郝 銳 王建萍 陳丹陽 路慧敏

(北京科技大學(xué)計算機與通信工程學(xué)院 北京 100083)

1 引言

近年來，隨著地球環(huán)境的不斷變化，世界各地自然災(zāi)害頻發(fā)。當(dāng)某地發(fā)生地震、山火、颶風(fēng)等自然災(zāi)害時，當(dāng)?shù)氐幕镜韧ㄐ呕A(chǔ)設(shè)施會遭到損毀，導(dǎo)致災(zāi)區(qū)內(nèi)外通信中斷，救援面臨著嚴(yán)峻的挑戰(zhàn)，應(yīng)急通信和救援將起到至關(guān)重要的作用[1]。無人機(Unmanned Aerial Vehicle, UAV)具有操控簡單、機動性高、協(xié)作性強[2]等特點，近年來被廣泛應(yīng)用于災(zāi)情偵察、物資投遞、消防救援、應(yīng)急基站搭建[3-5]等工作，而多架小型無人機在指揮中心的操控下集結(jié)而成的無人機編隊[6]在執(zhí)行任務(wù)的過程中具有高速率、高動態(tài)的特點，已成為應(yīng)急通信的首選方案之一。無人機編隊參照蜜蜂等昆蟲的集體行動模式，以分簇的方式共同完成特定任務(wù)[7]。通過分簇方式可以增強無人機節(jié)點間的通信能力，使得無人機對災(zāi)區(qū)信息的感知獲取能力得以擴(kuò)展，提高救援效率[8-10]。然而，隨著無人機技術(shù)的快速發(fā)展，無人機編隊通信也面臨著一些新的挑戰(zhàn)，比如射頻頻譜稀缺、相互干擾、網(wǎng)絡(luò)連接問題等。由于sub-6G頻譜已被大量應(yīng)用于地面通信網(wǎng)絡(luò)，無人機的廣泛使用會嚴(yán)重破壞地面蜂窩網(wǎng)絡(luò)，并使其系統(tǒng)容量下降遠(yuǎn)遠(yuǎn)超過系統(tǒng)規(guī)劃中的預(yù)期，從而降低地面用戶的通信質(zhì)量[11]。此外，在執(zhí)行緊急任務(wù)時，無人機群的連通性也會受到復(fù)雜大氣環(huán)境和強電磁干擾等影響，導(dǎo)致系統(tǒng)性能的下降和執(zhí)行任務(wù)效率的降低。

紫外光的大氣吸收、大氣散射以及處在“日盲”波段(200～280 nm)的特點[12]，使得以紫外光為主的無線光通信網(wǎng)絡(luò)具有低竊聽率、低位辨率、全方位性、全天候性等優(yōu)點[13]，非常適合組成小范圍內(nèi)的移動局域網(wǎng)，將其作為一種傳統(tǒng)無線通信的補充通信方式，可極大地增強續(xù)航、偵察、救援等能力。為了提升數(shù)據(jù)處理和網(wǎng)絡(luò)規(guī)劃能力，將紫外光通信設(shè)備應(yīng)用于無人機編隊，可以用來解決無人機編隊通信的射頻頻譜稀缺、干擾和網(wǎng)絡(luò)聯(lián)通性等問題，成為了一種應(yīng)急救災(zāi)場景下的有潛力的解決方案。無人機編隊通常工作在“長機-簇首-成員”的模式下，通過無線紫外光通信形成一個自組織多跳網(wǎng)絡(luò)去采集處理監(jiān)測區(qū)域內(nèi)感知對象的信息，從而實現(xiàn)信息的交互和任務(wù)的分配。

在實際救災(zāi)任務(wù)執(zhí)行過程中，無人機編隊攜帶的能量有限，特別是紫外光通信鏈路傳輸損耗大，高效率的分簇算法以及能效優(yōu)化的路由算法對于延長無人機編隊的任務(wù)執(zhí)行時間以及提高救災(zāi)能力具有重要意義。低功耗自適應(yīng)集簇分層算法(Low Energy Adaptive Clustering Hierarchy, LEACH)[14]在選舉簇首時節(jié)點具有相同的競爭概率，但該算法未考慮當(dāng)前簇首節(jié)點的剩余能量，這可能導(dǎo)致距離較遠(yuǎn)的簇首節(jié)點因為長距離發(fā)送數(shù)據(jù)而過早消耗能量而死亡，進(jìn)而對整個網(wǎng)絡(luò)的生命周期造成影響。為解決這個問題，Yu等人[15]提出了一種移動預(yù)測的動態(tài)分簇算法，該算法能夠適應(yīng)高度動態(tài)的大型自組網(wǎng)，但同樣未考慮節(jié)點能量對網(wǎng)絡(luò)生命周期的影響。Wu等人[16]進(jìn)一步考慮了節(jié)點能量的影響，提出了一種能適應(yīng)能量變化的分簇路由協(xié)議。該算法根據(jù)節(jié)點分布生成大小均勻的簇，并在選舉簇首時構(gòu)造了一個優(yōu)先級函數(shù)，但未考慮到簇間信息傳遞過程的能量損耗問題。針對基于紫外光傳輸?shù)臒o人機編隊系統(tǒng)，Zhao等人[17]提出了一種無人機蜂群能效優(yōu)化路由算法，該算法對LEACH算法的候選簇首選舉門限進(jìn)行了改進(jìn)，并在簇間通信過程中，可以選擇一個中繼節(jié)點將數(shù)據(jù)從簇首傳遞給長機，有效延長了網(wǎng)絡(luò)生存期，但僅考慮使用一個中繼節(jié)點，未實現(xiàn)能量利用的最大化。

