無人機輔助無線傳感網絡的節能保密通信數據收集方法

摘 要：無人機（Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ，ＵＡＶ） 在保密無線傳感網絡（Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ，ＷＳＮ） 中能作為移動數據搜集節點的同時延長傳感網絡的使用周期，竊聽方（Ｅａｖｅｓｄｒｏｐｐｅｒ，Ｅｖｅ） 的存在使傳感器和ＵＡＶ 之間的保密通信過程受到了嚴重威脅。因此，保密通信方不得不消耗更多資源來保證通信的保密性能。針對ＷＳＮ 中保密通信的資源受限問題，提出一種ＵＡＶ 輔助節能保密通信數據收集方法，通過聯合優化ＵＡＶ 軌跡和傳感器節點（Ｓｅｎｓｏｒ Ｎｏｄｅ，ＳＮ） 的調度策略，最小化ＳＮ 能耗的同時增加傳感器的保密容量；通過基于塊坐標下降法解決復雜混合整數的非凸優化問題；通過連續凸優化方法聯合求解ＵＡＶ 軌跡優化問題和傳感器調度優化問題。仿真結果表明，與現有方法相比，所提方法在節能和保密速率提高上具有顯著的優越性。

關鍵詞：無人機；無線傳感網絡；保密通信；軌跡優化

中圖分類號：ＴＮ９２９． ５ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０５－１１６８－０７

０ 引言

無線傳感網絡（Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ，ＷＳＮ）通常是由大量低成本的傳感器節點（Ｓｅｎｓｏｒ Ｎｏｄｅ，ＳＮ）組成，這些ＳＮ 的能源往往來自于容量有限的內置電池，因而其壽命非常有限，并最終導致整個ＷＳＮ 的壽命受到嚴重的限制［１－２］。所以，研究ＷＳＮ的節能傳感和通信技術對于延長傳感器網絡的壽命是至關重要的。無人機（Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ，ＵＡＶ）輔助ＷＳＮ 具有廣泛的發展前景，近年來人們對其越來越感興趣［３］。ＵＡＶ 因其高移動性、便于控制以及具有優秀的視距信道等特點，可以作為ＷＳＮ中地面ＳＮ 的移動數據收集器。

ＵＡＶ 輔助的ＷＳＮ 中，睡眠和喚醒機制是一種減少網絡能耗的有效技術［４］。即ＵＡＶ 可以逐個訪問ＳＮ，只有當足夠靠近ＳＮ 時才將它喚醒并向其收集數據，這使得收集數據變得更加高效。因此，減少ＵＡＶ 與地面每個ＳＮ 間的通信距離將會有效降低ＳＮ 的傳輸能耗［５－６］。在這種機制下，ＳＮ 一直保持睡眠狀態，當ＵＡＶ 足夠靠近ＳＮ 時，才會被喚醒向ＵＡＶ 傳輸自己所收集到的數據并在傳輸完成后返回睡眠狀態。要盡可能地延長ＵＡＶ 輔助的ＷＳＮ 壽命，有２ 個關鍵方面需要考慮：一方面是ＳＮ 的電池能量有限，應該合理地設計ＳＮ 的調度策略，來盡量減少ＳＮ 對電池的使用時間；另一方面是優化ＳＮ 調度策略的同時也要考慮ＵＡＶ 軌跡的設計，由于ＵＡＶ 和地面信道的廣播特性，會有竊聽節點存在，使得通信的安全質量得不到保障，因此，適當設計ＵＡＶ 軌跡來盡可能地增加ＳＮ 的保密容量，以保證每個ＳＮ 處于喚醒狀態時能把數據全部安全地傳輸給ＵＡＶ。

