混合決策下認(rèn)知無人機網(wǎng)絡(luò)中繼選擇算法

包海東，冀保峰,2，陳珍珍，王貢獻

(1.河南科技大學(xué) 信息工程學(xué)院，河南 洛陽 471023;2.電子科技大學(xué) 航空航天學(xué)院，四川 成都 611731;3.中國一拖集團有限公司，河南 洛陽 471000)

0 引言

目前，無人機協(xié)作通信憑借其移動性和便捷性的優(yōu)勢，受到了廣泛關(guān)注[1]。但對無人機空地組網(wǎng)通信系統(tǒng)的研究相對較少，大多集中在空地通信系統(tǒng)的性能分析、通信資源分配、數(shù)據(jù)內(nèi)容和系統(tǒng)動態(tài)參數(shù)的調(diào)整等方面[2-4]。文獻[5]通過確定聯(lián)合興趣度、轉(zhuǎn)發(fā)歷史比率和中繼物理狀態(tài)3個中繼屬性因子，提出了基于中繼自私行為分析的中繼選擇算法。文獻[6]在D2D通信中提出了一種以數(shù)據(jù)內(nèi)容和能量為準(zhǔn)則的中繼選擇算法。文獻[7]提出了一種在延遲約束下基于深度強化學(xué)習(xí)算法的緩沖中繼選擇算法。文獻[8]提出了一種基于博弈論的中繼選擇算法。文獻[9]與文獻[10]分別在譯碼轉(zhuǎn)發(fā)和放大轉(zhuǎn)發(fā)協(xié)議下，提出了針對過時信道狀態(tài)信息的中繼選擇算法。文獻[11]研究了最佳閾值下協(xié)同最大比合并檢測技術(shù)，并推導(dǎo)出了最優(yōu)閾值函數(shù)。文獻[12]提出了一種在車載網(wǎng)絡(luò)中的魯棒中繼選擇算法。文獻[13]提出了一種緩存協(xié)作網(wǎng)絡(luò)中的最大增益中繼選擇算法。文獻[14]則提出了一種次優(yōu)中繼選擇算法，降低了算法復(fù)雜度。

文獻[15-17]在放大轉(zhuǎn)發(fā)協(xié)議下，分別基于Rayleigh信道和α-μ信道推導(dǎo)出認(rèn)知中繼網(wǎng)絡(luò)的中斷概率、誤碼率和有效容量的精確閉式解。文獻[18]在獲取信道狀態(tài)信息成本條件下，基于最優(yōu)停止理論，提出了最大選擇概率和最大頻譜效率期望中繼選擇方案。文獻[19]研究了在統(tǒng)計時延約束下，三節(jié)點中繼選擇系統(tǒng)的最大數(shù)據(jù)可達率。文獻[20]研究了在5G場景下適用于網(wǎng)絡(luò)動態(tài)變化的中繼選擇算法。文獻[21]提出了一種基于節(jié)點位置預(yù)測、中繼激活時間和二級用戶傳輸速率的中繼選擇算法。但上述相關(guān)研究，均未考慮系統(tǒng)鏈路切換以及信道質(zhì)量短時不可靠情況下造成的性能損失,尤其對于復(fù)雜網(wǎng)絡(luò)下多鏈路決策的研究較少。

因此，針對認(rèn)知協(xié)作網(wǎng)絡(luò)中可能短時出現(xiàn)的通信連接效果差、可靠性低的問題，綜合考慮鏈路信噪比(signal-to-noise,SNR)、時延和鏈路切換等待值參數(shù)，提出了混合決策下無人機中繼選擇算法?；旌蠜Q策下判決有利于提升認(rèn)知協(xié)作網(wǎng)絡(luò)中的通信可靠性，降低系統(tǒng)數(shù)據(jù)包丟失率。整體性能評價更加合理、更加面向?qū)嶋H，并且從系統(tǒng)的不同維度出發(fā)，全面提升了系統(tǒng)性能與可靠性。

