CN114553302A - 一种无人机蜂群实时性协同通信方法 - Google Patents
一种无人机蜂群实时性协同通信方法 Download PDFInfo
- Publication number
- CN114553302A CN114553302A CN202210180429.8A CN202210180429A CN114553302A CN 114553302 A CN114553302 A CN 114553302A CN 202210180429 A CN202210180429 A CN 202210180429A CN 114553302 A CN114553302 A CN 114553302A
- Authority
- CN
- China
- Prior art keywords
- node
- unmanned aerial
- aerial vehicle
- central
- nodes
- 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
-
- 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
- H04W16/22—Traffic simulation tools or models
-
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明公开了一种无人机蜂群实时性协同通信方法,所述无人机蜂群包括通信连接的前突侦察无人机、各区域中心节点以及区域中心节点以外的其它节点、中心决策节点,前突侦察无人机侦察信息并进行侦察信息的下发,中心决策节点接收前突侦察无人机或区域中心节点的侦察信息,作出决策;所述协同通信方法包括:构建无人机蜂群实时性协同通信方式优化的数学模型,利用启发式算法求解模型结果,得到通信线路最短的访问策略,中心决策节点根据通信线路最短的访问策略对相应的区域中心节点和前突侦察无人机进行部署;本发明的优点在于:完成对无人机蜂群协同通信方式构建形式的研究,实现通信经济性和实时性。
Description
技术领域
本发明涉及通信领域,更具体涉及一种无人机蜂群实时性协同通信方法。
背景技术
随着航空技术发展,无人机的种类和任务类型越来越广泛,其在救援、勘探、作战等民用和军用各个领域中均呈现出快速发展并扩散的趋势,并具有低伤亡率、低成本、使用限制少、隐蔽性好以及能够在恶劣环境下执行任务等优点。但单架无人机往往受到其生存能力、任务能力等因素的限制,难以满足复杂任务的需求。通过多架无人机间的通讯,进行信息共享,协同完成任务是解决上述问题的重要手段,可提升任务的弹性和灵活性。然而,在现有无人机间通信的研究中,针对协同通信实时性方面,除了对通信技术的研究外,缺乏对无人机蜂群协同通信方式构建形式的研究,更没有针对协同通信方式的构建形式进行优化,从而实现通信经济性和实时性的研究。如此,在执行紧急任务时,势必会影响无人机蜂群执行任务的反应、效率和效果。
中国专利公开号CN113726417A,公开了一种基于无人机蜂群动态部署的应急通信系统及通信方法,涉及无人机基站通信系统及通信方法的技术领域,一种基于无人机蜂群动态部署的应急通信系统,包括无人机蜂群和无人机地面站,所述无人机蜂群由无人机基站组网而成,所述无人机基站分别包括无人机和机载小基站。一种基于无人机蜂群动态部署的应急通信系统的通信方法,包括以下步骤:步骤1:通过无人机地面站将无人机部署至指定位置,利用无人机分别搭载的机载小基站进行组网,形成无人机蜂群,建立临时大面积移动通信网络覆盖;步骤2:无人机蜂群通过机载小基站将信号接入互联网小基站网关,连接运营商核心网,为用户提供通信服务。该专利申请没有对无人机蜂群协同通信方式构建形式进行研究,无法实现通信经济性和实时性。
发明内容
本发明所要解决的技术问题在于现有技术缺乏对无人机蜂群协同通信方式构建形式的研究,无法实现通信经济性和实时性。
本发明通过以下技术手段实现解决上述技术问题的:一种无人机蜂群实时性协同通信方法,所述无人机蜂群包括通信连接的前突侦察无人机、各区域中心节点以及区域中心节点以外的其它节点、中心决策节点,前突侦察无人机在整个无人机蜂群的最前端,侦察信息并进行侦察信息的下发,中心决策节点在整个无人机蜂群的最末端,接收前突侦察无人机或区域中心节点的侦察信息,作出决策,并将决策部署发送给相应的区域中心节点和前突侦察无人机;所述协同通信方法包括:构建无人机蜂群实时性协同通信方式优化的数学模型,利用启发式算法求解模型结果,得到通信线路最短的访问策略,中心决策节点根据通信线路最短的访问策略对相应的区域中心节点和前突侦察无人机进行部署。
本发明构建无人机蜂群实时性协同通信方式优化的数学模型,利用启发式算法求解模型结果,得到通信线路最短的访问策略,中心决策节点根据通信线路最短的访问策略对相应的区域中心节点和前突侦察无人机进行部署,完成对无人机蜂群协同通信方式构建形式的研究,实现通信经济性和实时性。
进一步地,所述无人机蜂群包括前突侦察无人机、各区域中心节点以及区域中心节点以外的其它节点、中心决策节点,前突侦察无人机在整个无人机蜂群的最前端,侦察信息并进行侦察信息的下发,随时接收来自中心决策节点发送的决策信息,以及各区域中心节点的信息请求;区域中心节点用于请求、接收和处理前突侦察无人机的侦察信息,与本区域其它节点进行通信,将前突侦察无人机侦察信息和本地信息进行融合处理后,发送给下一个区域中心节点或中心决策节点,并随时接收来自中心决策节点发送的决策信息;区域中心节点以外的其它节点,接收区域中心节点的决策部署,并向区域中心节点发送本地的侦察信息;中心决策节点在整个无人机蜂群的最末端,接收前突侦察无人机或区域中心节点的侦察信息,处理前面无人机传输过来的侦查信息,作出决策,并将决策部署发送给相应的区域中心节点和前突侦察无人机。
