CN116017783A

CN116017783A - 一种无人机辅助公共安全网络连通性保持方法

Info

Publication number: CN116017783A
Application number: CN202310007871.5A
Authority: CN
Inventors: 孙彦景; 王晶晶; 王斌; 王博文; 徐华; 仉鼎
Original assignee: China University of Mining and Technology CUMT
Current assignee: China University of Mining and Technology CUMT
Priority date: 2023-01-04
Filing date: 2023-01-04
Publication date: 2023-04-25

Abstract

本发明涉及一种无人机辅助公共安全网络连通性保持方法，包括：基于公共安全网络建立地面用户到未受损基站的数据传输网络模型，并建立无人机移动模型；通过所述网络模型与所述无人机移动模型，结合正交频分多址技术，保持无人机群与地面用户的通信。本发明在维护网络连通性的同时，最大化效用函数，利用代数连通性，即通过引入网络拓扑的Fiedler特征值，更新选择概率，从宏观和长期角度以确保无人机数据传输的可靠性，最终使无人机网络在覆盖、移动性和连通性之间实现更好的平衡。

Description

一种无人机辅助公共安全网络连通性保持方法

技术领域

本发明涉及动态网络通信技术领域，特别是涉及一种无人机辅助公共安全网络连通性保持方法。

背景技术

随着信息时代的来临和发展，我国每时每刻都发生着大量的数据交换。在自然灾害(例如：地震、台风、海啸等)来临时，可能会导致地面基础通信设施损毁。在基础设施缺乏或不完善的情况下，如因突发事件而损坏的基站，需要在极短的时间内恢复公共安全网络(Public Safety Network,PSN)以保障正常通信。在这样的公共安全网络中，确保有效的覆盖和可靠的信息传输是恢复公共安全通信系统运行的关键。

无人机凭借其具有灵活部署、无人化作业和能在危险空间飞行等特点提供实时通信服务，可以在很大程度上缓解通信中断等问题。一方面，无人机作为空中基站可以为地面用户提供实时、灵活的通信服务；另一方面，无人机可以作为辅助中继，能够提升地面通信设施的传输性能和覆盖范围。所以无人机在公共安全救援的通信服务中发挥着关键作用。特别是，由于任务的复杂性，无人机群通常以协作方式执行任务。为了使多个无人机能够协同工作，维护它们之间的连通性是至关重要的。为了在保证多跳链路连通性的情况下降低过高的路由开销，现有技术提出基于图论d跳的连通支配集(d-CDS)，为无人机群构建了虚拟骨干网(Virtual Backbone Network,VBN)。现有的一种基于模糊最优选择的多中继无人机选择方案，以通过利用历史检测信息和监视收益估计来解决监视任务和连通性维护之间的权衡。然而，在大规模无人机辅助公共安全网络场景中，很少讨论每架无人机在网络连通性方面的区别作用或具体贡献。例如，网络可能因某架无人机的高移动性和有限覆盖能力而断开连接，因此不能保证其通信的可靠性。

针对以上问题，本专利解决了公共安全网络中的一个典型问题，即无人机致力于覆盖尽可能多的地面用户(Ground Users,GUs)，同时确保可靠的数据传输。

发明内容

为了保证局部和整体网络的连通性，本发明提出了一种无人机辅助公共安全网络连通性保持方法，根据无人机的位置和覆盖范围设计了一种基于学习的角色选择机制，并通过引入网络拓扑的Fiedler特征值，更新选择概率，在从宏观和长期角度以确保无人机群数据传输的可靠性。

为实现上述目的，本发明提供了如下方案：

一种无人机辅助公共安全网络连通性保持方法，包括：

基于公共安全网络建立地面用户到未受损基站的数据传输网络模型，并建立无人机移动模型；

通过所述网络模型与所述无人机移动模型，结合正交频分多址技术，保持无人机群与地面用户的通信。

优选地，建立所述数据传输网络模型包括：

确定无人机的集合

以及地面用户的集合

并将所述公共安全网络中未受损的基站用u_N+1表示；

基于所述无人机的集合、所述地面用户的集合和所述未受损的基站形成的数据传输网络，构建图模型G＝(V,E)；其中V＝{u₁,u₂,...,u_N,u_N+1}表示包含N架无人机和一个未受损基站的节点集合，

