无人机辅助通信的密集无线网络MAC协议

杨 欣，毛雅淇，王 伶

(西北工业大学 电子信息学院，陕西 西安 710072)

随着无线通信技术的飞速发展以及用户数量的急剧上升，无人机辅助的通信网络成为了重点研究和发展的方向之一。无人机具有高灵活性、高机动性、低成本、易于部署和增减的特性[1]，并且具备更高的概率与通信节点之间形成视距传播路径[2]。这些优点使得无人机辅助通信可以广泛应用于一些地面固定基站难以提供高效通信服务的特殊场景，例如在短时间内有大量通信需求的密集无线网络，或自然灾害发生地的应急通信等[3]。

传统的地面无线网络基站部署一般是根据长期的通信行为而规划的，因此无法在任何时候都保证网络容量与通信需求的高度匹配[4]。为了弥补现有基于固定基站的无线网络这一劣势，可利用多个无人机基站将一个大型网络分为多个子网络，减轻每个基站的流量负载压力，从而为网络中所有的通信节点提供更高的服务质量。通常情况下，会选用具有更高续航时间的固定翼无人机用于数据采集或空中基站，然而，因各种无人机工作特性及环境条件限制，以无人机为基站提供通信服务仍面临着各种技术挑战。首先，由于无人机的动态特性，难以进行通信系统的建模。因此要求无人机在不悬停的情况下连续飞行，从而使得通信节点和无人机之间的信道是时变的。在此情况下，当节点退出无人机的通信覆盖范围时，上行通信链路将中断，这导致在一定时间范围内，每个节点的可通信时间是受限的。此外，无人机通常配备定向天线，从而在地面形成圆形信号覆盖[5]，这可能导致位于不同位置的设备可与无人机通信的时长不同，使其覆盖范围内出现节点的异构通信。这种情况下极易导致网络节点访问的不公平性——可通信时间较长的设备有更多机会传输信息，可通信时间较短的设备未能在有限的可通信时间内访问上行信道并进行数据上传。因此，研究并设计合适的上行信道媒体访问控制(Medium Access Control，MAC)协议不但可以解决异构性问题，还可以大幅提升网络节点访问接入的公平性。

无人机辅助的通信网络的MAC协议研究建立在无线自组织网络MAC协议研究的基础之上。现有的无线自组织网络MAC协议主要包括固定分配、随机竞争和混合协议[6]：① 固定信道分配类MAC协议。如时分多址协议、频分多址协议等。但在有大量通信节点的密集网络中，时分多址协议的适用性较低——由于需要给每个节点都分配时隙，易造成单个节点的发送时延过长，通信时间短，且不能解决通信的异构型问题。② 随机竞争类MAC协议。如ALOHA协议、载波侦听多路访问/冲突避免(Carrier Sense Multiple Access/Collision Avoidance，CSMA/CA)协议及以其为基础进行改进的各类协议等。文献[7]中提出将动态时分复用MAC协议用于飞行自组织网络，用以减少碰撞次数，提高带宽利用率。但此协议没有关注无人机的动态性这一影响飞行自组织网络的重要因素，且不能确保无人机节点之间的公平。③ 混合类协议。混合类MAC协议结合了固定信道分配MAC协议和随机竞争MAC协议的优点，使得随机竞争MAC协议可以很好地适应低流量负载的动态环境，但同时会造成网络性能随着竞争节点数量的增加而下降。最为常见的混合类MAC协议是时分多址与CSMA的混合，如文献[8]中提出的FS-MAC，基于强化学习算法进行时分多址和CSMA两种MAC协议的选择和切换，并利用容错机制确定无人机MAC协议的切换过程。

