计算机科学与探索

作者：熊康, 刘思聪, 王宏涛, 高元, 郭斌, 於志文

单位：1. 西北工业大学 计算机学院，西安 7100722. 中国电子科技集团公司 第十五研究所，北京 1000833. 哈尔滨工程大学，哈尔滨 150009

关键词：时间图卷积网络,协同定位,通道剪枝,图重排算法,深度确定性策略梯度

基金：国家杰出青年科学基金（62025205）；国家自然科学基金（62032020，62102317）。

随着无人机技术快速发展，在定位信号缺失的情况下进行无人机定位成为一个研究难题。而近几年图神经网络的出现与发展，为解决这一难题提供了一种新的解决思路。然而在资源受限的无人机端侧部署图神经网络面临着无人机算储资源受限及实时性难以满足等挑战。提出面向无人机协同定位的机载深度计算编译优化方法。采用了一种轻量化的时间图卷积神经网络模型，该时间图卷积网络由图卷积网络和门控递归单元组成，将无人机群的空间依赖性和无人机位置变化的时间依赖性同时加以考虑，对无人机群位置进行精确的预测；针对该模型在时间图卷积网络上的冗余特性，提出了基于逆向Cuthill-McKee图重排和基于双深度确定性策略梯度的全局自适应剪枝算法。在保证无人机群坐标精确预测的同时，不仅能提高数据在主存的空间局部性，加速模型的运算速度，而且能够对模型进行自适应的非结构化剪枝，降低模型的存储复杂度。实验结果表明，相对于已有的时间图卷积神经网络模型，编译优化后的轻量化时间图卷积神经网络模型在保留78.8%准确率的同时，模型计算时间降低37.9%，模型的平均剪枝率达到90.3%。

来源：2025年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第1期