災(zāi)害應(yīng)急通信自組網(wǎng)與航跡優(yōu)化研究

高" 睿， 王" 霄， 徐凌樺

（貴州大學(xué) 電氣工程學(xué)院， 貴州 貴陽" 550025）

摘" 要： 針對(duì)災(zāi)害場(chǎng)景下的應(yīng)急通信網(wǎng)絡(luò)恢復(fù)問題，提出一種分布式無人機(jī)部署方法，旨在利用無人機(jī)在通信網(wǎng)絡(luò)受損的災(zāi)區(qū)建立多跳自組織網(wǎng)絡(luò)，為該地區(qū)提供應(yīng)急通信服務(wù)。首先，定義了無人機(jī)自組網(wǎng)約束函數(shù)、三維空間搜索方向約束函數(shù)和障礙物約束函數(shù)，將無人機(jī)輔助的多跳自組織網(wǎng)絡(luò)問題抽象為基于規(guī)則法的目標(biāo)函數(shù)；其次，改進(jìn)了慣性權(quán)重和學(xué)習(xí)因子來提高粒子群算法的全局搜索效率和準(zhǔn)確性，并設(shè)計(jì)多跳自組織網(wǎng)絡(luò)無人機(jī)部署算法，以保證無人機(jī)能夠以最優(yōu)的航跡進(jìn)行自組織網(wǎng)絡(luò)部署；最后，通過計(jì)算目標(biāo)函數(shù)進(jìn)行無人機(jī)部署，并繪制無人機(jī)的三維部署航跡圖。設(shè)計(jì)仿真樣例對(duì)基于規(guī)則法的多跳自組織網(wǎng)絡(luò)無人機(jī)部署方法進(jìn)行驗(yàn)證，仿真結(jié)果證明了該方法的有效性。

關(guān)鍵詞： 無人機(jī)； 自組織網(wǎng)絡(luò)； 避障控制； 規(guī)則法； 粒子群算法； 航跡優(yōu)化； 三維部署； 節(jié)能部署

中圖分類號(hào)： TN91?34； V279.2" " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " " " 文章編號(hào)： 1004?373X（2024）19?0008?06

Research on disaster emergency communication ad hoc network and route optimization

GAO Rui， WANG Xiao， XU Linghua

（School of Electrical Engineering， Guizhou University， Guiyang 550025， China）

Abstract： In view of the recovery of the emergency communication network in the case of disaster， a distributed UAV （unmanned aerial vehicle） deployment method is proposed. It strives to establish a multi?hop ad hoc network by the UAV in disaster areas where the communication network is damaged， and provides emergency communication services for the region. The ad hoc network constraint function， the 3D search direction constraint function and the obstacle constraint function are defined. The UAV?aided multi?hop ad hoc network problem is abstracted as an objective function with behavior?based method. The inertia weight and the learning factors are improved to enhance the efficiency and accuracy of the particle swarm optimization （PSO） algorithm. The UAV deployment algorithm for multi?hop ad hoc network is designed， so that the UAV can realize the ad hoc network deployment with the optimal route. The UAV is deployed by calculating the objective function. The 3D deployment route map of the UAV is drawn. Simulation examples are designed to verify the behavior?based UAV deployment method for multi?hop ad hoc network. The simulation results show the effectiveness of the proposed method.

Keywords： UAV; ad hoc network; obstacle avoidance control; behavior?based method; PSO algorithm; track optimization; 3D deployment; energy efficient deployment

0" 引" 言

通信基礎(chǔ)設(shè)施受損時(shí)，需要建立有效的通信渠道以協(xié)調(diào)搜救行動(dòng)。無人機(jī)（Unmanned Aerial Vehicle， UAV）是一種有吸引力的選擇，可在通信基礎(chǔ)設(shè)施受損的情況下建立穩(wěn)定的自組織網(wǎng)絡(luò)，以支持搜救行動(dòng)和恢復(fù)通信[1]。

