CN112333648B - 一种基于无人机的动态数据收集方法 - Google Patents

Abstract

本发明涉及一种基于无人机的动态数据收集方法，属于无线通信技术领域。该方法包括以下步骤：步骤1)、建模簇头选择变量；2)、建模传感器节点SN与簇头关联变量；3)、建模数据收集模式选择变量；4)、建模直接传输模式时延；5)、建模UAV收集模式时延；6)、建模网络成本；7)、建模SN成簇、数据收集模式选择及数据传输限制条件；8)、基于改进K‑Means算法确定SN成簇策略；9)、确定数据传输策略；10)、建模旅行商问题TSP，确定UAV飞行轨迹；11)、基于网络成本优化确定簇头发送功率及UAV飞行速度。

Description

一种基于无人机的动态数据收集方法

技术领域

本发明属于无线通信技术领域，涉及一种基于无人机的动态数据收集方法。

背景技术

近年来，无人机(Unmanned Aerial Vehicle,UAV)相关技术得到快速发展，已在多个领域获得广泛应用。特别地，由于UAV可配备通信模块且具有灵活性和移动性，在无线通信系统中使用UAV作为中继、空中基站等，可有效提升系统覆盖范围及容量。此外，随着物联网应用的广泛普及，物联网各类设备采集数据，进而传输至网络或汇聚节点已成为重要应用。在部分物联网数据收集应用中，无线传感器节点(Sensor Node,SN)需采集环境数据并传输至汇聚节点，由于SN能量有限且与汇聚节点之间距离较远，难以高效完成数据收集。因此，可利用UAV的移动性，使用UAV实现SN数据的动态收集，继而由UAV将数据转发至汇聚节点，以提升数据收集效率。

目前已有文献研究SN数据收集问题，如有文献研究UAV从起始点飞行至目标点沿途收集SN的数据，联合优化UAV飞行轨迹及链路调度问题，以最小化数据收集时延；又例如，有文献提出UAV可飞行至目标点悬停继而收集SN的数据，以最小化网络成本；现有研究较少联合考虑SN成簇、UAV收集数据所需成本及UAV可同时飞行并收集数据对网络成本的影响问题，难以实现高效的数据收集性能优化。

发明内容

有鉴于此，本发明的目的在于提供一种基于无人机的动态数据收集方法。针对包含一个汇聚节点、一个UAV以及多个SN的系统，假设SN可成簇，建模数据收集所需总时延及UAV收集数据所需成本的加权和为优化目标，实现簇头选择、数据收集模式选择、簇头发送功率、UAV飞行速度及UAV飞行轨迹的联合优化。

为达到上述目的，本发明提供如下技术方案：

一种基于无人机UAV的动态数据收集方法，该方法包括以下步骤：

步骤1)建模簇头选择变量；

步骤2)建模传感器节点SN与簇头关联变量；

步骤3)建模数据收集模式选择变量；

步骤4)建模直接传输模式时延；

步骤5)建模UAV收集模式时延；

步骤6)建模网络成本；

步骤7)建模SN成簇、数据收集模式选择及数据传输限制条件；

步骤8)基于改进K-Means算法确定SN成簇策略；

步骤9)确定数据传输策略；

步骤10)建模旅行商问题TSP，确定UAV飞行轨迹；

步骤11)基于网络成本优化确定簇头发送功率及UAV飞行速度。

可选的，所述步骤1)中，建模簇头选择变量包括：假设网络内需传输数据的SN数量为K，令SN_k表示第k个SN；令δ_k,j∈{0,1}表示簇头选择变量，若δ_k,j＝1，表示将SN_k选为第j个簇的簇头，记作CH_j；反之，δ_k,j＝0，1≤k≤K，1≤j≤J，其中，J为簇头的数量；

所述步骤2)中，建模SN与簇头关联变量包括：令α_i,j∈{0,1}表示SN_i与CH_j的关联变量，若α_i,j＝1，表示SN_i与CH_j关联；反之，α_i,j＝0，1≤i≤K，1≤j≤J；

