一种面向能量效率的无人机集群网络中继传输选择方法与流程

文档序号:16066541发布日期:2018-11-24 12:43阅读:601来源:国知局

本发明涉及无线通信网络技术领域,特别是一种面向能量效率的无人机集群网络中继传输选择方法。

背景技术

无人机集群由于其平台小型化、功能分布化、系统智能化、体系生存强、系统成本低、部署简便、使用灵活的特点,便于发挥数量规模优势,实现集群侦察、打击、干扰等功能,可以应用于反恐、突防、护航等作战任务,被世界各军事强国视为未来无人化作战的样板,受到国防领域、工业界、学术界的重点关注。各国争相研究和发布无人机集群试验原型系统,争抢该研究的制高点。

发挥无人机集群的数量规模优势,需要集群具有自组织、自适应、拟人思维的能力,能通过感知环境,依据一定的行为规则,进行攻击、避让、分散、集中、协作、援助等智能决策。其关键在于,在统一目标任务之下,集群内无人机之间密切配合,把各自的功能科学地整合起来,形散神聚,形成有机整体。实现无人机集群密切协同的基础在于,能够保障无人机之间进行可靠、及时、准确的信息交互的集群通信网络。没有一个健壮的“神经系统”,发挥集群作战效能是不可能的。因此,研究无人机集群的通信技术是当前面临的重要技术问题之一,也是技术研究的热点问题。

相比于传统的无线通信网,无人机集群通信网络面临无人机能量约束的挑战。但是受限于机载设备功率,无人机通信往往需要进行中继转发,而在动态环境下,存在整个无人机集群网络中系统中继选择结构稳定性较差,且无人机集群的能量消耗大等问题。



技术实现要素:

本发明的目的在于提供一种稳定性强、能量消耗低的面向能量效率的无人机集群网络中继传输选择方法。

实现本发明目的的技术解决方案是:一种面向能量效率的无人机集群网络中继传输选择方法,包括以下步骤:

步骤1、进行无人机集群网络中继传输选择初始化设置;

步骤2、进行无人机集群网络状态信息获取,并进行各用户收益计算;

步骤3、用户策略迭代更新:首先随机选定进行策略更新的用户,然后进行策略更新的用户根据策略更新规则,选定新的中继选择策略,其他用户保持原中继选择策略不变;不断迭代,直到所有用户的中继选择策略不再发生变化为止;

步骤4、用户按照选定的中继节点,进行数据传输。

进一步地,该方法还包括:步骤5、当网络中继传输选择算法所需的数据发生变化时,返回步骤2重新进行无人机集群网络中继传输选择。

进一步地,步骤1所述的进行无人机集群网络中继传输选择初始化设置,具体如下:

定义πf={1,2,...,n}为提供中继服务的无人机集合;πc={1,2,...,m}为需要中继转发的无人机集合;bf={b1,b2,...,bn}为中继无人机能提供的传输带宽值的集合;设定需要中继转发的无人机为cm,其中m是需要中继转发的无人机编号;fn为提供中继服务的无人机,其中n是提供中继服务的无人机编号;需要中继转发的无人机cm随机选择一个中继无人机fn,形成初始的网络中继转发结构。

进一步地,步骤2所述的进行无人机集群网络状态信息获取,并进行各用户收益计算,具体如下:

步骤2.1,进行网络状态信息获取:

各个用户通过信息共享,获取网络中的相关信息,包括集群网络拓扑结构、地面站位置、能提供的带宽、中继无人机的位置信息;

步骤2.2,进行各用户收益计算:

在当前中继选择情况下,计算用户的收益:

其中,um,n是无人机m选择中继无人机n时的收益;am是无人机m的中继选择策略;a-m是无人机m之外的其他无人机的中继选择策略;bn是中继无人机n提供的带宽,n0是背景噪声功率,|ωn|是选择中继无人机n作为中继转发节点的无人机数量;rm,n是无人机m和中继无人机n之间需要的数据传输速率;δm,n是无人机m和中继无人机n之间的距离;γm,n是无人机m和中继无人机n之间无线路径损耗指数;ρm,n是无人机m和中继无人机n之间无线随机衰落;neim是与无人机m相邻的其他无人机集合;i是需要中继传输的无人机编号;k是提供中继的无人机编号。

进一步地,步骤3所述的用户策略迭代更新,具体如下:

步骤3.1,选定策略更新用户:集群内各个无人机设定一个随机计数器,计数器倒计时到0的无人机即为选定的进行策略更新的无人机;

步骤3.2,策略更新:选定的进行策略更新的无人机,按以下方式选定中继:

其中,i是学习更新次数编号;是无人机m的一个不同于am的中继选择策略;β是学习参数;am是无人机m的所有可供选择的中继选择策略集合。

进一步地,步骤4所述的用户按照选定的中继节点,进行数据传输,具体如下:

用户按照选定的中继节点,把需要传输的数据,按照传输速率要求,传输给选定的中继无人机。

本发明与现有技术相比,其显著优点为:(1)把机器学习算法运用在无人机集群网络的中继选择问题中,使得系统中继优化能够不依赖中心协调,提高了系统的鲁棒性,增强了无人机集群对环境变化的适应能力;(2)基于分布式学习算法,不断迭代到选择策略收敛,在满足各个用户的通信性能需求的情况下,以用户自组织和自学习的方式,最终达到整个无人机集群网络中系统中继选择结构稳定,并且实现中继传输能量消耗最低,有效延长了无人机集群执行任务的时间。

