高昂, 段渭軍, 李立欣, 張會(huì)生, 胡延蘇

(1.西北工業(yè)大學(xué) 電子信息學(xué)院， 陜西 西安 710072; 2.物聯(lián)網(wǎng)技術(shù)及應(yīng)用國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室， 陜西 西安 710072;3.長(zhǎng)安大學(xué) 電子與控制工程學(xué)院， 陜西 西安 710064)

0 引言

為適應(yīng)現(xiàn)代戰(zhàn)爭(zhēng)高對(duì)抗、高不確定、高動(dòng)態(tài)的戰(zhàn)場(chǎng)環(huán)境，軍用無(wú)人機(jī)(UAV)正在從單一平臺(tái)作戰(zhàn)向多平臺(tái)集群作戰(zhàn)的方式發(fā)展，各節(jié)點(diǎn)間通過無(wú)線方式進(jìn)行協(xié)作，共同分享信息和承擔(dān)計(jì)算負(fù)載[1]。然而，總的信息處理能力受限于平臺(tái)載荷，集群整體智力水平依然較低。云計(jì)算與UAV的結(jié)合——UAV云[2]，為這些問題的解決提供了新的思路[3-4]。借助云端強(qiáng)大的并行計(jì)算、存儲(chǔ)和通信能力，可以將區(qū)域監(jiān)視、實(shí)時(shí)定位與地圖構(gòu)建、自主決策等計(jì)算密集型應(yīng)用卸載到云平臺(tái)高效執(zhí)行，并在云端延伸出更加強(qiáng)大、復(fù)雜的功能。如圖1所示，UAV卸載的任務(wù)以會(huì)話的形式被分割成多個(gè)作業(yè)流，由云端多個(gè)宿主主機(jī)并行處理。在網(wǎng)絡(luò)接入方面，為了提高節(jié)點(diǎn)在復(fù)雜環(huán)境下的生存能力，往往采用去中心化的自組織網(wǎng)絡(luò)，所有節(jié)點(diǎn)共享信道并采用載波偵聽多路訪問與沖突避免(CSMA/CA)的方式接入[5]。云端應(yīng)用的作業(yè)流最終以MAC 幀承載并以先入先出的方式競(jìng)爭(zhēng)信道。

由于UAV應(yīng)用的實(shí)時(shí)性存在差異，其形成的網(wǎng)絡(luò)傳輸對(duì)服務(wù)質(zhì)量(QoS)需求不盡相同。各類飛行器基于自身處理能力、任務(wù)環(huán)境、突發(fā)事件等差異，對(duì)網(wǎng)絡(luò)和云端資源的競(jìng)爭(zhēng)不可避免[6-7]。尤其是異構(gòu)、跨層融合的 “瘦客戶端”型UAV廣泛存在和新老搭配使用，使得QoS控制只能由數(shù)據(jù)鏈路層和物理層來(lái)完成。

這方面的研究往往基于多隊(duì)列隔離的結(jié)構(gòu)，進(jìn)而通過控制退避窗口、發(fā)送時(shí)隙或幀間間隔，實(shí)現(xiàn)有區(qū)分的接入控制，如QS-MAC[8]、PRIN-MAC[9]、AS-MAC[10]、RF-MAC[11]、CACC[12]、TTSDM和DARS[13]等。這些方法在特定場(chǎng)景下均具有一定的吞吐量和延遲性能改善[14-15]，卻沒有對(duì)系統(tǒng)的穩(wěn)定性、動(dòng)態(tài)性能等進(jìn)行理論分析。如在UAV應(yīng)用負(fù)載變化情況下，這種多隊(duì)列模型是否總是收斂；如果收斂，系統(tǒng)的穩(wěn)定性如何。文獻(xiàn)[16]從控制理論的角度出發(fā)，提出了基于最少拍控制的反饋接入MACFD-MAC協(xié)議。但仍然存在以下不足：1)收發(fā)器往往周期性的休眠和工作以節(jié)省能量，延長(zhǎng)網(wǎng)絡(luò)壽命，因此在實(shí)現(xiàn)QoS支持時(shí)能耗問題不容忽略；2)FD-MAC協(xié)議僅討論了不同優(yōu)先級(jí)的相對(duì)區(qū)分服務(wù)，而在實(shí)際UAV云場(chǎng)景中，實(shí)時(shí)性任務(wù)的絕對(duì)QoS約束必須得到優(yōu)先保證；3)FD-MAC協(xié)議將系統(tǒng)近似為一個(gè)線性模型，而事實(shí)上，受上層業(yè)務(wù)突發(fā)和網(wǎng)絡(luò)拓?fù)淇熳兊碾p重影響，控制模型具有明顯的非線性，很難通過系統(tǒng)分析或識(shí)別等手段線性化。