在災(zāi)害環(huán)境下，無人機(jī)充當(dāng)自組織網(wǎng)絡(luò)節(jié)點(diǎn)代替受損的通信基礎(chǔ)設(shè)施。災(zāi)害環(huán)境具有不可預(yù)知性，文獻(xiàn)[2]提出一種基于規(guī)則法的無人機(jī)集群編隊(duì)算法，在面對(duì)未知環(huán)境時(shí)的適應(yīng)性更好。文獻(xiàn)[3]提出一種基于規(guī)則的無人機(jī)集群系統(tǒng)飛行與規(guī)避自主協(xié)同控制方法，能夠進(jìn)行更加高效的實(shí)時(shí)無人機(jī)部署任務(wù)。文獻(xiàn)[4]提出一種利用多架無人機(jī)建立最優(yōu)多跳自組網(wǎng)的方法，為災(zāi)區(qū)提供應(yīng)急通信。文獻(xiàn)[5]研究了多個(gè)無人機(jī)架載的航空基站，為一組遠(yuǎn)程物聯(lián)網(wǎng)地面智能設(shè)備提供服務(wù)，并且通過最大限度地減少所需的無人機(jī)數(shù)量來提高能源效率。文獻(xiàn)[6]提出一種改進(jìn)的禿鷹搜索優(yōu)化算法，用以解決三維空間復(fù)雜環(huán)境下的無人機(jī)航跡規(guī)劃問題。文獻(xiàn)[7]針對(duì)固定翼無人機(jī)編隊(duì)在未知障礙環(huán)境下的安全飛行進(jìn)行了控制方法的研究，并結(jié)合人工勢(shì)場(chǎng)和領(lǐng)從一致性設(shè)計(jì)了僚機(jī)群避障避碰控制策略，實(shí)現(xiàn)了無人機(jī)編隊(duì)的協(xié)同飛行。文獻(xiàn)[8]提出研究針對(duì)無人機(jī)作為臨時(shí)基站與地面終端用戶通信問題，優(yōu)化了節(jié)點(diǎn)的三維部署和功率分配，以提高系統(tǒng)能效和用戶覆蓋率。文獻(xiàn)[9]提出了一種改進(jìn)的基于球面向量的粒子群優(yōu)化算法，用于無人機(jī)在復(fù)雜環(huán)境下的航跡規(guī)劃問題。文獻(xiàn)[10]通過雙門限約束提高網(wǎng)絡(luò)性能，有效增強(qiáng)了局部地區(qū)網(wǎng)絡(luò)性能，并且用甲蟲搜索來改進(jìn)粒子群算法。文獻(xiàn)[11]提出改進(jìn)粒子群遺傳算法，使無人機(jī)三維路徑規(guī)劃具備更好的魯棒性。文獻(xiàn)[12]提出一種改進(jìn)的A*算法，使無人機(jī)避障航線規(guī)劃更加連續(xù)和順暢。

上述工作探討了無人機(jī)在復(fù)雜環(huán)境下的避障問題，但是缺乏對(duì)災(zāi)害環(huán)境下多無人機(jī)組網(wǎng)問題的研究。針對(duì)災(zāi)害場(chǎng)景下無人機(jī)充當(dāng)自組織網(wǎng)絡(luò)節(jié)點(diǎn)代替受損的通信基礎(chǔ)設(shè)施的情形，本文在粒子群算法的基礎(chǔ)上，通過對(duì)加速系數(shù)的動(dòng)態(tài)調(diào)整，可以使得算法更靈活地適應(yīng)不同類型的優(yōu)化問題，從而提升算法的性能和魯棒性。

1" 系統(tǒng)模型和問題描述

文獻(xiàn)[2?6]研究了基于規(guī)則法和人工勢(shì)場(chǎng)法等無人機(jī)編隊(duì)避障控制算法，結(jié)合災(zāi)害應(yīng)急通信場(chǎng)景下環(huán)境的不可預(yù)知性，結(jié)合無人機(jī)自組網(wǎng)約束函數(shù)、三維空間搜索方向約束函數(shù)、障礙物約束函數(shù)建立基于規(guī)則法的目標(biāo)函數(shù)。