所述步骤3)中，建模数据收集模式选择变量包括：令

表示直接传输模式选择变量，若

表示CH_j将数据直接传输至汇聚节点，反之，

令

表示UAV收集模式选择变量，若

表示CH_j将数据传输至UAV，反之，

可选的，所述步骤4)中，建模直接传输模式时延包括：建模CH_j的直接传输模式对应时延

为

其中，

表示与CH_j相关联的SN将数据传输至CH_j对应的时延，

表示CH_j将数据传输至汇聚节点对应的时延；根据公式

计算

其中，

表示SN_i传输数据至SN_k对应时延，建模为

其中，Q_i为SN_i需传输的数据量，

为SN_i与SN_k之间链路的传输速率，根据公式

建模

其中，B为链路传输带宽，P_i ^c为SN_i的发送功率，

为SN_i与SN_k之间链路的信道增益，σ²为噪声功率；根据公式

计算

其中，

为CH_j需传输的数据量，R_j为CH_j与汇聚节点之间链路的传输速率，根据公式

建模

R_j建模为

其中，P_j为CH_j传输数据至汇聚节点对应的发送功率，h_j为CH_j与汇聚节点之间链路的信道增益。

可选的，所述步骤5)中，建模UAV收集模式时延包括：建模UAV收集模式时延T^u为T^u＝T^u,n+T^u,co，其中，T^u,n为UAV经过非数据收集区域的时延，T^u,co为UAV收集簇头的数据以及传输数据至汇聚节点所需时延，T^u,n建模为

其中，

为UAV在第j个非数据收集区域的飞行距离，v_max为UAV的最大飞行速度；T^u,co建模为

其中，

为UAV收集CH_j数据时对应的飞行距离，v_j为UAV收集CH_j数据的飞行速度，0≤v_j≤v_max，

为UAV传输数据至汇聚节点时对应的飞行距离，v_J+1为UAV传输数据至汇聚节点的飞行速度，0≤v_J+1≤v_max。

可选的，所述步骤6)中，建模网络成本C为C＝λ₁T^total+λ₂ψ，其中，λ₁和λ₂为权重因子，T^total为数据收集所需总时延，ψ为UAV收集数据所需成本；T^total建模为

可选的，所述步骤7)中，建模SN成簇、数据收集模式选择及数据传输限制条件具体包括：建模SN成簇限制条件为J≤J_max，

其中，J_max为网络中的最大簇头数量，M₁为CH_j可关联的最大SN数量；

建模数据收集模式选择限制条件为

建模数据传输限制条件为

其中，

为UAV接收到CH_j传输数据的信噪比，

为UAV成功接收CH所传输数据的信噪比阈值，

表示UAV收集CH_j数据的时间，

表示CH_j与UAV之间链路的传输速率，γ₁(t)为汇聚节点接收到UAV所传输数据的信噪比，

为汇聚节点接收到UAV传输数据的信噪比阈值，T^u,t为UAV传输所收集数据至汇聚节点所需时延，Q^u为UAV收集的数据量；R^u(t)建模为

其中，P^u为UAV的发送功率，h^u(t)为UAV与汇聚节点之间链路的信道增益；

根据公式

计算UAV与汇聚节点之间链路的信道增益h^u(t)，其中，

为平均路损，建模为

其中，p^L(t)和p^N(t)分别表示视距(Line-of-sight,LoS)传输和非视距(Non-line-of-sight,NLoS)传输的概率，

和

分别表示UAV传输数据至汇聚节点的LoS传输路损和NLoS传输路损，根据公式p^L(t)＝(1+μexp(-ω[φ(t)-μ]))^-1计算p^L(t)，则p^N(t)＝1-p^L(t)，其中，μ和ω是与环境相关的常数，φ(t)为仰角，建模为

