CN111768654B - 一种多无人机协同中继辅助车载自组网数据传输方法 - Google Patents

一种多无人机协同中继辅助车载自组网数据传输方法 Download PDF

Info

Publication number
CN111768654B
CN111768654B CN202010595201.6A CN202010595201A CN111768654B CN 111768654 B CN111768654 B CN 111768654B CN 202010595201 A CN202010595201 A CN 202010595201A CN 111768654 B CN111768654 B CN 111768654B
Authority
CN
China
Prior art keywords
channel
vehicle
unmanned aerial
aerial vehicle
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010595201.6A
Other languages
English (en)
Other versions
CN111768654A (zh
Inventor
田大新
张颂歌
段续庭
周建山
韩旭
郎平
郝威
龙科军
刘赫
拱印生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202010595201.6A priority Critical patent/CN111768654B/zh
Publication of CN111768654A publication Critical patent/CN111768654A/zh
Application granted granted Critical
Publication of CN111768654B publication Critical patent/CN111768654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/02—Processing of mobility data, e.g. registration information at HLR [Home Location Register] or VLR [Visitor Location Register]; Transfer of mobility data, e.g. between HLR, VLR or external networks
    • H04W8/08—Mobility data transfer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种多无人机协同中继辅助车载自组网数据传输方法，本发明基于信道不确定性模型设计传输调度优化目标函数，进而通过动态规划求解得到最优控制集合和状态集合，预测每条协作链路中的传输功率和信道增益，在此基础上计算各链路的信道评估指标。无人机群介入数据传输后与源/目的节点间建立多条协作传输路径，源节点根据信道评估指标将原数据分割成多份子文件并分配到不同的协作路径传输至目的节点。本发明将现实环境中信道的不确定性纳入考量，所提出的多无人机协同中继辅助车载自组网数据传输方法能有效提升车载自组网数据传输过程中空地、空基链路的鲁棒性。