為了延長紫外光通信無人機編隊有效作業(yè)時間，本文給出了基于改進(jìn)LEACH算法和離散JAYA(Discrete JAYA, DJAYA)算法[18]以及競爭半徑JAYA低功耗自適應(yīng)集簇分層(Rcomp JAYA LEACH,RJLEACH)路由優(yōu)化方法。本算法能夠在無人機編隊的分簇過程中引入競爭半徑改進(jìn)簇首選舉過程，并在簇間通信過程中使用DJAYA算法尋找一條簇首到長機的最佳路由進(jìn)行信息的傳輸。應(yīng)用本方法，在搭建紫外光通信無人機編隊分簇系統(tǒng)模型的基礎(chǔ)上，對不同中繼節(jié)點個數(shù)無人機編隊網(wǎng)絡(luò)進(jìn)行路由優(yōu)化，并與其它算法得到的路由規(guī)劃結(jié)果進(jìn)行對比分析。

2 系統(tǒng)模型

2.1 無人機編隊分簇模型

本文對紫外光通信無人機編隊路由規(guī)劃的研究基于分簇模型，如圖1所示。即將整個無人機網(wǎng)絡(luò)劃分簇群，每個簇中會有一個簇首節(jié)點作為管理者，協(xié)助長機掌握全局信息并分擔(dān)其通信和控制壓力。長機在無人機編隊中擔(dān)任核心角色，配備高性能計算單元[19]，以解決緊急通信時可能出現(xiàn)的負(fù)載擁堵問題。在任務(wù)分配方面，成員僚機會將自身狀態(tài)數(shù)據(jù)發(fā)送給簇首僚機，簇首僚機將其整合并去除冗余數(shù)據(jù)，然后將結(jié)果發(fā)送給長機。長機會根據(jù)接收到的數(shù)據(jù)包向簇首和成員僚機發(fā)送控制信號，以協(xié)調(diào)任務(wù)分配，同時讓簇首僚機分擔(dān)部分計算任務(wù)，以減輕長機的負(fù)擔(dān)。分簇模型可以有效減少冗余鏈路，因此可以作為一種有效的能耗均衡策略。

圖1 無人機編隊分簇模型

在本文采用的分簇模型中，無人機編隊由1個長機和若干個成員節(jié)點構(gòu)成，整個編隊在同一水平面飛行。通過距離和節(jié)點剩余能量等約束規(guī)則在整個無人機網(wǎng)絡(luò)中選取若干無人機作為簇首，簇首將成員節(jié)點的數(shù)據(jù)信息匯總后轉(zhuǎn)發(fā)至長機，是無人機編隊的通信樞紐。長機作為整個網(wǎng)絡(luò)的控制中心，負(fù)責(zé)發(fā)送控制信號等高級指令。分簇模型以輪詢的方式工作，即周期性地讓每個節(jié)點有機會成為簇頭，以平衡能量消耗和延長網(wǎng)絡(luò)生命周期。在每個輪次開始時，節(jié)點根據(jù)概率決定是否成為簇頭，以負(fù)責(zé)數(shù)據(jù)收集和傳輸。一輪工作結(jié)束，分簇解散，同時進(jìn)入下一輪的分簇及通信工作。

2.2 無線紫外光通信鏈路模型

由于應(yīng)急通信時現(xiàn)場的廢墟、濃煙等障礙物的存在，不同無人機編隊節(jié)點間很難進(jìn)行對準(zhǔn)，而由于大氣對紫外波段光子的散射作用，紫外光可以通過一條非視距(Non-Line-Of-Sight, NLOS)鏈路被接收端所探測到，即只要發(fā)射端和接收端的視場角存在交疊，就可以形成通信鏈路，因此本文主要考慮紫外光的非視距通信鏈路[20]，如圖2所示。其中收發(fā)端 RX 和 TX 的間距為r，有效散射體V到 TX和RX 的距離分別為r1和r2，θ1為發(fā)送仰角，?1為發(fā)散角，θ2為接收仰角，?2為接收視場角，θs為散射角。此外，本文主要考慮θ1和θ2都小于90°的定向發(fā)射、定向接受模式紫外光鏈路，由于其能量損耗較小，通信帶寬較大，適合作為無人機編隊的機間通信方式。

