基于模糊逻辑的异型无人机中继网络接入点选择算法*

唐新丰，李 洪，王星来，夏国江，周 力



基于模糊逻辑的异型无人机中继网络接入点选择算法*

唐新丰1，李 洪2，王星来1，夏国江1，周 力3

（1 北京宇航系统工程研究所 北京 100076；2 中国航天科技集团有限公司 北京 100048；3 国防科技大学 长沙 410073）

针对单一无人机中继网络中源节点数据业务需求量分布不均引起的局部数据拥塞问题，提出一种由固定翼无人机和旋翼无人机组成的异型无人机中继网络模型。在此基础上，探讨异型无人机网络和用户间的接入点选择算法，提出适用于异型无人机中继网络的基于模糊逻辑理论的接入点选择算法。在异型无人机中继网络环境下，仿真分析比较所提算法和传统算法在网络吞吐量和中断频率方面的性能差异，结果表明所提算法能使异型无人机中继网络具有更高的吞吐量和更低的中断频率。

异型中继；模糊逻辑；接入点选择；吞吐量；中断频率

引 言

军事领域以及应急通信保障领域中，侦察设备和监管设备数据业务量的增加要求中继系统具有较高的通信速率来保证数据传输的稳定。

当前，无线通信中继多采用以无人机为平台构建的空中通信中继系统。而大多数与无人机中继相关的研究都是关于路由协议设计，避免通信链路中断[1-4]，或者是研究如何克服通信约束对无人机路径规划的影响[5-8]。随着通信终端功能的扩展，需要借助无人机进行传输的数据量越来越大，网络中数据业务分布不均造成网络拥塞的现象也更加严重。

已有的提高无人机中继系统吞吐量的研究主要集中在物理层，如物理层网络编码技术、自适应调制技术、分集技术等[9]。虽然网络整体的吞吐量得到提高，但仍然不能有效解决由局部节点数据需求量骤增而引起的网络局部数据拥塞问题。

本文首先提出一种解决因网络中局部数据业务需求量骤增而引起的数据拥塞问题的异型无人机中继网络模型；其次，针对网络中的活跃用户选择哪种无人机作为网络接入点的问题，引入信号强度策略（SSS）算法，提出一种基于模糊逻辑的接入点选择算法；然后仿真比较异型无人机中继网络和单一类型无人机中继网络的系统吞吐量差异，并在异型无人机中继网络环境下对SSS算法和所提算法分别进行仿真，比较两者在网络数据吞吐量和通信中断频率方面的性能差异。

1 异型无人机中继网络模型

1.1 通信网络模型

旋翼无人机主要利用旋翼产生的气流冲击效应获得升力，其优点是机动性好，定位精度高，可以与地面用户建立稳定的数据链路，但是其飞行速度慢，续航差，无法对局部数据拥塞做出快速反应。固定翼无人机飞行时靠机翼产生的升力保持飞行高度，其优点是飞行速度快，续航时间长，可以快速到达数据需求量突然增加的区域，但也正是由于其飞行速度快，因此无法长时间保持稳定的数据链路[10]。

为了解决局部数据拥塞问题，本文提出了一种由旋翼无人机和固定翼无人机组成的异型无人机网络，网络模型如图1所示。首先，为每个六边形小区分配一台旋翼无人机。其次，为应对突发事件，如某些小区内数据需求量骤增，考虑在旋翼无人机组成的网络基础上加入若干固定翼无人机。假设所有无人机组成移动Ad Hoc网络（MANETs），并且使用OLSR路由协议。当系统中无突发事件时，固定翼无人机随机地选择小区，并在小区内绕飞，为小区内活跃用户提供数据中继服务。当系统检测到某些旋翼无人机无法满足当前小区内数据需求时，固定翼无人机转移到这些小区，和其中的旋翼无人机一起为小区活跃用户提供数据中继服务。

