞行计划中有一些努力，并且以有限的地面范围为代价。采购图片的确定可以达到 2 厘米到 5 厘米或更低的水平。

热红外传感器

该传感器还重量轻。这些是波长在（3um至35um）之间的中档非活动传感器。它们主要用于表面温度和热流出估计的测量。电机温度和发射率保证的根本问题是通过浓度及其输送。热传感器的使用通常用于实时，并提前选择合格的捕获率。热信息可用于许多农业和自然应用，而其他应用则使用热像仪。

假设热像仪的几何图形演示与标准视点相机的几何图形完全成正比[59]。另一方面，与RGB图片相比，暖膜通常位于纹理较少的包裹旁边，并且由于兴趣点的不足，现代摄影测量或运动策略的结构可能会不足。随后，一旦相机的几何透视平方测量，建议要求一个RGB相机印章，并相对于热像仪卡住，同时拍照，以利用热像仪的默认姿势。

 激光雷达

此外，LIDAR（光探测和测距）传感器被认为是获取几何信息的最精确方法之一[60]。这些传感器广泛用于护林员服务、社会遗产和建筑数据建模 （BIM）。如今，便携式、学术界和地球上的激光雷达都是在工业界和学术界制造的。无人机中的 GPS 或 IMU（惯性测量单元）传感器在传感器确定方面经常出错，因此这就是为什么飞行时载物台更加不稳定的原因。这样一来，使用校准良好的轻量级激光雷达传感器，得到的原因云的精度通常很低。据悉，非常精确的无人机搭载激光雷达框架通常带有差分GPS站]。其中高的精确度 GPS 估计是可以获得的。激光雷达传感器的获取率通常较低。

说明无人机在多个领域普遍使用，无人机的编队飞行也稳步引入[62]。然而，几种常用的无人机仍然难以用分布式编队控制理论来应对。这些模型和控制律已经在MATLAB/Simulink中进行了检查和验证，并导出为C++代码，并在基于Qt的仿真框架和地面控制系统（GCS）中实现，并手动中断通信。模拟框架提供无人机状态数据，GCS将其描述为人机界面（HMI），用于呈现状态数据并实现编队飞行的控制律。任何无人机都可以在GCS集中控制下执行编队飞行。编队控制算法与网络拓扑结构强相关，采用集中式结构实现基于虚拟领导者的共识编队控制算法。GCS负责编队控制算法和无人机状态的监视，以防止碰撞，并充当HMI，提供足够的用户友好的无人机图形用户界面（GUI）信息，并最大限度地减少飞行员的工作量。然后将无人机模型和控制算法转换为C++代码，并在MATLAB/Simulink上验证后在基于Qt的仿真平台和GCS中实现。GCS 提供用户友好的 GUI 和强大的无人机管理功能。GCS与仿真框架的隔离使其能够在未来扩展到半物理或物理仿真。

用于法医证据检测的无人机LiDAR传感器

无人机用于使用高精度的LiDAR方法进行数据收集[113]。无人机中的LiDAR系统有助于提高对城市基础设施管理的理解和规划，并允许几何提取和光谱检测。摄影测量是一门科学研究，用于测量照片并提供有关真实场景对象的绘图、地图和 3D 模型的信息。无人机使用激光雷达技术，该技术使用紫外线、可见光和红外光来观察近距离物体。使用红外光进行成像的无人机更适合法医应用。配备激光雷达系统的无人机能够收集高质量的现场照片，并通过录像搜索证据，以绘制和重建犯罪现场调查。传统的犯罪侦查程序耗费大量时间，然而，引入无人机的新技术和应用是司法鉴定的有力工具。无人机可以作为一种多用途工具，通过录像、摄影和通过检查现场和评估难以到达的地点来搜索证据，从而进行犯罪调查，然而，部署无人机进行法医调查是一项巨大的技术。

无人机集群概念

无人机集群概念呈现了一组无人机无人机以自组织的方式进行鲁棒操作以完成任务。目前无人机和无人机技术的发展趋势表明，无人机群自发地建立通信，本质上是分散的。

开发和研究了几种路由协议和网络技术，以提高网络性能。为了确保无人机的稳定性和可靠性，许多研究人员提供了不同的概念、架构和拓扑结构，这些概念、架构和拓扑结构在特定场景的自主通信方面取得了重大进展。此外，无人机集群协同策略在可靠通信中发挥着重要作用。分散式通信方式为无人机智能通信提供了平台。

在去中心化架构的保护伞下，无人机群通过消除通信范围的限制和对基础设施的依赖，以Adhoc模式进行实时通信。无人机群的分散架构是单组群自组网（SGSAN）、多组群自组网（MGSAN）和多层群自组网（MLSAN）。

无人机通信的蜂拥而至，朝着基于云和卫星的通信方向发展，并触发了信息。目前的研究趋势集中在无人机通信群的安全领域

无人机的军事应用特定于不同的行动，这些行动提供有关战斗的情报。它使用一群无人机的概念来收集有关军事行动的信息。轻微的无人机用于炸弹识别。这些无人机是由美国开发的，旨在提醒军方拯救人类。它可用于侦察敌人的活动。无人机对于对更大的地理区域进行监视非常重要。无人机群可以部署在不安全的区域，以提供有关安全的信息。无人机技术是现代这些军事应用的经济解决方案。

