CN112564767A - 无人机网络中基于自组织优化协作的连续覆盖方法 - Google Patents
无人机网络中基于自组织优化协作的连续覆盖方法 Download PDFInfo
- Publication number
- CN112564767A CN112564767A CN202011370491.0A CN202011370491A CN112564767A CN 112564767 A CN112564767 A CN 112564767A CN 202011370491 A CN202011370491 A CN 202011370491A CN 112564767 A CN112564767 A CN 112564767A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- base station
- information
- energy consumption
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种无人机网络中基于自组织优化协作的连续覆盖方法,用于无人机静态辅助基站网络中。本发明方法包括:当静止的无人机基站剩余电量到达阈值时,根据优化的中继信息传输路径回传电量、服务用户位置等信息给宏基站;宏基站派遣新的无人机根据优化的飞行路径飞行到目标位置,替换电量不足的无人机,电量不足的无人机前往基站补充电量;本发明联合优化中继信息传输路径和无人机飞行轨迹,以使得整体系统能耗最小。采用本发明方法,在保证无人机基站持续覆盖要求的同时,大大节省无人机的能耗,使无人机有限电池电量不再成为无人机服务时间的禁锢。
Description
技术领域
本发明涉及无人机网络技术领域,具体涉及一种无人机网络中基于自组织优化协作的连续覆盖技术。
背景技术
近年来,无人机(unmanned aerial vehicle,UAV)由于其高灵活性与低成本等优点受到了广泛关注。随着无人机辅助网络的快速发展,基于无人机的应用也越来越多样化,如无人机辅助基站进行通信、作为中继进行传输信息、作为传感器收集信息等。无人机的机动性使得它可以迅速部署,提供无处不在的通信,提高覆盖能力,但是无人机最明显的缺陷依然是能源问题,电池寿命太短,无法完成长时间的任务。
无人机的特性使其更适用于分布式网络,对于无人机辅助基站(base station,BS)的场景,单个无人机能力有限,因此多无人机分布式部署协作将成为无人机辅助基站覆盖的未来发展方向。然而无人机的机动性也使得无人机的覆盖问题变得更加复杂,尤其是动态的部署要考虑无人机之间的轨迹设计,防止发生碰撞。因此在无人机辅助基站通信方向,大多数的研究考虑无人机的静态部署。静态部署能避免发生碰撞,但是无人机电池有限的电量将限制无人机的服务时间,在覆盖任务中也可能会因为能量耗尽或损坏而出现覆盖漏洞进而影响区域内用户的服务质量(Quality of Service,QoS)。为了解决这个问题,为用户提供不间断的服务,必须考虑无人机的持续覆盖。
在引入能量收集的无人机辅助网络中,现有参考文献[1]优化无人机的路径规划和任务分配,通过联合选择无人机任务和路线的最优解,使得无人机辅助移动边缘计算(MEC)系统的能量最小化。参考文献[2]提出了一种具有能量补给能力的三维无人机调度方案,即无人机为用户服务,并及时充电以补充能量。参考文献[3]研究了一种具有能量采集功能的无人机通信系统,无人机以半双工或全双工方式将能量传递给用户,用户采集能量并将数据传输给无人机。参考文献[4]设计了兼顾吞吐量和推进能耗的高能效无人机中继通信系统,优化了无人机和BS的联合发射功率、无人机的轨迹、加速度和飞行速度,最大限度地解决了无人机的节能中继问题。以上技术都对无人机的能源短板问题提出了相关策略研究,但大多考虑无人机收集信息的机动性,通过优化无人机的轨迹路径等,来降低无人机的能耗。对于无人机辅助基站覆盖方面,却很少关注无人机的能耗问题。还有部分现有技术,考虑额外增加一个无人机飞行,收集其他无人机基站能量信息,再传输至宏基站(macrobase station,mBS),由宏基站调配。这种方式额外增加了一个无人机的推动能耗和收集能耗,而且给宏基站带来压力。
参考文献:
[1]H.Xiao,Z.Hu,K.Yang,Y.Du and D.Chen,"An Energy-Aware Joint Routingand Task Allocation Algorithm in MEC Systems Assisted by Multiple UAVs,"2020International Wireless Communications and Mobile Computing(IWCMC),Limassol,Cyprus,2020,pp.1654-1659.
[2]H.Qi,Z.Hu,H.Huang,X.Wen and Z.Lu,"Energy Efficient 3-D UAV Controlfor Persistent Communication Service and Fairness:A Deep ReinforcementLearning Approach,"in IEEE Access,vol.8,pp.53172-53184,2020.
[3]Z.Yang,W.Xu and M.Shikh-Bahaei,"Energy Efficient UAV CommunicationWith Energy Harvesting,"in IEEE Transactions on Vehicular Technology,vol.69,no.2,pp.1913-1927,Feb.2020.