Description

一种多无人机协同中继辅助车载自组网数据传输方法
技术领域
本发明涉及车载移动自组织网络与无人机中继传输交叉领域中，特别是涉及一种基于信道不确定性模型的多无人机协同中继辅助车载自组网数据传输方法。
背景技术
无人机作为低空平台(Low Altitude Platform,LAP)在无线通信领域中的应用近年来快速发展，在未来5G时代网联无人机也将是移动终端中重要的组成部分。无人机快速移动的特性和空中可视连接(Line of Sight,LoS)的优势使得其具备向地面节点进行数据分发的能力，进而可作为空中基站对服务区域进行全方位无线覆盖，也可作空中中继点进行多跳路由扩大通信范围。受信道容量、飞行能耗和传输数据量等影响，单个无人机的通信传输存在任务完成率低、传输时间过长等问题，而采用多个无人机协作通信可实现更大数据的快速分发传输，更加适合向拓扑结果变化迅速的车载移动自组网提供无线覆盖网络服务。作为一种新兴通信技术，协作通信中各节点基于广播特性相互帮助实现协作行为，提高系统的性能增益，例如传输功率的降低，系统容量提高和覆盖范围扩大。然而在实际车载自组网通信系统中，通信环境存在网络复杂、拓扑结构变化迅速、状态难以预测等挑战，车载移动节点的瞬时增益难以准确估计。基于有偏差的增益估计值进行算法设计和网络资源调度，易导致车载自组网多跳通信链路中断。因此，将信道的不确定性模型纳入本发明所提出的多无人机协同中继辅助车载自组网数据传输方法中，提升空地、空基链路的鲁棒性。
发明内容
本发明针对车载移动自组网网络环境中不确定的信道环境状态(ChannelStatement Information)，提出一种协作通信系统中功率与信道状态联合优化的理论分析模型，用以解决无人机组网辅助车辆传输中的动态信道问题，最终设计一种基于信道不确定性模型的多无人机协同中继辅助车载自组网数据传输方法。
本发明所提出的一种基于信道不确定性模型的多无人机协同中继辅助车载自组网数据传输方法，包括以下步骤：
(1)建立中继无人机辅助的空基协作网中地空通信链路的信道模型；
(2)转化为最优控制问题，定义其中的运动方程、允许控制范围、状态函数以及性能指标函数；
(3)离散化最优控制问题模型后采用动态规划的方法进行动态求解；
(4)多无人机中继辅助车载自组网链路建立与传输；
所述步骤(1)中的中继无人机辅助的空基协作网由三部分组成，包括一个车辆源节点S,中继无人机群节点D(s)以及目的节点d(s)，其中车辆节点S和无人机群节点
Figure BDA0002552481430000025
的发射功率分别为ps(t)和pr(t)。
所述步骤(1)中地空通信链路的信道增益为gs，r，另外空基链路和地基链路的信道增益分别为hs，d(s)和hr，d(s)，其动态变化的情况记为不确定集合
Figure BDA0002552481430000021
且满足条件
Figure BDA0002552481430000022
由于数据传输具有时间上的限制，我们需要对信道容量即传输速率进行条件约束，以满足在规定时间内的传输要求。假设空中是由N个节点组成的中继网络，节点间的信道增益用hi，j表示，且节点间距离用函数di，j表示，节点i和j由车辆s、无人机中继d(s)以及目标基站r组成。空地链路中的确定信道增益满足信道容量R1的约束，而空基和地基的不确定信道集合满足信道容量R2的约束。
信道容量R1满足如下限制：
Figure BDA0002552481430000023
即可以得到车辆节点传输功率需满足
Figure BDA0002552481430000024
同理，信道容量R2满足如下限制：
Figure BDA0002552481430000031
其中P1和P2的定义具体如下：
Figure BDA0002552481430000032
Figure BDA0002552481430000033
即得到无人机中继网络每个节点的传输功率pr(t)和车辆传输功率ps(t)需要同时满足：
Figure BDA0002552481430000034
上式等式左边为目标函数为：
f(ΔhTX)＝δ+ξ (6)
其中δ和ξ的定义具体如下：
Figure BDA0002552481430000035
Figure BDA0002552481430000036
关于车辆节点和无人机中继节点的信道增益和传输功率联合优化问题即可表示为：
Figure BDA0002552481430000037
Figure BDA0002552481430000038
Figure BDA0002552481430000039
通过KTT条件引入Lagrange因子将
Figure BDA0002552481430000041
中所涉及的等式约束问题推广到不等式约束。由KKT条件得：
Figure BDA0002552481430000042
Figure BDA0002552481430000043
Figure BDA0002552481430000044
D≥0，i∈{s}∪D(S)
对L求ΔhTX偏导可以得到：
Figure BDA0002552481430000045
求解得出信道的表达式如下：
Figure BDA0002552481430000046
若∑i∈{s}∪D(s)|Δhi，d(s)|2＜ρ2,则υ＝0，可得到Δhi，d(s)＝-hi，d(s)，即
∑i∈{s}∪D(s)|Δhi，d(s)|2＝∑i∈{s}∪D(s)|hi，d(s)|2＜ρ2，此时
Figure BDA0002552481430000047
不满足R2，系统无解。
若∑i∈{s}∪D(s)|Δhi，d(s)|2＜ρ2，由上一种讨论结果可得υ≠0，则有
∑i∈{s}∪D(s)|Δhi，d(s)|2＝ρ2，设v*为
Figure BDA0002552481430000048
的解。于是解出
Figure BDA0002552481430000049
因此可以得到所优化的函数可通过最优解表示为：
Figure BDA0002552481430000051