其中，d^u(t)为UAV与汇聚节点之间的距离，z为UAV的飞行高度，UAV在时刻t的位置用ω(t)＝(x(t),y(t),z)表示，汇聚节点的位置用ω^s＝(x^s,y^s)表示，根据公式

计算d^u(t)；

和

分别建模为：

其中，λ_LoS和λ_NLoS分别为LoS传输和NLoS传输链路的路损因子，d₀为自由空间参考距离，

和

分别为LoS传输和NLoS传输阴影随机变量。

可选的，所述步骤8)中，基于改进K-Means算法确定SN成簇策略具体包括：

①根据SN的传输性能选择合适的候选簇头，给定距离阈值d_max1，若SN_k与汇聚节点之间的距离

小于d_max1，则选择SN_k作为候选簇头；令Φ₀表示候选簇头集合，得

令J₀表示候选簇头的数目，即J₀＝|Φ₀|，其中，|x|表示集合x中元素的数目；令簇头数目为J₁，即J₁＝min{J₀,J_max}；

②根据候选簇头SN_k与汇聚节点之间的距离d_k选择簇头，根据d_k大小进行升序排列，选择J₁个具有最小距离的簇头，对于

若有

则选择J₁个距离最小的SN作为簇头，即

令

为第j个簇头，即

③令簇成员集合为Φ_cm，若

则SN为簇成员，即

④计算SN至每个簇头的距离，各SN选择与其距离最近的簇头进行关联，若SN_k∈Φ_ch，SN_i∈Φ_cm，令d_ik为SN_i与SN_k之间的距离，若

则SN_i选择

作为簇头，即α_i,j＝1。

可选的，所述步骤9)中，确定数据传输策略具体为：根据已获得的簇头集合Φ_ch确定每个簇头的数据传输策略选择，假设簇头与汇聚节点之间的距离阈值为d_max2，若CH_j与汇聚节点之间的距离

则CH_j选择直接传输模式；假设有M个簇头满足距离小于阈值的条件，令选择直接传输模式的簇头集合为

则剩余J-M个簇头选择UAV收集模式，用集合

表示。

可选的，所述步骤10)中，建模TSP，确定UAV飞行轨迹包括：根据TSP建模UAV飞行轨迹问题，具体为UAV从汇聚节点正上方出发，收集所有选择UAV收集模式的簇头的数据后，回到出发点，确定UAV飞行轨迹，以使任务完成时延最小；基于模拟退火算法确定UAV飞行轨迹，步骤如下：

①将UAV的出发点编号为1及J-M+2，簇头依次编号为2,3,...,(J-M+1)；

②UAV飞行轨迹的解空间S表示为S＝{1，2,3,...,(J-M+2)}的所有固定起点和终点的排列顺序，即

S＝{(π₁,...,π_J-M+2)π₁＝1,(π₂,...,π_J-M+1)为{2,3,...,(J-M+1)}的排列顺序,π_J-M+2＝J-M+2}，其中，每一个排列解表示UAV收集J-M个簇头数据的可能顺序，π_i＝j表示在第i-1次收集CH_j的数据；

③令初始解为{1，2,3,...,(J-M+2)}，优化目标为最小化数据收集时延；

④根据变换法产生新解，具体为，任选序号u,l(u＜l)交换u与l之间的顺序，此时的新路径为π₁...π_u-1π_lπ_l-1...π_u+1π_uπ_l+1...π_J-M+2；

