无人机通信网络非等间距节点负载部署方法*

李 静,张英争,郭 静,于红斌

(1.河南工学院 电子信息工程学院,河南 新乡 453003;2.河南师范大学 计算机与信息工程学院,河南 新乡 453007)

0 引言

随着无线通信技术的蓬勃发展以及无线服务的多样化发展,用户对无人机通信网络节点负载部署提出了更高的要求[1-2]。如何在确保用户合理收益的前提下提升无人机通信网络的服务性能,是当前研究的主要方向。为了实现更高速率的移动通信,国内相关专家针对节点负载部署方面的内容进行了大量的研究,例如刘玲[3]通过物联网终端网络自适应节点部署特征,计算网络终端覆盖率,引入FFT变换算法,组建基于虚拟力的函数模型,同时利用基函数矩阵,有效实现节点优化部署;金合丽等[4]优先设定固定规格网络,采用格点代表可供部署空间,以最小部署节点数量为目标函数,构建整数非线性规划模型,采用遗传算法对模型进行求解,最终实现网络节点部署。

在上述两种方法的基础上,本文提出一种无人机通信网络非等间距节点负载部署方法。实验结果表明,所提方法不仅具有较高的吞吐率和缓存资源利用率等优势,同时还能够有效降低通信冲突率以及部署耗时。

1 非等间距节点负载部署方法

1.1 节点负载特征提取

为了有效实现节点负载部署[5-6],通过多目标全局约束对无人机通信网络中的节点进行自适应寻优和信息增强。

设定S=(U,A,V,f)代表节点的统计量分布集。其中,U代表在有限集合内节点的输出特征属性;A代表无人机通信网络中的属性非空有限集合;V代表负载节点的判别属性;f代表映射特征分布集。

在有限域内,无人机通信网络的非等间距节点识别属于统计域,设定C和D代表非等间距节点的数据特征量。在已知的有限域内,构建非等间距节点负载大数据挖掘模型,获取对应特征统计决策表,将其简化为公式(1):

(1)

在设定的决策表中,通过节点负载的特征属性a即可获取对应的边缘特征分布集A,通过模糊约束控制方法对非等间距节点A的负载进行部署。

在无人机通信网络中,统计不同节点属性的同源特征,构建对应的属性集Core(A)。其中,无人机通信网络中的大数据分布集fT1,T2,…,Tn(t1,t2,…,tn)可以表示为:

(2)

式中,fTi(ti)代表大数据分布集子集;μ代表采集样本总数;n代表测试样本总数。

根据公式(2)中的大数据采样结果,进行节点部署特征提取[7-8]。当对节点负载特征进行分类时,需要优先获取与节点负载特征对应的重构矩阵L,具体如公式(3)所示:

(3)

式中,m代表节点嵌入维数;τ代表节点重构的时间间隔。

在无人机通信网络中,设定非等间距节点负载部署对应的分辨决策表为S,通过奇异值分解方法对节点负载特征进行分解。根据节点负载的模糊约简结果,可以进行相似度特征分解。通过自适应加权方法,获取统计分配属性。其中,对应节点的属性取值Dx,可以表示为公式(4)的形式:

(4)

式中,dm+1(m)代表无人机通信网络非等间距节点在第m点的预测值;dk+1(m)代表在第m点处采集的节点模糊特征矢量。

通过上述分析,需要进一步实现无人机通信网络非等间距节点相关数据的存储优化重组,即根据非等间距节点集合的属性特征,利用统计分析方法,构建节点负载关联规则分布矩阵,具体的表达形式如下:

(5)

式中,ωij代表第i个采样节点挖掘到节的点负载的模糊隶属度函数。

采用语义特征分析方法构建节点负载挖掘的模糊语义特征规则分析模型,通过模型对节点负载情况进行特征提取和优化处理,模糊语义特征规则分析模型具体的表达形式为:

(6)

1.2 非等间距节点负载部署

为了有效实现无人机通信网络非等间距节点负载部署,避免节点因负载过大而死亡,采用将K-均值聚类算法和粒子群算法相结合的方法,从而避免完全随机寻优的退化现象[9-10],在增强算法局部精确搜索能力的同时缩短收敛时间。

1.2.1 基于粒子群算法的区域最优解分析

粒子群算法是模拟鸟群行为规律而提出的一种智能优化算法[11-12],群体智能优化搜索是根据群体中粒子个体之间的合作与竞争而形成的。

首先,确定初始粒子的速度和位置等相关参数取值,即联合无人机通信网络的基本属性,设定每个节点对应一个初始粒子,计算每个粒子的适应度值,在待聚类对象中随机选取k个对象作为初始聚类中心,将每个对象按照最小近距离原则与最佳适应度原则划分到最近的聚类中心,同时形成k个聚类。

其次,利用距离汇聚节点的远近将无人机通信网络区域划分为多个不同的区域,不同等级区域分别选取不同的簇头组建规模不同的簇。节点内已知的无人机通信网络,主要以汇聚节点为中心,以 为半径划分为规格统一的环形区域,其中,不同区域主要以不同的概率进行簇头选取[13-15]。最靠近节点的区域设定为第一等级,以最大概率为依据选取簇头,重新计算聚类中心ci::

(7)