[4]S.Ahmed,M.Z.Chowdhury and Y.M.Jang,"Energy-Efficient UAV RelayingCommunications to Serve Ground Nodes,"in IEEE Communications Letters,vol.24,no.4,pp.849-852,April 2020.
发明内容
当无人机静止部署辅助基站进行通信时,面临的主要问题将是能源的消耗,如何在考虑能源消耗的情况下,保证无人机基站为用户提供不间断的服务,这是亟待解决的问题。为了解决无人机的持续覆盖问题,本发明提出了一种无人机网络中基于自组织优化协作的连续覆盖方法,考虑了无人机能耗,并联合优化了中继信息传输路径。
本发明提供的一种无人机网络中基于自组织优化协作的连续覆盖方法,无人机分布式部署,当某一无人机电量不足时,通过其他无人机中继节点协作,将电量和服务用户位置信息回传给宏基站,宏基站收到无人机电量不足信息后,从基站派遣辅助无人机接替电量微弱无人机继续进行覆盖任务,而电量微弱的无人机在被辅助无人机接替任务后,飞回基站补充电量,这样保证了无人机提供不间断的覆盖服务。在无人机回传信息和替换过程中,需要最小化信息回传能耗和辅助无人机的推进能耗,以使得整个无人机辅助基站网络的系统能耗最小。因此,本发明方法为无人机辅助基站网络建模,然后还包括如下步骤:
(1)电量不足无人机回传电量和服务用户位置信息给宏基站时,回传的信息量固定,作为中继节点的每个无人机分配给回传信息的带宽固定,无人机之间传输的发射功率固定,因此将信息回传能耗问题转化为信息多跳传输的路径选择问题,选择耗时最低的路径作为信息回传路径;被选择为中继节点的无人机,无人机的剩余信息量要大于等于回传信息量L;
(2)将辅助无人机的飞行时间等分为M个时隙,设无人机在每个时隙中处于匀速飞行,M为正整数;设置辅助无人机的发射位置和终止位置,在辅助无人机的推进路径中约束飞行位置不与当前部署的分布式无人机节点发生碰撞,在最大容忍时延下优化辅助无人机的飞行轨迹,使推进能耗最小;辅助无人机根据优化的飞行轨迹飞行。
对于步骤(1),本发明方法将每个无人机和宏基站都作为一个节点,根据节点间通信情况建立邻接矩阵;其中,电量不足无人机作为起始节点,宏基站作为终止节点;邻接矩阵中元素aij表示节点i和节点j之间的通信时延,当i=j时,aij=0;当节点i和j存在直接通信链路时,aij取值为两节点的通信时延;当节点i和j不存在直接通信链路,或者节点i或j的剩余信息量小于回传信息量时,表示两节点间无法正常通信,aij取值为∞。然后基于邻接矩阵使用Dijkstra算法来寻找起始节点到终止节点的耗时最低路径。
对于步骤(2),使用基于Matlab的凸优化建模系统CVX来求解辅助无人机的优化路径。
相对于现有技术,本发明的优点与积极效果在于:(1)本发明方法减小了无人机整个系统的能量消耗,可以满足无人机基站持续覆盖的需求,使无人机有限的电量不再成为无人机服务时间的禁锢,在覆盖任务中也能持续覆盖,为用户提供服务。(2)相较于现有技术,本发明通过无人机自组网进行信息传输,减少了额外的无人机能量消耗,并在优化无人机能耗和减少基站压力之间实现了一个较好的平衡,为当前无人机静止部署辅助基站持续覆盖提供了一种新的解决方案。(3)本发明方法可以根据无人机基站数量的不同,灵活选择中继回传路径,也能优化辅助无人机的路径轨迹,使其躲避开基站无人机的同时,最小化推进能耗,最终实现整个系统能耗的最小化。通过仿真实验结果证明,本发明方法在保证持续覆盖要求的同时,大大节省无人机的能耗。
附图说明
图1是本发明方法所应用的一个无人机辅助通信的网络场景模型示意图;
图2是一个无人机基站节点通信示例图;
图3是本发明的考虑能耗的无人机分布式协作连续覆盖方法的一个流程图;
图4是本发明仿真实验中无人机节点部署图;
图5是本发明仿真实验中无人机节点协作情况与最优中继路径图;
图6是本发明仿真实验中辅助无人机优化轨迹示意图;
图7是本发明仿真实验中无人机中继节点个数与传输能耗关系示意图;
图8是本发明仿真实验中无人机节点距基站距离与能耗关系示意图;
图9是本发明仿真实验中无人机基站传输带宽与能耗的关系示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
现有无人机静止部署辅助基站进行通信时,使用额外的一个无人机来收集各无人机基站的能量,来传输给宏基站,以解决无人机基站的覆盖问题,这样额外增加了无人机的能耗;同时,在无人机静止部署辅助基站通信的网络中,未考虑无人机的能量消耗问题,没有考虑无人机之间的通信,且没有考虑通过无人机之间的通信获取其他节点负载情况,减少通信时延。而本发明提供的无人机网络中基于自组织优化协作的连续覆盖方法,解决了无人机最明显的能源缺陷。
设每个无人机基站的总电池电量相同,设置电池阈值,当静止的无人机基站剩余电量到达阈值时,该无人机将通过其他可用无人机节点的分布式协作,将电量、服务用户的位置等信息多跳回传给宏基站。收到能量不足的无人机基站发来的信息后,宏基站将信息传输到辅助无人机上,派遣新的无人机飞行到能量不足的无人机位置,替换该无人机对用户设备进行服务,而能量不足的无人机则可以离开原静止位置前往基站补充电量。本发明方法联合优化了中继信息传输路径和辅助无人机轨迹,以达到系统总能耗最小的目标。
