面向任务的无人机自组网簇首选举改进算法.pdf
《面向任务的无人机自组网簇首选举改进算法.pdf》由会员分享,可在线阅读,更多相关《面向任务的无人机自组网簇首选举改进算法.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 56 卷 第 8 期2023 年 8 月通信技术Communications TechnologyVol.56 No.8Aug.2023950文献引用格式:郝向宇,马文峰,王聪,等.面向任务的无人机自组网簇首选举改进算法 J.通信技术,2023,56(8):950-956.doi:10.3969/j.issn.1002-0802.2023.08.005面向任务的无人机自组网簇首选举改进算法*郝向宇1,马文峰2,王 聪2,田 辉2,朱 熠2,于 琼2(1.中国人民解放军陆军工程大学 通信工程学院,江苏 南京 210007;2.中国人民解放军陆军工程大学 野战工程学院,江苏 南京 210007
2、)摘 要:针对无人机群分簇网络中由于节点高移动性和能量受限导致簇结构不稳定和簇首频繁更新的问题,提出一种基于稳定性改进的加权簇首选举算法(Stability Improved Weighted Cluster Head Selection Algorithm,SI-WCSA)。首先,根据分配的任务确定簇的规模;其次,综合考量节点的移动性、能量、节点度和距离 4 种因素加权选举簇首,对移动性度量指标进行改进并提出 3 种能量消耗速率;最后,采用基于层次分析法和熵值法的组合赋权法计算贴合场景的指标权重。仿真结果表明,该算法能选取最优簇头,优化评估指标以减少节点移动性对网络生存时间的影响,降低簇首更
3、换次数,均衡簇内节点能量,提升网络的鲁棒性,并且组合赋权法选取的权重系数将无人机网络的生存时间增加了 6%。关键词:簇首选举;移动性度量;SI-WCSA 算法;组合赋权中图分类号:TN929.5 文献标识码:A 文章编号:1002-0802(2023)-08-0950-07Modified Cluster Head Selection Algorithm for Mission-Oriented UAV Ad-hoc NetworksHAO Xiangyu1,MA Wenfeng2,WANG Cong2,TIAN Hui2,ZHU Yi2,YU Qiong2(1.School of Commu
4、nication Engineering,Army Engineering University of PLA,Nanjing Jiangsu 210007,China;2.School of Field Engineering,Army Engineering University of PLA,Nanjing Jiangsu 210007,China)Abstract:To address the problems of unstable cluster structure and updating of frequent cluster head caused by high mobil
5、ity and energy constraints in UAV cluster clustering network,a SI-WCSA(Stability Improved Weighted Cluster head Selection Algorithm)is proposed.First,the scale of cluster is determined according to the assignment.Then,four factors of mobility,energy,degree and distance of nodes are considered to wei
6、ght the election of cluster heads,improve the mobility metric and propose three energy consumption rates.Finally,a combination weight calculation methodology based on hierarchical analysis and entropy value method is used to calculate the weights of the indicators that fit the scenario.Simulation re
7、sults indicate that the algorithm could select the optimal cluster head,optimize the evaluation metrics to reduce the impact of node mobility on network survival time,and at the same time reduce the frequency of cluster head replacement,balance the energy of nodes in the cluster,and improve the robu
