基于SANET的無人艇移動數(shù)據(jù)卸載方法

昆明精密機械研究所 茍 春

無人艇（USV）在協(xié)同工作的時候會產(chǎn)生需要共享的移動數(shù)據(jù)，當(dāng)這些數(shù)據(jù)量較大的時候，會增加主干網(wǎng)絡(luò)的負(fù)載。針對這一問題，本文提出一種基于SANET的USV移動數(shù)據(jù)卸載方法?？紤]到USV的移動性，兼顧系統(tǒng)經(jīng)濟成本和USV能量消耗，將問題形式化為數(shù)據(jù)效用最大化問題，設(shè)計遺傳算法求解問題，得到數(shù)據(jù)傳輸過程中通信鏈路和帶寬資源分配策略，并在此基礎(chǔ)上將算法進行了改進。實驗仿真結(jié)果表明了本文提出的數(shù)據(jù)卸載方法的有效性。

USV（Unmanned Surface Vessel，USV）是一種工作在水面上的無人化、信息化、智能化的工作平臺。由于其具有魯棒性強、智能化程度高、靈活性較強、成本較低等特點，USV已經(jīng)被廣泛應(yīng)用到軍事或非軍事領(lǐng)域，如偵查巡邏、排雷反潛、海洋資源勘探、水文地理探測等領(lǐng)域。隨著物聯(lián)網(wǎng)技術(shù)在船舶與海洋尤其是軍事領(lǐng)域深入、廣泛地應(yīng)用，USV搭載了聲吶、海洋數(shù)據(jù)采集傳感器、成像系統(tǒng)等先進的感知設(shè)備，以采集海洋或軍事環(huán)境數(shù)據(jù)；同時，USV搭載了多模態(tài)衛(wèi)星通訊、航跡態(tài)監(jiān)測等通信設(shè)備，以完成USV與有人艦船的協(xié)同作戰(zhàn)等任務(wù)。

在此場景下，USV可能會產(chǎn)生大量需要與其他設(shè)備共享的實時性移動數(shù)據(jù)。水面艦艇之間傳輸數(shù)據(jù)一般采用短波無線電技術(shù)，其傳輸速率較低。當(dāng)某些USV需要將大量的實時移動數(shù)據(jù)（如高清視頻）共享到其他設(shè)備時，會對主干網(wǎng)絡(luò)產(chǎn)生較大的通信壓力；由此，Al-Zaidi R、Woods J、Al-Khalidi M,et al提出使用船舶自組織網(wǎng)絡(luò)（SANET）來減緩主干網(wǎng)絡(luò)的數(shù)據(jù)傳輸壓力。段懿洋、任海英、何曉提出一種基于邊緣計算的無人艇通信數(shù)據(jù)分發(fā)機制，提出一種動態(tài)平均數(shù)據(jù)壓縮方法，通過最大化數(shù)據(jù)壓縮率來確定數(shù)據(jù)分發(fā)策略，相對于傳統(tǒng)云計算，該方法所提出的機制具有較強的實時性。

由于USV靈活的移動性會影響USV之間鏈路的穩(wěn)定性，在實際應(yīng)用過程中，無法保證某個USV可以由同一個USV將其所需要的數(shù)據(jù)下載完畢。目前，該領(lǐng)域的文獻研究并未考慮到USV移動性對數(shù)據(jù)傳輸?shù)挠绊?，且缺乏對系統(tǒng)產(chǎn)生的數(shù)據(jù)傳輸成本和USV能耗對數(shù)據(jù)傳輸影響的探究。針對這些問題，本文提出一種基于SANET的USV移動數(shù)據(jù)卸載方法。該方法基于USV的移動性，考慮到數(shù)據(jù)傳輸過程中對系統(tǒng)產(chǎn)生的成本以及USV的能耗，通過將大量的移動數(shù)據(jù)卸載到USV之間的SANET上，以降低主干網(wǎng)絡(luò)的負(fù)載。

本文主要貢獻如下：

（1）建立USV移動模型，并使用多播的方式進行USV之間的數(shù)據(jù)傳輸。

（2）兼顧系統(tǒng)數(shù)據(jù)傳輸成本和USV能耗，將問題形式化為數(shù)據(jù)效用最大化問題。

（3）在每個時隙，針對本場景中的模型，本文設(shè)計遺傳算法來求解數(shù)據(jù)效用最大化問題，以得到近似最優(yōu)解；并對算法進行改進，以提高算法執(zhí)行效率。