如图1所示,本发明考虑了一个基于分布式无人机协作回传电量和用户信息,并由基站提供辅助无人机替换低电量无人机以保证为用户不间断服务的电量辅助场景。对应用场景构造了一个三维坐标系模型,设K代表无人机基站的总数量,N代表信息多跳传输经过的无人机数量。用UAVk代表第k个无人机,其中k∈κ={1,2,…,K},第k个无人机的三维坐标记为ωk=(xk,yk,zk),设该无人机为多跳传输中信息将经过的第i个节点,其中1≤i≤N,将与其他无人机节点分布式协作,将电量微弱无人机的电量和服务用户位置等信息多跳回传给宏基站。宏基站在收到无人机电量不足的信息后,派遣辅助无人机替换电量微弱无人机。如图1中,UAV1是电量不足的无人机,即UAV1为多跳中继传输路径的首节点,标记为#1,电量不足信息可通过路径UAV1-UAV2-UAV6回传宏基站,也可以通过路径UAV1-UAV3-UAV5回传宏基站。
在无人机辅助通信的场景中,由于无人机部署在一定的高度,因此无人机与用户的通信链路为视距信道,该信道比其他信道损伤,如小尺度衰落或阴影等更占优势。同样,无人机与无人机之间的通信链路遮挡较少,也是通过视距链路进行通信。因此,将第k个无人机与下一个无人机之间的信道增益hk建模为:
其中,ρk代表单位信道增益,即UAVk与UAVk+1距离为1m,传输功率为1w时的信道增益;ωk+1为UAVk+1所在位置的三维坐标。本发明中标记第k个无人机也即无人机k。
无人机之间的传输速度Rk可以通过香农公式得出
其中,B为无人机之间回传信息的通信带宽,P为无人机回传信息的发射功率,hk为UAVk与UAVk+1之间的信道增益,σ代表高斯白噪声。
无人机通过其他无人机节点的分布式协作,将电量、服务用户的位置等信息多跳回传给宏基站。设无人机向基站传输的信息比特为L,那么无人机k向无人机k+1传输信息的时延tk可以用如下公式表示:
那么UAVk与UAVk+1之间的传输能耗Ek可以表示为:
Ek=tkP (4)
从而可以得到信息多跳传输的总传输能耗Etran以及总时延Ttran为:
在辅助无人机替换电量不足无人机的过程中,实际上无人机的推进能量消耗也是相当大的,它受到无人机弹道的很大影响,因此需要加以考虑。假设时间间隔足够小,将无人机的飞行时间Tfly分成M个时隙,则无人机在每个时隙内的飞行可视为匀速直水平飞行,标记在第m个时隙的飞行速度为v[m]。以某固定翼无人机为例,其在时隙m处的推进能耗Efly[m]可表示为:
Efly[m]=τ(θ1v2[m]),m∈M (6)
因此,本发明的无人机辅助基站连续覆盖方法中的系统能耗由信息中继传输能耗和辅助无人机飞行时的推动能耗两部分组成。要求系统能耗最小化,即使信息多跳传输耗能以及辅助无人机的推动能耗达到最小化,本发明将系统能耗最小化问题分解成信息最短路径中继传输和辅助无人机路径优化两个子问题,并对这两个子问题进行求解来获取使系统能耗最小化的方案。
对于电量不足无人机的信息回传,回传信息量固定,每个无人机分配给回传信息的带宽固定,用于无人机之间传输的发射功率也固定,信息回传的能耗问题将与信息回传的时间成正比。因此将回传能耗子问题转化为信息多跳传输的路径选择问题,选择耗时最低的路径来保证信息回传的能耗最小。
设每个无人机基站的总电池电量相同,设置电池阈值,如当无人机剩余电量为总电量的时,电量消耗到达阈值,此时无人机判断为电量不足。设无人机的回传信息量为L,回传信息的发射耗能为E0。设无人机的最大发射功率一定,且每个无人机的发射功率能满足与每一个用户进行通信的发射功率需求,无人机提供给每个用户的发射功率一定,均为p0。无人机在三维空间部署,部署高度为H,部署高度与地面覆盖区域半径r之间有如下关系其中θ为地面覆盖区域与无人机的最优仰角。当无人机覆盖区域内用户密度为ρ时,用户与无人机的通信将消耗无人机的发射功率为PU,PU=πr2ρp0。
低电量无人机预留飞回基站进行充电的飞行能耗为Ereserve,根据能耗和功率的公式,得到:
Eresidue-Ereserve-E0=PUTlimit (7)
其中,Eresidue代表无人机剩余的能耗,Tlimit为整个过程的容忍时间。在该容忍时间内,要完成无人机之间的多跳路径选择以及信息的传输,同时,为了保证无人机能提供不间断的服务,新的无人机飞行的时间也将受容忍时间的约束,即:
Tlimit=Ttran+Tfly;Tfly=Tlimit-Ttran (8)
其中,Ttran代表多跳传输的总时延,Tfly代表辅助无人机的飞行时间。
无人机在不同的区域部署的高度不同,覆盖的范围也会有所区别,服务用户的数量也会不同,因此不同区域内无人机的可用信息量都是不同的。当无人机覆盖区域过大服务用户量较多时,它剩余的通信资源将不足以用于发送来自其他无人机节点的回传信息。因此,在多跳选路时,本发明要确保下一跳的无人机节点有能力传输多跳信息,使得无人机发送的信息能够尽快地到达宏基站,同时使得整个的能耗消耗尽可能小。因此约束无人机k的剩余信息量Lk≥L,只有当满足该式时,无人机k才能成为信息传输的多跳节点。
当无人机前往需要替换的无人机所在位置的过程中,除了要规划无人机飞行的路径和速度使得飞行能耗最低外,还要保证新无人机的飞行时间要在Tfly的时间飞到指定的位置。在无人机推进的过程中,为防止出现无人机之间的碰撞,已经部署无人机基站的位置禁止新无人机经过。设无人机在时隙m下的轨迹点q[m]可以由离散时间位置q[m]=(x[m],y[m],z[m])来表示,可以得到无人机路径的约束条件为q[m]≠ωk;ωk表示已经部署的无人机基站的位置,辅助无人机的发射位置用ω1表示,辅助无人机的终止位置用ωv表示。
根据上面的描述,本发明的目标是在联合优化无人机信息传输的多跳路径,无人机轨迹以达到整体系统总能耗最小,可表示为如下:
上面公式中,q表示辅助无人机飞行轨迹,表示为q[1],q[2],…q[M],q[M+1];q[i]和q[i+1]分别表示辅助无人机在时隙i的起始位置和终止位置;T代表辅助无人机的飞行时间,可根据C1计算得到,T=Tfly。vmax表示辅助无人机的最大飞行速度。
本发明将公式(9)的求解过程被解耦为两个子问题,以降低计算复杂度。第一个子问题是无人机中继选路的问题,选择中继回传的路径,使得信息传输能耗最小。第二个子问题是优化无人机路径,在给定无人机位置、获得中继传输时间的情况下,优化辅助无人机的时间分配和推进速度,使辅助无人机躲避开基站无人机,防止碰撞的同时,优化辅助无人机轨迹,使推进能耗最小化。如图3所示,为本发明求解两个子问题以获得最低系统能耗方案的一个实现流程。
对于第一个子问题的求解,本发明使用Dijkstra算法来解决,选出耗时最低的路径即为最终耗能最少的路径。
Dijkstra算法是解决图论中最短航迹的经典方法,本发明考虑使用该算法求出从起点到终点的最短路。其算法思路是按航迹长度递增次序产生从某源点到图中各顶点的最短航迹,算法总的时间复杂度为O(n2)。本发明中无人机为自组织网,无人机基站间互相通信,能获得彼此的通信资源剩余情况,将自组网络中的各无人机作为一个节点,起始点为电量不足无人机,终止点为宏基站。如图2所示,无人机的分布式部署,其中UAV1代表数据回传的起始点,BS代表终止点。白色圆形节点代表无人机通信资源大多用于服务用户,无法承担回传数据的传输,这时它们与其他无人机节点的连接线为虚线,视为未连接状态,回传数据多跳传输时不会经过这些节点。
本发明中,先将场景中每个无人机和宏基站作为一个节点,根据节点间的通信情况生成一个邻接矩阵A,设共有n个节点,矩阵A表示为如下的一个n阶方阵:
其中,节点从0开始标记,电量不足无人机为起始节点,对应标号为0,宏基站为终止节点,对应标号为n-1,矩阵中元素aij代表节点i和节点j之间的通信时延,i、j为节点编号,0≤i,j≤n-1;
其中,tij代表无人机i和无人机j进行通信的时延,本发明用时间来替代传统意义上的航迹。对于节点i和j,当直接存在通信链路时,表示可以正常通信,例如图2中的UAV1和UAV3两节点可以正常通信,根据公式(1)~(3)可计算获得两节点间的通信时延;若不存在直接通信链路,两节点间距离为无穷大,即视为两节点无法正常通信情况,如;当图2中的UAV1和UAV6不存在直接通信链路,二者之间距离无穷大;当某节点负载大,其剩余信息量要小于回传信息量时,其他节点与该节点的距离设置为无穷大,属于无法正常通信情况,例如图2中UAV2的通信资源大多用于服务用户,剩余信息量不足以回传信息,则UAV2与UAV1之间距离无穷大。
采用Dijkstra算法求解的步骤,如图3中部分描述,如下:
①设置一维数组s(i),记录找到最短航迹的节点。初始节点为v,即初始时s(i)=v,即中继节点集合中只有源点v。设置辅助数组dist(n)记录源点到各个节点的最短航迹,dist(n)的初始值为矩阵A的第一行。
②在所有尚未找到最短航迹的节点集合W中选择一个节点u,使得dist(u)=min{dist(W)}。节点u为当前求得的最短航迹的一个终点,并将节点u加入s(i)。
③以u为新考虑的中间点,修改dist(u)中各节点的距离;若从起始点v经过节点u到节点w的距离比原来不经过节点u的距离短,即dist(u)+auw≤dist(w),auw是节点u和w的通信时延,则修改节点w的距离值,修改后的距离值为dist(w)=dist(u)+auw。
④重复上述步骤②和③,直到所有节点都包含在数组s内,找到起始节点到终止节点的耗时最短路径。
在获得耗时最短的信息多跳路径后,也对应得到多跳传输的总时延Ttran,进而可根据公式(8)计算获得辅助无人机的飞行时间Tfly,以用于第二个子问题的求解。
对于第二个子问题的求解,需要规划无人机的飞行轨迹和飞行速度。约束无人机飞行速度,使无人机在指定时间内到达指定位置,并且在无人机推进的路径上约束无人机飞行的位置,防止辅助无人机与部署的分布式无人机节点发生碰撞。这个问题是个凸问题,本发明实施例使用基于Matlab的凸优化建模系统CVX来求解路径。
对应不同的待充电无人机,容忍时延不同,因此飞行时间也不同。将飞行时间等分为M份,由于每一时隙较小,本发明考虑无人机在每个时隙下处于匀速飞行,因此在时隙i的飞行速度在最大容忍飞行时延下,优化轨迹使飞行能耗最小。同时,约束飞行轨迹的起点与终点,为了避免与正在服务的无人机产生影响,无人机的飞行轨迹要求避开服务中的无人机的位置。通过求解q[i]的二阶导,可以求得上述问题为凸问题。使用MATLAB中的cvx工具箱进行求解。
通过求解上面公式获得辅助无人机的最优路径。
对本发明的方法使用MATLAB进行仿真。如下:
考虑了一个1.2km×1.2km的城市场景,设计8个无人机基站,分布式部署在三维场景中。当无人机之间的距离小于600m时,代表无人机之间拥有通信链路,可以进行中继传输,若距离大于600m,则无人机之间无法进行通信。无人机基站的散点部署情况如图4所示,仿真参数如表1所示。图4中的黑色圆点代表无人机。
表1仿真参数
单位信道增益ρ<sub>k</sub> | -50dB |
无人机回传信息的通信带宽B | 300kHz |
高斯白噪声σ | -100dB |
无人机发射功率P | 2W |
回传信息比特L | 2Mbit |
最佳角度θ | 42.44° |
仿真结果如图5~9所示,下面分别说明。
如图5所示,为本发明方法选择无人机节点协作中继路径,其中圆形节点代表该无人机有额外的能力为中继传输信息提供服务,无人机节点之间的实线代表无人机节点之间能正常进行通信,链路通畅。方形节点意味着该无人机没有额外能力进行中继传输信息,该节点与其他无人机之间的通信链路用虚线表示,代表无效通信链路。粗实线路径代表使用Dijkstra算法进行最短选路后,得出的信息经中继节点传输到基站的最短时间,同时也是最少能耗的传输路径。
如图6所示,是本发明方法辅助无人机路径优化的三维图,表示辅助无人机前往替代位置所用能耗最短的最优路径规划。方形节点代表分布式部署的无人机基站,这些节点按图4展示的无向图进行通信。将飞行时间等分成30个时隙,圆形节点代表辅助无人机在每个时隙飞行到的位置,圆形节点之间的线条连接即为优化的无人机飞行轨迹。无人机的路径在直线中间有一个凸出的部分,造成该凸起的原因是辅助无人机在飞行时要考虑与其他无人机节点之间的距离,防止飞行过程中与其他无人机基站发生碰撞。
图7~图9是将本发明方法与不同基线算法进行对比。图中,本发明方法对应是Dijkstra+优化路径的方法,不同基线算法分别是:Dijkstra+随机路径、中继随机+随机路径、中继随机+优化路径。各基线算法应用的场景基于本发明提出的在无人机自组网中中继传输电量信息,所涉及到的约束条件参考本发明方法中的设置。
如图7所示,为改变无人机分布式部署的节点个数时系统能耗的变化趋势。根据图7可以发现,使用Dijkstra算法的能耗随着节点的增加缓慢下降,而随机中继的能耗则随着无人机节点数量的增加快速增加。随着节点增多,中继信息可选的下一跳节点增多,Dijkstra算法选出最短路径的概率也增加,中继传输的能耗相应会降低。但是随着节点的增多,随机路径更容易出现所有节点都遍历一遍才到达目的节点的情况,因此它的能耗反而会增多。而节点增多,辅助无人机在飞行过程中需要躲避的无人机节点更多,飞行能耗增大。使用Dijkstra算法选路的能耗减少会与飞行能耗的增加抵消一部分,能耗和呈现缓慢下降的趋势。而随机选路场景,两种能耗均叠加,折线也快速增加。
如图8所示,通过改变电量不足节点的位置,对比随无人机发送信息的初始节点位置与基站距离的变化,系统能耗的变化。根据折线图可以看出,随着无人机节点与基站距离的增加,能耗也将增加。随着距离的增加,信息中继的路径更远,中继能耗增加,飞行能耗也将因距离增大而增加,因而能耗增长更快,折线的斜率也更大。而本发明使用了Dijkstra选路和路径优化的能耗和增长比较平缓,没有骤增的情况出现,性能比其他基线算法优异。
最后,图9对比了随无人机基站传输带宽的变化,系统能耗的变化。随着带宽增加,无人机传输信息的传输速率增加,相应传输时间降低,进而影响能耗。辅助无人机的飞行能耗与带宽增加无关,因而整体能耗由中继能耗决定。对比图中的折线可以发现,随无人机基站传输带宽增加,随机中继算法下的能耗和下降速度更快,随机中继算法的能耗和Dijkstra算法中继的能耗差逐渐减小。
从图7~图9来看,在本发明提出的在无人机中继传输电量信息的前提下,通过Dijkstra算法获取耗时最短路径以及辅助无人机路径优化的实现下,所能达到的整体系统能耗最低。
Claims (5)
1.一种无人机网络中基于自组织优化协作的连续覆盖方法,其特征在于,无人机静止部署辅助基站进行通信,无人机自组织网络,当一个无人机判断电量不足时,该无人机将电量和服务用户位置信息通过其他无人机作为中继节点回传给宏基站,宏基站收到无人机电量不足信息后,从宏基站派遣辅助无人机接替电量不足无人机;在过程中,需要最小化信息回传能耗和辅助无人机的推进能耗;其中:
(1)电量不足无人机回传电量和服务用户位置信息给宏基站时,回传的信息量固定,作为中继节点的每个无人机分配给回传信息的带宽固定,无人机之间传输的发射功率固定,将信息回传能耗问题转化为信息多跳传输的路径选择问题,选择耗时最低的路径作为信息回传路径;被选择为中继节点的无人机,无人机的剩余信息量要大于等于回传信息量L;
(2)将辅助无人机的飞行时间等分为M个时隙,设无人机在每个时隙中处于匀速飞行,M为正整数;设置辅助无人机的起点位置和终止位置,在辅助无人机的推进路径上约束飞行位置不与当前部署的分布式无人机节点发生碰撞,在最大容忍时延下优化辅助无人机的飞行轨迹,使推进能耗最小;辅助无人机根据优化的飞行轨迹飞行到终止位置,替换电量不足无人机。
2.根据权利要求1所述的方法,其特征在于,所述的(1)中,电量不足无人机选取耗时最低的路径的步骤包括:
(1.1)将每个无人机和宏基站都作为一个节点,根据节点间通信情况建立邻接矩阵A,将电量不足无人机作为起始节点,宏基站作为终止节点,邻接矩阵A中元素aij表示节点i和节点j之间的通信时延;当i=j时,aij=0;当节点i和j存在直接通信链路时,aij取值为两节点的通信时延;当节点i和j不存在直接通信链路,或者节点i或j的剩余信息量小于回传信息量时,aij取值为∞;
(1.2)基于邻接矩阵A使用Dijkstra算法来寻找起始节点到终止节点的耗时最低路径。
3.根据权利要求1所述的方法,其特征在于,所述的(2)中,在获得耗时最低的信息回传路径后,计算电量不足无人机的容忍时间Tlimit,根据下式计算获得:
Eresidue-Ereserve-E0=PUTlimit
其中,Eresidue代表电量不足无人机的剩余能耗,Ereserve为电量不足无人机预留飞回基站的飞行能耗,E0为回传信息的发射耗能,PU为电量不足无人机与覆盖区域内用户通信所消耗的发射功率。
4.根据权利要求1或3所述的方法,其特征在于,所述的(2)中,辅助无人机的最大容忍时延表示为Tfly,如下:
Tfly=Tlimit-Ttran
其中,Tlimit为电量不足无人机的容忍时间,Ttran为信息回传多跳传输的总时延。
5.根据权利要求1或3所述的方法,其特征在于,所述的(2)中,建立优化飞行轨迹以使得辅助无人机推进能耗最小的目标函数,如下:
C1:Tfly=Tlimit-Ttrans
C2:q[1]=ω1
C3:q[M+1]=ωv
C4:||q[i+1]-q[i]||2≤(vmaxτ)2,i∈M
C6:q[i]≠ωk,k∈κ
其中,q表示辅助无人机飞行轨迹,飞行轨迹表示为q[1],q[2],…q[M],q[M+1];q[i]和q[i+1]分别表示辅助无人机在时隙i的起始位置和终止位置;T代表辅助无人机的飞行时间,T=Tfly;τ表示时隙时长;θ1代表无人机推进能耗参数;ω1和ωv分别为辅助无人机的发射位置和终止位置;vmax表示辅助无人机的最大飞行速度;ωk代表当前部署的无人机k的位置,κ代表当前部署的无人机的编号集合;
使用MATLAB中的CVX工具箱对上述目标函数求解,获取辅助无人机飞行轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370491.0A CN112564767B (zh) | 2020-11-30 | 2020-11-30 | 无人机网络中基于自组织优化协作的连续覆盖方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370491.0A CN112564767B (zh) | 2020-11-30 | 2020-11-30 | 无人机网络中基于自组织优化协作的连续覆盖方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112564767A true CN112564767A (zh) | 2021-03-26 |
CN112564767B CN112564767B (zh) | 2021-09-21 |
Family
ID=75045249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011370491.0A Active CN112564767B (zh) | 2020-11-30 | 2020-11-30 | 无人机网络中基于自组织优化协作的连续覆盖方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112564767B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347593A (zh) * | 2021-04-16 | 2021-09-03 | 重庆邮电大学 | 一种无人机的中继选择方法 |
CN114142912A (zh) * | 2021-11-26 | 2022-03-04 | 西安电子科技大学 | 高动态空中网络时间覆盖连续性保障的资源管控方法 |
CN114268964A (zh) * | 2022-02-28 | 2022-04-01 | 汕头大学 | 未知室内环境中基于无人机群的基站自主协同部署方法 |
CN115623494A (zh) * | 2022-12-16 | 2023-01-17 | 中南大学 | 基于ns3的多无人系统分布式组网仿真方法及系统 |
CN115765826A (zh) * | 2022-09-19 | 2023-03-07 | 西安电子科技大学 | 一种面向按需服务的无人机网络拓扑重构方法 |
CN115765826B (zh) * | 2022-09-19 | 2024-05-31 | 西安电子科技大学 | 一种面向按需服务的无人机网络拓扑重构方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9810883D0 (en) * | 1998-05-20 | 1998-07-22 | Int Mobile Satellite Org | Satellite communication method and apparatus |
CN105717946A (zh) * | 2016-03-22 | 2016-06-29 | 临沂高新区翔鸿电子科技有限公司 | 多基站无人机连续跟踪系统及方法 |
CN109682380A (zh) * | 2019-01-16 | 2019-04-26 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
CN110275546A (zh) * | 2019-07-31 | 2019-09-24 | 河海大学常州校区 | 一种无人机编队搜索与任务调度方法 |
CN110348611A (zh) * | 2019-06-21 | 2019-10-18 | 西安理工大学 | 一种联网无人机预约5g基站充电坪的最优分配方法及系统 |
CN110864682A (zh) * | 2019-11-27 | 2020-03-06 | 成都纵横自动化技术股份有限公司 | 无人机安全返航路线规划方法 |
CN110996370A (zh) * | 2019-10-25 | 2020-04-10 | 广东电网有限责任公司 | 一种无人机的网络通讯路由器协议方法 |
US20200183426A1 (en) * | 2018-12-10 | 2020-06-11 | Industrial Technology Research Institute | Method and system of measuring radio wave distribution of a radio signal source and estimating corresponding radio characteristics by using a flying vehicle |
CN111766894A (zh) * | 2020-03-25 | 2020-10-13 | 湖南大学 | 一种模块化可变体无人机系统及其送货方法 |
CN111953407A (zh) * | 2020-08-24 | 2020-11-17 | 西南大学 | 无人机视频中继系统及其最小化能耗的方法 |
-
2020
- 2020-11-30 CN CN202011370491.0A patent/CN112564767B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9810883D0 (en) * | 1998-05-20 | 1998-07-22 | Int Mobile Satellite Org | Satellite communication method and apparatus |
CN105717946A (zh) * | 2016-03-22 | 2016-06-29 | 临沂高新区翔鸿电子科技有限公司 | 多基站无人机连续跟踪系统及方法 |
US20200183426A1 (en) * | 2018-12-10 | 2020-06-11 | Industrial Technology Research Institute | Method and system of measuring radio wave distribution of a radio signal source and estimating corresponding radio characteristics by using a flying vehicle |
CN109682380A (zh) * | 2019-01-16 | 2019-04-26 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
CN110348611A (zh) * | 2019-06-21 | 2019-10-18 | 西安理工大学 | 一种联网无人机预约5g基站充电坪的最优分配方法及系统 |
CN110275546A (zh) * | 2019-07-31 | 2019-09-24 | 河海大学常州校区 | 一种无人机编队搜索与任务调度方法 |
CN110996370A (zh) * | 2019-10-25 | 2020-04-10 | 广东电网有限责任公司 | 一种无人机的网络通讯路由器协议方法 |
CN110864682A (zh) * | 2019-11-27 | 2020-03-06 | 成都纵横自动化技术股份有限公司 | 无人机安全返航路线规划方法 |
CN111766894A (zh) * | 2020-03-25 | 2020-10-13 | 湖南大学 | 一种模块化可变体无人机系统及其送货方法 |
CN111953407A (zh) * | 2020-08-24 | 2020-11-17 | 西南大学 | 无人机视频中继系统及其最小化能耗的方法 |
Non-Patent Citations (2)
Title |
---|
XINHE ZHANG: "Joint Optimization of UAV Trajectory and Relay Ratio in UAV-Aided Mobile Edge Computation Network", 《2020 IEEE 31ST ANNUAL INTERNATIONAL SYMPOSIUM ON PERSONAL, INDOOR AND MOBILE RADIO COMMUNICATIONS》 * |
刘广斌: "微小型无人机宽带中继平台设计", 《无人机》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347593A (zh) * | 2021-04-16 | 2021-09-03 | 重庆邮电大学 | 一种无人机的中继选择方法 |
CN114142912A (zh) * | 2021-11-26 | 2022-03-04 | 西安电子科技大学 | 高动态空中网络时间覆盖连续性保障的资源管控方法 |
CN114268964A (zh) * | 2022-02-28 | 2022-04-01 | 汕头大学 | 未知室内环境中基于无人机群的基站自主协同部署方法 |
CN115765826A (zh) * | 2022-09-19 | 2023-03-07 | 西安电子科技大学 | 一种面向按需服务的无人机网络拓扑重构方法 |
CN115765826B (zh) * | 2022-09-19 | 2024-05-31 | 西安电子科技大学 | 一种面向按需服务的无人机网络拓扑重构方法 |
CN115623494A (zh) * | 2022-12-16 | 2023-01-17 | 中南大学 | 基于ns3的多无人系统分布式组网仿真方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112564767B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112564767B (zh) | 无人机网络中基于自组织优化协作的连续覆盖方法 | |
CN110381444B (zh) | 一种无人机轨迹优化及资源分配方法 | |
Masroor et al. | Resource management in UAV-assisted wireless networks: An optimization perspective | |
Chen et al. | VFC-based cooperative UAV computation task offloading for post-disaster rescue | |
Wang et al. | Energy-efficient UAV deployment and task scheduling in multi-UAV edge computing | |
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 | |
Elnabty et al. | A survey on UAV placement optimization for UAV-assisted communication in 5G and beyond networks | |
Perera et al. | A WPT-enabled UAV-assisted condition monitoring scheme for wireless sensor networks | |
Qin et al. | Edge-prior placement algorithm for UAV-mounted base stations | |
CN112291795B (zh) | 一种基于无人机骨干网分布式组网系统与方法 | |
Arani et al. | Fairness-aware link optimization for space-terrestrial integrated networks: A reinforcement learning framework | |
CN112040449A (zh) | 一种无人机密集编队通信网络的中继优化选择方法 | |
Bozkaya et al. | Airnet: Energy-aware deployment and scheduling of aerial networks | |
CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
Gao et al. | Coverage-maximization and energy-efficient drone small cell deployment in aerial-ground collaborative vehicular networks | |
Zheng et al. | Optimal communication-computing-caching for maximizing revenue in UAV-aided mobile edge computing | |
Omran et al. | 3D deployment of multiple UAVs for emergent on-demand offloading | |
Liao et al. | Optimal Deployment and Operation of Robotic Aerial 6 G Small Cells With Grasping End Effectors | |
Fu et al. | AoI-Energy-Aware Collaborative Data Collection in UAV-enabled Wireless Powered Sensor Networks | |
Zhang et al. | Joint computation offloading and trajectory design for aerial computing | |
Zhang et al. | An energy-efficient UAV deployment scheme for emergency communications in air-ground networks with joint trajectory and power optimization | |
Sobouti et al. | Managing sets of flying base stations using energy efficient 3D trajectory planning in cellular networks | |
CN116113025A (zh) | 一种无人机协能通信网络中轨迹设计和功率分配方法 | |
Zhou et al. | NOMA empowered energy efficient data collection and wireless power transfer in space-air-ground integrated networks | |
CN115665775A (zh) | 一种基于多时间尺度的空地一体化通信网络覆盖方法 |
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 |