图1 异型无人机网络模型

1.2 作用效能分析

由于固定翼无人机具有更高的灵活性，可以快速转移至发生数据拥塞的小区，因此理论上可以解决单一类型无人机中继网络中存在的局部数据拥塞问题。即使图1网络模型中没有出现数据拥塞的小区，固定翼无人机也可以随机选择小区绕飞，协同旋翼无人机为小区活跃用户提供数据中继服务，有效避免了资源的浪费。

1.3 可行性分析

旋翼无人机可以在空中悬停，因此可以为当前小区活跃用户提供稳定的数据中继服务。根据无人机中继平台的覆盖范围和固定翼无人机的最小转弯半径可以得知，固定翼无人机具有在小区间快速转移的能力和沿小区绕飞的能力。

该网络模型主要作为应急情形中的通信手段，如抢险救灾、山区救援中的通信保障等，具有一定的商业价值。

2 基于模糊逻辑的接入点选择算法

本小节主要研究一个小区内活跃用户是选择固定翼无人机还是旋翼无人机作为中继节点的问题。首先讨论传统的信号强度策略（SSS）接入点选择算法。

2.1 信号强度策略（SSS）算法

在IEEE 802.11标准协议中，终端动态地比较接收到的从不同信号源发来的信号的强度，并实时切换到信号强度最大的信号源[11]。异型无人机网络中，用1,u和2,u分别表示小区活跃用户u接收到固定翼无人机和旋翼无人机的信号强度。则SSS算法的接入点选择过程就是判断1,u和2,u的大小，哪个信号强就选哪个。

异型无人机网络不同于无线局域网，由于固定翼无人机一直移动，使用SSS算法的异型无人机网络相比于单一类型无人机网络虽然具有更大的数据吞吐量，但通信链路中断频率也更高。

2.2 基于模糊逻辑理论的方法

图2 模糊逻辑系统结构

图3 模糊化过程示意图

模糊逻辑理论最初起源于Zadeh L A在1965年创立的模糊集合论[12]。1973年他给出了模糊逻辑的定义和相关的定理[13]。图2为模糊逻辑系统的结构框图。系统由模糊化模块、模糊推理模块、去模糊化模块三部分构成。

模糊化模块输出的两个向量进入模糊推理模块，由模糊推理模块根据已有的模糊规则表，将两个输入向量转化成一个反映接入固定翼无人机优越度的向量。模糊化规则表通常根据经验设定，根据之前的分析，设计的模糊化规则如表1所示，所有的模糊逻辑运算均选择“与”运算。以规则1为例，当用户排队的队长很长且用户收到的固定翼无人机信号很强时，该用户非常适合接入到固定翼无人机网络中。相反，规则3表示，如果用户收到的固定翼无人机信号强度很低，则该用户不适合接入到固定翼无人机网络中。

表1 异型无人机网络接入点选择算法模糊化规则

模糊推理模块输出的向量是反映接入固定翼无人机优越度的模糊值。为了得到清晰化的优越度，必须进行去模糊化处理。去模糊化通常有最大隶属度法和重心法两种方法。后者精度较高，因此本文选择使用重心法。设定每个子函数均为梯形函数，表达式为：

其中为待求的优越度。每一种状态对应的、、、值不同，而且要保证两个相邻的子函数存在重叠区域。设定“低”状态对应的子函数参量为=0、=0、=0.2、=0.4，“中”状态对应的子函数参量为=0.2、=0.5、=0.5、=0.8，“高”状态对应的子函数参量为=0.6、=0.8、=1、=1。图4为一个去模糊化的示例。图中阴影部分为低于子函数和状态值部分所组成的区域，三个状态相关的阴影部分合成整个阴影区域。阴影区域上边沿用函数表示。使用重心法，得到的优越度表达式为

将模糊系统输出的优越度存入寄存器中，计算当前小区中所有处于排队状态用户的优越度，然后按优越度从大到小的顺序将用户分配到固定翼无人机网络中，直到耗尽其通信资源。

3 异型无人机中继网络仿真

3.1 仿真参数设定

仿真所用的基本参数如表2所示，小区中活跃用户位置呈随机分布，用户数据速率需求在表中所示范围内呈随机分布，整个无人机系统组成MANETs网络，并且使用OLSR路由协议。为方便分析，整个仿真过程中，固定翼无人机始终处于同一小区内。采用多次仿真求平均的方法，仿真周期为固定翼无人机环绕小区飞行一周的时间。设定仿真次数为100次。