所述步骤(2)中的最优控制问题中由信道限制R1得到的容许控制集为：
Figure BDA0002552481430000052
umin，r≤ur≤umax，r
Figure BDA0002552481430000053
pmin，s≤ps≤pmax，s}
由信道限制R2得到的容许控制集为：
Figure BDA0002552481430000054
系统的总容许控制集为
Figure BDA0002552481430000055
可表示为
Figure BDA0002552481430000056
价值函数可表示为
Figure BDA0002552481430000057
所述步骤(3)中的离散化模型如下：
状态方程：
Figure BDA0002552481430000058
vr(k+1)＝vr(k)+ur(k)Δτ (19)
Figure BDA0002552481430000059
Figure BDA00025524814300000510
值泛函可由定义优化问题转化得到：
Figure BDA0002552481430000061
在数值优化的方法中，存在多种高效的优化问题的数值求解算法，例如，Newton方法、共轭梯度方法、模式搜索方法等。本发明借助动态规划将求解问题恰当的分成若干个阶段，通过求出每个状态的最优控制变量
Figure BDA0002552481430000062
和最优决策状态
Figure BDA0002552481430000063
从而得出全局最优的传输功率和信道增益信息。
根据动态规划方法，在求解过程中递归方程从最后一个阶段开始，向上一状态逆向进行，递归方程如下
Figure BDA0002552481430000064
其中最终状态的值为：
Figure BDA0002552481430000065
每个状态下的价值函数定义为：
Figure BDA0002552481430000066
通过求出每个状态下的最优性能指标J*和最优控制u*，逆向递推求出整个过程中最优控制序列，进而正向复原最优控制序列和最优轨迹，从给定的初始状态和转移方程，求得下一时刻的状态，得到全局的最优状态。
所述步骤(4)中车辆节点需要将传输内容分割为一系列子数据文件进行传输，这些子文件大小可以互不相同。在无人机协同中继辅助车载自组网场景下，车载节点还可以通过多条无人机中继协作链路进行数据传输，亦采用多条路径传输一系列子内容。车载源节点可以将应用层的整个内容文件分割成一系列不同的子数据文件，并通过直传链路和协作链路将这些数据文件传输给车载目的节点。目的节点的应用层需要将所接收到的子文件合并起来形成整个内容文件。
在整个组网协作传输场景中，车载源节点S向目的节点D(s)发送RTS(Ready-To-Send)分组.目的节点监听到后,会向源节点回复CTS(Clear-To-Send)分组。若协同中继网络能够正确接收到CTS和RTS分组，就能够成为此次传输时隙中的候选中继节点。每个候选节点根据接收到RTS分组时的信道状态，再根据本发明提出算法进行评估，得出最优控制序列和最优状态信息，即求出各条链路中的信道增益和传输功率。
车辆节点和候选中继建立链路后，根据信道评估指标G＝pi·hi，d(s)，i∈s∪D(S)进行数值排序，并按其大小进行子内容文件的分配。例如，对于任何一条传输路径而言，如果其传输性能较差，车载源节点S应该合理地减小该路径所要承担的传输任务；相反地，如果任何一条路径传输性能较优，则车载节点S应该合理地增加该路径所需承担的传输任务，其中G的数值越大代表传输性能越好。
本发明的有益效果：
城区道路交通环境下，车载自组网信道状态易变且难以准确跟踪，本发明通过引入信道不确定性模型至无人机协同中继辅助车载自组网数据传输过程中，有效提升车载自组网在城市环境下的链路稳定性。另外，本发明基于信道评估指标分割传输数据，在多条无人机节点介入的通信链路并行传输数据子包，有效提高车载自组网的大文件数据传输能力，拓展了车载自组网的使用场景。综合而言，本发明更加适合城市交通场景并且对于提升车载自组网可靠性，拓展使用场景具有极大意义。
附图说明
图1是多无人机协同中继辅助传输场景图；
图2是信道链路连接示意图；
图3是传输调度优化算法图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步详细说明。
下面结合附图对本发明做进一步的描述：
本发明涉及不确定性信道模型的多无人机协同中继辅助车载自组网数据传输方法，此方法适用于具备传输能力和计算能力的移动设备。图1中车辆节点S移动到中继无人机群D(s)的可覆盖区域内，向外广播发送RTS(Ready-To-Send)分组。此时目标节点监听到后，向发送源回复CTS(Clear-To-Send)分组。在此过程中，中继无人机群同样会监听到CTS和RTS信号，并进行如下算法的计算：
(1)建立中继无人机辅助的空基协作网中地空通信链路的信道模型；
(2)转化为最优控制问题，定义其中的运动方程、允许控制范围、状态函数以及性能指标函数；
(3)离散化最优控制问题模型后采用动态规划的方法进行动态求解；
(4)根据以上步骤计算出无人机群各节点的传输增益和功率，车辆根据对其进行优劣排序，并根据排序结果进行子内容传输任务的分配。
步骤(1)中中继无人机节点和车辆节点接收到CTS分组，并因此得到空基链路和地基链路的信道增益、传输距离等信息，根据这些参数和自身当前功率进行功率和增益的协同优化。
图2中地空通信链路的信道增益为gs，r，另外空基链路和地基链路的信道增益分别为hs，d(s)和hr，d(s)，其动态变化的情况记为不确定集合
Figure BDA0002552481430000081
且满足条件
Figure BDA0002552481430000082
中继无人机节点和车辆节点首先建立优化目标集[pi(t)，hi，d(s)]，i∈s∪D(s)。
