新一代無人機網絡切換場景分析和解決方案

摘 要：隨著移動數據流量需求的快速增長，需部署超密集網絡應對。考慮通過網絡重疊滿足移動數據流量的海量需求，但此舉將導致切換場景數量增加，影響移動網絡和服務網絡之間通信的穩定性和可靠性。由于網絡移動性特征不同，且隨著無人機網絡的加入，將帶來更復雜的挑戰。因此，研究從移動性管理和切換概念出發，為讀者提供了關于無人機移動性管理技術的全面、系統剖析。之后，研究了與無人機太空飛行相對應的3D場景的移動性和無人機的切換場景，并提出了建議的解決方案。

關鍵詞：無人機網絡；移動性管理；切換場景；3D；飛行基站；毫米波

中圖分類號：TP39；TN929.53 文獻標識碼：A 文章編號：2095-1302（2024）08-00-03

DOI：10.16667/j.issn.2095-1302.2024.08.015

0 引 言

在理想情況下，即使用戶設備（UE）在小區內移動，移動UE與服務無線網絡的連接也應保持穩定，這是無線網絡中移動性的定義。UE的移動性使其能夠以多種方式移動，只要有覆蓋，UE就可以從第一個小區即服務基站（BS）移動到新小區，原始服務BS可以將連接重新路由到新的目標BS。所有這些增強功能，使用戶能夠更容易訪問無線網絡。接收到的信號強度（RSS）隨著UE的移動而不斷變化，當給定位置的RSS低于RSS指示器（RSSI）定義的特定閾值時，將啟動切換。首先，服務BS向目標BS發送請求，將UE的連接重新路由到信號最強的目標BS。因此，在最佳情況下，UE與服務網絡的連接將在整個過程中保持穩定[1]。

1 切 換

當用戶從一個位置移動到另一個位置時，在無線移動網絡中保持連接的過程稱為切換。切換涉及將以前為移動用戶提供服務的BS更改為當前具有更好性能的BS。切換通過技術程序進行，切換方法的開發是為了在用戶移動過程中管理無線移動連接，以提供高度可靠和流暢的通信。實際上，切換旨在提高用戶吞吐量，同時減少無線電鏈路故障（RLF）和縮短中斷時間。如果切換管理策略得到加強，服務網絡的可靠性和質量將得到改善[2]。

要完成切換，需要經歷3個階段。在第一階段，UE可以很容易地找到周圍的BS，用于識別無線電信道和媒體訪問控制（MAC）地址。在掃描周圍BS后的第二階段，選擇具有切換定時功能的目標無線網絡。最初，UE發送掃描請求，然后BS接收掃描響應，向UE提供搜索時間，包含目標BS列表。切換決策由UE切換請求發起，切換新無線網絡在第三階段

完成[3]。

用于提高用戶移動性的切換方法定義了UE應何時以及如何執行切換，例如為任何接入點/BS選擇路由協議和合適的目標。在現代無線通信技術（5G和6G）中，毫米波使選擇合適的切換技術變得更加復雜。最新的切換技術可實現更快的移動性，在4G中可達到350 km/h，在5G中可達到

500 km/h。

切換以評估無線通信性能而聞名，并制定了各種要求和指標來保證切換操作期間的網絡性能。第一個要求是在eNB過渡期間，BS和UE之間的關系必須盡可能保持穩定。第二個要求是切換中斷時間，定義為不允許UE將用戶平面數據包傳送到BS的時間。為了保證流暢的UE體驗，中斷時間極短，例如小于1 ms。第三個要求是切換成本，通過將每個切換的移動中斷時間乘以特定UE軌跡中的切換數量來計算。第四個要求是切換故障率，其計算方法是切換故障數除以UE處理切換的次數。第五個要求是信令開銷，它被定義為在切換處理過程中產生的數據。

BS之間的負載平衡。如果同一BS的小區連接被阻止，則其他UE不得不移動到不同的小區。使用切換的一個好處是，通過建立與較低功率的相鄰BS的連接來節省資金，并通過調節發射功率進一步延長設備電池的壽命[4]。