⑤令代价函数差为Δt，P为路径接受概率，若Δt＜0，以P＝1的概率接受新的路径；若Δt≥0，以

的概率接受新的路径，其中，

为当前温度，利用降温系数ξ进行降温，即

得新的温度值；

⑥根据给定的终止温度

判断退火过程是否结束，若

算法结束，输出当前UAV飞行轨迹；否则，返回步骤④。

可选的，所述步骤11)中，在满足SN成簇、数据收集模式选择及数据传输限制条件下，以网络成本最小化为优化目标，确定簇头发送功率及UAV飞行速度，即

其中，

表示CH_j传输数据至UAV的最优发送功率，

表示UAV收集CH_j数据的最优飞行速度，

表示UAV传输数据至汇聚节点的最优飞行速度。

本发明的有益效果在于：

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为动态数据收集网络场景示意图；

图2为本发明所述方法的流程示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明所述的一种基于UAV的动态数据收集方法，假设该网络中存在多个SN，且SN可成簇，通过UAV收集模式和直接传输模式收集簇头的数据；建模网络成本为数据收集所需总时延和UAV收集数据所需成本的加权和，基于网络成本最小化实现最优簇头选择、簇头发送功率优化、数据收集模式选择、UAV最优飞行速度及UAV飞行轨迹优化。

图1为动态数据收集网络场景示意图，该网络中存在多个SN，假设SN可成簇，簇头可通过UAV收集模式和直接传输模式传输数据至汇聚节点，假设UAV从汇聚节点正上方出发沿途收集选择UAV收集模式的簇头的数据，继而由UAV将所收集数据传输至汇聚节点；通过优化簇头选择、簇头发送功率、数据收集模式选择、UAV飞行速度及UAV飞行轨迹实现网络成本最小化。

图2为本发明所述方法的流程示意图，本发明所述方法具体包括以下步骤：

1)建模簇头选择变量

建模簇头选择变量包括：假设网络内需传输数据的SN数量为K，令SN_k表示第k个SN；令δ_k,j∈{0,1}表示簇头选择变量，若δ_k,j＝1，表示将SN_k选为第j个簇的簇头，记作CH_j；反之，δ_k,j＝0，1≤k≤K，1≤j≤J，其中，J为簇头的数量。

2)建模SN与簇头关联变量

建模SN与簇头关联变量包括：令α_i,j∈{0,1}表示SN_i与CH_j的关联变量，若α_i,j＝1，表示SN_i与CH_j关联；反之，α_i,j＝0，1≤i≤K，1≤j≤J。

3)建模数据收集模式选择变量

建模数据收集模式选择变量包括：令

表示直接传输模式选择变量，若

表示CH_j将数据直接传输至汇聚节点，反之，

令

表示UAV收集模式选择变量，若

表示CH_j将数据传输至UAV，反之，

4)建模直接传输模式时延

建模直接传输模式时延包括：建模CH_j的直接传输模式对应时延

为

其中，

表示与CH_j相关联的SN将数据传输至CH_j对应的时延，

表示CH_j将数据传输至汇聚节点对应的时延；可根据公式

计算

其中，

表示SN_i传输数据至SN_k对应时延，可建模为

其中，Q_i为SN_i需传输的数据量，

为SN_i与SN_k之间链路的传输速率，可根据公式

建模

其中，B为链路传输带宽，P_i ^c为SN_i的发送功率，

为SN_i与SN_k之间链路的信道增益，σ²为噪声功率；可根据公式

计算

其中，

为CH_j需传输的数据量，R_j为CH_j与汇聚节点之间链路的传输速率，可根据公式

建模

R_j可建模为

其中，P_j为CH_j传输数据至汇聚节点对应的发送功率，h_j为CH_j与汇聚节点之间链路的信道增益。

5)建模UAV收集模式时延

建模UAV收集模式时延包括：建模UAV收集模式时延T^u为T^u＝T^u,n+T^u,co，其中，T^u,n为UAV经过非数据收集区域的时延，T^u,co为UAV收集簇头的数据以及传输数据至汇聚节点所需时延，T^u,n可建模为

其中，

为UAV在第j个非数据收集区域的飞行距离，v_max为UAV的最大飞行速度；T^u,co可建模为

其中，

为UAV收集CH_j数据时对应的飞行距离，v_j为UAV收集CH_j数据的飞行速度，0≤v_j≤v_max，

为UAV传输数据至汇聚节点时对应的飞行距离，v_J+1为UAV传输数据至汇聚节点的飞行速度，0≤v_J+1≤v_max。

6)建模网络成本

建模网络成本C为C＝λ₁T^total+λ₂ψ，其中，λ₁和λ₂为权重因子，T^total为数据收集所需总时延，ψ为UAV的收集数据所需成本；T^total可建模为

