CN112040449A - 一种无人机密集编队通信网络的中继优化选择方法 - Google Patents
一种无人机密集编队通信网络的中继优化选择方法 Download PDFInfo
- Publication number
- CN112040449A CN112040449A CN202010706781.1A CN202010706781A CN112040449A CN 112040449 A CN112040449 A CN 112040449A CN 202010706781 A CN202010706781 A CN 202010706781A CN 112040449 A CN112040449 A CN 112040449A
- Authority
- CN
- China
- Prior art keywords
- members
- relay
- unmanned aerial
- aerial vehicle
- communication
- 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.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 102
- 238000004891 communication Methods 0.000 title claims abstract description 95
- 230000006854 communication Effects 0.000 title claims abstract description 93
- 238000010187 selection method Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000001413 cellular effect Effects 0.000 claims description 18
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000005755 formation reaction Methods 0.000 description 94
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 3
- 239000007983 Tris buffer Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000005367 kimax Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000008566 social perception Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无人机密集编队通信网络的中继优化选择方法,属于无人机通信技术领域。本发明方法依据链路质量选择通信传输方式,通过分析编队中继两端无人机成员的邻近域的交叠关系划定中继选择区域,并依据源成员与中继成员的社会性依存关系在候选成员中选择最适合的中继成员,兼顾考虑了编队成员的邻近域和编队成员间的社会性依存关系。本发明保证了无人机密集编队的基本通信能力,又同时优化提高了编队的吞吐量,从而进一步提升了密集编队支撑网络的整体性能。
Description
技术领域
本发明涉及无人机通信技术领域,具体涉及一种无人机密集编队通信网络的中继优化选择方法,是指无人机在密集编队下,兼顾考虑了编队成员的邻近域和编队成员间的社会性依存关系,据此来选择无人机编队网络最优中继的方法。
背景技术
无人机编队支撑网络是能够支持编队中信息的传输与共享的通信网络,而且编队成员还能通过它获知自身在编队中所处地位和与其他编队成员的社会性依存关系。端到端技术(Device-to-Device,D2D)可为无人机编队提供高效的网络支撑和补充,适应协同编队的需求且拥有一定的自主性。与其它无需依赖网络基础设施的通信技术相比,D2D技术更为多变,不但能受基站控制进行通信,也可无需基础网络设施进行通信。通过D2D通信,终端间不再需要通过中转直接可以进行传输,链路能够产生增益,进而可以减轻基站的负载,链路及资源复用所产生的增益均能提升频谱资源效率及吞吐量。
由于中继用户分布在D2D源成员的周围,所以如何在进行中继协作通信时选择优秀且可靠的中继成员问题就成为了国内外学者研究的热点。参考文献[1]首先构建了一种将社交因素及物理因素相结合的模型,并以先验概率为依据提出了选择最佳中继的方法,提升了吞吐量并降低了***的中断概率。参考文献[2]通过研究社交与交互贡献提出了一种能够增强多跳协作效率的基于社交感知的中继选择方法,并且依靠该方法可以进一步优化***的功率开支。参考文献[3]则通过社交相似性感知提出了一种分阶段的中继选择法,在保证***吞吐量及公平性的前提下提升了***资源效率。虽然目前这些研究对于提高一类典型***的吞吐量和优化***方面呈现出了一定的优势,但是由于无人机密集编队通信网络中无人机群具有高动态、大规模的特点,将上述现有方法应用到无人机密集编队时,存在所选中继成员通信能力表现差、***整体吞吐量低等问题,因此需要一种适用于无人机密集编队通信网络的中继节点优化选择技术。
参考文献:
[1]徐少毅,张鹏.D2D协作通信网络中基于社交信息的中继选择和功率分配[J].电子与信息学报,2019,39:1-8.
[2]Bidi Y,Amiya N.A Power-Efficient and Social-Aware Relay SelectionMethod for Multi-Hop D2D Communications[J].IEEE COMMUNICATIONS LETTERS,2018,22(7):1450-1453.
