基于SVM選擇的無人機傳輸點切換策略

無人機（Unmannedaerialvehicles，UAV）具有體積小、部署靈活、機動性強等優點，現已被廣泛應用于軍事、地形測繪、緊急搜救、貨物運輸等領域[1]。結合目前第五代移動通信技術快速發展的現狀，傳統的無人機應用逐步實現了網聯化、智能化。為了使網聯無人機進一步突破地形與距離的界限，使用遍布全球的移動蜂窩網絡來取代“點對點”通信鏈路模式，能顯著提高無人機的運行性能，確保UAV能提供無間斷、高可靠的服務。

但無人機在三維空地信道與地面信道之間的運行存在顯著差異，由于飛行高度的增加導致的視線鏈路（Line-of-sight，LoS）概率增加也會造成更嚴重的干擾，具體而言，當無人機處于飛行狀態時，可能接收到來自多個鄰近基站的同頻蜂窩網絡信號，這些信號會互相干擾，從而導致信干噪比（SINR）降低。

因此，在現有的網絡環境下，研究如何降低同頻干擾，以更好支持無人機的運行是一項重要工作，其中，協同多點傳輸技術（Coordinatedmultiplepoints，CoMP）通過優化基站或傳輸點之間的通信傳輸策略，可以有效地降低同頻干擾，支持無人機的運行，可以顯著提高系統的整體容量并改善邊緣用戶的通信質量，已發展成改善無人機通信質量的一個關鍵技術。文章以CoMP技術為基礎，提出了一種基于支持向量機（Supportvectormachine，SVM）的傳輸點切換策略選擇算法，以提高無人機在傳輸點間切換收益，從而提高其工作性能。

1基于動態點選擇的CoMP方案

CoMP技術[2]是指以協同方式向一個終端發送數據或者共同接收來自一個終端的數據，這些參與協同操作的傳輸節點一般對應于不同小區的基站，在城市場景中采用CoMP可以降低各小區間的信號同頻干擾，同時能提高各小區邊緣用戶的頻帶利用率，該技術可以被視為多入多出（MI-MO）[4]技術在不同基站之間的進一步拓展和應用。

在 3GPP^[3] 中，CoMP技術分為聯合傳輸（JT）、協調式調度/協作波束賦形[5] （CS/CB）、動態點選擇（DPS）[6-7]三種類型。其中，聯合傳輸是指多傳輸點或基站聯合參與同一個終端用戶的數據傳輸中，通過將信號從多個小區同時發送到用戶設備，從而提高信號質量，尤其適用于位于小區邊緣的終端用戶；CS/CB模式下，雖然數據傳遞主要通過主服務小區進行，但相鄰的小區卻會調整其信號方向或強度，目的是減少它們對目標用戶所造成的干擾，該模式更適用于那些位于強干擾區域的終端用戶；DPS模式基于一種靈活的選擇策略，能夠根據信道環境的變化動態挑選出一個最佳的傳輸節點，在服務小區與協作的小區間進行調度信息的交換時，其反應時間可達到毫秒量級。因此對于移動設備，特別是處于高速移動的設備，DPS能夠靈活適應信道環境的快速變化，從而保障通信的不間斷和穩定可靠。此外，在DPS模式下，由于協作小區在這一過程中并不實際發送數據給用戶設備，因此，小區之間僅需要共享有關物理資源塊（PRB）的調度信息，但并不需要對鄰近區域的信道進行測量。綜合來看，相較于聯合傳輸和波束成形技術，在現有的蜂窩網絡環境下，基于動態點選擇的多點協作方案更適合文章研究的無人機終端。這種方案的部署和實施難度較低，應用的復雜度也較小。

在動態點選擇方案中，以TP1作為服務基站、TP2作為協作基站，TP1和TP2都可以為UAV提供信道狀態信息（CSI）[8]參考信號以及小區特定參考信號（CRS），TP1能夠在物理下行控制信道（PDCCH）中向用戶發送下行鏈路控制信息。在DPS的機制下，無人機用戶反饋的信道質量指示（CQI）被用來在協作集中選擇具有最佳通信質量的傳輸點。接下來，這個選定的傳輸點將用于傳輸物理下行共享信道（PDSCH）和解調參考信號（DMRS），并確定相應的調制編碼方案。經過這一過程后，物理下行共享信道的傳輸點將在下一子幀中由TP1更換為TP2。動態點選擇傳輸方案示例如圖1所示。