8、stness of the network.The UAV network survival time is increased by 6%with the impact of combination weight calculation methodology.*收稿日期:2023-05-14;修回日期:2023-07-15 Received date:2023-05-14;Revised date:2023-07-15基金项目:国家自然科学基金(62001515,61771486);国家杰出青年科学基金(62103441)Foundation Item:National Natural S
9、cience Foundation of China(62001515,61771486);National Science Fund for Distinguished Young Scholars of China(62103441)951第 56 卷第 8 期郝向宇,马文峰,王聪,田辉,朱熠,于琼:面向任务的无人机自组网簇首选举改进算法0 引 言随着无人化概念的快速普及和通信、控制等关键技术的蓬勃发展,无人机作为一种新兴的战斗武器广泛应用在战场。无人机集群由多架承担相同任务的无人机组建而成,它具有抗毁性强、拓展性高、覆盖范围广等特点,可以高效完成战场情报搜集、作战区域观察、目标打击等作战
10、任务1-2。无人机间建立高效稳定的通信网络是协调完成任务的前提,而飞行自组织网络(Flying Ad-hoc Network,FANET)3-4是无人机集群构建的常见通信网络之一,它不依赖地面基础通信设施,并在无人机之间建立分布式网络。由于无人机集群网络中节点规模大、运动速度快并且在三维空间内移动,导致网络拓扑结构变化频繁,通常采用分簇5方式对无人机集群进行分级管理,将承担相同任务的无人机集群划分为同一簇,通过选举合适的簇头管理无人机网络。然而,分簇网络中的簇头会成为网络的瓶颈,这是因为:一方面,FANET 由于具有高速移动性会导致频繁的拓扑变化,进而造成簇头的快速更替,网络需要持续进行信息交
11、互,产生大量网络开销;另一方面,簇头的能量消耗速率高于簇内其他成员节点,簇头的剩余能量影响网络生存周期,因此高效的簇首选择算法是面向任务的无人机 FANET 网络的关键技术 之一。随着分簇算法的发展和改进,众多与之对应的簇首选择算法也被相继提出。文献 6 将全网无人机节点分配唯一标识 ID 号,选取 ID 号最小的无人机节点作为簇首;文献 7 和文献 8 分别将节点度和移动性作为簇首选举的衡量指标,选取最多邻居节点数和移动性最小的节点作为簇首;文献 9 提出了加权分簇算法(Weighted Clustering Algorithm,WCA),通过综合考虑节点的节点度、距离、移动性和担任簇头的节
12、点能量等多方面因素,使得簇首选取更适应网络场景。随着加权分簇算法的普及和发展,学者们提出了一些改进的 WCA 算法以适应不同的场景需求。文献 10 提出了一种自适应安全加权分簇算法,防止分簇过程中将恶意节点选举为簇首节点,引入安全信誉度;文献 11 提出了一种用于飞行自组网的智能分簇路由方案,根据节点的位置信息和能量计算自适应值最高的节点作为簇头,并引入簇头重选机制来维持簇的稳定性;文献 12 提出了一种改进的多参数组合加权分簇算法,进一步改进平均链路保持率和移动性衡量指标,能够更准确地描述高速运动带来的位置变化和链路的持续周期。然而针对节点规模大、拓扑变化快的无人机集群网络环境,分簇算法需同
13、时考虑节点在三维空间中的运动规律、节点之间的分布距离、无人机的能量消耗、网络的稳定性等因素,才能满足差异化环境下多样性任务的需求,而上述方法难以满足该场景下的对簇首选择的性能要求。本文提出一种基于稳定性改进的加权簇首选举算法(Stability Improved Weighted Cluster Head Selection Algorithm,SI-WCSA)。首先,控制中心根据任务分配指定执行该任务的无人机数量,构建无人机集群网络和系统模型;其次,对于执行相同任务的无人机集群,综合考虑速度相似度、节点度、平均距离和剩余能量 4 项指标进行加权簇头选择,增强簇头选举的精确性和网络负载能量消耗
14、的均衡性;最后,对于权重系数的分配优化问题,设计一种基于层次分析法和熵值法的组合赋权方法,区分指标影响程度和场景侧重计算权值。仿真结果表明,该算法选举的簇首能够克服节点高速移动性影响,使簇首能量消耗均衡,延长无人机网络生存周期,减少簇首更换的次数,保持稳定的簇结构。1 系统模型面向任务的无人机飞行自组网由任务无人机和地面决策中心组成,决策中心根据战场态势确定特定任务并启用需求数量的无人机,它们从集结区域起飞,飞往目标作业区域后展开作业,系统模型的场景如图 1 所示。集结区域任务区域图 1 系统模型Keywords:cluster head selection;mobility metric;S
