基于圖著色的大規(guī)模無人機(jī)群三維網(wǎng)絡(luò)資源分配算法

龔廣偉 謝 添 趙海濤 魏急波

（國防科技大學(xué)電子科學(xué)學(xué)院，湖南長沙 410000）

1 引言

無人機(jī)技術(shù)近年來得到了快速的發(fā)展。在商業(yè)領(lǐng)域，面向普通民眾的消費(fèi)級無人機(jī)已隨處可見，面向農(nóng)業(yè)植保、森林防火、交通監(jiān)視、物聯(lián)網(wǎng)數(shù)據(jù)收集等應(yīng)用的專業(yè)級產(chǎn)品也日趨普及［1］。在軍事領(lǐng)域，無人機(jī)更是未來戰(zhàn)場的重要組成部分，不僅可作為實(shí)時(shí)、主動、全天候探測和收集各類軍事情報(bào)的重要手段，更能協(xié)助各類作戰(zhàn)平臺完成戰(zhàn)略支援、信息對抗和火力打擊等高難度任務(wù)。

當(dāng)前，無人機(jī)應(yīng)用的一個(gè)重要趨勢是由獨(dú)立工作的單體無人機(jī)到協(xié)同工作的集群無人機(jī)。相較于單無人機(jī)系統(tǒng)，無人機(jī)集群具有更魯棒的分布式體系架構(gòu)、更高的效費(fèi)比、更廣的作用范圍，并可形成更高級的群體智能，其典型代表是美軍“蜂群”無人機(jī)。美國防部已在短短幾年內(nèi)連續(xù)發(fā)布八版無人機(jī)/無人系統(tǒng)路線圖，已公布的包括“2016-2036財(cái)年美國空軍sUAS 規(guī)劃”、“無人系統(tǒng)綜合路線圖（2017-2042）”等，快速推進(jìn)了對于無人機(jī)集群作戰(zhàn)系統(tǒng)的研究。

無人機(jī)集群組網(wǎng)技術(shù)是無人機(jī)協(xié)同工作的重要基礎(chǔ)。特別是面向緊急任務(wù)的大規(guī)模無人機(jī)集群組網(wǎng)，不能像飛行表演可以預(yù)先規(guī)劃好航跡，更難以利用一個(gè)中心控制器來完成通信和控制。一個(gè)解決思路是借鑒地面移動Ad hoc 網(wǎng)絡(luò)的設(shè)計(jì)思路，為此大量工作進(jìn)行了研究和實(shí)驗(yàn)［2-3］。這種思路可以有限的支持一般無人機(jī)組網(wǎng)，但隨著無人機(jī)規(guī)模的增大，突發(fā)性競爭業(yè)務(wù)的增加，網(wǎng)絡(luò)支持用戶服務(wù)質(zhì)量的能力就會受到很大的挑戰(zhàn)。特別當(dāng)存在惡意干擾時(shí)，就更需要靈活的進(jìn)行無線網(wǎng)絡(luò)資源的分配和調(diào)度。為此，很多學(xué)者基于認(rèn)知無線電的思想，從時(shí)域和頻域兩個(gè)維度使無人機(jī)具備動態(tài)頻譜認(rèn)知和接入的能力，從而大大增強(qiáng)其靈活性和抗干擾能力［4-7］。在文獻(xiàn)［8］和［9］中，我們也分析了基于認(rèn)知無線電的分布式網(wǎng)絡(luò)中包括隱藏節(jié)點(diǎn)在內(nèi)的各種實(shí)際因素和認(rèn)知過程對網(wǎng)絡(luò)性能的影響，進(jìn)一步設(shè)計(jì)了一種可用于無人機(jī)組網(wǎng)的細(xì)粒度動態(tài)多信道接入框架［10］，優(yōu)化了時(shí)域競爭中的接入延遲［11］。

