CN114051224A - 一种无人机密集编队支撑网络的协同中继选择方法 - Google Patents

Abstract

本发明公开了一种无人机密集编队支撑网络的协同中继选择方法，属于无人机通信技术领域。首先、构建无人机密集编队D2D通信场景，并进一步构建编队用图F，根据边的关系设定依存矩阵S；然后，选择源成员ε_i向依存矩阵S中的所有成员发送分享请求；判断目的成员ε_j是否在成员ε_i的邻接矩阵B内，如果是，则成员ε_i与ε_j进行直接通信，结束；否则，判断成员ε_i与成员ε_j的社会性依存关系s_ij是否小于设定阈值，如果是，采用接力分享，结束；否则，采用中继协作通信，按照邻近域交叠关系选择成员ε_i的中继选择区域，从中继选择区域中选择最优中继成员，接收源成员ε_i的中继请求，源成员和目标成员建立链路进行中继协作通信。本发明提高了编队D2D通信的吞吐量和密集编队支撑网络的协同通信能力。

Description

一种无人机密集编队支撑网络的协同中继选择方法

技术领域

本发明涉及无人机通信技术领域，具体涉及一种无人机密集编队支撑网络的协同中继选择方法。

背景技术

在执行任务的过程中，无人机密集编队支撑网络承载着编队成员频繁的信息交互以及大量数据，受任务环境、任务目标、信息状态以及编队队形类型、编队成员自身性能和任务载荷等因素的影响，各成员在编队内所处的位置、邻接关系以及数据资源的需求均有所不同，这都给无人机密集编队对数据快速分享的需求带来了挑战。通过引入中继协作的端到端技术(Device-to-Device，D2D)通信可使无人机编队成员间直接进行通信，在传输时延上小于传统蜂窝通信，并可提高资源的利用效率且扩大资源覆盖范围。

引入中继协作的D2D通信虽然对无人机密集编队支撑网络有着得天独厚的优势，但如何在中继协作通信时选择优秀且可靠的中继成员也成为了关键问题。参考文献[1]：通过研究网络中用户的社交属性，提出了一种基于用户社交关系的匹配算法对D2D网络通信中的中继进行选择。参考文献[2]：通过D2D中继传输能力、空间位置信息等多维社交关系信息，提出了一种最大化吞吐量的中继选择方法。参考文献[3]：通过研究社交相似性感知提出了一种分阶段的中继选择法，在保证系统吞吐量以及公平性的前提下提升了系统的资源效率。

虽然上述参考文献取得了不少研究成果，并对于一类典型系统呈现出了一定的优势，但是考虑到无人机密集编队的队形结构、动态特性、成员性能以及由于任务载荷不同，所带来的资源不同需求等实际因素，将上述现有方法应用到无人机密集编队时，对于高动态、大规模的无人机密集编队而言还具有存在很多问题，因此需要一种适用于无人机密集编队支撑网络通信的协同中继选择技术。

参考文献：

[1]Wang B,Sun Y,Nguyen H M,et al.A Novel Socially Stable MatchingModel for Secure Relay Selection in D2D Communications[J].IEEE CommunicationsLetters,2020,9(2):162-165.

[2]Tao Y,Xiang W,Huang H,et al.D2D Relay Communication SchemeIncorporating Multi-Dimensional Information in Multimedia Transmission[J].IEEE Access,2019,7:172413-172424.

[3]Kuan W,Ming J,Hong Z T.D2D Relay Selection Based on Joint Fuzzyand Entropy Theories With Social Similarity[J].Transactions on VehicularTechnology,2018,67(9):8796-8807.

