一种面向集群内通信的U2U分布式动态资源分配方法组成比例

本发明专利技术提供一种面向集群内通信的U2U分布式动态资源分配方法，包括构建IaS‑U2U通信场景模型及通信流程；构造IaS‑U2U通信的目标函数，得到IaS‑U2U通信的多目标优化问题；对多目标优化问题进行分解，由H‑UAV和R‑UAV采用经典GS算法进行UAV匹配过程，完成UAV配对；根据UAV配对结果，采用SPO算法完成对R‑UAV的位置优化，完成对多目标优化问题的求解；根据求解结果，完成U2U分布式动态资源的分配。本发明专利技术提供的一种面向集群内通信的U2U分布式动态资源分配方法，提出了一种分布式U2U通信流程，适用于脱网状态下的IaS‑U2U传输，克服了现有U2U文献忽略UAV推进功率、忽略UAV间干扰和QoS约束等实际条件的缺点。

【技术实现步骤摘要】
一种面向集群内通信的U2U分布式动态资源分配方法
本专利技术涉及通信
，更具体的，涉及一种面向集群内通信的U2U分布式动态资源分配方法。
技术介绍
随着通信技术的迅速发展，人们在大多数陆地区域都能够享用高速、可靠的移动通信服务。然而，在eNB无法有效覆盖的偏远地区，以及小区用户数过载的场景下，eNB并不足以满足所有用户的通信需求。UAV在扩大eNB的无线覆盖范围，提高小区用户通信质量方面起到了显著的作用。近年来，UAV也逐渐投入了新的应用场景中，并涵盖了军事和商业应用等不同方面的需求。UAV所扮演的角色，也逐渐从辅助地面通信的中继，转变成了空中或地面网络小区的用户。UAV有多种应用场景，包括建筑规划、救援实施、货物运输、实时监控等。UAV所支持的服务类型也逐渐从单一走向多元，使得行业对UAV的通信需求逐步提高。然而，UAV作为小区用户，并不一定能够获得较高的通信质量。例如，UAV负责地面的监控和探测工作时，可能处于信号覆盖较差的区域，UAV难以将采集到的视频信息及时上传给eNB。此外，在偏远地区进行搜救行动时，UAV可能处于脱网状态，UAV之间无法进行通信，导致UAV网络难以正常进行搜救活动。U2U技术，能够减轻eNB的负荷，并提升系统的容量，因而成为提高UAV通信质量的关键技术之一。由于UAV的功能有限，仅靠单个UAV难以支持上述复杂且繁重的业务需求。与传统的单UAV相比，UAV集群能够高效、快速地完成各类复杂的任务。例如，在军用场景下，UAV往往以集群的形式执行巡逻与监测任务。因此，为了应对UAV系统集群化的发展趋势，集群UAV成为了U2U通信技术考虑的重要应用场景之一。支持U2U通信的另一个关键问题在于UAV的机载能量有限。为实现U2U的可靠通信，并延长UAV集群的飞行时间，需要对UAV集群能量资源进行有效的分配。与地面设备不同的是，UAV会产生额外的推进能量消耗，以维持飞行状态并支持其移动。因此，推进能耗的优化也成为在U2U通信系统优化设计中需要重点考虑的问题。国内外有许多研究都考虑到了UAV的通信和能耗问题。其中，Qiu等人[1]C.Qiu,Z.Wei,Z.Feng,andP.Zhang,"Backhaul-awaretrajectoryoptimizationoffixed-wingUAV-mountedbasestationforcontinuousavailablewirelessservice,"IEEEAccess,vol.8,pp.60940-60950,2020,doi:10.1109/ACCESS.2020.2983516.引用了固定翼UAV的推进能耗模型，并在考虑UAV辅助无线通信的服务质量(QualityofService，QoS)约束下，构造了最小化推进能耗问题，联合优化了UAV轨迹和发射功率。然而，该研究只关注了UAV围绕地面eNB盘旋的情况，且推进模型难以直接应用于旋翼UAV。尽管旋翼UAV与固定翼UAV相比具有完全不同的推进原理，但其灵活性更高。