綜上所述，本文針對(duì)UAV云系統(tǒng)QoS差異化需求和資源能量受限等特點(diǎn)，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的雙閉環(huán)接入控制(BPFD-MAC)方法，在保證最大化能量利用率前提下，同時(shí)實(shí)現(xiàn)絕對(duì)QoS和相對(duì)QoS保證。首先，采用N+1模型，將絕對(duì)QoS約束和相對(duì)QoS約束進(jìn)行解耦；其次，針對(duì)絕對(duì)QoS約束建立活動(dòng)時(shí)間閉環(huán)(AT-loop)，根據(jù)實(shí)測(cè)延遲動(dòng)態(tài)調(diào)整節(jié)點(diǎn)MAC傳輸?shù)幕顒?dòng)時(shí)間；針對(duì)相對(duì)QoS約束，建立退避窗口閉環(huán)(CW-loop)，根據(jù)不同優(yōu)先級(jí)實(shí)際延遲比，調(diào)整它們退避時(shí)間的初始上限，從而保證不同優(yōu)先級(jí)延遲的比例關(guān)系恒定，防止低優(yōu)先級(jí)被過分犧牲；同時(shí)，設(shè)計(jì)基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器，利用神經(jīng)網(wǎng)絡(luò)非線性自學(xué)習(xí)和自訓(xùn)練的特點(diǎn)，對(duì)控制器參數(shù)進(jìn)行自適應(yīng)校正，保證上層應(yīng)用在動(dòng)態(tài)負(fù)載下的高可靠和高實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果表明，在網(wǎng)絡(luò)高負(fù)載下BPFD-MAC協(xié)議具有更高的吞吐量和能量利用率，在網(wǎng)絡(luò)低負(fù)載下具有更低的能耗。

1 BPFD-MAC模型

根據(jù)云端卸載任務(wù)的不同，MAC層形成的幀流可以被分為I+J類不同的優(yōu)先級(jí)；在每個(gè)UAV節(jié)點(diǎn)上，這些不同的優(yōu)先級(jí)在相互隔離的隊(duì)列中按照CSMA/CA方式共享信道。其中，有I類幀流要求點(diǎn)對(duì)點(diǎn)性能滿足約束(1)式，為絕對(duì)QoS約束；有J類幀流要求點(diǎn)對(duì)點(diǎn)性能指標(biāo)關(guān)系滿足約束(2)式，為相對(duì)QoS約束。

ζi≤Li,i=1,2,…，I，

(1)

(2)

式中：ζi、ζj、ζj+1為實(shí)際測(cè)量的QoS指標(biāo)(ζi、ζj、ζj+1可以是丟包率、節(jié)點(diǎn)帶寬、吞吐量等指標(biāo)。不失一般性，本文采用點(diǎn)對(duì)點(diǎn)平均延遲)；Li為期望的QoS指標(biāo)；δj、δj+1為固有優(yōu)先級(jí)參數(shù)，δj、δj+1越小，作業(yè)的期望延遲越低，業(yè)務(wù)類的優(yōu)先級(jí)越高。在服務(wù)過程中，使得QoS指標(biāo)滿足絕對(duì)QoS約束，為絕對(duì)QoS保證；使得QoS指標(biāo)滿足相對(duì)QoS約束，即控制不同優(yōu)先級(jí)QoS指標(biāo)比例關(guān)系恒定，在保證高優(yōu)先級(jí)的性能不低于低優(yōu)先級(jí)的同時(shí)，兼顧業(yè)務(wù)之間的公平性，為相對(duì)QoS保證。