目前部分工作研究了ＷＳＮ 的數據收集，文獻［７］研究了一種用于丘陵地區的ＵＡＶ 輔助ＷＳＮ數據采集的節能和快速數據收集方案；文獻［８］研究通過運用一種分布式可擴展的方法，在通信范圍受限和不使用優化技術的ＷＳＮ 數據收集中協調ＵＡＶ 組來提高ＷＳＮ 數據采集的互聯網范圍；還有以最大化ＷＳＮ 的吞吐量為出發點，對ＵＡＶ－傳感器的喚醒調度和ＵＡＶ 軌跡實現了聯合優化［９］；還有一些學者研究了ＵＡＶ 的部署和功耗問題。對于ＵＡＶ部署問題，文獻［１０］利用ＵＡＶ 位置的靈活性，研究了應用于物聯網設備的ＵＡＶ 部署方案；文獻［１１ －１３］主要研究ＵＡＶ 的部署優化方法，將ＵＡＶ 作為空中準靜態基站，在一定高度輔助給定區域內ＳＮ 的數據傳輸，但是沒有考慮ＵＡＶ 的高移動性特點。對于ＵＡＶ 功耗問題，文獻［１４］研究通過軌跡設計來實現節能的ＵＡＶ 對地通信系統，但是只考慮了ＵＡＶ 的功耗；還有一些研究涉及了ＵＡＶ 支持的無線通信系統。文獻［１５］通過聯合優化ＵＡＶ 軌跡和與地面節點通信時間的分配以及總任務時間，有效降低了無線通信系統的能耗。文獻［１６］考慮了一個多ＵＡＶ 支持的無線通信系統，通過優化多用戶通信調度并結合ＵＡＶ 軌跡和功率控制，最大化所有地面用戶的最小吞吐量。

現有研究都沒有涉及ＵＡＶ 輔助ＷＳＮ 進行保密通信時ＷＳＮ 的使用周期問題以及資源受限問題。因此，將深入研究ＵＡＶ 輔助ＷＳＮ 的節能保密通信數據收集，以最小化所有ＳＮ 的最大能耗為目標，同時盡可能地最大化ＳＮ 的保密容量，優化ＳＮ 調度策略以及ＵＡＶ 軌跡。然而，所建立的優化問題為復雜混合整數的非凸優化問題，難以直接求解。為了解決上述混合整數非凸優化問題，通過基于塊坐標下降技術，將原優化問題拆分為２ 個子問題，即ＳＮ 調度優化問題和ＵＡＶ 軌跡優化問題，再通過連續凸優化技術，在每次迭代中對ＳＮ 調度策略和ＵＡＶ 軌跡依次進行聯合優化。通過與其他方案進行對比，證明了所提方法在節能和保密速率提高上的優越性。

１ 系統模型

１． １ 保密通信下的ＷＳＮ

系統模型如圖１ 所示，考慮一個進行保密通信的ＵＡＶ 輔助ＷＳＮ，其中包括１ 個ＵＡＶ、Ｋ 個ＳＮ 和１ 個竊聽方（Ｅａｖｅｓｄｒｏｐｐｅｒ，Ｅｖｅ）。其中ＳＮ 和Ｅｖｅ 位于地面，ＵＡＶ 從地面Ｋ 個ＳＮ 收集數據信息，同時發送干擾信號給Ｅｖｅ，而Ｅｖｅ 將嘗試從ＳＮ 竊取機密信息。用｛ｕｋ，１≤ｋ≤Ｋ｝來表示這Ｋ 個ＳＮ，ｕｋ 的位置用ｗｋ ∈R２×１ 表示，Ｅｖｅ 的位置用ｗｅ ∈R２×１ 表示。假設ＵＡＶ 的飛行高度Ｈ 恒定，水平位置隨時間不斷變化，并將其最大速度表示為Ｖｍａｘ（ｍ ／ ｓ），初始位置和最終位置是預先設定好的，水平坐標分別為ｑ０和ｑＦ。每個ｕｋ 生成Ｓｋ 比特的傳感數據，ＵＡＶ 在Ｔ ｓ的持續時間內收集傳感數據。為了方便解決問題，將ＵＡＶ 的飛行時間Ｔ 均分為Ｍ 個相等間隔的時隙，記為ｍ ＝ ｛１，２，…，Ｍ｝。每個時隙的長度為δｔ ＝Ｔ／Ｍ，并且這個時隙應該足夠小，以至于可以認為在２ 個相鄰的時隙中ＵＡＶ 的位置基本不會發生變化。因此，ＵＡＶ 在地面上的投影軌跡ｑ（ｔ）∈！２×１ ，０≤ｔ≤Ｔ 可以通過序列｛ｑ［ｍ］，１≤ｍ≤Ｍ｝來近似表示，其中ｑ［ｍ］＝ｑ （ｍδｔ ）表示ＵＡＶ 在時隙ｍ 處的水平位置。