针对旋翼UAV的应用场景，Zeng等人[2]Y.ZengandR.Zhang,"Energy-efficientUAVcommunicationwithtrajectoryoptimization,"IEEETransactionsonWirelessCommunications,vol.16,no.6,pp.3747-3760,Jun.2017,doi:10.1109/TWC.2017.2688328.推导了其推进能耗模型的闭式表达式，并构造了最小化推进能耗问题，联合优化了UAV轨迹、通信时间分配及总任务完成时间。Zhan等人[3]C.ZhanandH.Lai,"Energyminimizationininternet-of-thingssystembasedonrotary-wingUAV,"IEEEWirelessCommunicationsLetters,vol.8,no.5,pp.1341-1344,Oct.2019,doi:10.1109/LWC.2019.2916549.引用了旋翼UAV的推进能耗模型，并考虑UAV的能量预算约束，构造了最小化UAV能耗问题，联合优化了UAV轨迹和发射功率。Ahmed等人[4]S.Ahmed,M.Z.Chowdhury,andY.M.Jang,"Energy-efficientUAV-to-userschedulingtomaximizethroughputinwirelessnetworks,"IEEEAccess,vol.8,pp.21215-21225,2020,doi:10.1109/ACCESS.2020.2969357.考虑了视距(Line-of-Sight，LOS)和非视距(Non-Line-of-Sight，NLOS)情况下的UAV辅助无线通信场景，在考虑UAV推进能耗的约束下构造了最大吞吐量问题，联合优化了UAV轨迹、传输功率和UAV速度。值得注意的是，文献[2]-[4]均只考虑了单个UAV的位置部署或轨迹优化问题，因此假设UAV不受到来自其余设备的干扰。然而，在实际场景中，UAV的干扰强度是随其位置的变化而变化的。此外，在集群场景下，若考虑同频组网，则UAV无法忽略来自同一个集群中其余UAV的干扰。因此，在优化UAV轨迹的过程中，考虑干扰的影响更符合实际情况。基于此，Liu等人[5]A.LiuandV.K.N.Lau,"Optimizationofmulti-UAV-aidedwirelessnetworkingoveraray-tracingchannelmodel,"IEEETransactionsonWirelessCommunications,vol.18,no.9,pp.4518-4530,Sep.2019,doi:10.1109/TWC.2019.2926088.考虑了视距和非视距情况下UAV辅助无线通信场景，并考虑了来自地面用户的干扰，设计了一种基于SCA的位置优化算法。该算法可根据地面用户的干扰，选择合适的位置部署UAV。然而，该方案仅优化了UAV的悬停位置，并未优化UAV在特定时间段内的轨迹，且忽略了UAV在飞行过程中的能耗问题。值得注意的是，以上方案大多仅关注UAV辅助无线通信场景，难以直接适用于集群U2U通信场景。目前，仅有少量的研究直接关注了U2U通信场景。其中，Bellido-Manganell等人分析了U2U技术的潜在应用场景，并讨论了不同媒体访问方案，前向纠错编码和调制方案对U2U数据链路设计的适用性。Ranjha等人研究了多跳UAV中继链路在地面物联网(InternetofThings，IoT)设备之间传递简短的超可靠和低延迟(URLLC)指令包的问题，采用了非线性优化方法最小化错误解码概率。然而，此类方案并不涉及媒体访问控制(MediaAccessControl，MAC)层的资源分配问题。Du等人[6]B.Du,R.Xue,L.Zhao,andV.C.M.Leung,"Coalitionalgraphgameforair-to本文档来自技高网...

