CN114071432B - 一种用于地下空间灾后应急场景的无人机中继选择方法 - Google Patents

一种用于地下空间灾后应急场景的无人机中继选择方法 Download PDF

Info

Publication number
CN114071432B
CN114071432B CN202111371557.2A CN202111371557A CN114071432B CN 114071432 B CN114071432 B CN 114071432B CN 202111371557 A CN202111371557 A CN 202111371557A CN 114071432 B CN114071432 B CN 114071432B
Authority
CN
China
Prior art keywords
matching
unmanned aerial
preference
aerial vehicle
uncertain
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
CN202111371557.2A
Other languages
English (en)
Other versions
CN114071432A (zh
Inventor
王博文
徐子蒙
孙彦景
李松
云霄
陈瑞瑞
徐永刚
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.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202111371557.2A priority Critical patent/CN114071432B/zh
Publication of CN114071432A publication Critical patent/CN114071432A/zh
Priority to PCT/CN2022/104900 priority patent/WO2023087746A1/zh
Priority to US18/113,258 priority patent/US20230224021A1/en
Application granted granted Critical
Publication of CN114071432B publication Critical patent/CN114071432B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Emergency Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Public Health (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种用于地下空间灾后应急场景的无人机中继选择方法，包括以下步骤：基于D2D用户对于无人机的预测范围，采集D2D用户通过无人机协助传输数据的最大速率、最小速率和平均速率，获取D2D用户对于无人机的第一不确定偏好序，以及无人机对于D2D用户的第二不确定偏好序；基于第一不确定偏好序和第二不确定偏好序，获取D2D用户对于无人机的偏好策略，根据多对一双边匹配算法进行匹配后，将任意两个D2D用户已匹配的无人机进行交换匹配，获取双边交换稳定的匹配结果；本发明的算法计算复杂度低，允许同一中继无人机在同一时隙协作多对D2D用户进行通信，且匹配结果稳定，能保障尽可能多的救援人员及时有效沟通。