2 3D場景的移動性

無人機通常以高于BS天線的高度在3D空間中高速飛行。3D場景的移動性改變了無人機的高度，從而影響了傳播信道的特性。因此，需要能夠適應不斷變化的無人機高度的3D通信覆蓋，并且必須限制無人機的速度。

2.1 3D通信覆蓋

無線網絡的數據傳輸覆蓋稱為“通信覆蓋”。當覆蓋區域縮小時，RSS也會縮小。RSS可以使用高度值在3D空間中定義。在過渡階段，終端將決定是留在當前網絡，還是切換到相鄰網絡作為新基站。可以用下式計算無人機的覆蓋率[5]：

（1）

（2）

式中：d是接收器和發射器之間的距離；A表示無人機的

高度。

可利用某些策略和算法做出切換決策。可以使用以下公式確定最佳覆蓋率：

（3）

式中：RSSmin為最小路徑損耗指數，這是當發送器和接收器之間的距離為1 m時，終端所需的最低值；ε是一個零標準偏差高斯隨機變量。圖1顯示了BS的覆蓋半徑，其中A表示無人機的高度，d表示BS在3D空間中的覆蓋半徑。當BS和無人機之間的距離超出其覆蓋范圍時，就會發生切換。圖1為無人機站點覆蓋圖。

2.2 3D中的速度限制

WiFi、WiMAX和蜂窩移動通信都是可用網絡。智能設備依賴于基于移動性的網絡服務，而消費者希望隨時隨地都能連接互聯網從而增加了需求。重要的是，當無人機的行進速度比UE快時，切換可能會頻繁發生。切換會消耗能量，并引起連接延遲。要解決此問題，必須使用以下公式來限制無人機的速度：

（4）

式中：ω表示RSS值，隨著BS和終端之間的距離增加，接收信號強度降低[6]。

3 無人機切換場景

3.1 使用飛行基站的切換場景

當無人機作為飛行BS時，可能存在3種情況：

（1）在第一種類型的切換場景中，無人機在改變地面BS時會經歷切換；

（2）在第二種類型的切換場景中，UE從連接的服務無人機BS更改為連接到另一個目標無人機BS時會經歷

切換；

（3）在第三種類型的切換場景中，無人機將其服務的衛星節點更改為另一個衛星節點時會經歷切換。

無人機作為未來超密集異構網絡中的基站如圖2所示。

3.2 普通用戶的切換場景

無人機充當地面上的移動用戶時，將其連接更改為不同的BS。對于衛星通信系統而言，無人機也可以從使用的一個衛星節點切換到另一個衛星節點，或為地面基站間的切換。無人機作為未來超密集異構網絡中的普通用戶如圖3

所示。

4 建議的解決方案

隨著連接設備和相關服務的增加，人們對場景移動性和連接性的擔憂也隨之出現。針對必須解決的問題，文中提出了幾種算法。

4.1 RSS算法

基于RSS的計算通常不太復雜，但它們的精確度也不高。其好處是允許在切換決策過程中考慮多個因素，降低了計算復雜度，同時進一步提高了效率和精度。文獻[7]提出了一種基于RSS且利用Ps（無縫切換成功概率）和Pf（錯誤切換啟動概率）調整無人機高度和距離的方法，以評估最佳計算范圍。為了將無人機的飛行范圍提高到同一水平，可以在考慮物理約束的同時，調整每架無人機的高度，此方法同樣基于RSS。通過調整高度和距離來管理每架無人機的飛行范圍，計算Ps和Pf以評估建議的配置。

4.2 路由感知切換算法

利用路徑數據的路由感知切換算法和來自飛行路徑的數據進行網絡優化，減少不必要的切換和錯誤切換，可利用空中通道的一致性和預定方向來實現靈活管理。除了離線計算外，還提出了一種在線計算方法，切換由SINR計算的結果觸發。最后，需要定期設置更新。該方法可以降低計算復雜度，同時加快有源無線系統的執行速度[8]。

4.3 延遲容忍網絡（DTN）算法

DTN方法也被稱為加權飛行路徑規劃（WFPP）方法，能最大限度提高無人機通信中的數據包控制。數據包的重量取決于其必須存活的時間以及可能消耗的電量。如果最大長度小于無人機可飛行的最大長度，該方法將生成可使用的未使用路徑。如果不屬于這種情況，則路徑將被

