CN117042014B - 一种兼顾速率和安全的无人机自组网多路径传输方法 - Google Patents
一种兼顾速率和安全的无人机自组网多路径传输方法 Download PDFInfo
- Publication number
- CN117042014B CN117042014B CN202311302796.1A CN202311302796A CN117042014B CN 117042014 B CN117042014 B CN 117042014B CN 202311302796 A CN202311302796 A CN 202311302796A CN 117042014 B CN117042014 B CN 117042014B
- Authority
- CN
- China
- Prior art keywords
- path
- optimization
- model
- node
- representing
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 145
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 241000257303 Hymenoptera Species 0.000 claims description 18
- 239000003016 pheromone Substances 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008054 signal transmission Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 abstract description 18
- 238000004891 communication Methods 0.000 abstract description 14
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- 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
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种兼顾速率和安全的无人机自组网多路径传输方法，包括：建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延；以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，建立第一优化问题模型；将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型；使用蚁群优化算法分步骤对第二优化问题模型进行求解，并根据求解结果确定最大吞吐量路径以及对应的带宽分配。通过本发明能够对无人机自组网多路径传输过程中，对有限的带宽资源进行复用，并优化多路径选择与带宽分配策略，使得在限制端到端时延的情况下，最大化端到端吞吐量，最终兼顾了通信速率和通信安全。
Description
技术领域
本发明属于通信规划技术领域，具体涉及一种兼顾速率和安全的无人机自组网多路径传输方法。
背景技术
无人机自组网是无中心、自组织的多跳网络，其不同于传统的基站中心网络，具有高动态性、拓扑多变性，在战术通信、应急通信方面发挥重要作用。在通信过程中，物理层安全（Physical Layer Security, PLS）作为传统的应用层安全手段的补充或替代，能够克服传统的应用层安全在计算能力快速增长下的安全隐患。PLS的本质是从信息论的角度出发，充分利用无线信道的传播特性，而不需要密钥的设计与分发，更能适应大规模、分散分布的无线通信网络。
无人机自组网通信具有高动态的拓扑结构和无中心的自组织特性。由于无线信道的开放特性和多跳网络的广泛覆盖范围，网络受到恶意窃听节点攻击的可能性大大增加。当网络规模逐渐增大时，将受到极大的窃听威胁，因此安全传输策略成为了重中之重。传统的安全传输方案主要考虑在窃听者位置已知或符合概率分布的情况下，基于物理层安全理论设计单路径安全路由。然而单路径传输仅仅依赖于单条路径不被窃听的可能性，抗风险能力较低。传统的单路径传输策略，技术方法主要包含两种。第一种是假设已知窃听者分布下，通过推导安全概率的闭式表达式，得到安全选路的指标。第二种是通过节点之间的路由交互协议保障安全性。同时，多路径安全传输的研究虽然较少，仍有所进展。部分研究使用了随机化的多路径选取方式，其他研究在路由发现过程中融合了安全性考量。多路径传输能够结合秘密拆分的技术，使同一个秘密经过多条路径传输到目的节点，原始秘密被恢复的前提是节点正确接收所有的份额。所以，多路径传输可以提高单路径传输的安全性能。
但是多路径传输过程中当自组网节点规模增加时，自组网的链路规模呈现指数级别的增长。并且，通信的带宽资源往往是有限的。因此，需要对有限的带宽资源进行复用，并优化多路径选择与带宽分配策略，使得在限制端到端时延的情况下，最大化端到端吞吐量。
发明内容
