一种无人机集群网络高稳定分簇方法技术

本发明专利技术公开了一种无人机集群网络高稳定分簇方法，包括：依据节点的速度和距离相似度对无人机集群网络的节点分簇，即将一定距离范围内相对静止的无人机节点分成一个簇；根据节点剩余能量、最高节点度、通信情况、任务种类四个影响因素的联合度量指标，采用改进灰狼算法选取簇首；在对无人机集群网络簇结构进行维护时采用周期性维护机制，确保在一个簇首选举周期内，由所述联合度量指标最高的节点担任簇首。本发明专利技术方法使网络结构更加稳定，同时使得簇首分布均匀，均衡节点能耗，延长网络生命周期。期。期。

【技术实现步骤摘要】
一种无人机集群网络高稳定分簇方法


[0001]本专利技术涉及无人机集群分簇网络
，具体涉及一种无人机集群网络高稳定分簇方法。

技术介绍

[0002]无人机通过装载各式各样的部件，不断扩充机载功能的同时各方面的性能也越来越强大，能够实现目标攻击、局部通信中继、火力引导、目标毁伤评估、预警侦察、电子对抗等多种复杂功能。进而无人机集群的地位也越来越受到重视，然后对无人机集群网络分簇结构的稳定性也提出了更高的要求，以适应复杂的环境。
[0003]经典的分簇方法存在一定的缺点，如没有考虑影响网络性能的因素、没有考虑节点的能量消耗以及对于动态性网络开销巨大等，不适合直接用于无人机集群网络。而国内外的学者根据其要实现的目标改进经典分簇方法，但也都存在一些问题，如计算量过大、增大节点能耗，降低了网络寿命等。