抹去[7]。

4.4 機器/深度學習方法

近年來，機器學習和基于深度學習的方法一直處于研究的前沿。由于人工智能領域的進步，這些方法可以在確保切換決策順利實施的同時降低計算成本并解決安全問題。由于信息設備不需要頻繁檢修，因此可以提高資產有效利

用率。

在文獻[9]中，UE的移動性使用隱藏層記錄，社交池用于捕獲UE之間的交互。完成切換的4個基本活動包括估計、細化、判斷和執行。與標準切換不同，機器學習用于預測未來趨勢。利用確認方法確定是否應將客戶轉移到另一個空中BS。切換和無線資源管理的優化策略由機器學習安排，旨在捕獲全局和空間層面的關系，以創建合適的切換選擇。緩沖線用于表征信息輸入速率、分配范圍和來自BS的阻抗。所演示框架的通信通過LoS路徑占主導的空對地信道進行。創建優化策略并將結果用于決策制定和切換

建模[10]。

5 結 語

在未來的HetNets中，無人機的移動性將是研究的關鍵。由于無人機能夠在空間中快速移動，故其移動性將帶來很大的風險。而在5G和6G系統中使用毫米波增加了無人機的移動性方面的挑戰。無人機和移動連接數量的大規模擴展，將進一步產生新的問題。在未來的系統中，必須妥善解決互聯無人機的移動性管理問題。

參考文獻

[1] ALSHAIBANI W T，IBRAHEEM S，RAMAZAN C，et al. Mobility management of unmanned aerial vehicles in ultra-dense heterogeneous networks [J]. Sensors，2022（22）：1-32.

[2] ANGJO J，SHAYEA I，ERGEN M，et al. Handover management of drones in future mobile networks：6G technologies [J]. IEEE access，2021（9）：12803-12823.

[3] YAN X，SEKERCIOGLU Y A，NARAYANAN S. A survey of vertical handover decision algorithms in fourth generation heterogeneous wireless networks [J]. Computer networks，2010，54（11）：1848-1863.

[4] SU S L，CHIH T H，WU S B. A novel handover process for mobility load balancing in LTE heterogeneous networks [C]// Proceedings of the 2019 IEEE International Conference on Industrial Cyber Physical Systems（ICPS）. Taiwan，China：IEEE，2019：41-46.

[5] LEE E，CHOI C，KIM P. Intelligent handover scheme for drone using fuzzy inference systems [J]. IEEE access，2017（5）：13712-13719.

[6] GUO W，DEVINE C，WANG S. Performance analysis of micro unmanned airborne communication relays for cellular networks [C]// Proceedings of the 2014 9th International Symposium on Communication Systems，Networks amp; Digital Sign（CSNDSP）. Manchester，UK：[s.n.]，2014：658-663.

[7] IRANMANESH S，RAAD R，RAHEEL M S，et al. Novel DTN mobility-driven routing in autonomous drone Logistics networks[J]. IEEE access，2019，8：13661-13673.

[8] HUSSAIN F，HASSAN S A，HUSSAIN R，et al. Machine learning for resource management in cellular and IoT networks：Potentials，current solutions，and open challenges [J]. IEEE communications. surveys amp; tutorials，2020，22（2）：1251-1275.

[9] AZARI A，GHAVIMI F，OZGER M，et al. Machine learning assisted handover and resource management for cellular connected drones 2020 IEEE 91st Vehicular Technology Conference（VTC2020-Spring）. Antwerp，Belgium：IEEE，2020：1-7.

[10]王鵬.移動網絡安全分析與仿真實現[D].西安：西安電子科技大學，2010.

收稿日期：2023-09-06 修回日期：2023-10-11

基金項目：南京交通職業技術學院高層次人才科研基金項目（440105001）

作者簡介：王 莉（1968—），女，遼寧葫蘆島人，碩士，高級研究員，研究方向為下一代無線泛在網絡、物聯網。

董春利（1964—），男，山東青島人，博士，教授，研究方向為下一代無線泛在網絡、物聯網和智能信號處理。