7)、建模SN成簇、数据收集模式选择及数据传输限制条件

建模SN成簇、数据收集模式选择及数据传输限制条件具体包括：建模SN成簇限制条件为J≤J_max，

其中，J_max为网络中的最大簇头数量，M₁为CH_j可关联的最大SN数量。

建模数据收集模式选择限制条件为

建模数据传输限制条件为

其中，

为UAV接收到CH_j传输数据的信噪比，

为UAV成功接收CH所传输数据的信噪比阈值，

表示UAV收集CH_j数据的时间，

表示CH_j与UAV之间链路的传输速率，γ₁(t)为汇聚节点接收到UAV所传输数据的信噪比，

为汇聚节点接收到UAV传输数据的信噪比阈值，T^u,t为UAV传输所收集数据至汇聚节点所需时延，Q^u为UAV收集的数据量；R^u(t)可建模为

其中，P^u为UAV的发送功率，h^u(t)为UAV与汇聚节点之间链路的信道增益。

根据公式

计算UAV与汇聚节点之间链路的信道增益h^u(t)，其中，

为平均路损，可建模为

其中，p^L(t)和p^N(t)分别表示视距(Line-of-sight,LoS)传输和非视距(Non-line-of-sight,NLoS)传输的概率，

和

分别表示UAV传输数据至汇聚节点的LoS传输路损和NLoS传输路损，可根据公式p^L(t)＝(1+μexp(-ω[φ(t)-μ]))^-1计算p^L(t)，则p^N(t)＝1-p^L(t)，其中，μ和ω是与环境相关的常数，φ(t)为仰角，可建模为

其中，d^u(t)为UAV与汇聚节点之间的距离，z为UAV的飞行高度，UAV在时刻t的位置可用ω(t)＝(x(t),y(t),z)表示，汇聚节点的位置可用ω^s＝(x^s,y^s)表示，根据公式

计算d^u(t)；

和

可分别建模为

其中，λ_LoS和λ_NLoS分别为LoS传输和NLoS传输链路的路损因子，d₀为自由空间参考距离，

和

分别为LoS传输和NLoS传输阴影随机变量。

8)、基于改进K-Means算法确定SN成簇策略

基于改进K-Means算法确定SN成簇策略具体包括：

①根据SN的传输性能选择合适的候选簇头，给定距离阈值d_max1，若SN_k与汇聚节点之间的距离

小于d_max1，则选择SN_k作为候选簇头；令Φ₀表示候选簇头集合，可得

令J₀表示候选簇头的数目，即J₀＝|Φ₀|，其中，|x|表示集合x中元素的数目；令簇头数目为J₁，即J₁＝min{J₀,J_max}；

②根据候选簇头SN_k与汇聚节点之间的距离d_k选择簇头，根据d_k大小进行升序排列，选择J₁个具有最小距离的簇头，对于

若有

则选择J₁个距离最小的SN作为簇头，即

令

为第j个簇头，即

③令簇成员集合为Φ_cm，若

则SN为簇成员，即

④计算SN至每个簇头的距离，各SN选择与其距离最近的簇头进行关联，若SN_k∈Φ_ch，SN_i∈Φ_cm，令d_ik为SN_i与SN_k之间的距离，若

则SN_i选择

作为簇头，即α_i,j＝1。

9)、确定数据传输策略

确定数据传输策略具体为：根据已获得的簇头集合Φ_ch确定每个簇头的数据传输策略选择，假设簇头与汇聚节点之间的距离阈值为d_max2，若CH_j与汇聚节点之间的距离