無(wú)論是幀流的分類策略還是QoS指標(biāo)和固有優(yōu)先級(jí)參數(shù)的取值，都可以采用上層協(xié)議動(dòng)態(tài)協(xié)商或系統(tǒng)提前固化的方式，本文不再贅述。

1.1 N+1模型

實(shí)際上，服從絕對(duì)約束的I類幀流和服從相對(duì)約束的J類幀流可統(tǒng)一為N+1模型。由AT-loop控制節(jié)點(diǎn)的活動(dòng)時(shí)間，保證最高優(yōu)先級(jí)業(yè)務(wù)類S的絕對(duì)延遲ζS=LS，LS為絕對(duì)延遲期望值，S=min (Li)，函數(shù)min (·)返回值為期望延遲最小的業(yè)務(wù)類編號(hào)；剩余的N(N=I+J-1)類幀流由CW-loop分別控制其退避窗口大小，從而保證相互間的延遲比恒定。故(1)式和(2)式可以重寫為

ζS=LS,S=min (Li),

(3)

(4)

(5)

(4)式保證了所有絕對(duì)QoS約束的延遲等于其約束值Li；(5)式保證了不同優(yōu)先級(jí)相對(duì)QoS約束的延遲比恒定，從而避免了網(wǎng)絡(luò)擁塞時(shí)低優(yōu)先級(jí)被過分的犧牲。

1.2 AT-loop

圖2為基于BP神經(jīng)網(wǎng)絡(luò)的雙閉環(huán)接入控制模型模型，其中：Yr為歸一化延遲比的期望值，E(k)為延遲比偏差，k為采樣周期，U(k)為縮放向量，Y(k)為實(shí)際測(cè)量的歸一化延遲比，KP、KI和KD為PID控制器參數(shù)。圖2中，AT-loop(藍(lán)色虛線方框)通過動(dòng)態(tài)調(diào)整活動(dòng)時(shí)間，實(shí)現(xiàn)絕對(duì)延遲保證和能耗管理。當(dāng)網(wǎng)絡(luò)流量較大時(shí)，增大活動(dòng)時(shí)間以減小碰撞概率；反之，減小活動(dòng)時(shí)間以節(jié)省能耗。AT控制器采用BP神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)系統(tǒng)反饋和控制器參數(shù)自整定。根據(jù)絕對(duì)延遲偏差eS(k)=ζS(k)-LS，調(diào)整下一個(gè)采樣周期的活動(dòng)時(shí)間TS(k+1). 同時(shí)，偏差eS和活動(dòng)時(shí)間TS作為輸入輸出訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

需要注意的是，對(duì)優(yōu)先級(jí)S來(lái)說(shuō)，由于其在單一節(jié)點(diǎn)傳輸中所占的比例是動(dòng)態(tài)變化的，AT-loop閉環(huán)通過對(duì)TS的控制消除偏差eS. 但是，在競(jìng)爭(zhēng)窗口閉環(huán)中，接入時(shí)間的變化量ΔTS，實(shí)際上最終會(huì)被多個(gè)業(yè)務(wù)類以差分二進(jìn)制退避機(jī)制(LD-BEB)的方式消耗，并再次影響測(cè)量延遲。盡管如此，得益于負(fù)反饋控制的自適應(yīng)性，可以將活動(dòng)時(shí)間和競(jìng)爭(zhēng)窗口進(jìn)行解耦，單獨(dú)控制。

1.3 競(jìng)爭(zhēng)窗口閉環(huán)

圖2中，CW-loop(紅色虛線方框)通過控制退避窗口的大小，實(shí)現(xiàn)各優(yōu)先級(jí)的差異化接入概率。實(shí)際上，由于IEEE 802.11 CSMA/CA協(xié)議所采用的二進(jìn)制指數(shù)退避(BEB)算法，本身不具備接入概率控制能力。