無線資源分配無論在傳統(tǒng)的蜂窩網(wǎng)絡(luò)還是在D2D 的通信中都是一個(gè)非常重要的問題［12-13］。目前關(guān)于無人機(jī)自組網(wǎng)中的鏈路調(diào)度一般分成以下兩類：最短鏈路調(diào)度問題［14］，用占用最少時(shí)間的調(diào)度方法來滿足給定鏈路集的需求；最大獨(dú)立集鏈路問題，即給出一組通信鏈路，必須識別能夠在同一時(shí)隙中同時(shí)傳輸?shù)牟l(fā)鏈路的最大子集。文獻(xiàn)［15］針對該問題設(shè)計(jì)了用于具有恒定開銷和任意二進(jìn)制干擾的調(diào)度算法。在鏈路干擾研究中一般分成協(xié)議干擾模型和信干噪比（SINR）干擾模型［16］。協(xié)議干擾模型是指任意兩條同時(shí)通信的鏈路必須在彼此干擾范圍外。這類研究中，兩個(gè)并發(fā)鏈路之間的共存關(guān)系主要由幾何形狀決定，那么基于這些模型的干擾關(guān)系可以用沖突圖表示，并利用經(jīng)典的圖理論工具來解決問題［15，17］。在SINR 干擾模型下，并發(fā)傳輸鏈路的激活狀態(tài)由信道的質(zhì)量和聚合干擾的程度來決定，該模型中不同傳輸?shù)臎_突由所有并發(fā)傳輸?shù)睦鄯e干擾決定。利用定向傳輸可以在提高網(wǎng)絡(luò)空間復(fù)用水平的同時(shí)減小網(wǎng)絡(luò)干擾，從而提高網(wǎng)絡(luò)容量和性能。以往的大規(guī)模集群資源調(diào)度研究和實(shí)踐中，在時(shí)、頻域都做了很多工作，唯獨(dú)空域的工作很少。而無人機(jī)集群間的通信大多是在空-空信道上進(jìn)行，利用定向傳輸有天然的優(yōu)勢［18］：可以集中能量提高傳輸距離、實(shí)現(xiàn)空域復(fù)用、可以降低通信干擾和被竊聽的風(fēng)險(xiǎn)等等。而盡可能的利用更多的網(wǎng)絡(luò)資源也是無人系統(tǒng)智能化組網(wǎng)的重要體現(xiàn)［19］。

目前定向傳輸網(wǎng)絡(luò)中鏈路調(diào)度主要都是基于協(xié)議干擾模型［20-21］，但是，協(xié)議干擾模型實(shí)質(zhì)上是對網(wǎng)絡(luò)環(huán)境和信道競爭條件的簡化，不能準(zhǔn)確地衡量無線干擾的具體情況，并且在實(shí)際的無線通信中，并發(fā)傳輸之間的干擾約束不是局部的和成對的，而是全局的和相加的。因此，該協(xié)議干擾模型在定向鏈路調(diào)度中實(shí)用性不高。在定向無線通信網(wǎng)絡(luò)中設(shè)計(jì)SINR 模型的鏈路調(diào)度算法可以大幅度提高網(wǎng)絡(luò)傳輸性能和實(shí)用性，同時(shí)也存在諸多挑戰(zhàn)：（1）并發(fā)傳輸?shù)逆溌窌岣吒蓴_，影響網(wǎng)絡(luò)容量；（2）鏈路關(guān)系是與波束方向、相鄰鏈路的距離及其狀態(tài)相關(guān)的函數(shù)，這些可能會隨著時(shí)間而改變；（3）模型加入空間維度，并引入SINR 干擾作為約束后變成非常復(fù)雜的NP-hard 難題，隨著鏈路數(shù)的增多，時(shí)間復(fù)雜度會得到爆炸式的增長。

人工智能技術(shù)的發(fā)展，為本問題的解決提供了光明的解決方案，我們可以將資源分配算法的輸入和輸出作為未知的非線性映射進(jìn)行處理，采用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)映射的策略，文獻(xiàn)［22］證明了這種思路的可行性。所以有學(xué)者嘗試用機(jī)器學(xué)習(xí)的方法來解決［23，25］。但是基于機(jī)器學(xué)習(xí)方法的問題是不能建模，不具備可解釋性，而且在很多情況下的收斂性也不能保證，不利于對穩(wěn)定性和可靠性等性能有很高要求的無人機(jī)網(wǎng)絡(luò)。因此，本文從時(shí)、頻、空三個(gè)維度研究大規(guī)模無人機(jī)網(wǎng)絡(luò)的資源分配問題，將其建模為一個(gè)著色優(yōu)化問題，并提出了啟發(fā)式和貪婪式兩種解決算法。