则CH_j选择直接传输模式；假设有M个簇头满足距离小于阈值的条件，令选择直接传输模式的簇头集合为

则剩余J-M个簇头选择UAV收集模式，用集合

表示。

10)、建模TSP，确定UAV飞行轨迹

建模TSP，确定UAV飞行轨迹包括：根据TSP可建模UAV飞行轨迹问题，具体为UAV从汇聚节点正上方出发，收集所有选择UAV收集模式的簇头的数据后，回到出发点，确定UAV飞行轨迹，以使任务完成时延最小；基于模拟退火算法确定UAV飞行轨迹，步骤如下：

①将UAV的出发点编号为1及J-M+2，簇头依次编号为2,3,...,(J-M+1)；

②UAV飞行轨迹的解空间S可表示为S＝{1，2,3,...,(J-M+2)}的所有固定起点和终点的排列顺序，即

S＝{(π₁,...,π_J-M+2)|π₁＝1,(π₂,...,π_J-M+1)为{2,3,...,(J-M+1)}的排列顺序,π_J-M+2＝J-M+2}，其中，每一个排列解表示UAV收集J-M个簇头数据的可能顺序，π_i＝j表示在第i-1次收集CH_j的数据；

③令初始解为{1，2,3,...,(J-M+2)}，优化目标为最小化数据收集时延；

④根据变换法产生新解，具体为，任选序号u,l(u＜l)交换u与l之间的顺序，此时的新路径为π₁...π_u-1π_lπ_l-1...π_u+1π_uπ_l+1...π_J-M+2；

⑤令代价函数差为Δt，P为路径接受概率，若Δt＜0，以P＝1的概率接受新的路径；若Δt≥0，以

的概率接受新的路径，其中，

为当前温度，利用降温系数ξ进行降温，即

可得新的温度值；

⑥根据给定的终止温度

判断退火过程是否结束，若

算法结束，输出当前UAV飞行轨迹；否则，返回步骤④。

11)、基于网络成本优化确定簇头发送功率及UAV飞行速度

在满足SN成簇、数据收集模式选择及数据传输限制条件下，以网络成本最小化为优化目标，确定簇头发送功率及UAV飞行速度，即

其中，

表示CH_j传输数据至UAV的最优发送功率，

表示UAV收集CH_j数据的最优飞行速度，

表示UAV传输数据至汇聚节点的最优飞行速度。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于无人机UAV的动态数据收集方法，其特征在于：该方法包括以下步骤：

步骤1)建模簇头选择变量；

步骤2)建模传感器节点SN与簇头关联变量；

步骤3)建模数据收集模式选择变量；

步骤4)建模直接传输模式时延；

步骤5)建模UAV收集模式时延；

步骤6)建模网络成本；

所述步骤6)中，建模网络成本C为C＝λ₁T^total+λ₂ψ，其中，λ₁和λ₂为权重因子，T^total为数据收集所需总时延，ψ为UAV收集数据所需成本；T^total建模为

其中，建模直接传输模式时延包括：建模CH_j的直接传输模式对应时延

为

其中，

表示与CH_j相关联的SN将数据传输至CH_j对应的时延，

表示CH_j将数据传输至汇聚节点对应的时延；根据公式

计算

其中，

表示SN_i传输数据至SN_k对应时延，建模为

其中，Q_i为SN_i需传输的数据量，

为SN_i与SN_k之间链路的传输速率，根据公式

建模

其中，B为链路传输带宽，

为SN_i的发送功率，

为SN_i与SN_k之间链路的信道增益，σ²为噪声功率；根据公式

计算

其中，

为CH_j需传输的数据量，R_j为CH_j与汇聚节点之间链路的传输速率，根据公式

建模

R_j建模为

其中，P_j为CH_j传输数据至汇聚节点对应的发送功率，h_j为CH_j与汇聚节点之间链路的信道增益；

建模UAV收集模式时延包括：建模UAV收集模式时延T^u为T^u＝T^u,n+T^u,co，其中，T^u,n为UAV经过非数据收集区域的时延，T^u,co为UAV收集簇头的数据以及传输数据至汇聚节点所需时延，T^u,n建模为