表2 仿真所用基本参数

图4 重心法去模糊化示例

3.2 系统单周期吞吐量仿真与分析

在一个仿真周期内仿真得到的旋翼无人机单周期数据吞吐量随活跃用户数变化的折线如图5所示。作为参考，图中用虚线绘制了用户所需的数据吞吐量随用户数变化的折线。从仿真结果可以看出，当小区活跃用户数不大于3时，旋翼无人机可以单独为当前小区活跃用户提供正常中继服务。当小区活跃用户数在4到6之间时，相比于SSS算法，采用所提算法的旋翼无人机具有略高的吞吐量，且达到饱和值。当小区活跃用户数在7及以上时，采用SSS算法的旋翼无人机吞吐量也达到饱和，采用两种算法的旋翼无人机具有几乎相同的吞吐量。

图6绘制了固定翼无人机单周期数据吞吐量随活跃用户数变化的折线。当活跃用户数不大于3时，由于小区未发生数据拥塞，因此固定翼无人机未进入该小区，对该小区提供的数据吞吐量为零。当活跃用户数超过3时，固定翼无人机开始提供中继服务。整体上，相比于SSS算法，采用提出算法的固定翼无人机具有更高的数据吞吐量。

图5 旋翼无人机单周期吞吐量随活跃用户数变化的折线

图6 固定翼无人机单周期吞吐量随活跃用户数变化的折线

图7绘制了小区活跃用户数变化时，异型无人机中继网络对小区活跃用户的总的单周期数据吞吐量的变化折线。从图中可以看出，使用SSS算法和使用基于模糊逻辑的算法的异型无人机中继网络最多分别可以满足4个和6个活跃用户的数据需求，分别比单一类型无人机中继网络多服务1个和3个活跃用户。当网络吞吐量趋于饱和时，基于模糊逻辑的算法比SSS算法在一个仿真周期内多提供约2400Mb的数据量。

3.3 系统单周期通信中断频率仿真与分析

本文使用单周期通信中断频率作为衡量无人机服务质量的另一个指标。仿真得到的一个小区内，系统单周期通信中断频率随小区活跃用户数变化的折线如图8所示。当活跃用户数不超过6时，采用基于模糊逻辑的算法的异型无人机中继网络在该小区内单周期通信中断频率为0，且根据3.2节分析，能满足所有活跃用户的数据需求。而基于SSS算法的异型无人机网络，当活跃用户数为4时便开始发生通信中断。

图7 异型无人机中继网络单周期吞吐量随活跃用户数的变化折线

图8 异型无人机中继网络单周期通信中断频率随活跃用户数的变化折线

4 结束语

本文针对传统无人机中继网络在数据业务分布不均的场景中容易出现数据拥塞的问题，提出一种由旋翼无人机和固定翼无人机组成的异型无人机中继网络，并详细描述了该网络的工作过程，分析了其在解决数据拥塞方面的优势。在此基础上，探讨了传统接入点选择算法在异型无人机中继网络中的应用，然后提出了一种基于模糊逻辑理论的接入点选择算法。仿真结果表明，使用基于模糊逻辑理论接入点选择算法的异型无人机中继网络相比于传统单一类型无人机网络可以增加一倍的活跃用户服务数，相比于使用SSS接入点选择算法的异型无人机中继网络，无论是在数据吞吐量还是在通信中断频率方面都具有明显的优势。因此，在数据业务分布不均的场景中，使用基于模糊逻辑理论接入点选择算法的异型无人机中继网络可以有效解决由部分数据需求量大的小区而引发的数据拥塞问题。

[1] GEORGE J, SUJIT P B, SOUSA J B. Search strategies for multiple UAV search and destroy missions[J]. Journal of Intelligent & Robotic Systems, 2011, 61(1-4): 355–367.