因此，本文在BEB基礎(chǔ)上提出一種LD-BEB算法。通過為每類優(yōu)先級(jí)引入縮放向量U(k)=[u1(k),u2(k),…,ui(k)，…，uN-1(k)]T，當(dāng)MAC層有幀發(fā)送并且信道空閑時(shí)，在競(jìng)爭(zhēng)窗口[0,ui(k)Wmin-1],1≤ui(k)≤Wmax/Wmin內(nèi)隨機(jī)延遲一段時(shí)間后，再由物理層發(fā)送，Wmax、Wmin分別為窗口大小的上下限；若發(fā)生碰撞，則窗口大小以指數(shù)速率增加[0,Wτ-1],τ為連續(xù)發(fā)生碰撞的次數(shù)。

Wτ=min (2τui(k)Wmin,Wmax).

(6)

與AT控制器類似，CW控制器同樣采用基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制器。神經(jīng)網(wǎng)絡(luò)的輸入為延遲比偏差E(k)=Y(k)-Yr，輸出為縮放向量X(k)，其中Yr、Y(k)分別為歸一化的期望延遲和實(shí)際測(cè)量的歸一化延遲：

(7)

2 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器設(shè)計(jì)

由于UAV云系統(tǒng)網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)變化和任務(wù)的突發(fā)性，無(wú)論是活動(dòng)時(shí)間閉環(huán)還是競(jìng)爭(zhēng)窗口閉環(huán)，都展現(xiàn)出典型的非線性和時(shí)變性。本文利用神經(jīng)網(wǎng)絡(luò)非線性自學(xué)習(xí)和自訓(xùn)練的特點(diǎn)，對(duì)控制器參數(shù)進(jìn)行自適應(yīng)校正，以保證負(fù)載變化情況下控制器的有效性和穩(wěn)定性。

2.1 控制器結(jié)構(gòu)

以競(jìng)爭(zhēng)窗口閉環(huán)為例，其控制系統(tǒng)由經(jīng)典PID控制器和BP神經(jīng)網(wǎng)絡(luò)兩部分組成。經(jīng)典增量式數(shù)字PID的控制算式為

u(k)=u(k-1)+KP(e(k)-e(k-1))+KIe(k)+
KD(e(k)-2e(k-1)+e(k-2)).

(8)

BPFD-MAC通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，對(duì)控制器參數(shù)進(jìn)行優(yōu)化，此時(shí)，(8)式可寫為

u(k)=
f[u(k-1),KP,KI,KD,e(k),e(k-1),e(k-2)],

(9)

式中：f(·)是與KP、KI、KD、u(k-1)和e(k)等有關(guān)的非線性函數(shù)。

2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

由于UAV有限的計(jì)算資源，神經(jīng)網(wǎng)絡(luò)應(yīng)能在較低的計(jì)算復(fù)雜度下實(shí)現(xiàn)參數(shù)的快速收斂。在本文所提出的BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的自適應(yīng)控制器中，采用如圖3所示的3層神經(jīng)網(wǎng)絡(luò)架構(gòu)，每層分別有4、L、3個(gè)神經(jīng)元。具體原因如下：1)理論上，3層神經(jīng)網(wǎng)絡(luò)架構(gòu)可以用來(lái)近似任何的非線性系統(tǒng)，并且隨著隱藏層神經(jīng)元數(shù)量的增加，計(jì)算復(fù)雜度以指數(shù)速率增加[17]；2)對(duì)于本文所構(gòu)建的雙閉環(huán)接入控制模型以及所構(gòu)建的實(shí)物仿真場(chǎng)景，通過F檢驗(yàn)，在5%置信區(qū)間下，3層神經(jīng)網(wǎng)絡(luò)和大于3層神經(jīng)網(wǎng)絡(luò)架構(gòu)，在KP、KI、KD參數(shù)收斂上，沒有顯著差異。

1)輸入層的輸出：

(10)

(11)

2)隱含層的輸入與輸出：

(12)

3)輸出層的輸入：

(13)

取被控對(duì)象的實(shí)際輸出yi(k)和期望輸出yir之間的歐式距離，作為度量神經(jīng)網(wǎng)絡(luò)的性能指標(biāo)函數(shù)：

(14)