发明内容

本发明提供了一种无人机密集编队支撑网络的协同中继选择方法，基于端到端技术，解决了无人机密集编队支撑网络信息协同能力不足的问题，同时在保证无人机密集编队的基本通信能力的情况下，提高了编队D2D通信的吞吐量和编队通信速率，并提升密集编队支撑网络的整体协同通信能力。

所述的无人机密集编队支撑网络的协同中继选择方法，具体步骤如下：

步骤一、针对无人机密集编队通信网络，构建编队D2D通信场景；

场景中包括一个编队主成员m；U个空闲成员U＝{u₁,u₂,…,u_U}；C个蜂窝成员{c₁,c₂,…,c_C}和D个D2D成员{d₁,d₂,…,d_D}；U、C、D均为正整数。

C个蜂窝成员各自通过彼此相互正交的独立信道与主成员m通信，U个空闲成员供D2D成员作为中继成员使用，U＞C；D2D成员在进行通信时，每条D2D链路分别复用不同蜂窝成员的信道资源进行传输，设定复用的为上行信道资源。

步骤二、利用通信场景中的所有无人机，构建无人机密集编队用图F，并根据图F中边的关系设定依存矩阵S；

具体为：将通信场景中每个成员个体用符号ε_i表示，其中i∈I＝{1,2,...,n}，n为通信场景中所有编队无人机的总数。

每个无人机成员分别作为图F中的唯一节点，当节点ε_i、ε_j间有连接时，用b_ij表示由节点ε_i连向节点ε_j的边，代表节点ε_i与节点ε_j的社会性依存关系；

当b_ij存在，两成员ε_i及ε_j在t₀更新时间Δt后的欧式距离

与成员ε_i的安全距离d_is相等时，即满足

时，设社会性依存元素s_ij＝1，此时成员ε_i与成员ε_j之间的社会性依存关系最强；

随着欧式距离

与安全距离d_is之间的间距越来越大，元素s_ij逐渐趋近于0，成员ε_i与成员ε_j之间的社会性依存关系逐步减弱，直至

时消失，d_imax为成员ε_i的邻接距离，根据无人机自身机动能力，控制性能和定位精度来确定，与编队密集度相关。

由此，所有的元素s_ij构成依存矩阵S，s_ij∈[0,1]；s_ii＝0。

当b_ij不存在，节点ε_i与节点ε_j间不存在社会性依存关系；

步骤三、设需要进行D2D通信的成员ε_i为源成员，ε_j为目的成员，源成员ε_i向依存矩阵S中的所有成员分别发送分享请求；

步骤四、判断目的成员ε_j是否在成员ε_i的邻接矩阵B内，如果是，则成员ε_i与ε_j进行直接通信，结束；否则，进入步骤五；

邻接矩阵B是指：

首先，以成员ε_i为球心，以成员ε_i的邻接距离d_imax为半径的球形区域，定义为该成员的邻近域；邻近域内的所有无人机形成该成员ε_i的邻近群；

然后，判断编队成员ε_j是否处于成员ε_i的邻近群中，如果是，则设定元素n_ij＝1；否则，设定元素n_ij＝0，所有元素n_ij构成编队成员ε_i的邻接矩阵B。

步骤五，目的成员ε_j不处于邻接矩阵B内，判断成员ε_i与成员ε_j的社会性依存关系s_ij是否小于设定阈值，如果是，采用接力分享，结束；否则，采用中继协作通信，继续执行步骤六；

步骤六、按照邻近域交叠关系选择成员ε_i的中继选择区域，并向该选择区域内的无人机成员广播中继请求；

所述中继选择区域的选择方法是：

选择源成员ε_i的面向目的成员ε_j的半球邻近域，同理，选择目的成员ε_j的面向源成员ε_i的半球邻近域，将两个半球邻近域的交叠部分设为I区，其余部分为II区，I区和II区为所选择的中继选择区域。

步骤七、从中继选择区域中选择最优中继成员，接收源成员ε_i的中继请求，与源成员ε_i、目标成员ε_j建立链路并进行中继协作通信。

具体为：首先从I区中选择最优中继成员，若I区中没有空闲无人机，则从II区中选择最优中继成员，若II区中也没有空闲无人机，则当前没有可作为中继的无人机，本次未找到合适的中继，需要等待下一次编队周期性更新时间后再重新执行；