[3]袁润平,崔建勇,闵伟娟.基于比例公平选择的中继通信策略[J]现代导航,2012,134-138.
发明内容
针对现有需求,本发明基于端到端技术,通过考虑编队成员的邻近域及其交叠关系,以及编队成员间的社会性依存关系,提供了一种无人机密集编队通信网络的中继优化选择方法。
无人机密集编队通信网络中包括进行蜂窝通信的无人机成员与进行D2D通信的无人机成员,本发明的无人机密集编队通信网络的中继优化选择方法,对无人机编队中准备进行D2D通信的成员,执行如下步骤:
步骤一,设需要进行D2D通信的成员εi为源成员,将当前编队中与成员εi距离最近的且拥有εi所需资源的成员εj为目标成员;成员εi复用蜂窝成员c的上行信道资源进行传输;
步骤二,计算εi复用c的蜂窝链路的信干噪比和εi与εj的D2D链路的信干噪比,判断是否满足对应的最低通信阈值,若满足,则成员εi与目的成员εj进行直接通信,结束本方法;否则,需要中继通信,继续执行步骤三;
步骤三,按照邻近域交叠关系选择成员εi的中继选择区域,源成员向该选择区域内的无人机成员广播中继请求;
步骤四,从中继选择区域中选择最优中继成员,最优中继成员接收源成员的中继请求,与源成员、目标成员建立链路并进行中继协作通信。
所述的步骤三中,所述中继选择区域的选择方法是:以成员εi为球心、εi的邻接距离为半径的球形区域设为εi的邻近域;以成员εj为球心、εj的邻接距离为半径的球形区域设为εj的邻近域;以源成员εi及目标成员εj的连线为中心线的两个半球邻近域,设两个半球邻近域的交叠部分为I区,两个半球邻近域的其余部分为II区,I区和II区为所选择的中继选择区域。
所述的步骤四中,首先从I区中选择最优中继成员,若I区中没有空闲无人机,则从II区中选择最优中继成员,若II区中也没有空闲无人机,则当前没有可作为中继的无人机,本次未找到合适的中继,需要等待下一次编队周期性更新时间后再重新执行本发明方法;当I区中只有一个空闲无人机时,则将该无人机作为最优中继成员;当I区中存在多个空闲无人机,则选取对源成员εi的社会性依存度最大的空闲无人机作为最优中继成员;当I区中没有空闲无人机,II区中存在多个空闲无人机,从II区中选取对源成员εi的社会性依存度最大的空闲无人机作为最优中继成员。
所述的步骤四中,依据对源成员εi的社会性依存度选取最优中继成员,设空闲无人机为εr,εr对εi的社会性依存度表示为ρri,计算如下:
其中,Cri为成员εr的社会能力,由成员εr的信干噪比得到;Cbr为成员εr的基本通信能力,由成员εr的最大传输功率与其邻接距离之比得到,Cbr≥0。将空闲无人机对源成员εi的社会性依存度从大到小排序,选择社会性依存度最大的空闲无人机作为最优中继成员。
本发明与现有技术相比,具有以下积极效果:
(1)考虑到无人机编队的结构特点,本发明的无人机密集编队通信网络的中继优化选择方法兼顾考虑了编队内无人机成员的邻近域的交叠关系以及编队成员间的社会性依存关系,相比现有技术更加适用于高动态、大规模的无人机密集编队。
(2)本发明的无人机密集编队通信网络的中继优化选择方法既可保证无人机密集编队的基本通信能力,又同时优化提高了编队的吞吐量,从而进一步提升了密集编队支撑网络的整体性能。
附图说明
图1是本发明方法所应用的无人机密集编队通信网络结构的一个示例图;
图2是本发明编队D2D通信流程示意图;
图3是本发明编队成员邻近域内交叠分布关系示意图;
图4是本发明与现有两种中继选择方法在***吞吐量上对比示意图;
图5是本发明与仅以本发明的社会性依存度选择中继在***吞吐量上对比示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图对本发明作进一步的详细和深入描述。
本发明的一种无人机密集编队通信网络的中继优化选择方法,依据链路质量选择通信传输方式,通过分析编队中继两端无人机成员的邻近域的交叠关系划定中继选择区域,并依据源成员与中继成员的社会性依存关系在候选成员中选择最适合的中继成员。本发明既可保证无人机密集编队的基本通信能力,又同时优化提高了编队的吞吐量,从而进一步提升了密集编队支撑网络的整体性能。
如图1所示,为本发明方法所应用的一个无人机密集编队通信网络。其中,无人机编队中包含:一个主成员m;I个空闲成员{i1,i2,…,iI};C个蜂窝成员{c1,c2,…,cC};D个D2D成员{d1,d2,…,dD},其中包括源成员和目标成员。其中,I、C、D均为正整数。在编队中,蜂窝成员通过彼此相互正交的独立信道与主成员m通信,因此彼此间互不会产生干扰。编队中存在的I个空闲成员供D2D成员作为中继成员使用,I>C。在编队D2D通信中,每条D2D链路分别复用不同蜂窝成员的信道资源进行传输。考虑到在一般情况下蜂窝网中的上行业务要低于下行业务,故设定复用的为上行信道资源,且无富余的频谱资源单独分给D2D通信。