２． ３ 基于塊坐標下降技術的迭代算法

基于以上對原始問題的分解與轉化，結合以交替優化為核心的塊坐標下降技術，提出一種迭代算法。該算法通過對以上轉化后得到的２ 個子問題依次進行求解，并采用交替迭代方法來得到優化的結果，最終達到所有ＳＮ 的最大能耗最小化的目的。具體算法流程如算法１ 所示。

２． ４ 收斂性分析

算法１ 是以迭代方式分別求解２ 個子問題，來獲得優化的調度策略Ｘ 和ＵＡＶ 的軌跡Ｑ?？梢钥闯?，在算法１ 的步驟④之后，式（７）中的約束都滿足等式。此外，由于（Ｐ４）中加權吞吐量的最大化，在步驟⑤之后可以松弛式（７），為減?。ǎ校常┲械摩?留下了更多的優化空間。因此，對于算法１，（Ｐ３）中的目標值在每次迭代中是非增加的。此外，由于（Ｐ３）的目標值是有限值的下界，所以算法１ 最終是收斂的。

２． ５ 復雜度分析

提出的算法１ 的主要復雜度在于步驟④和步驟⑤，即ＳＮ 調度策略的優化以及ＵＡＶ 軌跡優化，這需要解決一系列凸問題。解決凸問題的算法有很多，比如內點法。因此，所提出的算法１ 的復雜度可以計算為Ｏ（ＩＮ（２）），其中Ｉ 是算法１ 的迭代次數。這意味著所提算法可以在多項式時間內獲得一個次優解。

３ 數值結果與分析

本節對算法的仿真結果進行展示，提供了數值結果來驗證所提出的設計方案?？紤]系統中有Ｋ ＝４ 個ＳＮ，隨機分布在一個大小為１ ０００ ｍ×１ ０００ ｍ的二維區域內且位置已知。竊聽方的位置固定，坐標為ｑｅ ＝ ［０，－８００］ Ｔ ｍ。ＵＡＶ 的初始位置和最終位置水平坐標分別為ｑ０ ＝ ［－８００，０］ Ｔ ｍ 和ｑＦ ＝ ［８００，０］ Ｔ ｍ。ＳＮ 坐標分別為：［－６００，４００］ Ｔ ｍ，［－３００，－５００］ Ｔ ｍ，［２００，５００］ Ｔ ｍ，［６００，－４００］ Ｔ ｍ。仿真參數設置如表１ 所示。

不同Ｔ 下的ＵＡＶ 的優化軌跡如圖２ 所示，其中星星圖標表示竊聽方的位置?？梢钥闯觯S著Ｔ 的增加，ＵＡＶ 可以充分利用增加的飛行自由度來調整其飛行軌跡，使其更接近每個ＳＮ，來獲得更好的信道狀態，從而獲得更高的保密速率。此外，由于ＵＡＶ 發送干擾，在同一時間內，ＵＡＶ 又會靠近Ｅｖｅ來干擾它的竊聽。

Ｔ ＝ ５０ ｓ 下的ＳＮ 的調度策略如圖３ 所示?？梢钥闯?，每個ＳＮ 在大部分時間都處于睡眠狀態，只有當ＵＡＶ 足夠靠近時，才會被喚醒并向ＵＡＶ 傳輸數據。這樣，ＳＮ 就可以花費更少的時間來傳輸數據，在一定程度上可以節省能耗。

