無人機蜂群中紫外光隱秘通信能耗均衡路由算法

趙太飛, 程敏花, 呂鑫喆, 鄭博睿

(1. 西安理工大學自動化與信息工程學院, 陜西 西安 710048;2. 陜西省智能協同網絡軍民共建重點實驗室, 陜西 西安 710048)

0 引 言

由于單個無人機計算、探測和作業能力有限,使用多無人機協作的形式能充分發揮無人機集群的優勢,提高無人機執行任務的能力。通過一群低成本小型無人機間自主組網協同作業而構建的無人機蜂群作戰系統[1],具有抗毀性高、功能分布化、協作能力強等優勢。為了滿足無人機蜂群之間的任務協同要求,各機之間必須建立穩定的編隊通信網絡來保證可靠通信。而在實際飛行中,強電磁干擾、復雜大氣環境和無線電靜默等情況會破壞編隊通信網絡的完整性[2]。無線紫外光通信具有抗電磁干擾能力強[3]、背景噪聲小[4]、低竊聽率、低位辨率、全天候非直視通信[5]、低功耗、易于機載等特點,能夠在復雜環境中為無人機蜂群提供機間可靠隱秘通信。

無人機編隊在實際應用中攜帶能源有限,從而影響多無人機協同系統的任務執行效率[6]。無人機蜂群之間通過單跳或多跳的路由方式進行飛行狀態、空情信息以及控制指令的交互,設計能量有效的路由算法是延長無人機蜂群網絡生命周期的主要方法。目前,對于網絡層的能量優化路由協議可以分為3類:最小能耗路由[7-8]、能量均衡路由[9-12]以及網絡生存時間最大化路由[13-15]。文獻[16-17]通過選擇節點間的最小能耗路由進行數據傳輸,因此在發送數據分組個數較少時,可以有效降低網絡中節點的能耗,但是當發送數據分組個數增大時,頻繁地選擇相同的傳輸路徑會導致部分能量較低的中繼節點過早死亡,從而影響網絡的生命周期。能量剩余程度是影響無人機蜂群作戰時間的一個重要因素,Yu等[18]提出基于綜合動態預測的無人機自組織網絡分簇路由算法,通過預測兩架無人機之間的綜合相對移動性,可以有效提高簇結構和無人機集群的穩定性,但沒有考慮無人機節點的能耗會對網絡生存時間產生影響。文獻[19]通過選擇一種基于最短距離和最小能耗的節能優化路由來啟動集群內的數據交換過程,有效平衡了節點間的負載分配,實現了網絡節點能量消耗均衡、有效的目的。

基于以上分析,為了保證無人機編隊通信網絡的完整性,延長無人機蜂群的空中作業時間,本文將無線紫外光通信應用于無人機編隊網絡中,分析了機間通信鏈路模型和能耗模型,在利用蜂擁控制理論使無人機完成隊形保持的基礎上,研究了無人機蜂群中紫外光隱秘通信能耗均衡路由算法。該算法中無人機節點可以根據剩余能量動態地選擇多跳數據傳輸路徑來進行信息指令的交互。仿真結果表明,與其他算法相比,所提算法能夠達到無人機蜂群節點能量消耗均衡,延長網絡生命周期的目的。

1 機間紫外光非直視通信鏈路和能耗模型

1.1 機間紫外光非直視通信鏈路模型

無線紫外光非直視(non-line-of-sight,NLOS)通信鏈路模型如圖1所示,TX和RX分別為發射端與接收端,θ1為發送仰角,φ1為發散角,θ2為接收仰角,φ2為接收視場角,V為有效散射體,θs為散射角,r是收發間距,r1和r2為有效散射體V分別到TX和RX的距離[20]。根據θ1和θ2的不同,將無線紫外光NLOS通信分為NLOS(a)、NLOS(b)和NLOS(c) 3類,NLOS(c)通信方式下的θ1和θ2都小于90°,傳輸鏈路損耗和信道的時延擴展最小,獲取的信道帶寬較高[20],更適合無人機蜂群在復雜環境下的機間隱秘通信。

圖1 無線紫外光NLOS通信鏈路模型

紫外光通信衰減嚴重,隨著通信距離的增加,路徑損耗呈指數形式衰減,在近距離通信時(r<1 km),路徑損耗公式[21]可簡化為

L=ξrα

(1)

式中,ξ是路徑損耗因子;α是路徑損耗指數,都與收發端幾何角度有關。在φ1=10°、φ2=30°時,不同紫外光收發仰角下,ξ和α的部分取值參考文獻[22]。

1.2 無人機蜂群通信能耗模型

采用無線紫外光協作無人機編隊飛行,其通信能耗包括發送數據能耗和接收數據能耗兩大部分。當發射脈沖能量Et及紫外光NLOS通信下的路徑損耗L已知時,傳輸衰減[23]所損耗的能量為

(2)