2 系統(tǒng)模型與問題定義

三維網(wǎng)絡(luò)資源的劃分方法概述如下：（1）時(shí)域資源維：將可用傳輸時(shí)間劃分成若干時(shí)隙，各節(jié)點(diǎn)可在不同的時(shí)隙中通信，避免沖突和干擾。允許多個(gè)用戶在不同的時(shí)隙使用相同的頻率；（2）頻域資源維：把可用頻段劃分為若干不相交子頻段，多個(gè)節(jié)點(diǎn)可同時(shí)使用不同的子頻段來通信；（3）空域資源維：利用定向傳輸實(shí)現(xiàn)空域復(fù)用，兩條通信鏈路間只要各自的發(fā)射機(jī)通信范圍（波束方向內(nèi)一定距離）不涵蓋對方接收機(jī)，就可以同時(shí)使用相同的頻域資源。下面對三維網(wǎng)絡(luò)資源進(jìn)行詳細(xì)闡述，并構(gòu)建三維網(wǎng)絡(luò)資源劃分問題。

2.1 時(shí)頻域資源

不失一般性，本文將可用傳輸時(shí)間和可用頻段進(jìn)行等長劃分，得到如圖1所示的時(shí)頻二維資源池。記單個(gè)時(shí)頻塊坐標(biāo)為S(x，y)，其中x是該時(shí)頻塊對應(yīng)的時(shí)隙編號，y是其對應(yīng)的頻段編號。在僅有時(shí)頻域資源分配、不涉及空域資源分配的網(wǎng)絡(luò)中，時(shí)頻二維資源池中的單個(gè)時(shí)頻資源塊不能復(fù)用，即一個(gè)時(shí)頻塊只能分配給一個(gè)鏈路，否則會發(fā)生沖突。

2.2 空域資源

目前無人機(jī)無線通信所廣泛采用的傳統(tǒng)單/偶極子全向天線增益低（如圖2（a）所示），導(dǎo)致有效通信距離縮短，限制了無人機(jī)集群的規(guī)模。在大規(guī)模無人機(jī)集群上使用高度定向性的窄天線波束（如圖2（b）所示），對提高通信鏈路增益、提高通信的安全性、降低不同鏈路的相互干擾和實(shí)現(xiàn)空域復(fù)用至關(guān)重要。方向回溯陣列天線（Retro-directive An?tenna，RDA）正是這樣一類天線［24］。方向回溯陣列天線是基于相位共軛技術(shù)而提出的一種新型波束自適應(yīng)天線技術(shù)，根據(jù)天線所接收到的入射波相位信息，通過相位共軛電路，自動將陣列天線波束調(diào)整至來波方向，從而實(shí)現(xiàn)通信鏈路的自動跟蹤，可實(shí)現(xiàn)低能耗快速波束調(diào)整、定向發(fā)送、全向接收。

如圖2（c）所示，基于RDA，當(dāng)不同鏈路的收發(fā)節(jié)點(diǎn)之間不存在定向干擾時(shí)就能復(fù)用時(shí)頻塊。定向干擾是指回溯天線定向傳輸時(shí)其波束覆蓋范圍內(nèi)有其他使用相同頻率資源的接收節(jié)點(diǎn)。圖3（a）給出了一個(gè)示例，圖中鏈路2 的接收節(jié)點(diǎn)在鏈路1發(fā)射節(jié)點(diǎn)的定向波束覆蓋范圍內(nèi)，因此鏈路1 的傳輸會對鏈路2 的通信造成定向干擾，那么鏈路1 與鏈路2 就不能使用相同的時(shí)頻塊，而鏈路3 與鏈路1、2 間無干擾，其可以和鏈路2（或鏈路1）使用相同的時(shí)頻塊。圖3（b）為鏈路3與鏈路2復(fù)用時(shí)頻資源時(shí)的三維網(wǎng)絡(luò)資源分配圖。

2.3 問題定義

有效的時(shí)-頻-空域資源分配可以大大提高資源利用率。圖4 給出了一個(gè)示例，如圖4（a）所示的僅有三個(gè)信道（時(shí)-頻資源塊）的網(wǎng)絡(luò)環(huán)境下，假設(shè)節(jié)點(diǎn)AB、CD、EF已經(jīng)分別協(xié)商好信道1、信道2和信道3。當(dāng)節(jié)點(diǎn)G 有數(shù)據(jù)要發(fā)送給H 時(shí)，因?yàn)槎ㄏ蚋蓴_的問題，無法使用這三個(gè)信道中的任何一個(gè)，因此無法進(jìn)行數(shù)據(jù)傳輸。但實(shí)際上，通過合理的三維資源分配，節(jié)點(diǎn)G、H 是可以進(jìn)行通信的。如圖4（b）所示，如果節(jié)點(diǎn)AB、CD協(xié)商為信道2、EF協(xié)商了信道3，那么節(jié)點(diǎn)G、H 可以采用信道1 進(jìn)行通信，各節(jié)點(diǎn)間通信也不會造成干擾。