Q(k)越小，說(shuō)明神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID的控制追蹤期望值能力越強(qiáng)。按Q(k)對(duì)加權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)整，并附加使搜索快速收斂全局極小的慣性項(xiàng)，則有

(15)

(16)

因此，輸出層權(quán)計(jì)算公式為

(17)

同理，可得隱含層權(quán)重計(jì)算公式為

(18)

綜上所述，基于BP神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自適應(yīng)算法如表1所示。

3 實(shí)驗(yàn)分析

本文設(shè)計(jì)了4組對(duì)比實(shí)驗(yàn)，分別討論動(dòng)態(tài)性能、能量消耗、系統(tǒng)穩(wěn)定性和統(tǒng)計(jì)靜態(tài)性能。UAV節(jié)點(diǎn)采用ZigBit900無(wú)線模塊(784/868/915 MHz IEEE 802.15.4 模塊)實(shí)現(xiàn)去中心的自組織網(wǎng)絡(luò)。其內(nèi)部集成了ATmega1281V 微控制器和AT86RF212 射頻收發(fā)器。借助于美國(guó)Atmel公司提供的AVR2025開發(fā)包，在微控制器內(nèi)部構(gòu)建多隊(duì)列結(jié)構(gòu)進(jìn)行不同業(yè)務(wù)流的性能隔離，進(jìn)而調(diào)整射頻芯片內(nèi)部的隊(duì)列選擇、退避窗口大小和活動(dòng)時(shí)間，實(shí)現(xiàn)動(dòng)態(tài)AT和CW調(diào)整。AVR2025開發(fā)包提供了API回調(diào)函數(shù)，當(dāng)幀數(shù)據(jù)被成功發(fā)送時(shí)，通過對(duì)回調(diào)函數(shù)的間隔，能夠計(jì)算出點(diǎn)對(duì)點(diǎn)的平均傳輸延遲。

表1 基于BP神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自適應(yīng)算法

T-loop和CW-loop均采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，自適應(yīng)調(diào)整PID控制器參數(shù)，相關(guān)初始參數(shù)的選擇如表2所示。

表2 BPFD-MAC神經(jīng)網(wǎng)絡(luò)初始參數(shù)

需要說(shuō)明的是，文獻(xiàn)[16]中已經(jīng)將FD-MAC與其他基于QoS區(qū)分服務(wù)的MAC協(xié)議進(jìn)行了對(duì)比，并證明了其優(yōu)越性。因此，本文僅就BPFD-MAC協(xié)議和FD-MAC協(xié)議進(jìn)行實(shí)驗(yàn)比較。

3.1 動(dòng)態(tài)性能驗(yàn)證

動(dòng)態(tài)性能關(guān)注QoS指標(biāo)隨時(shí)間變化的情況，用來(lái)評(píng)價(jià)控制器的性能。實(shí)驗(yàn)中采用Off-and-then-on方式模擬階躍信號(hào)。共持續(xù)600 s：0～200 s，無(wú)控制器作用，節(jié)點(diǎn)工作在標(biāo)準(zhǔn)IEEE 802.15.4 MAC方式下；200～400 s, 僅CW-loop工作，節(jié)點(diǎn)工作在FD-MAC方式下；400～600 s，AT-loop和CW-loop同時(shí)作用，節(jié)點(diǎn)工作在BPFD-MAC方式下。

假設(shè)網(wǎng)絡(luò)中存在3類應(yīng)用，其中Pri 1、Pri 2、Pri 3分別為實(shí)時(shí)(RT)應(yīng)用、流傳輸(ST)和其他盡力服務(wù)(BE)應(yīng)用所產(chǎn)生的幀流。針對(duì)云機(jī)器應(yīng)用場(chǎng)景設(shè)計(jì)了兩組對(duì)比試驗(yàn)，即強(qiáng)約束(STC)場(chǎng)景和弱約束(WTC)場(chǎng)景。對(duì)前者，絕對(duì)QoS約束條件為ζ1≤LSTC=2 ms，模擬負(fù)載變強(qiáng)時(shí)，高優(yōu)先級(jí)QoS期望指標(biāo)小于實(shí)際延遲的場(chǎng)景；對(duì)后者，ζ1≤LWTC=6 ms，模擬負(fù)載強(qiáng)度降低時(shí)，QoS期望指標(biāo)大于實(shí)際延遲的場(chǎng)景。兩類場(chǎng)景下BE幀流的相對(duì)QoS約束均為ζ2/ζ3=δ2/δ3=2/3.