目前，针对无人机辅助的通信网络上行信道接入技术及MAC层协议设计，许多专家学者进行了深入的研究分析[9]。文献[10]研究了基于无人机的无线传感器网络MAC协议。对各种MAC协议的主要特点和优缺点进行了广泛的研究和比较。文献[11]将CSMA/CA与基于物理参数的调度相结合，提出了一种基于自适应混合信标的MAC协议。文献[12]针对传统无线传感器网络的局限性，提出了一种基于无人机的无线传感器网络合作伙伴关系和数据转发模型，将传感器节点划分为不同的帧，允许网络中的传感器节点进行单独配对，从而同时传输数据，但在密集网络中，服务质量会由于配对算法存在开销和时延而下降。

通过对现有相关理论技术的分析研究，为弥补现有协议在模型设计和通信性能方面的不足，文中提出一种无人机辅助通信的密集网络MAC协议UAD-MAC (Unmanned aerial vehicle Assisted Dense network MAC protocol)，在保证各个通信节点之间高公平性接入的同时，实现密集网络吞吐量的提升。笔者的主要工作与贡献如下：

(1) 创新构建了无人机辅助的密集网络通信模型，将网络划分为蜂窝状小区，再对每个小区划分环状簇，并对不同环中节点进行可接入时长分析，充分考虑了密集网络中位于不同位置设备的通信异构性。

(2) 基于上述无人机辅助的密集网络通信模型，创新设计了UAD-MAC协议，即结合通信异构性动态调整初始竞争窗口范围，以实现访问公平并提高网络吞吐量，并利用三维马尔可夫链模型进行网络性能数值分析。

(3) 用归一化饱和吞吐量和饱和时延作为评估指标，对UAD-MAC协议进行了数值仿真，分析了各种网络参数对吞吐量和时延的影响。验证了UAD-MAC中的动态初始竞争窗口调整策略能够有效地提升接入的公平性，减小通信异构性造成的不利影响。同时确定了较为极端的情况下能够使得网络总归一化饱和吞吐量最大化的初始竞争窗口子系数权值。

1 系统模型

1.1 协议场景设计

假设指定区域随机分布有大量且密集的移动通信节点，节点密度为ρ，节点均携带全球定位系统设备，可实时获取当前自身位置信息。为便于后续分析，假设通信节点移动速度远小于无人机飞行速度。所有通信节点都随机地尝试接入预设的通信基站，基站再将数据传至其他位置的通信设施。若使用传统大基站接收所有通信节点发来的上行数据，则对基站功率要求高，对其体积要求大。使用大基站时，由于通信节点数量众多，MAC协议若采用时分多址类型的协议，易造成数据上传速率较慢；若采用CSMA/CA等同类协议，上行数据极易产生碰撞，也会造成数据传输效率低下的问题。

为解决上述问题，笔者构建了无人机辅助的密集网络通信模型，如图1所示。

(a) 密集网络的蜂窝小区

模型采用蜂窝划分策略，如图1(a)所示。将这片具有密集通信节点的区域从地理上划分为多个簇，每个簇由6个边长为a的正六边形小区组成。每个小区上空都有一架无人机以速度v按照圆形轨迹飞行。无人机上配备了通信用的定向天线，使其信号覆盖范围近似为半径是rtrack的圆形。显然，无人机信号的覆盖区域随着无人机位置的变化而变化。无人机在小区上空飞行一周的轨迹组成的图案的外围即是六边形小区的外接圆，如图1(a)中的环形实线所示。为使得无人机在飞行过程中能够覆盖所有移动设备，假设下式成立：

2rtrack/a→1+，

(1)

其中，→1+表示“正”趋近于1。

如图1(b)所示，以任意一个小区为例进行分析。将无人机飞行过程中的覆盖范围α划分为多个环状簇，并保证每个环的面积相等，以使得每个环内通信节点数目相近。节点可根据预先划分的环信息和通过全球定位系统设备获取的自身位置信息判断出自己属于哪个环。显然，不同环内的节点可接入无人机的最长时长不同。因此，在此场景下，笔者提出的UAD-MAC协议应对位于不同环内的节点设定不同的初始退避窗大小和不同的重试限制，来在一定程度上保证节点访问无人机的公平性。