Description

一种用于地下空间灾后应急场景的无人机中继选择方法
技术领域
本申请涉及无人机中继匹配技术领域，具体而言，涉及一种用于地下空间灾后应急场景的无人机中继选择方法。
背景技术
随着经济的高速发展与基建智能化进程的加快，包含矿井、隧道、地铁、人防工程、地下停车场等的地下空间的开发规模不断扩大，同时给安全性方面带来了严峻挑战。地下空间一旦发生灾害，基础传感通信设施部分或全部损毁，受困群众和救援人员无法实时传递信息，救援行动难以有效实施，容易造成人员伤亡和经济损失。因此，需要一个弹性的应急通信网络，快速实现断点续传。无人机凭借移动性强、灵活度高、操控方便以及可重构性强等特性，通过无人机等空基网络资源，对地下空间等灾害事故易发多发频发区域全方位、立体化、无盲区的灾情监测与通信覆盖，能迅速保障通信基础设施受损的灾害地区用户的正常通信，更为高效地完成应急通信任务。因此，在应急通信场景中考虑无人机中继提高应急通信保障能力十分必要。
匹配理论作为分析用户互利关系的数学工具，被广泛应用于分布式无线资源分配与中继选择算法设计中。在灾后应急通信场景中，为了保证尽可能多的救援人员及时有效沟通，允许多个D2D对复用同一中继无人机，因此一对一匹配方法不适用。但在多对一匹配中，选择同一中继无人机的D2D对间往往不是独立的，他们的决定经常受到其他D2D对决定的影响，无法得到稳定的匹配结果，这带来了同群效应的问题。一般通过交换匹配消除同群效应的影响，但现有的一些方法是集中式的，不适用于动态分布式场景中。而且通常匹配过程需要双边主体间的连接权重等准确信息，而在现实情况中，由于决策环境的模糊性和复杂性容易出现不确定信息，匹配双边中一边更容易获得另一边个体的不精确的序区间偏好信息，即偏好序列。在灾后环境中，无人机和D2D用户的动态移动性可能导致各自不能获得精确的偏好列表，进而D2D用户和中继无人机之间无法进行有效的匹配。
发明内容
针对以上问题，本发明的目的是提出一种高效的灾后无人机不确定偏好序双边稳定匹配中继选择方法，首先生成D2D用户和中继无人机的不确定偏好序，再利用多对一双边匹配理论完成D2D用户和中继无人机间的匹配，然后针对复用同一无人机中继的D2D用户簇内存在同群效应，通过交换匹配进一步得到稳定的匹配结果。
为了实现上述目的，本发明提供了一种用于地下空间灾后应急场景的无人机中继选择方法，包括以下步骤：
基于D2D用户对于无人机的预测范围，采集D2D用户通过无人机协助传输数据的最大速率、最小速率和平均速率，获取D2D用户对于无人机的第一不确定偏好序，以及无人机对于D2D用户的第二不确定偏好序；
基于第一不确定偏好序和第二不确定偏好序，获取D2D用户对于无人机的偏好策略，根据多对一双边匹配算法，构建多对一双边匹配模型；
基于多对一双边匹配模型，将任意两个D2D用户已匹配的无人机进行交换匹配，获取双边交换稳定的匹配结果。
优选地，在获取第一不确定偏好序和第二不确定偏好序的过程中，通过选择目标时隙，获取D2D用户对于无人机在目标时隙的预测范围。
优选地，在获取第一不确定偏好序的过程中，根据最大速率、最小速率，构建第一不确定偏好序，并获取第一不确定偏好序的第一偏好表达式，其中，第一偏好表达式为：
其中，为第一不确定偏好序的下限，/>为第一不确定偏好序的上限，Yki为D2D对k将无人机集合U中个体排在第i位的个体集合，|Yki|集合中个体的数量，Z(Um)为第二不确定偏好序的第一区间长度。
优选地，在获取第二不确定偏好序的过程中，根据最大速率、最小速率，构建第二不确定偏好序，并获取第二不确定偏好序的第二偏好表达式，偏好表达式为：
其中，为第二不确定偏好序的下限，/>为第二不确定偏好序的上限，Ymj为无人机Um将D2D对集合K中个体排在第j位的个体集合，|Yki|集合中个体的数量，Z(k)为第一不确定偏好序的第二区间长度。
优选地，根据第一偏好表达式和第二偏好表达式，获取偏好策略以及偏好策略对应的偏好列表，构建多对一双边匹配模型，其中，多对一双边匹配模型的约束条件为：
其中，
优选地，在构建多对一双边匹配模型的过程中，多对一双边匹配模型的匹配过程包括以下步骤：
D2D用户通过预测中继无人机的位置来计算传输性能，得到第一不确定偏好序，根据第一偏好表达式生成对应的偏好列表，D2D用户根据偏好列表，对中继无人机进行排序和选择；
中继无人机收到D2D用户的请求后，根据约束条件，接受最佳候选者的匹配请求，并拒绝其他的D2D用户；
被接受的D2D用户停止其匹配过程，被拒绝的D2D用户向次优中继无人机发出匹配请求，直到没有比当前匹配项更好的中继链路，则匹配过程终止。
优选地，在匹配过程终止的过程后，交换匹配的过程包括以下步骤：
S1.选取D2D用户的第一D2D对和第二D2D对，以及第一D2D对的第一匹配对象、第二D2D对的第二匹配对象；
S2.将第一D2D对与第二匹配对象进行匹配，同时将第二D2D对与第一匹配对象进行匹配；
S3.根据步骤S2的匹配结果，判断是否执行步骤S2的操作，其中，判断过程包括：
当第一D2D对的传输速率增加，第二D2D对的传输速率不变时，则保持步骤S2的匹配过程；
当第二D2D对的传输速率增加，第一D2D对的传输速率不变时，则保持步骤S2的匹配过程；
当第一D2D对和第二D2D对的传输速率增加时，则保持步骤S2的匹配过程；
否则，将不执行步骤S2的匹配过程。
优选地，交换匹配的约束条件为：当第一D2D对和第二D2D对同时满足以下两个条件时，形成交换限制对，执行交换匹配的过程：
条件一：
条件二：
优选地，交换匹配的过程的步骤包括：
步骤1：初始阶段，初始化D2D对k向D2D对k'发送交换请求的次数，即Ckk'＝0；
步骤2：每个D2D对k∈K搜索另一个D2D对k'∈{K\k}以形成交换限制对，如果(k,k')形成交换限制对，并且满足Ckk'+Ck'k≤2，则根据基于不确定偏好序下的多对一匹配算法更新匹配结果，且Ckk'＝Ckk'+1；否则保持当前的匹配状态；
步骤3：直到当前匹配中不存在任何交换限制对，则返回更新后的匹配结果。
优选地，用于实现无人机中继选择方法的无人机中继选择系统包括，
