無人機機間毫米波陣列通信技術

肖振宇，劉珂，朱立鵬

（1.北京航空航天大學電子信息工程學院，北京 100191；2.新加坡國立大學電子與計算機工程系，新加坡 117583）

0 引言

隨著低空空域的開放和無人機技術的快速發展，無人機在多個領域得到了越來越廣泛的關注和應用，作為未來空天地一體化網絡中重要的組成部分，無人機移動通信已逐漸成為學術界和工業界的熱門研究方向[1-2]。隨著應用范圍的不斷擴大，無人機需要對數據進行快速收集、處理和傳遞，要求較高的數據傳輸速率以滿足各類應用需求[3]。無線通信是無人機打破信息孤島、提升作業能力的關鍵技術之一，其中頻段和帶寬是影響無線通信傳輸質量的重要因素，而低頻微波頻段被大量占用，6 GHz以下中低頻段的頻譜資源日益短缺、擁擠嚴重[4]。各類新興業務和應用場景導致現有低頻段已難以滿足無人機通信對于大帶寬的需求。在此背景下，毫米波頻段（30～300 GHz）因其豐富的頻譜資源和較強的抗干擾能力將應用于無人機通信中[5]。然而，毫米波信號衰減嚴重，需要部署大規模陣列天線獲取陣列增益彌補路徑傳播損耗。近年來，毫米波基帶、射頻以及天線器件工藝逐漸成熟，已經基本具備大規模生產和應用的能力[6]。毫米波信號頻率高且波長短，天線尺寸小，毫米波器件多呈小型集成化，可以在不過多增加負重的情況下在小范圍內部署大規模天線陣列，例如，對于頻率為38 GHz 的半波天線陣列，25×25 個天線陣元集成后的面積接近1 dm2，隨著頻率進一步增加，天線陣元可以更加密集，或者在相同尺寸下部署更多天線，這對于尺寸和負載有限的無人機平臺是非常有利的[7-8]。此外，無人機平臺具有高度優勢和靈活移動的能力，可以利用毫米波波束的捷變能力和高指向性實現實時波束追蹤對準。雖然毫米波信號依賴于視線線路（LoS,line of sight）通信，但無人機在空中遮擋少，且可以利用移動特性主動創造LoS 條件。因此，在無人機上搭載毫米波陣列天線是支持無人機大容量安全傳輸的有效手段。

1 無人機典型應用場景與挑戰

近年來，關于無人機毫米波通信的研究主要集中在空對地通信系統，即無人機與地面平臺、設備之間的通信，其部分典型應用場景如圖1 所示，無人機不僅可以在復雜的作戰環境和作戰任務中發揮重要的作用[9]，得益于其低成本和高機動性，還可以為災害救援、熱點地區、航空監視、交通運輸、設施巡檢等任務提供重要支持，同時，在遠距離通信中也可以作為中繼輔助信息傳輸，完成遠距離寬帶回傳任務，在未來空天地一體化網路的構建中也將扮演重要的角色[10]。隨著無人機通信向集群協同方向發展，無人機機群需要借助局部交互，以分布式完成大量單無人機無法完成的協同任務[11]。因此，機間通信的研究尤為重要。值得關注的是，機間通信與傳統的地面通信和空對地通信有著顯著差異。首先，高頻毫米波信號衰減嚴重，而機間通信對于傳輸距離的要求很高，需要在收發端搭載大規模陣列天線以獲取可觀的定向傳輸增益。盡管能耗會隨著天線規模增加有所增長，但指向性波束不僅可以增加傳輸距離，還具有抗干擾、低截獲的特性，可以增加網絡可靠性和安全性。權衡在實際應用場景中，性能和能耗也是一個重要研究問題。其次，收發無人機的快速移動性與毫米波窄波束的高指向性相矛盾，機間寬帶傳輸和安全通信需求日益增長，毫米波波束的持續追蹤對準是一項重要挑戰。最后，對于無人機自組網來說，網絡拓撲快速變化，通信資源也隨之快速變化，對于時效性、生存性、擴展性的需求更高，這使無人機機間通信面臨前所未有的挑戰。毫米波波束成形技術可以為提高機間通信質量和通信效率提供技術支持，為機間高效組網提供更高的傳輸帶寬和安全性，但目前針對機間陣列通信場景的研究十分有限，尚未形成完整的技術體系，有必要展開更深入的研究。

圖1 無人機毫米波通信典型應用場景

本文著眼于無人機機間毫米波陣列通信所面臨的挑戰，圍繞機間點對點通信的信道建模、穩健性波束成形設計、安全通信以及無人機自組網中鄰居發現、路由決策、資源分配和分布式部署展開，結合現有的研究成果，指出毫米波陣列通信技術在無人機機間通信中發揮的重要作用。無人機機間毫米波通信面臨的問題與挑戰如表1 所示，本文分析其中潛在的、有價值的研究方向，為未來無人機通信相關學術研究提供參考。

