袁 進(jìn),王 海,秦 蓁,李艾靜
(中國(guó)人民解放軍陸軍工程大學(xué) 通信工程學(xué)院,南京 210007)
隨著無(wú)線網(wǎng)絡(luò)技術(shù)的發(fā)展,無(wú)人機(jī)以其機(jī)動(dòng)性高、部署靈活和成本低等優(yōu)點(diǎn),被廣泛應(yīng)用于軍事和民用領(lǐng)域,如實(shí)時(shí)監(jiān)視、偵察行動(dòng)、搜索和救援行動(dòng)和農(nóng)業(yè)灌溉等[1]。同時(shí),無(wú)人機(jī)通信技術(shù)被認(rèn)為是5G中解決偏遠(yuǎn)地區(qū)信號(hào)覆蓋、應(yīng)急通信和動(dòng)態(tài)數(shù)據(jù)采集的關(guān)鍵技術(shù),其可以動(dòng)態(tài)和選擇性地增加網(wǎng)絡(luò)容量[2]。在物聯(lián)網(wǎng)(Internet of Things,IoT)中,無(wú)人機(jī)作為數(shù)據(jù)匯集節(jié)點(diǎn),可以實(shí)現(xiàn)數(shù)據(jù)的高效采集:一方面與地面基站相比,無(wú)人機(jī)可以根據(jù)數(shù)據(jù)采集的需求動(dòng)態(tài)調(diào)整位置,從而減少設(shè)備與無(wú)人機(jī)之間的傳輸距離;另一方面,調(diào)整無(wú)人機(jī)的高度可以增加視距鏈路的概率,從而減少設(shè)備數(shù)據(jù)傳輸?shù)哪芰繐p耗。因此,為了充分利用無(wú)人機(jī)的優(yōu)勢(shì),需要精心設(shè)計(jì)無(wú)人機(jī)的三維部署以及物聯(lián)網(wǎng)設(shè)備的功率控制和關(guān)聯(lián)情況。
現(xiàn)有文獻(xiàn)對(duì)無(wú)人機(jī)輔助通信進(jìn)行了大量的研究。文獻(xiàn)[3-6]雖然考慮了地面設(shè)備的通信需求不同,但是只考慮如何實(shí)現(xiàn)覆蓋的用戶數(shù)量最大化,而沒(méi)有考慮無(wú)人機(jī)系統(tǒng)的節(jié)能部署問(wèn)題。文獻(xiàn)[7-10]考慮了無(wú)人機(jī)的能量限制,以最小化系統(tǒng)的總傳輸功率實(shí)現(xiàn)無(wú)人機(jī)網(wǎng)絡(luò)的節(jié)能部署,但是文中只考慮無(wú)人機(jī)的資源限制,而沒(méi)有考慮地面設(shè)備的通信需求的差異化。與此同時(shí),對(duì)無(wú)人機(jī)的三維部署優(yōu)化時(shí),大多數(shù)文獻(xiàn)都是采用降低維度的處理方式[3-8],將三維位置分解為水平位置和高度位置進(jìn)行優(yōu)化,兩者間通過(guò)公式近似求解,而且地面設(shè)備無(wú)法始終與無(wú)人機(jī)保持最佳仰角,直接通過(guò)公式計(jì)算將導(dǎo)致誤差。因此優(yōu)化無(wú)人機(jī)的三維部署時(shí),應(yīng)避免采用降低維度的處理方法。
本文研究如何部署多架旋翼無(wú)人機(jī)對(duì)具有差異性服務(wù)質(zhì)量(Quality of Service,QoS)需求的物聯(lián)網(wǎng)設(shè)備執(zhí)行數(shù)據(jù)采集任務(wù),通過(guò)聯(lián)合優(yōu)化無(wú)人機(jī)的三維部署和設(shè)備關(guān)聯(lián),以節(jié)約物聯(lián)網(wǎng)設(shè)備的功率資源。
考慮IoT中一個(gè)區(qū)域突發(fā)自然災(zāi)害,附近的地面基站均被破壞,由于單架無(wú)人機(jī)的能量有限且效率低下,因此本文考慮使用K架無(wú)人機(jī)協(xié)同完成數(shù)據(jù)采集任務(wù),系統(tǒng)模型如圖1所示。地面有M個(gè)物聯(lián)網(wǎng)設(shè)備需要在規(guī)定時(shí)間T0內(nèi)將采集的數(shù)據(jù)信息上傳,然而每個(gè)物聯(lián)網(wǎng)設(shè)備的數(shù)據(jù)采集量不同,為了盡快完成數(shù)據(jù)上傳任務(wù),每個(gè)設(shè)備應(yīng)采用不同的數(shù)據(jù)傳輸速率,即QoS需求不同。雖然多無(wú)人機(jī)網(wǎng)絡(luò)中存在干擾問(wèn)題,但是實(shí)際中存在多種干擾消除技術(shù)可減少干擾,如頻率劃分、非正交多址技術(shù)、合作非正交多址技術(shù)等[5],因此本文不考慮干擾的影響。