【技术保护点】
1.一种面向集群内通信的U2U分布式动态资源分配方法，其特征在于，包括以下步骤：/nS1：构建IaS-U2U通信场景模型及通信流程，其中考虑了三个种类的UAV，包括处于集群中心位置的中心UAV，即C-UAV，主动提供U2U通信服务的辅助者UAV，即H-UAV和需要U2U服务的请求者UAV，即R-UAV；/nS2：构造IaS-U2U通信的目标函数，得到IaS-U2U通信的多目标优化问题；/nS3：对多目标优化问题进行分解，由H-UAV和R-UAV采用经典GS算法进行UAV匹配过程，完成UAV配对；/nS4：根据UAV配对结果，采用SPO算法完成对R-UAV的位置优化，完成对多目标优化问题的求解；/nS5：根据求解结果，完成U2U分布式动态资源的分配。/n

【技术特征摘要】
1.一种面向集群内通信的U2U分布式动态资源分配方法，其特征在于，包括以下步骤：
S1：构建IaS-U2U通信场景模型及通信流程，其中考虑了三个种类的UAV，包括处于集群中心位置的中心UAV，即C-UAV，主动提供U2U通信服务的辅助者UAV，即H-UAV和需要U2U服务的请求者UAV，即R-UAV；
S2：构造IaS-U2U通信的目标函数，得到IaS-U2U通信的多目标优化问题；
S3：对多目标优化问题进行分解，由H-UAV和R-UAV采用经典GS算法进行UAV匹配过程，完成UAV配对；
S4：根据UAV配对结果，采用SPO算法完成对R-UAV的位置优化，完成对多目标优化问题的求解；
S5：根据求解结果，完成U2U分布式动态资源的分配。


2.根据权利要求1所述的一种面向集群内通信的U2U分布式动态资源分配方法，其特征在于，在所述步骤S1的IaS-U2U通信场景模型中，所述的C-UAV始终处于半径为rsw的圆形集群区域中心，用于协调和管控集群内部其余UAV的移动；其余UAV在初始时随机分布在集群范围内，各个UAV之间间距不少于预设的保护距离考虑到航空场景下的一般情况，假设UAV集群工作在OOC状态下，但在必要时，C-UAV可接入卫星获取航路规划信息；在此场景下，R-UAV需要获得来自H-UAV缓存空间的数据包，为了获得更好的传输条件，需要完成在集群内所处相对位置和移动轨迹的优化；
假定各集群之间距离较远，因而集群之间的干扰较小，可以忽略；在同一个集群内部的UAV则复用同一个频段，相互存在干扰；此外，由于集群内各UAV之间的距离较近，假定R-UAV均可在一个时隙δintra内完成位置的移动；假定该UAV集群中共有M个H-UAV和N个R-UAV，其序号分别构成集合Μ＝{1,2,...,m,...,M}和Ν＝{1,2,...,n,...,N}；此外，令wi＝[xi,yi]T表示UAVi相对于C-UAV的坐标向量，并令WH-UAV＝[wm]m∈M和WR-UAV＝[wn]n∈N分别表示H-UAV和R-UAV的坐标向量构成的矩阵；假设集群内部所有H-UAV和R-UAV均可根据既定的航行路线或C-UAV的临时通知消息获取δintra时隙结束后C-UAV的绝对坐标则任意UAVi可根据其在本集群内的相对坐标wi来计算对应的绝对坐标即有：假设集群内部的所有UAV均处于同一飞行高度，则对于且i≠j，di,j＝||wi-wj||表示UAVi到UAVj的距离，其中||·||为取二范数操作符；
在IaS-U2U通信场景下，假设各UAV间均为LOS信道，且多普勒频移能够被精确估计，多普勒造成的影响也能够被完全抵消；因此，本模型的信道模型采用自由空间路损模型，则H-UAVm和R-UAVn在时隙δintra内的信道增益表示为：



其中，β和α分别表示信道系数和路损指数；此外，旋翼UAV相比固定翼UAV灵活性更高，因此以旋翼UAV的推进功率模型进行优化，旋翼UAV的推进功率Pp是关于UAV的速度大小V的函数，记作：



其中：Pbla表示叶片功率；Utip表示叶尖转速；drat表示机身阻力比；ρ表示空气密度；srot表示转子体积；A表示转子盘面积；Pind表示诱导功率；vrot表示平均转子诱导速度；其中，旋翼UAV的推进功率由三部分组成：叶片功率、诱导功率和寄生功率；叶片功率和诱导功率需要克服叶片阻力和机身阻力，分别与速度V的二次方和三次方成正比；诱导功率是克服叶片诱导阻力所需的功率，该阻力随速度V增大而减小；因此，旋翼UAV的推进功率呈现出先随速度V增大而减小，再随速度V增大而增大的特点，旋翼UAV存在着一个使得推进功率最小的速度值，记为VMP；由于单架UAV的推进功率通常在百瓦数量级，则在IaS-U2U通信场景模型中，假设发射功率远远小于推进功率。