圖2 紫外光NLOS散射通信鏈路模型

紫外光在大氣中通信時的衰減嚴(yán)重，隨著通信收發(fā)端間距的增大，路徑損耗以指數(shù)形式衰減。設(shè)能量為ET的紫外光光束經(jīng)過體積元δV被散射至接收端，可以得到單位面積上接收的能量并記為：δER。對δER在公共散射體V上進(jìn)行積分，可以得到接收總能量為[21]

其中，ER表示接收到的總能量，P(μ)是散射相函數(shù)，μ=cosθs，ks為大氣散射系數(shù)，ke為大氣消光系數(shù)。

定義路徑損耗L=ET/ER，根據(jù)文獻(xiàn)[21]中對散射體體積V的近似方法得

其中，D1=h1φ1/2,h1=r1+r2φ2,D2=h2?1/2,h2=r1-r2?2。

將相關(guān)參數(shù)代入式(1)，即可得到路徑損耗為

為了簡化計算，在近距離通信時(r＜1 km)，可以將路徑損耗公式簡化為[22]

其中，ξ是路徑損耗因子，定義為發(fā)收兩端的功率之比；α是路徑損耗指數(shù)，表示接收信號強度隨距離減小的速率，二者均與發(fā)收仰角θ1和θ2有關(guān)。在一定角度內(nèi)(0°～90°)，ξ隨θ1和θ2的增大而增加，α隨θ1和θ2的增大先增大后減小，同時，當(dāng)θ1和θ2處于30°～60°時，二者的變化與其他角度區(qū)間相比較為平緩[23]。因此，本文綜合考慮鏈路性能和實際通信情況，在仿真中將θ1和θ2均設(shè)置為40°。

2.3 無人機編隊通信能耗模型

本文在對紫外光通信無人機編隊進(jìn)行路由優(yōu)化時基于能耗模型，傳輸衰減L所損耗的能量EL[24]為

其中，ET為發(fā)射單位比特數(shù)據(jù)所消耗的能量。當(dāng)無人機收發(fā)節(jié)點相距為r時，發(fā)送k bit的數(shù)據(jù)，其所消耗的發(fā)送數(shù)據(jù)能耗ETX和接收數(shù)據(jù)能耗ERX分別為

其中，ER為接收單位比特數(shù)據(jù)所消耗的能量。另外，簇首節(jié)點需要對簇內(nèi)成員節(jié)點的信息進(jìn)行融合來消除數(shù)據(jù)冗余，數(shù)據(jù)融合時使用的能量Ec為

其中，EDA為融合單位比特數(shù)據(jù)所消耗的能量；m為簇內(nèi)成員節(jié)點的個數(shù)。

3 算法設(shè)計

3.1 無人機編隊分簇建立

基于分簇模型的路由規(guī)劃的首要任務(wù)即分簇的建立，本文將經(jīng)典LEACH算法引入到協(xié)議中。協(xié)議采用輪詢的工作方式，每一輪中進(jìn)行簇首選舉、節(jié)點入簇、簇間通信，然后進(jìn)行下一輪，直到任務(wù)完成或者所有無人機節(jié)點能量耗盡，網(wǎng)絡(luò)死亡。

首先選取候選簇首。每一輪中，每個無人機節(jié)點產(chǎn)生一個隨機數(shù)r0，與選舉門限T(n)進(jìn)行比較，若r0＜T(n)，則將該節(jié)點列為候選簇首；否則成為進(jìn)入睡眠狀態(tài)，等待簇首選舉完畢后入簇。選舉門限為

其中，p代表每一輪中期望成為簇首的節(jié)點占無人機節(jié)點總數(shù)的百分比；N代表當(dāng)前輪數(shù)；每1/p輪為一個周期進(jìn)行簇首的選舉，G代表這1/p輪中未成為簇首的無人機節(jié)點集合。

為了克服經(jīng)典LEACH算法對于簇首選舉沒有加以限制導(dǎo)致簇首分布不均勻，無人機編隊內(nèi)各節(jié)點剩余能量相差過大，最終編隊過早失去任務(wù)執(zhí)行能力的情況，本文通過引入競爭半徑R，在簇首選舉階段對候選簇首進(jìn)行篩選，即將候選簇首si的競爭半徑Ri定義為