式中,ηt為發射端的電光能量轉化效率;ET為發射單位比特數據所消耗的能量。

當無人機節點i發送kbit數據到距離為r的接收端無人機節點j時,可求得發送數據能耗ETX和接收數據能耗ERX分別如下:

ETX(k)=k(ET+EL)

(3)

ERX(k)=kER

(4)

式中,ER為接收單位比特數據所消耗的能量。

2 能耗均衡路由算法

無人機蜂群在執行任務過程中需滿足兩個條件:保持某種特定的隊形并適應環境中的約束;保證通信信息指令能夠在無人機之間可靠傳遞。本文在無人機蜂群隊形保持的基礎上,設計和實現了無人機蜂群中紫外光隱秘通信能耗均衡路由算法。

2.1 無人機蜂群編隊隊形保持

在飛行過程中無人機蜂群采用分布式編隊控制策略來保持隊形穩定和機間安全距離[24],假設各無人機初始狀態相同且每個節點的標識ID唯一,將無人機節點由初始位置移動到編隊內固定位置后隊形不再改變的過程,定義為無人機蜂群的集結過程。在此過程中,各節點以最大功率Pmax周期性地廣播Hello消息來獲取鄰域內節點的信息。

設有N個無人機節點組成一個無人機蜂群系統在空中運動,定義第i個無人機UAVi的動力學運動方程[25]為

(5)

式中,qi表示UAVi的位置向量;pi表示UAVi的速度向量;ui∈Rn表示UAVi的控制輸入向量即加速度向量。利用蜂擁控制理論[25]通過輸入ui使無人機蜂群編隊完成隊形保持,控制輸入ui定義為

(6)

2.2 算法實現

在無人機蜂群編隊隊形保持過程中,各無人機目標狀態達到協同一致,即無人機飛行方向、速度統一,各機保持相對靜止。無人機節點的移動能耗與節點的運動速度有關[26],故在此過程中各無人機節點移動能耗相等,只考慮通信能耗對無人機網絡生存時間的影響。本文所提的無人機蜂群中紫外光隱秘通信能耗均衡路由算法(energy consumption balancing routing algorithm,EBRA)實現主要包括3個過程:功率調整、鏈路權值計算和路由選擇。

(1) 功率調整

為降低無人機間數據傳輸時的通信能耗,調整UAVi的發射功率使其在覆蓋自身邏輯節點的范圍內廣播鄰居發現消息,消息中主要包括節點的ID號、位置、速度、節點剩余能量以及鏈路權值,鏈路權值由下文定義的鏈路權值函數計算可得。無人機節點接收到鄰居發現消息后,提取相關信息建立鄰節點信息表。

(2) 鏈路權值計算

要實現無人機節點能耗的有效性,要求在通信過程中所消耗的能量最小,但也會因為使用固定能耗最小的路徑頻繁傳送數據導致部分節點過早失效。為了有效地延長網絡生存時間,鏈路權值函數的構建不僅要考慮數據收發過程中的能量消耗,還應考慮下一跳數據接收節點的能量情況。基于以上分析,考慮無人機通信網絡中任意2個具有鄰接關系的節點i、j,將節點i發送數據到節點j時的通信鏈路權值函數定義為

(7)

(3) 路由選擇

設無人機蜂群編隊保持拓撲圖為G,源節點UAVi為最短路徑節點,其余節點均為未標記節點。當源節點UAVi向其余節點發送信息指令時,如圖2所示,首先判斷目的節點UAVj是否在UAVi的一跳通信范圍之內,若在通信范圍之內,兩節點直接通信(如UAVi和UAV1);若不在通信范圍之內,通過構造鏈路權值函數，根據最短路由Dijkstra算法[27]選擇路由代價最小的路徑進行數據轉發(如UAVi和UAV2),直至找到UAVi到其他各節點的最短路徑。

圖2 無人機蜂群通信網絡路由選擇

3 仿真分析

3.1 無人機蜂群編隊隊形保持拓撲

假設有20架無人機進行集群飛行,選用式(6)中的控制算法,無人機編隊控制仿真中的參數設置為:算法迭代次數Iterations=3 000,各機初始能量E=500 J,機間安全距離d=10 m,步長設置為0.02 s。無人機蜂群編隊隊形保持如圖3所示。由圖3(a)中可以看到,40 s后勢函數的值逐漸趨于定值,這是由于無人機蜂群隊形逐漸趨于穩定,機間距離不再變化。如圖3(b)所示,無人機編隊集結完畢后,各節點也由初始狀態集結至編隊中的固定位置,達到了隊形保持的目的。

圖3 無人機蜂群編隊隊形保持

3.2 算法仿真

仿真實驗均基于圖3(b)無人機蜂群隊形保持拓撲,仿真中Dijkstra表示采用經典最短路由Dijkstra算法所得結果,Dijkstra-L表示采用Dijkstra算法改進鏈路權值為路徑損耗后所得結果,EBRA為本文算法計算所得結果。用T表示仿真開始到當前時刻源節點發送的數據分組個數,當出現第一個死亡節點時,無人機網絡生命到期,仿真停止。仿真的主要參數如表1所示。