表1 無人機機間毫米波陣列通信面臨的問題與挑戰

2 無人機點對點毫米波通信

無人機點對點毫米波通信是指兩架無人機之間的通信，場景如圖2 所示，與傳統的地面通信和空對地通信有著明顯不同。發射端和接收端無人機均處于快速移動狀態，姿態變化頻繁，還會由于氣流、發動機運行、螺旋槳旋轉等的影響造成機身抖動，導致機間信道快速變化，這對于對角度變化十分敏感的高指向性毫米波信號的是非常不利的，是機間毫米波通信面臨的巨大的挑戰，因此，對快速時變的信道進行建模并進行穩健性波束成形設計是非常有必要的。此外，機間通信往往具有更高的安全性需求，需要進行有效的波束成形設計避免信息泄露，并減小接收端受到的干擾[12]。

圖2 無人機點對點毫米波通信場景

2.1 毫米波信道建模

無人機通常處于高空作業環境，毫米波頻段信道在傳播損耗、多徑效應、多普勒效應等方面與空對地通信信道有顯著差異。現有研究很多是針對無人機作為空中基站或中繼協助地面通信的空對地信道進行建模，而針對無人機機間信道的研究相對較少[13-15]。無人機通信信道具有明顯的三維傳播特性，無人機的位置變化和姿態變化對機間毫米波陣列信道有顯著影響[16]。無人機快速移動過程中，信道指向角快速變化，且具有嚴重的多普勒效應，導致傳統地面毫米波陣列通信的信道模型并不適用于無人機機間通信。對機間信道進行建模時，需要特別考慮無人機平臺的高速移動特性和抖動特性，揭示其對機間信道的影響機理。

毫米波信道通常具有角度域離散特性，LoS 分量一般是最強分量且最先到達的，在可觀的信噪比條件下，非視距（NLoS,non-LoS）分量也可以達到不可忽略的信號強度[17]。特別地，對于機間毫米波信道，潛在的反射源更少，稀疏性更加明顯，毫米波信道可以視為一條LoS 分量和若干條NLoS 分量的疊加。考慮收發端均搭載均勻平面陣列（UPA,uniform planar array）的無人機通信系統，機間時變信道可以表示為

其中，t表示時刻，f表示載波頻率，Nt和Nr分別表示發射端和接收端的天線數，L為t時刻頻率為f的載波上多徑分量總數，ρl表示第l條路徑的復增益系數，νl和τl分別表示第l條路徑的多普勒頻偏和時延，θr,l、φr,l、θt,l和φt,l分別表示第l條路徑的接收端俯仰角，接收端方位角、發射端俯仰角和發射端方位角，ar(·)和at(·)分別表示接收端和發射端的陣列響應向量，定義為

其中，MN為無人機搭載的均勻平面陣列天線陣元數，λ為毫米波信號波長，d為相鄰天線陣元之間的距離。由式(1)可以看出，無人機的快速移動特性導致信道狀態在空域、時域和頻域均處于動態變化狀態。在空域，多徑復增益系數ρl主要與無人機間的相對距離有關，收發端指向角由無人機的相對位置、姿態和抖動共同決定，即θr,l、φr,l、θt,l和φt,l在宏觀層面會隨著無人機的位置變化和姿態變化而改變；在微觀層面，當無人機機身存在抖動時，這些角度也會隨著天線陣列的抖動而變化，這種微小的角度變化在大規模天線陣列毫米波通信中的影響是不可忽略的，值得進一步研究。在頻域，多普勒頻移νl主要由無人機的徑向相對速度決定；在時域，傳播時延τl主要與路徑長度有關。值得注意的是，機間毫米波時變信道中參數的實時獲取是實現機間通信的重要前提，也是實現機間高效通信的一大挑戰。因此，探索高效的信道估計手段是一項具有重要意義的工作，而采用概率模型的信道系數只能獲取理論上統計意義下的性能，并不能表現出特定場景下真實的通信性能，需要對機間毫米波通信信道測量進行更多的相關研究和實驗，通過統計測量得到不同場景下具體信道參數數值。

