混合決策下認知無人機網絡中繼選擇算法

包海東，冀保峰,2，陳珍珍，王貢獻

(1.河南科技大學 信息工程學院，河南 洛陽 471023;2.電子科技大學 航空航天學院，四川 成都 611731;3.中國一拖集團有限公司，河南 洛陽 471000)

0 引言

目前，無人機協作通信憑借其移動性和便捷性的優勢，受到了廣泛關注[1]。但對無人機空地組網通信系統的研究相對較少，大多集中在空地通信系統的性能分析、通信資源分配、數據內容和系統動態參數的調整等方面[2-4]。文獻[5]通過確定聯合興趣度、轉發歷史比率和中繼物理狀態3個中繼屬性因子，提出了基于中繼自私行為分析的中繼選擇算法。文獻[6]在D2D通信中提出了一種以數據內容和能量為準則的中繼選擇算法。文獻[7]提出了一種在延遲約束下基于深度強化學習算法的緩沖中繼選擇算法。文獻[8]提出了一種基于博弈論的中繼選擇算法。文獻[9]與文獻[10]分別在譯碼轉發和放大轉發協議下，提出了針對過時信道狀態信息的中繼選擇算法。文獻[11]研究了最佳閾值下協同最大比合并檢測技術，并推導出了最優閾值函數。文獻[12]提出了一種在車載網絡中的魯棒中繼選擇算法。文獻[13]提出了一種緩存協作網絡中的最大增益中繼選擇算法。文獻[14]則提出了一種次優中繼選擇算法，降低了算法復雜度。

文獻[15-17]在放大轉發協議下，分別基于Rayleigh信道和α-μ信道推導出認知中繼網絡的中斷概率、誤碼率和有效容量的精確閉式解。文獻[18]在獲取信道狀態信息成本條件下，基于最優停止理論，提出了最大選擇概率和最大頻譜效率期望中繼選擇方案。文獻[19]研究了在統計時延約束下，三節點中繼選擇系統的最大數據可達率。文獻[20]研究了在5G場景下適用于網絡動態變化的中繼選擇算法。文獻[21]提出了一種基于節點位置預測、中繼激活時間和二級用戶傳輸速率的中繼選擇算法。但上述相關研究，均未考慮系統鏈路切換以及信道質量短時不可靠情況下造成的性能損失,尤其對于復雜網絡下多鏈路決策的研究較少。

因此，針對認知協作網絡中可能短時出現的通信連接效果差、可靠性低的問題，綜合考慮鏈路信噪比(signal-to-noise,SNR)、時延和鏈路切換等待值參數，提出了混合決策下無人機中繼選擇算法。混合決策下判決有利于提升認知協作網絡中的通信可靠性，降低系統數據包丟失率。整體性能評價更加合理、更加面向實際，并且從系統的不同維度出發，全面提升了系統性能與可靠性。

1 系統模型

系統模型如圖1所示。在圖1中，由于部分基站過載或損壞，一級用戶、二級用戶(認知車輛)與次接收端通過無人機中繼節點進行通信。認知過程包括3種方案：襯墊共享模式(underlay，UL)、填充共享模式(overlay，OL)以及混合式共享模式。在UL下，當檢測一級用戶工作時，一級用戶與二級用戶共用信道，并且同時發送數據，在二級用戶處施加功率限制。當檢測到信道空閑時，功率限制不存在。而在OL下，只有檢測到一級用戶停止工作時，二級用戶才能工作；但當檢測到一級用戶開始工作時，二級用戶必須立即停止工作。而混合式共享模式則是當檢測到信道繁忙時，以UL接入信道傳輸數據，而當檢測到信道處于空閑狀態時，再以OL接入信道傳輸數據，接入方式依據傳輸任務類型和檢測結果綜合而定。

圖1 系統模型

UL下，在繁忙狀態下，無人機中繼i處接收到的信號為:

(1)

其中:yRi為無人機i處的接收信號;Isu為認知車輛處的發射功率，W;Ipu為無人機處的發射功率，W;gsu,i為認知車輛節點與無人機i之間的信道增益;kpu,i為認知車輛與無人機中繼i之間的信道增益;τR,i為無人機i處的高斯噪聲。此時經過中繼功率歸一化后，認知車輛接收端接收到的信號為：

(2)

其中:yRsu,i是認知車輛接收端的接收信號;M為放大因子，M=Isu|gsu,i|2+Ipu|gpu,i|2+N0，N0為噪聲；IR為無人機中繼處的信號發射功率,W;ksu,i為第i個中繼與認知車輛接收端的信道增益;τRsu,i為認知車輛接收端的高斯噪聲。

在認知車輛接收端，接收端的鏈路信噪比可以表示為：

(3)

