1.一种基于无人机的无线传感网数据采集方法，其特征在于，包括：S1、收集网络中所有传感器节点在同一时刻的历史数据作为样本数据，基于样本数据构建协方差矩阵，并进行特征值分解，得到稀疏变换矩阵以及数值稀疏度；

S2、对若干传感器节点的样本数据进行压缩，得到测量向量，通过测量向量对样本数据进行重构，若重构的数据等于样本数据，则根据数值稀疏度与传感器节点数量确定对应传感器节点数量的最少测量次数；

利用压缩感知技术对

通过测量向量进行数据重构，当重构的数据

将

所述根据数值稀疏度与传感器节点数量确定对应传感器节点数量的最少测量次数，包括：从样本数据中选取不同数量传感器节点的数据分别进行压缩，得到对应的测量向量，通过测量向量对各传感器节点的数据进行重构，确定不同数量传感器节点对应的最少测量次数；

从

通过改变

通过蒙特卡罗实验对若干最小测量次数进行曲线拟合，确定数值稀疏度、传感器节点与最少测量次数的函数关系式；

通过曲线拟合确定函数关系式

将数值稀疏度与传感器节点数量代入函数关系式计算得到对应传感器节点数量的最少测量次数；

S3、对所有传感器节点进行分簇并确定每个簇的簇头，最小分簇数等于最少测量次数，所述最少测量次数即为无人机单次飞行的最小采集次数；

S4、设定无人机以汇聚节点为起点，以各簇头为停靠点，以汇聚节点为终点的数据采集路径，进行最优路径规划；

通过强化学习训练的Transformer模型进行无人机最优路径规划，所述Transformer模型进行无人机最优路径规划的具体操作为：S4.1、将已经进行坐标标记的汇聚节点与各簇头传感器节点导入到模型的编码器中，并根据汇聚节点与各簇头传感器节点的坐标值生成输入序列；

将汇聚节点与

S4.2、通过编码器嵌入层将输入序列中的各坐标值映射至高维的向量空间，并通过编码层多头注意力机制的查询矩阵、键矩阵和值矩阵输出目标序列；

将X中每个坐标值

式中，

S4.3、将目标序列作为解码器的输入，经解码处理得到编码器输入序列中所有节点的概率分布，所述节点包括汇聚节点和各簇头传感器节点；

所述目标序列经

式中，

式中，

式中，

S4.4、基于所有节点的概率分布，通过集束搜索确定每个节点的访问顺序；

式中，

S4.5、根据访问顺序依次确定待访问簇头传感器节点的坐标值，生成无人机的最优路径规划；

S5、基于规划的最优路径进行各簇头数据的采集，得到测量向量，并将其返回至汇聚节点；更新簇头，对更新后的各簇头数据进行采集，直至汇聚节点获得所有传感器节点的测量向量。

2.根据权利要求1所述的基于无人机的无线传感网数据采集方法，其特征在于，还包括汇聚节点通过测量向量得到稀疏测量矩阵，通过稀疏测量矩阵与稀疏变换矩阵重构各传感器节点的数据。

3.根据权利要求1所述的基于无人机的无线传感网数据采集方法，其特征在于，所述更新簇头的具体方法为：从每个簇中选取一个未被无人机访问的传感器节点替换当前簇头，作为新簇头，并对替换掉的传感器节点进行访问次数累计；

若簇中各传感器节点的访问次数都相同，则重新选取距离该簇中心最小的传感器节点作为簇头；

若簇中各传感器节点的访问次数不同，则选取访问次数最少的传感器节点作为簇头。

4.根据权利要求2所述的基于无人机的无线传感网数据采集方法，其特征在于，所述稀疏变换矩阵通过样本数据进行构建，并保持不变；所述稀疏测量矩阵根据无人机采集数据时簇头对应的传感器节点的编号进行构建。

5.一种基于无人机的无线传感网数据采集系统，其特征在于，包括：样本数据模块，用于收集网络中所有传感器节点在同一时刻的历史数据作为样本数据，基于样本数据构建协方差矩阵，并进行特征值分解，得到稀疏变换矩阵以及数值稀疏度；

压缩测量模块，用于对若干传感器节点的样本数据进行压缩，得到测量向量，通过测量向量对样本数据进行重构，若重构的数据等于样本数据，则根据数值稀疏度与传感器节点数量确定对应传感器节点数量的最少测量次数；

利用压缩感知技术对

通过测量向量进行数据重构，当重构的数据

将

所述根据数值稀疏度与传感器节点数量确定对应传感器节点数量的最少测量次数，包括：从样本数据中选取不同数量传感器节点的数据分别进行压缩，得到对应的测量向量，通过测量向量对各传感器节点的数据进行重构，确定不同数量传感器节点对应的最少测量次数；

从

通过改变

通过蒙特卡罗实验对若干最小测量次数进行曲线拟合，确定数值稀疏度、传感器节点与最少测量次数的函数关系式；

通过曲线拟合确定函数关系式

将数值稀疏度与传感器节点数量代入函数关系式计算得到对应传感器节点数量的最少测量次数；

分簇模块，用于对所有传感器节点进行分簇并确定每个簇的簇头，最小分簇数等于最少测量次数，所述最少测量次数即为无人机单次飞行的最小采集次数；

路径规划模块，用于设定无人机以汇聚节点为起点，以各簇头为停靠点，以汇聚节点为终点的数据采集路径，进行最优路径规划；通过强化学习训练的Transformer模型进行无人机最优路径规划，所述Transformer模型进行无人机最优路径规划的具体操作为：将已经进行坐标标记的汇聚节点与各簇头传感器节点导入到模型的编码器中，并根据汇聚节点与各簇头传感器节点的坐标值生成输入序列；

将汇聚节点与

通过编码器嵌入层将输入序列中的各坐标值映射至高维的向量空间，并通过编码层多头注意力机制的查询矩阵、键矩阵和值矩阵输出目标序列；

将X中每个坐标值

式中，

将目标序列作为解码器的输入，经解码处理得到编码器输入序列中所有节点的概率分布，所述节点包括汇聚节点和各簇头传感器节点；

所述目标序列经

式中，

式中，

式中，

基于所有节点的概率分布，通过集束搜索确定每个节点的访问顺序；

式中，

根据访问顺序依次确定待访问簇头传感器节点的坐标值，生成无人机的最优路径规划；

采集模块，用于基于规划的最优路径进行各簇头数据的采集，得到测量向量，并将其返回至汇聚节点；更新簇头，对更新后的各簇头数据进行采集，直至汇聚节点获得所有传感器节点的测量向量。

6.一种基于无人机的无线传感网数据采集设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的程序数据时实现如所述权利要求1-4中任一项所述的基于无人机的无线传感网数据采集方法。

7.一种可读存储介质，其特征在于，用于存储控制程序数据，其中，所述控制程序数据被处理器执行时实现如所述权利要求1-4中任一项所述的基于无人机的无线传感网数据采集方法。