1.2 节点可接入时长分析

如图1(b)所示，将α分为4个环A1，A2，A3，A4，其半径依次为r1，r2，r3，r4。根据4个环面积相等，即SA1=SA2=SA3=SA4，有

(2)

又根据正六边形性质有r4=a，则半径应满足如下等式：

r1=a/2，r2=21/2a/2，r3=31/2a/2，r4=a。

(3)

Tl1=l1/v=r1θ1/v=πa/(3v) ，

(4)

Tl2=l2/v=r2θ2/v=21/2πa/(4v) ，

(5)

Tl3=l3/v=r3θ3/v=31/2πa/(6v) ，

(6)

Tl4=l4=0 。

(7)

结合式(4)～(7)，设定环1、2、3、4内的通信设备可接入时间T1，T2，T3，T4分别用如下公式计算：

T1=(0+Tl1)/2=πa/(6v) ，

(8)

T2=(Tl1+Tl2)/2=(4+3×21/2)πa/(24v) ，

(9)

T3=(Tl2+Tl3)/2=(3×21/2+2×31/2)πa/(24v) ，

(10)

T4=(Tl3+0)/2=3×21/2πa/(12v) 。

(11)

因此，4个环内最大的可接入时长是Tmax=T2。

2 协议设计

2.1 UAD-MAC协议设计

2.1.1 UAD-MAC协议处理流程

步骤1 无人机周期性广播环划分信息。

① 无人机周期性向移动通信节点广播环划分信息，同时唤醒其覆盖范围内的通信节点。

② 无人机覆盖范围内的通信节点收到环划分信息，利用自身携带的全球定位系统设备获取自身位置信息，并计算出自己位于哪一环，从而确定自己的初始竞争窗口大小。

步骤2 收到广播信息且有待发送数据的节点，按照根据IEEE 802.11 MAC层的CSMA/CA协议进行修改后的UAD-MAC协议退避策略竞争对无人机上行信道的接入权。退避策略详见2.1.2节。

① 根据二进制指数退避算法，优先完成退避的节点开始向无人机传输数据。首先节点向无人机发送RTS帧请求发送数据，然后无人机返回CTS帧清除发送，当收到CTS帧后，节点即可开始数据的传送。

② 若多个节点同时完成退避，就会发生碰撞。碰撞发生后，各个站点继续按照二进制指数退避算法进行下一阶段的退避，直到成功发送数据，或达到最大重试限制，再开始新一轮的竞争或休眠过程。

步骤3 通信节点完成向无人机的数据传送后，无人机返回ACK确认帧。

① 获取上行信道访问权的通信节点数据上传完毕，无人机正确接收到数据后向发送节点返回ACK帧进行确认。

2.1.2 UAD-MAC退避策略设计

① 假设环i内有节点1现处于退避阶段j。当环i的一个节点有数据要发送时，首先对信道进行侦听，若侦听到信道空闲，则在[0，Wi，j-1]中任选1个数进行退避。其中，Wi，j=2jWi，0，0≤j≤J。Wi，0为环i中所有节点的初始竞争窗口大小，J为最大重试限制。若侦听到信道繁忙，则退避计数器冻结，直到信道重新恢复空闲后继续进行倒计数。

② 当退避计数器计数到0时，节点发送帧。若此时还有别的节点也完成了退避，并进行数据帧的发送，则会引发帧的碰撞。检测到碰撞后，如图2所示，节点的退避阶段j+1，重新开始下一轮竞争，在[0，Wi，j+1-1]中任选1个数进行退避。

图2 UAD-MAC退避策略处理流程

③ 若在退避阶段j的退避倒计时结束后，发送帧时没有发生碰撞，但随着无人机运动，直到节点超出了无人机覆盖范围，还没有完成帧的传输，则节点的退避阶段j+1，当其重新进入无人机覆盖范围内时再开始竞争，并在[0，Wi，j+1-1]中任选1个数进行退避。