為了更好地比較算法優越性，介紹３ 個基準方法：① 橢圓軌跡；② 直線飛行；③ 靜態收集。靜態收集方案中數據收集器的位置處于所有ＳＮ 的幾何中心。４ 種方案最小化傳感器最大能耗θ 隨著傳感數據大?。樱?的變化情況如圖４ 所示。可以看出，本文方案明顯優于其他３ 個基準方案，隨著傳感數據大?。樱?的增加，本文方案下最小化的傳感器最大能耗明顯增長緩慢。因為，在本文方案下ＵＡＶ 可以飛得更近甚至停留在與ＳＮ 之間更好的信道上，因此ＳＮ 能夠以更高的速率進行安全可靠的數據傳輸，傳感數據傳輸的時間更短，從而降低ＳＮ 的能耗。

不同方案在不同時間下保密速率的比較如圖５所示?？梢钥闯?，ＳＮ 的保密速率隨著時間Ｔ 的增加而不斷提高，這是因為隨著時間的增加，ＵＡＶ 可以越來越靠近ＳＮ，同時在ＳＮ 上停留更多的時間，以獲得更好的信號狀態來傳輸更多的保密信息。此外，軌跡優化方案的結果始終優于沒有軌跡優化方案的結果，這也體現了軌跡優化方案在提高保密率上的重要性。

本文方案與其他方案性能比較如圖６ 所示。將本文方案的最小化傳感器最大能量消耗θ 與ＵＡＶ-ＭＥＣ 方案［１９］和ＥＤＡ-ＲＰ 方案［２０］進行比較，可以看出，本文方案明顯優于其他方案，并且性能增益隨時間Ｔ 的增加更加明顯。由于本文方案使用了睡眠和喚醒機制，所以ＳＮ 只在被喚醒向ＵＡＶ 傳輸數據的時候才會消耗一部分能量，在睡眠狀態不消耗能量，因此曲線成階梯式上升。本文方案與ＵＡＶＭＥＣ方案和ＥＤＡ-ＲＰ 方案相比，產生的能耗分別降低了３３． ８％ 、３１． ０％ 。由此可見，提出的算法有效降低了ＳＮ 的能耗，達到了最小化ＳＮ 最大能耗的目的，從而延長ＷＳＮ 的使用周期。

４ 結束語

本文研究了面向ＷＳＮ 的ＵＡＶ 輔助節能保密通信數據收集方法，提出一種基于塊坐標下降技術的優化算法，并通過運用連續凸優化技術聯合優化ＳＮ調度策略和ＵＡＶ 軌跡，最小化所有ＳＮ 最大能耗的同時增加ＳＮ 的保密容量，解決了ＷＳＮ 中保密通信的資源受限問題。仿真結果表明，所提出的算法能顯著節省傳感網絡的能耗并提高保密速率。與其他３ 個基準方案相比，本文方法ＳＮ 的最大能耗隨著傳感數據Ｓｋ 的增加明顯增長緩慢，而且保密速率大大高于其他三者，節省了資源消耗，使ＷＳＮ 更加節能。此外，在多ＵＡＶ 以及多個竊聽方場景下考慮ＵＡＶ輔助ＷＳＮ 進行保密通信時網絡的能耗問題將是下一步的研究重點。

參考文獻

［１］ 張偉，趙曉俠． 一種長壽命和高覆蓋可靠性的ＷＳＮ 實現［Ｊ］． 國外電子測量技術，２０２２，４１（３）：１４５－１５１．

［２］ 殷癑，劉凱，劉志剛． 基于ＷＳＮ 壽命最大化的傳感器調度策略［Ｊ］． 計算機工程與設計，２０１７，３８ （１２ ）：３２０７－３２１２．

［３］ ＮＡＺＩＢ Ｒ Ａ，ＭＯＨ Ｓ． Ｅｎｅｒｇｙｅｆｆｉｃｉｅｎｔ ａｎｄ Ｆａｓｔ Ｄａｔａ Ｃｏｌｌｅｃｔｉｏｎ ｉｎ ＵＡＶａｉｄｅｄ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｈｉｌｌｙ"Ｔｅｒｒａｉｎｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２１，９：２３１６８－２３１９０．