其中，rc是定義在[0,1]內(nèi)控制競爭半徑大小的參數(shù)；dmax和dmin分別代表無人機編隊到長機距離的最大值和最小值；di,leader代表候選簇首si到長機的距離；R0代表最大競爭半徑，是一個經(jīng)驗值，需要根據(jù)不同的無人機編隊范圍來設(shè)置，R0過小，會導(dǎo)致簇頭過多，反之會導(dǎo)致簇頭過少，通常將R0設(shè)置在編隊長度和寬度的1/2左右。產(chǎn)生競爭半徑后，候選簇首si建立鄰居簇首集合，并選出集合內(nèi)剩余能量最大的無人機節(jié)點作為簇首，其余在集合內(nèi)的節(jié)點不再參與本輪的簇首選舉。si的鄰居簇首集合為

其中，C代表本輪的候選簇首集合；di,j代表候選簇首si和sj的距離。簇首節(jié)點個數(shù)首先由p大致確定，然后根據(jù)式(7)和式(8)進(jìn)行相應(yīng)地刪減。

選舉出所有簇首后，無人機編隊內(nèi)的其余剩余節(jié)點被喚醒，并選擇距離最近的簇首進(jìn)行入簇，成為該簇首的成員節(jié)點。至此，一輪內(nèi)的簇首選舉和節(jié)點入簇過程結(jié)束，簇首和成員節(jié)點的分簇關(guān)系保持至本輪結(jié)束。

3.2 簇間路由規(guī)劃算法

對于基于紫外光傳輸?shù)臒o人機編隊的簇間通信，令簇首和長機進(jìn)行直接進(jìn)行信息傳輸，可能會造成簇首節(jié)點能量衰減過快的問題?；诖耍疚囊刖嚯x閾值Dmax，如果簇首到長機的距離小于Dmax，采取直接通信的方式將數(shù)據(jù)傳輸給長機；否則，引入中繼節(jié)點，將數(shù)據(jù)以多跳的方式通過其它簇首進(jìn)行轉(zhuǎn)發(fā)，并設(shè)置目標(biāo)函數(shù)進(jìn)行路徑優(yōu)化。無人機編隊具備高度的動態(tài)性，引入中繼節(jié)點可能會引發(fā)內(nèi)部通信的不穩(wěn)定情況。為了應(yīng)對這種情況對通信鏈路質(zhì)量的不利影響，可以采取建立備份通信路徑、引入數(shù)據(jù)冗余機，以及應(yīng)用像本文中提出的路由規(guī)劃算法等措施。設(shè)一個無人機編隊中有n個節(jié)點，其中一個簇首節(jié)點ni到長機C的信息傳輸要經(jīng)過k個中繼節(jié)點轉(zhuǎn)發(fā)，無人機編隊距離矩陣為Dn×n，則該路由的總距離為

其中，dm,m+1表示該路由中相鄰兩節(jié)點之間的距離。設(shè)節(jié)點的剩余能量為Erest，則該路由的節(jié)點總剩余能量為

其中，Erest(m)表示該路由中第m個節(jié)點的剩余能量；長機節(jié)點的剩余能量不計入。若僅優(yōu)化路由距離，不考慮中繼節(jié)點的剩余能量，雖然可以找到一條能量消耗最小的路由，但也可能造成某些中繼節(jié)點過早死亡的情況；反之僅考慮中繼節(jié)點剩余能量，不考慮距離，則會導(dǎo)致該路由上所有節(jié)點的能量迅速下降。因此，綜合考慮無人機編隊路由距離和剩余能量，需要找到一條距離最短且剩余能量最大的路由，則可得無人機簇間路由的目標(biāo)函數(shù)為

本文采用基于DJAYA算法的無人機編隊簇間路由優(yōu)化方法，DJAYA算法輸入?yún)?shù)較少，與其他啟發(fā)式算法相比，能夠更好地避免因不當(dāng)?shù)膮?shù)調(diào)整而容易陷入局部最優(yōu)解的問題。將DJAYA算法生成的一條無人機簇間路由作為一個種子，當(dāng)前迭代中所有的種子組成一個種群。由于無人機簇間路由目標(biāo)函數(shù)Fitness為非負(fù)值，并且是求函數(shù)的最小值作為優(yōu)化目標(biāo)，因此可以直接使用目標(biāo)函數(shù)值作為種子的適應(yīng)度?；谶m應(yīng)度Fitness的大小，使用種群中的當(dāng)前種子、最優(yōu)種子和最差種子對無人機簇間路由進(jìn)行更新，以提高種群的多樣化，從而在路由優(yōu)化問題的搜索空間上發(fā)現(xiàn)潛在的解決方案。同時，為了在DJAYA算法的解空間上建立探索和利用之間的平衡，引入搜索趨勢參數(shù)[25]PST1,PST2(PST1+PST2=1) 來增強其搜索能力。根據(jù)PST1和PST2，選擇當(dāng)前、最優(yōu)或最差種子來產(chǎn)生候選路由方案。有多個可以參與的中繼簇首時，在DJAYA算法中通過隨機選擇其余簇首節(jié)點進(jìn)行路徑變換，并比較新解與當(dāng)前解的適應(yīng)度函數(shù)，如果新解優(yōu)于當(dāng)前解，則產(chǎn)生新解，中繼簇首就由新解中的這些節(jié)點進(jìn)行確定，否則保留舊解。