圖1 系統(tǒng)模型圖
假設(shè)設(shè)備的地理位置是已知的,無(wú)人機(jī)k和設(shè)備m的集合分別為K={1,2,…,K}和M={1,2,…,M},地面設(shè)備的三維坐標(biāo)為gm=(gm1,gm2,0),無(wú)人機(jī)的三維位置為uk=(xk,yk,hk)。本文考慮上行物聯(lián)網(wǎng)場(chǎng)景,其中每個(gè)物聯(lián)網(wǎng)設(shè)備采用正交信道傳輸數(shù)據(jù),最多只能被一架無(wú)人機(jī)服務(wù)。同一架無(wú)人機(jī)服務(wù)的設(shè)備在正交時(shí)隙中傳輸數(shù)據(jù),而不同無(wú)人機(jī)服務(wù)的設(shè)備采用不同的頻帶傳輸數(shù)據(jù),從而避免干擾。對(duì)于任意的m∈M和k∈K,二進(jìn)制變量am,k表示設(shè)備與無(wú)人機(jī)之間的關(guān)聯(lián)關(guān)系。如果am,k=1,則表示設(shè)備m與無(wú)人機(jī)k關(guān)聯(lián);如果am,k=0,則表示不關(guān)聯(lián);與此同時(shí),∑am,k≤1表示每個(gè)設(shè)備最多只能被一架無(wú)人機(jī)服務(wù)。λm表示設(shè)備m需要上傳的比特?cái)?shù),λk表示無(wú)人機(jī)k可接收的最大比特?cái)?shù)(即無(wú)人機(jī)k的容量限制)。
假設(shè)設(shè)備m的傳輸功率為pm∈[0,pmax],其中pmax為設(shè)備的最大傳輸功率。此時(shí)設(shè)備m和UAVk之間的信噪比為
(1)
(2)
(3)
(4)
(5)
(6)
式中:ψ和β是取決于載波頻率和環(huán)境類型的參數(shù),θm(uk)是設(shè)備m與無(wú)人機(jī)k之間的仰角。由(6)可知,隨著無(wú)人機(jī)k的飛行高度(即hk)的增加,設(shè)備與無(wú)人機(jī)k的仰角增加,從而LoS的概率也會(huì)增加。但是隨著飛行高度的增加,無(wú)人機(jī)與設(shè)備的距離也會(huì)增加,從而導(dǎo)致路徑損耗增加。因此,無(wú)人機(jī)的飛行高度要謹(jǐn)慎選擇,以權(quán)衡LoS的概率和路徑損耗。
根據(jù)公式(2)~(6),設(shè)備m與無(wú)人機(jī)k之間的路徑損耗為
(7)
本文的主要目標(biāo)是確定無(wú)人機(jī)的三維部署uk以及設(shè)備關(guān)聯(lián){am,k,?m,k},以最大程度地節(jié)約物聯(lián)網(wǎng)設(shè)備的功率資源。因此,聯(lián)合優(yōu)化無(wú)人機(jī)的三維部署和設(shè)備關(guān)聯(lián)問(wèn)題(P1)可以表述為
該優(yōu)化目標(biāo)表示的是物聯(lián)網(wǎng)設(shè)備相對(duì)于以最大傳輸功率傳輸數(shù)據(jù)時(shí),節(jié)約的功率資源的總和。C1確保每個(gè)物聯(lián)網(wǎng)設(shè)備最多只與一架無(wú)人機(jī)相關(guān)聯(lián);C2確保每架無(wú)人機(jī)關(guān)聯(lián)的物聯(lián)網(wǎng)設(shè)備所上傳的比特?cái)?shù)之和不能超過(guò)該無(wú)人機(jī)的緩存容量限制;C3為了確保數(shù)據(jù)成功傳輸,因此與無(wú)人機(jī)關(guān)聯(lián)的設(shè)備的信噪比應(yīng)大于閾值;C4和C5分別提供了無(wú)人機(jī)的飛行高度和設(shè)備傳輸功率的上下界。