数据采集处理模块，用于基于D2D用户对于无人机的预测范围，采集D2D用户通过无人机协助传输数据的最大速率、最小速率和平均速率，获取D2D用户对于无人机的第一不确定偏好序，以及无人机对于D2D用户的第二不确定偏好序；
偏好匹配模块，用于基于第一不确定偏好序和第二不确定偏好序，获取D2D用户对于无人机的偏好策略，根据多对一双边匹配算法，构建多对一双边匹配模型；
交换匹配模块，用于基于偏好匹配模块的匹配结果，将任意两个D2D用户已匹配的无人机进行交换匹配，获取双边交换稳定的匹配结果。
与现有技术相比，本发明的算法计算复杂度较穷举算法大幅度降低；另外，本发明允许同一中继无人机在同一时隙协作多对D2D用户进行通信，且匹配结果稳定，能保障尽可能多的救援人员及时有效沟通；本发明算法性能优于其他对比方法，更适用于应急动态分布式场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所述的无人机辅助的地下空间应急通信场景；
图2为本发明所述的无人机中继模式和传输过程；
图3为本发明所述的D2D用户传输成功率随传输数据期望值变化的关系；
图4为本发明所述的D2D用户传输成功率随中继无人机数量变化的关系；
图5为本发明所述的D2D用户传输成功率随D2D对数量变化的关系。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1-5所示，本发明提供了一种用于地下空间灾后应急场景的无人机中继选择方法，包括以下步骤：
基于D2D用户对于无人机的预测范围，采集D2D用户通过无人机协助传输数据的最大速率、最小速率和平均速率，获取D2D用户对于无人机的第一不确定偏好序，以及无人机对于D2D用户的第二不确定偏好序；
基于第一不确定偏好序和第二不确定偏好序，获取D2D用户对于无人机的偏好策略，根据多对一双边匹配算法，构建多对一双边匹配模型；
基于多对一双边匹配模型，将任意两个D2D用户已匹配的无人机进行交换匹配，获取双边交换稳定的匹配结果。
进一步地，在获取第一不确定偏好序和第二不确定偏好序的过程中，通过选择目标时隙，获取D2D用户对于无人机在目标时隙的预测范围。
进一步地，在获取第一不确定偏好序的过程中，根据最大速率、最小速率，构建第一不确定偏好序，并获取第一不确定偏好序的第一偏好表达式，其中，第一偏好表达式为：
其中，为第一不确定偏好序的下限，/>为第一不确定偏好序的上限，Yki为D2D对k将无人机集合U中个体排在第i位的个体集合，|Yki|集合中个体的数量，Z(Um)为第二不确定偏好序的第一区间长度。
进一步地，在获取第二不确定偏好序的过程中，根据最大速率、最小速率，构建第二不确定偏好序，并获取第二不确定偏好序的第二偏好表达式，偏好表达式为：
其中，为第二不确定偏好序的下限，/>为第二不确定偏好序的上限，Ymj为无人机Um将D2D对集合K中个体排在第j位的个体集合，|Yki|集合中个体的数量，Z(k)为第一不确定偏好序的第二区间长度。
进一步地，根据第一偏好表达式和第二偏好表达式，获取偏好策略以及偏好策略对应的偏好列表，构建多对一双边匹配模型，其中，多对一双边匹配模型的约束条件为：
其中，
上式表示为：匹配ω定义为从集合K∪U映射到的集合，对于任意D2D用户k属于D2D用户集合K，k的匹配对象ω(k)都属于无人机中继集合U或空集(表示k无匹配对象)，且k最多只能匹配一个无人机中继；对于任意无人机中继Um属于无人机中继集合U，Um的匹配对象ω(Um)都属于D2D用户集合K或空集(表示Um无匹配对象)，且每个无人机中继最多可服务q0个D2D用户对；对于任意D2D用户k属于D2D用户集合K，任意无人机中继Um属于无人机中继集合U，k的匹配对象ω(k)为Um等价于Um的匹配对象ω(Um)为k。
进一步地，在构建多对一双边匹配模型的过程中，多对一双边匹配模型的匹配过程包括以下步骤：
D2D用户通过预测中继无人机的位置来计算传输性能，得到第一不确定偏好序，根据第一偏好表达式生成对应的偏好列表，D2D用户根据偏好列表，对中继无人机进行排序和选择；
中继无人机收到D2D用户的请求后，根据约束条件，接受最佳候选者的匹配请求，并拒绝其他的D2D用户；
被接受的D2D用户停止其匹配过程，被拒绝的D2D用户向次优中继无人机发出匹配请求，直到没有比当前匹配项更好的中继链路，则匹配过程终止。
进一步地，在匹配过程终止的过程后，交换匹配的过程包括以下步骤：
S1.选取D2D用户的第一D2D对和第二D2D对，以及第一D2D对的第一匹配对象、第二D2D对的第二匹配对象；
S2.将第一D2D对与第二匹配对象进行匹配，同时将第二D2D对与第一匹配对象进行匹配；
S3.根据步骤S2的匹配结果，判断是否执行步骤S2的操作，其中，判断过程包括：
当第一D2D对的传输速率增加，第二D2D对的传输速率不变时，则保持步骤S2的匹配过程；
当第二D2D对的传输速率增加，第一D2D对的传输速率不变时，则保持步骤S2的匹配过程；
当第一D2D对和第二D2D对的传输速率增加时，则保持步骤S2的匹配过程；
否则，将不执行步骤S2的匹配过程。
进一步地，交换匹配的约束条件为：当第一D2D对和第二D2D对同时满足以下两个条件时，形成交换限制对，执行交换匹配的过程：
条件一：
条件二：
进一步地，交换匹配的过程的步骤包括：
步骤1：初始阶段，初始化D2D对k向D2D对k'发送交换请求的次数，即Ckk'＝0；
步骤2：每个D2D对k∈K搜索另一个D2D对k'∈{K\k}以形成交换限制对，如果(k,k')形成交换限制对，并且满足Ckk'+Ck'k≤2，则根据基于不确定偏好序下的多对一匹配算法更新匹配结果，且Ckk'＝Ckk'+1；否则保持当前的匹配状态；
步骤3：直到当前匹配中不存在任何交换限制对，则返回更新后的匹配结果。
进一步地，用于实现无人机中继选择方法的无人机中继选择系统包括，
数据采集处理模块，用于基于D2D用户对于无人机的预测范围，采集D2D用户通过无人机协助传输数据的最大速率、最小速率和平均速率，获取D2D用户对于无人机的第一不确定偏好序，以及无人机对于D2D用户的第二不确定偏好序；
偏好匹配模块，用于基于第一不确定偏好序和第二不确定偏好序，获取D2D用户对于无人机的偏好策略，根据多对一双边匹配算法，构建多对一双边匹配模型；