技术实现思路

[0004]针对无人机集群网络结构不稳定以及网络生命周期短的问题，本专利技术提供一种高稳定分簇方法(High Stability Clustering Optimization Algorithm,HSCOA)，该方法使网络结构更加稳定，同时使得簇首分布均匀，均衡节点能耗，延长网络生命周期。
[0005]为实现上述目的，本申请提出一种无人机集群网络高稳定分簇方法，包括：
[0006]依据节点的速度和距离相似度对无人机集群网络的节点分簇，即将一定距离范围内相对静止的无人机节点分成一个簇；
[0007]根据节点剩余能量、最高节点度、通信情况、任务种类四个影响因素的联合度量指标，采用改进灰狼算法选取簇首；
[0008]在对无人机集群网络簇结构进行维护时采用周期性维护机制，确保在一个簇首选举周期内，由所述联合度量指标最高的节点担任簇首。
[0009]进一步的，依据节点的速度和距离相似度对无人机集群网络的节点分簇，即将一定距离范围内相对静止的无人机节点分成一个簇，具体为：
[0010]设节点i是节点j在下一跳通信范围内的任意节点，将节点速度的大小和运动方向在三维坐标系中计算，则节点i与节点j在x轴、y轴、z轴上的速度差如下所示：
[0011][0012][0013][0014]其中，V
jx
、V
jy
、V
jz
为节点j在x、y、z轴上的速度；V
ix
、V
iy
、Viz为节点i在x、y、z轴上的速度；α
j
、α
i
分别为节点j、i与x轴的夹角；β
j
、β
i
分别为节点j、i与y轴的夹角；γ
j
、γ
i
分别为节点j、i与z轴的夹角；
[0015]则节点j与N个邻居节点i在x轴、y轴、z轴上的平均速度差为：
[0016][0017][0018][0019]节点j与邻居节点i在x轴、y轴、z轴上的速度差的标准差为：
[0020][0021][0022][0023]由勾股定理可知，节点j与邻居节点i的速度差的标准差如下所示：
[0024]δ
jv2
＝δ
jx2
+δ
jy2
+δ
jz2
ꢀꢀꢀ
(10)
[0025][0026]设定速度差的标准差阈值为q，当速度差的标准差δ
jv
小于速度阈值q时，节点j与其邻居节点i在运动速度大小和运动方向上都具有相似性，即具有速度相似度。
[0027]进一步的，设节点i为节点j在下一跳通信范围内的任意节点，则节点j与邻居节点i的距离差为：
[0028][0029]其中，P
t
为节点发射功率；G
t
为发射天线增益；h
t
为发射天线高度；h
r
为接收天线高度；P
r
为节点接收功率；
[0030]则节点j与N个邻居节点i的平均距离差的标准差为：
[0031][0032][0033]其中，为节点j与N个邻居节点i的平均距离差；
[0034]设定距离差的标准差阈值为p，当距离差的标准差δ
jd
小于距离阈值p时，节点j与其邻居节点i具有相似性，即具有距离相似度。
[0035]进一步的，当节点速度差的标准差和距离差的标准差都小于对应速度阈值q和距离阈值p时，则认为节点j与其邻居节点i同时具有速度相似度和距离相似度，即节点j与其邻居节点i符合成簇条件；该成簇条件具有传递性，即节点j与节点i符合成簇条件，节点j与节点k符合成簇条件，那么节点i与节点k也符合成簇条件，即节点j、节点i、节点k成为一个簇；
[0036]在初步分簇完成后，检测每个簇中节点个数，并设置每个簇中的最大允许节点个数为n
max
，以保证分簇的平衡度。
[0037]进一步的，根据节点剩余能量、最高节点度、通信情况、任务种类四个影响因素的联合度量指标，采用改进灰狼算法选取簇首，具体为：
[0038]在进行簇首选举时，如果某一节点的剩余能量E
res
小于所有邻居节点的平均能量E
avg
(所有邻居节点剩余能量之和除以邻居节点个数)，则退出簇首的竞选；其中，剩余能量通过地面控制站获取；对剩余能量进行归一化处理，即剩余能量E
res
除以初始能量E0，归一化后的剩余能量E
τ
为：
[0039][0040]进一步的，节点度是指节点在通信范围内邻居节点的个数；同一个网络中，节点度越高，簇首数量越少，网络时延越少；对节点度归一化处理即邻居节点数N
i
除以簇内总节点数N
s
，归一化后的节点度N
τ
为：
[0041][0042]进一步的，节点通信成功的概率fs(i)取决于M次独立重复试验中通信成功的次数y和通信失败的次数n，则节点通信成功的概率fs(i)为：
[0043][0044]其中，通信成功是在一个周期内收到了邻居节点的HELLO消息；通信失败是一个周期内，没有收到邻居节点的报文或收到链路断裂的错误信息；
[0045]无人机执行的作战任务不同，其性能也各不相同；执行探测任务的无人机主要任务是搜集情报、观察目标区域，增强显示和预警能力；执行侦察任务的无人机是深入到地方防御纵深进行监视、目标指示和损伤评估等；执行救援任务的无人机是在其他无人机失效时代替其继续执行任务；执行打击任务的无人机则需携带攻击武器，对目标进行精准打击。因此，需要考虑无人机执行任务种类对簇首选举的影响，依据无人机任务种类的危险程度，设置节点簇首选举的优先级权T
τ
，如表1所示：
[0046]表1任务种类与优先级权值
[0047][0048]进一步的，根据节点i的剩余能量、邻居节点数、通信情况和任务种类，对4种影响因素进行加权求和；通过加权分簇算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机集群网络高稳定分簇方法，其特征在于，包括：依据节点的速度和距离相似度对无人机集群网络的节点分簇，即将一定距离范围内相对静止的无人机节点分成一个簇；根据节点剩余能量、最高节点度、通信情况、任务种类四个影响因素的联合度量指标，采用改进灰狼算法选取簇首；在对无人机集群网络簇结构进行维护时采用周期性维护机制，确保在一个簇首选举周期内，由所述联合度量指标最高的节点担任簇首。2.根据权利要求1所述一种无人机集群网络高稳定分簇方法，其特征在于，依据节点的速度和距离相似度对无人机集群网络的节点分簇，即将一定距离范围内相对静止的无人机节点分成一个簇，具体为：设节点i是节点j在下一跳通信范围内的任意节点，将节点速度的大小和运动方向在三维坐标系中计算，则节点i与节点j在x轴、y轴、z轴上的速度差如下所示：i与节点j在x轴、y轴、z轴上的速度差如下所示：i与节点j在x轴、y轴、z轴上的速度差如下所示：其中，V
jx
、V
jy
、V
jz
为节点j在x、y、z轴上的速度；V
ix
、V
iy
、Viz为节点i在x、y、z轴上的速度；α
j
、α
i
分别为节点j、i与x轴的夹角；β
j
、β
i
分别为节点j、i与y轴的夹角；γ
j
、γ
i
分别为节点j、i与z轴的夹角；则节点j与N个邻居节点i在x轴、y轴、z轴上的平均速度差为：i在x轴、y轴、z轴上的平均速度差为：i在x轴、y轴、z轴上的平均速度差为：节点j与邻居节点i在x轴、y轴、z轴上的速度差的标准差为：节点j与邻居节点i在x轴、y轴、z轴上的速度差的标准差为：节点j与邻居节点i在x轴、y轴、z轴上的速度差的标准差为：根据勾股定理得，节点j与邻居节点i的速度差的标准差如下所示：δ
jv2
＝δ
jx2
+δ
jy2
+δ
jz2
ꢀꢀꢀꢀꢀ
(10)
设定速度差的标准差阈值为q，当速度差的标准差δ
jv
小于速度阈值q时，节点j与其邻居节点i在运动速度大小和运动方向上都具有相似性，即具有速度相似度。3.根据权利要求2所述一种无人机集群网络高稳定分簇方法，其特征在于，设节点i为节点j在下一跳通信范围内的任意节点，则节点j与邻居节点i的距离差为：其中，P
t
为节点发射功率；G
t
为发射天线增益；h
t
为发射天线高度；h
r
为接收天线高度；P
r
为节点接收功率；则节点j与N个邻居节点i的平均距离差的标准差为：则节点j与N个邻居节点i的平均距离差的标准差为：其中，为节点j与N个邻居节点i的平均距离差；设定距离差的标准差阈值为p，当距离差的标准差δ
jd
小于距离阈值p时，节点j与其邻居节点i具有相似性，即具有距离相似度。4.根据权利要求2或3所述一种无人机集群网络高稳定分簇方法，其特征在于，当节点速度差的标准差和距离差的标准差都小于对应速度阈值q和距离阈值p时，则认为节点j与其邻居节点i同时具有速度相似度和距离相似度，即节点j与其邻居节点i符合成簇条件；该成簇条件具有传递性，即节点j与节点i符合成簇条件，节点j与节点k符合成簇条件，那么节点i与节点k也符合成簇条件，即节点j、节点i、节点k成为一个簇；在初步分簇完成后，检测每个簇中节点个数，并设置每个簇中的最大允许节点个数为n
max
，以保证分簇的平衡度。5.根据权利要求1所述一种无人机集群网络高稳定分簇方法，其特征在于，根据节点剩余能量、最高节点度...

【专利技术属性】
技术研发人员：张然，高莹雪，丁元明，杨阳，
申请(专利权)人：大连大学，
类型：发明
国别省市：