CN108632831B - 一种基于动态航迹的无人机群频谱资源分配方法 - Google Patents

Abstract

本发明提供了一种基于动态航迹的无人机群频谱资源分配方法，其考虑有N个无人机群按照给定航迹对一个特定任务区域进行侦察，并实时进行群内通信，通过对无人机群频谱的合理分配，实现网络通信效用最大化的目标；并包括以下步骤：将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，博弈参与者即为参与侦察任务的N个无人机群；定义各无人机群行动集为它所能选择的频谱资源，并根据其余无人机群距该无人机群的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数；利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信。

Description

一种基于动态航迹的无人机群频谱资源分配方法

技术领域

本发明属于无线频谱资源分配领域，具体地涉及一种基于动态航迹的无人机群频谱资源分配方法。

背景技术

无人机由于其可动态部署、配置方便、高度自主等特点，将在未来战争、应急通信和物联网等领域扮演极其重要的角色。目前，侦察与搜索是无人机***的首要任务，其中包括美军的“全球鹰”、“捕食者”，英国的“不死鸟”，以色列的“搜索者”等无人侦察机。无人机具有可昼夜持续侦察的能力，不必考虑飞行员的疲劳和伤亡等问题，且在作战时不会危及飞行员，更适于执行危险性高的任务；其次，无人机的成本低，侦察地域不受限制且控制灵活。

对于侦察任务来说，智能协同无人机群的应用具备很大的优势，例如：可以通过任务的同步执行以提高执行效率，缩短完成时间；其次，单个无人机并不会影响到整个集群的功效，因此可增加任务成功的概率。然而，为发挥集群作战而使用的大规模无人机群的部署会导致无限资源的高度竞争和过度拥塞，因机群间的同频干扰会导致通信***性能的下降，影响整体效能。

不同于传统的地面通信网络，无人机群网络存在以下问题：无人机的飞行动态性和任务的执行多阶段性导致网络拓扑的高动态变化，导致资源分配极其困难；其次，在多信道无人机通信***中，机群可通过选择不同的信道来减小与其他机群的碰撞以此躲避干扰，然而由于信道的跳变，不仅会带来不必要的能量损耗，还会导致吞吐量的下降。所以如何对基于航迹的无人机群复用频谱资源带来的同频干扰的抑制和不必要的频谱跳变的减少成为无人机群无线通信中亟待解决的问题。

发明内容

本发明的目的在于针对现有技术的缺陷或问题，提供一种基于动态航迹的无人机群频谱资源分配方法，用于针对多无人机群协同侦察的任务需求。

本发明的技术方案如下：一种基于动态航迹的无人机群频谱资源分配方法，考虑有N个无人机群按照给定航迹对一个特定任务区域进行侦察，并实时进行群内通信；通过对无人机群频谱的合理分配，实现网络通信效用最大化的目标；包括以下步骤：

步骤1，将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，博弈参与者即为参与侦察任务的N个无人机群；

步骤2，定义各无人机群行动集为它所能选择的频谱资源，并根据其余无人机群距该无人机群的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数；

步骤3，利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信。

优选地，在步骤1中将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，该博弈模型

定义为：

其中

表示参与侦察任务的N个无人机群序号，

表示无人机群n的动作策略集，由于无人机群的频谱分配是一个多任务阶段的过程，则将无人机群n的策略集定义为在整个阶段所能选择的信道，即

其中

为笛卡尔乘积，u_n表示无人机群n的效用函数。

优选地，在步骤2中，分别针对各个无人机群，在任意任务阶段，根据与其余无人机群之间的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数；

对于任意一个无人机群n，定义a_n＝[a_n,1,...,a_n,t,...,a_n,T]为T阶段的信道选择，其中a_n,t为无人机群n在任务阶段t的信道选择；对于任意一个任务阶段t，假定群内无人机的相对位置及信道的状态是固定不变的，当普通无人机向簇头无人机发送数据时，都有以簇头无人机为中心的一个干扰半径，记为d₀；当机群i处于机群n的干扰半径内，则机群n会受到的严重的同频干扰；反之，当机群i与机群n的距离较远时，同频干扰忽略不计；定义无人机群n在任务阶段t的邻居无人机群集合为：

其中，d_in(t)表示在任务阶段t，机群i与机群n之间的距离，由于无人机按照既定航迹飞行，每个阶段的位置会有所改变，因此通常在t≠t′的情况下，d_in(t)≠d_in(t′)；