当I区中只有一个空闲无人机时，则将该无人机作为最优中继成员；

当I区中存在多个空闲无人机，则选取能为最多成员提供中继服务的空闲无人机作为最优中继成员；

当I区中没有空闲无人机，II区中只有一个空闲无人机时，则将该空闲无人机作为最优中继成员；

当I区中没有空闲无人机，II区中存在多个空闲无人机，从II区中选取能为最多成员提供中继服务的空闲无人机作为最优中继成员；

若存在多个服务数量相等的候选中继成员，针对每个候选中继成员ε_i，计算该成员ε_i与其所能服务的每个无人机之间的社会性依存关系之和，并将所有候选中继成员对应的社会性依存关系之和从大到小排序，选择值最大的候选中继成员作为最优中继成员。

本发明与现有技术相比，具有以下积极效果：

(1)一种无人机密集编队支撑网络的协同中继选择方法，考虑到无人机编队的结构特点，本发明通过确定编队成员的邻接矩阵和依存矩阵，使得编队成员对其邻近的其他成员和资源得以认知，且可以依据环境条件选择最优的传输方式，并根据自身的所知所需与其他成员进行信息的协同共享。

(2)一种无人机密集编队支撑网络的协同中继选择方法，可以提高编队D2D通信的吞吐量，提升密集编队支撑网络的协同通信能力。

附图说明

图1是本发明一种无人机密集编队支撑网络的协同中继选择方法流程图；

图2是本发明构建的无人机密集编队通信网络中的D2D通信场景示例图；

图3是本发明编队D2D通信流程的示意图；

图4是本发明编队成员邻近域内区域分布关系示意图；

图5是本发明与现有两种中继选择方法在系统通信性能上对比示意图；

图6是本发明与现有两种中继选择方法在不同成员信息交互速率上的对比示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。

本发明提供了一种无人机密集编队支撑网络的协同中继选择方法，通过确定编队成员的邻接矩阵和依存矩阵，并根据编队成员的邻近域交叠关系划定中继选择区域。最后根据成员的邻接矩阵、依存矩阵、社会性依存关系以及划定的中继选择区域和最大服务成员数量，协同选择无人机密集编队支撑网络的最优中继成员。

本发明的无人机密集编队支撑网络的协同中继选择方法，如图1所示，对无人机编队中准备进行D2D通信的成员，执行如下步骤：

步骤一、针对无人机密集编队通信网络，构建编队D2D通信场景；

如图2所示，场景中包括一个编队主成员m；U个空闲成员U＝{u₁,u₂,…,u_U}；C个进行蜂窝通信的无人机成员{c₁,c₂,…,c_C}和D个进行D2D通信的无人机成员{d₁,d₂,…,d_D}，包括源成员和目标成员；U、C、D均为正整数。

C个蜂窝成员各自通过彼此相互正交的独立信道与主成员m通信，因此彼此间互不会产生干扰。U个空闲成员供D2D成员作为中继成员使用，U＞C；D2D成员在进行通信时，每条D2D链路分别复用不同蜂窝成员的信道资源进行传输；考虑到在一般情况下蜂窝网中的上行业务要低于下行业务，设定复用的为上行信道资源。

步骤二、判断蜂窝链路及D2D链路是否同时满足其自身最低通信要求，如果是，进行直通通信，否则，进入步骤三，使用中继协作通信；

首先，分别计算源D2D成员t与所复用的蜂窝成员c的蜂窝链路的信干噪比γ_c，以及源D2D成员t与目标D2D成员r的D2D链路的信干噪比γ_d；

计算公式如下：

其中，

为蜂窝成员c的传输功率，

为D2D成员t的传输功率，g_cm为蜂窝成员c到主成员m的路径损耗，g_tm为源成员t到主成员m的路径损耗，h_cm为蜂窝成员c到主成员m的信道增益，h_tm为源成员t到主成员m的信道增益，g_tr为源成员t到目标成员间r的路径损耗，g_cr为蜂窝成员c到目标成员r的路径损耗，h_tr为源成员t到目标成员r间的信道增益，h_cr为蜂窝成员c到目标成员的信道增益，N₀为交互背景环境干扰噪声。

