基于多機協作的認知無人機網絡能效聯合優化

張宏偉，達新宇，胡航，倪磊，潘鈺

1. 空軍工程大學 研究生院，西安 710077

2. 陽光學院 人工智能學院，福州 350015

3. 空軍工程大學 信息與導航學院，西安 710077

配備通信設備的無人機(Unmanned Air Vehicle，UAV)平臺，由于其可靈活部署且操作簡易等特性，通常用于輔助陸地移動通信系統完成偵察和巡視等任務[1-2]。近年來由于民用通信和軍事保密通信在信息和情報等方面的需求飛速增長，UAV應用場景的工作需求已遠超其現有承擔能力[3]，UAV頻譜資源稀缺問題開始受到國內外眾多研究學者的關注與重視[4-5]。認知無線電(Cognitive Radio，CR)技術與UAV相結合的通信場景可以有效提升UAV頻譜效率(Spectrum Efficiency)[6]。裝備CR傳感器的UAV不斷感知周圍無線環境，機會性接入主用戶(Primary User，PU)授權頻譜，解決了無線環境中通信設備對頻譜占而不用的資源浪費問題[7]。然而，頻譜感知技術的引入將導致UAV在能量受限的情況下進一步增加感知能耗。

小型旋翼UAV通常采用電池供電模式進行工作，有限的電池能量已成為UAV應用場景中主要的限制因素[8]。電池能量主要用于飛行、懸停和為其他設備(如攝像機、傳感器、通信模塊等)供電，這限制了無人機的飛行時間和通信能力[9]。能量效率(Energy Efficiency)作為無人機通信網絡的重要性能指標之一，逐漸成為UAV技術發展的研究熱點[10]。采用CR技術雖然提升了UAV頻譜效率，但同時也增加了感知過程能量消耗，這導致原本受電池能量約束的UAV，其能量效率進一步降低。如何在保證UAV通信性能的基礎上，進一步提升其能量效率，延長工作時間，實現綠色通信，這對于未來UAV通信技術發展至關重要。

在結合CR技術的UAV通信網絡中，關于能效優化問題的研究目前仍處于初始階段。文獻[11]研究了一種以UAV為次級用戶(Secondary User，SU)的CR網絡，提出能量管理方案，通過聯合優化感知時間和傳輸功率實現能效優化；為實現能耗最小化，文獻[12]提出一種基于UAV的CR網絡頻譜和能量有效管理方案，對UAV的三維位置和資源分配進行優化；文獻[13]研究了UAV與地面設備和空中UAV同時通信的應用場景，在功率預算和速率約束下實現能效最大化；文獻[14]基于UAV的位置信息，利用多目標優化理論優化認知無人機網絡(Cognitive UAV Network，CUN)中UAV的發射功率等參數，解決了譜效和能效之間的折衷問題。上述文獻從不同的研究角度出發，對于降低UAV通信網絡能量消耗均提出了具有一定應用價值的優化方案。傳統研究大多針對單個UAV場景進行能效優化或能量管理，然而由于信道衰落和噪聲干擾等影響， UAV的頻譜感知性能并不理想。此外，單個UAV應用場景中存在隱藏終端問題，即如果同時有多個信號發送至UAV，將引發信號沖突，并最終導致信號丟失，這將使得單UAV場景的檢測可靠性受到很大影響。

隨著“集群”和“協作”等概念的推廣及相應技術的不斷成熟，多機協作逐漸成為研究熱點。與現有研究文獻不同，該文構建多機協同工作的CUN模型，該模型采用能量檢測法感知PU狀態，并通過協作頻譜感知(Cooperative Spectrum Sensing，CSS)方法克服隱藏終端問題[15]，提升空地(Air to Ground，A2G)信道下的系統感知性能；針對CUN中UAV能效較低的問題，提出UAV次級網絡能效優化模型，研究感知時間、判決門限和協作目標檢測概率等系統參數對次級網絡能效的影響；以Bisection算法為基礎提出高能效迭代算法，聯合優化感知時間和判決門限，通過交替迭代優化實現UAV次級網絡能效最大化。

1 認知無人機網絡模型

1.1 系統模型

假設N架UAV以編組形式在某區域邊界執行監控、偵察等任務，且UAV次級網絡在譜交織(Interweave)模式下與主網絡共享頻譜。微型旋翼無人機具有CR功能，可機會性利用空閑頻譜。UAV作為SU實時檢測授權頻譜以避免對PU造成干擾，多個UAV協同工作，采用CSS方法提升感知性能。CSS幀結構見圖1，其中幀結構數量為m，一幀內通信周期為T，感知時間為τ，每個UAV的報告時間為tr。在感知階段，所有UAV同時執行頻譜感知；在報告階段，UAV通過公共信道將局部感知信息依次報告至融合中心(Fusion Center，FC)；在數據傳輸階段，UAV依據FC判決結果決定是否接入PU授權頻譜。

圖1 CSS幀結構

系統模型見圖2，CUN由N架UAV編隊組網構成，通過機間通信互聯互通，在以主用戶發射機(Primary Transmitter，PT)為中心的區域邊界執行偵察任務，假設CUN偵察半徑為RS。在CUN中，所有UAV的飛行高度和速度均相等，分別定義為H和v，假設PT采用全向天線，UAV在區域邊界的任意位置均可對PT狀態進行局部感知；中心UAV內置FC，為節省公共信道帶寬，所有局部感知信息采用時分多址依次發送至FC，且FC采用硬判決融合(Hard Decision Fusion，HDF)方式匯總感知信息，并對PT狀態給出最終判決；為避免多個UAV同時傳輸數據造成同頻干擾，在獲得最終判決后，只有中心UAV占用授權頻譜向次級用戶地面接收機(Secondary Ground Receiver，SGR)傳輸數據，其余UAV僅執行感知功能。