因此，无人机群n在任务阶段t受到的同频干扰I_n,t为：

其中，p_i是无人机群i的发射功率，α表示路径损耗指数因子，a_i,t与a_n,t分别为无人机群i与n在任务阶段t的信道选择，则无人机群n在任务阶段t的吞吐量R_n,t为：

其中，p_n为无人机群n的发射功率，d_n为无人机群n中群内通信距离，N₀为背景噪声，

为无人机群n在任务阶段t的邻居无人机群集合，则网络总吞吐量为：

其中

表示参与侦察任务的N个无人机群序号，T代表任务阶段的数目；由上述公式可知影响吞吐量的主要因素包括：机群间的同频干扰和发射功率；为了权衡无人机群n受到的同频干扰I_n,t和发射功率p_n，定义无人机群n在任务阶段t的加权干扰s_n,t为：

此外，由于无人机的飞行动态性和任务的执行多阶段性，无人机群会根据指挥中心的命令飞往不同的区域执行探测任务；由于每个阶段无人机群的位置变化，导致网络拓扑产生改变，从而使得其邻居无人机群集合发生改变。在多信道无人机通信***中，机群可通过选择不同的信道来减小与其他机群的碰撞以此躲避干扰，然而由于信道的跳变，会导致吞吐量的下降；不仅如此，信道的跳变会带来不必要的能量损耗，甚至使得通信中断；

因此，定义在任务阶段t网络通信效用U(t)为：

其中，C为信道跳变代价，构造函数f(·)用于衡量当前任务阶段与上一任务阶段的信道选择是否相同，即

其中，a_n,t与a_n,t-1分别为无人机群n在任务阶段t与任务阶段t-1的信道选择；则整个任务阶段的网络通信效用可表示为：

其中，U表示整个任务阶段的网络通信效用；因此，所述网络通信效用最大为：

max U

势能博弈模型中的势函数为：

则无人机群n在整个任务阶段的效用函数表示为：

优选地，在步骤3中，针对各个无人机群，利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信，具体如下：

3.1、初始化：各无人机群随机选择一个信道资源

进行群内通信建立；

3.2、对于随机选择的若干个非邻居无人机群，根据如下公式选择最大通信效用所对应的信道资源作为下一次迭代的最佳信道资源，其余无人机群重复之前的信道选择：

其中，

表示无人机群n在任务阶段t的第k次迭代中的邻居无人机群的信道选择，

为无人机群n在任务阶段t的可用策略集；

3.3、如果该阶段博弈收敛或达到最大迭代次数，则将最佳信道资源分配给各机群进行群内通信；否则重复执行步骤3.2，直到收敛或达到最大迭代次数；

3.4、若该侦察阶段为最终侦察阶段，即t＝T，则整个任务阶段的频谱分配完成；否则进入下一侦察阶段，即t＝t+1，并保持上一侦察阶段的最佳信道资源，即a_n,t-1(K)＝a_n,t(1)，返回步骤3.2。

本发明提供的技术方案具有如下有益效果：

所述基于动态航迹的无人机群频谱资源分配方法以最大化网络通信效用为目标，将目标通信效用转化为势能函数，用势能博弈来解决面向多无人机群的多任务阶段频谱资源分配问题。为了降低网络中无人机群之间的因为复用频谱资源而造成的同频干扰和减小不同任务阶段的频谱跳变带来的通信损失，开发了一种分布式的、实时性强的基于信道保持的并行最优反应算法对势能博弈求解，而且本发明可有效的减少网络干扰与不必要的频谱跳变，提高网络效用，保证传输的可靠性。

附图说明

图1为本发明所设计面向多无人机群的多阶段侦察***示意图；

图2为多无人机群多任务阶段分配频谱资源示意图；

图3为本发明所设计面向多无人机群的多任务阶段频谱资源分配方法的过程示意图；

图4为本发明所提出的基于信道保持的并行最优反应算法流程图；

图5(a)为本发明网络通信效用与可用信道个数关系实验仿真结果图；

图5(b)为本发明网络总吞吐量与可用信道个数关系实验仿真结果图；

图6(a)为本发明网络通信效用与无人机群个数关系实验仿真结果图；

图6(b)为本发明无人机群归一化吞吐量与无人机群个数关系实验仿真结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。