式中,Ni代表第i个聚类域;X代表聚类域的总数。

最后,完成粒子群初始化处理与聚类中心重新计算后,确定不同个体的极值,判断聚类中心是否满足设定的约束条件,假设满足,则结束聚类;反之,则需要重新调整无人机通信网络区域,计算新的聚类中心并再次聚类。在进行迭代寻优的过程中,粒子的位置和速度更新公式如(8)和(9)所示:

(8)

(9)

通过粒子群算法的速度和位置对粒子的速度和位置进行更新,以此为依据获取各个极值所在的区域,直至满足终止条件为止。

1.2.2 节点负载部署优化

首先,基于获取的最靠近节点的区域最优解,将无人机通信网络划分为n个区域,节点总数为Nn·R。假设在设定区域R内,对应簇头节点的能耗ER·elu可以表示为公式(10)的形式:

ER·elu=

(10)

式中,Efuse代表簇头总数;Eelec代表簇内非簇头总数;εamp代表簇头被选中的概率;k代表半径取值;d代表任意常数。

其次,确定无人机通信网络中活动的等级区域,随机部署和等级区域内非等间距节点数量一致的粒子。通过研究区域内簇头被选中的概率,利用k-均值聚类方法对粒子进行Nn·R·pn个初始聚类。再次对粒子的飞行规格进行调整,当粒子运动到和节点重合的位置时,粒子位置为固定的,速度为零,不需要再进行飞行。剩余的粒子继续按照设定规则飞行,直到全部粒子分别和剩余节点重合,算法结束,该区域分簇完成,跳转至下一区域进行分簇。分簇时,需要将等级区域内的粒子G={x1,x2,…,xm}划分为k个聚类的粒子群体,因此将公式(8)修改为以下的形式:

(11)

最后,对粒子飞行规格进行修正,在进行聚类收敛的过程中,当粒子运动和节点位置重合时,说明粒子的速度取值为零,位置保持不变,剩余的粒子继续执行飞行规则,直至全部的粒子和节点重合。

利用当前的位置和速度,计算粒子截至目前位置搜索到的自身最优位置和种群中全局最优位置。以双向的自身最优位置和种群中全局最优位置计算结果为依据,匹配区域最优解,匹配成功即完成无人机通信网络非等间距节点负载部署。

2 仿真实验

为了验证所提无人机通信网络非等间距节点负载部署方法的有效性,在相同场景下进行仿真测试。

具体仿真实验过程与目标函数设定结果如下:

(1)通过距离汇聚节点远近,将无人机通信网络划分为不同的区域等级,根据簇头选取概率确定簇数以及簇规模。将第一等级区域的节点设定为活动节点,剩余部分的节点处于休眠状态,有效避免粒子种群个体飞行到其他区域的节点上。

(2)随机形成和研究区域节点数量相同的粒子个体,同时对其进行初始化处理。设定种群中各个粒子的初始位置以及飞行速度等相关参数。

(3)通过k-均值聚类方法确定聚类总数以及聚类中心。

(4)优先选取吞吐率作为测试指标,测试方法主要有所提方法、文献[3]方法以及文献[4]方法,确认不同方法的目标函数,对类内相似度和类间间距进行评价,同时还需要对适应度取值进行评价。将邻近性欧几里得距离度量设定为聚类质量的目标函数Sij,具体的计算式为:

(12)

式中,dist代表测试对象之间的欧式距离。

(5)对粒子当前所在的位置进行判断。

(6)对种群中剩余粒子的位置和速度进行更新。

(7)重复步骤(1)到步骤(5),直至获取最终的实验结果。

分析不同方法的吞吐率,具体实验结果如图1所示:

由图1可知,当采用所提方法对节点负载进行部署后,吞吐率相比另外两种方法有了十分明显的提升,有效验证了所提方法的优越性。

图1 不同方法的吞吐率实验对比结果

分析三种不同方法的节点负载部署耗时情况,具体实验结果如表1所示。

表1 不同方法的节点负载部署耗时测试结果对比

由表1可知,节点负载部署耗时会随着节点数量的增加而增加。但是在三种方法中,本文所提方法的节点负载部署耗时明显更低一些,证明所提方法能够以较快的速度完成负载部署。

分析使用所提方法前后缓存资源利用率变化情况,具体实验结果如图2所示。

图2 使用所提方法前后缓存资源利用率变化情况

由图2中的实验数据可知,所提方法对节点负载特征进行提取和分析,能有效获取负载的变化情况,部署策略更加合理,数值模拟结果得到明显提升,缓存资源得到更为有效的利用。

为了有效探测不同方法的无人机通信网络非等间距节点负载部署情况,实验选取通信冲突率作为测试指标,具体实验结果如图3所示。

图3 不同方法的通信冲突率测试结果对比

由图3可知,在不同的测试场景下,不同方法的通信冲突率是完全不同的。和文献[3]方法以及文献[4]方法相比,所提方法的通信冲突率明显更低一些,说明经过所提方法对无人机通信网络非等间距节点负载进行部署后,可以有效避免节点之间发生通信冲突,同时还能够使通信冲突率保持在比较低的水平,有效验证了所提方法的优越性。

3 结束语

随着无人机通信网络的不断发展和进步,节点负载部署问题已经成为无人机通信网络中的一个关键问题。本文提出了一种无人机通信网络非等间距节点负载部署方法,实验结果表明,所提方法具有节点负载部署耗时少以及吞吐率高等优点,同时还能够有效提升缓存资源利用率、减少通信冲突率。