一种高动态网络拓扑下无人机群带宽资源分配方法

技术领域

本发明涉及无线通信领域，具体是一种高动态网络拓扑下无人机群带宽资源分配方法。

背景技术

地面应急通信业务在网络覆盖和系统吞吐量要求，单个无人机在板载硬件资源和覆盖区域方面的限制，无法满足服务要求。无人机群可以作为群组工作，为用户提供视线(视距)数据链路，从而可以提高服务质量(QoS)和网络吞吐量。此外，无人机具有敏捷性和可回收性，具备即插即用的灵活高效使用特性。但是，为了使系统吞吐量最大化，传统的无人机航迹改变解决方案消耗了太多的推进能量，这对无人机群的耐久性是不利的。因此，亟需有效的资源流动机制来保证无人机群通信的及时性和可靠性。除非能解决有效和可靠的带宽分配问题，否则将发生严重的用户间干扰，较差的链路质量，数据包丢失和飞机坠毁。

为更好的服务地面应急通信业务，提升用户通信满意度，无人机群采用mesh(无线网格网络)组网方式，该方式具备增强覆盖面积，减少机间信息传输跳数，节省飞机能源消耗的优势。此外，无人机群间通信以及无人机与地面用户通信均采用OFDM(正交频分复用)传输方式。

现有无人机群带宽资源分配方法主要采用用户固定接入配额方式，所有资源分配过程均在基站控制中心的统一调度下完成，无人机基站间缺乏资源按需流动方法，计算复杂度达到指数级。加拿大魁北克大学国家科学研究所Long Bao Le教授团队采用凸优化与二次变换交替优化的方法，解决了无人机群空中排布与带宽优化问题。该方案的所有分配过程由空中集中控制节点统一调配，在进行带宽资源分配前，用户需要将自己所有基站的链路信息上传至集中控制节点，随后该节点不断循环遍历所有用户的接入数据，构建吞吐量全局最优目标函数，随后通过凸优化解决该问题。该方法能实现全局最优的资源分配结果，计算复杂度达2

目前无人机群带宽资源分配的技术方案主要存在以下缺点：(1)计算复杂度高达指数级，无法克服不稳定空地链路状态与用户移动对网络拓扑稳定性的影响；(2)基站间缺乏带宽资源的动态按需流动，带宽资源利用率低；(3)用户连接配额固定，尚未根据不同的信道状态制定灵活的接入方式，网络健壮性难以保证。

发明内容

针对上述现有无人机群带宽资源分配技术存在的问题，本发明提出了一种基于匹配博弈理论的高动态网络拓扑下无人机群带宽资源动态分配方法，面向差异化业务需求，实现无人机群动态多对多匹配博弈“精简结合”，在满足用户时延要求的同时，最大化无人机群系统总吞吐量。

本发明提供了一种高动态网络拓扑下无人机群带宽资源分配方法，实现步骤包括如下：

步骤一、每个地面用户根据链路的QoS质量以及时延要求，计算与无人机群中的各无人机链路的用户通信满意度效用值，形成用户侧匹配偏好列表以及基站侧匹配偏好列表；

步骤二、基于匹配偏好列表通过精匹配算法进行无人机群与用户之间的链路匹配；链路匹配矩阵π记载各用户与各无人机之间连接匹配结果，矩阵中元素k

步骤三、用户依据链路匹配结果π与无人机群间建立链路连接进行通信；

步骤四、用户侧根据链路的瞬时QoS质量以及业务的时延需求，更新用户通信满意度效用值，更新用户侧匹配偏好列表以及基站侧匹配偏好列表；

步骤五、基于当前链路匹配结果π，使用简匹配算法动态调整无人机群的带宽分配，设得到更新的链路匹配矩阵π

步骤六、用户依据链路匹配结果π

所述的步骤一中，每个用户侧匹配偏好列表，记载按照该用户通信满意度效用值从大到小的顺序排列的无人机序列；每个基站侧匹配列表，记载按照各用户对无人机的通信满意度效用值从大到小的顺序排列的用户序列；所述的用户通信满意度效用值是用户链路可达速率与时延满意度的加权和。