作者研究了他们的中小型无人机的性能，这倾向于以更高的自独立性改善自动化过程[80]。另一方面，它改善了系统问题和封闭的系统解决方案。值得注意的是，该调查从传感器数据中显示了机器的性能，该数据评估了算法的有限继承，我们正在通过不同类型的功能变化来改变环境条件。他们收集了结果，结果显示可靠性并没有提高多少。作者已经研究了性能，因此他们提到了收集结果的一些关键参数。他们制作了可以改善结果的预定义参数，并有望实现最佳性能。这些结果的基本目标是提高无人机飞行路线的质量，并同意允许有效使用传感器系统。笔者使用帕累托优化方法改进了飞行路线和帕累托实际方法，该方法已针对当前飞行进行了设置。

作者讨论了决策多无人机架构的开发，以及作为AWARE项目[81]的一部分开发的真实无人机和WSN实验。本文档还提到了各种任务，包括多架无人机监视、传感器部署和火灾威胁确认。为了避免冗余，只强调了离散的功能，而不是为每个任务定义完整的架构操作。目标的执行解决了多无人机系统的核心问题，包括任务的分布式分配、争议解决和计划细化。此外，还引入了一个协作框架，用于在灾害管理和国家安全等具有挑战性的情况下进行多无人机协调。试验表明，其增强的架构使我们能够开展广泛的活动：跟踪、传感器部署、火灾识别和灭火。来自多家制造商和研究小组的自动驾驶汽车的整合阶段是该架构的主要特征之一，这使得在AWARE项目期间，各种类型的无人机能够以最少的开发工作进行集成。然而，由于分布式决策系统，HMI框架的各种任务实现和关闭重启并没有影响平台输出。由于任何通信层限制的不可用性，无人机之间的协作可以通过分布式方法实现。

无人机安全

无人机使用服务提供商的网络将数据传输到组织和地面站[82]。这些无人机使用不同类型的通信技术，如GPS、红外线、蓝牙、Wi-Fi和ZigBee，但这些网络技术容易受到黑客的安全攻击[83\u201284]。最近的报道证明，无人机通过“信道跳”攻击对无人机发起了安全攻击，以控制其接口。

WiFi和GPS干扰器还用于发起攻击以破坏无人机的通信，这种连接是GPS欺骗6，用于通过发送欺诈信号来欺骗数据接收者[85\u201286]。它使运行无人机或设备或终端的程序的数据失真，这些设备或终端与飞机航站楼、咖啡馆和准备站中的开放式 Wi-Fi 系统相关联。

它提取客户端数据，例如用户名和密码。攻击的程度将继续上升，制造商和政府应该共同努力，保护这些框架免受攻击。此外，应执行运输法规以制定安全规则，并应为无人机客户提供准备。应派遣安全官员维护这些装置和使用它们的平民的安全。无人机制造商应对其产品进行更好的监管和限制。应保持个人信息的隐私性，并应注意安全性，以保持与中断的战略距离。

无人机组网是系统的重要组成部分，它必须能够提供QoS服务，但仍然没有有效的路由协议可用于更好的路径通信。由于在数据传输和接收过程中以及无人机悬停期间会消耗大量能量，因此必须开发基于能效的组播路由协议进行通信。QoS服务交付是无人机通信中的一个大问题，因此未来的研究必须设计和开发新的算法来避免延迟和重新路由。链路稳定性也是无人机通信中的一个主要问题，因为无人机系统的悬停，每次与基站连接时都会出现问题，需要在该区域进行进一步的研究工作以提高链路稳定性。

如今，无人机系统被用于体育广播的实时视频流，向最终用户提供具有体验质量（QoE）的服务是服务提供商面临的一个问题。QoE域基于用户的满意度，因此每个组织都添加此功能以获得用户的反馈，以改善他们的服务，他们仍将是永久客户，但在无人机系统中添加QoE域也是一个主要问题。在这方面，Laghari等人。提出了一种用于QoS服务交付的无人机环境的QoE模型，但是，所提出的模型并未在实时环境中实现[106]。

无人机系统将电池用于悬停和能源目的，使用电池它们可以在短时间内飞行，并且在通信和视频记录相机中也会消耗功率。无人机的能量有限也是实时流媒体和监控的一个问题，因此基于太阳能的无人机系统将是一个更好的主意，以实现在悬停时间充电，因此它也将增加白天工作的农业领域的操作时间。

地面站控制：一次又一次地检查网络架构的可靠性，并模拟车辆的控制。控制更好的无人机系统需要开发更有效的算法，目前可用的算法不足以完成这一操作。GCS必须通知车辆之间或任何其他物质是否发生碰撞，并引导替代路径以避免碰撞，这也需要更多的功率GCS，它通过改进的用户界面控制所有信息。

 结论

本文回顾了无人机系统和通信设计，以及用于连接和发送数据到地面站的方法。此外，我们还讨论了通过传感器和安全性应用程序进行数据处理。我们提供无人机系统的关键定义和概念，以及通信系统和GCS开发的详细信息。我们对无人机的安全性以及为干扰无人机系统通信而发起的攻击类型进行审查和分析。最后，为无人机系统和通信的进一步发展提供了开放的研究领域，从而为行业带来了更好的无人机技术。