基于信息年齡的多目標無人機路徑規劃策略

姜軍華, 劉曉艷, 宋紹仟

(1.棗莊有線廣播電視傳輸中心， 山東 棗莊 277102；2.吉林大學 通信工程學院， 吉林 長春 130025)

0 引 言

隨著科技進步和智能化發展，無人系統的研究日益成為熱點，受到學術界和工業界的廣泛關注。以UAV為代表的智能無人設備在軍事、民用等領域都發揮著重要作用[1]。UAV是一種利用無線電遙控設備,或者計算機自主操作的不載人飛機，由于UAV具有低成本、高操作性、高移動性、覆蓋范圍廣等特點[2]，在民用、農業和軍事領域得到廣泛應用，如數據采集、環境監測[3]、精準農業、救援場景以及戰爭環境等。利用UAV去完成這些任務，不僅對環境要求低，并且UAV移動性高、可操作性強，可以大大提高任務完成效率，同時UAV的成本低，并不需要耗費大量資源。

在UAV輔助的數據收集網絡中，UAV主要負責執行數據的信息感知，并且在任務執行過程中完成路徑規劃。Zhang S等[4]提出UAV感知過程和傳輸過程間的平衡問題，通過聯合優化UAV感知時間、傳輸時間、UAV軌跡以及UAV的任務調度，最小化系統信息年齡。Zhang N 等[5]將地面物聯網(Internet of Things, IOT)傳感器節點的信息傳輸和能量采集UAV的飛行軌跡進行了聯合優化，在保持UAV能耗盡可能低的前提下，最小化信息年齡(Age of Information, AOI)。

近年來，隨著射頻能量收集技術的研究和發展，成為解決能量受限問題的有效方式。Xiao H

等[6]研究了一種UAV輔助能量收集的認知無線電網絡，其中UAV作為一個認知用戶，懸停在空中執行頻譜感知和與地面專用接收器通信。該UAV根據主用戶的感知結果，自適應調整功率與地面專用接收器進行傳輸，并通過采集可再生能源，主動補充能量進行傳輸。Nguyen K K等[7]提出一種基于深度強化學習的UAV輔助D2D通信能量收集時間調度優化模型。Yuan X等[8]研究了一種基于UAV多用戶無線供能傳輸網絡，并在UAV軌跡設計中考慮了現實的非線性能量采集模型，將非凸問題轉化為三個子凸問題，求得最優解。Liu Z等[9]針對基站空閑和繁忙時間的差異，研究了基于能量收集的最大下行總信息的功率分配問題，通過采用提出的策略使總信息量方面有不同程度的提高。無線信息和能量同傳的概念最早是由Varshney L R[10]從理論的角度提出的。在5G通信時代，信息和能量同傳技術(Simultaneous Wireless Information and Power Transmission, SWIPT)對于許多類型的現代信息傳輸系統和通信網絡中的信息和能量傳輸至關重要。然而，無線通信領域需要對基本設計進行修改，以確保高效的SWIPT[11]。此外，信息速率與采集能量水平之間的平衡成為影響系統性能的重要因素[12]。

1 基于AOI的多目標信息傳輸模型

基于AOI的多目標UAV信息傳輸模型如圖1所示。

圖1 基于AOI的多目標UAV信息傳輸系統模型

該系統包括一個基站、一架單天線UAV和若干物聯網設備。這些IoT設備分布在一定區域內，將該區域內的所有設備組成一個設備集，并且每個設備均配備單個發射天線。UAV作為移動中繼，在一定時間內收集IoT設備的信息并傳送到基站，由基站做進一步的信息處理。UAV采用頻分多址(Frequency Division Multiple Access, FDMA)的方式同時感知該區域中的設備信息。UAV采用存儲轉發工作模式，具體描述為，UAV首先飛行到適合同時感知設備信息的位置，懸停一段時間進行信息感知并存儲，感知結束后飛行到適合傳輸的位置,將存儲的感知信息發送給基站。

基于AOI的多目標UAV信息傳輸系統的傳輸協議如圖2所示。

圖2 基于AOI的多目標UAV>信息傳輸系統的傳輸協議

2 公式推導

2.1 信息傳輸速率

在三維笛卡爾坐標系中，設備Di的位置為Xi=(xi,yi,0)。t(t∈1,2,…,T)時刻，UAV的位置為

X(t)=(x(t),y(t),z(t))，

其飛行速度為v，那么t時刻UAV與設備Di之間的距離為

(1)

當UAV對設備信息進行感知時，成功感知Di的概率為

(2)

式中：ξ----調節感知性能的因子;

ωmax----設定的最大傳輸次數。

為了保證設備集中每個設備的傳輸質量，設置了UAV最小成功感知概率為Pth。因此，當UAV執行Di的信息感知時，感知成功概率必須滿足：

(3)

當每個設備Di都滿足式(3)時，UAV才開始懸停進行信息感知。UAV完成信息感知后，進入到UAV傳輸階段。在此階段，UAV將感知信息傳輸給基站。假設基站的位置為

XBS=(0,0,H)，

t時刻，UAV和基站間信道的信道增益為

(4)

式中：μ0----UAV與BS距離為1 m時的信道增益;

α----信道衰減因子。

故t時刻，UAV與基站間傳輸鏈路的信噪比為

(5)