进一步地,所述协同通信过程的一次通信传输包括:从前突侦察无人机节点将自身侦察信息发送开始,到区域中心节点接收,并将本地信息和前突侦察无人机侦察信息打包发送给下一处需要的区域中心节点,直到打包信息到达中心决策节点为止。
进一步地,所述构建无人机蜂群实时性协同通信方式优化的数学模型,包括:
利用公式
构建无人机蜂群实时性协同通信方式优化的数学模型,其中,k表示前突侦察无人机发起的第k个通信任务,N(i,j)表示从区域中心节点i到区域中心节点j的通信任务,B表示节点之间构成的边的集合,aij表示两两节点之间的距离,表示前突侦察无人机发起的通信任务k经过区域中心节点i和j,表示前突侦察无人机发起的通信任务k不经过区域中心节点i和j;V表示无人机节点点集且V=1,2,…,n,前突侦察无人机节点为节点0,n为第n个区域中心节点,n+1表示中心决策节点,Zk表示前突侦察无人机是否发起通信任务,若Zk=1表示前突侦察无人机发起第k个通信任务,若Zk=0表示前突侦察无人机没有发起第k个通信任务;V'表示全部节点集且V'=0,1,2,…,n,n+1;qj表示第j个区域中心节点的增加数据量,Q表示通信通道额外还能承载的信息量;u表示区域中心节点u,tu表示到达节点u的时间,au,n+1表示从区域中心节点u到中心决策节点n+1节点之间的距离,λ表示数据传输速度,M表示无穷大的数。
更进一步地,所述利用启发式算法求解模型结果,得到通信线路最短的访问策略,包括以下步骤:
步骤一:所有区域中心节点构成集合B;
步骤二:以区域中心节点集B中的第一个区域中心节点为对象a,将a 与其它区域中心节点进行比较,选出与a的时间窗有交集的所有其它区域中心节点构成集合A;
步骤三:以集合A中的第一个区域中心节点为对象c,将a与c比较,将a与c以及a与c的时间窗交集作为元素,得集合C;
步骤四,将集合A中的其它区域中心节点的时间窗与集合C时间窗交集进行比较,如果有交集,则将该区域中心节点存入集合C中作为与a,c 相关的对象,同时将新的交集作为集合C中与a,c相关对象的公共时间窗交集,继续查找,直至集合A中其它区域中心节点与a,c相关对象的公共时间窗没有交集为止;
步骤五,从A中删除c,判断A是否为空,如果是,则转下步;否则,转步骤三;
步骤六,从集合B中删除a,判断B是否为空,如果是,则转步骤七;否则,转步骤二;
步骤七:最终得出的集合C作为区域中心节点访问策略集;
步骤八:从区域中心节点访问策略集中选择访问的节点数最多且通信线路最短的访问策略;
步骤九:从区域中心节点访问策略集中删除包含上步选择的区域中心节点的所有访问策略;
步骤十:如果当前的所有已选访问策略已经包含了全部区域中心节点,则停止,输出结果,否则转步骤八。
本发明的优点在于:
(1)本发明构建无人机蜂群实时性协同通信方式优化的数学模型,利用启发式算法求解模型结果,得到通信线路最短的访问策略,中心决策节点根据通信线路最短的访问策略对相应的区域中心节点和前突侦察无人机进行部署,完成对无人机蜂群协同通信方式构建形式的研究,实现通信经济性和实时性。
(2)本发明采用启发式算法通过步骤一至步骤五的方法遍历与区域中心节点集B中的某个区域中心节点具有公共时间窗的其他区域中心节点形成的所有路径,通过步骤一至步骤六的方法,遍历与区域中心节点集B中所有的区域中心节点,从而得出区域中心节点集B中的每个区域中心节点对应的不同公共时间窗下的多个路径,然后通过后续步骤对区域中心节点集B中的每个区域中心节点对应的多个路径求最小路径,综合所有的最小路径得出了最终的优化结果,根据优化结果对无人机蜂群进行通讯,实现侦察信息从前突侦察无人机节点发出,通过各区域中心节点,到达中心决策节点的期望时间最小且路径最短,占用的网络资源最少,保证通信经济性和实时性。
附图说明
图1为本发明实施例所公开的一种无人机蜂群实时性协同通信方法中无人机蜂群示意图;
图2为本发明实施例所公开的一种无人机蜂群实时性协同通信方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,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作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。
如图1所示,本发明提供一种无人机蜂群实时性协同通信方法,无人机蜂群1由前突侦察无人机11、无人机蜂群1各区域中心节点12、无人机蜂群1各区域其它节点和中心决策节点13组成。其各组成要素的部署和用途如下:前突侦察无人机11在整个无人机蜂群1的最前端,负责提供最原始、最早期的侦察信息,根据需要,进行侦察信息的下发,并随时可接收来自中心决策节点13发送的决策信息,以及各区域中心节点12的信息请求。无人机蜂群1划分为若干个无人机区域,各无人机区域由区域中心节点12和区域其它节点组成。区域中心点根据需要,负责请求、接收和处理前突侦察无人机11的侦察信息,对本区域其它无人机节点进行通信,协同、确定决策本区域其它无人机节点的部署,并将前突侦察无人机11侦察信息和本地信息进行融合处理后,发送给下一个区域中心节点12或中心决策节点13,并随时接收来自中心决策节点13发送的决策信息。区域其它无人机节点,接收区域中心节点12的决策部署,并向区域中心节点12发送本地的侦察信息。中心决策节点13在整个无人机蜂群1的最末端,接收前突侦察无人机11或区域中心节点12的侦察信息,处理前面无人机传输过来的侦查信息,作出决策,并将决策部署发送给相应的区域中心节点12和前突侦察无人机11。其中前突侦察无人机11、无人机蜂群1各区域中心节点12 和中心决策节点13两两之间均可直接通信。此种通用实时性协同通信方式模型构建效果,如图1所示。