有鉴于此，本发明的目的在于提供一种兼顾速率和安全的无人机自组网多路径传输方法，能够对无人机自组网多路径传输过程中，对有限的带宽资源进行复用，并优化多路径选择与带宽分配策略，使得在限制端到端时延的情况下，最大化端到端吞吐量，从而兼顾了通信速率和通信安全。
为达到上述目的，本发明提供如下技术方案：
本发明所提供的一种兼顾速率和安全的无人机自组网多路径传输方法，包括：
建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延；
以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型；
根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型；
使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配。
优选的，建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延包括：
构建以L个合法节点表示的无人机自组网通行系统模型，其中，合法节点的集合表示为，/>为第i个合法节点；
假设窃听者窃听行为服从PPP分布，其窃听节点的集合表示为，其中/>表示为第j个窃听者节点；
在无人机自组网通行系统模型中设定信息采用M条不同的路径从源节点发送到目的节点，路径集合表示为共M个元素，每个元素代表一条路径，对于第m条路径/>，将其表示为/>，其中/>表示第m条路径中合法节点总个数以及路径长度，/>表示第m条路径中第/>个合法节点；
分别设定第m条路径中合法节点i和合法节点i+1之间的距离以及信道系数/>；
分别设定第m条路径中合法节点i和窃听节点j之间的距离和信道系数；
分别设定所有节点的信号发送功率为，噪声平均功率为/>，并分别通过以下公式计算表示合法节点与合法节点之间的接收SNR，以及合法节点与窃听节点之间的接收SNR；
式中，以及/>均表示第m条路径中合法节点i与合法节点i+1之间的接收SNR，/>以及/>均表示第m条路径中合法节点i与窃听节点j之间的接收SNR;/>表示预设的信道的路径损耗因子；
设定在多条路径中使用频分多路复用FDM技术进行通信，并在每一条路径中使用互不重叠的频率带宽资源且使用TDMA的方式进行信号传输，将传输过程中每一秒划分为个时隙；
设定数据包到达各个合法节点的过程遵循批量伯努利过程，在该过程中s个数据包以概率到达源节点发送缓冲区中，并确定其平均到达速率/>；
对于每一条路径，规定平均到达速率符合公式：
式中，表示第m条路径所分配的带宽，packetlength表示物理层数据帧长度；
基于平均到达速率，设定传输误包率为，单次最大数据包个数为/>，并推导出单个合法节点的队列状态转移矩阵：
其中，表示第i个合法节点的队列状态转移矩阵，/>表示队列从长度/>转移到/>的转移概率，/>表示第i个合法节点内的最大队列长度或者缓冲区长度，根据稳态方程：
得到第i个合法节点对应的稳态状态，其中/>表示第i个合法节点的队列长度为/>的概率；
通过以下公式计算数据包在单个合法节点的时延：
其中，表示第m条路径中第i个合法节点的时延，/>表示第i个节点的平均到达速率，/>表示为第i个合法节点内的缓存区溢出概率，基于单个合法节点的时延计算端到端的传输总时延：
式中，表示第m条路径中端到端的传输总时延；
对多路径的安全连接概率SCP进行推导，确定M路的安全连接概率SCP为：
式中，表示M路的安全连接概率SCP；/>表示对窃听者的分布求期望，表示第m条路径中，合法节点k与窃听者j的距离；
由于窃听者窃听行为服从PPP分布的性质，用表示窃听者的PPP分布密度，/>表示窃听者j的位置，基于以下公式，即PPP分布的概率生成函数，将/>期望转化为积分：
因此，安全连接概率SCP可以进行数值计算。
优选的，以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型包括：
定义M路情况下的端到端吞吐量计算公式：
其中，表示M路情况下的端到端吞吐量，/>表示第m条路下，目的节点的平均到达速率，也即吞吐量；
基于无人机自组网多路径传输模型，建立时延和安全连接概率SCP约束下的吞吐量最大化的第一优化问题模型：
其中，表示优化目标，即通过优化M路的带宽分配/>和多路径选择/>来最大化多路径的吞吐量总和，/>中的s.t.表示须满足以下几个条件，包括时延约束，即多路径中最大的时延要小于给定的数值/>，表示安全连接概率SCP约束，即多路径的安全连接概率SCP要大于给定的数值，/>表示M条路径的总带宽分配小于等于系统可用带宽B，/>表示第i条路径的带宽分配，/>表示多路径之间相交的节点仅限于源节点/>和目的节点/>。
优选的，根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型包括：
根据第一优化问题模型，建立上层优化模型：
其中表示上层优化模型的优化目标为在优化了带宽分配/>的前提下，通过优化选路/>来达到与第一优化问题模型相同的最大化多路径的吞吐量总和；
根据第一优化问题模型以及上层优化模型，建立下层优化模型：
其中，表示下层优化模型的优化目标为在给定了所选择的路径的前提下，通过优化带宽分配/>来最大化多路径的吞吐量总和；