在D2D通信模式下，两个终端用户之间的数据无需经过移动通信网络的中转，直接进行传输，通信链路进而产生增益；通信链路和资源复用产生的增益都可以将无线频谱资源的效率大大提高，网络吞吐量得到显著改善，使其应用场景得到进一步的扩展。

由于D2D用户复用蜂窝用户信道资源，且受到编队内邻近结构及干扰等影响，故蜂窝链路及D2D链路必须同时满足其自身最低通信要求时才有条件进行直通通信，具体条件表示如下：

γ_c≥γ_{c_th} (3)

γ_d≥γ_{d_th} (4)

式中，γ_{c_th}为蜂窝成员最低通信阈值，γ_{d_th}为D2D成员最低通信阈值。

公式(3)和(4)用于保证蜂窝成员及D2D成员的信干噪比不小于最低通信阈值。当链路质量下降时，可首先通过增大其传输功率以满足接收成员的传输条件。当满足公式(3)和(4)时使用直通通信，无需中继。

当链路条件较差，能够满足要求的传输功率又大于其发射功率阈值时，此时D2D成员对之间使用直通通信不能满足服务质量QoS(Quality of Service)，在空闲成员中选择适合作为中继的成员进行中继协作通信。

即只要满足公式(5)或公式(6)其一时，使用中继协作通信：

式中，

为蜂窝成员c的最大传输功率，

为D2D成员t的最大传输功率。

步骤三、利用通信场景中的所有无人机，构建无人机密集编队用图F，并根据图F中边的关系设定依存矩阵S；

具体为：将通信场景中每个成员个体用符号ε_i表示，其中i∈I＝{1,2,...,n}，n为通信场景中所有编队无人机的总数。

无人机密集编队用图F＝{ε,E}，其中P代表编队成员节点集，

代表边集，每架无人机编队成员在图F中对应唯一节点。当图F中的两个节点ε_i、ε_j间有连接时，用b_ij表示由节点ε_i连向节点ε_j的边，代表节点ε_i与节点ε_j的社会性依存关系；由节点ε_j连向节点ε_i的边则用b_ji表示。

社会性依存关系，是指编队中的成员之间，以及成员与编队之间所形成的社会性的相互依存关系。社会性依存度越大，表示成员间的社会性依存关系越强，其通信质量越高。

在图F中，设其依存矩阵为S，依存矩阵中的每个元素s_ij均是对相应边b_ij的刻画，其中：

在无人机密集编队中，s_ii＝0，由于编队队形、成员自身能力以及成员间距的影响均会对成员之间的社会性依存关系带来影响，在此引入相关距离参数以加强成员间社会性依存关系的描述。

当b_ij存在，

时s_ij＝1，表示成员ε_i与成员ε_j之间的社会性依存关系最强；

为两成员ε_i及ε_j在t₀更新时间Δt后的欧式距离；在t₀时刻，编队成员ε_i及ε_j所处的坐标分别为

在x、y、z轴上的速度分量分别为

在编队周期性更新时间Δt后，编队成员ε_i及ε_j所处的坐标分别为：

则此时编队成员ε_i及ε_j间的欧式距离表示为：

d_is表示成员ε_i的安全距离；在t时刻，当编队成员ε_i与编队中其它成员ε_j或障碍威胁之间的间距d_ij(t)小于d_is时，即d_ij(t)＜d_is，则编队成员ε_i必须采取相应的避碰措施；当d_ij(t)＝d_is时，编队成员ε_i则处于采取相应避碰措施的准备状态。

随着欧式距离

与安全距离d_is之间的间距越来越大，元素s_ij也随着逐渐趋近于0，表示成员ε_i与成员ε_j之间的社会性依存关系逐步减弱，直至

时消失；d_imax为成员ε_i的邻接距离，根据无人机自身机动能力，控制性能和定位精度来确定，与编队密集度相关；具体设定参见文献：吴森堂.协同飞行控制系统[M].北京:科学出版社,2016。