表1 仿真參數

3.2.1 算法對比分析

圖4仿真了在3種路由算法下,無人機節點13向其余節點發送數據分組時所選擇的多跳數據傳輸路徑。

圖4 不同算法下多跳數據傳輸路徑

由圖4(a)和圖4(b)可知,Dijkstra算法和Dijkstra-L算法分別通過發現距離最短和能耗最小的路徑來傳輸數據分組,所選擇的通信路徑固定不變,若能量較低的節點一直承擔數據轉發的任務,必然會出現能量過早消耗完而死亡的情況。圖4(c)和圖4(d)分別選取了EBRA算法在T=5和T=529時的多跳數據傳輸路徑,可以看出,EBRA算法在機間通信過程中可以根據剩余能量動態地選擇信息傳輸路徑。

基于以上3種算法所選擇的通信路徑,圖5對比了4個具有數據轉發任務的節點在3種算法下的平均通信能耗,由圖5可以看出,相比于其他兩種算法,EBRA算法下的平均通信能耗更加均衡。

圖5 平均通信能耗對比圖

3.2.2 算法性能分析

圖6給出了在3種路由算法下,節點1、節點8、節點13和節點14的剩余能量曲線。由圖6(a)和圖6(b)易知,基于Dijkstra算法,節點1承擔負載過重最早死亡,在T=650時網絡生命到期。基于Dijkstra-L算法,節點14能量最早耗盡,在T=700時網絡生命到期。且當網絡生命到期時,這兩種算法下其余存活節點的能量消耗相差較大。由圖6(c)可以看出,EBRA算法在T=750時,源節點13因為頻繁發送數據,能量最早消耗完畢,且其余存活節點的能量消耗相近。分析可知,當節點能量消耗影響到鏈路權值時,EBRA算法在下一次數據傳輸過程中會避免選擇能量過低的節點承擔中繼轉發的任務,因此EBRA算法達到了延長網絡生命周期的目的。

圖7給出了各時刻無人機網絡節點消耗能量的方差曲線,方差可以用來衡量無人機節點能耗的均衡性。從圖7可以看出,隨著發送數據分組個數T的增加,中繼節點能量消耗加快,導致與網絡中其余節點能耗相差變大,3種路由算法下的曲線均呈上升趨勢。在EBRA算法下,由式(7)可知,隨著α1值的增大,路徑損耗對鏈路權值函數的影響比重增大,此時更傾向于選擇路徑損耗小的路徑來傳輸數據,能耗方差曲線會更趨近于Dijkstra-L算法下的仿真曲線。增大權重系數α2的值,數據傳輸時更傾向于選擇節點剩余能量大的路徑而忽略了通信過程中節點能耗的有效性。當權值系數α1和α2均取0.5時,保證路徑損耗和節點剩余能量對鏈路權值函數的影響比重相同,兼顧了節點能耗的有效性和均衡性,因此無人機網絡節點的消耗能量方差曲線最低。EBRA算法下的曲線始終位于Dijkstra算法和Dijkstra-L算法之下,證明本文所提算法的節點能量消耗均衡性要優于其余兩種算法。

圖6 不同算法下節點的剩余能量

圖7 節點消耗能量方差

圖8給出了無人機蜂群編隊節點數目不同時,在3種路由算法下的發送數據分組個數。

圖8 不同節點數下的發送數據分組個數

從圖8中可以看出,隨著無人機節點數目的增大,各無人機在集結過程中由初始位置移動到編隊內固定位置的距離就越短,集結完畢后節點的剩余能量也就越多,因此3種算法下的網絡生命周期都呈現上升趨勢,并且EBRA算法下無人機節點的能量消耗更加均衡,網絡生存時間始終高于其他兩種算法。

圖9對比了當出現第一個死亡節點時,3種算法下無人機節點的平均剩余能量。由圖9可知,Dijkstra算法和Dijkstra-L算法固定數據傳輸路徑上的中繼節點承擔負載過重,導致出現死亡節點時,網絡中還存在較多的剩余能量。而EBRA算法延長了無人機蜂群的工作時間,網絡生命到期時,節點的平均剩余能量最低。

圖9 無人機節點平均剩余能量

4 結 論

為了盡可能延長無人機蜂群的空中作業時間,結合紫外光通信優勢,本文提出了一種無人機蜂群中紫外光隱秘通信能耗均衡路由算法。在無人機編隊保持的基礎上,首先通過調整無人機節點發射功率來獲取鄰居節點信息并建立鄰節點信息表,再在無人機間數據傳輸路徑選擇過程中,引入通信鏈路路徑損耗和節點剩余能量構建鏈路權值函數,最后通過能耗均衡路由算法找到無人機節點間的最優通信路由。仿真結果表明,與其他算法相比,所提算法能夠實時動態地調整多跳數據傳輸路徑,避免能量較少的節點承擔負載過重而較早死亡,明顯改善了無人機節點的能耗均衡性能并有效地延長了網絡生命周期。