2.2 初始竞争窗口大小分析

UAD-MAC提出初始竞争窗口系数的概念。首先确定一个退避过程的基准初始竞争窗口，再在基准初始竞争窗口前乘以一个系数k，可通过自适应的调整不同环内节点k的大小，来改变其访问无人机所需的时间及吞吐量。笔者提出的初始竞争窗口系数主要优势在于，同时考虑了节点的可接入时长和环内节点个数双重异构性，从而在一定程度上保证无人机覆盖区域内的各个节点访问无人机的公平性。

显然，可接入时长较长的环内节点有较为充裕的时间获取无人机的上行访问信道。为使得不同环内的节点能够公平地访问信道，UAD-MAC为Ti较大的环内节点加大初始竞争窗口系数，延长其获取信道访问权所需的平均时间。而为Ti较小的环内节点减小初始竞争窗口系数，加快其获取信道访问权所需的平均时间。

采取上述措施，仍可能造成访问不公平问题——若某个环内的通信节点数目较多，容易造成此环内的节点长期占用信道，而其他环内节点无法接入信道的情况出现。因此，UAD-MAC考虑了环内节点数目对信道访问权的影响。假设环i(i=1，2，3，4)内的通信节点数目为ni，则无人机通信覆盖区域内的通信节点总数为nmax=max(ni)。提出的协议为位于有较多节点数的环内的节点加大初始竞争窗口系数，避免某环内的各节点长期占用信道；为位于有较少节点数的环内的节点减小初始竞争窗口系数，增大其成功接入信道的概率。

综合以上两种考虑，协议将初始竞争窗口系数分为α和β两个子系数，分别采用如下表达式进行定义：

(12)

给两个子系数分配不同的权值k1和k2，且k1+k2=1。则环i的初始竞争窗口大小Wi，0可表示为

Wi，0=[(k1α+k2β)·(Wi，0)max] ，

(13)

其中，[·]表示四舍五入取整，(Wi，0)max为基准初始竞争窗口，其值在文中实验部分被设定为64。笔者将在仿真实验中调整k1和k2的取值，从而求得能获取一定条件下最大吞吐量的最合适权值。

2.3 节点退出概率

由于无人机具有动态性，一直处于移动当中，因此节点可能在与无人机通信的过程中退出无人机的覆盖范围，从而停止上行信道的访问。为了模拟这一场景，引入文献[13]中的退出概率pi，o，用来表示在每个时隙中任何设备超出无人机通信覆盖范围的概率。根据聚类划分，文中将pi，o定义为环i中设备的退出概率。

位于不同环的通信设备与无人机的最大可通信时长不同。将节点竞争上行信道访问权的过程建模为马尔可夫过程，则位于不同环的节点可遍历马尔可夫链的最大次数不同。接入无人机时长越长的环内节点，可遍历次数越多。而可遍历马尔可夫链次数越多的节点，能够成功接入无人机并进行数据传输的概率就越大。设环i内的节点可遍历马尔可夫链的最大次数为mi，pb为小区内的所有节点中至少有一个节点在传送帧的概率，则(1-pb)表示若环i内的某节点一次尝试发送数据失败的概率。根据上文定义，其mi次发送都失败的概率，即当节点在无人机通信范围内时未能成功发送数据的概率，就是设备在每个时隙的退出概率pi，o，则有

pi，o=(1-pb)mi，

(14)

其中，pb的计算公式为式(25)，mi的计算见3.4节。退出概率pi，o将在下一节中应用于UAD-MAC的马尔可夫链模型中。

3 UAD-MAC的马尔可夫链模型分析

UAD-MAC协议中通信节点竞争无人机上行信道访问权的过程可以建模为三维马尔可夫链模型[14]，如图3所示。3个维度{i，j，k}分别为环序号i、退避阶段j以及退避计数器k。为了方便分析，假设网络数据包的到达处于饱和状态。本节以环i的通信节点为例进行状态分析，导出三维马尔可夫链模型各个状态的转移概率和稳态概率等相关参数，从而获得系统饱和吞吐量的表达式。