1 系統(tǒng)模型

如圖1所示，假設(shè)有USV集合U={u1,u2,...,um}在某片海域執(zhí)行任務(wù)，其中，一部分USV緩存有其他USV需要的數(shù)據(jù)，本文稱這一類USV為種子USV；移動數(shù)據(jù)種類集合為D={d1,d2,...,dl}；主干網(wǎng)絡(luò)由蜂窩網(wǎng)和衛(wèi)星通信網(wǎng)絡(luò)構(gòu)成，主干網(wǎng)絡(luò)可以對該區(qū)域?qū)崿F(xiàn)無縫覆蓋；USV隨時可以通過主干網(wǎng)絡(luò)下載移動數(shù)據(jù)，也可以通過SANET由種子USV下載數(shù)據(jù)。其中，為更加充分地利用SANET帶寬資源，本文假設(shè)USV之間可以以多播的方式傳輸數(shù)據(jù)；為簡化建模過程，可以將所有的主干網(wǎng)絡(luò)節(jié)點所提供的鏈路看做同一個鏈路，即將所有主干鏈路節(jié)點看做同一個無線接入點；設(shè)主干網(wǎng)絡(luò)鏈路的總帶寬資源大小為rm，系統(tǒng)為種子USVui分配的帶寬資源為ri。

圖1 系統(tǒng)模型圖

本文將主干網(wǎng)絡(luò)和所有的種子USV統(tǒng)稱為無線接入點?？紤]到USV靈活的移動性，本文將數(shù)據(jù)傳輸過程劃分為足夠短的、連續(xù)的、大小相等的時間間隙。由于每個時隙足夠短，在同一個時隙中，假設(shè)每個USV的航行速度大小和方向不變，USV只能由唯一一個無線接入點下載數(shù)據(jù)；在不同時隙，USV可以以不同大小、方向的速度航行，USV可以由不同的無線接入點下載數(shù)據(jù)；假設(shè)每一個USV只需要一種數(shù)據(jù)，且每一種數(shù)據(jù)的大小是確定的。

在每個時隙，系統(tǒng)通過USV的地理位置、航速大小和方向、傳輸數(shù)據(jù)能耗等信息來制定移動數(shù)據(jù)卸載策略，以得到系統(tǒng)為每個需要下載數(shù)據(jù)的USV所分配的通信鏈路和帶寬資源；從而USV由系統(tǒng)分配的網(wǎng)絡(luò)資源來下載數(shù)據(jù)。由于遺傳算法具有較高的執(zhí)行效率，本文不考慮算法執(zhí)行時間對數(shù)據(jù)卸載的影響。

1.1 USV移動模型

本文通過建立USV移動模型，計算USV之間的歐幾里得距離以及相對航速，由此來得到USV之間的通信鏈路最大持續(xù)時間，以確定在每個時隙USV之間是否可以建立通信鏈路以傳輸數(shù)據(jù)。

在海平面上建立平面直角坐標(biāo)系A(chǔ)。在時隙t，設(shè)元組(pi(t),vi(t),θi(t))表示USVui的移動性。其中pi(t)=(xi(t),yi(t))表示USVui在坐標(biāo)系A(chǔ)中的位置；vi(t)表示USVui航速大??；θi(t)表示在坐標(biāo)系A(chǔ)中USVui與X軸正方向的夾角。設(shè)R表示保證USV之間穩(wěn)定傳輸數(shù)據(jù)的最大距離。

在時隙t，可知USVui與uj之間的相對航速大小為:

USVui與uj之間的相對地理位置為：

USVui與uj之間橫向相對航速vijh(t)與縱向相對航速(t)與縱向相對航速(t)分別為：

在坐標(biāo)系A(chǔ)中，可知USVui與uj之間相對速度vij(t)與X軸正向夾角φ(t)為：

可知USVui與uj之間通信鏈路連接持續(xù)時間：

以及：

其中a=tanφ(t)，b=yij(t)－xij(t).tanφ(t)。

在時隙t，考慮到USV移動性約束，當(dāng)ui可以向uj傳輸數(shù)據(jù)dk時，yki,j(t)=1，否則yki,j(t)=0。本文定義：

其中，tl表示時隙長度。

1.2 系統(tǒng)成本模型

本文合理假設(shè)USV下載移動數(shù)據(jù)會對系統(tǒng)產(chǎn)生一定的經(jīng)濟成本。設(shè)USV通過主干網(wǎng)絡(luò)下載數(shù)據(jù)產(chǎn)生的經(jīng)濟成本為Sm/ Mb，USV通過種子USV下載數(shù)據(jù)產(chǎn)生的經(jīng)濟成本為Si/ Mb?？芍跁r隙t，整個系統(tǒng)產(chǎn)生的經(jīng)濟成本為：