由此，得到更新的依存矩阵S，s_ij∈[0,1]；

当b_ij不存在，节点ε_i与节点ε_j间不存在社会性依存关系；

步骤四、设需要进行D2D通信的成员ε_i为源成员，ε_j为目的成员，源成员ε_i向依存矩阵S中的所有成员分别发送分享请求；

有D2D通信需求的成员ε_i为源成员，供给成员ε_j为目标成员。

步骤五、判断目的成员ε_j是否在成员ε_i的邻接矩阵B内，如果是，则成员ε_i与ε_j进行直接通信，结束；否则，进入步骤六；

判断依存矩阵S内的成员是否在成员ε_i的邻接矩阵B内，根据符合的成员数量选择单播或组播的方式分享信息；

设无人机编队成员分布在一定的椭球形区域内，在成员ε_i所属编队中，存在空闲成员、蜂窝成员和D2D成员，设编队成员ε_i在惯性坐标系中的位置为l_i(t)，在t时刻所有无人机成员组成的编队队形表示为l(t)＝col{l₁(t),l₂(t),...,l_n(t)}，col表示列向量，每个位置为三维坐标的列向量，n表示无人机编队中总的无人机数量。

在三维欧氏空间中，以成员ε_i为球心，以成员ε_i的邻接距离d_imax为半径的球形区域，定义为该成员的邻近域；邻近域内的所有无人机形成该成员ε_i的邻近群；根据无人机编队运动特性，成员ε_i的邻近群v(l)为：

v(l)＝{(i,q)∈ε×ε:μ_iq＜d_imax,i≠q} (9)

其中，ε表示空闲无人机成员组成的集合空间；μ_iq表示无人机成员ε_i与空闲无人机成员ε_q的安全距离余量的数学期望。

在无人机密集编队中，由于编队队形密集度较高，每个编队成员周围均拥有较多其他编队成员，根据编队成员邻近群的定义，判断编队成员ε_j是否处于成员ε_i的邻近群中，如果是，则设定元素n_ij＝1；否则，设定元素n_ij＝0，所有元素n_ij构成编队成员ε_i的邻接矩阵B。

步骤六，目的成员ε_j不处于邻接矩阵B内，判断成员ε_i与成员ε_j的社会性依存关系是否小于设定阈值，如果是，采用接力分享，结束；否则，采用中继协作通信，继续执行步骤七；

如图3所示，首先，计算成员ε_i的蜂窝链路的信干噪比

成员ε_i与ε_j的D2D链路的信干噪比

然后，将计算的γ_c、γ_ij分别与最低通信阈值γ_{c_th}、γ_{d_th}进行比较，如都满足最低通信要求，则源成员和目标成员进行直通通信，否则，寻找中继通信。

为简化表述，以下功率均为包含路径损耗后的功率，即：

式中，p_i表示源成员ε_i包含路径损耗的传输功率，p_c表示蜂窝成员c包含路径损耗的传输功率，a表示路径损耗常数，α表示路径损耗因子。由于复用的为互不相同的蜂窝成员链路，故这里只考虑来自复用的蜂窝成员c的干扰。

则当D2D用户ε_i及ε_j采用直通通信时的D2D链路的信干噪比表示为γ_ij如下：

根据香农公式可得，用户ε_i及ε_j采用直通通信时链路的吞吐量R_ij为：

式中，B为信道带宽。

当不满足直通通信的条件时，则依据社会性依存关系来进行判断，若小于阈值，采用接力分享。若不小于阈值，则依邻近域交叠关系划定中继选择范围，并根据成员的服务数量和社会性依存度选择最优的成员作为中继成员进行中继协作通信，用以提升链路传输速度。

在中继转发协作的选择中，考虑到译码转发协作中继会对所接收到的信息资源进行检测，从而减少了中继成员噪声的影响，且兼有灵活性高的特点，对于编队网络是较为适合的。故选择译码转发作为协作中继方案。