基于DJAYA算法的無人機簇間路由優(yōu)化可以分為以下6個步驟：

步驟1 初始化參數(shù)，包括無人機種群數(shù)量N、迭代次數(shù)Imax、搜索趨勢參數(shù)PST1和PST2、簇間路由中繼節(jié)點個數(shù)k；創(chuàng)建初始種群；

步驟2 根據(jù)無人機種群內(nèi)每個種子的適應(yīng)度函數(shù)選出最優(yōu)簇間路由和最差簇間路由；

步驟3 根據(jù)隨機數(shù)r1,r2(r1,r2∈(0,1))選擇當(dāng)前簇間路由、最優(yōu)簇間路由或者最差簇間路由作為候選種子；隨機數(shù)r1,r2為算法引入隨機性，使得算法有一定概率跳出局部最優(yōu)而選擇全局最優(yōu)。其與搜索趨勢參數(shù)PST1,PST2決定了算法產(chǎn)生候選種子的方式。

步驟4 將候選種子進(jìn)行路徑變換，產(chǎn)生新的簇間路由；

步驟5 根據(jù)適應(yīng)度函數(shù)選擇是否使用新路由替換舊路由；

步驟6 判斷是否滿足迭代停止條件；否則返回執(zhí)行步驟2-步驟5。

3.3 算法復(fù)雜度分析

本文在仿真中借鑒消融實驗(ablation study)的思路，將3.1和3.2節(jié)中提出的算法分別封裝為競爭半徑模塊Rcomp和DJAYA模塊。則系統(tǒng)的原始系統(tǒng)由經(jīng)典LEACH算法組成，新的系統(tǒng)在其基礎(chǔ)上增加了上述兩個模塊，構(gòu)成RJLEACH算法。同時，需要在經(jīng)典LEACH算法的基礎(chǔ)上分別加入上述兩個模塊，以單獨研究競爭半徑模塊Rcomp和DJAYA模塊對系統(tǒng)的影響。因此，在仿真中一共有4種算法，下面分別分析4種算法的時間復(fù)雜度。

經(jīng)典LEACH算法：設(shè)無人機編隊中有n個無人機節(jié)點，無人機編隊工作的最大輪次為Rmax，每一輪選出的簇首個數(shù)為nCH。則每一輪中，首先要遍歷所有的無人機節(jié)點，來選出這一輪的簇首；再遍歷所有的簇頭，來計算收發(fā)信息的能耗。則時間復(fù)雜度為O(Rmax×max(n,nCH)) 。由于n ≥nCH，因此時間復(fù)雜度為O(Rmax×n)。

經(jīng)典LEACH算法+競爭半徑模塊Rcomp：競爭半徑模塊需要在每一輪中遍歷所有無人機節(jié)點時選出候選簇首，再在候選簇首中選出最終簇首。設(shè)候選簇首個數(shù)為nc， 則時間復(fù)雜度為O(Rmax×(n,nc))。由于n ≥nc，因此時間復(fù)雜度仍然為O(Rmax×n)。

經(jīng)典LEACH算法+DJAYA模塊：DJAYA算法作為簇間路由優(yōu)化的算法，需要在一輪中選出所有簇首之后，對簇首進(jìn)行遍歷，以將各個分簇的簇間路由目標(biāo)函數(shù)降到最小。設(shè)無人機種群數(shù)量為N，迭代次數(shù)為Imax，因此時間復(fù)雜度為O(Rmax×max(n,nc×N×Imax))。

經(jīng)典LEACH算法+競爭半徑模塊Rcomp +DJAYA模塊(即RJLEACH算法)：綜上分析，RJLEACH算法的時間復(fù)雜度為O(Rmax×max(n,nc×N×Imax))。