［４］ 袁進，王海，秦蓁，等． 面向數據采集的多無人機協同節能部署方法［Ｊ］． 電訊技術，２０２２，６２（１０）：１４１９－１４２６．

［５］ ＺＥＮＧ Ｙ，ＺＨＡＮＧ Ｒ，ＬＩＭ Ｔ Ｊ，ｅｔ ａｌ． Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｗｉｔｈ Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅｓ：Ｏｐｐｏｒｔｕｎｉｔｉｅｓ ａｎｄ"Ｃｈａｌｌｅｎｇｅｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０１６，５４（５）：３６－４２．

［６］ ＭＯＨＡＭＭＡＤ Ｍ，ＷＡＬＩＤ Ｓ，ＭＥＨＤＩ Ｂ，ｅｔ ａｌ． Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ ｗｉｔｈ Ｕｎｄｅｒｌａｉｄ ＤｅｖｉｃｅｔｏＤｅｖｉｃｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ： Ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ Ｔｒａｄｅｏｆｆｓ ［Ｊ ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１６，１５（６）：３９４９－３９６３．

［７］ 孫穎，陳思光． 基于無人機工作模式選擇的無線傳感器網絡數據傳輸［Ｊ］． 南京郵電大學學報：自然科學版，２０２１，４１（６）：７５－８３．

［８］ ＳＯＵＺＡ Ｂ Ｊ Ｏ，ＥＮＤＬＥＲ Ｍ． Ｅｖａｌｕａｔｉｎｇ Ｆｌｉｇｈｔ Ｃｏｏｒｄｉｎａｔｉｏｎ"Ａｐｐｒｏａｃｈｅｓ ｏｆ ＵＡＶ Ｓｑｕａｄｓ ｆｏｒ ＷＳＮ Ｄａｔａ Ｃｏｌｌｅｃｔｉｏｎ Ｅｎｈａｎｃｉｎｇ ｔｈｅ Ｉｎｔｅｒｎｅｔ Ｒａｎｇｅ ｏｎ ＷＳＮ Ｄａｔａ Ｃｏｌｌｅｃｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎｅｔ Ｓｅｒｖｉｃｅｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，２０２０，１１（１）：１－４４．

［９］ 李志堅，趙文棟，劉存濤． 基于塊坐標下降算法的空地無人平臺軌跡聯合優化［Ｊ］． 指揮控制與仿真，０２２，４４（４）：８－１５．

［１０］ ＷＵ Ｑ Ｈ，ＳＨＥＮ Ｆ，ＷＡＮＧ Ｚ，ｅｔ ａｌ． ３Ｄ Ｓｐｅｃｔｒｕｍ Ｍａｐｐｉｎｇ Ｂａｓｅｄ ｏｎ ＲＯＩｄｒｉｖｅｎ ＵＡＶ Ｄｅｐｌｏｙｍｅｎｔ ［Ｊ ］． ＩＥＥＥＮｅｔｗｏｒｋ，２０２０，３４（５）：２４－３１．

［１１］ 童敬輝，丁佩，花敏，等． 基于強化學習的無人機中繼網絡節點軌跡優化［Ｊ］． 通信技術，２０２３，５６ （１ ）：４９－５５．

［１２］ ＡＬＨＯＵＲＡＮＩ Ａ， ＫＡＮＤＥＥＰＡＮ Ｓ， ＬＡＲＤＮＥＲ Ｓ．Ｏｐｔｉｍａｌ ＬＡＰ Ａｌｔｉｔｕｄｅ ｆｏｒ Ｍａｘｉｍｕｍ Ｃｏｖｅｒａｇｅ［Ｊ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０１４，３（６）：５６９－５７２．

［１３］ ＬＹＵ Ｊ Ｂ，ＺＥＮＧ Ｙ，ＺＨＡＮＧ Ｒ，ｅｔ ａｌ． Ｐｌａｃｅｍｅｎｔ Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ＵＡＶｍｏｕｎｔｅｄ Ｍｏｂｉｌｅ Ｂａｓｅ Ｓｔａｔｉｏｎｓ ［Ｊ ］． ＩＥＥＥ"Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０１６，２１（３）：６０４－６０７．