盡管已經有很多應用于無人機通信網絡的信道模型，但無人機高時變性毫米波信道建模研究依然處于初始階段。無人機因其高度優勢以及空中遮擋少的特性，很容易與其他無人機建立LoS，因此大多數機間信道被簡化為LoS 且被視為準靜態的[18-19]。而實際應用中高動態情境下的信道建模是非常必要的，Bai 等[20]提出了一種空時非靜態無人機毫米波多輸入多輸出（MIMO,multiple input multiple output）系統信道模型，其中無人機搭載均勻線性陣列（ULA,uniform linear array），兼顧各種無人機相關特性對信道統計特性的影響，包括無人機的移動方向、飛行高度、飛行速度等，適合實際無人機通信場景。Ma 等[21]針對無人機點對點毫米波MIMO 信道進行建模，發射端和接收端移動特性被考慮在內，該研究采用二態連續時間馬爾可夫過程來描述散射源的出現和消失，在毫米波頻段，所提出的信道模型的參數對信道相關性和非平穩性有顯著影響，對毫米波機間MIMO 通信系統的研究具有一定參考價值。文獻[22]在多無人機用戶的空對空毫米波陣列通信場景中，無人機接入點和無人機用戶均搭載均勻平面陣列，提出了基于先驗軌跡信息和壓縮感知的信道估計方法，所采用的信道模型考慮了時延、多普勒頻移以及無人機位置變化對信號的發射角（AoD,angle of depature）和到達角（AoA,angle of arrival）的影響，雖然該方法只用于LoS 路徑的信道估計，但容易擴展到多徑場景。

現有的關于無人機機間毫米波信道建模研究考慮的信道特征如表2 所示，其中Y 表示考慮了多普勒頻移。從表2 可以看出，綜合考慮毫米波陣列通信多徑類型、無人機位置姿態變化和多普勒頻移的信道建模研究還非常有限，另外無人機的抖動也是需要重點考慮的影響因素。現有的機間毫米波通信信道建模研究尚未具備成熟的理論支撐，無人機在空中的運動復雜多變，機間快速時變毫米波信道的建模和準確的信道估計面臨巨大的挑戰，值得展開更深入的研究以揭示無人機位置和姿態變化與信道狀態變化之間的關聯，為未來復雜無人機網絡通信研究提供支持。

表2 無人機機間毫米波信道建模研究考慮的信道特征

2.2 穩健性波束成形

在毫米波陣列通信系統中，天線陣元數越多形成的波束越窄，極窄的波束對信道指向角的變化更加敏感，微小的角度偏差也會導致嚴重的波束增益損失，在發射端無人機和接收端無人機均處于高速運動狀態時增益損失更嚴重。采用窄波束發射和接收信號需要非常精確的信道狀態信息，盡管已有很多基于波束碼本、深度學習等獲取準確毫米波信道狀態信息的信道估計方法[23-26]，但這些方法的波束訓練開銷太大，實時性難以保證。對于快速移動中的無人機來說，實時精確的信道狀態信息是很難獲取的，因為其不同于傳統地面高速通信網絡中各節點具有固定的移動軌跡（如高鐵會沿著軌道運行）可以就近連接沿道路分布的基站或接入點[27]，空基通信網絡中，無人機需要根據任務需求及時靈活地調整路徑和姿態，通常是不可預測的，且在三維空間的運動狀態更復雜，多普勒頻移更嚴重，因此，如何實現在收發端波束快速對準和持續跟蹤的同時對抗多普勒頻移、實現機間穩健性波束通信是一個獨特的難題。

無人機在一定飛行高度一般不會面臨復雜的散射環境，毫米波信道多徑分量數量很少，波束的指向主要依賴于信號的AoD 和AoA，因此，確定信號的AoD 和AoA 是進行波束對準的關鍵。已有研究提出了基于位置預測的波束追蹤方案，通過預測無人機的位置獲取信號的角度域信息，進而進行波束追蹤[18,28-30]。Xu 等[28]針對毫米波無人機網絡提出了基于角度域信息的快速波束追蹤算法，首先利用高斯過程機器學習算法預測無人機的位置，減少了無人機為獲取位置而進行的機間信息交互，降低了時延，然后采用適用于無人機網絡的聚類算法獲取粗略的角度域信息，進而在限定的角度區域內進行單波束追蹤或多波束追蹤進一步去除粗略角度域的冗余，提高了頻譜效率。該方法可以實現較高的頻譜效率和較低的網絡時延，滿足高動態無人機網絡中對數據傳輸速率的需求。類似地，Zhang 等[18]針對無人機點對點動態通信場景設計了一種基于位置、姿態預測的機間波束追蹤方案，首先利用已有的位置、姿態數據和位置與姿態之間的關系，采用基于高斯過程的機器學習算法預測無人機的位置和姿態，并估計信號的AoD 和AoA，再根據預測出的空間指向角采用基于幾何位置的波束追蹤算法設計最優的模擬波束成形向量，該方法可以有效預測無人機的位置和姿態，所提出的波束追蹤算法的頻譜效率高于沒有無人機姿態預測的算法的頻譜效率。為應對無人機的高動態性，Chiang 等[29]提出了基于Q 學習的波束追蹤算法，利用當前和過去的觀測值設計來自環境的獎勵促進預測，以提高數據傳輸和波束切換的效率，該波束追蹤算法可以在多無人機高動態環境中實現平穩追蹤。除了無人機位置的快速變化，無人機的抖動造成的波束失準問題也需要得到解決，Yuan 等[30]提出了一種基于機器學習的預測波束成形方案解決由無人機抖動引起的波束失準，采用基于深度學習的方法根據先前的波束狀態預測無人機與終端之間的角度，方便無人機和終端提前準備波束并快速建立和維持通信鏈路，可以用于無人機抖動環境可靠通信的建立，具有較強的穩健性。