其中，

为UAV在第j个非数据收集区域的飞行距离，v_max为UAV的最大飞行速度；T^u,co建模为

其中，

为UAV收集CH_j数据时对应的飞行距离，v_j为UAV收集CH_j数据的飞行速度，0≤v_j≤v_max，

为UAV传输数据至汇聚节点时对应的飞行距离，v_J+1为UAV传输数据至汇聚节点的飞行速度，0≤v_J+1≤v_max；

步骤7)建模SN成簇、数据收集模式选择及数据传输限制条件；

步骤8)基于改进K-Means算法确定SN成簇策略；

步骤9)确定数据传输策略；

步骤10)建模旅行商问题TSP，确定UAV飞行轨迹；

步骤11)基于网络成本优化确定簇头发送功率及UAV飞行速度。

2.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法，其特征在于：所述步骤1)中，建模簇头选择变量包括：假设网络内需传输数据的SN数量为K，令SN_k表示第k个SN；令δ_k,j∈{0,1}表示簇头选择变量，若δ_k,j＝1，表示将SN_k选为第j个簇的簇头，记作CH_j；反之，δ_k,j＝0，1≤k≤K，1≤j≤J，其中，J为簇头的数量；

所述步骤2)中，建模SN与簇头关联变量包括：令α_i,j∈{0,1}表示SN_i与CH_j的关联变量，若α_i,j＝1，表示SN_i与CH_j关联；反之，α_i,j＝0，1≤i≤K，1≤j≤J；

所述步骤3)中，建模数据收集模式选择变量包括：令

表示直接传输模式选择变量，若

表示CH_j将数据直接传输至汇聚节点，反之，

令

表示UAV收集模式选择变量，若

表示CH_j将数据传输至UAV，反之，

3.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法，其特征在于：所述步骤7)中，建模SN成簇、数据收集模式选择及数据传输限制条件具体包括：建模SN成簇限制条件为J≤J_max，

其中，J_max为网络中的最大簇头数量，M₁为CH_j可关联的最大SN数量；

建模数据收集模式选择限制条件为

建模数据传输限制条件为

其中，

为UAV接收到CH_j传输数据的信噪比，

为UAV成功接收CH所传输数据的信噪比阈值，

表示UAV收集CH_j数据的时间，

表示CH_j与UAV之间链路的传输速率，γ₁(t)为汇聚节点接收到UAV所传输数据的信噪比，

为汇聚节点接收到UAV传输数据的信噪比阈值，T^u,t为UAV传输所收集数据至汇聚节点所需时延，Q^u为UAV收集的数据量；R^u(t)建模为

其中，P^u为UAV的发送功率，h^u(t)为UAV与汇聚节点之间链路的信道增益；

根据公式

计算UAV与汇聚节点之间链路的信道增益h^u(t)，其中，

为平均路损，建模为

其中，p^L(t)和p^N(t)分别表示视距(Line-of-sight,LoS)传输和非视距(Non-line-of-sight,NLoS)传输的概率，

和

分别表示UAV传输数据至汇聚节点的LoS传输路损和NLoS传输路损，根据公式p^L(t)＝(1+μexp(-ω[φ(t)-μ]))^-1计算p^L(t)，则p^N(t)＝1-p^L(t)，其中，μ和ω是与环境相关的常数，φ(t)为仰角，建模为

其中，d^u(t)为UAV与汇聚节点之间的距离，z为UAV的飞行高度，UAV在时刻t的位置用ω(t)＝(x(t),y(t),z)表示，汇聚节点的位置用ω^s＝(x^s,y^s)表示，根据公式