認知車輛節點的發射功率不能對持牌車輛產生較大干擾，施加限制條件表達式為：

(4)

其中:Q為干擾容忍限制閾值。空閑狀態下，無人機處于無干擾存在，故信噪比為：

(5)

OL下，在填充策略下，只允許信道狀態檢測為空閑時，認知車輛接入頻段，鏈路信噪比為：

(6)

混合式共享模式下，繁忙狀態時，鏈路信噪比為：

(7)

此時功率限制與UL下相同，如式(4)所示。而當空閑狀態時：

(8)

2 混合決策無人機中繼選擇算法流程

在所提場景下，由于部分基站損壞且認知車輛節點所處區域存在某些障礙物，在部分時隙中認知節點與部分無人機之間可能難以形成可靠鏈路，因此采用混合決策下無人機中繼協作以尋求較好鏈路質量，降低中斷概率，提高陰影區域通信可靠性，混合決策算法流程圖如圖2所示，算法主要包括6個部分。

圖2 混合決策算法流程圖

(Ⅰ)車輛直達徑判斷：首先,認知車輛在恰當時隙不經由無人機轉發數據，而直接向接收端發送數據。根據接收端接收到的信號信噪比、時延和誤碼率等指標，判斷是否存在直達徑。若信噪比等指標達到預設值標準，則認知車輛無需無人機中繼轉發數據，而是直接與接收端進行通信；如果接收信號沒有達到預設標準，則需要無人機進行信號轉發。

(Ⅱ)信道狀態信息獲取與分析：認知網絡開始獲取周圍空閑候選無人機狀態信息、參與遴選的無人機數目、用戶相關參數與相關狀態，以及整個網絡的相關頻譜信息。

(Ⅲ)空閑信道評估：車輛頻譜接入策略根據不同任務類型和信道狀態檢測結果權衡而定。當檢測到信道為繁忙時，發送緩存或者非實時信息；當檢測到信道為空閑時，可以傳輸實時信息；頻譜感知由繁忙轉為空閑時，變為混合式共享模式。

(Ⅳ)數據請求重傳：車輛節點開始發送數據重傳請求，獲取最新系統參數。并對接收到的信息進行篩選，確定滿足要求的所有無人機節點，回復節點確認情況，對不滿足要求的無人機節點不進行回復，同時結束本輪數據請求重傳。

(Ⅴ)無人機中繼簇遴選：認知用戶接收端分別對遴選過的無人機所在鏈路的信噪比、時延以及節點候選時間進行初步判決。如果中繼節點的各維度參數都達到判決要求，則節點進入遴選節點簇。

(Ⅵ)中繼簇判決處理過程：對已經進入遴選階段的無人機節點簇的各維度參數分別進行同質化處理，確定權重值并分配系數進行線性加權，形成判決函數。以線性加權函數值的大小作為判決依據，判決函數值最大的無人機中繼勝出，為認知車輛提供數據轉發服務。

3 參數判決與處理

認知車輛接入鏈路連通時延：認知車輛接入時延包括車輛與無人機之間的鏈接以及無人機與接收節點之間的鏈接，因此時延也必須考慮兩部分，即認知車輛與無人機、無人機與接收節點兩條鏈路的時延之和。其表達式為：

Z1,i=w1,i+w2,i,i=1,2,…，K,

(9)

其中：w1為認知車輛與第i個無人機中繼之間的連通鏈路時延標準化表達；w2為第i個無人機中繼與接收節點連通鏈路之間的時延標準化表達。具體表示為：

(10)

其中：Φmax,u、Φmin,u分別為認知車輛連通無人機所需要的最大、最小時延；Φi,u為認知車輛與第i個無人機中繼之間的連通時延。

(11)

其中：Φmax,d、Φmin,d分別為無人機與接收車輛連通鏈路所需要的最大、最小時延；Φi,d為第i個無人機中繼與接收車輛連通鏈路之間的連通時延。

鏈路信噪比：確定每條無人機中繼鏈路的信噪比，信噪比作為衡量鏈路信號質量的判定標準之一，在本文決策算法中同樣加以考慮：

Z2,i=SNRi。

(12)

鏈路切換值：當車輛進入信號盲區時，盡管部分無人機與節點之間鏈路質量較好，但由于使得鏈路切換等待時間較長，進而可導致聯路通信中斷，切換等待值為[22]：

(13)

最優無人機中繼確定：分別根據鏈路接入連通時延、鏈路信噪比以及鏈路切換都達到容忍閾值，進而根據線性加權函數Z(x)的值作為篩選條件。其中，?1,?2,?3分別為線性加權系數，且滿足?1+?2+?3=1，鏈路中Z(x)最大者確定為候選中繼，判決式為：