网络中,源成员t与所复用的蜂窝成员c的蜂窝链路的信干噪比γc为:
源成员t与目标成员r的D2D链路的信干噪比γd为:
其中,为蜂窝成员c的传输功率,为D2D成员t的传输功率,gcm为蜂窝成员c到主成员m的路径损耗,gtm为源成员t到主成员m的路径损耗,hcm为蜂窝成员c到主成员m的信道增益,htm为源成员t到主成员m的信道增益,gtr为源成员t到目标成员间r的路径损耗,gcr为蜂窝成员c到目标成员r的路径损耗,htr为源成员t到目标成员r间的信道增益,hcr为蜂窝成员c到目标成员的信道增益,N0为交互背景环境干扰噪声。源成员和目标成员为D2D成员。
在D2D通信模式下,两个终端用户之间的数据无需经过移动通信网络的中转,直接进行传输,通信链路进而产生增益;通信链路和资源复用产生的增益都可以将无线频谱资源的效率大大提高,网络吞吐量得到显著改善,使其应用场景得到进一步的扩展。
由于D2D用户复用蜂窝用户信道资源,且受到编队内邻近结构及干扰等影响,故蜂窝链路及D2D链路必须同时满足其自身最低通信要求时才有条件进行直通通信,具体条件表示如下:
γc≥γc_th (3)
γd≥γd_th (4)
式中,γc_th为蜂窝成员最低通信阈值,γd_th为D2D成员最低通信阈值。
公式(3)和(4)用于保证蜂窝成员及D2D成员的信干噪比不小于最低通信阈值。当链路质量下降时,可首先通过增大其传输功率以满足接收成员的传输条件。当满足公式(3)和(4)时使用直通通信,无需中继。
当链路条件较差,能够满足要求的传输功率又大于其发射功率阈值时,此时D2D成员对之间使用直通通信不能满足服务质量QoS(Quality of Service),在空闲成员中选择适合作为中继的成员进行中继协作通信。即只要满足公式(5)或公式(6)其一时,使用中继协作通信:
基于上述D2D成员通信方式,本发明方法中定义了如下几个物理含义:
设无人机编队中,εi、εj代表编队中任意两个无人机成员,i、j为无人机编号;则:
(1)社会性依存关系,是指编队中的成员之间以及成员与编队之间所形成的社会性的相互依存关系。社会性依存度越大,表示成员间的社会性依存关系越强,其通信质量越高。
设编队成员εi对成员εj的社会性依存程度为ρij,则
其中,Ci是指成员εi的综合能力,Cij为成员εi的社会能力,Cbi为成员εi的基本通信能力,Cbi≥0。
(2)成员的社会能力,成员εi的社会能力Cij是指无人机成员εi依赖于成员εj形成的社会性依存关系所拥有的能力。在编队支撑网络中,将成员的信干噪比定义为成员的社会能力,则成员εi的社会能力Cij如公式(2)计算。
其中,成员εi复用蜂窝成员c的上行信道资源进行传输,为成员εi的传输功率,gij为成员εi到成员εj的路径损耗,gcj为蜂窝成员c到成员εj的路径损耗,hij为成员εi到成员εj的信道增益,hcj为蜂窝成员c到成员εj的信道增益,N0为交互背景环境干扰噪声。
(3)成员的基本通信能力,成员εi的基本通信能力Cbi是指成员εi不借助于社会性依存关系而具有的能力,由εi的最大传输功率pimax与邻接距离dimax之比得到。
其中,成员εi的邻接距离dimax=kimax·dis>0,dis为成员εi的安全距离,kimax是成员εi的邻接系数。邻接距离、邻接系数的相关定义参见文献[4]:吴森堂.协同飞行控制***[M].北京:科学出版社,2016。
当Cbi=0时,是指成员εi的基本通信能力完全湮灭,即该成员处于一种即使借助外力都无法生存的状态。因此,一个正常成员εi的基本通信能力Cbi>0。
(4)编队成员的安全距离,成员εi的安全距离表示为dis。在t时刻,当编队成员εi与编队中其它成员εj或障碍威胁之间的间距dij(t)小于dis时,即dij(t)<dis,则编队成员εi必须采取相应的避碰措施;当dij(t)=dis时,编队成员εi则处于采取相应避碰措施的准备状态。
基于上述说明,如图2所示,本发明的一种无人机密集编队通信网络的中继优化选择方法,对无人机编队中准备进行D2D通信的成员,执行如下步骤一至步骤七。
步骤一,有D2D通信需求的无人机成员εi向主成员发送通信请求信息,将当前编队中与成员εi距离最近的且拥有εi所需资源的成员εj作为供给成员。