图3 UAD-MAC协议的三维马尔可夫链模型

3.1 各类概率表达式

在上述模型中，设环i中的节点超出无人机覆盖范围的概率为pi，o，表达式为式(8)。设环i中的节点检测到信道忙的概率，即传输帧发生碰撞的概率为pi，b，表达式为

(15)

其中，τi表示环i内的一个节点在一个时隙内发送帧的概率。则退避计数器减1的概率为

pi，down=(1-pi，b)(1-pi，o)，i=1，2，3，4 。

(16)

退避计数器保持的概率为

pi，hold=pi，b(1-pi，o)+pi，o，i=1，2，3，4 。

(17)

退避阶段+1的概率为

pi，backoff=pi，b(1-pi，o)+pi，o，i=1，2，3，4 。

(18)

未达到最大重试限制就重新开始马尔可夫过程的概率为

pi，restart=(1-pi，b)(1-pi，o) 。

(19)

(20)

(21)

且有

(22)

可得

bi，0，0=

(23)

其中，pi，m=1-pi，hold，pi，n=1-2pi，hold。

环i内的一个节点在一个时隙内发送帧的概率τi为

(24)

通过式(15)、式(17)、式(19)、式(23)及式(24)，可计算出τi的数值解。

信道繁忙的概率pb可表示为

(25)

环i内节点在某一时隙时间内成功传输的概率为

(26)

有任意节点在某一时隙时间内成功传输的概率为

(27)

3.2 归一化饱和吞吐量计算

本节中涉及的部分符号及含义见表1。

表1 各类符号及含义

设Si(i=1，2，3，4)为环i中节点向无人机上传数据的标准化饱和吞吐量。根据式(25)，信道在某个时隙内空闲的概率为(1-pb)，信道中发生帧碰撞的概率为1-(1-pb)-ps=pb-ps。则有

Si=E1/E2=pi，sTE[L]/[(1-pb)δ+psTs+(pb-ps)Tc] ，

(28)

其中，E1为环i中节点的有效载荷传输时间，E2为时隙长度。

(29)

(30)

其中，TE[L*]的计算可参考文献[15]。

图4 UAD-MAC竞争访问时序图(无碰撞或退出)

(31)

(32)

3.3 利用饱和时延计算mi

环i中的节点可遍历马尔可夫链的次数mi可表示为

(33)

其中，E(Di)表示环i内的通信节点发送帧的平均饱和时延，其表达式如下：

E(Di)=E(Xi)δ+E(Bi)[psTs/pb+(pb-ps)/Tcpb]+E(Ni，retry)(Tc+To)+Ts。

(34)

其中，E(Xi)为环i内的一个节点成功传输帧所需退避时隙的平均数目；E(Bi)表示环i内节点发送一帧经历的计数器冻结时隙总数平均量；E(Ni，retry)表示环i内的站点发送一帧的平均重试次数；To表示当帧传输发生冲突时，站点在再次侦听信道之前必须等待的时间。这些参量的具体计算可参考文献[14]。

4 UAD-MAC协议性能仿真分析

利用MATLAB对文中提出的UAD-MAC协议进行数值仿真，采用3.2节中定义的归一化饱和吞吐量和3.3节中定义的饱和时延作为评估UAD-MAC协议的性能指标，分析了MAC协议类型、通信设备密度、接入机制、基准初始竞争窗口大小、初始竞争窗口系数等网络参数对吞吐量及时延的影响。如无特别说明，文中仿真参数均按照表2设置。

表2 仿真参数设置

图5(a)的仿真给出了在各环内设备数相同且权值k1=k2的条件下，使用两种协议时指定区域内通信设备密度对总归一化饱和吞吐量的影响对比。由仿真结果可得出以下结论：首先，当通信设备密度变化时，UAD-MAC协议下的平均归一化饱和吞吐量与IEEE 802.11 MAC协议[15]下的相比，在基础接入机制下增长约1倍，在RTS/CTS机制下增长约51%，即UAD-MAC协议可获得更高的信道利用率；其次，随着密集无线网络通信设备密度的增大(10 000台/km2～100 000台/km2)，两种协议下的归一化饱和吞吐量均有减小的趋势；最后，RTS/CTS接入机制比基础接入机制具有更强的稳定性，归一化饱和吞吐量受通信设备密度变化的影响较小。