圖4(a)和圖5(a)為STC場(chǎng)景和WTC場(chǎng)景下節(jié)點(diǎn)1～節(jié)點(diǎn)5(其余15個(gè)節(jié)點(diǎn)情況類似)的延遲變化情況。由圖4(a)和圖5(a)可見：0～200 s(802.15.4 MAC協(xié)議)，各類幀流的延遲沒有明顯的區(qū)別；200～400 s (FD-MAC協(xié)議)，不同優(yōu)先級(jí)的平均延遲出現(xiàn)了明顯差異，但Pri 1沒有滿足絕對(duì)延遲約束要求，即LSTC=2 ms或LWTC=6 ms；400～600 s (BPFD-MAC協(xié)議)，區(qū)分的情況仍然顯著，幀流Pri 1的絕對(duì)延遲也分別降低到2 ms和增加到6 ms.

圖4(b)和圖5(b)為STC場(chǎng)景和WTC場(chǎng)景下兩類BE幀流的延遲比。由圖4(b)和圖5(b)顯而易見：200～400 s，無(wú)論是FD-MAC還是BPFD-MAC，均能很好地保證延遲比恒定；同時(shí)BPFD-MAC還具有絕對(duì)延遲控制能力。

圖4(c)和圖5(c)為STC場(chǎng)景和WTC場(chǎng)景下節(jié)點(diǎn)吞吐量情況。由圖4(c)和圖5(c)可見：在前400 s(802.15.4和FD-MAC方式)，節(jié)點(diǎn)的吞吐量沒有明顯變化，與之前的研究結(jié)論相符[17]；400～600 s (BPFD-MAC協(xié)議)，STC場(chǎng)景下，絕對(duì)延遲越小，對(duì)應(yīng)的節(jié)點(diǎn)吞吐量越大，WTC場(chǎng)景反之。這說(shuō)明：相對(duì)于802.15.4 MAC協(xié)議和FD-MAC協(xié)議、CSFD-MAC協(xié)議在STC場(chǎng)景下，增加節(jié)點(diǎn)的活動(dòng)時(shí)間，能夠提高信道的時(shí)間利用率和吞吐量，進(jìn)而降低延遲；反之，在WTC場(chǎng)景下，降低節(jié)點(diǎn)收發(fā)器的活動(dòng)時(shí)間可以節(jié)省能力，同時(shí)吞吐量降低。這與本文的初衷相符。

圖4(d)和圖5(d)為STC場(chǎng)景和WTC場(chǎng)景下節(jié)點(diǎn)1(其余19個(gè)節(jié)點(diǎn)情況類似)控制器參數(shù)和偏差變化情況。由圖4(d)和圖5(d)可見，當(dāng)兩級(jí)控制器開啟后400～600 s(BPFD-MAC協(xié)議)，無(wú)論是STC場(chǎng)景還是WTC場(chǎng)景，控制器參數(shù)KP、KI、KD均在小于20 s的時(shí)間內(nèi)收斂，對(duì)應(yīng)的偏差也很快消除。事實(shí)上，BP算法是一種梯度下降法，每次調(diào)節(jié)的幅度均以與誤差呈正比的學(xué)習(xí)率η進(jìn)行[18-19]，當(dāng)學(xué)習(xí)率η=0.28時(shí)，從圖4(d)和圖5(d)的偏差消除情況來(lái)看，算法收斂且滿足BPFD實(shí)時(shí)性需求。

3.2 能量效率

能量效率和生存時(shí)間是UAV等智能群體網(wǎng)絡(luò)構(gòu)建時(shí)的重要參考指標(biāo)。本文采用平均幀能量消耗度量節(jié)點(diǎn)能量效率，平均幀能量消耗越小，能力效率越高；總能量消耗評(píng)價(jià)節(jié)點(diǎn)生存時(shí)間，在總能量一定情況下，總能量消耗越少，節(jié)點(diǎn)生存時(shí)間越長(zhǎng)。