圖2 認知無人機網絡模型

(1)

SGR與PT的距離為rPS=RS，因此UAV與SGR的距離rUS為

(2)

1.2 信道模型

(3)

式中：θij為兩節點之間的仰角；ξ1和ξ2為環境特征參數。由于無人機的飛行時間(以 s為單位)遠高于信道相干時間(以ms為單位)，因此無法研究瞬時信道實現的系統性能[12]。此時主要關注信道的平均統計量，只考慮信道中的大尺度衰落，信道增益表達式為[12]

(4)

(5)

式中：f為載波頻率；c為光速；LX為LoS或NLoS鏈路的平均附加損耗。

(6)

(7)

(8)

結合式(3)可得A2G信道下的虛警概率和檢測概率為

(9)

所有UAV將本地決策信息報告至FC，FC根據“N中取k(k-out-of-N)”準則做出最終判決，k為FC判決門限。CSS的虛警概率QF和檢測概率QD表達式為

(10)

(11)

2 能量效率優化

2.1 能效優化問題

在圖2所示的認知無人機網絡模型中，基于CSS的UAV次級網絡能量損耗主要包括:

1) UAV在感知和傳輸過程中的通信能耗。

假設UAV的感知功率、報告功率和發射功率分別為Ps、Pr和PU，PU空閑的概率用π0表示，PU存在的概率用π1表示。根據UAV的頻譜感知情況對其吞吐量及能耗分析如下：

情形2UAV準確檢測到PU存在，概率為π1QD。此時中心UAV不進行數據傳輸，能耗為NτPs+NtrPr+NT(Phov+Pfly)。

情形4UAV出現虛警情況，錯誤檢測到PU存在，概率為π0QF。此時中心UAV不進行數據傳輸，能耗為NτPs+NtrPr+NT(Phov+Pfly)。

在情形1和情形3中，中心UAV占用授權頻譜進行數據傳輸，UAV次級網絡的吞吐量為

(12)

綜合所有情形，可得UAV次級網絡平均能耗為

E=NτPs+NtrPr+NT(Phov+Pfly)+

PU[π0(1-QF)+π1(1-QD)](T-τ-Ntr)

(13)

(14a)

s.t.:C1,C2,C3

(14b)

約束條件C1、C2和C3分別為

(14c)

C2:0<τ

(14d)

C3:1≤k≤N

(14e)

2.2 能效優化方法

(15)

-N(T-τ-Ntr)[τPs+trPr+

N(1-QF)[(T-Ntr)Ps+trPr+

T(Phov+Pfly)]

(16)

[N(T-τ-Ntr)[τPs+trPr+T(Phov+Pfly)]+

(17)

{N(T-τ-Ntr)×[τPs+trPr+

T(Phov+Pfly)]+

(18)

證明：令函數

Z1(τ)=

(19)

(20)

Z3(τ)=[N(T-τ-Ntr)·

[τPs+trPr+T(Phov+Pfly)]+

(21)

式(18)重寫為

Z(τ)=-ln[Z1(τ)·Z2(τ)·Z3(τ)]

該方程求關于τ的偏導數為

z1(τ)+z2(τ)+z3(τ)

(22)

其中:

1) 假設在區間τ∈(0,T-Ntr)內，函數Ψ(τ)單調：

①Ψ(τ)單調遞增。如圖3(a)所示，兩者只有一個交點。

圖3 Ψ(τ)與Ζ(τ)的相交情況

(23)

如圖3(b)所示，Ψ(τ)下降速度較慢，兩者只有一個交點。

2) 假設在區間τ∈(0,T-Ntr)內，Ψ(τ)為凸函數，非單調，其根τ0

② 交點位于區間τ∈[τ0,T-Ntr)內。在該區間內，Ψ(τ)單調遞增，Ζ(τ)單調遞減，因此兩者只有一個交點，如圖3(d)所示。

2.3 高能效迭代算法

(24)

算法1 高能效迭代算法

3 仿真分析

3.1 仿真條件

提出的能效優化方案可通過數值仿真結果評估其性能。給定系統仿真參數除非有特殊說明，仿真參數見表1 ，其中感知功率和報告功率等參數的選取由文獻[23]可知。

表1 仿真參數

3.2 仿真結果

圖4 不同判決準則下能效與感知時間的關系曲線

圖5 最優感知時間和最優能效隨判決門限的變化曲線

圖6 RS不同時能效與感知時間的關系曲線

圖不同時能效與感知時間的關系曲線

圖8 高能效迭代算法收斂軌跡

圖9 能效與CUN幀數量的關系曲線

4 結 論

1) 針對UAV通信網絡能量效率較低的情況，構建A2G信道下的CUN模型，在滿足對PU的充分保護下，研究基于CSS的UAV次級網絡能效優化方案，證明存在使能效最大化的最優感知時間和最優判決門限。

2) 提出的高能效迭代算法較好地綜合了感知時間和判決門限對能效的影響，基于Bisection算法設計實現兩者的迭代優化，并克服了優化兩個參數的復雜性等缺點，在仿真中表現出良好收斂性。

3) 仿真結果表明，“OP”準則具有最優性能和一定的設計復雜性，“OR”準則和“MA”準則性能次優，但其在工程應用中實用性較高。提出的高能效迭代算法能較好實現UAV次級網絡中高能效的優化目標，該方法在基于CSS的UAV通信網絡能效研究中具有一定的實用價值。