經(jīng)分析可知,問(wèn)題P1是一個(gè)混合整數(shù)非線性規(guī)劃問(wèn)題,它由整數(shù)和實(shí)數(shù)變量組成,而且無(wú)人機(jī)的三維部署和設(shè)備關(guān)聯(lián)問(wèn)題之間存在耦合,無(wú)人機(jī)的部署位置會(huì)影響設(shè)備的關(guān)聯(lián)情況,同時(shí)設(shè)備的關(guān)聯(lián)也會(huì)影響無(wú)人機(jī)的最佳部署位置,因此該聯(lián)合優(yōu)化問(wèn)題無(wú)法直接求解。
固定無(wú)人機(jī)的三維部署uk=(xk,yk,hk),研究設(shè)備關(guān)聯(lián)問(wèn)題,即{am,k,?m,k}。該問(wèn)題可以被建模為一個(gè)0-1多背包問(wèn)題,于是提出一種基于動(dòng)態(tài)規(guī)劃的節(jié)能關(guān)聯(lián)算法(Energy-saving Association,ESA)求解。
當(dāng)固定無(wú)人機(jī)的三維部署即uk=(xk,yk,hk)時(shí),問(wèn)題P1可以簡(jiǎn)化為問(wèn)題P2:
為了解決多背包問(wèn)題,本文提出了一種兩階段的節(jié)能關(guān)聯(lián)算法。首先并行求解多個(gè)基本0-1單背包問(wèn)題,然后根據(jù)節(jié)約功率最大化的原則對(duì)重疊設(shè)備關(guān)聯(lián)的無(wú)人機(jī)進(jìn)行重新分配。
2.1.1 階段1:0-1單背包問(wèn)題[14]
在階段1中,根據(jù)無(wú)人機(jī)的數(shù)量,將問(wèn)題分解為K個(gè)背包問(wèn)題。每架無(wú)人機(jī)不考慮其他無(wú)人機(jī)的關(guān)聯(lián)情況,單獨(dú)解決基本的0-1單背包問(wèn)題,找出每架無(wú)人機(jī)的關(guān)聯(lián)設(shè)備集合:
(8)
2.1.2 階段2:節(jié)約功率最大化分配
在階段2中,主要解決多架無(wú)人機(jī)之間存在重疊關(guān)聯(lián)設(shè)備的問(wèn)題。無(wú)人機(jī)之間相互交換信息,確定存在重疊設(shè)備的無(wú)人機(jī)k′,然后根據(jù)公式(9)將重疊設(shè)備分配給節(jié)約功率資源最大的無(wú)人機(jī)。
(9)
第二階段結(jié)束后,部分無(wú)人機(jī)將釋放容量。為了充分利用無(wú)人機(jī)的剩余容量,每次循環(huán)都將更新無(wú)人機(jī)的容量和備用的關(guān)聯(lián)設(shè)備集合,然后反復(fù)執(zhí)行上述兩個(gè)階段,直到無(wú)人機(jī)的關(guān)聯(lián)設(shè)備不再改變。該兩階段的節(jié)能關(guān)聯(lián)算法(算法1)總結(jié)如下:
輸入:物聯(lián)網(wǎng)設(shè)備分布的地理位置gm=(gm1,gm2,0),無(wú)人機(jī)的三維部署位置uk=(xk,yk,hk)以及無(wú)人機(jī)k和設(shè)備m的數(shù)量。
1 初始化:對(duì)于所有的無(wú)人機(jī)k和設(shè)備m,令am,k=0,尋找每架無(wú)人機(jī)k可連接的設(shè)備集合Mk。
3 fork=1:Kdo
5 end
6 fork=1:Kdo
7 對(duì)于所有的元素m∈Mk,根據(jù)公式(9),確定設(shè)備和無(wú)人機(jī)之間的關(guān)聯(lián)關(guān)系,更新am,k。
8 end
9 更新所有無(wú)人機(jī)k的剩余容量和對(duì)應(yīng)的備用關(guān)聯(lián)集合。
10 end while
11 返回{am,k,?m,k}
本節(jié)研究在已知設(shè)備關(guān)聯(lián)集合的情況下,無(wú)人機(jī)如何根據(jù)設(shè)備的需求獲得最佳的三維部署。因此,將問(wèn)題P1中的最大化問(wèn)題分解為K個(gè)最小化子問(wèn)題P3,由無(wú)人機(jī)k并行解決最小化子問(wèn)題。