4 仿真結(jié)果與分析

采用以上方法，本文進(jìn)一步對紫外光無人機編隊進(jìn)行路由規(guī)劃，設(shè)置無人機節(jié)點數(shù)100個，隨機分布在200 m×200 m的仿真區(qū)域內(nèi)，且都具有相同的航向和飛行速度，目標(biāo)狀態(tài)協(xié)同一致，網(wǎng)絡(luò)拓?fù)洳蛔?。在?yīng)急救援情境中，無人機網(wǎng)絡(luò)主要傳輸實時視頻和語音數(shù)據(jù)，這些信息需要快速傳遞，而通信距離通常在幾百米到幾公里之間[26]，因此需要降低通信時延，以滿足實時性要求。時分多址(Time Division Multiple Access, TDMA)接入?yún)f(xié)議為無人機編隊提供了一種清晰的時間分割方法，這意味著無人機節(jié)點在發(fā)送數(shù)據(jù)時沖突概率較低，時延也較小。這種協(xié)議在網(wǎng)絡(luò)密度較高或負(fù)載較重的情況下表現(xiàn)出更好的性能[27]。因此，在簇內(nèi)通信中采用TDMA，簇首為每個成員節(jié)點分配不同的時隙。成員節(jié)點將本機數(shù)據(jù)發(fā)送至簇首，經(jīng)過信息融合后，簇首再將數(shù)據(jù)轉(zhuǎn)發(fā)至長機，長機根據(jù)收到的信息進(jìn)行任務(wù)決策。仿真實驗中設(shè)置PST1=PST2=0.5，種群數(shù)量N=50，迭代次數(shù)Imax=50，簇首數(shù)占總節(jié)點數(shù)百分比p=20%,rc=0.5， 最大競爭半徑R0=90 m，選取中繼節(jié)點k=1,2,3,4分別進(jìn)行仿真，分析中繼節(jié)點個數(shù)對網(wǎng)絡(luò)性能的影響，并將本文提出的RJLEACH算法與經(jīng)典LEACH算法進(jìn)行比較分析。其余參數(shù)如表1所示。

表1 仿真實驗參數(shù)

4.1 算法參數(shù)影響分析

從以上說明可以看出，采用DJAYA算法對紫外光通信無人機編隊進(jìn)行分簇內(nèi)路由規(guī)劃，距離閾值Dmax會對路由規(guī)劃算法有較大的影響，因此首先仿真了該參數(shù)對系統(tǒng)的影響。仿真結(jié)果如圖3所示，橫軸代表Dmax的選取范圍(0～200 m)，縱軸代表出現(xiàn)第1個死亡節(jié)點時的輪數(shù)。可以看出，出現(xiàn)第1個死亡節(jié)點的輪數(shù)隨著Dmax的增大先上升后下降，峰值出現(xiàn)在100 m左右。這是因為當(dāng)Dmax較小時，系統(tǒng)傾向于使用中繼節(jié)點進(jìn)行通信，過多地使用中繼節(jié)點會導(dǎo)致能量衰減速度過快；而當(dāng)Dmax過大時，系統(tǒng)傾向于使無人機直接與長機通信，會導(dǎo)致衰減不平均而使部分簇頭的能量過早地耗盡。因此，綜合考慮以上情況，本文將Dmax距離閾值設(shè)置為100 m。

圖3 距離閾值Dmax對系統(tǒng)性能的影響

另外，中繼節(jié)點數(shù)的設(shè)置也是影響系統(tǒng)性能的關(guān)鍵參數(shù)。將中繼節(jié)點個數(shù)分別設(shè)置為1, 2, 3, 4時，存活節(jié)點數(shù)隨輪數(shù)的變化趨勢如圖4所示。可以看出，算法在使用2個中繼節(jié)點時性能達(dá)到最優(yōu)，在4個中繼節(jié)點時性能最差，存活節(jié)點數(shù)下降得最快。這是因為當(dāng)中繼節(jié)點較少時(中繼節(jié)點數(shù)為1)，其適應(yīng)度函數(shù)到達(dá)不了最優(yōu)值；當(dāng)中繼節(jié)點數(shù)過多時(中繼節(jié)點數(shù)為3, 4)，會造成節(jié)點的重復(fù)使用，浪費了資源。因此之后的性能分析及對比中，均選用2個中繼節(jié)點進(jìn)行簇間信息傳輸。

圖4 使用不同中繼節(jié)點數(shù)時的對比

為了驗證不同節(jié)點密度帶來的影響，仿真了同樣規(guī)模的無人機編隊在200 m×200 m, 300 m×300 m和400 m×400 m區(qū)域內(nèi)的算法運行情況。圖5給出了不同節(jié)點密度下的平均剩余能量對比和存活節(jié)點數(shù)對比。圖5(a)可以看出，在200×200, 300×300和400×400仿真區(qū)域內(nèi)，無人機編隊平均剩余能量分別在第1 000輪、800輪和700輪左右耗盡；由圖5(b)可得，300×300, 400×400仿真區(qū)域的無人機編隊出現(xiàn)第1個死亡節(jié)點的輪數(shù)分別為800輪、620輪，相比200×200仿真區(qū)域的974輪，分別縮短了17.9%,36.3%。仿真區(qū)域越大，無人機網(wǎng)絡(luò)密度越低，通信距離變長，消耗能量越快，節(jié)點死亡時間越早。