步骤六、按照邻近域交叠关系选择成员ε_i的中继选择区域，并向该选择区域内的无人机成员广播中继请求；

所述中继选择区域的选择方法是：

如图4所示，选择源成员ε_i的面向目的成员ε_j的半球邻近域，同理，选择目的成员ε_j的面向源成员ε_i的半球邻近域，将两个半球邻近域的交叠部分设为I区，其余部分为II区，I区和II区为所选择的中继选择区域。

在中继选择子区域的优先级上，为了能够获得较优的D2D传输质量，最优的候选中继成员应处于源成员ε_i与目的成员ε_j邻近域的I区内，这样既可以保证其与源成员ε_i之间的成员距离，同时也可以兼顾与目的成员ε_j之间的成员距离，即r∈I。

步骤七、从中继选择区域中选择最优中继成员，接收源成员ε_i的中继请求，与源成员ε_i、目标成员ε_j建立链路并进行中继协作通信。

具体为：首先从I区中选择最优中继成员，若I区中没有空闲无人机，则从II区中选择最优中继成员，若II区中也没有空闲无人机，则当前没有可作为中继的无人机，本次未找到合适的中继，需要等待下一次编队周期性更新时间后再重新执行；

当I区中只有一个空闲无人机时，则将该无人机作为最优中继成员；

当I区中存在多个空闲无人机，则选取在满足QoS前提下能为最多成员提供中继服务的空闲无人机作为最优中继成员；

当I区中没有空闲无人机，II区中只有一个空闲无人机时，则将该空闲无人机作为最优中继成员；

当I区中没有空闲无人机，II区中存在多个空闲无人机，从II区中选取能为最多成员提供中继服务的空闲无人机作为最优中继成员；

若存在多个服务数量相等的候选中继成员，针对每个候选中继成员ε_i，计算该成员ε_i与其所能服务的每个无人机之间的社会性依存关系之和，并将所有候选中继成员对应的社会性依存关系之和从大到小排序，选择值最大的候选中继成员作为最优中继成员。

相较于现有技术中在选择中继节点时多基于二维平面，且绝大多数均考虑的是在静止情况下的选择，本发明考虑到无人机编队所处的三维空间、编队成员间的社会性依存关系和邻接关系，确定编队成员的邻接矩阵和依存矩阵，使得编队成员对其邻近的其他成员和资源得以认知，且考虑到无人机高动态的情况，因此根据邻近域选取候选中继无人机，更适用于高动态的大规模的无人机密集编队。另外通过对中继选择范围的分区、分级，可以更为高效的寻找到质量较优的中继成员，并降低编队系统在筛选中继成员时的复杂度以及所带来的时延。

在中继协作通信中，由于中继成员选择的结果直接影响整条链路的传输速度和系统性能，现有技术中的中继选择方法并未协同建立和考虑终端间的空间、认知和社会性联系，编队网络信息协同能力不足。而本发明基于社会性依存关系，通过邻接矩阵和依存矩阵，使得编队成员对其邻近的其他成员和资源得以认知，并考虑了编队成员最大服务成员的数量，更适用于高动态的大规模的无人机密集编队。

实施例：

本发明实施例中，编队半径为500m，D2D成员间距最小为25m，最大为60m，编队周期性更新时间为100ms，路径损耗因子为2，最大发射功率为24dBm，交互背景环境噪声功率谱密度为-174dBm/Hz，系统带宽为10MHz，路径损耗补偿为0.8，蜂窝成员γ_{c_th}为3dB，D2D成员γ_{d_th}为3dB。

假设无人机密集编队中有k个成员的信息需要分享，有l个成员需要获取数据。以最大化系统吞吐量为目标优化选择传输方式和中继成员，并同时满足编队成员的QoS。

问题的目标函数及约束条件可表示为：

s.t.

