一种无人机中继系统调度的优化方法

杨 楠

（佳木斯大学信息电子技术学院 黑龙江 佳木斯 154000）

1 引言

随着全球变暖趋势的不断加剧，各地环境受到严重影响，以森林火灾等自然灾害为例，近年来，澳大利亚和美国等许多地方被大规模的野火侵蚀，对当地安全和全球生态造成了巨大破坏[1]。当灾难发生时，由于基站等设备损毁导致平常的通信手段失效，需要紧急应对措施实现对灾难点的通信，无人机中继系统具有空中作业覆盖面广、操作灵活方便、精度高等优点，用于野火隐患排查，既能有效降低作业难度、成本和安全威胁，又能保证作业效率和质量，有效降低火灾发生的概率。

2 无人机中继系统的优化

2.1 无人机中继系统的部署优化

针对无人机中继广播通信系统性能优化问题，在给定合理中继率的基础上，找出最佳信息传输速率。利用所在位置找出最好的d，从而改善中继系统的中继效率，考虑无人机性能、火灾强度、人口信息等因素，无人机载中继通信平台至地面通信终端为单点对多点通信方式，采用基于时分复用方式传输数据[2]，地面通信终端至无人机通信平台为多点对一点通信方式，采用TDMA多址接入方式传输数据[3]。该系统将通信有效覆盖面积大幅度提高；同时使在复杂地形中进行应急通信变得更有效率和便捷，实现多址链路在非视距的情况下的正常通信。

假设无人机载中继通信平台与地面通信终端距离较远，不存在无人机载中继通信平台到各个用户节点的直达通信链路，则必须通过无人机的中继才能够实现地面通信终端节点（源节点）与各个中继节点的广播通信。

在发生山火的情况下，中继无人机可以在不同的地形和火灾条件下进行遥感监测，使地面指挥部队能够做出最佳的战略部署，保证消防人员的安全。以澳大利亚维多利亚州发生的山火为例。从美国宇航局卫星仪器MODISC6和VIIRS375M中，收集了澳大利亚火灾数据集，选取了能覆盖维多利亚的50个地点的经纬度，火灾强度高，火灾发生频率高，以火灾事件的大小和发生频率为参数，计算50个位置之间的距离，并生成邻接矩阵。使用MATLAB仿真的维多利亚火灾地点模拟图，其中火灾主要分布在维多利亚州东南部山林密集，人口稠密的地区。

基于对火灾地形的模拟，将地面通信终端编号为1，无人机载中继通信平台依次编号为2、3至52。由于我们选择的数据是50个位置的经度和纬度计算这两点之间的实际距离。

假设甲、乙两点的地理坐标分别为( x1,y1)，( x2,y2)，以地球中心为坐标原点称为d0，半径R =6370。大圆经过两点A和B的小弧长，就是两点之间的实际距离。这两点的直角坐标是：

距离模型基于Matlab D = (dij)52×52，其中 dij表示i,j两点之间的距离，i, j= 1,2,… 5 2.。

2.1.1 空间解决方案

解空间S可以表示为?的所有固定的起点和终点的循环排列的集合，即S =?，{2，3，...，51}的循环排列，其中这些环路中的每一个代表由中继无人机侦察50个火灾现场形成的环路，πi= j表示第j个中继无人机探测到第一个起火点。通过多次实验，我们选择了一个较好的初始解为120。

2.1.2 目标函数

代价函数，也称目标函数[4]，表示为中继无人机在监测所有火场时的路径长度。让这个函数表示为：

最后，通过模拟退火算法[5]得到中继无人机飞行的最短路径，见图1，该路径上的中继无人机可以监控和覆盖所有火灾位置。中心位置黑点标注为MATLAB仿真所得到的地面移动终端即源节点所在位置。

图1 无人机中继平台的最佳部署位置

2.2 无人机多中继节点的分配

在基于模拟退火算法模拟中继无人机的最佳飞行路径后，本文综合考虑了维多利亚地形和通信任务要求以及中继无人机性能，建立了最小成本和最大流量模型，以确保维多利亚火灾情况的完全覆盖和监控，同时最小化成本预算。

最小费用最大流模型的思想是在边容量和边费用有限的流网络中，寻找从一个节点到另一个节点的费用最大和最小的流。根据最小费用最大流模型的原理，假设中继无人机的速度为20 km/h，给定一个流网络G=(V,E,L,U,D)，其中V是节点集，E是边集，L是(Vi,Vj)边容量的下限集，U是(vi,vj)容量的上限集。对于每条边，(vi,vj)被赋予一个实数fij，它被称为边上的流，(vi,vj)。图2显示了任意两个节点dij之间的距离，表示对应侧的容量值。

图2 模型网络示意图

即0 ＜dij＜∞；每一方所需无人机的成本是wij；f的流量成本是从源点s经过到汇点t的各边无人机的成本之和；每一边的流都被中继无人机所覆盖。从源点到宿点t的流量f通过节点i j v v，以满足要求：0 ≤fij＜dij，对于所有中间节点vi∈v- {s,t} ，它满足：。所以f是可行流，这个中继无人机飞行网是可行域。

将中继无人机的位置为因变量，考虑维多利亚的特征属性，如区域类型（农村地区、郊区、城市地区）、海拔、火焰辐射频率、人口数量、各区域占地面积等，设为自变量。选择了维多利亚的94个地点进行仿真，基于获得了50个关于中继无人机位置的数据样本。数据样本被随机分为训练集和验证集，比率为4：1。在每个实验中，使用40个数据样本来进行初步的逻辑回归和训练参数，其余使用10个数据样本来验证模型的预测准确性。使用向后消除方法进行逻辑回归预测，设0.5作为分类截止值，为了提高模型的预测能力，我们在逻辑回归模型中增加了一个方乘项，以执行多次迭代。如果ˆ 0.5y≥ ，则需要在该位置放置无人机载中继通信平台；如果ˆ0.5y≤ ，则没有必要在这个位置使用带有中继器的无人机。经过模拟测试，无人机源节点与中继节点的部署见图3，考虑火灾强度与地形因素的影响，依据上述式子可得到如图4所示的模拟结果。结果表明，逻辑回归模型的整体预测精度为96.2%。仿真结果表明该优化方法适应于火灾救援。

图3 无人机与中继器位置的散点图

图4 不同高度和火灾强度的无 人机与中继器的散点图

3 结语

本文针对四旋翼无人机中继广播通信优化问题，给出了一种无人机位置部署优化及其覆盖区域规划的联合优化方法，总结了基于中继节点平均中断概率最小化准则的多中继节点最大通信容量的计算公式，验证了无人机中继系统在火灾救援中的应用价值。