附图说明

图1本发明面向能量效率的无人机集群网络中继传输选择方法的工作机制示意图。

图2本发明面向能量效率的无人机集群网络中继传输选择方法的工作流程图。

图3本发明所提方法与现有方法能量消耗性能比较图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

结合图1、图2,本发明提出的面向能效优化的无人机集群网络中继传输选择方法,具体实施方式如下:

本发明采用如图1所示的无人机中继选择机制,。在一个n个中继无人机和m普通无人机组成的无人机集群中,各个需要中继转发的普通无人机自主决策选择哪个中继无人机转发数据,目标是要使得满足数据速率的前提下,消耗的传输功率最小。影响决策的主要因素有:普通无人机与中继无人机之间的距离,与中继无人机之间无线信道质量情况,中继无人机能提供的传输带宽,以及同时选择该中继无人机的普通无人机数目。本发明通过提出一种学习迭代算法,使得各个普通无人机的中继选择趋于稳定,最终形成一个稳定的中继分配结构,在该结构下,集群消耗的数据传输能量综合最低。

结合图2,本发明面向能量效率的无人机集群网络中继传输选择方法,步骤如下:

步骤1、进行无人机集群网络中继传输选择初始化设置;

步骤2、进行无人机集群网络状态信息获取,并进行各用户收益计算;

步骤3、用户策略迭代更新:首先随机选定进行策略更新的用户,然后进行策略更新的用户根据策略更新规则,选定新的中继选择策略,其他用户保持原中继选择策略不变;不断迭代,直到所有用户的中继选择策略不再发生变化为止;

步骤4、用户按照选定的中继节点,进行数据传输;

步骤5、当网络中继传输选择算法所需的数据发生变化时,返回步骤2重新进行无人机集群中继选择。

进一步地,步骤1所述的进行无人机集群网络中继传输选择初始化设置,具体如下:

定义πf={1,2,...,n}为提供中继服务的无人机集合;πc={1,2,...,m}为需要中继转发的无人机集合;bf={b1,b2,...,bn}为中继无人机能提供的传输带宽值的集合;设定需要中继转发的无人机为cm,其中m是需要中继转发的无人机编号;fn为提供中继服务的无人机,其中n是提供中继服务的无人机编号;需要中继转发的无人机cm随机选择一个中继无人机fn,形成初始的网络中继转发结构。

进一步地,步骤2所述的进行无人机集群网络状态信息获取,并进行各用户收益计算,具体如下:

步骤2.1,进行网络状态信息获取:

各个用户通过信息共享,获取网络中的相关信息,包括集群网络拓扑结构、地面站位置、能提供的带宽、中继无人机的位置信息;

步骤2.2,进行各用户收益计算:

在当前中继选择情况下,计算用户的收益:

其中,um,n是无人机m选择中继无人机n时的收益;am是无人机m的中继选择策略;a-m是无人机m之外的其他无人机的中继选择策略;bn是中继无人机n提供的带宽,n0是背景噪声功率,|ωn|是选择中继无人机n作为中继转发节点的无人机数量;rm,n是无人机m和中继无人机n之间需要的数据传输速率;δm,n是无人机m和中继无人机n之间的距离;γm,n是无人机m和中继无人机n之间无线路径损耗指数;ρm,n是无人机m和中继无人机n之间无线随机衰落;neim是与无人机m相邻的其他无人机集合;i是需要中继传输的无人机编号;k是提供中继的无人机编号。

进一步地,步骤3所述的用户策略迭代更新,具体如下:

步骤3.1,选定策略更新用户:集群内各个无人机设定一个随机计数器,计数器倒计时到0的无人机即为选定的进行策略更新的无人机;

步骤3.2,策略更新:选定的进行策略更新的无人机,按以下方式选定中继:

其中,i是学习更新次数编号;是无人机m的一个不同于am的中继选择策略;β是学习参数;am是无人机m的所有可供选择的中继选择策略集合。

进一步地,步骤4所述的用户按照选定的中继节点,进行数据传输,具体为:用户按照选定的中继节点,把需要传输的数据,按照传输速率要求,传输给选定的中继无人机。

实施例1

下面通过仿真实例来验证本发明的有效性。

设置仿真场景如下:普通无人机数量25,中继无人机数量6,链路带宽[6,10,15,20,25,32]mhz,数据传输速率1mbit/s,噪声功率-130db;;该参数设置并没有特殊性,可以是任意业务量值,可以对应任意的应用业务,对本研究的接入技术本身并没有决定性的影响。仿真停止条件:各个无人机的中继选择策略不再改变。

图3结果表明,本发明提出的方法能有效的实现各个无人机中继选择策略的收敛,即系统能量消耗趋于稳定,能形成稳定的中继结构。本发明提出的方法相比于传统的最优响应学习算法,能获得更低的集群能量消耗结果,即能形成能量效率更为优化的中继结构,能有效的提升无人机集群的能量效率。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1