γ_ir,γ_rj≥γ_{d_th} (14)

γ_c≥γ_{c_th} (15)

式(14)用于保证中继协作通信中每一跳的信息可用度均需满足D2D最低通信阈值要求；式(15)用于保证蜂窝通信需满足最低通信阈值要求；式(16)用于保证蜂窝成员的实际传输功率应不大于其最大发射功率；式(17)用于保证D2D成员的实际传输功率应不大于其最大发射功率。

对于D2D中继协作通信，由于加入了中继成员，链路的通信过程包括两个时隙T₁和T₂，分别对应D2D源成员到中继成员，以及中继成员到目标成员。标记最优中继成员为ε_r，根据译码转发的协作中继协议，中继成员选取完全译码，第一跳与第二跳的吞吐量R_ir、R_rj分别为：

式中，

表示源用户ε_i与中继成员ε_r在时隙T₁通信时的信干噪比，

表示中继成员ε_r与目的用户ε_j在时隙T₂通信时的信干噪比。

D2D源成员ε_i到中继成员ε_r的信干噪比γ_ir计算为：

中继成员ε_r到D2D目标成员ε_j的信干噪比γ_rj为：

中继成员接收到中继请求，建立链路并进行中继协作通信；重复上述过程直至所有成员得到信息。通过选择出的最优中继可提升信干噪比，进而使得总吞吐增大。

如图5所示，对比了本发明所提协同中继选择方法与现有两种方法在系统传输速率(Throughput)上的表现情况。现有两种分别为基于D2D组播和基于D2D遍历的中继选择方法，通过编队吞吐量的累计分布函数(CDF)可以看出，当编队采用基于本发明所提的协同中继选择方法相比其他两种方法可提升编队整体传输速率。当无人机密集编队采用基于本发明所提的协同中继选择方法时，大部分编队成员均拥有较高的网络传输速率，而低网络传输速率的编队成员明显少于其他两种选择方法，相比其他两种选择方法可有效提升编队整体的通信性能。其中相较基于D2D组播的选择方法有着明显的性能优势，而基于D2D遍历的选择方法虽然相较前一种方法与本发明方法的性能表现差距较小，但是由于遍历需要多次的反复迭代才会最终选择出最优中继，会消耗大量的系统资源，并增加额外的信号干扰。

如图6所示，对比了本发明所提协同中继选择方法与基于距离的和社会性依存关系为依据的中继选择方法，在不同成员信息交互速率上的表现情况。基于社会性依存关系的选择方法与本发明所提方法相比，暴露出其仅依靠社会性依存关系作为选择因素的缺点，选择出的中继虽然社会性依存关系强，但在空间上并不一定合理，所以虽然部分成员表现出与本发明方法近似的速率但多数成员表现则逊色不少。与基于距离的选择方法相比较，部分成员并未显出十分明显的差距，这是因为小部分处于编队边缘区域的成员由于处于其邻近域内的候选中继成员较少，从中进一步选择的余地也因此较少，故而提升幅度较小。而其余成员由于邻近域内可供选择的中继成员较多，直接使得符合选择条件的可选成员增多，因而提升较为明显。

经试验验证，采用本发明方法协同选择的中继成员，系统的传输速率优于现有技术。

Claims (6)

1.一种无人机密集编队支撑网络的协同中继选择方法，其特征在于，对无人机编队中准备进行D2D通信的无人机，执行如下步骤：

首先，针对无人机密集编队通信网络，构建包括蜂窝成员和D2D成员的通信场景；利用通信场景中的所有无人机，构建无人机密集编队用图F，并根据图F中边的关系设定依存矩阵S；

然后，设需要进行D2D通信的成员ε_i为源成员，ε_j为目的成员，源成员ε_i向依存矩阵S中的所有成员分别发送分享请求；判断目的成员ε_j是否在成员ε_i的邻接矩阵B内，如果是，则成员ε_i与ε_j进行直接通信，结束；否则，判断成员ε_i与成员ε_j的社会性依存关系s_ij是否小于设定阈值，如果是，采用接力分享，结束；否则，采用中继协作通信，按照邻近域交叠关系选择成员ε_i的中继选择区域，并广播中继请求从中选择最优中继成员，接收源成员ε_i的中继请求，与源成员ε_i、目标成员ε_j建立链路并进行中继协作通信。