其中，當(dāng)uj由ui下載數(shù)據(jù)dk時，hki,j(t)=1，否則，hki,j(t)=0；當(dāng)uj由主干網(wǎng)絡(luò)下載數(shù)據(jù)dk時，hkm,j(t)=1，否則hkm,j(t)=0；rki,j(t)和rkm,j(t)分別表示系統(tǒng)由種子USV和主干網(wǎng)絡(luò)為uj分配的帶寬資源。

1.3 USV能耗模型

由于USV一般遠(yuǎn)離海岸或大型艦船執(zhí)行任務(wù)，能量消耗問題是對USV順利作業(yè)的一大挑戰(zhàn)。USV傳輸數(shù)據(jù)會消耗一定的能量，假設(shè)USV可以根據(jù)數(shù)據(jù)卸載策略調(diào)整發(fā)射功率，以更加充分地利用能源。由此，本文以傳輸單位數(shù)據(jù)的能耗來定義USV能耗。設(shè)USV傳輸數(shù)據(jù)消耗能量為ei/ Mb。可知在時隙t，系統(tǒng)中USV由于數(shù)據(jù)傳輸消耗總能量為：

1.4 問題形式化

在時隙t，USVuj只能由一個無線接入點下載數(shù)據(jù)，有：

由于移動性和種子USV緩存數(shù)據(jù)種類的限制，USV只能由可以向其傳輸數(shù)據(jù)的種子USV來下載數(shù)據(jù)，有：

其中，當(dāng)種子USVui緩存有數(shù)據(jù)dk時，cik=1，否則，cik=0。

每一個無線接入點所能提供的帶寬資源不得超過其最大帶寬：

USVuj下載數(shù)據(jù)時，系統(tǒng)才會為uj分配帶寬資源：

當(dāng)uj完全下載到所需要的數(shù)據(jù)時，系統(tǒng)就不會再為uj分配帶寬資源：

其中，uj還未完全下載到其所需要的數(shù)據(jù)時，remainj=1，否則remainj=0。

設(shè)α和β分別表示系統(tǒng)成本和USV能耗的權(quán)重，其中且α+β=1。本文兼顧系統(tǒng)成本和USV能耗，將兩者統(tǒng)一為數(shù)據(jù)效用，在時隙t，將問題形式化為數(shù)據(jù)效用最大化問題P0。

在每個時隙，通過求解問題P0，得到數(shù)據(jù)卸載策略。

2 算法設(shè)計

遺傳算法可以求解大多數(shù)資源分配問題，并得到近似最優(yōu)解；且遺傳算法具有收斂速度較快，可擴展性較強等優(yōu)點。由此，本文針對本場景中的模型設(shè)計遺傳算法來求解問題P0。

2.1 傳統(tǒng)遺傳算法

假設(shè)共有n個無線接入點，共有m個需要下載數(shù)據(jù)的USV。設(shè)染色體長度為2m。前m個堿基依次表示系統(tǒng)為每個USV所分配的無線接入點，其均為正整數(shù)，取值范圍為[1,n]。后m個堿基表示系統(tǒng)為每個USV分配的帶寬資源。為簡化運算，本文歸一化處理帶寬資源，即后m個堿基取值范圍為[0,1]。設(shè)num為種群數(shù)量，time為算法迭代次數(shù)；p和q分別表示算法交叉概率和變異概率；best_strategy表示最優(yōu)個體，即近似最優(yōu)解。

傳統(tǒng)遺傳算法是基于輪盤賭的選擇方式以及固定交叉變異概率設(shè)計的，其流程如算法1所示。

2.2 基于精英選擇和自適應(yīng)概率遺傳算法

為提高算法執(zhí)行效率，本文針對算法1進行改進，得到算法2，即基于精英選擇和自適應(yīng)概率遺傳算法（Genetic Algorithm based on Elite Selection and Adaptive Probability，GAESAP）。首先，使用精英選擇方式進行選擇操作，即每次選擇將最優(yōu)的3個個體保留在種群中；其次，使用自適應(yīng)交叉變異概率來進行交叉變異操作，其中交叉概率p和變異概率q的計算分別如公式(21)和公式(22)所示。