式中:C1是限定無(wú)人機(jī)的部署的高度,保證無(wú)人機(jī)可獲得較高的視距傳輸概率,同時(shí)確保無(wú)人機(jī)與設(shè)備始終處于連接狀態(tài);C2是保證物聯(lián)網(wǎng)設(shè)備在無(wú)人機(jī)的最大覆蓋范圍內(nèi)。針對(duì)問(wèn)題P3,本節(jié)采用基于設(shè)備通信需求的粒子群(Particle Swarm Optimization,PSO)算法優(yōu)化無(wú)人機(jī)的最佳三維部署。
(10)
(11)
(12)
(13)
更新所有虛擬粒子j下一次迭代中的速度和探測(cè)位置,具體公式如下[16]:
(14)
(15)
式中:ω為慣性權(quán)重,其取值范圍0<ω<1;κ1和κ2為非負(fù)實(shí)數(shù),本文令κ1=κ2=1;r1和r2為0~1之間的隨機(jī)數(shù)。
粒子群算法優(yōu)化三維部署(算法2)具體如下:
輸出:無(wú)人機(jī)的部署位置uk,best。
1 初始化:將無(wú)人機(jī)k隨機(jī)部署在對(duì)應(yīng)的設(shè)備關(guān)聯(lián)集合內(nèi),初始化相關(guān)參數(shù),隨機(jī)產(chǎn)生一組虛擬粒子,設(shè)t=1。
2 循環(huán)開(kāi)始:
3 每個(gè)虛擬粒子根據(jù)其所在位置計(jì)算適應(yīng)度值,即設(shè)備的傳輸功率總和:
4 根據(jù)公式(11),更新每個(gè)虛擬粒子當(dāng)前的最佳部署位置XL,j。
5 各粒子間交互信息并根據(jù)公式(13),更新當(dāng)前探測(cè)到的全局最佳部署位置XG。
7 若t=T或所有虛擬粒子已收斂至同一位置,循環(huán)結(jié)束;否則,返回循環(huán)。
8 返回uk,best=(xk,best,yk,best,hk,best)。
證明:探測(cè)粒子速度和位置的更新公式(14)和(15)閉合形式可以表示為[15,17]
(16)
式中:
(17)
(18)
(19)
(20)
(21)
顯然,若max(‖φ1‖,‖φ2‖)<1,則
(22)
那么
(23)
(24)
解不等式(24),可得
(25)
證畢。
(26)
證畢。
根據(jù)引理1可知,所有探測(cè)粒子將收斂至當(dāng)前全局最優(yōu)位置。但是需要說(shuō)明的是,探測(cè)到的當(dāng)前全局最優(yōu)位置并不一定就是全局最優(yōu)部署位置。粒子群算法收斂于全局最優(yōu)部署位置的概率與探測(cè)粒子的數(shù)量密切相關(guān)。由圖2可知,當(dāng)探測(cè)粒子的數(shù)量增加,PSO算法的探索能力會(huì)提升,則最終收斂于全局最優(yōu)部署位置的概率就越大;反之,當(dāng)探測(cè)粒子數(shù)量較少時(shí),易陷入局部最優(yōu)的概率就會(huì)增加,且收斂速度會(huì)減慢。
圖2 粒子數(shù)量對(duì)PSO算法收斂性的影響
在2.1和2.2中,分別提出了算法1和算法2解決問(wèn)題P2和問(wèn)題P3,本節(jié)基于前面兩節(jié)所提出的方法,提出一種交替迭代的優(yōu)化方法(算法3)解決問(wèn)題P1,即聯(lián)合優(yōu)化無(wú)人機(jī)的設(shè)備關(guān)聯(lián)和三維部署。交替迭代的優(yōu)化方法的實(shí)現(xiàn)過(guò)程如下:
初始化:初始化相關(guān)參數(shù),將無(wú)人機(jī)k隨機(jī)部署在目標(biāo)區(qū)域內(nèi),設(shè)置t=1。
循環(huán)開(kāi)始:
1 固定無(wú)人機(jī)的部署位置,用算法1優(yōu)化無(wú)人機(jī)的關(guān)聯(lián)設(shè)備集合。
2 固定無(wú)人機(jī)的關(guān)聯(lián)設(shè)備集合,用算法2優(yōu)化無(wú)人機(jī)的三維部署位置,設(shè)置t=t+1。