［１４］ 曾治國，廖志芳． 無線傳感網絡中基于節點權值劃分的功率控制算法［Ｊ］． 湖南科技大學學報（自然科學版），２００９，２４（２）：６６－６９．

［１５］ 余雪勇，邱禮翔，宋家寧，等． 無人機輔助邊緣計算中安全通信與能效優化策略［Ｊ］． 通信學報，２０２３，４４（３）：４５－５４．

［１６］ ＷＵ Ｑ Ｑ，ＺＥＮＧ Ｙ，ＺＨＡＮＧ Ｒ． Ｊｏｉｎｔ Ｔｒａｊｅｃｔｏｒｙ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｄｅｓｉｇｎ ｆｏｒ ＭｕｌｔｉＵＡＶ Ｅｎａｂｌｅｄ Ｗｉｒｅｌｅｓｓ Ｎｅｔｗｏｒｋｓ"［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１８，１７（３）：２１０９－２１２１．

［１７］ ＬＩ Ｓ Ｘ，ＤＵＯ Ｂ，ＹＵＡＮ Ｘ Ｊ，ｅｔ ａｌ． Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ"Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ Ａｓｓｉｓｔｅｄ ＵＡＶ Ｃｏｍｍｕｎｉｃａｔｉｏｎ：Ｊｏｉｎｔ"Ｔｒａｊｅｃｔｏｒｙ Ｄｅｓｉｇｎ ａｎｄ Ｐａｓｓｉｖｅ Ｂｅａｍｆｏｒｍｉｎｇ ［Ｊ］． ＩＥＥＥ"Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０２０，９（５）：７１６－７２０．

［１８］ ＧＲＡＮＴ Ｍ， ＢＯＹＤ Ｓ． ＣＶＸ： Ｍａｔｌａｂ Ｓｏｆｔｗａｒｅ ｆｏｒ Ｄｉｓｃｉｐｌｉｎｅｄ Ｃｏｎｖｅｘ Ｐｒｏｇｒａｍｍｉｎｇ［ＥＢ ／ ＯＬ］． ［２０２３ － ０８ －１０］． ｈｔｔｐ：∥ｃｖｘｒ． ｃｏｍ ／ ｃｖｘ ／ ．

［１９］ ＴＡＮＧ Ｑ，ＬＩＵ Ｌ Ｘ，ＪＩＮ Ｃ Ｙ，ｅｔ ａｌ． Ａｎ ＵＡＶａｓｓｉｓｔｅｄ Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ Ｏｆｆｌｏａｄｉｎｇ Ｓｔｒａｔｅｇｙ ｆｏｒ Ｍｉｎｉｍｉｚｉｎｇ"Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎ ［Ｊ ］． Ｃｏｍｐｕｔｅｒ Ｎｅｔｗｏｒｋｓ，２０２２，２０７：１０８８５７．

［２０］ ＶＩＮＭＡＴＨＩ Ｍ Ｓ，ＪＯＳＥＰＨＩＮＥ Ｍ Ｓ，ＪＥＶＡＢＡＬＡＲＡＪＡ Ｖ．Ａｎ Ｅｎｅｒｇｙ ａｎｄ Ｄｅｌａｙ Ａｗａｒｅ Ｒｏｕｔｉｎｇ Ｐｒｏｔｏｃｏｌ ｆｏｒ Ｗｉｒｅｌｅｓｓ"Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ Ａｓｓｉｓｔｅｄ ＩｏＴ ｔｏ Ｍａｘｉｍｉｓｅ Ｎｅｔｗｏｒｋ"Ｌｉｆｅｔｉｍｅ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ａｄ Ｈｏｃ ａｎｄ Ｕｂｉｑｕｉｔｏｕｓ Ｃｏｍｐｕｔｉｎｇ，２０２２，４０（１ ／ ３）：１４８－１５８．

作者簡介

徐瑩瑩 女，（２００２—）。主要研究方向：無人機通信。

丁徐飛 男，（１９９８—），碩士研究生。主要研究方向：無人機通信、保密通信。

（*通信作者）田 文 男，（１９９２—），博士，講師。主要研究方向：無人機通信、保密通信。

劉光杰 男，（１９８０—），博士，教授。主要研究方向：網絡與通信安全。

基金項目：江蘇省研究生科研與實踐創新計劃（ＫＹＣＸ２３＿１３６２）