3.根据权利要求2所述的一种面向集群内通信的U2U分布式动态资源分配方法，其特征在于，在所述步骤S1中，所述IaS-U2U通信场景模型的通信流程具体为：
S11：每个R-UAV向各H-UAV广播U2U请求及其自身的内容特征信息；每个H-UAV接收到请求后，广播其自身的内容特征信息；之后，各R-UAV基于默认的H-UAV发射功率和H-UAV发布的内容特征，与各H-UAV进行分布式配对；
S12：配对成功的各R-UAV向C-UAV发起位置优化申请，C-UAV通过轮询的方式对R-UAV启动位置优化流程，具体为：
i.当轮询到特定R-UAV时，C-UAV向该R-UAV发送位置信息列表，该列表包含了集群内所有UAV的位置信息；
ii.该R-UAV根据位置信息列表，执行SPO算法，进行位置优化；
iii.若优化成功，该R-UAV向与其配对的H-UAV及C-UAV反馈优化结果，再执行位置移动过程；若优化失败，则向H-UAV反馈优化失败标识，该R-UAV和该H-UAV等待下一轮匹配；
iv.R-UAV根据优化结果计算其绝对坐标，并实施位置移动；
v.该R-UAV告知与其配对的H-UAV位置移动过程结束；
S13：各R-UAV与其各自配对的H-UAV建立U2U连接，并实施U2U通信。


4.根据权利要求3所述的一种面向集群内通信的U2U分布式动态资源分配方法，其特征在于，在所述步骤S2中，根据步骤S1中的通信过程，考虑对集群系统的传输速率和推进功率两个方面进行联合优化，构造IaS-U2U通信的目标函数，具体为：
在R-UAV变更其自身的位置并与H-UAV建立连接之前，需要进行R-UAV和H-UAV的配对；定义一个二进制矩阵XM×N，其元素xm,n＝1表示H-UAVm与R-UAVn配对，xm,n＝0则表示未配对，其中m∈Μ,n∈Ν；假定每个H-UAV至多服务1个R-UAV，每个R-UAV至多被一个H-UAV服务，即：



此外，令表示R-UAVn相对于C-UAV的初始坐标，wn表示R-UAVn下一个时隙相对于C-UAV的坐标；由于仅优化R-UAV的位置，即假设C-UAV和H-UAV的速度相同，并将该速度定义为集群的速度，表示为向量其中分别表示集群沿x方向和y方向的速度分量；综上，R-UAVn的速度大小由其速度向量的二范数表示为：



其中，表示R-UAVn相对于集群的相对速度；基于式(2)，将R-UAVn的推进功率用wn表示为：



假设各H-UAV以满功率进行发射，并将H-UAVm的发射功率记作则H-UAVm到R-UAVn的传输速率表示为：



其中，B和ε2分别表示信道带宽和噪声功率谱密度；基于上述分析，将式(5)、式(6)联合起来，构造出IaS-U2U通信的目标函数，即：



其中：θn∈(0,1]表示R-UAVn对于推进功率的偏好因子，用于R-UAVn调节推进功率在多目标问题中的占比，θn越高，表明R-UAVn更重视推进功率问题；正实数的单位为Mbit·s-1·W-1，用于将推进功率Pp(wn)的取值调整为与传输速率Rintra(wn)相同的数量级，并令调整后的项与传输速率保持同一量纲。


5.根据权利要求4所述的一种面向集群内通信的U2U分布式动态资源分配方法，其特征在于，在所述步骤S2中，为方便表述，基于式(5)、式(6)定义如下变量：
·表示集群中所有R-UAV推进功率的总和：



·Rtot表示集群中所有H-UAV传输速率的总和：



·μintra表示IaS-U2U通信系统的能量效率：



综上，则IaS-U2U通信的多目标优化问题表示为：



受限于：



其中：
·约束条件C1和C2为H-UAV和R-UAV的配对约束；
·约束条件C3表示R-UAV的飞行速度应不高于UAV最高飞行速度Vmax；
·约束条件C4为防脱离集群约束，表示任意R-UAV优化后的相对坐标仍处于半径为rsw的集群编队范围内；
·约束条件C5为QoS约束，表示任意配对成功的H-UAV与R-UAV之间的传输速率不低于给定的
·约束条件C6和C7为防碰撞约束，分别表示任意R-UAV与任意H-UAV以及与C-UAV(其位置为坐标原点)之间的距离应大于


6.根据权利要求5所述的一种面向集群内通信的U2U分布式动态资源分配方法，...

【专利技术属性】
技术研发人员：江明，徐明智，吴宽，陈剑超，黄晓婧，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44