1.1" 場(chǎng)景描述

如圖1所示，本文主要研究了一種無人機(jī)輔助的災(zāi)害應(yīng)急通信自組織網(wǎng)絡(luò)模型。圖1中的通信鏈路有無人機(jī)間（UAV to UAV， U2U）通信，無人機(jī)與地面（UAV to Ground， U2G）基站、地面用戶間通信。災(zāi)害發(fā)生時(shí)部分地面基站受損導(dǎo)致災(zāi)害地區(qū)通信網(wǎng)絡(luò)中斷，無法及時(shí)傳遞災(zāi)情，此時(shí)無人機(jī)充當(dāng)自組織網(wǎng)絡(luò)節(jié)點(diǎn)代替受損的地面基站。

1.2" 無人機(jī)自組網(wǎng)約束函數(shù)

假設(shè)一個(gè)2 000 m×2 000 m的矩形區(qū)域[R]，其中包含[L]個(gè)地面基站，用集合[l]=1，2，…，[L]表示，[li=（lxi，lyi）]表示第[i]個(gè)地面基站的水平坐標(biāo)。假設(shè)[N]個(gè)無人機(jī)分布其中，[ui=（xi，yi）]表示第[i]架無人機(jī)的水平坐標(biāo)。[hi]、[Ri]表示第[i]架無人機(jī)的高度和通信半徑。用[Zi=（zxi， zyi）]表示矩形區(qū)域內(nèi)任意一點(diǎn)處的水平坐標(biāo)。任意兩個(gè)無人機(jī)之間的距離不能小于安全距離[dmin]，也不能超過最大通信距離[dmax]。無人機(jī)之間的距離表示為：

[di，k=（hi-hk）2+（ui-uk）2] （1）

無人機(jī)之間的連通率表示為：

[Pui，li=1，" " "0≤h2i+（lxi-xi）2+（lyi-yi）2≤dmax0，" " "h2i+（lxi-xi）2+（lyi-yi）2gt;dmax] （2）

無人機(jī)自組網(wǎng)約束函數(shù)為：

[f1=li∈RPui，li] （3）

1.3" 三維空間搜索方向約束函數(shù)

用[Zi=（zxi， zyi， zhi）]表示矩形區(qū)域內(nèi)障礙物的中心坐標(biāo)，用[Ui=（xi， yi， zi）]表示矩形區(qū)域內(nèi)無人機(jī)的坐標(biāo)，為使無人機(jī)能夠快速移動(dòng)到下一個(gè)自組織節(jié)點(diǎn)，對(duì)無人機(jī)的搜索方向做出以下約束：

[U*i=xi，yi， zi+Hyi，xi] （4）

[Ui+1=（xi+1，yi+1， zi+1）] （5）

[U*i+1=xi+1，yi+1， zi+1+Hyi+1，xi+1] （6）

[Z*i=zxi， zyi， zhi+Hzyi，zxi] （7）

[Vec1=UiU*i] （8）

[Vec2=UiZ*i] （9）

搜索方向約束函數(shù)為：

[f2=arctan2Vec1×Vec2，Vec1·Vec2] （10）

1.4" 障礙物約束函數(shù)

設(shè)障礙物的半徑為[Rzi]，無人機(jī)與障礙物的預(yù)警距離為20 m。

障礙物約束函數(shù)為：

[f3=10 000，" "（zxi-xi）2+（zyi-yi）2+（zhi-hi）2lt;RziRzi+20-（zxi-xi）2+（zyi-yi）2+（zhi-hi）2，" 其他0，" " （zxi-xi）2+（zyi-yi）2+（zhi-hi）2gt;Rzi+20] （11）

1.5" 目標(biāo)函數(shù)

將無人機(jī)自組網(wǎng)約束函數(shù)、三維空間搜索方向約束函數(shù)、障礙物約束函數(shù)加權(quán)綜合，構(gòu)建一個(gè)基于規(guī)則法的適用于災(zāi)害場(chǎng)景下部署無人機(jī)充當(dāng)自組織網(wǎng)絡(luò)節(jié)點(diǎn)的目標(biāo)函數(shù)，公式如下：