Zi=?1Z1,i+?2Z2,i+?3Z3,i。

(14)

4 仿真實驗結果與分析

本文使用MATLAB仿真軟件對所提出的混合決策下認知無人機網絡中繼選擇算法進行了實驗，依據中斷性能優劣判斷算法的先進性。仿真參數如表1所示。設置Mento Carlo次數為100 000次，信噪比閾值為0.1，無人機中繼處發射功率均為1.02 W,K值為3。在下列仿真實驗中，pi為空閑頻譜檢測概率，Q為干擾容忍限制閾值，m為nakagami-m信道參數。本文在不同頻譜接入策略下，對不同參數的影響進行了探究。仿真結果表明本算法具有一定的優勢。

表1 仿真參數

圖3為認知網絡中不同信道空閑概率時，中斷概率隨著認知用戶發送信噪比的變化情況。由圖3可以看出：隨著認知車輛發送信噪比的逐漸上升，中斷概率在不斷下降。而且隨著認知網絡中信道空閑狀態概率的增大，系統的中斷概率也隨之不斷下降，即頻譜共享逐漸面向無功率限制，鏈路連通性也隨之變強。

圖3 不同信道空閑概率下中斷概率隨信噪比變化曲線

圖4為UL下不同決策參考與不同m值時中斷概率隨著車輛發送信噪比的變化情況。由圖4可以看出:隨著車輛發送信噪比的逐漸上升，中斷概率在不斷下降。當決策算法固定時，隨著m值的增大，中斷性能也在不斷變優?？紤]到在UL下，認知車輛行為對一級用戶干擾的限制，因此，中斷性能下降并不是很明顯。本文所提算法由于具備一定程度的延遲容忍與切換容忍，中斷性能隨著車輛發送信噪比的增大，較文獻[16]中單因子決策算法下降33%。

圖4 UL下不同m值時中斷概率隨信噪比變化曲線

圖5為在UL下不同決策參考與不同Q值下的中斷概率隨著車輛發送信噪比的變化情況。由圖5可以看出:隨著車輛發送信噪比的逐漸上升，中斷概率在不斷下降，并且隨著Q值的不斷變大，中斷概率不斷下降，這是因為功率限制的不斷減弱。

圖5 UL下不同Q值時中斷概率隨信噪比變化曲線

圖6為OL下不同決策參考和不同m值下的中斷概率隨著車輛發送信噪比的變化情況。由圖6可以看出:隨著車輛發送信噪比的逐漸上升，中斷概率在不斷下降，并且隨著m值的增大，曲線間的差距逐漸變小。考慮到在填充策略下，認知車輛沒有對一級用戶干擾的限制，因此，不必考慮二級用戶可能對一級用戶所產生的干擾，此時，中斷性能較文獻[16]中單因子決策算法下降30%。

圖6 OL下不同m值時中斷概率隨信噪比變化曲線

圖7為不同Q和不同m值時，混合決策中繼選擇算法的中斷性能對比。Q值越小,說明發送信噪比限制條件越苛刻，中斷性能越差。m表征信道條件的好壞，m越大，則信道質量越好;m越小，信道質量越差。故由圖7可知:Q值對中斷概率性能的影響要比m值的影響要大。因為在兩者均為3倍差距時，Q值大的中斷概率性能相對較好。

圖7 不同Q且不同m值時中斷概率隨信噪比變化曲線

圖8為基于不同共享模式和不同m值時，混合決策中繼選擇算法的中斷性能對比。由圖8可以看出:隨著認知車輛發送信噪比的逐漸上升，中斷概率也隨之不斷下降。并且隨著m值的增大，中斷性能也不斷變優，不同m值之間的性能差距也不斷變小。但是兩種共享模式之間始終存在差距，這是由于雖然兩者均具備面向延時容忍和切換容忍的設計，但是不同共享模式下的功率限制不同，性能發揮也就有所不同。

圖8 不同共享模式和不同m值時中斷概率隨發送 信噪比變化曲線

5 結論

本文在認知協作網絡中提出混合決策下無人機中繼選擇算法。分別在UL、OL和混合式3種共享模式下對中斷概率進行了仿真?；旌瞎蚕砟Ｊ较?，隨著pi的增大，中斷概率也隨之不斷下降；UL下，隨著Q和m的增大,中斷性能不斷變優，不同Q和m之間的性能差距不斷變小，并且Q的響應要大于m的響應；OL下，隨著m的增大，中斷性能同樣不斷變優。本算法相較文獻[16]中決策方法，在不同的頻譜準入策略下，中斷概率分別下降了30%和33%。接下來將對多參數決策系統的中繼選擇算法進行研究，并對系統性能進行分析。