交换匹配模块，用于基于偏好匹配模块的匹配结果，将任意两个D2D用户已匹配的无人机进行交换匹配，获取双边交换稳定的匹配结果。
实施例1：以下内容结合附图对本发明具体实施方式进行阐述：
1、场景及问题概述：
图1是无人机辅助以矿井为例的地下空间应急通信场景示意图，在该场景中，受冲击地压、瓦斯爆炸以及煤火等矿井事故的影响，井下固定的基础设施(如矿用基站)部分或全部失效且短时间内难以恢复通信服务，救援人员无法快速感知受灾区域的灾情态势及传递应急信息，因此需要无人机集群迅速进入灾区域充当地面用户的中继传输节点，协助救援人员完成搜救任务，基于此，本发明采用解码转发协议进行数据传输。当有多个D2D对选择同一无人机，无人机采用时分多址接入技术协作这些D2D对。D2D对有大小为的数据需要传输，数据包逐帧传输，每帧的长度均相等。一帧分为两个阶段，阶段1D2D对的发射端将数据传输至中继无人机，阶段2中继无人机将数据传输至D2D对的接收端，传输模型如图2所示，假设中继无人机协作D2D对1和D2D对2传输的情况，由于D2D用户的传输数据大小和传输速率不同，中继无人机在传输时间内可以将不同的时间资源分配给不同的D2D对。在时隙，D2D对的发射端通过无人机传输至接收端的数据速率为：
其中，B为信道带宽，和/>分别为D2D对k的发射端Sk到无人机Um、Um到D2D对k的接收端Dk和Sk到Dk的信噪比，q(Um)表示无人机Um协助的D2D对数量。D2D对k的数据大小与速率的比值，即传输时长若小于阈值τth，则视D2D对k的数据能成功传输。
网络的动态特性导致数据速率在不同时隙可能不同，从而成功传输的D2D对数量可能不同，因此，通过优化实时中继无人机分配最大化D2D用户的平均总传输成功率，即最大化整个网络传输阶段中总的传输成功的D2D对数量与D2D对总数的平均比值，可用以下公式表示
其中，
要使D2D用户的平均总传输成功率最大化，必须解决以下几个难点。首先，该优化问题是NP难问题。然后，由于无人机动态飞行，位置实时变化，因此对D2D用户而言的最佳无人机中继分配是随时间变化而变化的。最后，无人机的飞行轨迹是由它们的任务决定的，对于地面用户来说是未知的，且D2D用户的动态位置对无人机同样未知。因此，离线规划方法不可取，需要在线方法。目标优化问题实际上是最大化D2D用户成功传输的数量，而中继无人机的选择不仅影响当前决策的D2D对的传输，还影响复用同一中继无人机的其他D2D对的传输，因此，下面将优化问题转为中继无人机选择的优化进行求解。
2、方法概述
为了解决上述D2D对的中继无人机选择问题，本发明提出一种不确定偏好序下多对一双边稳定匹配方法，适用于无人机和D2D用户的动态位置导致匹配策略的不确定性场景，具有良好的稳定性与有效性。该方法由两步构成：1)D2D用户和无人机根据不确定的信息生成不确定偏好序，并对不确定偏好序综合评估生成相应的偏好列表，建立多对一双边匹配模型得到匹配结果；2)此时的匹配结果是不稳定的，需要进一步迭代完成每个交换操作，消除同群效应的影响得到稳定的匹配结果。
2.1、基于不确定偏好序的多对一匹配
在第一阶段，本发明首先提出一种分层策略，基于不确定偏好序的多对一双边匹配模型。首先无人机的飞行轨迹对于D2D用户来说是未知的，D2D用户根据不确定的信息很难直接生成具体的偏好列表，需要考虑偏好信息为序值的情况。在tn时隙(n＞0)，地面用户对无人机Um在tn-1时隙位置存在预测范围l(Um,tn)，在预测范围l(Um,tn)内，求出D2D对k通过无人机Um协助传输数据的最大速率、最小速率和平均速率，且分别表示为和/>并根据这些速率得到K中个体k对U中个体Um的不确定偏好序/> 和/>分别为序区间的上限和下限，各由/>和/>的排名情况确定。特别的，若/>则退化为一个精确的序值。不确定偏好序序值越小，则说明Um在k的评价排序中位置越靠前，即更加满足k的需求。同理，无人机求出D2D对在移动范围l(k,tn)内的最大速率最小速率/>和平均速率/>并根据这些速率得到U中个体Um对K中个体k的不确定偏好序/> 和/>分别为序区间/>的上限和下限，各由/>和/>的排名情况确定。特别的，若/>则/>退化为一个精确的序值。不确定偏好序序值越小，则说明k在Um的评价排序中位置越靠前，Um会优先提供中继传输服务。基于此，D2D对集合K中个体k对中继无人机集合U中个体Um的综合得分与U中个体Um对K中个体k的综合得分可分别用下式表示：
其中，Yki为k将U中个体排在第i位的个体集合，Ymj为Um将K中个体排在第j位的个体集合，|Yki|和|Ymj|表示集合中个体的数量。Z(Um)、Z(k)分别为Um、k的不确定偏好序区间长度。特别地，如果 则不需要减去相应的分数。基于参与者的不确定偏好序得到的综合得分，既考虑了在同一位次匹配个体的竞争程度，同时减去的分数又体现出不同个体的偏好差异，在很大程度上反映出主体的真实意愿。
根据综合得分，可得到D2D对k的偏好策略：对于k偏好列表中的匹配对象Um和，1)当Hkm＞Hkm'时，则2)当Hkm＝Hkm'时，若/>则/>若/>则Um＝kUm'。同理可得无人机Um的偏好策略：对于在无人机Um的偏好列表中的匹配对象k和k'，1)当Hmk＞Hmk'时，则/>2)当Hmk＝Hmk'时，若则/>若/>则/>基于偏好列表建立多对一双边匹配模型：给定两个不同的有限参与集合K和U，ω定义为多对一匹配关系，一个匹配是满足以下条件的双映射/>
1)
2)
3)
基于以上讨论，本发明所提基于不确定偏好序的多对一匹配算法的思想为：在每个时隙，D2D用户通过预测中继无人机的位置来计算传输性能，得到不确定偏好序，在此基础上综合评估生成相应的偏好列表。D2D用户根据偏好列表，对中继无人机进行排序和选择。中继无人机收到D2D用户的请求后，在满足配额约束要求下，将接受最佳候选者的匹配请求，拒绝其他的D2D用户。被接受的D2D用户停止其匹配过程，而被拒绝的D2D用户继续向次优中继无人机发出匹配请求。直到没有比当前匹配项更好的中继链路，匹配过程终止。不确定偏好序下的多对一匹配算法归纳如下：
步骤1：算法进程到时隙tn。D2D对k∈K和中继无人机Um∈U根据各自的不确定偏好序综合评估建立偏好列表。