除波束追蹤外，機間通信中收發端相對運動速度很大，毫米波載波頻率高，導致多普勒效應比地面低頻段通信系統嚴重得多，對通信性能的影響更顯著。因此，無人機機間毫米波陣列通信系統需要針對多普勒效應進行分析和應對。Zhang 等[31]提出了一種多普勒頻移估計和補償方法，根據歷史估計結果優化估計過程，可以實現準確、低復雜度的多普勒頻移估計，進而進行有效的多普勒頻移補償，對于無人機毫米波通信中實現機間穩定、可靠的通信具有重要意義。

現有關于無人機機間毫米波陣列通信穩健性波束成形方法的研究成果如表3 所示，針對機間穩健性波束成形設計和自適應波束追蹤設計是機間通信重要的研究課題之一，且高動態無人機通信環境中多普勒頻移會對通信質量造成嚴重的影響，機間快速精確的波束追蹤和多普勒頻移的對抗是亟須解決的問題，時效性、計算復雜度、收發節點的動態性、模型的實用性等問題都需要進一步考慮，以實現機間穩定可靠的信息交互，更好地完成復雜的協作任務。

表3 無人機機間毫米波陣列通信穩健性波束成形方法的研究結果

2.3 安全通信

隨著無線通信技術的發展，大量隱秘信息也會通過無線系統進行傳輸，如無人機執行偵查等任務時對于信息的保密程度要遠遠高于普通通信場景。此外，無人機本身也可能處于復雜的電磁環境中，無線傳輸介質的開放性和廣播特性使地面或空中的竊聽者可能破解合法鏈路的信號，造成信息泄露，干擾源也會對有用信息進行惡意攻擊造成污染，影響接收端正常接收信號。因此，安全通信是機間通信的一個重要的研究課題。在無人機上搭載毫米波陣列天線為安全通信提供了更有利的支持，毫米波的寬頻帶可以為跳頻、擴頻技術提供更多選擇，有利于躲避竊聽者和干擾源；毫米波波束成形技術也為安全通信提供了更多空域自由度，收發無人機之間可以形成極窄的指向性波束，有效降低竊聽者接收信號的強度，并抑制合法接收端受到的干擾，提高通信安全性。

不失一般性，本文考慮無人機A 向無人機B 發送機密信號，同時地面存在I個單天線竊聽者和J個單天線干擾源的通信場景，竊聽者竊取無人機A 發出的信號，干擾源干擾無人機B 的信號接收，無人機均搭載毫米波陣列天線，則無人機B 的接收信號可以表示為

其中，wA和wB分別為無人機A 和無人機B 的波束成形向量，HAB為無人機A 到無人機B 的信道響應矩陣，PA為無人機A 的發射信號功率，s為發送的秘密信號，hjB為干擾源j到無人機B 的信道響應向量，Pj為干擾源j的發射信號功率，sj為干擾信號，n為無人機B 處方差為σ2的零均值高斯白噪聲。可以得到無人機A 到無人機B 的傳輸可達率為

竊聽者i竊聽到的信號可以表示為

其中，hAi為無人機A 到竊聽者i的信道響應向量，ni為竊聽者i處方差為σi2的零均值高斯白噪聲。那么竊聽者竊聽信號可達率之和為

本文將無人機機間安全通信率定義為[32-33]

其中，［x］+表示實數x與0 之間的最大值。從式(7)可以看出，無人機機間安全通信率與信道響應、波束成形、發射功率、干擾源竊聽者數量、無人機的位置、竊聽者和干擾源的位置等因素密切相關，因此，有效的波束成形是提高機間安全通信率的關鍵手段。

關于無人機安全通信的實現，現有研究大多針對無人機作為信號源向地面用戶發送秘密信息[34-35]或者無人機作為中繼輔助地面秘密信息傳輸[36-37]的場景。Mukherjee 等[38]介紹了幾類典型的反竊聽技術，如人工噪聲、協同干擾、發射端波束成形等，但這些方法主要針對地面合法用戶或惡意節點，在無人機安全通信中可能并不適用，這些經典的方法需要專門針對無人機通信場景進行設計，尋找新的解決方向[39]。Sun 等[40]討論了無人機無線通信系統中潛在的安全攻擊，針對主動竊聽和被動竊聽這兩類典型的安全問題，對軌跡設計、資源分配、多無人機協同進行了介紹，指出了非正交多址接入（NOMA,non-orthogonal multiple access）、MIMO、毫米波技術、三維波束成形技術等在空對地安全通信系統中的應用，利用毫米波信道在角度域的離散性，在無人機上搭載天線陣列進行三維波束成形生成窄的、精確的波束，利用合法接收端和竊聽者在空間中的分散特性，提高合法接收端的傳輸效率，減少可能的信息泄露。Wu 等[41]通過聯合設計機密信號和人工噪聲的波束成形，在保證最差條件（合法鏈路數據率最小、竊聽鏈路數據率最大）下的保密通信的前提下實現了發射功率最小化，且考慮了無人機的抖動特性對天線陣列響應的影響。