圖1動態點選擇傳輸方案示例圖關于動態點選擇方案，具體的協作過程如下：（1）時域波形初始化：接收信號（RX）的波形使用噪聲進行初始化。系統通過設定一個基本的噪聲水平，以便后續在這個基礎上添加實際接收到的信號。（2）信號疊加：從不同的傳輸點（如TP1和TP2）接收到的信號被疊加到這個初始化的噪聲波形上，為后續的處理步驟準備一個綜合的信號表示。（3）選擇傳輸點：使用用戶設備（UE）報告的寬帶信道質量指示（CQI）來選擇一個合適的共享信道傳輸點。（4）生成數據傳輸單元：為每個選定的傳輸點依次生成一個子幀。每個子幀都包含必要的同步信號、參考信號以及使用TM10OCNG（優化的循環延遲偏移）的配置信息。（5）生成共享信道：從單個子帶的TP1或TP2中生成UE的共享信道，為數據的實際傳輸做準備。（6）OFDM調制與信道合并：這兩個子幀經過OFDM調制，并通過衰落信道傳輸，最終在接收端合并。（7）接收端處理：在UE處，接收到的波形首先進行同步，并進行OFDM解調，以還原出原始的傳輸數據。（8）CSI測量與報告：UE執行配置的CSI參考信號（CSI-RS）和CSI干擾信息（CSI-IM）的測量。基于這些測量，使用配置的CSI進程資源生成CSI報告。（9）解調和數據提取：最后，對共享信道信息進行解調，恢復出傳輸的數據。

2基于SVM的多模式切換策略選擇

2.1多模式切換策略

無人機在飛行過程中會接收CSI參考信號和CSI干擾信號，以便動態地選擇并更新傳輸點協作集，為了便于計算，以UAV當前接人的服務小區為傳輸點TP1，以鄰區中信號強度最大的小區作為傳輸點TP2。這兩個傳輸點都能夠通過物理下行共享信道實現用戶數據的傳輸。為了向系統提交用于這些傳輸的信道狀態信息，在仿真中，為每個用戶配置了兩個CSI-RS資源和三個CSI-IM資源。

由于UAV具有高機動性的特點，這可能導致UE將可能頻繁切換傳輸點。制定了三種傳輸點切換策略，以提高無人機在傳輸點之間切換時的效率，從而減少協作延遲。第一種策略是保護閾值設定策略，在系統中設定保護閾值，當某個時刻的CQI報告優于當前的CQI報告，且優勢大于設定的閾值時，則進行傳輸點切換，這種策略可以有效地避免由輕微波動引起的切換；第二種是延遲切換策略，即通過設定一個特定的緩沖時間段來延遲切換過程，當協作傳輸點的CQI在該時段內均優于當前傳輸點時，才進行切換，這可以有效減輕信號的“抖動問題”；第三種是最優CQI策略，通過實時評估UAV的速度和當前通信質量，綜合考慮傳輸速度、穩定性、成本等因素，選擇最合適的平衡點實現動態切換，確保系統整體性能的穩定和高效。

2.2基于SVM的切換策略選擇

基于2.1小節描述的切換模式，各模式均有自己的優缺點，如何確保系統在多點協作技術中正確實施動態點選擇策略，是實現高效通信的關鍵。本小節提出一種基于SVM的切換策略選擇方案，該方案利用無人機的動態特性（如速度）和任務對時延的敏感度作為關鍵輸入參數，智能地評估和選擇最佳的切換模式。

支持向量機（SVM）[9-10]是機器學習中的一種常見模型，屬于監督式學習。該模型的主要功能包括分類預測和回歸計算等，適用于解決文章研究的切換策略選擇問題。SVM的核心流程是在訓練數據集中找到具有最大幾何間隔的超平面，以便以足夠大的置信度對訓練數據進行分類。這種方法通過最大化間隔來提高分類器的泛化能力，使其能夠更好地處理未知數據，其數學表達式為：