通常，提高能量效率意味著節(jié)點(diǎn)在網(wǎng)絡(luò)傳輸中應(yīng)避免不必要的浪費(fèi)，如碰撞導(dǎo)致的數(shù)據(jù)重傳和靜態(tài)電路消耗等；降低總能量消耗意味著節(jié)點(diǎn)應(yīng)盡可能多地處于休眠狀態(tài)。圖6為STC場(chǎng)景 (見圖6(a)、圖6(b))和WTC場(chǎng)景(見圖6(c)、圖6(d))下，節(jié)點(diǎn)1～節(jié)點(diǎn)5的平均幀能量消耗和總能量消耗。不失一般性，圖6僅顯示了最高優(yōu)先級(jí)Pri 1和最低優(yōu)先級(jí)Pri 3的幀流能量消耗情況。由圖6可見：

1) 200～400 s (FD-MAC協(xié)議)，無(wú)論STC場(chǎng)景還是WTC場(chǎng)景(見圖6(a)、圖6(c))，平均幀能量消耗和總能量消耗均大于0～200 s (802.15.4 MAC協(xié)議)。原因是過小的競(jìng)爭(zhēng)窗口增加了碰撞概率，由此產(chǎn)生的數(shù)據(jù)重傳浪費(fèi)了部分能量并降低了能量利用效率。

2) 400～600 s (BPFD-MAC協(xié)議)，STC場(chǎng)景下(見圖6(a))平均幀能量消耗降低，能量效率增加；而WTC場(chǎng)景下(見圖6(c))，平均幀能量消耗幾乎不變。這是因?yàn)镾TC場(chǎng)景下，增加的吞度量(見圖4(c))遠(yuǎn)超過了碰撞概率升高導(dǎo)致的能量消耗增長(zhǎng)；而WTC場(chǎng)景下，吞吐量和總能量消耗都降低了，且二者數(shù)值上基本抵消。

3) 400～600 s (BPFD-MAC協(xié)議)，STC場(chǎng)景和WTC場(chǎng)景下，節(jié)點(diǎn)總能量消耗也不同。STC場(chǎng)景下(見圖6(b))，總能量消耗要大于WTC場(chǎng)景 (見圖6(d))，這是因?yàn)樵赪TC場(chǎng)景下，節(jié)點(diǎn)活動(dòng)時(shí)間較短，避免了不必要的電路消耗。

值得注意的是：相對(duì)于FD-MAC協(xié)議，在STC場(chǎng)景下，BPFD-MAC協(xié)議有更低的平均幀能量消耗和近乎相同的生存時(shí)間；在WTC場(chǎng)景下，BPFD-MAC協(xié)議有更低的總能量消耗和近乎相同的能量效率。

3.3 穩(wěn)定性驗(yàn)證

在STC場(chǎng)景下，BPFD-MAC協(xié)議犧牲生存時(shí)間(更高的總能量消耗，見圖6(b))，獲取了更高的吞吐量(見圖4(c))和更低的延遲(見圖4(a))。在云機(jī)器人等智能群體自組織網(wǎng)絡(luò)中，STC場(chǎng)景更為常見。圖7(a)為上層應(yīng)用所產(chǎn)生的幀傳輸?shù)竭_(dá)速率隨時(shí)間變化情況，其中：Pri 1承載RT業(yè)務(wù)，Pri 3承載BE業(yè)務(wù)，速率在250～100幀/s范圍內(nèi)，以300 s為周期變化；Pri 2承載ST業(yè)務(wù)，速率恒定為170幀/s. BPFD-MAC協(xié)議在1 000 s開始工作，圖7(b)為對(duì)應(yīng)各節(jié)點(diǎn)延遲變化情況。由圖7可見：

1) 0～1 000 s(802.15.4MAC協(xié)議), 各類幀流的延遲隨著幀到達(dá)速率變化，特別是在300～600 s，各節(jié)點(diǎn)都存在Pri 1幀流的延遲大于Pri 3幀流的情況。