3 若t=T,循環(huán)結(jié)束;否則,返回循環(huán)。
本文提出的交替迭代算法由兩個(gè)子算法構(gòu)成:節(jié)能關(guān)聯(lián)算法(算法1)和粒子群算法(算法2)。算法1將問(wèn)題P2分解為K個(gè)單背包問(wèn)題,因此其計(jì)算復(fù)雜度為O(K2T1),K為無(wú)人機(jī)的數(shù)量,T1為算法1的迭代次數(shù)。算法2的計(jì)算復(fù)雜度為O(sT2),s為粒子群算法中虛擬粒子的數(shù)量,T2為算法2的迭代次數(shù)。本文將問(wèn)題P1分解為K個(gè)P3子問(wèn)題,因此粒子群的計(jì)算復(fù)雜度為O(sKT2)。綜上所述,本文提出的交替迭代算法(算法3)的計(jì)算復(fù)雜度為O((K2T1+sKT2)×T3),其中T3為算法3的迭代次數(shù)。
本節(jié)對(duì)提出的交替迭代部署算法進(jìn)行仿真分析,仿真平臺(tái)為Matlab 2019a。考慮一個(gè)大小為600 m×600 m的區(qū)域,其中部署了M個(gè)物聯(lián)網(wǎng)設(shè)備,其分布遵循齊次泊松點(diǎn)過(guò)程。物聯(lián)網(wǎng)設(shè)備的通信需求在[1,10]個(gè)單位中任意選擇,無(wú)人機(jī)的容量限制為500個(gè)單位,其他的仿真參數(shù)如表1所示[14]。
表1 部分仿真參數(shù)的設(shè)置
為了驗(yàn)證所提出算法(ESA+PSO,簡(jiǎn)稱為EP算法)的性能,本文實(shí)現(xiàn)并比較了以下算法:
(1)聚類算法——使用K-means算法將物聯(lián)網(wǎng)設(shè)備分成K個(gè)簇,即每架無(wú)人機(jī)的關(guān)聯(lián)設(shè)備。將無(wú)人機(jī)的水平位置設(shè)置在每個(gè)簇的簇心,然后根據(jù)傳輸功率最小化的原則優(yōu)化無(wú)人機(jī)的部署高度。
(2)GP算法(Greedy+PSO)——首先根據(jù)設(shè)備的潛在節(jié)約功率進(jìn)行選擇性服務(wù),然后根據(jù)設(shè)備的通信需求結(jié)合粒子群算法優(yōu)化無(wú)人機(jī)的三維部署。
圖3展示了當(dāng)無(wú)人機(jī)數(shù)量為3、設(shè)備數(shù)量為400時(shí),設(shè)備與無(wú)人機(jī)的關(guān)聯(lián)情況以及無(wú)人機(jī)的三維部署。圖中三種顏色的五角星代表三架無(wú)人機(jī),其中小五角星表示無(wú)人機(jī)在迭代過(guò)程中的位置變化,而最后的大五角星表示無(wú)人機(jī)的收斂位置。與每架無(wú)人機(jī)顏色對(duì)應(yīng)的實(shí)心圓表示無(wú)人機(jī)對(duì)應(yīng)的關(guān)聯(lián)設(shè)備,其中的黑色空心圓圈表示未被無(wú)人機(jī)關(guān)聯(lián)的設(shè)備。由圖可知,隨著迭代次數(shù)的增加,無(wú)人機(jī)的三維部署位置也隨之改變,最終收斂至同一位置,說(shuō)明該算法具有收斂性。
圖3 多無(wú)人機(jī)協(xié)同的三維部署圖
本節(jié)主要分析多種通信環(huán)境和設(shè)備的總節(jié)約功率的影響。根據(jù)文獻(xiàn)[11-12]所提的信道模型,信道參數(shù)在不同的通信環(huán)境下的取值是不同的,表2給出了“Suburban”“Urban”“Dense urban”三種通信環(huán)境下的信道參數(shù)[15]。所提算法在不同通信環(huán)境下的收斂情況如圖4所示,其中無(wú)人機(jī)的數(shù)量為4,地面的物聯(lián)網(wǎng)設(shè)備數(shù)量為300。由圖可知,隨著迭代次數(shù)的增加,網(wǎng)絡(luò)的總節(jié)約功率也隨之增加,最終收斂至網(wǎng)絡(luò)的總節(jié)約功率的最大值。在不同的通信環(huán)境下,網(wǎng)絡(luò)的總節(jié)約功率是不同的。在“Suburban”環(huán)境下的網(wǎng)絡(luò)總節(jié)約功率最大,原因在于無(wú)人機(jī)網(wǎng)絡(luò)在“Suburban”環(huán)境下獲得的LoS傳輸概率要比“Urban”和“Dense urban”環(huán)境中獲得的LoS傳輸概率要大。