所述的步骤二中，所述的精匹配算法包括两个阶段：

第一阶段，通过多对一匹配算法为部分用户进行无人机链路匹配，包括：对每个用户，根据用户侧匹配偏好列表按序向各无人机发送接入请求；无人机根据配额要求和当前获得的带宽资源，当满足用户的总带宽需求和配额要求时，接收用户接入请求，形成一条无人机与用户之间的链路匹配，否则，拒绝用户接入请求；在第一阶段匹配后获得部分用户的链路匹配结果π

第二阶段，通过基于三层拍卖框架的动态多对多匹配算法为

所述的链路匹配结果π

所述的步骤五中，简匹配算法包括：(1)遍历所有用户，找出所有单连接用户和多连接用户，建立两个矩阵

与现有技术相比，本发明方法的优点和积极效果在于：

(1)本发明提出了一种高动态网络结构拓扑下无人机群动态多对多匹配精匹配与简匹配算法，可实现无人机基站间带宽资源的高效按需分配，用户单连接/多连接连接方式灵活转换，能够克服网络中不稳定非视距链路及用户移动对网络拓扑结构稳定性的影响；

(2)本发明提出了一种基于三层拍卖框架的无人机群动态多对多带宽分配方法，即精匹配算法，以实现全局网络带宽资源优化，更新所有用户的接入策略，与传统带宽分配方法相比，复杂度由指数级下降至线性级。

(3)为进一步适应网络拓扑的高动态特性，本发明在精匹配算法的结果上提出了一种交换匹配方法，即简匹配算法，以实现不稳定单连接用户和多连接用户之间的局部动态匹配资源交换，相比于精匹配算法，可实现系统吞吐量次优解决方案，但具有更低的复杂度。

(4)将本发明方法与现有方法对无人机群带宽分配进行仿真实验，仿真结果表明，与传统的多对一匹配算法相比，本发明的精匹配和简匹配实现的系统吞吐量分别提高了55％和38％；与传统的集中优化算法相比，本发明的精匹配和简匹配都具有较低的复杂度，而简匹配算法的复杂度仅为精匹配算法的40％；因此采用本发明方法能够更快、更好地对无人机群带宽分配，完成无人机群动态多对多带宽分配的任务。

附图说明

图1是本发明方法所应用的一个无人机群动态带宽资源分配网络的场景示例图；

图2是本发明的高动态网络拓扑下无人机群带宽资源分配方法的一个实现流程示意图；

图3本发明方法在进行无人机群动态带宽分配时使用的多对一匹配算法流程图；

图4是本发明的基于三层拍卖框架的无人机群带宽多对多匹配方法的流程图；

图5是本发明使用的无人机群带宽简匹配方法的流程图；

图6是本发明方法与现有方法在不同用户数量下系统吞吐量对比图；

图7是本发明方法与现有方法的系统吞吐量随时间的演变关系图，其中，(a)为正常运动场景下的仿真图，(b)快速运动场景下的仿真图；

图8是本发明方法与现有方法在不同用户数量下系统平均时延满意度对比图；

图9是本发明方法与现有方法在不同用户数量下系统匹配率和成功切换率对比图；

图10是本发明方法与现有方法的算法迭代次数随时间的演变关系图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在图1所示的无人机群动态带宽资源分配网络中，在所有无人机升空且组网完成后，无人机群UAV 1,UAV 2,…UAV N以编队形式以低速周期运动或静止状态完成给定的带宽分配任务，控制拍卖中心(ACC)为无人机基站分配带宽资源，无人机与用户之间存在多对多匹配链路及多对一匹配链路。

设无人机群用集合

无人机群带宽分配网络中，为了帮助时延敏感型业务用户竞争到更高质量的带宽资源，用户通信满意度效用函数将同时考虑用户链路可达速率与差异化业务时延要求。本发明中，用户通信满意度效用函数U

本发明参考3GPP无人机空地信道模型，其中无人机基站与地面用户间的空地链路直射路径(LoS)概率取决于无人机高度、飞机与地面用户坐标以及载波频率。本发明分别使用u

其中，PL

其中，参数d

相应地，用户每Hz带宽可达速率C

其中，

业务时延包含传输时延t

进一步，基于用户业务时延要求t

其中τ＝T

其中，λ

本发明方法的核心挑战在于如何克服空地信道的高动态变化以及用户业务分布的动态流动对机群网络拓扑稳定性的影响，研究高动态网络拓扑环境下无人机群与多用户间的多对多带宽资源高效分配问题，在满足业务时延要求的情况下，最大化无人机群系统总吞吐量。本发明将无人机群通信系统建模为如下最优化问题：

s.t.