2) 1 000～2 000 s(BPFD-MAC協(xié)議), 隨著幀到達(dá)率變化，各類幀流的延遲存在小的抖動(dòng)，但延遲被較好地區(qū)分，特別是Pir 1延遲基本上被控制在了2 ms左右。

3)由于幀傳輸?shù)竭_(dá)速率以門函數(shù)形式變化，存在上跳沿和下跳沿兩個(gè)沖擊，對(duì)控制系統(tǒng)來(lái)說(shuō)，是更為惡劣的輸入條件。在這種條件下，BPFD-MAC協(xié)議仍然能夠維持不同優(yōu)先級(jí)的比例關(guān)系和高實(shí)時(shí)幀流的絕對(duì)延遲保證，具有良好的系統(tǒng)穩(wěn)定性。

3.4 靜態(tài)性能

為了驗(yàn)證BPFD-MAC協(xié)議的靜態(tài)性能，在STC場(chǎng)景下，隨著負(fù)載強(qiáng)度的增加，統(tǒng)計(jì)分析節(jié)點(diǎn)的吞吐量和能量消耗情況。如圖8所示，負(fù)載強(qiáng)度沿著y軸增加，x軸方向依次表示為IEEE 802.15.4 MAC協(xié)議、FD-MAC協(xié)議和BPFD-MAC協(xié)議，z軸方向分別為吞吐量(見圖8(a))和平均幀能量消耗(見圖8(b))。

由圖8(a)可見：相對(duì)802.15.4協(xié)議和FD-MAC協(xié)議，BPFD-MAC協(xié)議不僅支持絕對(duì)延遲和相對(duì)延遲保證，而且能夠同時(shí)提高優(yōu)先級(jí)和低優(yōu)先級(jí)的吞吐量(吞吐量之和平均提高了18%)；而FD-MAC協(xié)議相對(duì)于802.15.4 MAC協(xié)議，雖然也能夠?qū)崿F(xiàn)區(qū)分的延遲，但節(jié)點(diǎn)總的吞吐量沒有顯著變化(所有優(yōu)先級(jí)吞吐量之和沒有明顯變化)。

由圖8(b)可見，在各種負(fù)載強(qiáng)度下，BPFD-MAC協(xié)議的平均幀能量消耗明顯低于FD-MAC協(xié)議和802.15.4協(xié)議(平均降低了14%)。這表明BPFD-MAC協(xié)議有更好的能量效率。

4 結(jié)論

1)本文從控制角度研究了UAV云系統(tǒng)動(dòng)態(tài)任務(wù)卸載模式下網(wǎng)絡(luò)傳輸?shù)腝oS控制問題，在資源需求和QoS指標(biāo)之間建立聯(lián)系，提出并實(shí)現(xiàn)了一種基于BPFD-MAC的方法，分別用來(lái)控制高優(yōu)先級(jí)絕對(duì)延遲和其他優(yōu)先級(jí)的相對(duì)延遲，在最大化能量利用率的同時(shí)，實(shí)現(xiàn)了多種優(yōu)先級(jí)傳輸?shù)慕^對(duì)QoS和相對(duì)QoS保證。

2)借助于良好設(shè)計(jì)的自適應(yīng)閉環(huán)系統(tǒng)自穩(wěn)定和自校正特點(diǎn)，無(wú)需對(duì)資源的需求進(jìn)行精確預(yù)測(cè)。兩級(jí)反饋控制器均采用BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的PID自適應(yīng)控制，由于神經(jīng)網(wǎng)絡(luò)具有良好的非線性逼近能力，BPFD-MAC協(xié)議具有較好的動(dòng)態(tài)性能。硬件實(shí)驗(yàn)結(jié)果表明，相對(duì)于FD-MAC協(xié)議，BPFD-MAC協(xié)議不僅能夠在負(fù)載動(dòng)態(tài)變化時(shí)同時(shí)提供相對(duì)和絕對(duì)QoS保證，而且在STC場(chǎng)景下，節(jié)點(diǎn)具有更高的吞吐量和能量利用率，在WTC場(chǎng)景下具有更低的能量消耗。