有D2D通信需求的成员εi为源成员,供给成员εj为目标成员。
则此时编队成员εi及εj间的欧式距离可表示为:
步骤二,计算成员εi的蜂窝链路的信干噪比和D2D链路的信干噪比,判断是否满足上面公式(3)或(4),若满足,εi与目的成员εj进行直接通信,结束本流程;否则需要中继通信,继续执行步骤三。
将计算的γc、γij分别与最低通信阈值γc_th、γd_th进行比较,如都满足最低通信要求,则源成员和目标成员进行直通通信,否则,寻找中继通信。
为简化表述,以下功率均为包含路径损耗后的功率,即:
式中,pi表示源成员εi包含路径损耗的传输功率,pc表示蜂窝成员c包含路径损耗的传输功率,a表示路径损耗常数,α表示路径损耗因子。表示编队成员εi及蜂窝成员c在t0更新时间Δt后之间的距离。由于复用的为互不相同的蜂窝成员链路,故这里只考虑来自复用的蜂窝成员c的干扰。
则当D2D用户εi及εj采用直通通信时的D2D链路的信干噪比表示为γij如下:
根据香农公式可得,用户εi及εj采用直通通信时链路的吞吐量Rij为:
式中,B为信道带宽。
当直通链路的通信质量不理想时,则依邻近域交叠关系划定中继选择范围,根据成员的社会性依存度选择最优的成员作为中继成员进行中继协作通信,用以提升链路传输速度。在中继转发协作的选择中,考虑到译码转发协作中继会对所接收到的信息资源进行检测,从而减少了中继成员噪声的影响,且兼有灵活性高的特点,对于编队网络是较为适合的。故选择译码转发作为协作中继方案。
步骤三,在源成员εi的邻近域内划定中继无人机成员的选择区域,源成员εi向所选择的区域内成员广播中继请求。
设无人机编队成员分布在一定的椭球形区域内,在成员εi所属编队中,存在空闲成员、蜂窝成员和D2D成员,一个示例如图1所示。
设编队成员εi在惯性坐标系中的位置为li(t),在t时刻所有无人机成员组成的编队队形表示为l(t)=col{l1(t),l2(t),...,ln(t)},col表示列向量,每个位置为三维坐标的列向量,n表示无人机编队中总的无人机数量。
在三维欧氏空间中,将以编队成员εi为球心,以成员εi的邻接距离dimax为半径的球形区域定义为成员εi的邻近域。根据无人机编队运动特性,成员εi的邻近域内的成员形成成员εi的邻近群v(l)为:
v(l)={(i,q)∈ε×ε:μiq<dimax,i≠q} (14)
其中,ε表示空闲无人机成员组成的集合空间;μiq表示无人机成员εi与空闲无人机成员εq的安全距离余量的数学期望,公式(14)表示位于邻近域内的空闲无人机组成了邻近群。
目标成员εj则有同样的邻近域,是以目标成员εj为球心,邻接距离djmax为半径。
如图3所示,将源成员εi及目标成员εj的邻近域划分出两个子区;以源成员εi及目标成员εj的连线为中心线的两个半球邻近域的交叠部分定义为I区,两个半球邻近域的其余部分定义为II区。
为获得较优的D2D传输速率,候选中继应处于发送成员εi邻近域的I区内,这样既可保证与发送成员εi之间的距离,同时也可兼顾与接收成员εj之间的距离,即r∈I。
相较于现有技术中在选择中继节点时多基于二维平面,且绝大多数均考虑的是在静止情况下的选择,本发明考虑到无人机编队所处的三维空间和编队成员自身周边的成员分布,且考虑到无人机高速运动的情况,因此根据邻近域选取候选中继无人机,更适用于高动态的大规模的无人机密集编队。
步骤四,将处于I区内的空闲成员放入中继候选成员集合A,若A为空集,进入步骤五执行,若A中只有一个成员,将该成员作为最优中继成员,转步骤七执行,否则,进入步骤六执行。
步骤五,将处于II区内的空闲成员放入中继候选成员集合B,若B中只有一个元素,将该成员作为最优中继成员,转步骤七执行,否则进入步骤六执行。
步骤六,对中继候选成员集合A或B中的空闲无人机,计算每个成员与源成员εi的社会性依存度,并按照从大到小的顺序进行排序,选取排在最前的成员作为最优中继成员,然后执行步骤七。
对候选集合A或B中的每个候选中继成员εr,计算εr对εi的社会性依存度ρri,依据公式(7)~(9)计算。其中,Cri为成员εr的社会能力,根据成员εr与εi的D2D链路的信干噪比得到,即其中,为成员εr的传输功率,gri为εr到εi的路径损耗,gci为蜂窝成员c到εi的路径损耗,hri为成员εr到成员εi的信道增益,hci为蜂窝成员c到成员εi的信道增益;Cbr为成员εr的基本通信能力,由成员εr的最大传输功率prmax与邻接距离drmax之比得到,表示为其中,prmax为εr的最大传输功率,drmax为εr的邻接距离,drmax=krmax·drs,drs为成员εr的安全距离,krmax是成员εi的邻接系数。