圖5 不同節(jié)點密度的影響

4.2 算法對比分析

本文也針對該紫外光通信無人機編隊，將所提出的基于DJAYA路由規(guī)劃算法得到的結(jié)果，同傳統(tǒng)LEACH算法得到結(jié)果進(jìn)行對比分析。其中成簇的對比結(jié)果如圖6、圖7所示，圖6(a)，圖6(c)代表LEACH算法的成簇結(jié)果，耗時2.42 s；圖7(a)，圖7(c)代表RJLEACH算法的成簇結(jié)果，耗時3.11 s。其中分別截取了死亡節(jié)點為1, 50和90時的無人機網(wǎng)絡(luò)。其中中間大圓代表長機，實心圓代表簇首節(jié)點，空心圓代表簇內(nèi)成員節(jié)點，叉號代表已死亡節(jié)點，即無人機能量已耗盡。當(dāng)只有一個死亡節(jié)點時，網(wǎng)絡(luò)運行基本不受影響；死亡節(jié)點超過50時，網(wǎng)絡(luò)性能損耗過半；死亡節(jié)點超過90時，網(wǎng)絡(luò)基本無法正常工作。對比優(yōu)化前后的簇首分布情況可以看出，采用經(jīng)典LEACH算法，簇首節(jié)點分布比較隨機且不均勻，存在兩簇首相距過近的問題，這更進(jìn)一步導(dǎo)致了孤立簇首的存在，即簇內(nèi)沒有成員節(jié)點。當(dāng)增加DJAYA優(yōu)化算法后，其簇首節(jié)點分布均勻，不存在相距過近的問題。

圖6 LEACH算法成簇結(jié)果

圖7 RJLEACH算法成簇結(jié)果

為了進(jìn)一步分析給出的路由規(guī)劃算法在紫外光通信無人機編隊分簇建立過程中的性能，本文將RJLEACH算法得到的簇首隨輪數(shù)的變化趨勢和經(jīng)典LEACH算法得到的結(jié)果也進(jìn)行了對比。同時以經(jīng)典LEACH算法為基準(zhǔn)，對比分別單獨加入競爭半徑模塊Rcomp和DJAYA算法模塊時帶來的影響，如圖8所示?？梢钥闯?，LEACH算法在網(wǎng)絡(luò)有效生存期(存活節(jié)點數(shù)大于50%)生成的平均簇首數(shù)目大約為20，生成的最大簇首數(shù)目為26，最小數(shù)目為12，上下波動幅度較大；當(dāng)只加入DJAYA模塊時，生成的平均簇首數(shù)目大約為19，與LEACH算法基本持平；當(dāng)只加入Rcomp模塊時，生成的平均簇首數(shù)目大約為7；同時加入兩模塊，即RJLEACH算法在網(wǎng)絡(luò)有效生存期生成的平均簇首大約為7，生成的最大簇首數(shù)目為11，最小數(shù)目為4，上下波動幅度較小?？梢钥闯觯瑢τ诖厥讛?shù)目控制較為明顯的是Rcomp模塊，且簇首數(shù)目波動較為平穩(wěn)，每一個簇內(nèi)的成員節(jié)點數(shù)量也比較均衡。

圖8 采用LEACH算法和RJLEACH算法時平均簇首數(shù)目對比

無人機編隊的網(wǎng)絡(luò)壽命也與負(fù)載能量是否均衡有關(guān)。如果一部分節(jié)點的剩余能量要比另一部分更快地耗盡，則無人機編隊會更早地失去任務(wù)執(zhí)行能力；如果剩余能量分布較為均衡，則可以工作得更久。圖9(a)顯示了RJLEACH算法以及LEACH算法分別單獨加入Rcomp模塊和DJAYA模塊后的剩余能量方差對比?？梢钥闯觯惴ǖ氖Ｓ嗄芰糠讲罹氏壬仙笙陆档内厔?。這是因為簇首節(jié)點由于需要進(jìn)行融合和轉(zhuǎn)發(fā)，在網(wǎng)絡(luò)中消耗的能量比其它節(jié)點更快，因此剩余能量方差呈現(xiàn)逐步升高的趨勢；隨著算法的運行，先后有無人機節(jié)點能量耗盡，剩余能量方差呈現(xiàn)下降的趨勢。在只加入DJAYA模塊時，算法的平均方差為90.62；在只加入Rcomp模塊時，算法的平均方差為32.11；在同時加入兩模塊時，算法剩余能量的平均方差為29.46，相比LEACH算法的130.29，降低了77.39%，這是因為Rcomp模塊的加入使得節(jié)點的能耗均衡性要好于LEACH算法。圖9(b)對比了不同算法的平均剩余能量曲線，可以看出輪數(shù)增大導(dǎo)致網(wǎng)絡(luò)中無人機節(jié)點的平均剩余能量逐漸減小。由于RJLEACH算法使用了競爭半徑Rcomp模塊對網(wǎng)絡(luò)進(jìn)行了能耗均衡，使用了DJAYA優(yōu)化算法模塊對路由進(jìn)行了優(yōu)化，無人機網(wǎng)絡(luò)的平均剩余能量始終高于LEACH算法，無人機網(wǎng)絡(luò)的有效任務(wù)執(zhí)行時間也更長。