但現有研究成果大多是針對無人機對地面用戶的安全通信，當接收端也處于高速移動狀態并伴隨無人機抖動時，機間安全通信的難度會大大增加，且無人機機間通信環境更開放、電磁環境更復雜，抑制干擾、降低泄露的難度更大。目前，關于無人機機間安全通信技術的研究還很少，尚未形成完善的理論來定量分析毫米波波束成形對無人機機間安全通信的影響，無人機的位置、波束的形狀、指向等因素對安全通信的影響尚未明確，有待開展更深入的研究，有效結合無人機平臺的移動特性和毫米波通信的波束成形特性，進一步提高機間安全通信率。

2.4 點對點通信小結

本節總結了基于毫米波陣列天線的無人機點對點通信研究，指出現有成果中存在的不足和未來需要解決的實際問題。首先，對于機間快速時變的毫米波信道，需要綜合考慮無人機位置、姿態、抖動的影響以及多普勒效應，快速、精確的信道估計是實現機間高效通信重要的技術突破。其次，為應對無人機的高動態性造成的影響，高效的動態波束追蹤和多普勒頻移補償是非常重要的，但機間通信對于時效性要求很高，基于訓練和學習的算法需要在時間效率上有所提升。最后，無人機處于更開放的環境中對安全性要求更高，但現有的無人機安全通信研究大多基于地面通信，對于無人機通信網絡，需要更適用于機間安全通信的發射和接收波束形狀設計、波束指向方向設計和節點部署方法。

3 無人機自組網

隨著無人機通信向集群化發展，無人機自組網已然成為重要的發展趨勢，多架無人機共享網絡資源，相互協同完成通信任務，比單無人機具有更高的可靠性。無人機飛行自組網（FANET,flying ad-hoc network）具有高度自治、靈活、自愈等特點，在多個領域有著廣泛的應用[42-45]。不同于傳統移動自組網（MANET,mobile ad-hoc network）和車載自組網（VANET,vehicular ad-hoc network），無人機最高飛行速度可達140 m/s，且伴隨著姿態的變化，移動軌跡會隨著任務需求和網絡結構靈活調整，具有不可預見性，受平臺負載和功耗的限制，需要一套專用的組網技術以完成更高難度的任務[46-47]。尤其是在電磁環境復雜的極端條件下，無法直接采用地面自組網技術，高吞吐、低泄露、干擾抑制等特殊需求也給無人機自組網帶來巨大的挑戰。但毫米波豐富的頻譜資源為空中自組網高容量傳輸提供了可能性，且毫米波窄波束的高指向性可以為加強空中自組網的安全性和反干擾性提供有力支持。無人機自組網毫米波通信場景如圖3 所示，如何實現無人機高動態自組網，且滿足時效性、生存性、擴展性要求，是無人機自組網技術研究的一大難題，具體包括三維空域鄰居發現、路由決策、快速空時頻資源調度、分布式部署等問題。

圖3 無人機自組網毫米波通信場景

3.1 鄰居發現

網絡中2 個節點之間建立通信鏈路需要感知并維持二者之間的連接，即鄰居發現。無人機鄰居發現如圖4 所示，有效的鄰居發現可以提高上層協議的實現效率，是組網的關鍵基礎。為滿足擴展性需求，無人機自組網需要根據任務需求頻繁地增加更多節點或關閉一些節點，及時的鄰居發現是實現快速網絡重構的前提。根據天線的工作模式，鄰居發現算法主要可以分為四類：全向發送全向接收、全向發送定向接收、定向發送全向接收以及定向發送定向接收[48]。對于全向天線使能的網絡，一個簡單的廣播信號可以發送到傳輸范圍內的所有節點，鄰居發現比較容易，但信號傳播范圍非常有限，且無法滿足特殊場景對于安全性和隱蔽性的需求。全向發送定向接收和定向發送全向接收模式可以視為全向發送全向接收和定向發送定向接收之間的平衡，比純定向發送接收鄰居發現更容易實現[49]。而對于搭載毫米波陣列天線的無人機自組網，指向性波束所覆蓋的角度范圍有限，且鄰居節點需要知道什么時間將波束指向什么方向以發現彼此，即只有2 個節點同時將波束指向彼此且收發模式相反，才能成功實現鄰居發現[50]。因此，如何在收發端雙定向的條件下快速進行三維全空域的鄰居發現，是無人機自組網中的一大挑戰。