利用上层优化模型以及下层优化模型进行交替迭代，形成第二优化问题模型。
优选的，使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配包括：
利用第一蚁群优化算法对上层优化模型进行求解，求解过程如下：
步骤S411、确定应用DFS初始化可行多路径集合；
步骤S412、对蚁群进行初始化，并使多路径的安全连接概率SCP要大于给定的数值；
步骤S413、设定当前迭代次数为0，预设第一最大迭代次数；
步骤S414、判断当前迭代次数是否小于预设的第一最大迭代次数，若否则输出最大吞吐量的路径和对应的带宽分配；
步骤S415、若是，则对于每个位置的蚂蚁进入下层优化模型求解，计算信息素并移动位置；
步骤S416、对于每个位置的蚂蚁进行局部搜索；
步骤S417、对全局信息素进行更新；
步骤S418、当前迭代次数加1并进入步骤S414至步骤S418中的循环工作；
利用第二蚁群优化算法对下层优化模型进行求解，求解过程如下：
步骤S421、对蚁群进行初始化，并使带宽分配小于等于系统可用带宽B，以及多路径中最大的时延小于给定的数值；
步骤S422、设定当前迭代次数为0，预设第二最大迭代次数；
步骤S423、判断当前迭代次数是否小于预设的第二最大迭代次数，若否则输出给定路径下最大吞吐量对应的带宽分配；
步骤S424、对于每个位置的蚂蚁，计算其局部吞吐量以及信息素并移动其位置；
步骤S425、对于每个位置的蚂蚁进行局部搜索；
步骤S426、对全局信息素进行更新；
步骤S427、当前迭代次数加1并进入步骤S423至步骤S427中的循环工作；
根据第一蚁群优化算法的输出结果，确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配。
本发明至少取得了以下有益效果：
1. 开创性地在无人机自组网通信中，使用理论推导分析选择安全的多路径数据传输，并通过优化带宽分配实现在端到端时延约束下最大化端到端吞吐量，相对于传统方法的安全性评价有了更精确的理论参考，从而在兼顾了通信速率和通信安全的因素下最终实现对无人机自组网通信过程中多路径的路径选择以及带宽分配的优化工作。
2. 实现将复杂耦合的第一优化问题模型进行分解工作，上层优化和下层优化交替迭代，将原问题转化为可解的子问题，得到一个可解的两层交替迭代的第二优化问题模型。
3. 利用蚁群优化算法实现对两层优化模型的分步骤求解，得到优选的无人机自组网通信过程中多路径的路径选择以及带宽分配。
本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明实施例中一种兼顾速率和安全的无人机自组网多路径传输方法的步骤流程图；
图2为本发明实施例中无人机自组网多路径传输模型的结构示意图；
图3为本发明实施例中上层优化模型问题求解的步骤流程图；
图4为本发明实施例中下层优化模型问题求解的步骤流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明主要通过针对窃听者服从泊松点过程分布（Possion Point Process,PPP）下，利用秘密共享机制进行多路径传输的安全连接概率（Secure ConnectionProbability, SCP）可以根据推导和近似得出。此后，利用路径组成的串联队列进行数据包时延分析，可以得出端到端时延和吞吐量。以吞吐量最大化形成优化问题，约束条件为带宽资源和SCP约束。对优化问题进行分解，形成两阶段交替优化，可以对原问题进行等价求解。
本发明所提供的本发明所提供的一种兼顾速率和安全的无人机自组网多路径传输方法，参照图1，包括：
步骤S1、建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延；
步骤S2、以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型；
步骤S3、根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型；
步骤S4、使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配。
上述技术方案的工作原理和有益效果为：通过建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延；以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型；根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型；使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配。本发明开创性地在无人机自组网通信中，使用理论推导分析选择安全的多路径数据传输，并通过优化带宽分配实现在端到端时延约束下最大化端到端吞吐量，相对于传统方法的安全性评价有了更精确的理论参考，从而在兼顾了通信速率和通信安全的因素下最终实现对无人机自组网通信过程中多路径的路径选择以及带宽分配的优化工作。
在一个具体实施例中，参照图2，建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延包括：
构建以L个合法节点表示的无人机自组网通行系统模型，其中，合法节点的集合表示为，/>为第i个合法节点；
假设窃听者窃听行为服从PPP分布，其窃听节点的集合表示为，其中/>表示为第j个窃听者节点；
在无人机自组网通行系统模型中设定信息采用M条不同的路径从源节点发送到目的节点，路径集合表示为共M个元素，每个元素代表一条路径，对于第m条路径/>，将其表示为/>，其中/>表示第m条路径中合法节点总个数以及路径长度，/>表示第m条路径中第/>个合法节点；
分别设定第m条路径中合法节点i和合法节点i+1之间的距离以及信道系数/>；
分别设定第m条路径中合法节点i和窃听节点j之间的距离和信道系数；
分别设定所有节点的信号发送功率为，噪声平均功率为/>，并分别通过以下公式计算表示合法节点与合法节点之间的接收SNR，以及合法节点与窃听节点之间的接收SNR；
式中，以及/>均表示第m条路径中合法节点i与合法节点i+1之间的接收SNR，/>以及/>均表示第m条路径中合法节点i与窃听节点j之间的接收SNR；/>表示预设的信道的路径损耗因子；
设定在多条路径中使用频分多路复用FDM技术进行通信，并在每一条路径中使用互不重叠的频率带宽资源且使用TDMA的方式进行信号传输，将传输过程中每一秒划分为个时隙；
设定数据包到达各个合法节点的过程遵循批量伯努利过程，在该过程中s个数据包以概率到达源节点发送缓冲区中，并确定其平均到达速率/>；
对于每一条路径，规定平均到达速率符合公式：
式中，表示第m条路径所分配的带宽，packetlength表示物理层数据帧长度；
基于平均到达速率，设定传输误包率为，单次最大数据包个数为/>，并推导出单个合法节点的队列状态转移矩阵：
其中，表示第i个合法节点的队列状态转移矩阵，/>表示队列从长度/>转移到/>的转移概率，/>表示第i个合法节点内的最大队列长度或者缓冲区长度，根据稳态方程：
得到第i个合法节点对应的稳态状态，其中/>表示第i个合法节点的队列长度为/>的概率；
通过以下公式计算数据包在单个合法节点的时延：
其中，表示第m条路径中第i个合法节点的时延，/>表示第i个节点的平均到达速率，/>表示为第i个合法节点内的缓存区溢出概率，基于单个节点的时延计算端到端的传输总时延：
式中，表示第m条路径中源节点端到目标节点端的传输总时延；
对多路径的安全连接概率SCP进行推导，确定M路多路径传输的安全连接概率SCP为：
式中，表示M路的安全连接概率SCP；/>表示对窃听者的分布求期望，表示第m条路径中，合法节点k与窃听者j的距离；
该公式表达了多路径SCP与窃听者分布的期望以及具体的路径长度所具有的关系；
由于窃听者窃听行为服从PPP分布的性质，用表示窃听者的PPP分布密度，/>表示窃听者j的位置，基于以下公式，即PPP分布的概率生成函数，将/>期望转化为积分：
由此，对于给定的路径数M，可以对SCP进行数值计算。
上述技术方案的工作原理为：通过构建无人机自组网通行系统模型，基于多路径安全性理论推导，使用频分多址（Frequency-division Multiplexing, FDM）技术，假设窃听者服从PPP分布，应用物理层安全理论，以SCP作为标准推导闭式表达式。在带宽分配方面，基于时分多址接入（Time Division Multiple Access, TDMA）求解串联马尔科夫链（Markov Chain, MC）的稳态方程，从而推导得出端到端的时延和吞吐量，最终实现对无人机自组网多路径传输模型的构建，并推导出了多路径的安全连接概率SCP和端到端时延。
在一个具体实施例中，以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型包括：
定义M路多路径传输情况下的端到端吞吐量计算公式：
其中，表示M路情况下的源节点端到目标节点端的吞吐量，/>表示第m条路下，目的节点的平均到达速率，也即目标节点所接收来自第m条路径下的吞吐量；
基于无人机自组网多路径传输模型，建立时延和安全连接概率SCP约束下的吞吐量最大化的第一优化问题模型：
其中，表示优化目标，即通过优化M路的带宽分配/>和多路径选择/>来最大化多路径的吞吐量总和，/>中的s.t.表示须满足以下几个条件，包括时延约束，即多路径中最大的时延要小于给定的数值/>，表示安全连接概率SCP约束，即多路径的安全连接概率SCP要大于给定的数值/>，/>表示M条路径的总带宽分配小于等于系统可用带宽B，/>表示第i条路径的带宽分配，/>表示多路径之间相交的节点仅限于源节点/>和目的节点/>。
上述技术方案的有益效果为：实现以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，建立以带宽分配和路径选择为优化变量的第一优化问题模型。
在一个具体实施例中，根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型包括：
根据第一优化问题模型，建立上层优化模型：
其中表示上层优化模型的优化目标为在优化了带宽分配/>的前提下，通过优化选路/>来达到与第一优化问题模型相同的最大化多路径的吞吐量总和；
根据第一优化问题模型以及上层优化模型，建立下层优化模型：
其中，表示下层优化模型的优化目标为在给定了所选择的路径的前提下，通过约束带宽分配和时延，优化带宽分配/>来最大化多路径的吞吐量总和；
利用上层优化模型以及下层优化模型进行交替迭代，形成第二优化问题模型。
上述技术方案的有益效果为：第一优化问题模型的优化变量是彼此耦合的，因为带宽分配的前提是已经完成选路。因此，需要对优化问题进行等价转化、分解。通过本发明实施例实现将复杂耦合的第一优化问题模型进行分解工作，上层优化和下层优化交替迭代，将原问题转化为可解的子问题，得到一个可解的两层交替迭代的第二优化问题模型。
在一个具体实施例中，参照图3和图4，使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配包括：
利用第一蚁群优化算法对上层优化模型进行求解，求解过程如下：
步骤S411、确定应用DFS初始化可行多路径集合；
步骤S412、对蚁群进行初始化，并使多路径的安全连接概率SCP要大于给定的数值；
步骤S413、设定当前迭代次数为0，预设第一最大迭代次数；
步骤S414、判断当前迭代次数是否小于预设的第一最大迭代次数，若否则输出最大吞吐量的路径和对应的带宽分配；
步骤S415、若是，则对于每个位置的蚂蚁进入下层优化模型求解，计算信息素并移动位置；
步骤S416、对于每个位置的蚂蚁进行局部搜索；
步骤S417、对全局信息素进行更新；
步骤S418、当前迭代次数加1并进入步骤S414至步骤S418中的循环工作；
利用第二蚁群优化算法对下层优化模型进行求解，求解过程如下：
步骤S421、对蚁群进行初始化，并使带宽分配小于等于系统可用带宽B，以及多路径中最大的时延小于给定的数值；
步骤S422、设定当前迭代次数为0，预设第二最大迭代次数；
步骤S423、判断当前迭代次数是否小于预设的第二最大迭代次数，若否则输出给定路径下最大吞吐量对应的带宽分配；
步骤S424、对于每个位置的蚂蚁，计算其局部吞吐量以及信息素并移动其位置；
步骤S425、对于每个位置的蚂蚁进行局部搜索；
步骤S426、对全局信息素进行更新；
步骤S427、当前迭代次数加1并进入步骤S423至步骤S427中的循环工作；
根据第一蚁群优化算法的输出结果，确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配。
上述技术方案的有益效果为：上层优化问题和下层优化问题都是在可行域内的寻优问题，借助蚁群优化算法来求解，利用蚁群优化算法实现对两层优化模型的分步骤求解，得到优选的无人机自组网通信过程中多路径的路径选择以及带宽分配。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (2)
1.一种兼顾速率和安全的无人机自组网多路径传输方法，其特征在于，包括：
建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延；
以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型；
根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型；
使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配；
所述建立无人机自组网多路径传输模型并推导多路径的安全连接概率SCP和端到端时延包括：
构建以L个合法节点表示的无人机自组网通行系统模型，其中，合法节点的集合表示为，/>为第i个合法节点；
假设窃听者窃听行为服从PPP分布，其窃听节点的集合表示为，其中表示为第j个窃听者节点；
在无人机自组网通行系统模型中设定信息采用M条不同的路径从源节点发送到目的节点，路径集合表示为共M个元素，对于第m条路径/>，将其表示为 ，其中/>表示第m条路径中合法节点总个数，/>表示第m条路径中第/>个合法节点；
分别设定第m条路径中合法节点i和合法节点i+1之间的距离以及信道系数；
分别设定第m条路径中合法节点i和窃听节点j之间的距离和信道系数/>；
分别设定所有节点的信号发送功率为，噪声平均功率为/>，并分别通过以下公式计算表示合法节点与合法节点之间的接收SNR，以及合法节点与窃听节点之间的接收SNR；
式中，以及/>均表示第m条路径中合法节点i与合法节点i+1之间的接收SNR，/>以及/>均表示第m条路径中合法节点i与窃听节点j之间的接收SNR；/>表示预设的信道的路径损耗因子；
设定在多条路径中使用频分多路复用FDM技术进行通信，并在每一条路径中使用互不重叠的频率带宽资源且使用TDMA的方式进行信号传输，将传输过程中每一秒划分为个时隙；
设定数据包到达各个合法节点的过程遵循批量伯努利过程，在该过程中s个数据包以概率到达源节点发送缓冲区中，并确定其平均到达速率/>；
对于每一条路径，规定平均到达速率符合公式：
式中，表示第m条路径所分配的带宽，packetlength表示物理层数据帧长度；
基于平均到达速率，设定传输误包率为，单次最大数据包个数为/>，并推导出单个合法节点的队列状态转移矩阵：
其中，表示第i个合法节点的队列状态转移矩阵，/>表示队列从长度/>转移到/>的转移概率，/>表示第i个合法节点内的最大队列长度或者缓冲区长度，根据稳态方程：
得到第i个合法节点对应的稳态状态，其中/>表示第/>个合法节点的队列长度为/>的概率；
通过以下公式计算数据包在单个合法节点的时延：
其中，表示第m条路径中第i个合法节点的时延，/>表示第i个节点的平均到达速率，/>表示为第i个合法节点内的缓存区溢出概率，基于单个合法节点的时延计算端到端的传输总时延：
式中，表示第m条路径中端到端的传输总时延；
对多路径的安全连接概率SCP进行推导，确定M路的安全连接概率SCP为：
式中，表示M路的安全连接概率SCP；/>表示对窃听者的分布求期望，/>表示第m条路径中，合法节点k与窃听者j的距离；
所述以最大化无人机自组网多路径传输模型的端到端吞吐量为目标约束时延和安全连接概率SCP，并建立以带宽分配和路径选择为优化变量的第一优化问题模型包括：
定义M路情况下的端到端吞吐量计算公式：
其中，表示M路情况下的端到端吞吐量，/>表示第m条路下，目的节点的平均到达速率，也即吞吐量；
基于无人机自组网多路径传输模型，建立时延和安全连接概率SCP约束下的吞吐量最大化的第一优化问题模型：
其中，表示优化目标，即通过优化M路的带宽分配/>和多路径选择/>来最大化多路径的吞吐量总和，/>中的s.t.表示须满足以下几个条件，包括时延约束，即多路径中最大的时延要小于给定的数值/>，表示安全连接概率SCP约束，即多路径的安全连接概率SCP要大于给定的数值，/>表示M条路径的总带宽分配小于等于系统可用带宽B，/>表示第i条路径的带宽分配，/>表示多路径之间相交的节点仅限于源节点/>和目的节点/>；
所述根据优化变量的前后耦合关系，将第一优化问题模型等价分解为一个两层交替迭代的第二优化问题模型包括：
根据第一优化问题模型，建立上层优化模型：
其中表示上层优化模型的优化目标为在优化了带宽分配/>的前提下，通过优化选路/>来达到与第一优化问题模型相同的最大化多路径的吞吐量总和；
根据第一优化问题模型以及上层优化模型，建立下层优化模型：
其中，表示下层优化模型的优化目标为在给定了所选择的路径的前提下，通过优化带宽分配/>来最大化多路径的吞吐量总和；
利用上层优化模型以及下层优化模型进行交替迭代，形成第二优化问题模型。
2.根据权利要求1所述的一种兼顾速率和安全的无人机自组网多路径传输方法，其特征在于，所述使用蚁群优化算法分步骤对第二优化问题模型进行求解得到求解结果，并根据求解结果确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配包括：
利用第一蚁群优化算法对上层优化模型进行求解，求解过程如下：
步骤S411、确定应用DFS初始化可行多路径集合；
步骤S412、对蚁群进行初始化，并使多路径的安全连接概率SCP要大于给定的数值；
步骤S413、设定当前迭代次数为0，预设第一最大迭代次数；
步骤S414、判断当前迭代次数是否小于预设的第一最大迭代次数，若否则输出最大吞吐量的路径和对应的带宽分配；
步骤S415、若是，则对于每个位置的蚂蚁进入下层优化模型求解，计算信息素并移动位置；
步骤S416、对于每个位置的蚂蚁进行局部搜索；
步骤S417、对全局信息素进行更新；
步骤S418、当前迭代次数加1并进入步骤S414至步骤S418中的循环工作；
利用第二蚁群优化算法对下层优化模型进行求解，求解过程如下：
步骤S421、对蚁群进行初始化，并使带宽分配小于等于系统可用带宽B，以及多路径中最大的时延小于给定的数值；
步骤S422、设定当前迭代次数为0，预设第二最大迭代次数；
步骤S423、判断当前迭代次数是否小于预设的第二最大迭代次数，若否则输出给定路径下最大吞吐量对应的带宽分配；
步骤S424、对于每个位置的蚂蚁，计算其局部吞吐量以及信息素并移动其位置；
步骤S425、对于每个位置的蚂蚁进行局部搜索；
步骤S426、对全局信息素进行更新；
步骤S427、当前迭代次数加1并进入步骤S423至步骤S427中的循环工作；
根据第一蚁群优化算法的输出结果，确定无人机自组网多路径传输过程中的最大吞吐量路径以及对应的带宽分配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311302796.1A CN117042014B (zh) | 2023-10-10 | 2023-10-10 | 一种兼顾速率和安全的无人机自组网多路径传输方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311302796.1A CN117042014B (zh) | 2023-10-10 | 2023-10-10 | 一种兼顾速率和安全的无人机自组网多路径传输方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117042014A CN117042014A (zh) | 2023-11-10 |
| CN117042014B true CN117042014B (zh) | 2023-12-22 |
Family
ID=88639491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311302796.1A Active CN117042014B (zh) | 2023-10-10 | 2023-10-10 | 一种兼顾速率和安全的无人机自组网多路径传输方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117042014B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113193906A (zh) * | 2021-04-28 | 2021-07-30 | 东南大学 | 基于无人机模式转换的空地融合通信方法 |
| CN113409095A (zh) * | 2021-08-18 | 2021-09-17 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、服务器及存储介质 |
| CN113625761A (zh) * | 2021-08-26 | 2021-11-09 | 北京航空航天大学 | 一种通信任务驱动的多无人机路径规划方法 |
| CN114339661A (zh) * | 2021-12-14 | 2022-04-12 | 河南科技大学 | 基于鲸鱼优化的飞行器自组织网络多径路由机制 |
| CN115175220A (zh) * | 2022-07-06 | 2022-10-11 | 北京航空航天大学 | 基于无人机自组网的通信资源分配方法及装置 |
| CN115696494A (zh) * | 2022-08-04 | 2023-02-03 | 南京揽星邮通科技有限公司 | 一种基于蚁群优化的大规模自组网多点中继选择方法 |
| WO2023071318A1 (zh) * | 2021-10-29 | 2023-05-04 | 华为技术有限公司 | 一种环路检测方法及装置 |
| CN116528313A (zh) * | 2023-06-16 | 2023-08-01 | 厦门大学 | 一种面向任务协同的无人机低能耗快速路由方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8874477B2 (en) * | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
-
2023
- 2023-10-10 CN CN202311302796.1A patent/CN117042014B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113193906A (zh) * | 2021-04-28 | 2021-07-30 | 东南大学 | 基于无人机模式转换的空地融合通信方法 |
| CN113409095A (zh) * | 2021-08-18 | 2021-09-17 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、服务器及存储介质 |
| CN113625761A (zh) * | 2021-08-26 | 2021-11-09 | 北京航空航天大学 | 一种通信任务驱动的多无人机路径规划方法 |
| WO2023071318A1 (zh) * | 2021-10-29 | 2023-05-04 | 华为技术有限公司 | 一种环路检测方法及装置 |
| CN114339661A (zh) * | 2021-12-14 | 2022-04-12 | 河南科技大学 | 基于鲸鱼优化的飞行器自组织网络多径路由机制 |
| CN115175220A (zh) * | 2022-07-06 | 2022-10-11 | 北京航空航天大学 | 基于无人机自组网的通信资源分配方法及装置 |
| CN115696494A (zh) * | 2022-08-04 | 2023-02-03 | 南京揽星邮通科技有限公司 | 一种基于蚁群优化的大规模自组网多点中继选择方法 |
| CN116528313A (zh) * | 2023-06-16 | 2023-08-01 | 厦门大学 | 一种面向任务协同的无人机低能耗快速路由方法 |
Non-Patent Citations (3)
| Title |
|---|
| An improved ant colony optimization for UAV minimum time search path planning;Zhenglin Geng 等;AIEE 2023: 2023 The 4th International Conference on Artificial Intelligence in Electronics Engineering;全文 * |
| Throughput and Delay Tradeoff Over 3D UAV Communication Network;Jue Gong 等;IEEE;全文 * |
| 多约束条件下多无人机协同任务规划问题分析及求解方法综述;胡嘉薇;计算机科学;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117042014A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tilwari et al. | MCLMR: A multicriteria based multipath routing in the mobile ad hoc networks | |
| CN101965031B (zh) | 一种基于最大概率的认知无线电多径组播路由方法 | |
| CN110461018B (zh) | 基于可计算ap的机会网络路由转发方法 | |
| CN108134772B (zh) | 一种采用aodv或dsdv协议实现的安全路由方法 | |
| CN108124253B (zh) | 一种考虑安全的无线多跳网络路由选择和功率分配方法 | |
| CN107567068B (zh) | 一种超密集小型基站自适应fso回程网络构建方法 | |
| Yang et al. | Quantum wireless network communication based on cluster states | |
| Narayana et al. | Priority based trust efficient routing using ant colony optimization for IoT-based mobile wireless mesh networks | |
| CN111132259A (zh) | 一种面向物理层安全的联合功率优化和路由选择方法 | |
| CN117042014B (zh) | 一种兼顾速率和安全的无人机自组网多路径传输方法 | |
| CN111356039A (zh) | 无线光通信网络的拓扑形成方法 | |
| Vinya et al. | An energy efficient multicast route establishment using AODV with PSO algorithm and RSA for secured transmission | |
| John et al. | Brain Storm Water Optimisation-Driven Secure Multicast Routing and Route Maintenance in IoT | |
| Mor et al. | Evaluation of QoS metrics in ad-hoc wireless sensor networks using Zigbee | |
| Lafta et al. | Efficient routing protocol in the mobile ad-hoc network (MANET) by using genetic algorithm (GA) | |
| CN109996218B (zh) | 提升车联网无线传输安全性能的资源分配方法 | |
| Kalaivani et al. | Link survivability rate-based clustering for QoS maximisation in VANET | |
| Golla et al. | An Efficient Secure Cryptography Scheme for New ML-based RPL Routing Protocol in Mobile IoT Environment | |
| Mouiz et al. | Analysis of Energy Consumption and Evaluation of Metric Parameters of Routing Protocols in Ad hoc (MANET) Networks Using: NS2 Simulator. | |
| CN110337130B (zh) | 一种基于虚拟路由空洞的抗干扰型绿色水下流路由方法 | |
| Ullah et al. | Delay-Efficient Forwarding in SDN Assisted Mesh Networks: An Application of Shapley Value | |
| Suma et al. | FractWhale-DSR: Fractional Whale optimization based secure dynamic source routing algorithm for mobile ad-hoc network | |
| Huo et al. | A Large Inter-satellite Non-dependent Routing Technology–IS-OLSR | |
| Uddin et al. | Efficient and Secure Cluster based Routing Protocol for Wireless Sensor Network | |
| Venkataramanan et al. | Fuzzy based local agent routing protocol for delay conscious MANETs |
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 |