表示边集的集合，当且仅当无人机u_i和无人机u_j之间建立了通信链路时，使得(u_i,u_j)∈E；

设Y₁表示所述图模型G的(N+1)×(N+1)邻接矩阵，当(u_i,u_j)∈E时，所述Y₁的第(i,j)个元素Y₁(i,j)值为1，否则值为0。

优选地，在所述数据传输网络模型中，无人机自主选择充当用于信息传输恢复的角色；其中，所述用于信息传输恢复的角色包括中继无人机、空中基站无人机和备用无人机。

优选地，所述中继无人机用于执行中继任务，并维持基站与其它无人机之间的连通性；所述空中基站无人机用于执行覆盖和服务任务，使地面用户暂时恢复通信。

优选地，建立所述无人机移动模型，包括：

确定所述无人机和所述地面用户的位置在每个时隙t内不变，将所述无人机在固定高度h_u处出发，记录所述无人机悬停和水平匀速移动的时间，构建所述无人机移动模型。

优选地，所述无人机移动模型为：

其中，β_i(t)是以

为圆心、R_mov为半径的圆上的均匀随机分布；R_mov表示每次空间位置变化的最大移动距离。

优选地，所述方法还包括：通过严格势博弈

对连通性进行维护，即存在全局函数F:

使

满足下式：

其中，

是玩家集合，

是玩家i的动作集，且

每个玩家i在每个时间步骤在

中选择一个动作a_i，使其最大化自己的期望效用函数U_i，即局部目标函数U_i:

a_-i表示除无人机i以外的无人机的动作情况；(a_i,a_-i)表示所有无人机的动作组合；F(a_i,a_-i)表示严格势博弈的势函数。

优选地，无人机i，即u_i，将其动作选择从a_i单方面改变为另一个动作a′_i的势函数F之差等于其自身效用函数U之差：

其中，a表示动作组合；在效用函数U_i中，C_i表示u_i服务地面用户的数量；

表示无人机i的邻居集，即能够向u_i成功传输信息的其它无人机；C_k指不在该邻居集中的无人机k服务地面用户的数量；x_i,j是一个二进制指示符；若在无人机i和其邻居集中的无人机j之间的重叠覆盖区域内，被服务用户的数量超过某个值N_c，则x_i,j的值为0，否则为1。

本发明的有益效果为：

本发明在维护网络连通性的同时，最大化效用函数(无人机服务地面用户的数量)，利用代数连通性，即通过引入网络拓扑的Fiedler特征值，更新选择概率，从宏观和长期角度以确保无人机数据传输的可靠性，最终使无人机网络在覆盖、移动性和连通性之间实现更好的平衡。

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为本发明实施例中公共安全网络结构示意图。

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。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本实施例考虑了一种应急救援场景。在此场景中，公共安全网络中的多个基站因自然灾害而受损，使用一组无人机群来实现从地面用户(GUs)到未受损基站的数据传输。设

为无人机的集合，其中N为无人机数量。

为GUs的集合，M表示GUs的数目。

为了简化问题，首先将PSN中未受损的一个BS用u_N+1表示。其次，用图G＝(V,E)来建模PSN中的数据传输，其中V＝{u₁,u₂,...,u_N,u_N+1}和

分别表示节点集和边集的集合，当且仅当u_i和u_j之间建立了通信链路时，使得(u_i,u_j)∈E。设Y₁表示图G的(N+1)×(N+1)邻接矩阵，当(u_i,u_j)∈E时，Y₁的第(i,j)个元素Y₁(i,j)值为1，否则值为0。无人机群的目标是尽可能覆盖多的地面用户。其中，地面用户的分布遵循密度为λ的独立齐次泊松点过程(Poisson Point Process,PPP)Φ。无人机最初均匀部署在目标区域的高度为h_u的位置。由于无人机的移动速度比地面用户快得多，因此可以假设地面用户相对于无人机静止。考虑到角色管理，无人机会自主选择充当用于信息传输恢复的三个角色中的其中一个，即中继无人机(Relay UAV,RU)、空中基站无人机(Air BS UAV,BU)和备用无人机(Standby UAV,SU)。三个角色无人机的功能定义如下：

中继无人机(Relay UAV,RU)：执行中继任务，并维持基站与其它无人机之间的连通性。

空中基站无人机(Air BS UAV,BU)：执行覆盖和服务任务，使地面用户暂时恢复通信。

备用无人机(Standby UAV,SU)：由于其网络拓扑不连通，对救援任务没有任何贡献。

综上所述，除备用无人机外，其它两个角色可以相互通信；只有空中基站无人机有能力覆盖地面用户。下文将三个角色的集合分别表示为

和

并将它们的相应数量分别表示为N_RU、N_BU和N_SU。

移动模型

根据P.K.Sharma的描述，本实施例中可以将无人机的运动分解为垂直运动和水平运动(空间偏移)。此外，当平均高度保持恒定时，垂直运动对无人机的覆盖率影响甚微。因此，可以将无人机的移动性模型简化为具有一定概率的水平运动。