在三維資源分配過程中，我們需要利用最少的時(shí)頻資源讓最多的節(jié)點(diǎn)進(jìn)行無沖突的傳輸，為未來接入網(wǎng)絡(luò)的鏈路留有盡可能多的資源，達(dá)到最大化資源利用效率的目的。如圖5 所示，記三維資源池中單個(gè)資源塊的坐標(biāo)為S(x，y，z)，x是該時(shí)頻塊對應(yīng)的時(shí)隙編號，y是其對應(yīng)的頻率編號，z代表利用定向傳輸對相同時(shí)頻資源的空間復(fù)用。如果鏈路間的定向波束不存在干擾，則允許共用時(shí)頻資源。比如，鏈路i和j不存在定向干擾，那么可給i分配資源S(t，f，r1)、給j分配資源S(t，f，r2)，在t時(shí)隙內(nèi)鏈路i和j同時(shí)在頻率f上傳輸。

根據(jù)前文的分析，要求時(shí)頻空三維資源塊分配算法的設(shè)計(jì)滿足如下規(guī)則：

（1）同一個(gè)三維資源塊不能重復(fù)分配；

（2）對于不存在定向干擾的鏈路i和j，時(shí)頻資源可復(fù)用，即給鏈路i分配的Si和給鏈路分配的Sj中，允許xi=xj，yi=yj；

（3）對于存在定向干擾的鏈路i和j，分配的時(shí)頻塊，x、y軸坐標(biāo)中最多有一者相等（至少滿足xi≠xj或yi≠yj）。

3 算法設(shè)計(jì)

注意到，在大規(guī)模無人機(jī)集群的三維網(wǎng)絡(luò)資源分配問題中，既要保證為存在干擾關(guān)系的通信鏈路分配不同的時(shí)頻資源，又希望盡可能用少的時(shí)頻資源來支持網(wǎng)絡(luò)中的并發(fā)業(yè)務(wù)。這與“圖著色”的優(yōu)化問題非常類似，圖著色的基本過程就是利用最少的顏色為地圖著色，前提是相鄰的國家（存在干擾關(guān)系）顏色不同，具體而言：

設(shè)無向圖G=(V，E)，其中V=v1，v2，…，vN是頂點(diǎn)集合，E={eij|vi，vj∈V}是邊集合。圖著色是指對所有頂點(diǎn)V著色，要求滿足對任意eij∈E，vi、vj所著顏色不相同。圖著色優(yōu)化問題指求解滿足上述條件所需的最少的顏色數(shù)量。

因此，本文先將三維網(wǎng)絡(luò)資源分配問題映射為圖著色問題，其中不同的通信鏈路對應(yīng)不同的節(jié)點(diǎn)，存在干擾關(guān)系的通信鏈路所對應(yīng)的節(jié)點(diǎn)間有邊相連，不存在干擾關(guān)系的通信鏈路所對應(yīng)的節(jié)點(diǎn)則不相鄰，同一時(shí)頻資源即為一種顏色，著相同的顏色代表使用相同的時(shí)頻資源（存在空分復(fù)用關(guān)系），并且基于啟發(fā)式和貪婪式兩種思想提出了解決算法。

具體求解方法分為以下幾步：

3.1 干擾關(guān)系圖的建立

首先，將網(wǎng)絡(luò)中所有鏈路SiDi(i=1，2，…，N)的接收節(jié)點(diǎn)Di(i=1，2，…，N)抽象成G=(V，E)中的頂點(diǎn)集合V=v1，v2，…，vN，即有vi=Di。鏈路SiDi對鏈路SjDj造成干 擾需要滿足兩個(gè)條件：（1）Dj在SiDi通信的波束指向范圍內(nèi)；且（2）Dj在Si發(fā)送的通信距離內(nèi)。若鏈路SiDi和鏈路SjDj間存在定向干擾，那么連接圖頂點(diǎn)Vi和頂點(diǎn)Vj并將其加入圖G=(V，E)的邊集合E中，記為eij。最終所建成的無向圖中，頂點(diǎn)相連代表兩個(gè)頂點(diǎn)所對應(yīng)的通信鏈路之間存在定向干擾。