圖4 無人機鄰居發現

此外，無人機自組網中各節點處于快速移動狀態，需要頻繁的鄰居探測來更新鄰居列表并維持網絡連接，最簡單的方法是在整個任務過程中始終進行鄰居發現，但持續的鄰居探測會消耗大量能量和資源，引起不必要的開銷，而不時地打開或關閉探測過程也會造成不確定的發現時延[51]。因此，應仔細設計鄰居發現波束探測的頻率，以平衡效率和開銷。Wei 等[52]提出了一種基于定向發送全向接收的雙向握手鄰居探測方法，信號通過定向發射可以實現遠距離傳輸，同時全向接收可以降低波束對準的難度，實現遠距離傳輸和波束對準速度的平衡。考慮到無人機的部署、機動性以及功耗的問題，無人機以一定概率在發射、接收、休眠3 種模式中切換，休眠狀態中無人機暫停鄰居發現過程，休眠概率取決于網絡拓撲結構變化的概率，無人機相對運動越快，各個節點的鄰居列表需要越頻繁地更新以及時去除離開的無人機、發現新加入的無人機，相應的休眠概率就越小。該研究通過設計并解決與無人機位置和運動相關的最優化問題得到最優的休眠概率，實現了開銷和鄰居發現準確度之間的平衡，所提出的算法適用于無人機網絡。

除了方法和頻率，鄰居發現還需要考慮到同步、時延問題以及無人機抖動造成的波束失準等問題[53-54]。除了空域的波束對準外，在時域和頻域也需要完善對準和同步策略，但這也進一步增加了鄰居發現的開銷和時延，為系統時效性帶來挑戰。在毫米波頻段定向傳輸時，為快速發現鄰居并實現快速收斂，節點具有部分先驗知識（如鄰居節點的坐標）是非常有利的，但實時獲取移動無人機的三維位置和速度也很困難。因此，無人機的三維運動預測對于簡化鄰居發現和維護網絡連接至關重要。此外，聾問題和隱藏終端問題也會對無人機自組網鄰居發現和上層定向通信協議的設計帶來挑戰，需要有針對性地展開研究[55-56]。

鄰居發現通常會受到無人機平臺能耗、計算能力和覆蓋能力的限制。因此，地面或衛星網絡協作的無人機鄰居發現會更加高效可行。在無人機自組網中，一般會有專門用于連接地面控制中心和其他無人機的專用無人機，用于接收控制信息（如預定的飛行高度、合適的速度等）并回傳網絡狀態信息和收集到的信息，以擴大覆蓋范圍。因此可以將部分計算任務在地面控制中心完成，以減少無人機的能耗并延長任務時間[57]。當無人機自組網受地域等因素限制無法連接地面控制中心時，也可以選擇接入衛星通信網絡，利用導航衛星獲取節點位置信息，有助于無人機節點的鄰居發現，衛星可以支持無人機機間的關鍵數據交換，也可以利用衛星的廣域覆蓋，將收集到的信息傳送到遠距離的地面控制中心，實現更高效的鄰居發現[57-58]。

3.2 路由決策

在無人機自組網中完成鄰居發現后，需要設計各節點間的路由和沿著這些路由轉發數據包的機制，當一架無人機向其他無人機傳輸數據時，選擇數據傳輸的路徑需要考慮通信質量要求、數據流量要求、網絡拓撲結構變化以及傳輸時延等因素，還需要特別考慮無人機的三維移動特性。傳統移動自組網和車載自組網通常可以由地面基站提供輔助路由，而無人機自組網很多時候無法經由地面基站進行數據轉發，且無人機自組網各節點的運動更靈活，距離更遠，網絡范圍更大，頻繁的節點加入和離開導致網絡拓撲結構快速變化，位置數據需要快速更新，其移動路徑也需要根據任務和環境及時調整，周期性的拓撲變化和臨時的鏈路故障是常態。因此，無人機自組網需要具備及時發現節點狀態變化的能力和更強的網絡快速重構能力，即具備時效性和生存性。此外，為了避免碰撞，無人機自組網對于數據包傳輸距離和時延的要求也更高。特別地，為無人機自組網設計的路由協議還應考慮安全性和隱蔽性問題，尤其是在對敵作戰模式下。綜上，為移動自組網和車載自組網設計的路由方案已無法滿足無人機自組網的需求，這給無人機自組網的路由設計帶來了巨大的挑戰[59-60]。