其中，优化系统目标OPT如公式(10)所示，在满足业务时延要求的情况下，最大化无人机群系统总吞吐量。约束条件s.t.如公式(11)～(15)所示。k

本发明在解决目标问题时，需要克服无人机群网络拓扑结构的高动态性，用户可以采取动态多连接的方式选择无人机空地链路；无人机群内部通过三层拍卖架构，实现链路质量与业务需求快速波动下带宽资源动态按需流动。本发明基于匹配博弈理论实现高动态网络拓扑结构下无人机群与多用户间的带宽资源动态多对多资源分配。匹配理论可以最大程度地减少计算复杂度，并克服传统博弈论方法和集中优化算法的全局信息遍历限制。本发明提供的一种高动态网络拓扑下无人机群带宽资源分配方法，一个实现流程如图2所示，主要包括如下几个步骤。

第一步，根据链路的QoS质量以及时延需求，计算与各无人机基站链路的用户通信满意度效用值，按照效用值从大到小的顺序排列无人机基站，形成用户-基站匹配偏好列表，包括用户侧匹配偏好列表以及基站侧匹配偏好列表。用户侧匹配偏好列表记载按照该用户通信满意度效用值从大到小的顺序排列的无人机序列。基站侧匹配列表记载按照各用户对无人机的通信满意度效用值从大到小的顺序排列的用户序列。

第二步，基于匹配偏好列表通过精匹配算法进行无人机群与用户之间的链路匹配，获取链路匹配矩阵π；用户依据链路匹配结果π与无人机群间建立链路连接进行通信。

第三步，用户侧根据链路的瞬时QoS质量以及业务的时延需求，更新用户通信满意度效用值，更新用户侧匹配偏好列表以及基站侧匹配偏好列表。

第四步，基于当前链路匹配结果π，使用简匹配算法动态调整无人机群的带宽分配，设得到更新的链路匹配矩阵π

本发明实施例中，执行的第二步精匹配过程和第四步地简匹配过程为循环交替的过程，即以一次精匹配后执行若干次简匹配为循环周期，在无人机群带宽分配过程中不断循环该周期。

本发明创新性地提出了一种面向差异化业务需求的无人机群动态多对多匹配博弈“精简结合”方法，将基于公式(10)-(15)的优化问题计算求解的复杂度由指数级降低至线性级。首先，本发明提出一种基于三层拍卖框架的无人机群动态多对多带宽分配方法，即精匹配算法，以实现全局网络带宽资源优化，更新所有用户的接入策略；与传统算法相比，精匹配算法将复杂度由指数级下降至线性级。其次，为进一步适应网络拓扑的高动态特性，在精匹配算法的结果上本发明进一步提出了一种交换匹配方法，即简匹配算法，以实现不稳定单连接用户和多连接用户之间的局部动态匹配资源交换，相比于精匹配算法，简匹配算法可实现系统吞吐量次优解决方案，但具有更低的复杂度。下面分别说明本发明提出的精匹配算法和简匹配算法的实现。

(1)首先说明无人机群动态带宽分配的精匹配算法的实现，分为两个步骤：第一步，对于信道状态较好的LoS用户，通过多对一匹配算法，标记为算法1，实现高质量稳定单连接链路；第二步，对于剩余用户，包括NLOS路径用户以及未匹配的LoS路径用户，通过基于三层拍卖框架的动态多对多匹配算法，标记为算法2，建立用户与多无人机间动态多连接链路，实现带宽资源的高效按需流动。

基于经典学生-项目分配(SPA)问题，本发明首先将无人机群与用户业务之间的带宽分配问题建立为多对一匹配问题。采用算法1为信道质量好的LoS用户建立高速稳定的单连接空地通信链路。为了满足用户承载业务的通信时延需求，根据公式(7)，用户D