步骤2：如果|ω(k)|＝0，且k的偏好列表非空，则分别对k∈K、Um∈U执行以下步骤直至所有D2D对匹配到偏好列表中的中继无人机或者被中继无人机拒绝。
1:所有D2D对向位于其偏好列表第一位的中继无人机发送请求，将/>设置为1，然后把/>从k的偏好列表中移除。
2:对于所有中继无人机Um∈U，如果当前D2D对的请求数量大于q0(Um)，Um根据其偏好列表，接受q0(Um)个D2D对，拒绝其他的D2D对，且被拒绝的D2D对值设置为0；如果当前D2D对的请求数量小于等于q0(Um)，Um接受当前所有请求者。
基于不确定偏好序的多对一匹配算法中参与匹配的D2D对和无人机的数量分别为K和M，在最坏情况下，任意D2D对的候选中继集合中都包含所有的无人机，所有的中继无人机对D2D用户的偏好都不满足中继无人机的要求，在这种情况下参与匹配的D2D用户需要不断地向其他中继无人机发送请求并被拒绝，因此算法的最坏时间复杂度为O(MK)，在系统整个任务传输周期算法的最坏时间复杂度为O(NMK)。
2.2消除同群效应的中继无人机选择
上述基于不确定偏好序下的多对一匹配算法的匹配结果是不稳定的，原因是存在同群效应，即一个D2D用户可能会根据其他D2D用户形成的偏好列表不断改变自己的偏好顺序，因此永远不会达到最终的中继选择结果。因此，在第二阶段，本发明介绍如何使任意两个D2D对之间通过交换操作来交换它们已匹配的中继无人机，从而规避同群效应达到稳定的匹配状态。
交换匹配的概念定义为：
即在保持其他D2D对和无人机相应的匹配不变的同时，D2D对k和k'交换彼此的匹配对象。特别地，在交换的过程中允许参与的一方D2D对位置为空，因此单个D2D对向无人机对应的可用空位移动。
在此基础上，对于D2D对(k,k')，当且仅当同时满足和/>条件时，则称(k,k')为交换限制对。
基于上述定义可知，交换匹配是在交换限制对之间进行的。交换后，所有参与交换的D2D对的传输速率不会降低，而至少其中一个D2D对的传输速率会增加，这同时也避免了在等价匹配之间循环。交换操作在效用值的基础上进行，基于预测范围内的速率增加作为交换条件体现出传输过程中的不确定性。在双边匹配中，稳定性通常用来衡量匹配方案的优劣。对于多对一双边匹配ω，如果不存在交换限制对，则称匹配ω是双边交换稳定的。为了消除匹配ω中的交换限制对，本发明对基于不确定偏好序下的多对一匹配算法下的匹配结果ω(tn)的交换限制对迭代完成每个交换操作。因此该方法可以动态得到双边交换稳定匹配结果。本发明所提出的避免同群效应的中继无人机选择方法可归纳如下：
步骤1：初始阶段，初始化D2D对k向k'发送交换请求的次数，即Ckk'＝0。
步骤2：每个D2D对k∈K搜索另一个D2D对k'∈{K\k}以形成交换限制对，如果(k,k')形成交换限制对，并且满足Ckk′+Ckk′≤2，则根据基于不确定偏好序下的多对一匹配算法更新匹配结果，且Ckk′＝Ckk′+1；否则保持当前的匹配状态。
步骤3：直到当前匹配中不存在任何交换限制对，则返回更新后的匹配结果ω(tn)。
将Ckk'表示为D2D对k向k'发送交换请求的次数，且k最多可与k'交换两次，这避免了乒乓效应，保证了算法收敛。当前匹配中不存在任何交换限制对时，交换匹配过程结束，更新匹配结果ω(tn)。第二阶段提出的方法相较于第一阶段中的算法多了交换匹配的步骤，交换次数上限为因此，在系统整个任务传输周期避免同群效应的中继无人机选择方法的的最坏时间复杂度为/>本发明提出的方法最终得到的匹配ω是双边交换稳定的。
证明：假设最终得到的匹配结果ω不是双边交换稳定的，则至少存在一个交换限制对(k，k′)，但双边交换稳定匹配中继选择算法在存在交换限制对的情况下是不会终止的，因此，该匹配结果ω不是最终结果，与假设条件冲突。因此，本文所提算法得到的匹配是双边交换稳定的。
实施例2：本发明的一个具体实施例如下描述：系统仿真采用Matlab2015a，参数设定不影响本发明的一般性。D2D对随机分布在3km×3km区域内，发射端与对应的接收端之间的距离随机取值于(100m,200m)以内，且发射端与接收端用户每个时隙随机在(1m,2m)范围内移动。无人机随机选择飞行方向，且不飞出规定区域，飞行高度为[100m,200m]，飞行速度为10m/s，电池容量为2×105J，无人机的能耗模型参考多旋翼无人机能耗模型(参考文献：Wang B,Sun Y,Liu D,et al.Social-aware UAV-assisted Mobile Crowd Sensing inStochastic and Dynamic Environments for Disaster Relief Networks.IEEETransactions on Vehicular Technology,2020,69(1):1070-1074)，本发明对比算法为穷举搜索算法(可得到最优解但时间复杂度极高)、随机中继选择算法(时间复杂度低但性能不稳定)以及一对一匹配算法(参考文献：Liu D,Yang Y,Xu Y,et al.UncertainPreference Matching-Based Relay Selection and Position Adjustment in DynamicUAV Systems//2020International Conference on Wireless Communications andSignal Processing(WCSP),2020:1170-1175)。
仿真结果分析：图3、图4和图5分别展示了本发明所提方法(基于不确定偏好序下的多对一匹配算法和避免同群效应的中继无人机选择方法)与现有方法随D2D用户传输数据期望值变化、中继无人机数量变化和D2D对数量变化这三种情况下的D2D用户传输成功率比较。从这三张图种可以看出，本文提出的算法得到的D2D用户传输成功率虽然低于穷举算法的传输成功率，得到次优的结果，但是所提算法的计算复杂度较穷举算法大幅度降低。另外，所提方法允许同一中继无人机在同一时隙协作多对D2D用户进行通信，且匹配结果是稳定的，能保障尽可能多的救援人员及时有效沟通。因此，所提算法性能是优于其他对比方法的，更适用于应急动态分布式场景。