以圖6（a）為例，利用上述方法將圖中的網(wǎng)絡(luò)鏈路抽象為干擾圖。本文采用圖2（c）所示的八波束劃分方法，將天線波束劃分為八個(gè)扇區(qū)。假設(shè)圖6（a）中所有節(jié)點(diǎn)都處于通信距離內(nèi)，那么圖中S1D1會對鏈路S2D2、S3D3造成定向干擾；S2D2會對鏈路S1D1、S3D3造成定向干擾；S3D3會對鏈路S2D2造成定向干擾；S4D4對鏈路S3D3造成定向干擾。根據(jù)上述方法建立的干擾圖G=(V，E)如圖6（b）所示，其中頂點(diǎn)集合V=D1，D2，D3，D4，E=e12，e13，e23，e34。

3.2 圖著色優(yōu)化問題求解

圖著色問題是典型的非確定性多項(xiàng)式難題（NP難題），為降低針對大規(guī)模無人機(jī)集群的三維網(wǎng)絡(luò)資源分配的計(jì)算量，本文首先提出一種啟發(fā)式算法來求近似解，其原理如下：隨機(jī)選擇一個(gè)未被著色的頂點(diǎn)作為起始頂點(diǎn)。每一輪迭代中用一種新的顏色著色，著色順序?yàn)閺钠鹗柬旤c(diǎn)開始依次考察圖中未被著色的每個(gè)頂點(diǎn)，只要與所考察頂點(diǎn)相鄰的所有頂點(diǎn)均未被著上當(dāng)前輪次對應(yīng)的顏色，就為所考察頂點(diǎn)著上當(dāng)前輪次對應(yīng)的顏色。持續(xù)進(jìn)行直到所有頂點(diǎn)都被著色。下面給出具體步驟：

上述啟發(fā)式算法雖然計(jì)算復(fù)雜度低，但容易陷入局部最優(yōu)，為此本文進(jìn)一步提出一種貪婪式算法，其基本思路是利用啟發(fā)式算法把所有頂點(diǎn)作為初始頂點(diǎn)遍歷一遍，然后找出其中需要顏色數(shù)量最小的那一著色方案。下面給出具體步驟：

3.3 將著色結(jié)果轉(zhuǎn)化為資源分配的方案

我們需要將由上述算法得到的節(jié)點(diǎn)顏色編號轉(zhuǎn)換為給通信鏈路分配的資源塊坐標(biāo)。如前所述，被著上相同顏色的節(jié)點(diǎn)復(fù)用相同的時(shí)頻資源。此外，為了降低接入時(shí)延，本文優(yōu)先分配頻率資源。本文所提出的映射方法如下。

基于上述算法，圖6 對應(yīng)的一種著色結(jié)果如圖7所示，假設(shè)只有兩種頻率可用，其對應(yīng)的資源分配方案如表1所示。

表1 三維資源分配結(jié)果示例Tab.1 Example of 3-dimensional resource allocation results

4 仿真驗(yàn)證

本節(jié)首先仿真驗(yàn)證圖著色算法的有效性，然后在通信網(wǎng)絡(luò)中對本文所提出的基于圖著色的三維網(wǎng)絡(luò)資源分配算法的性能進(jìn)行仿真分析。

為了說明著色算法的有效性，本文考慮三種網(wǎng)絡(luò)拓?fù)鋱D：格型圖、隨機(jī)圖和全連接圖（網(wǎng)絡(luò)中任一個(gè)頂點(diǎn)到另外的任一頂點(diǎn)至少有一條通路），如圖8所示。在圖8 中，我們同時(shí)給出了啟發(fā)式算法的著色結(jié)果，其中N表示圖中的頂點(diǎn)數(shù)，頂點(diǎn)旁邊標(biāo)注了顏色號。

注意到在啟發(fā)式算法中，起始著色頂點(diǎn)不同，著色的結(jié)果是不同的。以圖8（a）所示的16 個(gè)頂點(diǎn)的格型拓?fù)錇槔?，? 給出了不同的起始頂點(diǎn)得到的著色方案所需要的顏色數(shù)。可以看到，雖然啟發(fā)式算法相對于貪婪式算法計(jì)算復(fù)雜度低，但其往往不能達(dá)到最高效的著色方案。