假设无人机和地面用户的位置在每个时隙t内不变。具体而言，无人机首先在固定高度h_u处出发。接下来，它们面临这样的选择，即概率为p_T的悬停或概率为1-p_T的水平匀速移动。停留时间T_h遵循

的均匀分布。如果无人机决定水平移动，其新的空间位置将变为

其中，β_i(t)是以

为圆心、R_mov为半径的圆上的均匀随机分布。此外，R_mov表示每次空间位置变化的最大移动距离。

信道模型

为了确保无人机服务地面用户的服务质量(Quality of Experience,QoE)，采用了正交频分多址技术(Orthogonal Frequency Division Multiple Access,OFDMA)，因此忽略了不同链路之间的干扰。此外，本专利考虑由视距链路(Line of Sight,LoS)主导的空对空(Air-to-Air,A2A)和空对地(Air-to-Ground,A2G)无线信道中的自由空间路径损耗模型。加之该应用场景面向人口密集地区进行应急通信恢复，因此在本实施例中采用UMa-AVLOS信道模型。

u_i和u_j之间的路径损耗可以表示为：

其中，

表示无人机i和无人机j之间的相对距离。f_c表示载波频率。给定从u_j到u_i的传输功率p_i，则u_i处的信噪比(Signal to Noise Ratio,SNR)为：

其中，σ²表示噪声功率。

从u_j到u_i数据传输成功的条件是u_i处的信噪比不小于阈值γ_th。

因此，u_i的最大通信范围为：

如果

即u_i和u_j之间存在连通，则u_i到u_j的A2A链路成功建立。因此，无人机i的最大覆盖范围为：

因此，如果一个地面用户位于作为空中基站无人机i的覆盖范围内，则视为其可由u_i提供应急救援服务，即无人机服务的地面用户(UAV-served GU)。

优化问题

假设地面应急设备车非常接近无人机，则可以忽略充电过程。因此，在本场景中，本专利的重点是无人机群在一段时间内最大化无人机服务的地面用户数量。虽然无人机群具有部署灵活、覆盖能力大的特点，但由于它们之间的距离较远，可能会导致网络拓扑不连通，从而导致信息传输的不可靠性。因此，本专利的优化问题是在应急救援过程中维持网络连通性的同时最大化无人机服务的地面用户数量。同时施加一个约束，使得每个空中基站无人机u_i到未受损BS的传输链路跳数小于或等于h。以这种方式，将空中基站无人机u_i和未受损BS连通。因此，无人机群可以成功地为地面用户提供通信服务。定义：

其中，矩阵

的第(i,j)个元素

表示从u_i到u_j的跳数小于或等于路径数h。

此外，优化问题P的最优解为确定每个无人机

的角色r_i，其中r_i∈{RU,BU,SU}。

其中，N_GU表示通过无人机群最多h跳恢复通信的地面用户的数目。

基于严格势博弈的无人机辅助覆盖及连通性维护

优化问题目标P实质上是一个组合问题，也是一个NP-hard问题。本专利期望无人机群能获得次优解，即在实时部署时，为尽可能更多的地面用户提供服务。因此，本专利提出了一种机制，其中无人机群和地面用户的位置在网络的每个快照中都是固定的。当然，还将在数百张网络快照中验证本专利所提方法的有效性。以下将给出所提出算法的细节。

首先，通过引入严格势博弈，将形成离散动作空间的角色视为无人机(玩家)的策略，包括r(1)(RU)、r(2)(BU)和r(3)(SU)。势函数类似于向量场分析中势的概念，它在严格势博弈中符合以下定义：

定义1(严格势博弈)：称博弈

为严格势博弈的条件为，存在全局函数F:

使

且

其中，

是玩家的集合。

是玩家i的一个动作集，且

每个玩家i在每个时间步骤选择一个动作

使其最大化自己的期望效用，即局部目标函数U_i:

定义2(严格势博弈的纳什均衡(Nash Equilibrium，NE))：动作集

被称为纳什均衡的条件为：当且仅当，

定义2表示当博弈达到纳什均衡，当其它玩家保持动作不变时，没有任何一个玩家可以通过改变其动作来获益。在本专利中，P表示无人机集合

a_i和a′_i属于动作空间

表示无人机i的角色选择。a_-i表示除无人机i以外的无人机的动作情况。(a_i,a-_i)表示所有无人机的动作组合。U_i表示无人机i的效用函数。F(a_i,a_-i)表示严格势博弈的势函数。

考虑到主要优化目标是最大化无人机服务的地面用户数量，将效用函数U_i(a)定义为：

其中，C_i表示无人机u_i服务地面用户的数量。

表示无人机u_i的邻居集，即能够向u_i成功传输信息的其它无人机。x_i,j是一个二进制指示符。如果在无人机i和无人机j之间的重叠覆盖区域内，被服务用户的数量超过某个值N_c，则x_i,j的值为0，否则为1。也就是说，本专利对较小的重叠覆盖率给予奖励。因此，无人机更倾向于选择能够实现最大化无人机服务的地面用户数量以及在可接受重叠覆盖范围内的角色。并且，这种机制还可以调整无人机群的部署密度，例如，空中基站无人机可以尽可能分散部署以实现总体拓扑上更大的覆盖，这有助于促进覆盖和连通性之间更好的平衡。

本专利考虑以下势函数F：

接着，通过将等式(10)和(11)代入等式(8)，证明如下。

无人机i将其动作选择从a_i单方面改变为a_i′的势函数之差为：

其中，a表示动作组合。当无人机k不是无人机i的邻居时，其动作不会发生变化，因此等式(12)的第4行等于0。当无人机服务的用户数超过N_c时，x_i,j为0，等式(12)的第2行等于0，并且无人机i的动作切换对集合

中的无人机没有影响。否则，如果x_i,j为1，则第3行等于0，第二行显示了无人机i的动作切换所带来的积极影响。因此，该函数设计符合EPG模型。

至于救援任务，尽管选择中继无人机角色的一些无人机可能会牺牲掉部分覆盖，但它们在网络连通性维护和能量消耗方面做出了贡献。在时隙t-1选择动作后，无人机将根据以下策略在时隙t选择动作：

其中，ζ≥0是无人机选择次优动作的探索参数。如果ζ＝0，u_i将随机等概率选择动作

否则，如果ζ→∞，它将以概率为1选择最佳响应动作。然而，由于备用无人机角色的存在，角色选择可能会导致网络失去连通。因此，将等式(13)中的ζ替换为

其中λ₂来源于

即多无人机网络拓扑的代数连通性。

为了更直观地表示角色选择产生的拓扑结构，首先构造一个图G＝(V,E)中的子图G^sub＝(V^g,E^g)，其中V^g＝V\SU并且E^g＝E∩V^g×V^g。设n是V^g的势，则

g₁＜g₂＜...＜g_n＝N+1。设Y₂是G^sub的n×n邻接矩阵，则Y₂的第(i,j)个元素y_i,j由下式给出：

y_i,j＝Y₁(g_i,g_j) (14)

G^sub的拉普拉斯矩阵为：

该拉普拉斯矩阵的第二小特征值(Feidler特征值)

表示拓扑图G^sub的代数连通性。由于PSN连通性的充要条件是

因此，为了满足等式(7)中的约束条件，将代数连通性

转化为λ₂：

在上述转化操作之后，将无人机的理性因子ζ替换为

一方面，如果

说明时隙t-1的拓扑连通性(除了备用无人机以外)保持良好。因此，无人机倾向于以更高的概率再次选择与当前相同的动作。连通性越高，动作组合持续的概率就越大。另一方面，如果

等于0或接近0，无人机将重新以等概率的方式选择角色动作以摆脱当前不连通的拓扑结构。因此，所设计的策略与效用函数使得所有中继无人机和空中基站无人机都能与未受损BS通过多跳连接，不仅更严格地了满足P的连通性约束，而且避免了无人机盲目地追求覆盖。算法1是基于严格势博弈的无人机辅助救援最大化覆盖及连通性维护算法(EPGCAC)的伪代码，如下表1：

表1

本发明解决了公共安全网络中的一个典型问题，即无人机致力于覆盖尽可能多的地面用户(Ground Users,GUs)，同时确保可靠的数据传输。为了保证局部和整体网络的连通性，本发明提出了一种基于严格势博弈(Exact Potential Game,EPG)的无人机辅助救援覆盖最大化连通性维护算法(EPG Based Coverage Maximization Algorithm withConnectivity Preservation for UAV-assisted Rescue,EPGCAC)。其中，根据无人机的位置和覆盖范围设计了一种基于学习的角色选择机制，并通过引入网络拓扑的Fiedler特征值，更新选择概率，在从宏观和长期角度以确保无人机群数据传输的可靠性。

以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。