2.如权利要求1所述的一种无人机密集编队支撑网络的协同中继选择方法，其特征在于，所述的通信场景中包括一个编队主成员m；U个空闲成员U＝{u₁,u₂,…,u_U}；C个蜂窝成员{c₁,c₂,…,c_C}和D个D2D成员{d₁,d₂,…,d_D}；U、C、D均为正整数；

C个蜂窝成员各自通过彼此相互正交的独立信道与主成员m通信，U个空闲成员供D2D成员作为中继成员使用，U＞C；D2D成员在进行通信时，每条D2D链路分别复用不同蜂窝成员的信道资源进行传输，设定复用的为上行信道资源。

3.如权利要求1所述的一种无人机密集编队支撑网络的协同中继选择方法，其特征在于，所述的无人机密集编队用图F中，每个成员分别作为唯一节点，用符号ε_i表示，其中i∈I＝{1,2,...,n}，n为通信场景中所有编队无人机的总数；

当两个节点ε_i、ε_j间有连接时，用b_ij表示由节点ε_i连向节点ε_j的边，代表节点ε_i与节点ε_j的社会性依存关系；

当b_ij存在，两成员ε_i及ε_j在t₀更新时间Δt后的欧式距离

与成员ε_i的安全距离d_is相等时，即满足

时，设社会性依存元素s_ij＝1，此时成员ε_i与成员ε_j之间的社会性依存关系最强；

随着欧式距离

与安全距离d_is之间的间距越来越大，元素s_ij逐渐趋近于0，成员ε_i与成员ε_j之间的社会性依存关系逐步减弱，直至

时消失，d_imax为成员ε_i的邻接距离；

由此，所有的元素s_ij构成依存矩阵S，s_ij∈[0,1]；s_ii＝0；

当b_ij不存在，节点ε_i与节点ε_j间不存在社会性依存关系。

4.如权利要求1所述的一种无人机密集编队支撑网络的协同中继选择方法，其特征在于，所述的邻接矩阵B是指：

首先，以成员ε_i为球心，以成员ε_i的邻接距离d_imax为半径的球形区域，定义为该成员的邻近域；邻近域内的所有无人机形成该成员ε_i的邻近群；

然后，判断编队成员ε_j是否处于成员ε_i的邻近群中，如果是，则设定元素n_ij＝1；否则，设定元素n_ij＝0，所有元素n_ij构成编队成员ε_i的邻接矩阵B。

5.如权利要求1所述的一种无人机密集编队支撑网络的协同中继选择方法，其特征在于，所述的中继选择区域的选择方法是：

选择源成员ε_i的面向目的成员ε_j的半球邻近域，同理，选择目的成员ε_j的面向源成员ε_i的半球邻近域，将两个半球邻近域的交叠部分设为I区，其余部分为II区，I区和II区为所选择的中继选择区域。

6.如权利要求1所述的一种无人机密集编队支撑网络的协同中继选择方法，其特征在于，所述的从中继选择区域中选择最优中继成员，具体为：

首先从I区中选择最优中继成员，若I区中没有空闲无人机，则从II区中选择最优中继成员，若II区中也没有空闲无人机，则当前没有可作为中继的无人机，本次未找到合适的中继，需要等待下一次编队周期性更新时间后再重新执行；

当I区中只有一个空闲无人机时，则将该无人机作为最优中继成员；

当I区中存在多个空闲无人机，则选取能为最多成员提供中继服务的空闲无人机作为最优中继成员；

当I区中没有空闲无人机，II区中只有一个空闲无人机时，则将该空闲无人机作为最优中继成员；

当I区中没有空闲无人机，II区中存在多个空闲无人机，从II区中选取能为最多成员提供中继服务的空闲无人机作为最优中继成员；

若存在多个服务数量相等的候选中继成员，针对每个候选中继成员ε_i，计算该成员ε_i与其所能服务的每个无人机之间的社会性依存关系之和，并将所有候选中继成员对应的社会性依存关系之和从大到小排序，选择值最大的候选中继成员作为最优中继成员。

Images