图5(b)的仿真给出了在各环内设备数相同且k1=k2的条件下，4种基准初始竞争窗口大小(Wi，0)max=16，32，64，128下通信设备密度对总归一化饱和吞吐量的影响。由仿真结果可知，在设定的设备密度范围下，基准初始竞争窗口越大，系统的归一化饱和吞吐量越大。但较大的初始竞争窗口会相应地带来较大的系统延迟，因此在本节的其他仿真中均选择一个适当的值64作为基准初始竞争窗口大小。

(a) (Wi，0)max=64

图6(a)和图6(b)的仿真分别给出了当各环内设备数相同且权值k1=k2时，RTS/CTS机制下设备密度对各环的归一化饱和吞吐量和饱和时延的影响。由仿真结果可知：首先，各环吞吐量随设备密度增大均呈下降趋势；其次，相同设备密度下，具有较小可接入时长的环可获得较高的吞吐量和较低的时延，即具有更多的机会占有无人机上行信道。这些数据表明，针对密集网络中的通信异构性问题提出的UAD-MAC中，基于可接入时长的动态初始竞争窗口调整策略能够有效地提升接入的公平性，减小密集无线网络中通信异构性造成的不利影响。

(a) 设备密度对各环吞吐量的影响

在图7的仿真中，仿真参数设置有所改变。由于UAD-MAC协议的系统模型中，各环可接入时长满足T2>T3>T1>T4，因此，为同时模拟可接入时长和环内通信节点数两个因素对成功接入上行信道概率的影响，考虑一个较为极端的情况，即n4>n1>n3>n2，具体设置为n4∶n1∶n3∶n2=4∶3∶2∶1。

图7(a)的仿真给出了RTS/CTS机制下，设备密度为50 000台/km2时初始竞争窗口子系数权值比k1∶k2对各环归一化饱和吞吐量的影响。由仿真结果可知，随着k1∶k2的增大，可接入时长对归一化饱和吞吐量的差异化作用愈加明显。对于环2和环3，其吞吐量随着权值比的增大而减小，对于环1和环4，其吞吐量随着权值比的增大而增大。图7(b)的仿真给出了设备密度为50 000台/km2时，基础接入机制和RTS/CTS机制下权值比k1∶k2对总归一化饱和吞吐量的影响。由仿真结果可知，随着k1∶k2的增大，总吞吐量先增加后减小，两种机制下均在k1∶k2=1∶4，即k1=0.2，k2=0.8时，具有最大的总吞吐量。

(a) 权值比对各环吞吐量的影响

5 总结与展望

根据密集网络中不同位置设备通信具有异构性的原理，构建了无人机辅助的密集无线网络通信模型。通过对网络进行蜂窝状小区和环状区域的划分，在考虑设备通信异构性的基础上，对不同环中的无人机节点的接入时长进行分析。基于新构建的无人机辅助的密集网络通信模型，笔者设计了UAD-MAC协议，引入节点退出概率，提出初始竞争窗口系数的概念，结合通信异构性动态调整初始竞争窗口范围，利用三维马尔可夫链模型对协议进行分析，开展了UAD-MAC协议的数值仿真，对各种网络参数给吞吐量和时延造成的影响进行研究。验证了UAD-MAC协议能够在提升饱和吞吐量的同时有效地提升接入的公平性，减小密集无线网络中通信异构性造成的不利影响，同时确定了较为极端的情况下能够使得网络总归一化饱和吞吐量最优化的初始竞争窗口子系数权值。该研究将为密集网络中时延问题进一步改进研究提供方法和基础，开展协议设计与优化，旨在进一步降低饱和时延，提升通信服务质量。