公式(16)中，

本发明将多用户与无人机群间带宽资源单连接分配问题建立为单侧匹配偏好的多对一匹配问题，多对一匹配算法1的一个伪代码如下所示，实现流程如图3所示。

其中，用户侧匹配偏好列表

上述流程中，对于未匹配用户列表

算法1结束后，无人机群系统内的NLOS路径用户以及部分信道质量差的LoS路径用户仍然未匹配无人机带宽资源。在高动态网络拓扑环境下，为增强无人机群系统健壮性，本发明提出一种三层拍卖架构的无人机群动态多对多带宽匹配算法，即算法2，为这些用户提供多条并行传输通信链路，使用户能够在一条链路性能下降时保证应急通信服务不被中断，同时实现带宽资源动态高效按需流动，进一步提升系统带宽资源利用率。

三层拍卖垂直架构分别为用户层、无人机群空中基站层以及拍卖控制中心层(ACC)。所有NLoS路径用户以及未匹配链路的LoS用户为用户集合

其中，d

定义r

为了保证DAP的良性竞争，本发明分别设计无人机层与ACC层的拍卖效用函数

其中，p

综上所述，无人机群系统带宽最优分配问题可以建立为线形约束条件下系统总收入R最优化问题，如公式(25)-(26)所示。

s.t.

然而，对于传统集中式线性规划算法而言，ACC需要知道系统内所有用户的全部拍卖信息，算法计算复杂度达到指数级。本发明提出一种低复杂度DAP解决该带宽资源流动问题，ACC只需要知道每架无人机在当前时刻的带宽竞拍需求b

无人机群经过带宽动态按需流动后，本发明将多连接用户

如图4所示为实现算法2的流程，伪代码如下所示。

如上所述，对由算法1输出的未匹配的用户集合

阶段1执行动态拍卖过程，获取最终带宽分配矩阵R。在迭代过程中，判断是否满足条件

阶段2执行无人机群系统带宽资源多对多匹配。主要包括：(21)每个未匹配用户D

精匹配的匹配结果为多对一匹配与多对多匹配矩阵的并集π＝π

(2)其次说明无人机群动态带宽分配简匹配算法的实现。通过上面精匹配能够实现全局网络带宽资源优化，更新所有用户的接入策略，复杂度由传统集中式算法O(2

首先定义匹配阻塞对：如果用户-用户对(D

先阐述简匹配过程中用户资源交换过程与效用函数值更新过程。定义简匹配前用户D

其中，满足(26)的用户对(D

简匹配方法的实现流程如图5所示，伪代码如下所示。

如上所述，简匹配的实现过程主要是：

首先，建立单连接-多连接匹配阻塞对矩阵

然后，分别遍历矩阵

对本发明求解目标所用的精简匹配算法复杂度进行分析。精匹配的算法复杂度分为两部分，其中算法1的复杂度为O(M·N)，M·N代表所有参与者(用户、无人机)的偏好列表总长度。算法2中DAP阶段，每架无人机均需要遍历接收到的多连接用户

表1算法复杂度比较

通信开销是系统设计中的关键问题，其中端到端间通信需要用户与基站间的信息交换。因此，在整个匹配过程中测量(U

对本发明提出的方法进行仿真实验，仿真结果如图6～图10所示。

仿真核心参数如下：

仿真中定义了3种运动速度，分别为15m/s(模拟汽车速度)，7.5m/s(模拟自行车速度)以及1.5m/s(模拟步行速度)。模拟了两种运动场景，其中正常运动场景中用户三种运动速度的发生概率分别为0.1,0.4,0.5，快速运动场景中的概率分别为0.5,0.4,0.1。仿真中，未说明用户运动场景的对比图均采用正常运动场景。

如图6所示，将本发明方法与现有方法在不同数量的用户之间的系统吞吐量进行比较。现有方法包括Exhaustive Search(穷举搜索算法)、Ramdom access(随机搜索算法)、Many-to-one matching(经典多对一匹配算法)。本发明方法分为精匹配(算法1和2)和简匹配(算法3)，简匹配是在精匹配的结果之上进行的。横坐标为用户数量，纵坐标为吞吐量，单位为比特每秒(bps)。仿真结果表明，穷举搜索算法的系统吞吐量数值与本发明的精匹配算法相似，本发明所提出的精匹配和简匹配的系统吞吐量较经典多对一匹配算法分别提高了55％和38％。