其中fmax和favr分別表示種群最大適應(yīng)度和平均適應(yīng)度，fh表示參與交叉操作的兩個個體的較大適應(yīng)度，且p1＞p2＞p3；fm表示參與變異的個體的適應(yīng)度，其中q1＞q2＞q3。

改進后的算法流程，如算法2所示。

3 實驗仿真結(jié)果與分析

本文提出的數(shù)據(jù)卸載方法旨在降低主干網(wǎng)絡(luò)的負(fù)載，數(shù)據(jù)卸載率是衡量本文提出方法的主要指標(biāo)。本章將遺傳算法的執(zhí)行效果和數(shù)據(jù)卸載率作為衡量該方法的主要指標(biāo)，其中，本文定義數(shù)據(jù)卸載率為通過USV下載的數(shù)據(jù)占總數(shù)據(jù)的比率。

3.1 實驗參數(shù)設(shè)置

本文假設(shè)在某海洋區(qū)域均勻分布著30個USV，其中種子USV個數(shù)為6；USV需要下載的數(shù)據(jù)類型為數(shù)據(jù)1、數(shù)據(jù)2和數(shù)據(jù)3，其大小分別為5Mb、8Mb和10Mb；為保證數(shù)據(jù)穩(wěn)定傳輸，設(shè)R為2km；設(shè)；時隙長度設(shè)為5s。

3.2 仿真結(jié)果與分析

在求解問題P0過程中，以算法收斂速度和種群平均適應(yīng)度為指標(biāo)，將傳統(tǒng)遺傳算法與GAESAP的執(zhí)行效果進行對比，如圖2所示。

圖2 兩種遺傳算法運行效果

由圖2可知，基于精英選擇和自適應(yīng)概率改進后的遺傳算法的收斂速度和種群平均適應(yīng)度要優(yōu)于傳統(tǒng)遺傳算法。

考慮到USV的移動性，本文對USV之間平均相對速度大小對數(shù)據(jù)卸載率進行了研究。仿真結(jié)果如圖3、圖4、圖5所示。

圖3 數(shù)據(jù)1卸載率隨USV平均相對速度變化

圖4 數(shù)據(jù)2卸載率隨USV平均相對速度變化

圖5 數(shù)據(jù)3卸載率隨USV平均相對速度變化

由圖3、圖4、圖5可知，對于數(shù)據(jù)量較小的數(shù)據(jù)1和數(shù)據(jù)2，兩種算法求解P0得到的策略可以以較高的卸載率來完成數(shù)據(jù)1和數(shù)據(jù)2的卸載；對于較大量的數(shù)據(jù)3，當(dāng)USV之間平均相對速度較大時，數(shù)據(jù)3的卸載率有下降的趨勢；對于3種數(shù)據(jù)，隨著USV之間平均相對速度增大，3種數(shù)據(jù)的卸載率會有上下波動的趨勢，這種趨勢是由USV靈活的移動性導(dǎo)致的?？傮w上，GAESAP相較于傳統(tǒng)的遺傳算法具有較好的數(shù)據(jù)卸載效果。

結(jié)語：本文針對USV共享較大量數(shù)據(jù)而產(chǎn)生的主干網(wǎng)絡(luò)負(fù)載過重的問題，提出一種基于SANET的USV移動數(shù)據(jù)卸載方法。考慮到USV移動性的影響，建立了USV移動模型；兼顧系統(tǒng)成本和USV能耗，將問題形式化為數(shù)據(jù)效用最大化問題；提出并設(shè)計使用傳統(tǒng)的遺傳算法來求解問題，得到近似最優(yōu)解；本文將傳統(tǒng)遺傳算法進行改進，得到GAESAP算法。仿真結(jié)果表明，GAESAP較傳統(tǒng)遺傳算法具有較好的執(zhí)行效果，該方法可以以較高的數(shù)據(jù)卸載率卸載移動數(shù)據(jù)，有效地減緩了主干網(wǎng)絡(luò)的負(fù)載。