步骤(1)中的每条链路由于信道容量即传输速率需要进行条件约束，以满足在规定时间内的传输要求。假设空中是由N个节点组成的中继网络，节点间的信道增益用hi，j表示，且节点间距离用函数di，j表示，节点i和j由车辆s、无人机中继d(s)以及目标基站r组成。空地链路中的确定信道增益满足信道容量R1的约束，而空基和地基的不确定信道集合满足信道容量R2的约束。
信道容量R1满足如下限制：
Figure BDA0002552481430000091
即可以得到车辆节点传输功率需满足
Figure BDA0002552481430000092
同理，信道容量R2满足如下限制：
Figure BDA0002552481430000093
其中P1和P2的定义具体如下：
Figure BDA0002552481430000094
Figure BDA0002552481430000095
即得到无人机中继网络每个节点的传输功率pr(t)和车辆传输功率ps(t)需要同时满足：
Figure BDA0002552481430000096
其中
Figure BDA0002552481430000097
Δhi，d(s)为信道中不确定增益集，i∈s∪D(s)。
上式等式左边为目标函数为：
f(ΔhTX)＝δ+ξ (6)
其中δ和ξ的定义具体如下：
Figure BDA0002552481430000101
Figure BDA0002552481430000102
关于车辆节点和无人机中继节点的信道增益和传输功率联合优化问题即可表示为：
Figure BDA0002552481430000103
Figure BDA0002552481430000104
Figure BDA0002552481430000105
所述步骤(2)中在定义最优控制问题之前，需要将模型“最小最大化”形式的鲁棒优化模型，从而使随机优化问题的求解变为可行。步骤(1)中最终得到的模型具有R1和R2的不等式约束，且优化目标函数为非线性函数。本发明引入Lagrange方法从而设计优化算法，引入任意实数v表示一个Lagrange乘子，由KKT得：
Figure BDA0002552481430000106
Figure BDA0002552481430000107
Figure BDA0002552481430000108
D≥0，i∈{s}∪D(S)
对L求ΔhTX偏导可以得到：
Figure BDA0002552481430000109
求解得出信道的表达式为：
Figure BDA00025524814300001010
若∑i∈{s}∪D(s)|Δhi，d(s)|2＜ρ2，则v＝0，可得到Δhi，d(s)＝-hi，d(s)，即∑i∈{s}∪D(s)|Δhi，d(s)|2＝∑i∈{s}∪D(s)|hi，d(s)|2＜ρ2，此时
Figure BDA0002552481430000111
不满足R2，系统无解。
若∑i∈{s}∪D(s)|Δhi，d(s)|2＜ρ2，由上一种讨论结果可得v≠0，则有∑i∈{s}∪D(s)|Δhi，d(s)|2＝ρ2，设v*为
Figure BDA0002552481430000112
的解。于是解出
Figure BDA0002552481430000113
所述步骤(2)中需要优化的泛函为：
Figure BDA0002552481430000114
最优控制问题中由信道限制R1得到的容许控制集为：
Figure BDA0002552481430000115
umin，r≤ur≤umax，r
Figure BDA0002552481430000116
pmin，s≤ps≤pmax，s
由信道限制R2得到的容许控制集为：
Figure BDA0002552481430000117
Figure BDA0002552481430000121
所述步骤(2)中的系统的总容许控制集为
Figure BDA0002552481430000122
可表示为
Figure BDA0002552481430000123
所述步骤(2)中的价值函数可表示为
Figure BDA0002552481430000124
所述步骤(3)中的离散化模型如下：
所述步骤(3)状态方程：
Figure BDA0002552481430000125
vr(k+1)＝vr(k)+ur(k)Δτ (18)
Figure BDA0002552481430000126
Figure BDA0002552481430000127
所述步骤(3)值泛函可由定义优化问题转化得到：
Figure BDA0002552481430000128
根据动态规划方法，在求解过程中递归方程从最后一个阶段开始，向上一状态逆向进行，递归方程如下
Figure BDA0002552481430000129
其中最终状态的值为：
Figure BDA00025524814300001210
每个状态下的价值函数定义为：
Figure BDA00025524814300001211
所述步骤(3)中通过求出每个状态下的最优性能指标J*和最优控制u*，逆向递推求出整个过程中最优控制序列，进而正向复原最优控制序列和最优轨迹，从给定的初始状态和转移方程，求得下一时刻的状态，得到全局的最优状态。
所述步骤(4)中车辆节点需要将传输内容分割为一系列子数据文件进行传输，这些子文件大小可以互不相同。在无人机协同中继辅助车载自组网场景下，车载节点还可以通过多条无人机中继协作链路进行数据传输，亦采用多条路径传输一系列子内容。车载源节点可以将应用层的整个内容文件分割成一系列不同的子数据文件，并通过直传链路和协作链路将这些数据文件传输给车载目的节点。目的节点的应用层需要将所接收到的子文件合并起来形成整个内容文件。
所述步骤(4)中车辆节点和候选中继建立链路后，根据信道评估指标G＝pi·hi，d(s)，i∈s∪D(S)进行数值排序，并按其大小进行子内容文件的分配。图3是系统传输调度优化算法图，对于任何一条传输路径而言，如果其传输性能较差，车载源节点S应该合理地减小该路径所要承担的传输任务；相反地，如果任何一条路径传输性能较优，则车载节点S应该合理地增加该路径所需承担的传输任务，其中G的数值越大代表传输性能越好。