1， 2… ， n

其中， 為超平面向量 w 的范數。轉化為拉格朗日目標函數，同時引入非負變量 p_i2 ：

為了求解各變量的最優值，需要分別求偏導

數并將結果置為零。同時，為了簡化問題的求解過程，可以將原問題轉化為對偶問題，并結合前KKT條件結果把原問題轉化為：

根據KKT條件，計算結果僅由支持向量的點積決定，這意味著它是通過考慮支持向量之間的空間相似度來確定的。為了在更高維度的空間中尋找最優的超平面決策，同時保持計算的高效性，引入核技巧，先通過應用一個維度轉換函數T來提升支持向量點的維度，再通過定義核函數： 計算高維空間中的點積。

選擇合適的核函數對于提高SVM的性能至關重要，考慮常見的核函數如徑向基核函數、線性核函數、多項式核函數等。為了找到最優的核函數，需要在后續的實驗中對這些核函數進行實驗驗證。

在具體實現上，以切換策略的選擇特征為輸入，結合最優模式訓練器獲得決策函數。在每次更新輸入的相關參數時，可以選擇最佳的切換模式，以支持基于CoMP通信系統的工作。為了綜合考慮不同速度下的實驗結果，在 0～10m/s 的范圍內，以 0.5m/s 為間隔，共取21個速度環境，在實驗中，通過采用保護閾值切換、延遲切換和最優CQI這三種不同的策略，可以觀察到在給定的實驗時間內，每種策略下的切換頻率、系統吞吐量以及錯誤率的表現。其中延遲切換策略的延遲時間應隨著無人機速度的升高而降低，在實驗中，設定了不同速度區間的子幀數量，具體如下：

（1）當速度為 0～2m/s 時，使用20個子幀;（2）當速度為 2.5～3.5m/s 時，使用15個子幀；（3）當速度為 4～6m/s 時，使用10個子幀；（4）當速度為 6.5～10m/s 時，使用5個子幀。在多點協作通信系統中，切換操作會增加站點間的協作延遲。因此，可以將切換次數作為切換策略選擇的一個特征項，以表達時延約束需求。實驗表明，用戶的移動速度對CoMP通信系統的性能有很大的影響，因此，在考慮影響模式選擇的特征因素時，也應該考慮到用戶的移動速度。目標模式的選擇旨在實現在不超過最大允許切換次數的前提下，達到可能的最大吞吐量。

基于SVM策略選擇的無人機動態點選擇協作流程如圖2所示。

文章通過建立一個鏈路級仿真環境，對兩個傳輸點之間的動態點協作算法進行了實驗。這個實驗的目的是驗證在不同移動速度下，動態選擇傳輸點的情況以及在使用CoMP技術時，系統的吞吐量和誤碼率的改善情況。仿真參數如表1所示。

在不同速度下，比較采用DPS選擇和未采用DPS選擇的用戶誤碼率，與吞吐量相比，具體如圖4所示。

在移速分別為 1m/s 、 5m/s 時，采用DPS選擇后，UAV的誤碼率均有下降、吞吐量均有提升。但隨著速度提升，頻繁切換傳輸點，DPS選擇的抗干擾效果降低，誤碼率和吞吐量的優化效果降低。這也是在基于SVM策略選擇中，將無人機速度特征控制在 0～10m/s 范圍內的原因。

圖5展示了 25m/s 速度下不同切換策動態點選擇情況，其中，保護閾值切換策略中的閾值參數設置為3，延遲切換策略的延遲時間設定為5個子幀。從圖中可以看出，150子幀下，最優CQI切換次數16次，而保護閾值切換模式下只有9次，延遲切換策略僅切換4次，但相應地，相較最優CQI而言，其余切換策略的吞吐量均有下降、誤碼率均有提升。因此在考慮切換策略時，采用保護閾值切換和延遲切換方法雖然可能會導致一定的吞吐量性能損失，但它們有效地減少了切換的頻率。通過調整這些策略的參數，可以在切換次數和高吞吐量之間找到一個最佳的平衡點，從而提升UAV的通信性能。

在基于SVM的模式選擇方案中，將速度和最高切換次數的組合定義為輸人矩陣X，而將對應的切換模式定義為輸出矩陣Y。具體地，設定了四種不同的最高切換次數約束：5、7、9、11，這些約束對應于不同的無人機任務對時延和可靠性的需求。訓練集的目標是在21種不同的速度環境和4種切換約束的組合下，找到能夠在84種不同條件下達到最高吞吐量的切換模式。為了訓練模型，使用了線性核函數、多項式核函數、徑向基核函數作為訓練的核函數。