圖9 采用LEACH算法和RJLEACH算法時剩余能量方差和平均剩余能量對比

網(wǎng)絡(luò)生存期也是衡量網(wǎng)絡(luò)性能的重要指標(biāo)。圖10對比了RJLEACH算法以及LEACH算法分別單獨加入Rcomp模塊和DJAYA模塊后的網(wǎng)絡(luò)生存期。使用LEACH算法時的第1個節(jié)點死亡時間、1/2節(jié)點死亡時間和全部節(jié)點死亡時間分別為740輪、870輪和1 000輪；只加入Rcomp模塊時的3個節(jié)點死亡時間分別為915輪、921輪和950輪；只加入DJAYA模塊時的3個節(jié)點死亡時間為760輪、910輪、1 019輪；同時加入兩模塊，即使用RJLEACH算法時的第1個節(jié)點死亡時間、1/2節(jié)點死亡時間和全部節(jié)點死亡時間分別為975輪、990輪和1 041輪，相比LEACH算法，分別延長了31.8%,13.8%和4.1%。可以看出，RJLEACH算法對網(wǎng)絡(luò)生存期的提升在1/2節(jié)點死亡之前較為明顯，而無人機編隊的高效執(zhí)行時間也處于這個階段。在死亡節(jié)點數(shù)超過1/2后，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變差，任務(wù)執(zhí)行效率迅速降低，延長此階段網(wǎng)絡(luò)生存期的意義相比前半段來說有所減小。

圖10 采用LEACH算法和RJLEACH算法時網(wǎng)絡(luò)生存期對比

接下來對比了不同算法在任務(wù)執(zhí)行過程中的存活節(jié)點數(shù)。同時也對比了LEACH算法分別單獨加入競爭半徑模塊Rcomp和DJAYA算法模塊時帶來的影響，結(jié)果如圖11所示。可以看出，當(dāng)只加入Rcomp模塊時，大概從900輪開始出現(xiàn)節(jié)點死亡，但下降速率較快；只加入DJAYA模塊時，節(jié)點之間由于剩余能量不平均，簇頭的能量較早地耗盡而死亡，存活節(jié)點數(shù)從750輪左右開始下降，但下降速率較為緩慢；當(dāng)同時使用兩模塊，即使用RJLEACH算法時，同樣由于方差較小，其節(jié)點死亡速度較快，從第1個節(jié)點死亡到最后一個節(jié)點死亡只用了50輪左右。但第1個死亡節(jié)點出現(xiàn)在975輪，在高效率下的任務(wù)執(zhí)行時間也更久。

圖11 采用LEACH算法和RJLEACH算法時存活節(jié)點數(shù)對比

5 結(jié)論

無人機編隊在應(yīng)急救援場景下顯現(xiàn)出日益重要的價值。本文旨在提高無人機編隊在應(yīng)急場景下執(zhí)行任務(wù)的效率，以此來延長其執(zhí)行任務(wù)的有效時長。本文結(jié)合無線紫外光的通信優(yōu)勢，以LEACH分簇算法作為編隊基礎(chǔ)，通過引入競爭半徑和DJAYA智能優(yōu)化算法，來改進(jìn)無人機網(wǎng)絡(luò)中的簇首選舉和簇間路由規(guī)劃。仿真結(jié)果表明，本文提出的RJLEACH算法優(yōu)于經(jīng)典的LEACH算法，無論在網(wǎng)絡(luò)生存期還是平均能量消耗上都有更明顯的優(yōu)勢。與經(jīng)典LEACH算法相比，本文的RJLEACH算法使得網(wǎng)絡(luò)出現(xiàn)第1個死亡節(jié)點的時間增加了31.8%，出現(xiàn)1/2死亡節(jié)點的時間增加了13.8%，平均能量方差降低了77.39%，從而顯著延長了無人機編隊的有效應(yīng)急任務(wù)執(zhí)行時間。