表2 不同通信環(huán)境下的信道模型參數(shù)
圖4 通信環(huán)境對(duì)算法收斂性的影響
圖5展示了當(dāng)無(wú)人機(jī)數(shù)量為3時(shí),隨著設(shè)備數(shù)量的變化,各算法的總節(jié)約功率的變化情況。由圖可知,隨著設(shè)備數(shù)量的增加,EP算法和GP算法的總節(jié)約功率也隨之增加,而聚類算法的總節(jié)約功率保持相對(duì)靜態(tài)。因?yàn)榫垲愃惴P(guān)聯(lián)設(shè)備時(shí)沒(méi)有考慮設(shè)備的傳輸功率和通信需求,只是單純地根據(jù)用戶之間的距離進(jìn)行聚類關(guān)聯(lián)。當(dāng)設(shè)備數(shù)量越多時(shí),本文提出的EP算法性能優(yōu)勢(shì)越明顯。因?yàn)楫?dāng)無(wú)人機(jī)的服務(wù)容量有限時(shí),設(shè)備之間的競(jìng)爭(zhēng)會(huì)更加激烈,此時(shí)合理的設(shè)備關(guān)聯(lián)方法將變得十分重要。相比之下,GP算法的性能始終低于EP算法,因?yàn)镚P算法的只是單純的“利己主義”,而沒(méi)有考慮其他無(wú)人機(jī)的設(shè)備關(guān)聯(lián)情況。
圖5 總節(jié)約功率與設(shè)備數(shù)量的關(guān)系
圖6展示了當(dāng)設(shè)備數(shù)量為500時(shí),隨著無(wú)人機(jī)數(shù)量的增加,各算法的總節(jié)約功率的變化情況。由圖可知,隨著無(wú)人機(jī)數(shù)量的增加,三種算法對(duì)應(yīng)的總節(jié)約功率也隨之增加。因?yàn)殡S著無(wú)人機(jī)數(shù)量的增加,無(wú)人機(jī)可服務(wù)的設(shè)備數(shù)量增加以及設(shè)備與無(wú)人機(jī)之間的距離減小,減少了設(shè)備的傳輸功率損耗。但是當(dāng)無(wú)人機(jī)數(shù)量為6和7時(shí),聚類算法的性能提升明顯,甚至超過(guò)了GP算法,因?yàn)楫?dāng)無(wú)人機(jī)數(shù)量較多時(shí),設(shè)備與無(wú)人機(jī)之間的距離較短。在迭代的過(guò)程中,GP算法的部分無(wú)人機(jī)會(huì)爭(zhēng)奪其他無(wú)人機(jī)關(guān)聯(lián)的設(shè)備,以尋求自身關(guān)聯(lián)設(shè)備的最大化。相比之下,聚類算法將設(shè)備分簇,減少無(wú)人機(jī)之間的競(jìng)爭(zhēng)。同時(shí),無(wú)論無(wú)人機(jī)數(shù)量如何變化,本文提出的EP算法的性能依然是三者中最好的。
圖6 總節(jié)約功率與無(wú)人機(jī)數(shù)量的關(guān)系
本文針對(duì)具有差異化服務(wù)質(zhì)量需求的數(shù)據(jù)采集任務(wù),提出了一種多無(wú)人機(jī)協(xié)同部署策略。該策略將初始問(wèn)題轉(zhuǎn)化為設(shè)備關(guān)聯(lián)子問(wèn)題和無(wú)人機(jī)三維部署子問(wèn)題,進(jìn)行交替迭代求解。在不同的網(wǎng)絡(luò)設(shè)置下進(jìn)行了大量的仿真,以評(píng)估所提出算法的性能。仿真結(jié)果表明,與其他對(duì)比算法相比,本文所提出的策略獲得了明顯的性能提升。在后續(xù)的工作中,我們將考慮多無(wú)人機(jī)之間的干擾問(wèn)題和異構(gòu)無(wú)人機(jī)的協(xié)同覆蓋問(wèn)題。