1 系統(tǒng)模型

系統(tǒng)模型如圖1所示。在圖1中，由于部分基站過載或損壞，一級用戶、二級用戶(認(rèn)知車輛)與次接收端通過無人機中繼節(jié)點進行通信。認(rèn)知過程包括3種方案：襯墊共享模式(underlay，UL)、填充共享模式(overlay，OL)以及混合式共享模式。在UL下，當(dāng)檢測一級用戶工作時，一級用戶與二級用戶共用信道，并且同時發(fā)送數(shù)據(jù)，在二級用戶處施加功率限制。當(dāng)檢測到信道空閑時，功率限制不存在。而在OL下，只有檢測到一級用戶停止工作時，二級用戶才能工作；但當(dāng)檢測到一級用戶開始工作時，二級用戶必須立即停止工作。而混合式共享模式則是當(dāng)檢測到信道繁忙時，以UL接入信道傳輸數(shù)據(jù)，而當(dāng)檢測到信道處于空閑狀態(tài)時，再以O(shè)L接入信道傳輸數(shù)據(jù)，接入方式依據(jù)傳輸任務(wù)類型和檢測結(jié)果綜合而定。

圖1 系統(tǒng)模型

UL下，在繁忙狀態(tài)下，無人機中繼i處接收到的信號為:

(1)

其中:yRi為無人機i處的接收信號;Isu為認(rèn)知車輛處的發(fā)射功率，W;Ipu為無人機處的發(fā)射功率，W;gsu,i為認(rèn)知車輛節(jié)點與無人機i之間的信道增益;kpu,i為認(rèn)知車輛與無人機中繼i之間的信道增益;τR,i為無人機i處的高斯噪聲。此時經(jīng)過中繼功率歸一化后，認(rèn)知車輛接收端接收到的信號為：

(2)

其中:yRsu,i是認(rèn)知車輛接收端的接收信號;M為放大因子，M=Isu|gsu,i|2+Ipu|gpu,i|2+N0，N0為噪聲；IR為無人機中繼處的信號發(fā)射功率,W;ksu,i為第i個中繼與認(rèn)知車輛接收端的信道增益;τRsu,i為認(rèn)知車輛接收端的高斯噪聲。

在認(rèn)知車輛接收端，接收端的鏈路信噪比可以表示為：

(3)

認(rèn)知車輛節(jié)點的發(fā)射功率不能對持牌車輛產(chǎn)生較大干擾，施加限制條件表達式為：

(4)

其中:Q為干擾容忍限制閾值。空閑狀態(tài)下，無人機處于無干擾存在，故信噪比為：

(5)

OL下，在填充策略下，只允許信道狀態(tài)檢測為空閑時，認(rèn)知車輛接入頻段，鏈路信噪比為：

(6)

混合式共享模式下，繁忙狀態(tài)時，鏈路信噪比為：

(7)

此時功率限制與UL下相同，如式(4)所示。而當(dāng)空閑狀態(tài)時：

(8)

2 混合決策無人機中繼選擇算法流程

在所提場景下，由于部分基站損壞且認(rèn)知車輛節(jié)點所處區(qū)域存在某些障礙物，在部分時隙中認(rèn)知節(jié)點與部分無人機之間可能難以形成可靠鏈路，因此采用混合決策下無人機中繼協(xié)作以尋求較好鏈路質(zhì)量，降低中斷概率，提高陰影區(qū)域通信可靠性，混合決策算法流程圖如圖2所示，算法主要包括6個部分。

圖2 混合決策算法流程圖

(Ⅰ)車輛直達徑判斷：首先,認(rèn)知車輛在恰當(dāng)時隙不經(jīng)由無人機轉(zhuǎn)發(fā)數(shù)據(jù)，而直接向接收端發(fā)送數(shù)據(jù)。根據(jù)接收端接收到的信號信噪比、時延和誤碼率等指標(biāo)，判斷是否存在直達徑。若信噪比等指標(biāo)達到預(yù)設(shè)值標(biāo)準(zhǔn)，則認(rèn)知車輛無需無人機中繼轉(zhuǎn)發(fā)數(shù)據(jù)，而是直接與接收端進行通信；如果接收信號沒有達到預(yù)設(shè)標(biāo)準(zhǔn)，則需要無人機進行信號轉(zhuǎn)發(fā)。

(Ⅱ)信道狀態(tài)信息獲取與分析：認(rèn)知網(wǎng)絡(luò)開始獲取周圍空閑候選無人機狀態(tài)信息、參與遴選的無人機數(shù)目、用戶相關(guān)參數(shù)與相關(guān)狀態(tài)，以及整個網(wǎng)絡(luò)的相關(guān)頻譜信息。

(Ⅲ)空閑信道評估：車輛頻譜接入策略根據(jù)不同任務(wù)類型和信道狀態(tài)檢測結(jié)果權(quán)衡而定。當(dāng)檢測到信道為繁忙時，發(fā)送緩存或者非實時信息；當(dāng)檢測到信道為空閑時，可以傳輸實時信息；頻譜感知由繁忙轉(zhuǎn)為空閑時，變?yōu)榛旌鲜焦蚕砟Ｊ健?/p>