Claims (5)

1.一种多无人机协同中继辅助车载自组网数据传输方法，其特征在于，包括以下步骤：
(1)建立中继无人机辅助的空基协作网中地空通信链路的信道模型：中继无人机辅助的空基协作网由三部分组成，包括一个车辆源节点S，中继无人机群中的节点D(s)以及目的节点d(s)，整个信道的增益以及各部分节点的传输功率需满足有关信道容量R_1和R_2的条件限制；
(2)通过Karush-Kuhn-Tucker(KKT)条件引入Lagrange因子将优化问题中所涉及的等式约束问题推广到不等式约束，得到最终所需优化的目标函数，转化为最优控制问题，定义其中的运动方程、允许控制范围、状态函数以及性能指标函数；
(3)离散化最优控制问题模型后采用动态规划的方法进行动态求解，通过k步迭代循环，逆向递推求出整个过程中最优控制序列，进而正向复原最优控制序列和最优轨迹；
(4)多无人机中继辅助车载自组网链路通过信道评估指标建立直通和协作链路，并通过子内容分配方法进行数据传输；
所述通信链路的信道模型通过信道增益和传输功率刻画，
Figure FDA0003185914520000011
在多无人机协同中继辅助传输场景中，N为节点数量，传输源节点记为i以及目的节点记为j，pi(t)为节点i的发射功率，hi，j为节点i与j间的信道增益，其中ps(t)和pr(t)分别为车辆节点S和无人机群节点
Figure FDA0003185914520000012
的发射功率，另外空基链路和地基链路的信道增益分别为hs,d(s)和hr,d(s)，其动态变化的情况记为不确定集合
Figure FDA0003185914520000013
且满足条件
Figure FDA0003185914520000014
步骤1中的参数需要在实际传输过程中满足信道容量R1和R2的要求，且在数学公式上满足如下条件约束：
信道容量R1满足如下限制：
Figure FDA0003185914520000021
即可以得到车辆节点传输功率需满足
Figure FDA0003185914520000022
其中，gs,r为地空通信链路的信道增益；
同理，信道容量R2满足如下限制：
Figure FDA0003185914520000023
其中P1和P2的定义具体如下：
Figure FDA0003185914520000024
Figure FDA0003185914520000025
即得到无人机中继网络每个节点的传输功率pr(t)和车辆传输功率ps(t)需要同时满足：
Figure FDA0003185914520000026
所述步骤1中的目标函数可以写为关于动态随机变量ΔhTX的函数：
f(ΔhTX)＝δ+ξ (7)
其中δ和ξ的定义具体如下：
Figure FDA0003185914520000027
Figure FDA0003185914520000031
所述步骤1中关于车辆节点和无人机中继节点的信道增益和传输功率联合优化问题即可表示为：
Figure FDA0003185914520000032
Figure FDA0003185914520000033
Figure FDA0003185914520000034
2.根据权利要求1所述的方法，其特征在于：引入Lagrange因子后得到的目标优化函数为：
Figure FDA0003185914520000035
Figure FDA0003185914520000036
Figure FDA0003185914520000037
D≥0,i∈{s}∪D(S)
其中，Δhi,d(s)为信道中不确定增益集；
根据求偏导得到最优的Lagrange乘子参数v*，目标函数需满足：
Figure FDA0003185914520000038
Figure FDA0003185914520000041
3.根据权利要求2所述的方法，其特征在于：将目标函数转化为最优控制问题，定义有关泛函及其运动方程、允许控制范围、状态函数以及性能指标函数，所述权利要求 1步骤3中的最优控制问题中由信道限制R1得到的容许控制集为：
Figure FDA0003185914520000042
由信道限制R2得到的容许控制集为：
Figure FDA0003185914520000043
Figure FDA0003185914520000044
系统的总容许控制集为
Figure FDA0003185914520000045
可表示为
Figure FDA0003185914520000046
价值函数可表示为
Figure FDA0003185914520000047
4.根据权利要求3所述的方法，其特征在于：
离散化最优控制问题，采用动态规划的方法进行迭代求解，所述权利要求1步骤3中的离散化模型如下：
状态方程：
Figure FDA0003185914520000051
vr(k+1)＝vr(k)+ur(k)Δτ (18)
Figure FDA0003185914520000052
Figure FDA0003185914520000053
值泛函可由定义优化问题转化得到：
Figure FDA0003185914520000054
递归方程如下:
Figure FDA0003185914520000055
其中最终状态的值为：
Figure FDA0003185914520000056
每个状态下的价值函数定义为：
Figure FDA0003185914520000057
5.根据权利要求4所述的方法，其特征在于：多无人中继辅助车载自组网链路根据优化后的传输功率和信道增益进行信道评估，通过指标G＝pi(t)·hi,d(s),i∈s∪D(S)数值排序，并按其大小进行子内容文件的分配，所述权利要求1步骤4的子内容文件分配方法是，车载源节点将应用层的整个内容文件分割成一系列不同的子数据文件，并通过直传链路和协作链路将这些数据文件传输给车载目的节点，目的节点的应用层需要将所接收到的子文件合并起来形成整个内容文件；其中，hi,d(s)为节点i与d(s)间的信道增益。
CN202010595201.6A 2020-06-23 2020-06-23 一种多无人机协同中继辅助车载自组网数据传输方法 Active CN111768654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010595201.6A CN111768654B (zh) 2020-06-23 2020-06-23 一种多无人机协同中继辅助车载自组网数据传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010595201.6A CN111768654B (zh) 2020-06-23 2020-06-23 一种多无人机协同中继辅助车载自组网数据传输方法