通过测算编队成员间社会性依存度可以有效地得知编队成员间的社会性依存关系,为中继成员的选择提供依据。本发明将成员间社会性依存度的大小作为一项判定依据,在中继候选成员中选择最佳的中继成员。
步骤七:最优中继成员接收到源成员的中继请求,建立链路并进行中继协作通信。
对于D2D中继协作通信,由于加入了中继成员,链路的通信过程包括两个时隙T1和T2,分别对应D2D源成员到中继成员以及中继成员到目标成员。标记最优中继成员为εr,根据译码转发的协作中继协议,中继成员选取完全译码,第一跳与第二跳的吞吐量Rir、Rrj分别为:
D2D源成员εi到中继成员εr的信干噪比γir计算为:
中继成员εr到D2D目标成员εj的信干噪比γrj为:
用中继协作通信时链路对应的传输速率Rr为:
因此,在译码转发协作中继方式下,考量编队成员间社会性依存度后的中继***的吞吐量Rd为:
其中,ρij是成员εi对成员εj的社会性依存度。
在中继协作通信中,由于中继成员选择的结果直接影响整条链路的传输速度和***性能,以编队中继***的吞吐量Rd作为目标及衡量标准对传输方式和中继成员进行优化选择。现有技术中的中继选择方法并未考虑终端间的联系及自身的条件,而本发明基于社会性依存关系,考虑了编队成员自身能力及编队成员之间的社会性依存关系,更适用于高动态的大规模的无人机密集编队。
实施例:本发明实施例中,编队半径为500m,D2D成员间距最小为25m,最大为60m,编队周期性更新时间为100ms,路径损耗因子为2,最大发射功率为23dBm,交互背景环境干扰噪声为-120dBm/hz,信道带宽为180khz。仿真结果如图4和图5所示。
如图4所示,对比了本发明所提中继选择法与现有两种中继选择法在***吞吐量(Throughput)上的表现情况。现有两种中继选择法分别为基于距离的中继选择方法和基于信噪比SNR的中继选择方法。通过编队吞吐量的累计分布函数(CDF)可以看出当编队采用基于本发明所提的中继选择方法相比其他两种方法可提升编队整体吞吐量,大部分编队成员均拥有较高的吞吐量,而低吞吐量的编队成员明显少于其他两种选择方法。基于距离的选择方法在这三种中继选择方法中表现较差,单纯以编队成员间的距离作为中继选择的条件不是很适合用于高动态、大规模的无人机密集编队。本发明实施例中小部分编队成员由于处于其邻近域内的可选中继成员很少,则主要根据成员间社会性依存度的大小来确定中继成员的选择,相比基于SNR的选择方法的提升幅度较小。而其余成员由于邻近域内可供选择的中继成员较多,直接使得符合选择方法条件的可选成员增多,提升就较为明显。
图5对比了本发明所提中继选择方法与以本发明所提社会性依存度为依据的中继选择方法在编队吞吐量上的表现情况。由于仅通过社会性依存度作为选择因素,虽然选择了社会性依存度最高的闲置成员作为最优中继成员进行通信,但是因为社会性依存度高的成员有可能远离源成员和目标成员连线,甚至完全处于目标成员的对面,所以会提高通信的不确定性。而本发明所提的中继选择方法考虑到了成员的邻近域,选择的最优中继处于源成员和目标成员连线为中心线的两个半球邻近域内,兼顾了双方的距离,所以本发明所提的中继选择方法总体优于以社会性依存度作为选择依据的中继选择方法。
经试验验证,采用本发明方法选择的中继节点,***的吞吐量优于现有技术。
Claims (3)
1.一种无人机密集编队通信网络的中继优化选择方法,其特征在于,对无人机编队中准备进行D2D通信的无人机成员,执行如下步骤:
步骤一,设需要进行D2D通信的成员εi为源成员,将当前编队中与成员εi距离最近的且拥有εi所需资源的成员εj为目标成员;设成员εi复用蜂窝成员c的上行信道资源进行传输;
步骤二,计算εi复用c的蜂窝链路的信干噪比和εi与εj的D2D链路的信干噪比,判断是否满足相应的最低通信阈值,若满足,则成员εi与目的成员εj进行直接通信,结束本方法;否则,需要中继通信,继续执行步骤三;
步骤三,按照邻近域交叠关系选择成员εi的中继选择区域,成员εi向中继选择区域内的无人机成员广播中继请求;
所述中继选择区域的选择方法是:以成员εi为球心、εi的邻接距离为半径的球形区域设为εi的邻近域;以成员εj为球心、εj的邻接距离为半径的球形区域设为εj的邻近域;以源成员εi及目标成员εj的连线为中心线的两个半球邻近域,设两个半球邻近域的交叠部分为I区,两个半球邻近域的其余部分为II区,I区和II区为所选择的中继选择区域;