數據集按照 7：3 的比例劃分為訓練集和測試集。通過比較不同核函數在測試集上的準確率，選擇了準確率最高的核函數來生成決策函數，該決策函數用于測試數據的分類。

其0到 10m/s 速度下不同切換策略的切換次數、吞吐量與誤碼率如表2所示。

在不同的速度下，三種模式的切換次數如圖6所示。

綜合考慮延遲約束需求（切換次數）與無人機的速度，可選取最佳的切換策略，選擇如表3所示。其中，最優CQI以a表示、閾值保護以b表示、延遲切換以c表示。

經過SVM訓練后，得出測試集的分類準確度為：

從表4中可以看出，徑向基核函數適用于文章提出的基于SVM的動態點選擇策略。

4結語

文章首先對CoMP技術的背景，然后梳理了基于DPS動態點選擇的多點協作方案。在選擇合適的信道質量指標的過程中，綜合考慮時延和吞吐量，提出了三種切換策略：保護閾值切換、延遲切換和最優CQI切換，旨在滿足無人機低空通信中對時延敏感和高可靠性的需求。最后通過仿真實驗，證明了采取DPS動態點選擇方案的無人機多點協作方案可以提高通信性能。基于此，通過多點協作計算得出結果訓練SVM模型，并驗證了基于SVM的切換策略選擇的有效性，以作為DPS應用的有力支持。

參考文獻：

[1]P Valavanis K，JVachtsevanos G .Handbook of unmanned aerial vehicles[M]. Berlin：SpringerNetherlands，2014.

[2]L.Liu，S. Zhang and R. Zhang，“CoMP in the Sky：UAV placement and movement optimization formulti-user communications，” in IEEE Transactions on Communications，2O19，67（8） ：5645.

[3]3GPP.TS 36.212，Evolved universal terrestrial radio access（E-UTRA）.Multiplexing and channel-coding（V11.0.0）[S].3GPP：56-75[2020-10-10].

[4]丁瑞，錢曉涵，劉道華，等.超大規模MIMO信道測量建模研究綜述[J].電訊技術，2022，62（7）：1014.

[5]張康.基于小區間干擾抑制的3DMIMO波束賦形技術的研究[D].北京：北京郵電大學，2018.

[6]張銀香.協作通信技術中的調度算法研究[D].北京：北京郵電大學，2015.

[7]李明.基于DPS技術的無線通信控制器設計[J].電子設計工程，2017，25（14）：96.

[8]J富魯斯科格，M弗倫內，H安德斯森，等.與靈活的CSI配置和關聯反饋有關的系統和方法[P].瑞典：CN106797649B，2021-06-04.

[9]FB Mismar and BL Evans. Deep learning in downlink coordinated multipoint in new radio heterogene-ous networks[J].IEEE Wireless Communication Letters，2019，8（4） ：1040.

[10]陳虎，趙一帆，吳波，等.基于SVM的飛行自組網分類切換MAC協議[J].無線電工程，2023，53（9） ：2187.

UAV Transmission Point Switching Strategy Based on SVM Selection

TU Xiaobin，HE Qingxin，YU Yinhui （Minnan University of Science and Technology，Quanzhou， Fujiang 3627OO，China）

ABSTRACTUnmanned Aerial Vehicles have a wide range of application scenarios.The current methods exist a problemofdecreased signal-to-interference-plus-noiseratio（SINR）caused bydronesaccessing multipleadjacentbase stations，we propose a drone transmission point switching strategy basedon Support Vector Machine（SVM）selection to support dynamic selection of transmission points.Thisenablesoptimal balance between latency sensitivityand high throughput when making multipointswitches，and improving theoverallqualityof communication.Simulationresults show that the applicationof dynamicpointselection inmultipointtransmisioncanreducethe bit erorrateand increasethroughput，while the switching strategy based on SVM selection can reduce latency with minimal loss of throughput.

KEYWORDS coordinated multi-point，machine learning，cellular-connected UAV

（責任編輯 王一諾）