表2 不同起始頂點(diǎn)的著色結(jié)果Tab.2 Coloring results for different starting vertices

圖9進(jìn)一步給出了啟發(fā)式算法與貪婪式算法的性能對比圖，可以看到，基于貪婪式算法得到的著色方案所需顏色數(shù)總是少于啟發(fā)式算法（這是以高計(jì)算復(fù)雜度為代價(jià)的），而由于啟發(fā)式算法只探索了一次著色方案，其結(jié)果有較大的波動性。因此，當(dāng)網(wǎng)絡(luò)資源比較緊張，我們可以采用貪婪算法，用計(jì)算資源來換取通信資源；反之，如果網(wǎng)絡(luò)資源比較充足，我們可以采用啟發(fā)式算法以快速得到資源分配方案。

為了在網(wǎng)絡(luò)中驗(yàn)證所提三維網(wǎng)絡(luò)資源分配算法的高效性，本文在200 m×200 m 地理范圍內(nèi)均勻隨機(jī)生成20 條通信鏈路，具體參數(shù)如表3 所示。每個(gè)通信鏈路的數(shù)據(jù)模擬為均值λ 的泊松到達(dá)過程，仿真中假設(shè)所有節(jié)點(diǎn)都在傳輸和干擾范圍內(nèi)。每輪模擬執(zhí)行10 s，各種協(xié)議的結(jié)果為200 次蒙特卡洛仿真的平均值。

表3 仿真參數(shù)設(shè)置Tab.3 Simulation Parameters

本文分別仿真了TDMA 時(shí)隙資源分配、二維時(shí)頻資源分配和本文提出的三維資源分配算法，他們的吞吐量和傳包成功率如圖10所示?？梢钥吹?，基于圖著色的三維資源分配算法較目前廣泛使用的TDMA 協(xié)議，可提高約5 倍的吞吐量性能。而且，隨著數(shù)據(jù)到達(dá)速率提高，該算法可大幅抑制丟包率的增高，在資源分配效率和傳輸性能方面都要遠(yuǎn)高于TDMA。同時(shí)，由于所提三維資源分配算法能夠使通信鏈路無沖突的復(fù)用時(shí)頻網(wǎng)絡(luò)資源，其資源利用效率相對二維資源分配大幅提高了網(wǎng)絡(luò)資源利用率和網(wǎng)絡(luò)性能。

上文我們比較了三維資源方法相較于二維和一維資源方法所帶來的顯著性能增益。為了進(jìn)一步驗(yàn)證我們所提方法在三維資源分配中的性能，我們將其與最新提出的基于神經(jīng)網(wǎng)絡(luò)的資源分配方法［25］進(jìn)行了比較（仿真參數(shù)仍與表3相同，僅是設(shè)置了網(wǎng)絡(luò)中不同的鏈路數(shù)）。如圖11（a）所示，圖中橫坐標(biāo)為仿真中設(shè)置的鏈路數(shù)，縱坐標(biāo)為進(jìn)行分配后獲得的總吞吐量性能。

結(jié)果表明我們的方法能與基于圖神經(jīng)網(wǎng)絡(luò)的方法（收斂后）得到幾乎相同的性能，但基于DNN的方法由于鏈路數(shù)越多其訓(xùn)練越困難，也越不穩(wěn)定，所以性能下降很嚴(yán)重?；趫D神經(jīng)網(wǎng)絡(luò)的方法仍然需要大量的訓(xùn)練，收斂時(shí)間慢（如圖11（b）所示）。我們方法不需要進(jìn)行訓(xùn)練，分配時(shí)延很小，在這方面有明顯的優(yōu)勢。

5 結(jié)論

本文針對大規(guī)模無人機(jī)集群網(wǎng)絡(luò)中資源競爭激烈的問題，結(jié)合無人機(jī)通信大部分是直射路徑的空空信道實(shí)際情況，引入了定向傳輸機(jī)制，從而提出了聯(lián)合時(shí)域、頻域、空域的網(wǎng)絡(luò)資源分配和調(diào)度思路，并基于圖著色的方法設(shè)計(jì)了無沖突的三維資源聯(lián)合分配算法。該工作擴(kuò)展了傳統(tǒng)的時(shí)頻域網(wǎng)絡(luò)資源調(diào)度方法，可支持更大規(guī)模、更高密度的無人機(jī)網(wǎng)絡(luò)。