步骤四,统计I区内的空闲无人机成员个数,若为0个,执行步骤五,若为1个,将I区仅有的一个空闲无人机作为最优中继成员,执行步骤七,否则进入步骤六执行;
步骤五,统计II区内的空闲无人机成员个数,若为0个,结束本方法,若为1个,将II区仅有的一个空闲无人机作为最优中继成员,执行步骤七,否则进入步骤六执行;
步骤六,从I区或II区内的空闲无人机中,选取对源成员εi的社会性依存度最大的空闲无人机作为最优中继成员,然后执行步骤七;
设候选中继成员为εr,εr对εi的社会性依存度表示为ρri,计算如下:
其中,Cri为成员εr的社会能力,由成员εr与εi的D2D链路的信干噪比得到;Cbr为成员εr的基本通信能力,由成员εr的最大传输功率与其邻接距离之比得到,Cbr≥0;
步骤七,最优中继成员接收源成员的中继请求,建立链路并进行中继协作通信。
其中,为蜂窝成员c的传输功率,为成员εi的传输功率,gcm为蜂窝成员c到网络中的主成员m的路径损耗,gim为成员εi到主成员m的路径损耗,hcm为蜂窝成员c到主成员m的信道增益,him为成员εi到主成员m的信道增益,N0为交互背景环境干扰噪声;
其中,gij为εi到εj的路径损耗,gcj为蜂窝成员c到εj的路径损耗,hij为εi到εj的信道增益,hcj为蜂窝成员c到εj的信道增益;
设蜂窝成员最低通信阈值为γc_th,D2D成员最低通信阈值为γd_th;则当满足γc≥γc_th以及γij≥γd_th时,εi与εj进行直接D2D通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706781.1A CN112040449A (zh) | 2020-07-21 | 2020-07-21 | 一种无人机密集编队通信网络的中继优化选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706781.1A CN112040449A (zh) | 2020-07-21 | 2020-07-21 | 一种无人机密集编队通信网络的中继优化选择方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112040449A true CN112040449A (zh) | 2020-12-04 |
Family
ID=73579342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010706781.1A Pending CN112040449A (zh) | 2020-07-21 | 2020-07-21 | 一种无人机密集编队通信网络的中继优化选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112040449A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804670A (zh) * | 2020-12-30 | 2021-05-14 | 深圳市微网力合信息技术有限公司 | 一种基于5G与Wi-Fi 6的通信方法及通信设备 |
CN113848989A (zh) * | 2021-08-09 | 2021-12-28 | 吴钟博 | 一种无人机密集编队通信网络的资源协同分配方法 |
CN114051224A (zh) * | 2021-08-09 | 2022-02-15 | 吴钟博 | 一种无人机密集编队支撑网络的协同中继选择方法 |
CN116709255A (zh) * | 2023-08-04 | 2023-09-05 | 中国人民解放军军事科学院***工程研究院 | 一种不完全信息条件下的中继无人机分布式选择方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120250545A1 (en) * | 2009-07-17 | 2012-10-04 | France Telecom | Selection of dynamic relays for cooperative communications in a mobile network |
CN107205256A (zh) * | 2017-04-17 | 2017-09-26 | 西安交通大学 | 一种d2d中继网络中基于社会特性的中继选择方法 |