[2] KOPEIKIN A, PONDA S S, JOHNSON L B, et al. Multi-UAV network control through dynamic task allocation: ensuring data-rate and bit-error-rate support[C]//IEEE Globecom Workshops, 2012: 1579–1584.

[3] LUO C, WARD P, CAMERON S, et al. Communication provision for a team of remotely searching UAVs: a mobile relay approach[C]//IEEE Globecom Workshops, 2012: 1544–1549.

[4] GROTLI E I, JOHANSEN T A. Path- and data transmission planning for cooperating UAVs in delay tolerant network[C]//IEEE Globecom Workshops, 2012: 1568–1573.

[5] MARINHO M A M, FREITAS E P, COSTA J P C L, et al. Using cooperative MIMO techniques and UAV relay networks to support connectivity in sparse wireless sensor networks[C]//IEEE International Conference on Computing, Management and Telecommunications, 2013: 49–54.

[6] GRIFFIN B, FIERRO R, PALUNKO I. An autonomous communications relay in GPS-denied environments via antenna diversity[J]. The Journal of Defense Modeling and Simulation: Applications, Methodology, Technology, 2012, 9(1): 32–44.

[7] JAWHAR I, MOHAMED N, AI-JAROODI J, et al. Data communication in linear wireless sensor networks using unmanned aerial vehicles[C]//International Conference on Unmanned Aircraft Systems, 2013: 492–499.

[8] FINK J, RIBEIRO A, KUMAR V, et al. Optimal robust multihop routing for wireless networks of mobile micro autonomous systems[C]//IEEE Military Communications Conference, 2010: 1268–1273.

[9] 袁全盛, 胡永江, 王长龙. 无人机中继通信的关键技术和发展趋势[J]. 飞航导弹, 2015(10): 26–29.

[10] 赵旭. 固定翼和多旋翼无人机航测技术对比和分析[J]. 电子技术与软件工程, 2017(20): 100.

[11] IEEE 802. 11 WG. Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications[S]. 1999.

[12] ZADEH L A. Fuzzy sets[J]. Information and Control, 1965, 8(3): 338–353.

[13] ZADEH L A. Outline of a new approach to the analysis of complex systems and decision processes[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1973, SMC-3(1): 28–44.

Access point selection algorithm for heterogeneous UAV relay network based on fuzzy logic

TANG Xinfeng1, LI Hong2, WANG Xinglai1, XIA Guojiang1, ZHOU Li3

（1. Beijing Institute of Astronautical Systems Engineering, Beijing 100076, China;2. China Aerospace Science and Technology Corporation, Beijing 100048, China;3. National University of Defense Technology, Changsha 410073, China）

In order to solve the problem of local data congestion caused by the uneven distribution of source node data service demand in a single UAV relay network, a heterogeneous UAV relay network which is composed of rotorcrafts and fixed-wing aircrafts is proposed in this paper. On this basis, the algorithm of network access point selection for the heterogenous UAV relay network is discussed, and an access point selection algorithm based on fuzzy logic theory is proposed. Then the simulation about this heterogeneous UAV relay network is carried out and the differences at the aspects of throughput and interruptions between the proposed algorithm and traditional algorithm are analyzed. The results show that the proposed algorithm brings the heterogeneous UAV relay network higher throughput and less interruptions.

Heterogeneous relay; Fuzzy logic; Access point selection; Throughput; Interruption

TP393.1

A

CN11-1780(2019)02-0009-06

基金项目：国防预研项目

2018-12-10

2019-01-10

唐新丰 1993年生，在读研究生，主要研究方向为计算机网络和无线测控与通信技术。

李 洪 1964年生，硕士，研究员，主要研究方向为运载火箭总体技术。

王星来 1970年生，博士，研究员，主要研究方向为航天器测控通信总体技术。

夏国江 1981年生，博士，高级工程师，主要研究方向为无线测控与通信技术。

周 力 1988年生，博士，讲师，主要研究方向为软件定义无线电技术。