对于此种无人机蜂群1模型架构下的通信需求是:区域中心节点12需要前端无人机尽可能多、尽可能详细的即时侦察信息,结合本地侦察信息和决策中心节点的决策部署,完成本区域各无人机的任务部署;决策中心节点需要前端无人机尽可能多、尽可能详细的即时侦察信息,用于决策,并将决策信息发送至各区域中心和前突无人机。其中,后端无人机在向前突侦察无人机11发送请求时,还需包括本机所需要的前突侦察无人机11 侦察信息的实时时间窗口。若前突侦察无人机11信息都是从前突侦察无人机11发出,势必会占用通信带宽,导致信息传输的延迟,也会导致传输链路的拥堵。
本发明构造的实时性协同通信方法,是对具有相同实时性时间窗要求的区域中心节点12进行接力式信息传递,从而避免了单一依靠前突侦察无人机11发送前突侦察信息的局面。而此种无人机蜂群1实时性协同通信形态的优化方法,就是优化以上构建的实时性协同通信方式模型,在保障通信的实时性和经济性的同时,既满足区域无人机协同信息的需要,又可满足中心决策节点13决策信息的需要。
传输过程占用的通信资源,仅考虑通信带宽的占用以及通信带宽占用的时长,由于通信带宽的占用以及通信带宽占用的时长均可等效地用两节点间的传输距离表示,因此可将模型简化成考虑成基于时间窗的带有通信实时性和资源限制的通信路径最优化问题。这里的实时性指的是侦察信息从前突侦察无人机11节点发出,通过各区域中心节点12,到达中心决策节点13的期望时间。模型只关注通信信息的实时性及其传输过程中对网络资源的占用情况。
一次通信传输是指从前突侦察无人机11节点将自身侦察信息发送开始,到区域中心节点12接收,并将本地信息和前突侦察无人机11侦察信息打包发送给下一处需要的区域中心节点12,直到打包信息到达中心决策节点 13为止。同时每次通信传输的起始点不变,即只有一个起始点,即前突侦察无人机11节点。假设前突侦察无人机11节点、各区域中心节点12集合和中心决策节点13两两之间的通信传输能力相同。在同一位置却又有不同区域中心节点12时间要求的信息请求的区域中心节点12看作不同的区域中心节点12。将一次通信传输的前突侦察无人机11节点、各区域中心节点 12集合和中心决策节点13看作一个整体,每个无人机节点传输的通信量小于通信带宽所能承载的无人机节点传输能力。同时每次通信传输的终止点不变,即只有一个终止点,即中心决策节点13。
前突侦察无人机11节点,即起始点(节点0)在某个时段响应n个区域中心节点12(无人机节点点集V=1,2,…,n),给其发送任务,最终送到中心决策节点13(记为节点n+1),区域中心节点12表示时间要求相同且通信位置相同的节点,每个区域中心节点12的增加数据量记为qi(i=1,2,……, n)(不允许拆分),其中qi>0。前突侦察无人机11节点、区域中心节点12 集合和中心决策节点13两两相邻节点i和节点j之间的距离表示为bij。假设不造成通信通道拥堵的情况下,每条传输通道除前突侦察无人机11发送的信息外,通信通道额外还能承载的信息量为Q(Q≥qi)。前突侦察无人机 11节点发送任务集合记为N,下标用k表示。[Min(i),Max(i)]是中心决策节点13期望各区域中心节点12信息到达中心决策节点13的最早到达时间和最迟到达时间的时间窗表示。
假设任意三点间的距离都满足三角不等式关系。λ>0是数据传输速度;假设通信在传输过程中不允许等待和延迟,忽略处理时间,任务到达区域中心节点12i的时间设为Ti(i∈V)。设V'为全部节点集(V'=0,1,2,…,n,n+1),即包括前突侦察无人机11节点,即起始点(节点0)、在某个时段响应n个区域中心节点12(区域无人机中心点集V=1,2,…,n),给其发送任务,以及最终送到中心决策节点13(记为节点n+1)。
建立无人机蜂群1实时性协同通信方式优化的数学模型如下(注:M是无穷大的数):
其中,k表示前突侦察无人机11发起的第k个通信任务,N(i,j)表示从区域中心节点i到区域中心节点j的通信任务,B表示节点之间构成的边的集合,aij表示两两节点之间的距离,表示前突侦察无人机11发起的通信任务k经过区域中心节点12i和j,表示前突侦察无人机11发起的通信任务k不经过区域中心节点12i和j;V表示无人机节点点集且 V=1,2,…,n,前突侦察无人机11节点为节点0,n为第n个区域中心节点12,n+1表示中心决策节点13,Zk表示前突侦察无人机是否发起通信任务,若Zk=1表示前突侦察无人机11发起第k个通信任务,若Zk=0表示前突侦察无人机11没有发起发起第k个通信任务;V'表示全部节点集且 V'=0,1,2,…,n,n+1;qj表示第j个区域中心节点12的增加数据量,Q表示通信通道额外还能承载的信息量;u表示区域中心节点u,tu表示到达节点 u的时间,au,n+1表示从区域中心节点u到中心决策节点n+1节点之间的距离,λ表示数据传输速度,M表示无穷大的数。
式(1)给出了通信路径最小的目标函数;等式(2)确保数据从前突侦察无人机11节点出发,到达区域中心节点12,到达中心决策节点13;式(3)保证每个区域中心节点12的信息被传输有且仅有一次;约束(4)是传输通道除去前突侦察无人机11发送的信息外,通信通道额外还能承载的信息量限制;式(5)是任务的出入度平衡;式(6)给出了最早到达中心决策节点13时间;式(7)给出了最迟到达中心决策节点13时间;(8)是0-1变量的逻辑关系。
假设传输通道除去前突侦察无人机11发送的信息外通信通道额外还能承载的信息量约束约定为Q,一般取经验值或者统计值,这里给出一个参考值4;区域中心节点12两两之间的距离bij通过平面坐标位置间点与点的欧氏距离计算。为方便起见,算法实现过程中的区域中心节点12用顺序序号表示。
针对带有实时性通信资源优化模型采用启发式算法完成对以上模型的求解,主要是求解目标函数的最小值。考虑到时间复杂度、空间复杂度影响。执行步骤如下:
步骤一:所有区域中心节点12构成集合B;
步骤二:以区域中心节点12集B中的第一个区域中心节点12为对象 a,将a与其它区域中心节点12进行比较,选出与a的时间窗有交集的所有其它区域中心节点12构成集合A;
步骤三:以集合A中的第一个区域中心节点12为对象c,将a与c比较,将a与c以及a与c的时间窗交集作为元素,得集合C;
步骤四,将集合A中的其它区域中心节点12的时间窗与集合C时间窗交集进行比较,如果有交集,则将该区域中心节点12存入集合C中作为与 a,c相关的对象,同时将新的交集作为集合C中与a,c相关对象的公共时间窗交集,继续查找,直至集合A中其它区域中心节点12与a,c相关对象的公共时间窗没有交集为止;
步骤五,从A中删除c,判断A是否为空,如果是,则转下步;否则,转步骤三;
步骤六,从集合B中删除a,判断B是否为空,如果是,则转步骤七;否则,转步骤二;
步骤七:最终得出的集合C作为区域中心节点12访问策略集;
步骤八:从区域中心节点12访问策略集中选择访问的节点数最多且通信线路最短的访问策略;
步骤九:从区域中心节点12访问策略集中删除包含上步选择的区域中心节点12的所有访问策略;
步骤十:如果当前的所有已选访问策略已经包含了全部区域中心节点 12,则停止,输出结果,否则转步骤八。
以下举例详细说明本发明的过程:
算法所需要的数据输入信息除了前突无人机节点坐标信息(这里取平面直角坐标系(0,0)点作为起点)和中心决策节点13坐标信息(这里取平面直角坐标系(500,500)点作为终点)外,还需要区域中心节点12坐标信息,中心决策节点13期望的从本无人机节点传输信息最早到达中心决策节点13时间和最迟到达中心决策节点13时间信息。为方便起见,所有区域中心节点12都用不同的自然数标识。其输入的基本格式和内容如表1 所示。
表1区域中心节点12数据输入格式及内容
需要输出的数据为区域中心节点12通信访问策略。输出的结果有所有区域中心节点12被访问的次序信息。
本案例以15个区域中心节点12为例说明整个过程的操作流程和执行结果,其具体内容如下所示。
由区域中心节点12数据路由策略得出的结果可知,实时性、经济性优化设计传输所需次数为6次:
通信传输次数一:传输次序为前突无人机节点->区域中心节点123->区域中心节点121->区域中心节点124->区域中心节点122->中心决策节点13,路由的路长净值是919,得到的从各区域中心节点12到达终点的时间窗为 00:00:30-00:00:30;
通信传输次数二:传输次序为前突无人机节点->区域中心节点129->区域中心节点1210->区域中心节点128->区域中心节点1211->中心决策节点13,调度的路长净值是943,从各区域中心节点12到达终点的时间窗为00: 05:00-00:05:00;
通信传输次数三:传输次序为前突无人机节点->区域中心节点1213-> 区域中心节点1215->区域中心节点1214->中心决策节点13,调度的路长净值是1178,从各区域中心节点12到达终点的时间窗为00:06:10-00:06: 50;
通信传输次数四:传输次序为前突无人机节点->区域中心节点127->区域中心节点126->中心决策节点13,调度的路长净值是1041,从各区域中心节点12到达终点的时间窗为00:04:00-00:04:30;
通信传输次数五:传输次序为前突无人机节点->区域中心节点125->中心决策节点13,调度的路长净值是736,从本区域中心节点12到达终点的时间窗为00:01:00-00:02:00;
通信传输次数六:传输次序为前突无人机节点->区域中心节点1212-> 中心决策节点13,调度的路长净值是775,从本区域中心节点12到达终点的时间窗为00:05:20-00:05:40。访问所有区域中心节点12所调度的路程总长度为5592。
结果优越性分析:区域中心节点12、前突无人机节点和中心决策节点13是由平面直角坐标系中的坐标点来表示的。以实时性、经济性路径优化设计传输次数一方案的传输过程为例,次数一中所调度的区域中心节点12 为区域中心节点121、区域中心节点122、区域中心节点123和区域中心节点124,而前突无人机节点->区域中心节点123->区域中心节点121->区域中心节点124->区域中心节点122->中心决策节点13的调度安排是这组调度安排中路程最短的一个(改变此组调度的区域中心节点12次序,如随机选择一个调度区域中心节点12安排,前突无人机节点->区域中心节点121-> 区域中心节点122->区域中心节点123->区域中心节点124->终点,则总路长1183,大于919,同理其它传输次序的总路长的计算,但计算的结果都大于或等于919)。而且该调度也是按无人机节点传输能力为4的调度组中调度安排的总路长最短的一个(选择其它调度路径数量为4的调度组,如随机选择一个调度安排,前突无人机节点->区域中心节点129->区域中心节点127->区域中心节点128->区域中心节点126->中心决策节点13,则总路长1127,大于919,同理其它组传输次序的总路长计算,但计算的结果都大于或等于919)。因此可以判断所选区域中心节点12调度排列顺序为较优结果。
通过以上技术方案,本发明提出了一种无人机蜂群1环境下具有实时性、经济性设计的实时性协同通信方式模型及策略,首先对一种无人机蜂群1实时性协同通信方式进行建模,然后通过启发式算法获得最优化结果。该算法有效地保证了在实时性基础上,资源利用的最优化。通过分析对比发现,该算法是对有实时性要求,容量限制的通信资源优化的最佳选择。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种无人机蜂群实时性协同通信方法,其特征在于,所述无人机蜂群包括通信连接的前突侦察无人机、各区域中心节点以及区域中心节点以外的其它节点、中心决策节点,前突侦察无人机在整个无人机蜂群的最前端,侦察信息并进行侦察信息的下发,中心决策节点在整个无人机蜂群的最末端,接收前突侦察无人机或区域中心节点的侦察信息,作出决策,并将决策部署发送给相应的区域中心节点和前突侦察无人机;所述协同通信方法包括:构建无人机蜂群实时性协同通信方式优化的数学模型,利用启发式算法求解模型结果,得到通信线路最短的访问策略,中心决策节点根据通信线路最短的访问策略对相应的区域中心节点和前突侦察无人机进行部署。
2.根据权利要求1所述的一种无人机蜂群实时性协同通信方法,其特征在于,所述无人机蜂群包括前突侦察无人机、各区域中心节点以及区域中心节点以外的其它节点、中心决策节点,前突侦察无人机在整个无人机蜂群的最前端,侦察信息并进行侦察信息的下发,随时接收来自中心决策节点发送的决策信息,以及各区域中心节点的信息请求;区域中心节点用于请求、接收和处理前突侦察无人机的侦察信息,与本区域其它节点进行通信,将前突侦察无人机侦察信息和本地信息进行融合处理后,发送给下一个区域中心节点或中心决策节点,并随时接收来自中心决策节点发送的决策信息;区域中心节点以外的其它节点,接收区域中心节点的决策部署,并向区域中心节点发送本地的侦察信息;中心决策节点在整个无人机蜂群的最末端,接收前突侦察无人机或区域中心节点的侦察信息,处理前面无人机传输过来的侦查信息,作出决策,并将决策部署发送给相应的区域中心节点和前突侦察无人机。
3.根据权利要求1所述的一种无人机蜂群实时性协同通信方法,其特征在于,所述协同通信过程的一次通信传输包括:从前突侦察无人机节点将自身侦察信息发送开始,到区域中心节点接收,并将本地信息和前突侦察无人机侦察信息打包发送给下一处需要的区域中心节点,直到打包信息到达中心决策节点为止。
4.根据权利要求1所述的一种无人机蜂群实时性协同通信方法,其特征在于,所述构建无人机蜂群实时性协同通信方式优化的数学模型,包括:
利用公式
构建无人机蜂群实时性协同通信方式优化的数学模型,其中,k表示前突侦察无人机发起的第k个通信任务,N(i,j)表示从区域中心节点i到区域中心节点j的通信任务,B表示节点之间构成的边的集合,aij表示两两节点之间的距离,表示前突侦察无人机发起的通信任务k经过区域中心节点i和j,表示前突侦察无人机发起的通信任务k不经过区域中心节点i和j;V表示无人机节点点集且V=1,2,…,n,前突侦察无人机节点为节点0,n为第n个区域中心节点,n+1表示中心决策节点,Zk表示前突侦察无人机是否发起通信任务,若Zk=1表示前突侦察无人机发起第k个通信任务,若Zk=0表示前突侦察无人机没有发起发起第k个通信任务;V'表示全部节点集且V'=0,1,2,…,n,n+1;qj表示第j个区域中心节点的增加数据量,Q表示通信通道额外还能承载的信息量;u表示区域中心节点u,tu表示到达节点u的时间,au,n+1表示从区域中心节点u到中心决策节点n+1节点之间的距离,λ表示数据传输速度,M表示无穷大的数。
5.根据权利要求4所述的一种无人机蜂群实时性协同通信方法,其特征在于,所述利用启发式算法求解模型结果,得到通信线路最短的访问策略,包括以下步骤:
步骤一:所有区域中心节点构成集合B;
步骤二:以区域中心节点集B中的第一个区域中心节点为对象a,将a与其它区域中心节点进行比较,选出与a的时间窗有交集的所有其它区域中心节点构成集合A;
步骤三:以集合A中的第一个区域中心节点为对象c,将a与c比较,将a与c以及a与c的时间窗交集作为元素,得集合C;
步骤四,将集合A中的其它区域中心节点的时间窗与集合C时间窗交集进行比较,如果有交集,则将该区域中心节点存入集合C中作为与a,c相关的对象,同时将新的交集作为集合C中与a,c相关对象的公共时间窗交集,继续查找,直至集合A中其它区域中心节点与a,c相关对象的公共时间窗没有交集为止;
步骤五,从A中删除c,判断A是否为空,如果是,则转下步;否则,转步骤三;
步骤六,从集合B中删除a,判断B是否为空,如果是,则转步骤七;否则,转步骤二;
步骤七:最终得出的集合C作为区域中心节点访问策略集;
步骤八:从区域中心节点访问策略集中选择访问的节点数最多且通信线路最短的访问策略;
步骤九:从区域中心节点访问策略集中删除包含上步选择的区域中心节点的所有访问策略;
步骤十:如果当前的所有已选访问策略已经包含了全部区域中心节点,则停止,输出结果,否则转步骤八。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210180429.8A CN114553302B (zh) | 2022-02-25 | 2022-02-25 | 一种无人机蜂群实时性协同通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210180429.8A CN114553302B (zh) | 2022-02-25 | 2022-02-25 | 一种无人机蜂群实时性协同通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114553302A true CN114553302A (zh) | 2022-05-27 |
CN114553302B CN114553302B (zh) | 2023-05-16 |
Family
ID=81678871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210180429.8A Active CN114553302B (zh) | 2022-02-25 | 2022-02-25 | 一种无人机蜂群实时性协同通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114553302B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320984A (zh) * | 2023-03-22 | 2023-06-23 | 扬州宇安电子科技有限公司 | 一种基于协作干扰的无人机安全通信系统及方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108268054A (zh) * | 2018-02-06 | 2018-07-10 | 哈尔滨工业大学 | 亚轨道蜂群飞行器分层式协同控制方法 |
CN109709980A (zh) * | 2018-12-27 | 2019-05-03 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
CN110267249A (zh) * | 2019-06-17 | 2019-09-20 | 山东师范大学 | 一种基于人工蜂群算法的灾后无人机基站部署方法及系统 |
CN110456815A (zh) * | 2019-07-04 | 2019-11-15 | 北京航空航天大学 | 一种基于行军蚁启发式智能的无人机集群协同定位方法 |
CN110782086A (zh) * | 2019-10-24 | 2020-02-11 | 山东师范大学 | 一种用于救援的带无人机车辆配送路径优化方法及系统 |
CN111626500A (zh) * | 2020-05-25 | 2020-09-04 | 南京航空航天大学 | 一种基于改进人工蜂群算法的路径规划方法 |
CN111970658A (zh) * | 2020-07-16 | 2020-11-20 | 西安理工大学 | 一种基于最优刚性图的无人机蜂群编队网络路由方法 |
CN112433856A (zh) * | 2020-12-04 | 2021-03-02 | 中国科学技术大学 | 无人机蜂群网去中心化自治决策方法 |
CN112651181A (zh) * | 2020-12-31 | 2021-04-13 | 西安大衡天成信息科技有限公司 | 一种基于零和博弈的雷达对抗策略建模与仿真方法 |
CN112698637A (zh) * | 2021-01-13 | 2021-04-23 | 广东轻工职业技术学院 | 一种多任务蜂群的协同资源调度算法 |
US20210125035A1 (en) * | 2019-10-28 | 2021-04-29 | International Business Machines Corporation | Cognitive decision platform for honey value chain |
CN112965527A (zh) * | 2021-02-16 | 2021-06-15 | 北京信息科技大学 | 基于改进人工蜂群算法的无人机编队拓扑生成优化方法 |
CN214101806U (zh) * | 2021-02-20 | 2021-08-31 | 成都金诺信高科技有限公司 | 一种移动目标间的无线同步系统 |
CN113448703A (zh) * | 2021-06-23 | 2021-09-28 | 桂林电子科技大学 | 一种基于感知阵型的无人机蜂群动态侦察任务调度系统及方法 |
WO2021194611A1 (en) * | 2020-03-25 | 2021-09-30 | Loon Llc | Recovery and test dispatchers for fleet management and flight planning systems |
CN113506040A (zh) * | 2021-08-05 | 2021-10-15 | 重庆大学 | 一种uav蜂群中面向高性能联邦学习的调度和资源分配方法 |
CN113778127A (zh) * | 2021-09-18 | 2021-12-10 | 中国人民解放军国防科技大学 | 基于遗传算法的无人机侦察路径规划方法及装置 |
CN113807591A (zh) * | 2021-09-22 | 2021-12-17 | 电子科技大学 | 一种通信距离受限的无人机集群站点协同优化部署方法 |
-
2022
- 2022-02-25 CN CN202210180429.8A patent/CN114553302B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108268054A (zh) * | 2018-02-06 | 2018-07-10 | 哈尔滨工业大学 | 亚轨道蜂群飞行器分层式协同控制方法 |
CN109709980A (zh) * | 2018-12-27 | 2019-05-03 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
CN110267249A (zh) * | 2019-06-17 | 2019-09-20 | 山东师范大学 | 一种基于人工蜂群算法的灾后无人机基站部署方法及系统 |
CN110456815A (zh) * | 2019-07-04 | 2019-11-15 | 北京航空航天大学 | 一种基于行军蚁启发式智能的无人机集群协同定位方法 |
CN110782086A (zh) * | 2019-10-24 | 2020-02-11 | 山东师范大学 | 一种用于救援的带无人机车辆配送路径优化方法及系统 |
US20210125035A1 (en) * | 2019-10-28 | 2021-04-29 | International Business Machines Corporation | Cognitive decision platform for honey value chain |
WO2021194611A1 (en) * | 2020-03-25 | 2021-09-30 | Loon Llc | Recovery and test dispatchers for fleet management and flight planning systems |
CN111626500A (zh) * | 2020-05-25 | 2020-09-04 | 南京航空航天大学 | 一种基于改进人工蜂群算法的路径规划方法 |
CN111970658A (zh) * | 2020-07-16 | 2020-11-20 | 西安理工大学 | 一种基于最优刚性图的无人机蜂群编队网络路由方法 |
CN112433856A (zh) * | 2020-12-04 | 2021-03-02 | 中国科学技术大学 | 无人机蜂群网去中心化自治决策方法 |
CN112651181A (zh) * | 2020-12-31 | 2021-04-13 | 西安大衡天成信息科技有限公司 | 一种基于零和博弈的雷达对抗策略建模与仿真方法 |
CN112698637A (zh) * | 2021-01-13 | 2021-04-23 | 广东轻工职业技术学院 | 一种多任务蜂群的协同资源调度算法 |
CN112965527A (zh) * | 2021-02-16 | 2021-06-15 | 北京信息科技大学 | 基于改进人工蜂群算法的无人机编队拓扑生成优化方法 |
CN214101806U (zh) * | 2021-02-20 | 2021-08-31 | 成都金诺信高科技有限公司 | 一种移动目标间的无线同步系统 |
CN113448703A (zh) * | 2021-06-23 | 2021-09-28 | 桂林电子科技大学 | 一种基于感知阵型的无人机蜂群动态侦察任务调度系统及方法 |
CN113506040A (zh) * | 2021-08-05 | 2021-10-15 | 重庆大学 | 一种uav蜂群中面向高性能联邦学习的调度和资源分配方法 |
CN113778127A (zh) * | 2021-09-18 | 2021-12-10 | 中国人民解放军国防科技大学 | 基于遗传算法的无人机侦察路径规划方法及装置 |
CN113807591A (zh) * | 2021-09-22 | 2021-12-17 | 电子科技大学 | 一种通信距离受限的无人机集群站点协同优化部署方法 |
Non-Patent Citations (3)
Title |
---|
QINGQING WU: "Fundamental Trade-offs in Communication and Trajectory Design for UAV-Enabled Wireless Network", 《 IEEE WIRELESS COMMUNICATIONS ( VOLUME: 26, ISSUE: 1, FEBRUARY 2019) 》 * |
SELCUK ASLAN: "Solving UAV Localization Problem with Artificial Bee Colony (ABC) Algorithm", 《2019 4TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND ENGINEERING (UBMK) 》 * |
刘冰: "基于群智能算法的无人机航迹规划研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320984A (zh) * | 2023-03-22 | 2023-06-23 | 扬州宇安电子科技有限公司 | 一种基于协作干扰的无人机安全通信系统及方法 |
CN116320984B (zh) * | 2023-03-22 | 2023-10-03 | 扬州宇安电子科技有限公司 | 一种基于协作干扰的无人机安全通信系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114553302B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boon et al. | Applications of polling systems | |
Cassará et al. | Orbital edge offloading on mega-LEO satellite constellations for equal access to computing | |
Hossain et al. | Multi-objective Harris hawks optimization algorithm based 2-Hop routing algorithm for CR-VANET | |
Jamil et al. | IRATS: A DRL-based intelligent priority and deadline-aware online resource allocation and task scheduling algorithm in a vehicular fog network | |
CN114339660B (zh) | 一种无人机集群随机接入方法 | |
Wang et al. | Radio resource allocation for bidirectional offloading in space-air-ground integrated vehicular network | |
Zheng et al. | A multi-channel load awareness-based MAC protocol for flying ad hoc networks | |
CN114553302B (zh) | 一种无人机蜂群实时性协同通信方法 | |
Paranthaman et al. | Exploiting resource contention in highly mobile environments and its application to vehicular ad-hoc networks | |
CN116582173B (zh) | 基于卫星的分布式网络处理数据的方法、装置及存储介质 | |
Li et al. | A software-defined networking roadside unit cloud resource management framework for vehicle ad hoc networks | |
CN109547345B (zh) | 一种软件定义机载网络系统及内容驱动的路由方法 | |
Liu et al. | A dependency-graph based priority assignment algorithm for real-time traffic over NoCs with shared virtual-channels | |
CN114268575A (zh) | 天地一体化信息网络中自适应立体传输方法及系统 | |
Panda et al. | An efficient virtual machine management algorithm for vehicular clouds | |
Niyato et al. | Exploiting mobility diversity in sharing wireless access: A game theoretic approach | |
Bousbaa et al. | GTSS-UC: a game theoretic approach for services' selection in UAV clouds | |
CN114071432A (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 | |
Ponda et al. | Ensuring network connectivity for decentralized planning in dynamic environments | |
Revah et al. | Improved bounds for data-gathering time in sensor networks | |
CN112543438A (zh) | 公交车联网的数据传输调度方法及装置 | |
Buckman | Decentralized task allocation for dynamic, time-sensitive tasks | |
Bernard | Interconnection of local computer networks: modeling and optimization problems | |
Jamhour | A symbolic model to traffic engineering in wireless mesh networks | |
CN115665041B (zh) | 片上网络结构、数据传输方法、电子设备及存储介质 |
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 |