15、I-WCSA(Stability Improved Weighted Cluster head Selection Algorithm);combination weight calculation methodology952通信技术2023 年通常情况下,假设承担任务的无人机数量不超过 32 架,无人机簇内通信限制在 3 跳内。无人机运动方向和速度在限制范围内随机生成,并跟随仿真时间每秒不断变化,无人机间通过发送HELLO 包周期性交换信息,HELLO 包结构如表 1 所示。表 1 HELLO 包分组加密信息节点 ID簇首 ID速度位置距离能量一跳邻居信息二跳邻居信息节点权值2 SI-WC
16、SA 算法设计实现2.1 度量指标的选取和改进在无人机飞行自组网中,无人机节点移动速度较高,平均移动速度、速度差等指标表示节点移动性无法体现节点间相对运动趋势,而速度相似度能较准确地反映节点运动变化趋势。综合考虑任务无人机的运动速度和方向,用任意两个节点的速度差的标准差表示节点速度相似度,标准差越小,节点运动状态和簇内其他节点越接近。节点i和节点j在x,y,z三维坐标轴的速度差分别为:vx=vjx-vix=vjcosj-vicosi(1)vy=vjy-viy=vjcosj-vicosi(2)vz=vjz-viz=vjcosj-vicosi(3)式中:vi,vj分别为节点i和节点j的初始速度;v
17、jx,vjy,vjz分别为节点j在x,y,z轴的速度;vix,viy,viz分别为节点i在x,y,z轴的速度;j,i分别为节点j,i与x轴的夹角;j,i分别为节点j,i与y轴的夹角;j,i分别为节点j,i与z轴的夹角。假设节点j有N个邻居节点,则节点j与其邻居节点在x轴方向上的平均速度差为:1(coscos)NjjiiijxvvvN=(4)式中:cosj,cosi分别为节点j,i与x轴夹角的余弦值。同理可得到节点j在y,z轴方向的平均速度差v-jy,v-jz。节点j与节点i在x,y,z轴的速度差的标准差分别为:1/2211()NjxjxxivvN=(5)1/2211()NjyjyyivvN=(
18、6)1/2211()NjzjzzivvN=(7)据此可以求出节点j与邻居节点的速度相似度为:222jjxjyjzM=+(8)平均速度差能体现节点j和邻居节点速度的相似度;标准差能够排除极端值节点的影响。速度相似度Mj越大,说明节点的速度相似度越小,该节点的移动速度变化越频繁。飞行自组网是一个动态的网络,节点位置时刻在变化,选择合适位置的节点作为簇首,能够减少成员节点和簇首通信距离,避免转发跳数增加。在广播 HELLO 包过程中,通过全球定位系统(Global Positioning System,GPS)获取位置信息。因此计算簇内节点j到其他节点的平均距离为:22211()()()Njijij
19、ijiDxxyyzzN=+(9)剩余能量是影响无人机节点生存周期的关键指标。无人机由于使用电池供电且体积受限,随着无人机的连续飞行和通信模块的持续运行,其能量会逐渐消耗尽,造成通信链路中断。因此,将节点剩余能量作为一项度量指标。本文假设所有无人机的初始电量相同,簇头通信消耗的能量是普通节点的3 倍。依据无人机能量消耗规律13,对无人机飞行电量的消耗分以下 3 种情况讨论:(1)无人机节点飞行速度在 110 m/s 低速飞行区间,能量消耗速率为1;(2)无人机节点飞行速度在 1040 m/s 中速飞行区间,能量消耗速率为2;(3)无人机节点飞行速度大于 40 m/s,在高速飞行区间,能量消耗速率
20、为3。通过计算通信和飞行能量消耗可以计算无人机节点j的剩余能量为:Ej=E-(Ec+)tc-(Em+)tm(10)式中:Ec为担任簇头单位时间内消耗的能量;tc为担任簇头的时间;Em为担任簇内成员节点单位时间内消耗的能量;tm为担任簇内成员节点的时间;为无人机飞行的能量消耗速率。节点度即无人机飞行空域内邻居节点的个数,由于网络带宽等条件的约束,无人机簇规模被限制在特定范围。节点度越高,节点与周围邻居节点连接的数量越多,网络带宽利用率越高。用Nj表示节点j的节点度,则有:953第 56 卷第 8 期郝向宇,马文峰,王聪,田辉,朱熠,于琼:面向任务的无人机自组网簇首选举改进算法 ,jiji C i
21、jNdR=(11)式中:dij为无人机节点j到节点i的距离;C为无人机簇内节点的集合;R为无人机节点最大通信半径。由于上述度量指标是在不同的数量级上计算的,因此在计算综合权重时,应对上述指标进行归一化处理。采用了基于线性归一化14的方法,将转换函数映射到 0,1 区间,则有:minmaxminrrrrr=(12)式中:r为上述 4 种无人机节点度量指标某一项的计算值;rmax和rmin分别为在一个 HELLO 包广播周期内,无人机接收获得该项指标的最大值和最小值;r 为通过归一化方法得到的指标值。定义通过处理得到的节点j的速度相似度为Mj、剩余能量为Ej、节点平均距离为Dj、节点度为Nj。对4
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 面向 任务 无人机 组网 首选 改进 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。