Publications (2)

Publication Number Publication Date
CN111768654A CN111768654A (zh) 2020-10-13
CN111768654B true CN111768654B (zh) 2021-09-28

Family

ID=72722199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010595201.6A Active CN111768654B (zh) 2020-06-23 2020-06-23 一种多无人机协同中继辅助车载自组网数据传输方法

Country Status (1)

Country Link
CN (1) CN111768654B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821936A (zh) * 2020-12-31 2021-05-18 上海海洋大学 一种无人机信号中继系统及应用
CN112996121B (zh) * 2021-03-02 2022-10-25 中山大学 一种面向集群内通信的u2u分布式动态资源分配方法
CN113050673B (zh) * 2021-03-25 2021-12-28 四川大学 用于辅助通信系统高能效的无人机的三维轨迹优化方法
CN113034981B (zh) * 2021-04-14 2022-07-08 北京航空航天大学 一种不确定信道环境中多中继无人机航迹规划方法、系统及存储介质
CN113747397B (zh) * 2021-09-08 2024-03-29 广州大学 一种无人机辅助行进车辆通信系统优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105847174A (zh) * 2016-04-25 2016-08-10 哈尔滨理工大学 一种基于陆空一体化车联网系统的数据压缩传输方法
CN108882201A (zh) * 2018-06-12 2018-11-23 中国人民解放军陆军工程大学 一种面向能量效率的无人机集群网络中继传输选择方法
CN110650039A (zh) * 2019-09-17 2020-01-03 沈阳航空航天大学 一种基于多峰优化的无人机群辅助车辆网络协同通信模型
CN110958574A (zh) * 2019-11-22 2020-04-03 华北电力大学（保定） 基于无人机节点的车辆自组织网络道路连通性实时修补机制方法
CN111132075A (zh) * 2019-12-30 2020-05-08 西北工业大学 一种基于状态转移概率空地一体化车联网中继选择方法
CN111148069A (zh) * 2019-12-30 2020-05-12 西北工业大学 基于雾计算空地一体化车联网信息传输方法、智慧交通