Claims (8)

1.一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于，包括以下步骤：
基于D2D用户对于无人机的预测范围，采集所述D2D用户通过所述无人机协助传输数据的最大速率、最小速率和平均速率，获取所述D2D用户对于所述无人机的第一不确定偏好序，以及所述无人机对于所述D2D用户的第二不确定偏好序；
基于所述第一不确定偏好序和所述第二不确定偏好序，获取所述D2D用户对于所述无人机的偏好策略，根据多对一双边匹配算法，构建多对一双边匹配模型；
在获取所述第一不确定偏好序的过程中，根据所述最大速率、所述最小速率，构建所述第一不确定偏好序，并获取所述第一不确定偏好序的第一偏好表达式；
在获取所述第二不确定偏好序的过程中，根据所述最大速率、所述最小速率，构建所述第二不确定偏好序，并获取所述第二不确定偏好序的第二偏好表达式；
根据所述第一偏好表达式和所述第二偏好表达式，获取所述偏好策略以及所述偏好策略对应的偏好列表，构建所述多对一双边匹配模型；
在构建多对一双边匹配模型的过程中，所述多对一双边匹配模型的匹配过程包括以下步骤：
所述D2D用户通过预测中继无人机的位置来计算传输性能，得到所述第一不确定偏好序，根据所述第一偏好表达式生成对应的偏好列表，所述D2D用户根据所述偏好列表，对所述中继无人机进行排序和选择；
所述中继无人机收到所述D2D用户的请求后，根据所述约束条件，接受最佳候选者的匹配请求，并拒绝其他的所述D2D用户；
被接受的所述D2D用户停止其匹配过程，被拒绝的所述D2D用户向次优中继无人机发出匹配请求，直到没有比当前匹配项更好的中继链路，则匹配过程终止；
在匹配过程终止的过程后，所述交换匹配的过程包括以下步骤：
S1.选取所述D2D用户的第一D2D对和第二D2D对，以及所述第一D2D对的第一匹配对象、所述第二D2D对的第二匹配对象；
S2.将所述第一D2D对与所述第二匹配对象进行匹配，同时将所述第二D2D对与所述第一匹配对象进行匹配；
S3.根据步骤S2的匹配结果，判断是否执行所述步骤S2的操作，其中，判断过程包括：
当所述第一D2D对的传输速率增加，所述第二D2D对的传输速率不变时，则保持所述步骤S2的匹配过程；
当所述第二D2D对的传输速率增加，所述第一D2D对的传输速率不变时，则保持所述步骤S2的匹配过程；
当所述第一D2D对和所述第二D2D对的传输速率增加时，则保持所述步骤S2的匹配过程；
否则，将不执行所述步骤S2的匹配过程；
基于多对一双边匹配模型，将任意两个所述D2D用户已匹配的所述无人机进行交换匹配，获取双边交换稳定的匹配结果。
2.根据权利要求1所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：
在获取所述第一不确定偏好序和所述第二不确定偏好序的过程中，通过选择目标时隙，获取所述D2D用户对于所述无人机在所述目标时隙的所述预测范围。
3.根据权利要求2所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：
所述第一偏好表达式为：
其中，为第一不确定偏好序的下限，/>为第一不确定偏好序的上限，Yki为D2D对k将无人机集合U中个体排在第i位的个体集合，|Yki|集合中个体的数量，Z(Um)为第二不确定偏好序的第一区间长度，M为无人机数量。
4.根据权利要求3所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：
所述偏好表达式为：
其中，为第二不确定偏好序的下限，/>为第二不确定偏好序的上限，Ymj为无人机Um将D2D对集合K中个体排在第j位的个体集合，|Yki|集合中个体的数量，Z(k)为第一不确定偏好序的第二区间长度，K为多对一匹配算法中参与匹配的D2D对。
5.根据权利要求4所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：
其中，所述多对一双边匹配模型的约束条件为：
其中，
式中，ω表示匹配。
6.根据权利要求1所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：
所述交换匹配的约束条件为：当所述第一D2D对和所述第二D2D对同时满足以下两个条件时，形成交换限制对，执行所述交换匹配的过程：
条件一：
条件二：
7.根据权利要求6所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：
所述交换匹配的过程的步骤包括：
步骤1：初始阶段，初始化D2D对k向D2D对k'发送交换请求的次数，即Ckk'＝0；
步骤2：每个所述D2D对k∈K搜索另一个D2D对k'∈{K\k}以形成交换限制对，如果(k,k')形成所述交换限制对，并且满足Ckk'+Ck'k≤2，则根据基于不确定偏好序下的多对一匹配算法更新匹配结果，且Ckk'＝Ckk'+1；否则保持当前的匹配状态；
步骤3：直到当前匹配中不存在任何所述交换限制对，则返回更新后的匹配结果。
8.根据权利要求1所述一种用于地下空间灾后应急场景的无人机中继选择方法，其特征在于：用于实现所述无人机中继选择方法的无人机中继选择系统包括，
数据采集处理模块，用于基于所述D2D用户对于所述无人机的所述预测范围，采集所述D2D用户通过所述无人机协助传输数据的最大速率、最小速率和平均速率，获取所述D2D用户对于所述无人机的第一不确定偏好序，以及所述无人机对于所述D2D用户的第二不确定偏好序；
偏好匹配模块，用于基于所述第一不确定偏好序和所述第二不确定偏好序，获取所述D2D用户对于所述无人机的偏好策略，根据多对一双边匹配算法，构建多对一双边匹配模型；
交换匹配模块，用于基于所述偏好匹配模块的匹配结果，将任意两个所述D2D用户已匹配的所述无人机进行交换匹配，获取双边交换稳定的匹配结果。
CN202111371557.2A 2021-11-18 2021-11-18 一种用于地下空间灾后应急场景的无人机中继选择方法 Active CN114071432B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111371557.2A CN114071432B (zh) 2021-11-18 2021-11-18 一种用于地下空间灾后应急场景的无人机中继选择方法
PCT/CN2022/104900 WO2023087746A1 (zh) 2021-11-18 2022-07-11 一种用于地下空间灾后应急场景的无人机中继选择方法
US18/113,258 US20230224021A1 (en) 2021-11-18 2023-02-23 Relay selection method for unmanned aerial vehicles in post disaster emergency scenarios in underground space