根據所采用的路由策略，現有的無人機自組網路由方案可以分為基于拓撲路由、基于位置路由、混合路由和仿生路由4 種類型，這些協議中有的是新提出的協議，有的根據現有移動自組網路由協議進行改進[59]。4 種路由協議的工作模式和特點如表4 所示。基于拓撲路由根據網絡節點的拓撲信息，在數據傳輸開始之前獲取從發送端到目的端的路由信息，主要分為主動路由協議（proactive protocol）和被動路由協議（reactive protocol）2 種模式，在主動路由協議中，網絡中的每個節點在任意時刻都持有向網絡中任一節點的最新的路由信息，而被動路由協議則只在需要建立路由時進行全局路由發現和鏈路建立[61-62]。基于位置路由根據無人機節點的位置設計數據包發送路徑，具有很強的可擴展性，適用于無人機自組網場景[63-64]。混合路由融合了基于拓撲路由和位置路由的機制，設計了基于拓撲路由中斷時采用基于位置路由傳輸信息的應對模式，保證了快速移動場景下的數據包傳送率，適用于高動態、大規模、密集的無人機自組網[65-66]。特別地，近年來仿生算法因其出眾的解決復雜優化問題的能力而備受關注，仿生路由策略，如人工蜂群算法和蟻群算法[67-70]，被應用于無人機自組網路由發現，該過程可以模擬為蜂群的采蜜過程，也可以模擬為蟻群的食物發現過程，具有很強的適應性和自組織能力。Zhao 等[68]介紹了一種高斯馬爾可夫移動模型來描述無人機在三維空間中的移動，使基于人工蜂群算法的路由發現策略適用于由節點快速移動造成的網絡拓撲快速變化的情況，實現了高數據包傳輸率和低端到端時延。Yu 等[70]提出了一種由蟻群算法和動態元路由算法集成的無人機自組網多態感知路由算法，通過感知路由的距離、穩定性以及擁塞程度來建立路由的選擇標準，可以有效避免擁塞和中斷，保證較低的平均端到端時延、路由開銷和較高的數據包投遞率，該算法還可以針對不同無人機編隊調整路由策略，能夠滿足無人機自組網的數據傳輸需求。各類路由發現算法具有各自的優缺點和適用場景，當路由確定后，指向性波束成形可以用來增加傳輸距離、減少路由建立時間、減少數據包碰撞[71]。

表4 4 種路由協議的工作模式和特點

在很多實際應用場景中，路由選擇和資源分配往往是耦合的，因此，路由路徑選擇的建模過程可能會比較困難[71-72]。如何求解該耦合問題并找到一個全局的解決方案將會是非常有價值的研究。

3.3 資源分配

無人機自組網中各節點需要互相協作以完成實際傳輸任務，但節點對于通信資源的獨占性會導致資源沖突和資源競爭問題。為提高無人機網絡的性能，大規模無人機網絡需要動態管理各種資源的機制，需要對無線資源進行合理分配以減少干擾并提高吞吐量，對不同節點實現合理的空間、時間、頻率等有限資源的共享至關重要。此外，功率控制在能效方面對于毫米波無人機自組網也是非常關鍵的。隨著無人機集群規模的增加，計算任務大大增加，計算資源的高效分配也是無人機自組網需要的技術突破。

在時域方面，半雙工模式的毫米波無人機網絡中合理的幀設計可以保證有效的信息傳輸，避免多徑和多跳路由造成的沖突[73]，而全雙工模式下需要精心設計調度算法以減小干擾，達到提高頻譜效率、減少網絡時延的目的[74]。在空域方面，盡管毫米波頻段波束成形技術可以有效提高頻譜效率、抑制干擾、增加空間復用，但在高動態的網絡拓撲中進行波束管理依然是巨大的挑戰，需要進行快速的波束跟蹤和資源重構，同時應盡量減小沖突和干擾。在頻域方面，合理的頻譜分配可以有效提高頻譜利用率、減小干擾以及保證無線組網系統高效的數據傳輸[75]。隨著三維網絡拓撲結構快速變化，實時的全局頻譜分配是資源分配面臨的巨大挑戰。在功率方面，傳輸功率控制、負載平衡和節點休眠是無人機自組網中需要著重考慮的問題，對于儲能有限的小型無人機來講至關重要[76]。在計算資源方面，數據量隨著無人機數量的增加而急劇增長，而無人機設備通常對時延的要求很高，無人機自組網需要超高計算能力和超低響應時延，這對于功耗和計算能力有限的無人機平臺來說很難完成，將計算任務分配到移動邊緣計算（MEC,mobile-edge computation）平臺并實現合適的功率分配是解決無人機自組網計算能力限制的有效方法[77]。

隨著自組網規模增加、動態性增強，資源優化的計算復雜度呈指數級增長，這對網絡管理的時效性提出了挑戰。傳統的無線資源分配通常基于優化技術，且大多基于已知、精確的信道狀態信息，在大規模毫米波陣列天線通信中可能并不適用[78-81]。隨著機器學習的應用越來越廣泛，基于深度學習、聯邦學習的資源分配策略引起越來越多的關注[82-83]。但基于機器學習的方法復雜度高，需要著重考慮時效性問題，這也是未來無人機自組網資源分配需要解決的重要問題。