计算d^u(t)；

和

分别建模为：

其中，λ_LoS和λ_NLoS分别为LoS传输和NLoS传输链路的路损因子，d₀为自由空间参考距离，

和

分别为LoS传输和NLoS传输阴影随机变量。

4.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法，其特征在于：所述步骤8)中，基于改进K-Means算法确定SN成簇策略具体包括：

①根据SN的传输性能选择合适的候选簇头，给定距离阈值d_max1，若SN_k与汇聚节点之间的距离

小于d_max1，则选择SN_k作为候选簇头；令Φ₀表示候选簇头集合，得

令J₀表示候选簇头的数目，即J₀＝|Φ₀|，其中，|x|表示集合x中元素的数目；令簇头数目为J₁，即J₁＝min{J₀,J_max}；

②根据候选簇头SN_k与汇聚节点之间的距离d_k选择簇头，根据d_k大小进行升序排列，选择J₁个具有最小距离的簇头，对于

若有

则选择J₁个距离最小的SN作为簇头，即

令

为第j个簇头，即

③令簇成员集合为Φ_cm，若

则SN为簇成员，即

④计算SN至每个簇头的距离，各SN选择与其距离最近的簇头进行关联，若SN_k∈Φ_ch，SN_i∈Φ_cm，令d_ik为SN_i与SN_k之间的距离，若

则SN_i选择

作为簇头，即α_i,j＝1。

5.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法，其特征在于：所述步骤9)中，确定数据传输策略具体为：根据已获得的簇头集合Φ_ch确定每个簇头的数据传输策略选择，假设簇头与汇聚节点之间的距离阈值为d_max2，若CH_j与汇聚节点之间的距离

则CH_j选择直接传输模式；假设有M个簇头满足距离小于阈值的条件，令选择直接传输模式的簇头集合为

则剩余J-M个簇头选择UAV收集模式，用集合

表示。

6.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法，其特征在于：所述步骤10)中，建模TSP，确定UAV飞行轨迹包括：根据TSP建模UAV飞行轨迹问题，具体为UAV从汇聚节点正上方出发，收集所有选择UAV收集模式的簇头的数据后，回到出发点，确定UAV飞行轨迹，以使任务完成时延最小；基于模拟退火算法确定UAV飞行轨迹，步骤如下：

①将UAV的出发点编号为1及J-M+2，簇头依次编号为2,3,...,(J-M+1)；

②UAV飞行轨迹的解空间S表示为S＝{1，2,3,...,(J-M+2)}的所有固定起点和终点的排列顺序，即

S＝{(π₁,...,π_J-M+2)π₁＝1,(π₂,...,π_J-M+1)为{2,3,...,(J-M+1)}的排列顺序,π_J-M+2＝J-M+2}，其中，每一个排列解表示UAV收集J-M个簇头数据的可能顺序，π_i＝j表示在第i-1次收集CH_j的数据；

③令初始解为{1，2,3,...,(J-M+2)}，优化目标为最小化数据收集时延；

④根据变换法产生新解，具体为，任选序号u,l，u＜l交换u与l之间的顺序，此时的新路径为π₁...π_u-1π_lπ_l-1...π_u+1π_uπ_l+1...π_J-M+2；

⑤令代价函数差为Δt，P为路径接受概率，若Δt＜0，以P＝1的概率接受新的路径；若Δt≥0，以

的概率接受新的路径，其中，

为当前温度，利用降温系数ξ进行降温，即

得新的温度值；

⑥根据给定的终止温度

判断退火过程是否结束，若

算法结束，输出当前UAV飞行轨迹；否则，返回步骤④。

7.根据权利要求1所述的一种基于无人机UAV的动态数据收集方法，其特征在于：所述步骤11)中，在满足SN成簇、数据收集模式选择及数据传输限制条件下，以网络成本最小化为优化目标，确定簇头发送功率及UAV飞行速度，即

其中，

表示CH_j传输数据至UAV的最优发送功率，

表示UAV收集CH_j数据的最优飞行速度，

表示UAV传输数据至汇聚节点的最优飞行速度。

Images