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111371557.2A CN114071432B (zh) 2021-11-18 2021-11-18 一种用于地下空间灾后应急场景的无人机中继选择方法

Publications (2)

Publication Number Publication Date
CN114071432A CN114071432A (zh) 2022-02-18
CN114071432B true CN114071432B (zh) 2024-04-26

Family

ID=80278119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111371557.2A Active CN114071432B (zh) 2021-11-18 2021-11-18 一种用于地下空间灾后应急场景的无人机中继选择方法

Country Status (3)

Country Link
US (1) US20230224021A1 (zh)
CN (1) CN114071432B (zh)
WO (1) WO2023087746A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN118075728A (zh) * 2024-04-24 2024-05-24 北京语言大学 一种面向应急通信场景的无人机响应决策方法及装置

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000014716A (ko) * 1998-08-24 2000-03-15 윤종용 교환 시스템의 통합 가입자 정합 장치 및 그제어 방법
WO2010113261A1 (ja) * 2009-03-31 2010-10-07 富士通株式会社 無線通信ネットワークにおける中継局、基地局、移動局及び中継方法
US7864752B1 (en) * 2006-08-09 2011-01-04 Nortel Networks Limited Bearer path resource matching in a wireless communication network
WO2015002456A1 (ko) * 2013-07-05 2015-01-08 엘지전자 주식회사 근접 서비스를 위해 중계기를 선택 또는 재선택하는 방법
WO2016099227A1 (en) * 2014-12-19 2016-06-23 Samsung Electronics Co., Ltd. Apparatus and method for providing relay selection in device-to-device communication system
CN105792370A (zh) * 2016-03-02 2016-07-20 南京邮电大学 一种双向多中继ofdm系统中的资源联合分配方法
WO2016164808A1 (en) * 2015-04-08 2016-10-13 InterDigitial Patent Holdings, Inc. Realizing mobile relays for device-to-device (d2d) communications
CN106658606A (zh) * 2016-11-01 2017-05-10 洛阳理工学院 一种基于QoE的分布式分层异构网络用户基站匹配方法
US9713180B1 (en) * 2016-03-15 2017-07-18 Qualcomm Incorporated Relay centric mobility management in a mesh network
CN107302801A (zh) * 2017-05-19 2017-10-27 南京邮电大学 一种5G混合场景下面向QoE的双层匹配博弈方法
CN107809785A (zh) * 2017-11-07 2018-03-16 中国人民解放军陆军工程大学 一种基于互利匹配博弈的分布式中继选择方法
CN108900265A (zh) * 2018-06-15 2018-11-27 南京航空航天大学 基于匹配博弈的全双工认知无线电网络信道分配方法
CN111866901A (zh) * 2020-06-10 2020-10-30 西北大学 中继选择和资源信息优化方法、系统、计算机设备及应用
WO2020237030A1 (en) * 2019-05-21 2020-11-26 Trustees Of Tufts College Network user association
CN112616189A (zh) * 2020-12-10 2021-04-06 北京邮电大学 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
CN112737837A (zh) * 2020-12-28 2021-04-30 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
CN112838887A (zh) * 2021-01-06 2021-05-25 中国矿业大学 一种灾后应急通信地下飞行自组网拓扑控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736478B (zh) * 2018-07-20 2021-05-11 华北电力大学 一种无人机辅助移动云感知的路径规划与任务分配方案
CN110417847B (zh) * 2019-01-09 2020-09-01 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
CN111615200B (zh) * 2020-04-10 2023-04-28 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
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

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000014716A (ko) * 1998-08-24 2000-03-15 윤종용 교환 시스템의 통합 가입자 정합 장치 및 그제어 방법
US7864752B1 (en) * 2006-08-09 2011-01-04 Nortel Networks Limited Bearer path resource matching in a wireless communication network
WO2010113261A1 (ja) * 2009-03-31 2010-10-07 富士通株式会社 無線通信ネットワークにおける中継局、基地局、移動局及び中継方法
WO2015002456A1 (ko) * 2013-07-05 2015-01-08 엘지전자 주식회사 근접 서비스를 위해 중계기를 선택 또는 재선택하는 방법
WO2016099227A1 (en) * 2014-12-19 2016-06-23 Samsung Electronics Co., Ltd. Apparatus and method for providing relay selection in device-to-device communication system
WO2016164808A1 (en) * 2015-04-08 2016-10-13 InterDigitial Patent Holdings, Inc. Realizing mobile relays for device-to-device (d2d) communications
CN105792370A (zh) * 2016-03-02 2016-07-20 南京邮电大学 一种双向多中继ofdm系统中的资源联合分配方法
US9713180B1 (en) * 2016-03-15 2017-07-18 Qualcomm Incorporated Relay centric mobility management in a mesh network
CN106658606A (zh) * 2016-11-01 2017-05-10 洛阳理工学院 一种基于QoE的分布式分层异构网络用户基站匹配方法
CN107302801A (zh) * 2017-05-19 2017-10-27 南京邮电大学 一种5G混合场景下面向QoE的双层匹配博弈方法
CN107809785A (zh) * 2017-11-07 2018-03-16 中国人民解放军陆军工程大学 一种基于互利匹配博弈的分布式中继选择方法
CN108900265A (zh) * 2018-06-15 2018-11-27 南京航空航天大学 基于匹配博弈的全双工认知无线电网络信道分配方法
WO2020237030A1 (en) * 2019-05-21 2020-11-26 Trustees Of Tufts College Network user association
CN111866901A (zh) * 2020-06-10 2020-10-30 西北大学 中继选择和资源信息优化方法、系统、计算机设备及应用
CN112616189A (zh) * 2020-12-10 2021-04-06 北京邮电大学 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
CN112737837A (zh) * 2020-12-28 2021-04-30 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
CN112838887A (zh) * 2021-01-06 2021-05-25 中国矿业大学 一种灾后应急通信地下飞行自组网拓扑控制方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Bowen Wang ; Yanjing Sun ; Hien M. Nguyen ; Trung Q. Duong School of Electronics, Electrical Engineering and Computer Science, Queen’s University, Belfast, U.K..A Novel Socially Stable Matching Model for Secure Relay Selection in D2D Communications.IEEE Wireless Communications Letters ( Volume: 9, Issue: 2, February 2020).2019,全文. *
Bowen Wang ; Yanjing Sun ; Zhichao Sheng ; Hien M. Nguyen ; Trung Q. Duong.Inconspicuous Manipulation for Social-Aware Relay Selection in Flying Internet of Things.IEEE Wireless Communications Letters ( Volume: 8, Issue: 5, October 2019).2019,全文. *
Dianxiong Liu ; Yang Yang ; Yuhua Xu ; Ximing Wang ; Yifan Xu.Uncertain Preference Matching-Based Relay Selection and Position Adjustment in Dynamic UAV Systems.2020 International Conference on Wireless Communications and Signal Processing (WCSP).2020,全文. *
基于不确定偏好序的双边匹配模型与算法研究;李丹;中国优秀硕士学位论文全文数据库;20210105;第2章第2.4.2节，第3章3.2节2-3段 *
基于匹配博弈的无人机群多跳中继路径优选算法;曾弘扬;安思璇;;通信技术;20200910(第09期);全文 *
基于图论与匹配理论的社交物联网资源分配方法研究;王博文;中国博士学位论文全文数据库;20210115;第5章第5.4.1节第1-2段 *

Also Published As

Publication number Publication date
US20230224021A1 (en) 2023-07-13
WO2023087746A1 (zh) 2023-05-25
CN114071432A (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
CN114071432B (zh) 一种用于地下空间灾后应急场景的无人机中继选择方法
Chen et al. A multihop task offloading decision model in MEC-enabled internet of vehicles
CN112737837B (zh) 一种高动态网络拓扑下无人机群带宽资源分配方法
Saad et al. A selfish approach to coalition formation among unmanned air vehicles in wireless networks
Liu et al. Opportunistic data collection in cognitive wireless sensor networks: Air–ground collaborative online planning
CN110839075A (zh) 边缘计算环境下基于粒子群的服务迁移方法
Sheu et al. A Cluster-based TDMA System for Inter-Vehicle Communications.
CN109753082B (zh) 多无人机网络协同通信方法
Wang et al. Energy-efficient UAV deployment and task scheduling in multi-UAV edge computing
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
CN111988792A (zh) 无人机联盟网络卸载模型及决策计算方法
Xu et al. Deep reinforcement learning approach for joint trajectory design in multi-UAV IoT networks
Romaniuk et al. Increasing the efficiency of data gathering in clustered wireless sensor networks using UAV
Wu et al. Distributed federated deep reinforcement learning based trajectory optimization for air-ground cooperative emergency networks
Deng et al. Actions at the edge: Jointly optimizing the resources in multi-access edge computing
Farooq et al. A cluster based multicast routing protocol for Autonomous Unmanned Military Vehicles (AUMVs) communication in VANET
Hussain et al. Co-DLSA: Cooperative delay and link stability aware with relay strategy routing protocol for flying Ad-hoc network
Chen et al. Delay optimization with FCFS queuing model in mobile edge computing-assisted UAV swarms: A game-theoretic learning approach
CN112020001A (zh) 无人机多站多机系统时隙资源分配方法
CN102065446A (zh) 面向群组移动环境的拓扑控制系统及控制方法
Liu et al. Opportunistic data ferrying in UAV-assisted D2D networks: A dynamic hierarchical game
Wu et al. An energy-aware transmission target selection mechanism for UAV networking
Wang et al. Learning based edge computing in air-to-air communication network
Tshilongamulenzhe et al. Traffic-based Congestion Management algorithm for Wireless Sensor networks
Deng et al. A knowledge-based multiplayer collaborative routing in opportunistic networks

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