(Ⅳ)數(shù)據(jù)請求重傳：車輛節(jié)點開始發(fā)送數(shù)據(jù)重傳請求，獲取最新系統(tǒng)參數(shù)。并對接收到的信息進行篩選，確定滿足要求的所有無人機節(jié)點，回復(fù)節(jié)點確認(rèn)情況，對不滿足要求的無人機節(jié)點不進行回復(fù)，同時結(jié)束本輪數(shù)據(jù)請求重傳。

(Ⅴ)無人機中繼簇遴選：認(rèn)知用戶接收端分別對遴選過的無人機所在鏈路的信噪比、時延以及節(jié)點候選時間進行初步判決。如果中繼節(jié)點的各維度參數(shù)都達到判決要求，則節(jié)點進入遴選節(jié)點簇。

(Ⅵ)中繼簇判決處理過程：對已經(jīng)進入遴選階段的無人機節(jié)點簇的各維度參數(shù)分別進行同質(zhì)化處理，確定權(quán)重值并分配系數(shù)進行線性加權(quán)，形成判決函數(shù)。以線性加權(quán)函數(shù)值的大小作為判決依據(jù)，判決函數(shù)值最大的無人機中繼勝出，為認(rèn)知車輛提供數(shù)據(jù)轉(zhuǎn)發(fā)服務(wù)。

3 參數(shù)判決與處理

認(rèn)知車輛接入鏈路連通時延：認(rèn)知車輛接入時延包括車輛與無人機之間的鏈接以及無人機與接收節(jié)點之間的鏈接，因此時延也必須考慮兩部分，即認(rèn)知車輛與無人機、無人機與接收節(jié)點兩條鏈路的時延之和。其表達式為：

Z1,i=w1,i+w2,i,i=1,2,…，K,

(9)

其中：w1為認(rèn)知車輛與第i個無人機中繼之間的連通鏈路時延標(biāo)準(zhǔn)化表達；w2為第i個無人機中繼與接收節(jié)點連通鏈路之間的時延標(biāo)準(zhǔn)化表達。具體表示為：

(10)

其中：Φmax,u、Φmin,u分別為認(rèn)知車輛連通無人機所需要的最大、最小時延；Φi,u為認(rèn)知車輛與第i個無人機中繼之間的連通時延。

(11)

其中：Φmax,d、Φmin,d分別為無人機與接收車輛連通鏈路所需要的最大、最小時延；Φi,d為第i個無人機中繼與接收車輛連通鏈路之間的連通時延。

鏈路信噪比：確定每條無人機中繼鏈路的信噪比，信噪比作為衡量鏈路信號質(zhì)量的判定標(biāo)準(zhǔn)之一，在本文決策算法中同樣加以考慮：

Z2,i=SNRi。

(12)

鏈路切換值：當(dāng)車輛進入信號盲區(qū)時，盡管部分無人機與節(jié)點之間鏈路質(zhì)量較好，但由于使得鏈路切換等待時間較長，進而可導(dǎo)致聯(lián)路通信中斷，切換等待值為[22]：

(13)

最優(yōu)無人機中繼確定：分別根據(jù)鏈路接入連通時延、鏈路信噪比以及鏈路切換都達到容忍閾值，進而根據(jù)線性加權(quán)函數(shù)Z(x)的值作為篩選條件。其中，?1,?2,?3分別為線性加權(quán)系數(shù)，且滿足?1+?2+?3=1，鏈路中Z(x)最大者確定為候選中繼，判決式為：

Zi=?1Z1,i+?2Z2,i+?3Z3,i。

(14)

4 仿真實驗結(jié)果與分析

本文使用MATLAB仿真軟件對所提出的混合決策下認(rèn)知無人機網(wǎng)絡(luò)中繼選擇算法進行了實驗，依據(jù)中斷性能優(yōu)劣判斷算法的先進性。仿真參數(shù)如表1所示。設(shè)置Mento Carlo次數(shù)為100 000次，信噪比閾值為0.1，無人機中繼處發(fā)射功率均為1.02 W,K值為3。在下列仿真實驗中，pi為空閑頻譜檢測概率，Q為干擾容忍限制閾值，m為nakagami-m信道參數(shù)。本文在不同頻譜接入策略下，對不同參數(shù)的影響進行了探究。仿真結(jié)果表明本算法具有一定的優(yōu)勢。

表1 仿真參數(shù)