3.4 分布式部署

無人機的高移動性和靈活部署特性可以全時全域地建立空中自組織網絡，但高動態、大規模、密集的部署面臨很大的挑戰，為實現無人機之間的高效協作、提升系統性能和資源利用率，節點的分布式部署和所有可用資源的聯合優化是非常有必要的。

值得說明的是，無人機位置部署與資源分配是相互影響的，優化變量相互耦合，而通常具有多個耦合變量和因果約束的問題是非凸的，最優解的求取相當困難。文獻[84]考慮了無人機自組網作為中繼系統、多無人機協作輔助多個發射端與其對應接收端之間實現信息傳輸的場景，通過聯合優化各節點的位置、功率和帶寬分配以最大化最小的通信率，為解決該復雜非凸問題，該研究將變量解耦，采用塊坐標下降法和連續凸逼近算法，在給定位置的條件下優化帶寬和功率，在給定帶寬和功率的條件下優化位置，以此循環迭代直至收斂，得到了原問題的次優解。文獻[85]針對典型的多無人機高效協作的監視系統場景，將無人機分為若干集群，每個集群由一個簇頭和若干簇成員節點構成，自組網中另有負責邊緣計算的無人機，集群內無人機將收集到的信息發送到簇頭，簇頭根據自身能耗和計算能力決定信息處理任務在本地完成還是交由邊緣計算無人機完成，以及交由哪個邊緣計算無人機（即任務調度）完成，邊緣計算無人機需要對每個任務分配相應的計算資源以及最優化移動路徑，從而最小化所有集群內無人機的能量消耗，這是一個混合整數非凸問題，該研究將原問題分解為任務調度計算資源分配子問題和邊緣計算無人機路徑規劃子問題，分別采用分支定界法和連續凸逼近法求解。可以看出，無人機軌跡和資源分配往往需要將原始復雜問題分解、簡化、逐個求解、迭代優化，逐步逼近最優解。

盡管已有相當一部分無人機自組網分布式部署聯合資源分配的研究成果，但極少有針對毫米波陣列通信輔助的無人機集群進行部署和資源分配聯合優化的方法，且大多數場景中節點的移動速度較低，網絡拓撲結構較穩定。當采用毫米波陣列通信技術輔助機間通信以及網絡動態性更強時，多無人機的位置部署會面臨毫米波波束覆蓋范圍有限、波束調度任務更復雜、波束移交更頻繁等問題，需要進一步展開研究。

3.5 組網通信小結

本節總結了無人機自組網面臨的技術挑戰和未來研究方向。首先，無人機為滿足擴展性需求需要快速的節點變更，及時進行鄰居發現更新路由鏈表、快速網絡重構和規劃最優路由是滿足時效性、生存性的關鍵前提。其次，毫米波陣列通信中空間、時間、頻率、功率、計算等資源的高效動態分配是無人機自組網性能提升的關鍵基礎。最后，解決高動態、大規模網絡部署與資源分配的耦合問題以實現機間高效協作是進一步完善無人機自組網技術的關鍵突破。無人機自組網是一個開放性非常高、應用非常廣泛的研究方向，本節所提到的問題都是有待解決的重要研究課題。

4 結束語

本文對無人機機間毫米波陣列通信的潛力和挑戰進行了綜述，首先介紹了點對點通信中信道建模、穩健性波束設計以及安全通信面臨的挑戰，總結了現有的研究成果并指出其中存在的問題。之后，指出無人機自組網中需要進行有效的、實時的網絡管理，總結了鄰居發現、路由決策、資源分配和分布式部署方面的相關成果以及值得展開深入研究的問題。

現有無人機機間毫米波陣列通信的研究還處于初始階段，尚未形成完整的理論和技術體系，機間信道的空-時-頻演變機理有待揭示，以挖掘平臺機動性與信道狀態和通信性能的內在關聯，為無人機機間毫米波通信和無人機自組網提供支持。無人機機間通信還需要設計可靠的定向傳輸和快速波束追蹤用以對抗信道狀態的快速變化、平臺抖動和多普勒頻移，此外，毫米波三維波束成形可以為機間的安全通信提供額外的空間自由度，如何利用空間自由度提升通信安全性能需要進一步探究。對于多無人機集群網絡，三維空間高動態特性為組網的時效性、生存性和擴展性帶來嚴峻的挑戰，如何在收發端定向的條件下進行快速鄰居發現、在高動態網絡拓撲結構中進行高效的路由決策、在通信資源快速時變條件下進行空-時-頻資源調度以及三維空間中的部署等，都是有待解決的重要問題。無人機自組網也是未來空天地一體化網絡中空基平臺的重要組成部分，不僅是無人機機間組網，無人機與衛星、其他空基平臺、地面設施協同的大型網絡的多址接入、資源調度、路由協議設計等問題也是亟須解決的重要研究課題。