图7给出了系统吞吐量随时间的演变关系。系统内有20个无人机和300个用户，横坐标为网络中的时间演变，单位为秒，纵坐标为吞吐量，单位为比特每秒(bps)。可以发现，如果用户不更新其资源匹配对，则随着用户继续随机移动，系统吞吐量将继续下降。图7(a)表示在正常移动情况下，精匹配算法和简匹配算法的系统吞吐量表现非常相似，并且均优于经典多对一匹配算法。图7(b)表示当用户随机移动速度加快时，尽管本发明的精匹配和简匹配的系统吞吐量有所下降，但吞吐量数值上依然能保持稳定且优于经典多对一匹配算法。图7中，Full matching without iteration是指维持第一次精匹配的匹配结果不变的情况下，随着时间演变的系统吞吐量；Many-to-one matching without iteration是指维持第一次经典多对一匹配算法的匹配结果不变的情况下，随着时间演变的系统吞吐量。

图8表示不同用户数量下系统总平均时延满意度的比较结果。横坐标为用户数量，纵坐标为时延满意度。图8中，基于公式(6)进行系统总平均时延满意度的比较，基于公式(9)将用户的时延需求纳入到通信满意度效用函数后进行满意度比较。从图中看出，精匹配算法的平均时延满意度比经典多对一匹配算法提升了40％。作为次优解决方案，使用简匹配算法后，用户的时延满意度提高了20％。

图9给出不同用户数量下系统匹配率(Matching ratio)和成功切换率(Successful handover ratio)的比较结果。横坐标为用户数量，纵坐标为系统匹配率(Matching ratio)或成功切换率(Successful handover ratio)的百分比。首先，与传统的多对一匹配算法相比，精匹配算法可以在相同的总带宽资源下服务更多的用户，因此匹配率更高。此外，通信开销与成功切换率成正比，用户间每成功切换一次接入状态均需产生额外通信开销。图中成功切换率的趋势表明简匹配算法的实际通信开销比表1中分析的要低，且仅为精匹配算法的40％。与简匹配相比，精匹配算法可以获得更高的系统吞吐量，但计算复杂度更高。相应地，简匹配可以更好地适应无人机网络拓扑的动态变化，但不能为新加入或离开网络的用户分配资源。因此，在精匹配和简匹配之间交替的新模式不仅可以提高系统吞吐量，而且可以适应无人机网络拓扑的动态变化。

图10表示本发明的精匹配算法和简匹配算法在算法迭代次数上与经典多对一匹配算法随时间的演变关系。横坐标为网络中的时间演变，单位为秒，纵坐标为算法迭代的次数。尽管精匹配算法的迭代次数比经典多对一匹配算法多13％，但是它可以实现全局网络带宽资源优化，并更新所有用户的信道访问策略，如图6所知系统吞吐量提升55％。简匹配算法的迭代次数远小于精匹配算法。图9和图10中的结果均表明简匹配算法具有较低的算法复杂度，因此可以更好地适应无人机网络拓扑的动态变化。

综上，本发明提出的高动态网络拓扑下无人机群带宽资源分配方法，具有复杂度低，资源高效按需流动及用户连接方式多样的优点。现有技术采用集中式凸优化方法解决多基站多用户静态资源分配问题，用户只能以固定连接配额接入基站，复杂度为指数级。本发明基于匹配博弈理论，通过用户端基于偏好列表选择最优接入基站，基站端根据用户接入需求自主控制资源分配的方式，降低用户偏好列表搜索数量，复杂度由指数降低为线性。本发明在精匹配中构建了无人机群带宽资源拍卖市场，通过自适应定价调整机制寻找到带宽拍卖最优解，最大化带宽资源利用率。通过精简结合的匹配方式，每个用户可以根据自身链路状态灵活选择单连接/多连接接入方式，提升了无人机群网络的鲁棒性。经过试验证明，本发明基于匹配理论的实现方法，由于其低复杂度，快速收敛和偏好选择而被证明是解决无线通信问题的有用工具。