圖3為認(rèn)知網(wǎng)絡(luò)中不同信道空閑概率時，中斷概率隨著認(rèn)知用戶發(fā)送信噪比的變化情況。由圖3可以看出：隨著認(rèn)知車輛發(fā)送信噪比的逐漸上升，中斷概率在不斷下降。而且隨著認(rèn)知網(wǎng)絡(luò)中信道空閑狀態(tài)概率的增大，系統(tǒng)的中斷概率也隨之不斷下降，即頻譜共享逐漸面向無功率限制，鏈路連通性也隨之變強。

圖3 不同信道空閑概率下中斷概率隨信噪比變化曲線

圖4為UL下不同決策參考與不同m值時中斷概率隨著車輛發(fā)送信噪比的變化情況。由圖4可以看出:隨著車輛發(fā)送信噪比的逐漸上升，中斷概率在不斷下降。當(dāng)決策算法固定時，隨著m值的增大，中斷性能也在不斷變優(yōu)?？紤]到在UL下，認(rèn)知車輛行為對一級用戶干擾的限制，因此，中斷性能下降并不是很明顯。本文所提算法由于具備一定程度的延遲容忍與切換容忍，中斷性能隨著車輛發(fā)送信噪比的增大，較文獻[16]中單因子決策算法下降33%。

圖4 UL下不同m值時中斷概率隨信噪比變化曲線

圖5為在UL下不同決策參考與不同Q值下的中斷概率隨著車輛發(fā)送信噪比的變化情況。由圖5可以看出:隨著車輛發(fā)送信噪比的逐漸上升，中斷概率在不斷下降，并且隨著Q值的不斷變大，中斷概率不斷下降，這是因為功率限制的不斷減弱。

圖5 UL下不同Q值時中斷概率隨信噪比變化曲線

圖6為OL下不同決策參考和不同m值下的中斷概率隨著車輛發(fā)送信噪比的變化情況。由圖6可以看出:隨著車輛發(fā)送信噪比的逐漸上升，中斷概率在不斷下降，并且隨著m值的增大，曲線間的差距逐漸變小。考慮到在填充策略下，認(rèn)知車輛沒有對一級用戶干擾的限制，因此，不必考慮二級用戶可能對一級用戶所產(chǎn)生的干擾，此時，中斷性能較文獻[16]中單因子決策算法下降30%。

圖6 OL下不同m值時中斷概率隨信噪比變化曲線

圖7為不同Q和不同m值時，混合決策中繼選擇算法的中斷性能對比。Q值越小,說明發(fā)送信噪比限制條件越苛刻，中斷性能越差。m表征信道條件的好壞，m越大，則信道質(zhì)量越好;m越小，信道質(zhì)量越差。故由圖7可知:Q值對中斷概率性能的影響要比m值的影響要大。因為在兩者均為3倍差距時，Q值大的中斷概率性能相對較好。

圖7 不同Q且不同m值時中斷概率隨信噪比變化曲線

圖8為基于不同共享模式和不同m值時，混合決策中繼選擇算法的中斷性能對比。由圖8可以看出:隨著認(rèn)知車輛發(fā)送信噪比的逐漸上升，中斷概率也隨之不斷下降。并且隨著m值的增大，中斷性能也不斷變優(yōu)，不同m值之間的性能差距也不斷變小。但是兩種共享模式之間始終存在差距，這是由于雖然兩者均具備面向延時容忍和切換容忍的設(shè)計，但是不同共享模式下的功率限制不同，性能發(fā)揮也就有所不同。

圖8 不同共享模式和不同m值時中斷概率隨發(fā)送 信噪比變化曲線

5 結(jié)論

本文在認(rèn)知協(xié)作網(wǎng)絡(luò)中提出混合決策下無人機中繼選擇算法。分別在UL、OL和混合式3種共享模式下對中斷概率進行了仿真?；旌瞎蚕砟Ｊ较?，隨著pi的增大，中斷概率也隨之不斷下降；UL下，隨著Q和m的增大,中斷性能不斷變優(yōu)，不同Q和m之間的性能差距不斷變小，并且Q的響應(yīng)要大于m的響應(yīng)；OL下，隨著m的增大，中斷性能同樣不斷變優(yōu)。本算法相較文獻[16]中決策方法，在不同的頻譜準(zhǔn)入策略下，中斷概率分別下降了30%和33%。接下來將對多參數(shù)決策系統(tǒng)的中繼選擇算法進行研究，并對系統(tǒng)性能進行分析。