US20170347285A1 (en) * | 2016-05-27 | 2017-11-30 | Hefei University Of Technology | Method and system for reoptimizing unmanned aerial vehicle formation communication topology based on minimum cost arborescence |
-
2020
- 2020-07-21 CN CN202010706781.1A patent/CN112040449A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120250545A1 (en) * | 2009-07-17 | 2012-10-04 | France Telecom | Selection of dynamic relays for cooperative communications in a mobile network |
US20170347285A1 (en) * | 2016-05-27 | 2017-11-30 | Hefei University Of Technology | Method and system for reoptimizing unmanned aerial vehicle formation communication topology based on minimum cost arborescence |
CN107205256A (zh) * | 2017-04-17 | 2017-09-26 | 西安交通大学 | 一种d2d中继网络中基于社会特性的中继选择方法 |
Non-Patent Citations (2)
Title |
---|
OLUWATOSIN AHMED AMODU; MOHAMED OTHMAN; NOR KAMARIAH NOORDIN; IDAWATY AHMAD: ""Relay-Assisted D2D Underlay Cellular Network Analysis Using Stochastic Geometry: Overview and Future Directions"", 《IEEE ACCESS ( VOLUME: 7)》 * |
吴钟博,易建强: ""无人机编队支撑网络的协同通信中继策略"", 《航空学报》, vol. 41, no. 2, pages 1 - 6 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804670A (zh) * | 2020-12-30 | 2021-05-14 | 深圳市微网力合信息技术有限公司 | 一种基于5G与Wi-Fi 6的通信方法及通信设备 |
CN113848989A (zh) * | 2021-08-09 | 2021-12-28 | 吴钟博 | 一种无人机密集编队通信网络的资源协同分配方法 |
CN114051224A (zh) * | 2021-08-09 | 2022-02-15 | 吴钟博 | 一种无人机密集编队支撑网络的协同中继选择方法 |
CN114051224B (zh) * | 2021-08-09 | 2023-12-05 | 吴钟博 | 一种无人机密集编队支撑网络的协同中继选择方法 |
CN116709255A (zh) * | 2023-08-04 | 2023-09-05 | 中国人民解放军军事科学院***工程研究院 | 一种不完全信息条件下的中继无人机分布式选择方法 |
CN116709255B (zh) * | 2023-08-04 | 2023-10-31 | 中国人民解放军军事科学院***工程研究院 | 一种不完全信息条件下的中继无人机分布式选择方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Joint optimization of relay deployment, channel allocation, and relay assignment for UAVs-aided D2D networks | |
Luo et al. | Cooperative vehicular content distribution in edge computing assisted 5G-VANET | |