式中:σ2----零均值高斯白噪聲的功率;

PT----UAV的發射功率。由此可得t時刻UAV與基站間的信息傳輸速率為

R(X(t))=Blog2(1+γ(X(t))),

(6)

式中:B----信道帶寬。

為了保證傳輸質量，設置信噪比閾值為γth，BS的接收信噪比滿足：

γ(X(t))≥γth。

(7)

假設UAV的信息感知速率為Rs。為了完成感知任務，UAV轉發給BS的信息應不少于感知信息，故滿足：

(8)

式中：t0----UAV感知一次設備信息所消耗的時間。

2.2 信息年齡優化

由2.1可知，文中總體目標為優化UAV感知和傳輸過程，最小化系統的AOI，因此，原問題可轉化為優化UAV路徑和感知次數以最小化系統信息年齡，可表示為

s.t. C1,C2,(3),(7),(8)。

(9)

1)UAV感知優化子問題；

2)UAV路徑規劃子問題。

在UAV感知優化子問題中，假定UAV的感知位置為XS，那么原問題可轉化為

(10)

s.t.(3)。

對于單個設備來說，為使T時間內的總AoI最小，即總面積Q1+Q2+…+Qm+…最小，那么就需要每個Qm達到最小，如圖3所示。

圖3 信息年齡(AoI)與面積的關系

(11)

(12)

(13)

s.t.(3)。

(14)

(1+(1-e-ξdi(t))x)×

(15)

多目標UAV感知次數與飛行軌跡聯合優化算法步驟如下：

1)建立勢場模型，初始化引力系數ε，已知UAV的初始位置為X(0)=(x0,y0,z0)，感知目標坐標為Xi=(xi,yi,0)；

2)初始化UAV當前時刻坐標X(t)；

3)根據建立的感知勢場模型，計算如下參數：

①計算UAV與各設備間的仰角和方位角；

②計算UAV與各設備的感知引力；

③計算UAV當前位置的方向參數；

④計算UAV的下一個位置X(t+1)；

4)按照合力方向找到下一個坐標；

5)保存UAV當前位置坐標，并修改當前位置坐標為X(t+1);

6)根據UAV成功感知概率，判斷UAV是否到達感知位置。若已到達，則懸停進行數據感知，感知結束后執行7)；否則，繼續執行3)；

7)根據建立的傳輸勢場模型，計算如下參數：

①計算UAV與基站間的仰角和方位角；

②計算UAV與基站間的傳輸引力；

③計算UAV當前位置的方向參數；

④計算UAV的下一個位置X(t+1)；

8)按照合力方向找到下一個位置；

9)保存UAV當前位置坐標，并修改當前位置坐標為X(t+1)；

10)根據UAV信噪比約束，判斷UAV是否到達傳輸位置，若已到達，則懸停進行數據傳輸，直到傳輸結束；否則，繼續執行7)；

11)獲得最優路徑，UAV完成一個回合的路徑規劃。

3 仿 真

考慮含有5個感知設備的UAV信息傳輸系統在人工勢場下的UAV路徑規劃。通過Matlab平臺對該過程進行仿真，首先,模擬UAV執行一次感知任務的路徑；接著，驗證了UAV在起始位置不同的情況下，總時間與系統信息年齡的關系。最后,將文中所提的多目標UAV感知次數與飛行軌跡聯合優化算法與傳統算法進行對比，證明了所提算法的優越性。

UAV在執行信息感知和傳輸過程中的參數設置以及仿真過程中的參數設置見表1。

表1 參數設置

UAV感知和傳輸的飛行路徑如圖4所示。

圖4 多目標人工勢場法下的UAV軌跡

UAV從起點(200,-200,150)出發，由于設備對UAV產生的z軸方向上的力要大于x軸和y軸方向上的力，因此合力傾斜度比較小，先向斜下方飛行，但是，由于UAV高度受限，當下降到一定高度后，便只受到x和y兩個方向上力的作用，因此開始水平飛行，直到到達感知位置。在執行完信息感知后，UAV開始向基站飛行，同樣先受到向左向上的力飛行到一定高度，然后水平飛行到滿足信噪比要求的位置進行信息傳輸，信息傳輸結束后，UAV完成一個感知任務。

系統總信息年齡(AoI)隨總時間變化曲線如圖5所示。

圖5 系統總信息年齡(AoI)隨總時間的變化曲線

從圖5可以看出，總AoI隨總時間的增加而增大。當UAV從不同的初始位置去執行感知任務時，UAV的初始位置與設備的距離越遠，總AoI會越大。

JST算法與傳統算法對比如圖6所示。

從圖6可以看出，文中提出的路徑規劃算法要優于傳統算法，有效降低了系統的信息年齡。

圖6 JST算法與傳統算法對比

4 結 語

通過構建多目標UAV信息傳輸系統模型及其傳輸協議，提出了多目標人工勢場法的路徑規劃算法，詳細闡述了UAV感知和傳輸過程，經過推導得出系統信息年齡表達式，通過所提的多目標UAV感知次數與飛行軌跡聯合優化算法對系統信息年齡進行優化分析與求解。最后，在仿真實驗中驗證了不同參數對系統信息年齡的影響，通過與傳統算法相比，證明了所提算法的優越性。