本发明提供的基于动态航迹的无人机群频谱资源分配方法中，考虑有N个无人机群按照给定航迹对一个特定任务区域进行侦察，并实时进行群内通信，且通过对无人机群频谱的合理分配，实现网络通信效用最大化的目标。

在多无人机群频谱分配问题中，无人机群之间存在竞争关系，十分适合博弈论的应用。将博弈论应用于无人机群频谱分配问题的原因有以下几点：1)在多无人机群网络中，不同的无人机群具有各自的利益，相互之间总具有一定分歧；2)对于任何一个无人机群的频谱资源选择，都会对网络中的其他无人机造成影响，它们的策略选择相互依存；3)所有无人机自发的，并且同时做出理性的决策。

博弈通常包含三个要素：

博弈的参与者，即参与博弈的各方用户；

策略集，即每个博弈者可以采取的行动方案的全体；及

效用函数，即每个博弈者在一定策略组合下所获得的收益。

具体地，所述基于动态航迹的无人机群频谱资源分配方法包括如下步骤：

步骤1，将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，博弈参与者即为参与侦察任务的N个无人机群。

具体地，在步骤1中将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，该博弈模型

定义为：

其中

表示参与侦察任务的N个无人机群序号，

表示无人机群n的动作策略集，由于无人机群的频谱分配是一个多任务阶段的过程，则将无人机群n的策略集定义为在整个阶段所能选择的信道，即

其中

为笛卡尔乘积，u_n表示无人机群n的效用函数。

步骤2，定义各无人机群行动集为它所能选择的频谱资源，并根据其余无人机群距该无人机群的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数。

具体地，在步骤2中，分别针对各个无人机群，在任意任务阶段，根据与其余无人机群之间的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数；

对于任意一个无人机群n，定义a_n＝[a_n,1,...,a_n,t,...,a_n,T]为T阶段的信道选择，其中a_n,t为无人机群n在任务阶段t的信道选择；对于任意一个任务阶段t，假定群内无人机的相对位置及信道的状态是固定不变的，当普通无人机向簇头无人机发送数据时，都有以簇头无人机为中心的一个干扰半径，记为d₀；当机群i处于机群n的干扰半径内，则机群n会受到的严重的同频干扰；反之，当机群i与机群n的距离较远时，同频干扰忽略不计；定义无人机群n在任务阶段t的邻居无人机群集合为：

其中，d_in(t)表示在任务阶段t，机群i与机群n之间的距离，由于无人机按照既定航迹飞行，每个阶段的位置会有所改变，因此通常在t≠t′的情况下，d_in(t)≠d_in(t′)；

因此，无人机群n在任务阶段t受到的同频干扰I_n,t为：

其中，p_i是无人机群i的发射功率，α表示路径损耗指数因子，a_i,t与a_n,t分别为无人机群i与n在任务阶段t的信道选择，则无人机群n在任务阶段t的吞吐量R_n,t为：

其中，p_n为无人机群n的发射功率，d_n为无人机群n中群内通信距离，N₀为背景噪声，

为无人机群n在任务阶段t的邻居无人机群集合，则网络总吞吐量为：

其中

表示参与侦察任务的N个无人机群序号，T代表任务阶段的数目；由上述公式可知影响吞吐量的主要因素包括：机群间的同频干扰和发射功率；为了权衡无人机群n受到的同频干扰I_n,t和发射功率p_n，定义无人机群n在任务阶段t的加权干扰s_n,t为：

此外，由于无人机的飞行动态性和任务的执行多阶段性，无人机群会根据指挥中心的命令飞往不同的区域执行探测任务；由于每个阶段无人机群的位置变化，导致网络拓扑产生改变，从而使得其邻居无人机群集合发生改变。在多信道无人机通信***中，机群可通过选择不同的信道来减小与其他机群的碰撞以此躲避干扰，然而由于信道的跳变，会导致吞吐量的下降；不仅如此，信道的跳变会带来不必要的能量损耗，甚至使得通信中断；

因此，定义在任务阶段t网络通信效用U(t)为：

其中，C为信道跳变代价，构造函数f(·)用于衡量当前任务阶段与上一任务阶段的信道选择是否相同，即

其中，a_n,t与a_n,t-1分别为无人机群n在任务阶段t与任务阶段t-1的信道选择；则整个任务阶段的网络通信效用可表示为：

其中，U表示整个任务阶段的网络通信效用；因此，所述网络通信效用最大为：

max U

势能博弈模型中的势函数为：

则无人机群n在整个任务阶段的效用函数表示为：

根据势函数的定义，按照上述的效用函数，构成的博弈为势能博弈，满足势能博弈的相关性质，保证了纳什均衡点的存在，能利用学习算法保证其最优性和收敛性。

步骤3，利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信。

具体地，在步骤3中，针对各个无人机群，利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信，具体如下：

3.1、初始化：各无人机群随机选择一个信道资源

进行群内通信建立；

3.2、对于随机选择的若干个非邻居无人机群，根据如下公式选择最大通信效用所对应的信道资源作为下一次迭代的最佳信道资源，其余无人机群重复之前的信道选择：

其中，

表示无人机群n在任务阶段t的第k次迭代中的邻居无人机群的信道选择，

为无人机群n在任务阶段t的可用策略集；

3.3、如果该阶段博弈收敛或达到最大迭代次数，则将最佳信道资源分配给各机群进行群内通信；否则重复执行步骤3.2，直到收敛或达到最大迭代次数；

3.4、若该侦察阶段为最终侦察阶段，即t＝T，则整个任务阶段的频谱分配完成；否则进入下一侦察阶段，即t＝t+1，并保持上一侦察阶段的最佳信道资源，即a_n,t-1(K)＝a_n,t(1)，返回步骤3.2。

本发明的基于动态航迹的无人机群频谱资源分配方法，见附图3，将其应用到具体实例上，保证机群内高效可靠的传输，具体应用如下：

考虑用12个无人机群(记为

)对区域2km×4km的矩形区域进行侦察，总任务阶段分为T＝50。网络中可用信道为

无人机群的发射功率为p_n＝5W，一般而言，路径损耗指数因子α∈(2,4)，由于无人机之间的通信考虑视距传播LOS(Lineof sight)链路，为便于计算，实施例优先选取α＝2，背景噪声N₀＝-100dBm/Hz，群内通信距离d_n＝20m，信道跳变代价为C＝1.5×10^-6，干扰半径d₀＝1000m。图5(a)、图5(b)、图6(a)及图6(b)即为实验运行结果。

如图5(a)和图5(b)所示，为最优纳什均衡、最差纳什均衡、所提算法、随机选择四种方法应用下的网络通信效用及总吞吐量对比示意图，可以看出，应用本发明所设计方法对应的网络效用及吞吐量十分接近最优值，且明显高于随机选择方法。

如图6(a)和图6(b)分别给出最优纳什均衡、最差纳什均衡、所提算法三种方法应用下的网络通信效用及无人机群归一化吞吐量对比示意图，可以看出，本发明所设计的方法接近最优值。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种基于动态航迹的无人机群频谱资源分配方法，其特征在于：考虑有N个无人机群按照给定航迹对一个特定任务区域进行侦察，并实时进行群内通信，通过对无人机群频谱的合理分配，实现网络通信效用最大化的目标；

所述基于动态航迹的无人机群频谱资源分配方法包括以下步骤：

步骤1，将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，博弈参与者即为参与侦察任务的N个无人机群；

步骤2，定义各无人机群行动集为它所能选择的频谱资源，并根据其余无人机群距该无人机群的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数u_n

式中，t表示任务阶段t；T表示总共T个阶段；J_n(t)为无人机群n在任务阶段t的邻居无人机群集合；α表示路径损耗指数因子；a_i,t为无人机群i在任务阶段t的信道选择；函数f(·)用于衡量当前任务阶段与上一任务阶段的信道选择是否相同；a_n,t为无人机群n在任务阶段t的信道选择；p_n为无人机群n的发射功率；p_i为无人机群i的发射功率；d_in(t)表示在任务阶段t，机群i与机群n之间的距离；C为信道跳变代价；a_n,t-1为无人机群n在任务阶段t-1的信道选择；

步骤3，利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信。

2.根据权利要求1所述的一种基于动态航迹的无人机群频谱资源分配方法，其特征在于，在步骤1中将基于干扰消除的无人机群实时频谱分配问题建模为势能博弈模型，该博弈模型F定义为：

F＝{N,{A_n}_n∈N,{u_n}_n∈N}

其中N＝{1,2,...,n}表示参与侦察任务的N个无人机群序号，A_n表示无人机群n的动作策略集，由于无人机群的频谱分配是一个多任务阶段的过程，则将无人机群n的策略集定义为在整个阶段所能选择的信道，即

其中

为笛卡尔乘积，u_n表示无人机群n的效用函数，M表示网络中可用信道个数，T表示当前任务共划分为T个阶段，f₁,...,f_M则表示信道1至信道M。

3.根据权利要求2所述一种基于动态航迹的无人机群频谱资源分配方法，其特征在于，在步骤2中，分别针对各个无人机群，在任意任务阶段，根据与其余无人机群之间的距离将其他机群划分为邻居无人机群和非邻居无人机群，获得网络效用及无人机群的通信效用，进而定义无人机群的效用函数；

对于任意一个无人机群n，定义a_n＝[a_n,1,...，a_n,t,...,a_n,T]为T阶段的信道选择，其中a_n,t为无人机群n在任务阶段t的信道选择；对于任意一个任务阶段t，假定群内无人机的相对位置及信道的状态是固定不变的，当普通无人机向簇头无人机发送数据时，都有以簇头无人机为中心的一个干扰半径，记为d₀；当机群i处于机群n的干扰半径内，则机群n会受到的严重的同频干扰；反之，当机群i与机群n的距离较远时，同频干扰忽略不计；定义无人机群n在任务阶段t的邻居无人机群集合为：

J_n(t)＝{i∈N:d_in(t)＜d₀}

其中，d_in(t)表示在任务阶段t，机群i与机群n之间的距离，由于无人机按照既定航迹飞行，每个阶段的位置会有所改变，因此通常在t≠t′的情况下，d_in(t)≠d_in(t′)；

因此，无人机群n在任务阶段t受到的同频干扰I_n,t为：

其中，p_i是无人机群i的发射功率，a_i，t与a_n，t分别为无人机群i与n在任务阶段t的信道选择，则无人机群n在任务阶段t的吞吐量R_n，t为：

其中，B表示信道带宽，p_n为无人机群n的发射功率，d_n为无人机群n中群内通信距离，N₀为背景噪声，J_n(t)为无人机群n在任务阶段t的邻居无人机群集合，则网络总吞吐量为：

由网络总吞吐量公式可知影响吞吐量的主要因素包括：机群间的同频干扰和发射功率；为了权衡无人机群n受到的同频干扰I_n,t和发射功率p_n，定义无人机群n在任务阶段t的加权干扰s_n,t为：

因此，定义在任务阶段t网络通信效用U(t)为：

其中，C为信道跳变代价，即

其中，a_n,t与a_n,t-1分别为无人机群n在任务阶段t与任务阶段t-1的信道选择；则整个任务阶段的网络通信效用可表示为：

其中，U表示整个任务阶段的网络通信效用；因此，所述网络通信效用最大为：

max U

势能博弈模型中的势函数为：

4.根据权利要求3所述一种基于动态航迹的无人机群频谱资源分配方法，其特征在于，在步骤3中，针对各个无人机群，利用基于信道保持的并行最优反应算法对势能博弈求解，使各机群接入最佳信道进行群内通信，具体如下：

3.1、初始化：各无人机群随机选择一个信道资源

进行群内通信建立，a_n,1(1)表示无人机群n在任务阶段1的第1次迭代中的信道选择；

3.2、对于随机选择的若干个非邻居无人机群，根据如下公式选择最大通信效用所对应的信道资源作为下一次迭代的最佳信道资源，其余无人机群重复之前的信道选择：

其中，

a_n,t(k+1)表示无人机群n在任务阶段t的第k+1次迭代中的信道选择；

表示无人机群n在任务阶段t的第k次迭代中的邻居无人机群的信道选择，A_n,t＝{f₁,f₂,...,f_M}为无人机群n在任务阶段t的可用策略集，f₁，...,f_M则表示信道1至信道M；M表示网络中可用信道个数；

3.3、如果该阶段博弈收敛或达到最大迭代次数，则将最佳信道资源分配给各机群进行群内通信；否则重复执行步骤3.2，直到收敛或达到最大迭代次数；

3.4、若该任务阶段为最终任务阶段，即t＝T，则整个任务阶段的频谱分配完成；否则进入下一任务阶段，即t＝t+1，并保持上一任务阶段的最佳信道资源，即a_n,t-1(K)＝a_n,t(1)，a_n,t-1(K)表示无人机群n在任务阶段t-1的第K次迭代中的信道选择，其中K为最大迭代次数；a_n,t(1)表示无人机群n在任务阶段t的第1次迭代中的信道选择；返回步骤3.2。

Images