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180184269A1 (en) * 2015-10-09 2018-06-28 Flyspan System, Inc. Autonomous Mesh Enabled Mobile Drone Hive
US9432929B1 (en) * 2015-12-08 2016-08-30 Uber Technologies, Inc. Communication configuration system for a fleet of automated vehicles

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105847174A (zh) * 2016-04-25 2016-08-10 哈尔滨理工大学 一种基于陆空一体化车联网系统的数据压缩传输方法
CN108882201A (zh) * 2018-06-12 2018-11-23 中国人民解放军陆军工程大学 一种面向能量效率的无人机集群网络中继传输选择方法
CN110650039A (zh) * 2019-09-17 2020-01-03 沈阳航空航天大学 一种基于多峰优化的无人机群辅助车辆网络协同通信模型
CN110958574A (zh) * 2019-11-22 2020-04-03 华北电力大学（保定） 基于无人机节点的车辆自组织网络道路连通性实时修补机制方法
CN111132075A (zh) * 2019-12-30 2020-05-08 西北工业大学 一种基于状态转移概率空地一体化车联网中继选择方法
CN111148069A (zh) * 2019-12-30 2020-05-12 西北工业大学 基于雾计算空地一体化车联网信息传输方法、智慧交通

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Multi-UAV-Aided Networks: Aerial-Ground Cooperative Vehicular Networking Architecture;Yi Zhou Et al.;《IEEE Vehicular Technology Magazine》;20151231;第10卷(第4期);第36-44页 *
Unmanned aerial vehicle as communication relay for autonomous underwater vehicle-Field tests;Tor A. Johansen Et al.;《2014 IEEE Globecom Workshops (GC Wkshps)》;20150319;第1469-1474页 *
无人机辅助车联网环境下干扰感知的节点接入机制;范茜莹等;《通信学报》;20190630;第40卷(第6期);第90-101页 *

Also Published As

Publication number Publication date
CN111768654A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN111768654B (zh) 一种多无人机协同中继辅助车载自组网数据传输方法
Chen et al. A multihop task offloading decision model in MEC-enabled internet of vehicles
CN111988762B (zh) 一种基于无人机d2d通信网络的能效最大资源分配方法
CN110913402A (zh) 一种联合优化通信与编队的高覆盖效率的无人机自组网分簇方法
CN110138443B (zh) 面向无线中继的无人机航迹和信号发射功率联合优化方法
AU2021106316A4 (en) Method for assisting data transmission of vehicle-mounted ad-hoc network by cooperative relay of multi-unmanned aerial vehicles
Huang et al. Optimized deployment of drone base station to improve user experience in cellular networks
CN111148069A (zh) 基于雾计算空地一体化车联网信息传输方法、智慧交通
CN112947548B (zh) 一种基于频谱地图的无人机编队规划方法及系统
CN114268903B (zh) 一种地理信息辅助的无人机中继位置部署以及功率分配方法
Esrafilian et al. Simultaneous user association and placement in multi-UAV enabled wireless networks
Zhang et al. Power control and trajectory planning based interference management for UAV-assisted wireless sensor networks
CN114650567A (zh) 一种无人机辅助v2i网络任务卸载方法
Lu et al. Relay in the sky: A UAV-aided cooperative data dissemination scheduling strategy in VANETs
Tang et al. Machine learning for space–air–ground integrated network assisted vehicular network: A novel network architecture for vehicles
CN111356199A (zh) 一种三维场景中车载自组织网络路由选择方法
Guan et al. MAPPO-based cooperative UAV trajectory design with long-range emergency communications in disaster areas
CN112188497B (zh) 一种空地一体化车辆网频谱资源优化方法
CN112996121A (zh) 一种面向集群内通信的u2u分布式动态资源分配方法
CN113099425A (zh) 一种高能效的无人机辅助d2d资源分配方法
CN114979135B (zh) 基于移动边缘计算的无人机飞行高度和任务分配控制方法
CN112243239B (zh) 一种基于立交桥的无人机部署方法及相关装置
Si et al. UAV-assisted Semantic Communication with Hybrid Action Reinforcement Learning
CN112995924B (zh) 一种面向集群间通信的u2u集中式动态资源分配方法
CN113993099A (zh) 一种面向三维空间移动无人机用户的切换参数配置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant