CN112737837A - 一种高动态网络拓扑下无人机群带宽资源分配方法 - Google Patents
一种高动态网络拓扑下无人机群带宽资源分配方法 Download PDFInfo
- Publication number
- CN112737837A CN112737837A CN202011577098.9A CN202011577098A CN112737837A CN 112737837 A CN112737837 A CN 112737837A CN 202011577098 A CN202011577098 A CN 202011577098A CN 112737837 A CN112737837 A CN 112737837A
- Authority
- CN
- China
- Prior art keywords
- user
- unmanned aerial
- matching
- aerial vehicle
- users
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
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
本发明公开了一种高动态网络拓扑下无人机群带宽资源分配方法,属于无线通信技术领域。本发明方法包括:基于链路的瞬时QoS质量以及业务的时延需求,建立用户‑基站匹配偏好列表;执行精匹配过程,依次利用多对一匹配算法和基于三层拍卖框架的动态多对多匹配算法为用户进行无人机链路匹配;基于精匹配结果执行简匹配过程,动态调整无人机群的带宽分配。本发明可循环执行上述精匹配和简匹配过程,进行无人机群带宽资源分配。本发明可实现无人机基站间带宽资源的高效按需分配,用户单连接/多连接连接方式灵活转换,能够克服网络中不稳定非视距链路及用户移动对网络拓扑结构稳定性的影响。本发明方法提高了系统吞吐量,降低了计算复杂度。
Description
技术领域
本发明涉及无线通信领域,具体是一种高动态网络拓扑下无人机群带宽资源分配方法。
背景技术
地面应急通信业务在网络覆盖和系统吞吐量要求,单个无人机在板载硬件资源和覆盖区域方面的限制,无法满足服务要求。无人机群可以作为群组工作,为用户提供视线(视距)数据链路,从而可以提高服务质量(QoS)和网络吞吐量。此外,无人机具有敏捷性和可回收性,具备即插即用的灵活高效使用特性。但是,为了使系统吞吐量最大化,传统的无人机航迹改变解决方案消耗了太多的推进能量,这对无人机群的耐久性是不利的。因此,亟需有效的资源流动机制来保证无人机群通信的及时性和可靠性。除非能解决有效和可靠的带宽分配问题,否则将发生严重的用户间干扰,较差的链路质量,数据包丢失和飞机坠毁。
为更好的服务地面应急通信业务,提升用户通信满意度,无人机群采用mesh(无线网格网络)组网方式,该方式具备增强覆盖面积,减少机间信息传输跳数,节省飞机能源消耗的优势。此外,无人机群间通信以及无人机与地面用户通信均采用OFDM(正交频分复用)传输方式。
现有无人机群带宽资源分配方法主要采用用户固定接入配额方式,所有资源分配过程均在基站控制中心的统一调度下完成,无人机基站间缺乏资源按需流动方法,计算复杂度达到指数级。加拿大魁北克大学国家科学研究所Long Bao Le教授团队采用凸优化与二次变换交替优化的方法,解决了无人机群空中排布与带宽优化问题。该方案的所有分配过程由空中集中控制节点统一调配,在进行带宽资源分配前,用户需要将自己所有基站的链路信息上传至集中控制节点,随后该节点不断循环遍历所有用户的接入数据,构建吞吐量全局最优目标函数,随后通过凸优化解决该问题。该方法能实现全局最优的资源分配结果,计算复杂度达2n·m,其中n为业务数,m为基站数,无法克服不稳定空地链路状态与用户移动对网络拓扑稳定性的影响。
目前无人机群带宽资源分配的技术方案主要存在以下缺点:(1)计算复杂度高达指数级,无法克服不稳定空地链路状态与用户移动对网络拓扑稳定性的影响;(2)基站间缺乏带宽资源的动态按需流动,带宽资源利用率低;(3)用户连接配额固定,尚未根据不同的信道状态制定灵活的接入方式,网络健壮性难以保证。
发明内容
针对上述现有无人机群带宽资源分配技术存在的问题,本发明提出了一种基于匹配博弈理论的高动态网络拓扑下无人机群带宽资源动态分配方法,面向差异化业务需求,实现无人机群动态多对多匹配博弈“精简结合”,在满足用户时延要求的同时,最大化无人机群系统总吞吐量。
本发明提供了一种高动态网络拓扑下无人机群带宽资源分配方法,实现步骤包括如下:
步骤一、每个地面用户根据链路的QoS质量以及时延要求,计算与无人机群中的各无人机链路的用户通信满意度效用值,形成用户侧匹配偏好列表以及基站侧匹配偏好列表;
步骤二、基于匹配偏好列表通过精匹配算法进行无人机群与用户之间的链路匹配;链路匹配矩阵π记载各用户与各无人机之间连接匹配结果,矩阵中元素kn,m表示用户Dm与无人机Un的连接匹配结果,kn,m=1表示用户Dm连接至无人机Un,否则kn,m=0;各用户记录从所匹配的无人机获得的即时带宽资源;
步骤三、用户依据链路匹配结果π与无人机群间建立链路连接进行通信;
步骤四、用户侧根据链路的瞬时QoS质量以及业务的时延需求,更新用户通信满意度效用值,更新用户侧匹配偏好列表以及基站侧匹配偏好列表;
步骤五、基于当前链路匹配结果π,使用简匹配算法动态调整无人机群的带宽分配,设得到更新的链路匹配矩阵π3。
步骤六、用户依据链路匹配结果π3与无人机群间建立链路连接进行通信。
所述的步骤一中,每个用户侧匹配偏好列表,记载按照该用户通信满意度效用值从大到小的顺序排列的无人机序列;每个基站侧匹配列表,记载按照各用户对无人机的通信满意度效用值从大到小的顺序排列的用户序列;所述的用户通信满意度效用值是用户链路可达速率与时延满意度的加权和。
所述的步骤二中,所述的精匹配算法包括两个阶段:
第一阶段,通过多对一匹配算法为部分用户进行无人机链路匹配,包括:对每个用户,根据用户侧匹配偏好列表按序向各无人机发送接入请求;无人机根据配额要求和当前获得的带宽资源,当满足用户的总带宽需求和配额要求时,接收用户接入请求,形成一条无人机与用户之间的链路匹配,否则,拒绝用户接入请求;在第一阶段匹配后获得部分用户的链路匹配结果π1以及未匹配的用户集合
第二阶段,通过基于三层拍卖框架的动态多对多匹配算法为中的用户进行与无人机间的动态多连接链路,包括:中的每个用户Dm从用户侧匹配偏好列表中选取qd个偏好的无人机发送接入请求,并从用户侧匹配偏好列表中清除掉所选取的无人机;每架无人机根据基站侧匹配偏好列表,接收最多qt个用户接入请求,拒绝剩余用户接入请求;如果用户的接入请求遭到拒绝,将继续从用户侧匹配偏好列表中选取qd-|π2(Dm)|个偏好的无人机发送接入请求,并从用户侧匹配偏好列表中清除掉所选取的无人机;重复上面过程,直到中的每个用户的用户侧匹配偏好列表全部清空时,匹配结束,输出中所有用户的链路匹配结果π2;其中,qd是用户最多同时接入的无人机数量,qt是无人机最多同时接入的用户数量,|π2(Dm)|是用户Dm已匹配的无人机数量;
所述的链路匹配结果π1和π2合并组成所有用户与无人机群间的链路匹配矩阵π。
所述的步骤五中,简匹配算法包括:(1)遍历所有用户,找出所有单连接用户和多连接用户,建立两个矩阵和矩阵的行列分别是所有单连接用户和所有多连接用户,矩阵的行列都是所有单连接用户,两矩阵中的元素值是对应的两个用户交换无人机匹配资源后,两用户的通信满意度效用改变量之和;(2)在两矩阵和中寻找最优匹配阻塞对,即两个矩阵中元素值最大对应的两个用户,并交换两个用户的无人机匹配资源,更新矩阵和更新链路匹配矩阵;(3)继续在更新后的矩阵和中执行步骤(2),直到两矩阵和中不存在正数的元素值,停止执行,输出最后更新的链路匹配矩阵π3。
与现有技术相比,本发明方法的优点和积极效果在于:
(1)本发明提出了一种高动态网络结构拓扑下无人机群动态多对多匹配精匹配与简匹配算法,可实现无人机基站间带宽资源的高效按需分配,用户单连接/多连接连接方式灵活转换,能够克服网络中不稳定非视距链路及用户移动对网络拓扑结构稳定性的影响;
(2)本发明提出了一种基于三层拍卖框架的无人机群动态多对多带宽分配方法,即精匹配算法,以实现全局网络带宽资源优化,更新所有用户的接入策略,与传统带宽分配方法相比,复杂度由指数级下降至线性级。
(3)为进一步适应网络拓扑的高动态特性,本发明在精匹配算法的结果上提出了一种交换匹配方法,即简匹配算法,以实现不稳定单连接用户和多连接用户之间的局部动态匹配资源交换,相比于精匹配算法,可实现系统吞吐量次优解决方案,但具有更低的复杂度。
(4)将本发明方法与现有方法对无人机群带宽分配进行仿真实验,仿真结果表明,与传统的多对一匹配算法相比,本发明的精匹配和简匹配实现的系统吞吐量分别提高了55%和38%;与传统的集中优化算法相比,本发明的精匹配和简匹配都具有较低的复杂度,而简匹配算法的复杂度仅为精匹配算法的40%;因此采用本发明方法能够更快、更好地对无人机群带宽分配,完成无人机群动态多对多带宽分配的任务。
附图说明
图1是本发明方法所应用的一个无人机群动态带宽资源分配网络的场景示例图;
图2是本发明的高动态网络拓扑下无人机群带宽资源分配方法的一个实现流程示意图;
图3本发明方法在进行无人机群动态带宽分配时使用的多对一匹配算法流程图;
图4是本发明的基于三层拍卖框架的无人机群带宽多对多匹配方法的流程图;
图5是本发明使用的无人机群带宽简匹配方法的流程图;
图6是本发明方法与现有方法在不同用户数量下系统吞吐量对比图;
图7是本发明方法与现有方法的系统吞吐量随时间的演变关系图,其中,(a)为正常运动场景下的仿真图,(b)快速运动场景下的仿真图;
图8是本发明方法与现有方法在不同用户数量下系统平均时延满意度对比图;
图9是本发明方法与现有方法在不同用户数量下系统匹配率和成功切换率对比图;
图10是本发明方法与现有方法的算法迭代次数随时间的演变关系图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在图1所示的无人机群动态带宽资源分配网络中,在所有无人机升空且组网完成后,无人机群UAV 1,UAV 2,…UAV N以编队形式以低速周期运动或静止状态完成给定的带宽分配任务,控制拍卖中心(ACC)为无人机基站分配带宽资源,无人机与用户之间存在多对多匹配链路及多对一匹配链路。
设无人机群用集合表示,N表示无人机数量,Un为第n架无人机;地面用户用集合表示,M表示用户数量,Dm为第m个用户;设每个用户携带的业务数据包大小表示lm为第m个用户携带的业务数据包大小,对应的时延要求为tm为第m个用户携带的业务数据包的时延需求。在带宽分配过程中,每架无人机均需要与机群内其他无人机动态竞争有限的带宽资源B,N架无人机在t时刻的带宽资源表示为集合Bn(t)表示第n架无人机在t时刻的带宽;设Bm,n(t)是用户Dm获得的来自无人机Un的即时带宽资源。
无人机群带宽分配网络中,为了帮助时延敏感型业务用户竞争到更高质量的带宽资源,用户通信满意度效用函数将同时考虑用户链路可达速率与差异化业务时延要求。本发明中,用户通信满意度效用函数Un,m定义为用户链路可达速率Rn,m与时延满意度ρn,m的加权和。
本发明参考3GPP无人机空地信道模型,其中无人机基站与地面用户间的空地链路直射路径(LoS)概率取决于无人机高度、飞机与地面用户坐标以及载波频率。本发明分别使用un(n=1,2,...,N)与wm(m=1,2,...,M)表示无人机基站Un与用户Dm的坐标。路损模型表示为:
其中,PLn,m表示无人机Un到用户Dm的路径损耗,分LoS链路和NLoS(非直射路径)链路两种情况,wn,m=||un-wm||表示为无人机Un到用户Dm间的距离,fc代表载波频率,h代表无人机飞行垂直高度。设与分别表示为LoS链路与NLoS链路的路损。LoS路径的发生概率随机取决于用户在网络中的位置与所处环境,概率PLOSn,m可表示为:
其中,参数d0=max{294.05·log10h-432.94,18},参数p1=298.38·log10h-0.95。无人机垂直高度h∈[22.5,300]米。相应地,NLoS路径发生概率PNLOSn,m=1-PLOSn,m。本发明假设信道增益只取决于大尺度衰落,忽略小尺度衰落。用户Dm连接到无人机Un后,其下行链路空地信道信噪比(SINR)表示为其中,P代表无人机天线发射功率,Ns代表通信噪声功率,Im是该链路受到来自其他无人机空地链路的干扰,包含了LoS路径的干扰与NLoS路径的干扰。Im可表示为:
相应地,用户每Hz带宽可达速率Cn,m=log2(1+γn,m)可表示为:
其中,分别表示LoS路径与NLoS路径下用户每Hz带宽可达速率。为了确保用户通信成功率,用户接入无人机群带宽分配网络的SINRγn,m需大于阈值γmin。链路可达速率函数Rn,m是用户Dm与到无人机Un空地链路LoS与NLoS速率的加权和,表示为:
业务时延包含传输时延tcomm与计算时延tcomp。tcomp的数值取决于每架无人机上CPU共享计算资源的大小,在动态带宽分配问题上,本发明专注于无人机群高效带宽分配策略。因此,本发明设用户的计算时延tcomp为常数tc。考虑到每架无人机承载用户数量受限,设单个无人机最多同时接入qt个用户。tcomm取决于用户业务数据包大小lm,用户空地链路带宽资源fm,以及用户空地链路可达速率Rn,m。用户的业务实际时延Tn,m可表示为:
进一步,基于用户业务时延要求tm与实际时延Tn,m,用户时延满意度函数表现为分段指数函数ρn,m,具体为:
其中τ=Tn,m-tm。为帮助时延敏感型用户帮助时延敏感型业务用户竞争到更高质量的带宽资源,同时最大化无人机群通信系统总吞吐量,本发明定义用户通信满意度效用函数Un,m为:
其中,λ1,λ2分别表示为用户链路可达速率与时延满意度的权重。
本发明方法的核心挑战在于如何克服空地信道的高动态变化以及用户业务分布的动态流动对机群网络拓扑稳定性的影响,研究高动态网络拓扑环境下无人机群与多用户间的多对多带宽资源高效分配问题,在满足业务时延要求的情况下,最大化无人机群系统总吞吐量。本发明将无人机群通信系统建模为如下最优化问题:
s.t.
其中,优化系统目标OPT如公式(10)所示,在满足业务时延要求的情况下,最大化无人机群系统总吞吐量。约束条件s.t.如公式(11)~(15)所示。kn,m表示用户Dm与无人机Un的连接匹配结果,kn,m=1表示用户Dm连接至无人机Un,否则kn,m=0。由N×M个kn,m元素构成的矩阵表示为用户匹配结果矩阵π,kn,m为矩阵π中第n行、第m列元素。公式(11)为用户接入的SINR要求。公式(12)与(13)分别表示为每个无人机与用户的连接配额限制,其中qd代表用户最多同时接入的无人机数量,qt代表无人机最多同时接入的用户数量。公式(14)为无人机群网络总的带宽资源限制,所有用户分配到的带宽资源不能超过系统总带宽资源B。公式(15)表示用户与无人机之间的连接关系。公式(10)-(15)是混合整数非线性规划(MINLP)问题,是NP难问题,复杂度O(2N·M)。
本发明在解决目标问题时,需要克服无人机群网络拓扑结构的高动态性,用户可以采取动态多连接的方式选择无人机空地链路;无人机群内部通过三层拍卖架构,实现链路质量与业务需求快速波动下带宽资源动态按需流动。本发明基于匹配博弈理论实现高动态网络拓扑结构下无人机群与多用户间的带宽资源动态多对多资源分配。匹配理论可以最大程度地减少计算复杂度,并克服传统博弈论方法和集中优化算法的全局信息遍历限制。本发明提供的一种高动态网络拓扑下无人机群带宽资源分配方法,一个实现流程如图2所示,主要包括如下几个步骤。
第一步,根据链路的QoS质量以及时延需求,计算与各无人机基站链路的用户通信满意度效用值,按照效用值从大到小的顺序排列无人机基站,形成用户-基站匹配偏好列表,包括用户侧匹配偏好列表以及基站侧匹配偏好列表。用户侧匹配偏好列表记载按照该用户通信满意度效用值从大到小的顺序排列的无人机序列。基站侧匹配列表记载按照各用户对无人机的通信满意度效用值从大到小的顺序排列的用户序列。
第二步,基于匹配偏好列表通过精匹配算法进行无人机群与用户之间的链路匹配,获取链路匹配矩阵π;用户依据链路匹配结果π与无人机群间建立链路连接进行通信。
第三步,用户侧根据链路的瞬时QoS质量以及业务的时延需求,更新用户通信满意度效用值,更新用户侧匹配偏好列表以及基站侧匹配偏好列表。
第四步,基于当前链路匹配结果π,使用简匹配算法动态调整无人机群的带宽分配,设得到更新的链路匹配矩阵π3。用户依据链路匹配结果π3与无人机群间建立链路连接进行通信。
本发明实施例中,执行的第二步精匹配过程和第四步地简匹配过程为循环交替的过程,即以一次精匹配后执行若干次简匹配为循环周期,在无人机群带宽分配过程中不断循环该周期。
本发明创新性地提出了一种面向差异化业务需求的无人机群动态多对多匹配博弈“精简结合”方法,将基于公式(10)-(15)的优化问题计算求解的复杂度由指数级降低至线性级。首先,本发明提出一种基于三层拍卖框架的无人机群动态多对多带宽分配方法,即精匹配算法,以实现全局网络带宽资源优化,更新所有用户的接入策略;与传统算法相比,精匹配算法将复杂度由指数级下降至线性级。其次,为进一步适应网络拓扑的高动态特性,在精匹配算法的结果上本发明进一步提出了一种交换匹配方法,即简匹配算法,以实现不稳定单连接用户和多连接用户之间的局部动态匹配资源交换,相比于精匹配算法,简匹配算法可实现系统吞吐量次优解决方案,但具有更低的复杂度。下面分别说明本发明提出的精匹配算法和简匹配算法的实现。
(1)首先说明无人机群动态带宽分配的精匹配算法的实现,分为两个步骤:第一步,对于信道状态较好的LoS用户,通过多对一匹配算法,标记为算法1,实现高质量稳定单连接链路;第二步,对于剩余用户,包括NLOS路径用户以及未匹配的LoS路径用户,通过基于三层拍卖框架的动态多对多匹配算法,标记为算法2,建立用户与多无人机间动态多连接链路,实现带宽资源的高效按需流动。
基于经典学生-项目分配(SPA)问题,本发明首先将无人机群与用户业务之间的带宽分配问题建立为多对一匹配问题。采用算法1为信道质量好的LoS用户建立高速稳定的单连接空地通信链路。为了满足用户承载业务的通信时延需求,根据公式(7),用户Dm的总带宽需求为了实现稳定多对一匹配结果π1,用户的匹配偏好列表基于用户通信满意度效用函数Un,m降序排列。用户与无人机间匹配偏好关系可表示为:
本发明将多用户与无人机群间带宽资源单连接分配问题建立为单侧匹配偏好的多对一匹配问题,多对一匹配算法1的一个伪代码如下所示,实现流程如图3所示。
上述流程中,对于未匹配用户列表的任一用户Dm,若表示用户Dm依然有未尝试匹配的无人机,并且Dm未达到最大同时接入的无人机数量qd,此时,选取匹配偏好列表中的第一架无人机Un发送接入请求,此时设置kn,m=1,Bn,m(t)=dm,将Dm从中移除,将Un从偏好列表中移除;无人机Un在接收到用户Dm的接入请求后,根据自身带宽资源Bn(t)及配额资源qt,接收或拒绝用户接入请求,当Bn(t)满足用户Dm的带宽需求dm,且Un接入的用户数量未达到qt时,接收用户接入请求;否则,无人机Un拒绝用户接入请求,此时设置kn,m=0,Bn,m(t)=0,将用户Dm重新加入通过算法1获得部分地面用户的无人机匹配结果π1以及未匹配无人机的用户集合
算法1结束后,无人机群系统内的NLOS路径用户以及部分信道质量差的LoS路径用户仍然未匹配无人机带宽资源。在高动态网络拓扑环境下,为增强无人机群系统健壮性,本发明提出一种三层拍卖架构的无人机群动态多对多带宽匹配算法,即算法2,为这些用户提供多条并行传输通信链路,使用户能够在一条链路性能下降时保证应急通信服务不被中断,同时实现带宽资源动态高效按需流动,进一步提升系统带宽资源利用率。
三层拍卖垂直架构分别为用户层、无人机群空中基站层以及拍卖控制中心层(ACC)。所有NLoS路径用户以及未匹配链路的LoS用户为用户集合无人机群系统内剩余总带宽资源B0汇总至ACC作拍卖管理。在拍卖过程中,定义(an,m,dn,m)为需求紧急对,an,m表示用户Dm匹配无人机Un的最大承受价格,基于公式(9)计算得出。an,m数值越高表示用户对无人机群系统带宽资源的需求程度越迫切。每个用户可根据各自匹配偏好列表发送最多qd个需求紧急对。用户多连接带宽需求dn,m可表示为:
其中,dm为用户Dm的总带宽需求。定义B(t)={bn(t)},n=1,2,...,N为动态带宽竞拍矩阵,其中bn(t)∈[0,B0],bn(t)>0表示Un愿帮助用户从ACC处竞拍带宽资源,否则bn(t)=0。动态带宽竞拍矩阵的值与瞬时拍卖价格有关,可定义为:
定义rn,m为用户层从ACC处获得的带宽资源,其中rn,m∈[0,B0]。R={rn},n=1,2,...,N为无人机层带宽分配矩阵,其中rn>0表示无人机Un实际通过动态拍卖过程(DAP)获得的带宽资源。当DAP最终稳定时,R的数值就为每架无人机最终获得的带宽资源。rn同样满足如下规则:
为了保证DAP的良性竞争,本发明分别设计无人机层与ACC层的拍卖效用函数与UC(t)。当无人机Un帮助用户竞拍到带宽资源,这条空地链路的效用值为其中p为DAP中的瞬时拍卖价格,获得竞拍资格的用户最大承受价格an,m必须大于p,即随着p的动态变化,竞拍得到带宽资源的用户数m′(t)也会相应变化,每架无人机在当前时刻竞拍得到的总带宽资源无人机层效用函数和ACC层效用函数UC(t)分别表示为:
其中,pbase,n为无人机Un为用户Dm提供每Hz带宽资源的系统开销。p的初始值为集合{pbase,n}中的最小值min{pbase,n}。考虑到每架无人机携带能量的限制,该笔拍卖的费用必须能够承担系统的能源开销,即p>pbase,n。因此,DAP中任何有效的带宽竞拍均需满足an,m>pbase,n。系统总收入R可表示为:
综上所述,无人机群系统带宽最优分配问题可以建立为线形约束条件下系统总收入R最优化问题,如公式(25)-(26)所示。
s.t.
然而,对于传统集中式线性规划算法而言,ACC需要知道系统内所有用户的全部拍卖信息,算法计算复杂度达到指数级。本发明提出一种低复杂度DAP解决该带宽资源流动问题,ACC只需要知道每架无人机在当前时刻的带宽竞拍需求bn(t),通过动态调整顺势拍卖价格p完成拍卖过程。首先,用户将需求紧急对(an,m,dn,m)提交给偏好的无人机。随后,基于瞬时拍卖价格p,无人机群结合带宽需求与顺势拍卖价格,基于公式(22)更新竞拍矩阵B(t)和无人机群效用函数DAP最终成交价格p*成立条件为其中θ=max{dn,m}。最后,最终成交价格p*下的无人机群带宽竞拍矩阵B(t)即为最终带宽分配矩阵R。对于ACC,为提升最终成交价格p*迭代效率,本发明提出了价格空间动态可调的动态拍卖定价方法,通过“先粗后精”的方式调整价格变动梯度ε,具体步骤如算法2阶段1所示。本发明提出的DAP方法具备如下优势:首先,ACC只需调整瞬时拍卖价格p,每架无人机根据价格p和用户接入请求决定各自带宽竞拍数量bn(t),提升了拍卖算法的智能性。进一步,作为竞拍者,无人机之间无需互相交换信息,仅需与ACC沟通拍卖价格p与竞拍带宽bn(t),这将提升整个拍卖过程的效率。
无人机群经过带宽动态按需流动后,本发明将多连接用户与无人机群间的带宽分配问题建立为多对多匹配博弈模型。每个用户可以最多同时连接qd架无人机,每架无人机最多同时连接(包含单连接与多连接)qt个用户,系统最终稳定的多对多匹配结果为矩阵基于公式(9)中的用户通信满意度效用函数Un,m,用户的匹配偏好列表以及无人机侧匹配偏好列表呈降序排列。
如图4所示为实现算法2的流程,伪代码如下所示。
阶段1执行动态拍卖过程,获取最终带宽分配矩阵R。在迭代过程中,判断是否满足条件若满足,更新瞬时拍卖价格p,然后t自增1,更新t时刻的带宽竞拍矩阵B(t)以及无人机层效用函数若不满足,保持p不变,然后t自增1;再继续进入t时刻的迭代中。直到不满足条件时,停止迭代,得到R是最终迭代得到的带宽竞拍矩阵B(t)。
阶段2执行无人机群系统带宽资源多对多匹配。主要包括:(21)每个未匹配用户Dm向qd个偏好的无人机发送接入请求,并且从用户侧匹配偏好列表里清除掉这些无人机;设置kn,m=1,Bn,m(t)=dn,m;将Dm从未匹配用户列表中移除。(22)每架无人机基站基于各自基站侧匹配偏好列表优选选择偏好的用户,依据当前的带宽资源Bn(t),判断自身当前时刻的带宽是否满足用户Dm的带宽需求dn,m,接受最多qt个用户的带宽接入请求,拒绝掉剩余用户的带宽接入请求;被拒绝的用户Dm重新加入未匹配用户列表中,并设置kn,m=0,以及Bn,m(t)=0。(23)如果用户Dm的接入请求遭到拒绝,将继续发送qd-|π2(Dm)|个接入请求给其偏好的无人机,|π2(Dm)|是与用户Dm建立链路连接的数量,即用户Dm已匹配的无人机数量;每架无人机按照步骤(22)进行请求筛选,接受或拒绝用户的带宽接入请求。当用户Dm的为空,或者Dm同时接入的无人机数量达到qd时,结束用户Dm的多连接链路匹配。当所有用户的多连接链路匹配完成时,匹配结束,矩阵作为最终稳定多对多匹配结果。
精匹配的匹配结果为多对一匹配与多对多匹配矩阵的并集π=π1∪π2。算法2的多对多匹配算法与传统多对一算法比较具有如下优点:首先,通过将业务流拆分成多个并行传输的子包,带宽资源的划分更加细致,能够提升系统的带宽利用率以及用户的匹配率。进一步,当其中一条链路通信质量受损时,用户可通过剩余良好链路完成业务传输,可提升网络的健壮性以及用户通信满意度。
(2)其次说明无人机群动态带宽分配简匹配算法的实现。通过上面精匹配能够实现全局网络带宽资源优化,更新所有用户的接入策略,复杂度由传统集中式算法O(2M·N)指数级降低至O(M·N)线性级。为进一步适应网络拓扑的高动态特性,本发明在精匹配算法的结果上,提出了一种交换匹配方法,即简匹配算法,以实现MSC个不稳定单连接用户和Mf个多连接用户之间的局部动态匹配资源交换,相比于精匹配算法,简匹配算法,标记为算法3,可实现系统吞吐量次优解决方案,但具有更低的复杂度。简匹配的匹配结果用矩阵π3表示。
首先定义匹配阻塞对:如果用户-用户对(Di,Dj)为匹配阻塞对当且仅当用户Di与Dj相互交换无人机的连接匹配资源后,二者用户通信满意度效用该变量为正数。
先阐述简匹配过程中用户资源交换过程与效用函数值更新过程。定义简匹配前用户Di、Dj匹配情况π0(Di)={Up|kp,i=1},π0(Dj)={Uq|kq,j=1}。用户Di的简匹配前的效用值为所有链路效用值之和简匹配前为U(Di),简匹配后为U(Di)'。用户参与简匹配后,通信满意度效用改变量为ΔU(Di)=U(Di)'-C(Di),其中C(Di)为用户Di简匹配前的实际链路速率,LoS与NLoS链路速率分别基于公式(4)、(5)计算所得。对于集合中的用户,最优匹配阻塞对为:
其中,满足(26)的用户对(Di,Dj)为最优匹配阻塞对。只有最优阻塞对为正数,用户之间才得以交换资源。
简匹配方法的实现流程如图5所示,伪代码如下所示。
如上所述,简匹配的实现过程主要是:
首先,建立单连接-多连接匹配阻塞对矩阵和单连接-单连接匹配阻塞对矩阵矩阵的行列分别是所有单连接用户和所有多连接用户,矩阵中的元素值是对应的两个用户在交换无人机匹配资源后的通信满意度效用改变量之和;矩阵的行列都是所有单连接用户,矩阵中的元素值是对应的两个用户在交换无人机匹配资源后的通信满意度效用改变量之和。用户Di、Dj的通信满意度效用改变量之和为ΔU(Di)+ΔU(Dj)。矩阵中记载了单连接用户与多连接用户的匹配阻塞对,矩阵中记载了单连接用户与单连接用户的匹配阻塞对。
然后,分别遍历矩阵和对于矩阵中元素值为正数的用户对,可以交换带宽资源,否则不可以交换带宽资源。通过遍历两矩阵后,找到其中元素值最大的用户对,即为最优阻塞匹配对(Di *,Dj *),交换两个用户的无人机匹配资源,此时需要更新链路匹配矩阵,将用户Di *、Dj *的无人机链路匹配结果πt(Di *)和πt(Dj *)进行交换,并更新矩阵与重复执行两矩阵中最优阻塞匹配对的资源交换及更新两阻塞匹配对矩阵,直到两矩阵中的没有能够交换的最优匹配阻塞对,即矩阵中没有了正数的元素值,此时执行结束,得到最终的链路匹配矩阵π3。
对本发明求解目标所用的精简匹配算法复杂度进行分析。精匹配的算法复杂度分为两部分,其中算法1的复杂度为O(M·N),M·N代表所有参与者(用户、无人机)的偏好列表总长度。算法2中DAP阶段,每架无人机均需要遍历接收到的多连接用户的接入需求,根据瞬时拍卖价格p计算竞拍策略bn(t),复杂度为Na·O(qd·Mf),其中Na为DAP的收敛次数。算法2中,多对多匹配算法复杂度为O(Mf·N),其中Mf·N为多连接用户与无人机匹配偏好列表总长度。简匹配算法中为构建匹配阻塞对矩阵和需遍历所有不稳定单连接用户与多连接用户偏好列表,其长度为(Mf+MSC)·N。由于用户间交换是不可逆的,所以匹配阻塞对矩阵最多交换(Mf+MSC)·MSC次。因此,简匹配算法最终终止的最坏的复杂度为O((Mf+MSC)2·MSC·N)。此外,本发明将精匹配算法与简匹配算法复杂度与传统多对一算法O(M·N)与穷举搜索算法O(2M·N)比较,如表1所示。
表1算法复杂度比较
通信开销是系统设计中的关键问题,其中端到端间通信需要用户与基站间的信息交换。因此,在整个匹配过程中测量(Un,Dm)对之间新连接链路的数量是所提算法复杂度成本的合理衡量。简匹配算法的实际计算成本不一定达到理论分析的复杂度成本。
对本发明提出的方法进行仿真实验,仿真结果如图6~图10所示。
仿真核心参数如下:
仿真中定义了3种运动速度,分别为15m/s(模拟汽车速度),7.5m/s(模拟自行车速度)以及1.5m/s(模拟步行速度)。模拟了两种运动场景,其中正常运动场景中用户三种运动速度的发生概率分别为0.1,0.4,0.5,快速运动场景中的概率分别为0.5,0.4,0.1。仿真中,未说明用户运动场景的对比图均采用正常运动场景。
如图6所示,将本发明方法与现有方法在不同数量的用户之间的系统吞吐量进行比较。现有方法包括Exhaustive Search(穷举搜索算法)、Ramdom access(随机搜索算法)、Many-to-one matching(经典多对一匹配算法)。本发明方法分为精匹配(算法1和2)和简匹配(算法3),简匹配是在精匹配的结果之上进行的。横坐标为用户数量,纵坐标为吞吐量,单位为比特每秒(bps)。仿真结果表明,穷举搜索算法的系统吞吐量数值与本发明的精匹配算法相似,本发明所提出的精匹配和简匹配的系统吞吐量较经典多对一匹配算法分别提高了55%和38%。
图7给出了系统吞吐量随时间的演变关系。系统内有20个无人机和300个用户,横坐标为网络中的时间演变,单位为秒,纵坐标为吞吐量,单位为比特每秒(bps)。可以发现,如果用户不更新其资源匹配对,则随着用户继续随机移动,系统吞吐量将继续下降。图7(a)表示在正常移动情况下,精匹配算法和简匹配算法的系统吞吐量表现非常相似,并且均优于经典多对一匹配算法。图7(b)表示当用户随机移动速度加快时,尽管本发明的精匹配和简匹配的系统吞吐量有所下降,但吞吐量数值上依然能保持稳定且优于经典多对一匹配算法。图7中,Full matching without iteration是指维持第一次精匹配的匹配结果不变的情况下,随着时间演变的系统吞吐量;Many-to-one matching without iteration是指维持第一次经典多对一匹配算法的匹配结果不变的情况下,随着时间演变的系统吞吐量。
图8表示不同用户数量下系统总平均时延满意度的比较结果。横坐标为用户数量,纵坐标为时延满意度。图8中,基于公式(6)进行系统总平均时延满意度的比较,基于公式(9)将用户的时延需求纳入到通信满意度效用函数后进行满意度比较。从图中看出,精匹配算法的平均时延满意度比经典多对一匹配算法提升了40%。作为次优解决方案,使用简匹配算法后,用户的时延满意度提高了20%。
图9给出不同用户数量下系统匹配率(Matching ratio)和成功切换率(Successful handover ratio)的比较结果。横坐标为用户数量,纵坐标为系统匹配率(Matching ratio)或成功切换率(Successful handover ratio)的百分比。首先,与传统的多对一匹配算法相比,精匹配算法可以在相同的总带宽资源下服务更多的用户,因此匹配率更高。此外,通信开销与成功切换率成正比,用户间每成功切换一次接入状态均需产生额外通信开销。图中成功切换率的趋势表明简匹配算法的实际通信开销比表1中分析的要低,且仅为精匹配算法的40%。与简匹配相比,精匹配算法可以获得更高的系统吞吐量,但计算复杂度更高。相应地,简匹配可以更好地适应无人机网络拓扑的动态变化,但不能为新加入或离开网络的用户分配资源。因此,在精匹配和简匹配之间交替的新模式不仅可以提高系统吞吐量,而且可以适应无人机网络拓扑的动态变化。
图10表示本发明的精匹配算法和简匹配算法在算法迭代次数上与经典多对一匹配算法随时间的演变关系。横坐标为网络中的时间演变,单位为秒,纵坐标为算法迭代的次数。尽管精匹配算法的迭代次数比经典多对一匹配算法多13%,但是它可以实现全局网络带宽资源优化,并更新所有用户的信道访问策略,如图6所知系统吞吐量提升55%。简匹配算法的迭代次数远小于精匹配算法。图9和图10中的结果均表明简匹配算法具有较低的算法复杂度,因此可以更好地适应无人机网络拓扑的动态变化。
综上,本发明提出的高动态网络拓扑下无人机群带宽资源分配方法,具有复杂度低,资源高效按需流动及用户连接方式多样的优点。现有技术采用集中式凸优化方法解决多基站多用户静态资源分配问题,用户只能以固定连接配额接入基站,复杂度为指数级。本发明基于匹配博弈理论,通过用户端基于偏好列表选择最优接入基站,基站端根据用户接入需求自主控制资源分配的方式,降低用户偏好列表搜索数量,复杂度由指数降低为线性。本发明在精匹配中构建了无人机群带宽资源拍卖市场,通过自适应定价调整机制寻找到带宽拍卖最优解,最大化带宽资源利用率。通过精简结合的匹配方式,每个用户可以根据自身链路状态灵活选择单连接/多连接接入方式,提升了无人机群网络的鲁棒性。经过试验证明,本发明基于匹配理论的实现方法,由于其低复杂度,快速收敛和偏好选择而被证明是解决无线通信问题的有用工具。
Claims (7)
1.一种高动态网络拓扑下无人机群带宽资源分配方法,其特征在于,包括如下步骤:
步骤一、每个地面用户根据链路的QoS质量以及时延要求,计算与无人机群中的各无人机链路的用户通信满意度效用值,形成用户侧匹配偏好列表以及基站侧匹配偏好列表;其中,每个用户侧匹配偏好列表,记载按照该用户通信满意度效用值从大到小的顺序排列的无人机序列;每个基站侧匹配列表,记载按照各用户对无人机的通信满意度效用值从大到小的顺序排列的用户序列;所述的用户通信满意度效用值是用户链路可达速率与时延满意度的加权和;
步骤二、基于匹配偏好列表通过精匹配算法进行无人机群与用户之间的链路匹配;所述的精匹配算法包括两个阶段:
第一阶段,通过多对一匹配算法为部分用户进行无人机链路匹配,包括:对每个用户,根据用户侧匹配偏好列表按序向各无人机发送接入请求;无人机根据配额要求和当前获得的带宽资源,当满足用户的总带宽需求和配额要求时,接收用户接入请求,形成一条无人机与用户之间的链路匹配,否则,拒绝用户接入请求;在第一阶段匹配后获得部分用户的链路匹配结果π1以及未匹配的用户集合
第二阶段,通过基于三层拍卖框架的动态多对多匹配算法为中的用户进行与无人机间的动态多连接链路,包括:中的每个用户Dm从用户侧匹配偏好列表中选取qd个偏好的无人机发送接入请求,并从用户侧匹配偏好列表中清除掉所选取的无人机;每架无人机根据基站侧匹配偏好列表,接收最多qt个用户接入请求,拒绝剩余用户接入请求;如果用户的接入请求遭到拒绝,将继续从用户侧匹配偏好列表中选取qd-|π2(Dm)|个偏好的无人机发送接入请求,并从用户侧匹配偏好列表中清除掉所选取的无人机;重复上面过程,直到中的每个用户的用户侧匹配偏好列表全部清空时,匹配结束,输出中所有用户的链路匹配结果π2;其中,qd是用户最多同时接入的无人机数量,qt是无人机最多同时接入的用户数量,|π2(Dm)|是用户Dm已匹配的无人机数量;
所述的链路匹配结果π1和π2合并组成所有用户与无人机群间的链路匹配矩阵π;链路匹配矩阵π记载各用户与各无人机之间连接匹配结果,矩阵中元素kn,m表示用户Dm与无人机Un的连接匹配结果,kn,m=1表示用户Dm连接至无人机Un,否则kn,m=0;各用户记录从所匹配的无人机获得的即时带宽资源;
步骤三、用户依据链路匹配结果π与无人机群间建立链路连接进行通信;
步骤四、用户侧根据链路的瞬时QoS质量以及业务的时延需求,更新用户通信满意度效用值,更新用户侧匹配偏好列表以及基站侧匹配偏好列表;
步骤五、基于当前链路匹配结果π,使用简匹配算法动态调整无人机群的带宽分配;
所述的简匹配算法包括:(1)遍历所有用户,找出所有单连接用户和多连接用户,建立两个矩阵和矩阵的行列分别是所有单连接用户和所有多连接用户,矩阵的行列都是所有单连接用户,两矩阵中的元素值是对应的两个用户交换无人机匹配资源后,两用户的通信满意度效用改变量之和;(2)在两矩阵和中寻找最优匹配阻塞对,即两个矩阵中元素值最大对应的两个用户,并交换两个用户的无人机匹配资源,更新矩阵和更新链路匹配矩阵;(3)继续在更新后的矩阵和中执行步骤(2),直到两矩阵和中不存在正数的元素值,停止执行,输出最后更新的链路匹配矩阵π3;
步骤六、用户依据链路匹配结果π3与无人机群间建立链路连接进行通信。
2.根据权利要求1所述的方法,其特征在于,所述的步骤一中,计算用户通信满意度效用值的方法是:
(2)业务时延包含传输时延与计算时延,设置计算时延为常数tc,传输时延tcomm取决于用户业务数据包大小lm、用户空地链路带宽资源fm和用户空地链路可达速率Rn,m,则用户Dm业务的实际时延设用户Dm的业务时延要求为tm,则用户时延满意度ρn,m为:
(3)用户Dm对与无人机Un的链路的通信满意度效用Un,m如下计算:
其中,λ1,λ2分别是为链路可达速率与时延满意度的权重。
3.根据权利要求1所述的方法,其特征在于,所述的步骤二中的第一阶段,包括:
(12)若用户Dm的用户侧匹配偏好列表不为空,表示用户依然有未尝试匹配的无人机,并且此时Dm未达到最大同时接入的无人机数量qd,则向列表中的第一架无人机Un发送接入请求,设置kn,m=1,Bn,m(t)=dm;将Un从列表中移除;将Dm从中移除;Bm,n(t)是用户Dm从无人机Un获得的即时带宽资源;
(13)无人机Un在接收到用户Dm的接入请求后,判断自身当前时刻的带宽Bn(t)是否满足用户Dm的带宽需求,并且此时Un未达到最大同时接入的用户数量qt,若是,则接收用户接入请求;否则,拒绝用户接入请求,设置kn,m=0,Bn,m(t)=0,将用户Dm加入
4.根据权利要求1所述的方法,其特征在于,所述的步骤二中的第二阶段,包括:
(211)对中的每个用户Dm,定义(an,m,dn,m)为需求紧急对,an,m表示用户Dm匹配无人机Un的最大承受价格,an,m值越高表示用户对无人机群系统带宽资源的需求程度越迫切;每个用户最多发送qd个需求紧急对给无人机群;用户Dm的多连接带宽需求dn,m为:
设无人机群在t时刻的带宽竞拍矩阵表示为B(t)={bn(t)},n=1,2,...,N,N为无人机总数量;其中,bn(t)∈[0,B0],当无人机Un愿帮助用户从拍卖控制中心竞拍带宽资源时,bn(t)>0,否则,bn(t)=0;
其中,p为瞬时拍卖价格,pbase,n为无人机Un为用户Dm提供每Hz带宽资源的系统开销,p的初始值为集合{pbase,n}中的最小值;an,m必须大于p;设m′(t)为在t时刻竞拍得到带宽资源的用户数量,此时无人机Un竞拍得到的总带宽资源
(212)用户根据用户侧匹配偏好列表,给qd个偏好无人机提交需求紧急对(an,m,dn,m);建立无人机群在初始t=0时刻的带宽竞拍矩阵B(0);
(213)判断当前t时刻是否满足条件:其中,θ=max{dn,m};若满足,执行步骤(214),否则,设置最终带宽分配矩阵R=B(t),拍卖控制中心根据R为无人机分配带宽资源;然后转步骤(22)执行;
(214)继续判断是否满足条件若满足,更新瞬时拍卖价格p,更新为p+ε,ε为预先设置的价格变动梯度;然后t自增1,更新t时刻的带宽竞拍矩阵B(t)以及无人机层效用函数若不满足,保持p不变,然后t自增1,继续转步骤(213)执行;
(221)若用户Dm的用户侧匹配偏好列表不为空,并且此时Dm未达到最大同时接入的无人机数量qd,用户Dm选择中的前qd-|π2(Dm)|个无人机,提交接入请求,从中删除所选择的无人机;将Dm从未匹配用户中移除;
(222)无人机Un在接收到用户Dm的接入请求后,依据基站侧匹配偏好列表,优选选择偏好的用户,判断自身当前时刻的带宽Bn(t)是否满足用户Dm的带宽需求,并且此时Un未达到最大同时接入的用户数量qt,若是,则接收用户接入请求,设置kn,m=1,Bn,m(t)=dn,m;否则,拒绝用户接入请求,设置kn,m=0,Bn,m(t)=0,将Dm加入
5.根据权利要求1所述的方法,其特征在于,所述的步骤五,在两个用户交换无人机匹配资源后,计算用户的通信满意度效用改变量如下:
设用户Di和Dj交换无人机匹配资源,Di和Dj在交换匹配资源前的实际链路速率分别为C(Di)和C(Dj),在交换匹配资源后的通信满意度效用值分别为U(Di)'和U(Dj)',则:
用户Di的通信满意度效用改变量ΔU(Di)=U(Di)'-C(Di),
用户Dj的通信满意度效用改变量ΔU(Dj)=U(Dj)'-C(Dj)。
7.根据权利要求1~6任一所述的方法,其特征在于,所述的方法,在无人机群带宽分配过程中不断执行如下循环周期:
在一个循环周期内,执行步骤二和三一次,执行步骤四~六G次,G为大于1的正整数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011577098.9A CN112737837B (zh) | 2020-12-28 | 2020-12-28 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
PCT/CN2021/107026 WO2022142276A1 (zh) | 2020-12-28 | 2021-07-19 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011577098.9A CN112737837B (zh) | 2020-12-28 | 2020-12-28 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112737837A true CN112737837A (zh) | 2021-04-30 |
CN112737837B CN112737837B (zh) | 2021-09-14 |
Family
ID=75606384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011577098.9A Active CN112737837B (zh) | 2020-12-28 | 2020-12-28 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112737837B (zh) |
WO (1) | WO2022142276A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485409A (zh) * | 2021-06-07 | 2021-10-08 | 北京邮电大学 | 一种面向地理公平性的无人机路径规划分配方法及系统 |
CN114071432A (zh) * | 2021-11-18 | 2022-02-18 | 中国矿业大学 | 一种用于地下空间灾后应急场景的无人机中继选择方法 |
CN114554450A (zh) * | 2022-02-21 | 2022-05-27 | 华北电力大学 | 基于三边匹配的无人机辅助6g网络资源分配方法 |
WO2022142276A1 (zh) * | 2020-12-28 | 2022-07-07 | 北京邮电大学 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
CN116437372A (zh) * | 2023-06-13 | 2023-07-14 | 四川腾盾科技有限公司 | 一种任意任务构型无约束随机重组的群拓扑控制方法 |
CN116887325A (zh) * | 2023-06-13 | 2023-10-13 | 中国矿业大学 | 一种基于动态稳定匹配的无人机自适应切换方法及系统 |
CN117119534A (zh) * | 2023-10-20 | 2023-11-24 | 南京邮电大学 | 一种无人机动态联盟辅助的卸载策略及资源优化方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115412150B (zh) * | 2022-07-22 | 2023-04-07 | 西安邮电大学 | 无人机空间位置和系统资源分配的联合优化方法 |
CN115396975B (zh) * | 2022-08-26 | 2023-05-16 | 北京理工大学 | 无人机集群系统网络化低延时高速数据传输方法 |
CN115801095B (zh) * | 2022-10-21 | 2024-06-11 | 中国人民解放军国防科技大学 | 面向无人机集群应用的空地中继通信控制方法 |
CN115801157B (zh) * | 2023-02-09 | 2023-05-05 | 中国人民解放军军事科学院系统工程研究院 | 一种多无人机协同通信信道模型的构建方法 |
CN116193476B (zh) * | 2023-02-27 | 2023-09-12 | 重庆控环科技集团有限公司 | 考虑能耗中断的无人机通信资源分配方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245313A (zh) * | 2015-10-18 | 2016-01-13 | 中国电子科技集团公司第十研究所 | 无人机多载荷数据动态复接方法 |
CN105979603A (zh) * | 2016-06-24 | 2016-09-28 | 贵州宇鹏科技有限责任公司 | 基于TD-LTE技术面向信流QoS保证的无人机上行链路调度方法 |
US20180097560A1 (en) * | 2016-10-05 | 2018-04-05 | Ubiqomm, LLC | Apparatus and methods to provide communications to aerial platforms |
CN108234316A (zh) * | 2017-12-07 | 2018-06-29 | 北京邮电大学 | 一种基于立方体空间区域划分的无人机网络路由选取方法 |
CN110380772A (zh) * | 2019-06-12 | 2019-10-25 | 广东工业大学 | 一种无人机中继系统的资源分配与飞行路线优化方法 |
CN110417847A (zh) * | 2019-01-09 | 2019-11-05 | 北京邮电大学 | 无人机通信网络用户接入和内容缓存的方法及装置 |
CN110635831A (zh) * | 2019-09-30 | 2019-12-31 | 北京信成未来科技有限公司 | 一种基于fdma的无人机测控蜂窝通信方法 |
CN111142553A (zh) * | 2019-12-11 | 2020-05-12 | 北京航空航天大学 | 基于生物捕食能量模型的无人机集群自主任务分配方法 |
CN111615200A (zh) * | 2020-04-10 | 2020-09-01 | 洛阳理工学院 | 混合Hybrid NOMA网络的无人机辅助通信资源分配方法 |
CN112040440A (zh) * | 2020-04-30 | 2020-12-04 | 中国人民解放军国防科技大学 | 一种支持不同QoS的无人机信道资源分配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108055670B (zh) * | 2017-11-13 | 2020-10-23 | 南京邮电大学 | 基于匹配博弈的带宽动态性优化方法 |
CN110401932B (zh) * | 2019-07-26 | 2020-06-05 | 北京邮电大学 | 一种无人机群协同感知系统和方法 |
CN112737837B (zh) * | 2020-12-28 | 2021-09-14 | 北京邮电大学 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
-
2020
- 2020-12-28 CN CN202011577098.9A patent/CN112737837B/zh active Active
-
2021
- 2021-07-19 WO PCT/CN2021/107026 patent/WO2022142276A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245313A (zh) * | 2015-10-18 | 2016-01-13 | 中国电子科技集团公司第十研究所 | 无人机多载荷数据动态复接方法 |
CN105979603A (zh) * | 2016-06-24 | 2016-09-28 | 贵州宇鹏科技有限责任公司 | 基于TD-LTE技术面向信流QoS保证的无人机上行链路调度方法 |
US20180097560A1 (en) * | 2016-10-05 | 2018-04-05 | Ubiqomm, LLC | Apparatus and methods to provide communications to aerial platforms |
CN108234316A (zh) * | 2017-12-07 | 2018-06-29 | 北京邮电大学 | 一种基于立方体空间区域划分的无人机网络路由选取方法 |
CN110417847A (zh) * | 2019-01-09 | 2019-11-05 | 北京邮电大学 | 无人机通信网络用户接入和内容缓存的方法及装置 |
CN110380772A (zh) * | 2019-06-12 | 2019-10-25 | 广东工业大学 | 一种无人机中继系统的资源分配与飞行路线优化方法 |
CN110635831A (zh) * | 2019-09-30 | 2019-12-31 | 北京信成未来科技有限公司 | 一种基于fdma的无人机测控蜂窝通信方法 |
CN111142553A (zh) * | 2019-12-11 | 2020-05-12 | 北京航空航天大学 | 基于生物捕食能量模型的无人机集群自主任务分配方法 |
CN111615200A (zh) * | 2020-04-10 | 2020-09-01 | 洛阳理工学院 | 混合Hybrid NOMA网络的无人机辅助通信资源分配方法 |
CN112040440A (zh) * | 2020-04-30 | 2020-12-04 | 中国人民解放军国防科技大学 | 一种支持不同QoS的无人机信道资源分配方法 |
Non-Patent Citations (3)
Title |
---|
ZHIQING WEI, HUICI WU, SAI HUANG, AND ZHIYONG FENG: "《Scaling Laws of Unmanned Aerial Vehicle Network with Mobility》", 《IEEE COMMUNICATIONS LETTERS》 * |
周凯福等: "基于OFDMA的无人机群通信链路资源分配算法研究", 《空军工程大学学报(自然科学版)》 * |
王莉等: "面向分布式缓存系统的无线资源管理:动机、挑战与方法", 《电信科学》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142276A1 (zh) * | 2020-12-28 | 2022-07-07 | 北京邮电大学 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
CN113485409A (zh) * | 2021-06-07 | 2021-10-08 | 北京邮电大学 | 一种面向地理公平性的无人机路径规划分配方法及系统 |
CN114071432A (zh) * | 2021-11-18 | 2022-02-18 | 中国矿业大学 | 一种用于地下空间灾后应急场景的无人机中继选择方法 |
WO2023087746A1 (zh) * | 2021-11-18 | 2023-05-25 | 中国矿业大学 | 一种用于地下空间灾后应急场景的无人机中继选择方法 |
CN114071432B (zh) * | 2021-11-18 | 2024-04-26 | 中国矿业大学 | 一种用于地下空间灾后应急场景的无人机中继选择方法 |
CN114554450B (zh) * | 2022-02-21 | 2024-04-02 | 华北电力大学 | 基于三边匹配的无人机辅助6g网络资源分配方法 |
CN114554450A (zh) * | 2022-02-21 | 2022-05-27 | 华北电力大学 | 基于三边匹配的无人机辅助6g网络资源分配方法 |
CN116437372B (zh) * | 2023-06-13 | 2023-08-29 | 四川腾盾科技有限公司 | 一种任意任务构型无约束随机重组的群拓扑控制方法 |
CN116887325B (zh) * | 2023-06-13 | 2024-01-30 | 中国矿业大学 | 一种基于动态稳定匹配的无人机自适应切换方法及系统 |
CN116887325A (zh) * | 2023-06-13 | 2023-10-13 | 中国矿业大学 | 一种基于动态稳定匹配的无人机自适应切换方法及系统 |
CN116437372A (zh) * | 2023-06-13 | 2023-07-14 | 四川腾盾科技有限公司 | 一种任意任务构型无约束随机重组的群拓扑控制方法 |
CN117119534A (zh) * | 2023-10-20 | 2023-11-24 | 南京邮电大学 | 一种无人机动态联盟辅助的卸载策略及资源优化方法 |
CN117119534B (zh) * | 2023-10-20 | 2023-12-19 | 南京邮电大学 | 一种无人机动态联盟辅助的卸载策略及资源优化方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022142276A1 (zh) | 2022-07-07 |
CN112737837B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112737837B (zh) | 一种高动态网络拓扑下无人机群带宽资源分配方法 | |
Seid et al. | Multi-agent DRL for task offloading and resource allocation in multi-UAV enabled IoT edge network | |
Yang et al. | Mobile edge computing empowered energy efficient task offloading in 5G | |
WO2022121985A1 (zh) | 一种静态和动态相结合的毫米波波束资源分配与优化方法 | |
Yoshida et al. | MAB-based client selection for federated learning with uncertain resources in mobile networks | |
CN110493854B (zh) | 一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制 | |
Wang et al. | Energy-efficient UAV deployment and task scheduling in multi-UAV edge computing | |
Ji et al. | Trajectory and communication design for cache-enabled UAVs in cellular networks: A deep reinforcement learning approach | |
Diamanti et al. | Energy efficient multi-user communications aided by reconfigurable intelligent surfaces and UAVs | |
CN109819422B (zh) | 一种基于Stackelberg博弈的异构车联网多模通信方法 | |
CN111970709A (zh) | 一种基于粒子群优化算法的无人机中继部署方法及系统 | |
CN106792451A (zh) | 一种基于多种群遗传算法的d2d通信资源优化方法 | |
Zhang et al. | Many-to-many matching-theory-based dynamic bandwidth allocation for UAVs | |
CN108848535B (zh) | 一种面向共享模式的雾计算环境资源分配方法 | |
Gan et al. | Trajectory optimization and computing offloading strategy in UAV-assisted MEC system | |
Liu et al. | Distributed relay selection for heterogeneous UAV communication networks using a many-to-many matching game without substitutability | |
CN114143814B (zh) | 一种基于异构边缘云架构的多任务卸载方法及系统 | |
Wei et al. | Resource allocation and power control policy for device-to-device communication using multi-agent reinforcement learning | |
Luo et al. | Joint game theory and greedy optimization scheme of computation offloading for UAV-aided network | |
CN115173922A (zh) | 基于cmaddqn网络的多波束卫星通信系统资源分配方法 | |
Huang et al. | Task offloading in uav swarm-based edge computing: Grouping and role division | |
Labana et al. | Joint user association and resource allocation in CoMP-enabled heterogeneous CRAN | |
Zeng et al. | Joint resource allocation and trajectory optimization in UAV-enabled wirelessly powered MEC for large area | |
CN113556750A (zh) | 基于联盟形成博弈的无人设备内容协同实现方法 | |
CN111491315B (zh) | 基于扩展无人机网络中的延时与能耗折中模型的系统 |
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 |