Pu | Jamming-resilient multipath routing protocol for flying ad hoc networks | |
CN112040449A (zh) | 一种无人机密集编队通信网络的中继优化选择方法 | |
CN110149671B (zh) | 无人机蜂群网络的路由选择方法 | |
Arafat et al. | Medium access control protocols for flying ad hoc networks: A review | |
Pu | Link-quality and traffic-load aware routing for UAV ad hoc networks | |
Jia et al. | Joint cooperative spectrum sensing and spectrum opportunity for satellite cluster communication networks | |
Malhotra et al. | A comprehensive review on recent advancements in routing protocols for flying ad hoc networks | |
You et al. | Joint optimization of area coverage and mobile-edge computing with clustering for FANETs | |
Li et al. | A survey on unmanned aerial vehicle relaying networks | |
Wang et al. | Cell-less communications in 5G vehicular networks based on vehicle-installed access points | |
Wang et al. | Energy-efficient UAV deployment and task scheduling in multi-UAV edge computing | |
CN112685186B (zh) | 一种计算任务的卸载方法、装置、电子设备及存储介质 | |
Xing et al. | Resource allocation schemes for D2D communication used in VANETs | |
CN111148069A (zh) | 基于雾计算空地一体化车联网信息传输方法、智慧交通 | |
Khan et al. | Intelligent cluster routing scheme for flying ad hoc networks | |
Wang et al. | Starling flocks-inspired resource allocation for ISAC-aided green ad hoc networks | |
Liu et al. | Joint resource optimization for UAV-enabled multichannel Internet of Things based on intelligent fog computing | |
CN112564767A (zh) | 无人机网络中基于自组织优化协作的连续覆盖方法 | |
KR102346653B1 (ko) | 강화학습 기반 uav 애드혹 네트워크 중계 시스템 | |
Fan et al. | Optimal relay selection for UAV-assisted V2V communications | |
Lin et al. | LEO satellite and UAVs assisted mobile edge computing for tactical Ad-Hoc network: A game theory approach | |
CN115665860A (zh) | 一种基于候鸟群特性的无人机自组网的资源分配方法 | |
Zhang et al. | Cybertwin-assisted mode selection in ultra-dense LEO integrated satellite-terrestrial network |
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 |