[F=Zf1+kf2+ff3] （12）

式中：[Z]為無人機(jī)約束函數(shù)的行為權(quán)重系數(shù)，設(shè)置為6；[k]為搜索方向約束函數(shù)的行為權(quán)重系數(shù)，設(shè)置為3；[f]為障礙物約束函數(shù)的行為權(quán)重系數(shù)，設(shè)置為10。

2" 多跳自組織網(wǎng)絡(luò)無人機(jī)部署算法設(shè)計(jì)

公式（12）定義的函數(shù)是一個(gè)關(guān)于無人機(jī)充當(dāng)自組織網(wǎng)絡(luò)節(jié)點(diǎn)的航跡規(guī)劃多峰函數(shù)。元啟發(fā)式算法在處理多峰函數(shù)時(shí)具有較好的全局搜索能力、魯棒性和適應(yīng)性。它們可以通過多策略搜索和可擴(kuò)展性來克服多峰函數(shù)的挑戰(zhàn)，提供有效的解決方案。

2.1" 標(biāo)準(zhǔn)粒子群優(yōu)化算法原理

粒子群優(yōu)化（Particle Swarm Optimization， PSO）算法是一種元啟發(fā)式優(yōu)化算法，靈感來源于鳥群或魚群等集體行為。該算法最早由Eberhart和Kennedy在1995年提出，并在優(yōu)化領(lǐng)域中得到廣泛研究和應(yīng)用。

粒子群算法中，每個(gè)粒子的位置可以表示為一個(gè)[d]維向量[Xi=（Xi1，Xi2，…，Xid）]，每個(gè)粒子的速度也是一個(gè)[d]維向量[Vi=（Vi1，Vi2，…，Vid）]。在初始時(shí)刻，每個(gè)粒子的位置和速度是根據(jù)隨機(jī)分布進(jìn)行初始化的。在粒子群算法中，每個(gè)粒子根據(jù)自身歷史最優(yōu)位置[Pbesti]和全局歷史最優(yōu)位置[Gbest]進(jìn)行位置和速度的更新。粒子位置的更新可以寫為：

[Xij（t+1）=Xij（t）+Vij（t+1）] （13）

粒子速度的更新可以寫為：

[Vij（t+1）=wVij（t）+c1r1（Pbestij-Xij（t））+c2r2（Gbestj-Xij（t））] （14）

式中：[Vij（t+1）]表示第[i]個(gè)粒子在[t+1]時(shí)刻的速度；[w]是慣性權(quán)重；[c1]、[c2]是學(xué)習(xí)因子；[r1]、[r2]是[0，1]之間的隨機(jī)數(shù)。

2.2" 改進(jìn)粒子群算法

2.2.1" 慣性權(quán)重更新策略

慣性權(quán)重更新策略是粒子群算法中的一個(gè)關(guān)鍵因素。選擇合適的慣性權(quán)重更新策略可以更好地平衡全局搜索和局部搜索，提高粒子群算法的搜索性能。非線性遞減慣性權(quán)重策略通過調(diào)整慣性權(quán)重的變化率，在搜索過程中平衡全局搜索和局部搜索的能力[13]。對(duì)于多峰函數(shù)，希望算法能夠在探索各個(gè)峰值之間進(jìn)行平衡，以獲取全局最優(yōu)解。

[ωt = 0.5tan0.8751-ttmax0.6" +0.4] （15）

式中：[t]為當(dāng)前的迭代次數(shù)；[tmax]為初始設(shè)置的最大迭代次數(shù)。

2.2.2" 學(xué)習(xí)因子更新策略

學(xué)習(xí)因子是粒子群算法中的重要參數(shù)，影響全局搜索、局部搜索、收斂速度和搜索魯棒性。非對(duì)稱學(xué)習(xí)因子更新策略可以使得粒子在靠近全局最優(yōu)解時(shí)減速更快、更慎重，以便更好地細(xì)致搜索最優(yōu)解附近的區(qū)域；而在遠(yuǎn)離全局最優(yōu)解時(shí)加速更快，以便更好地?cái)U(kuò)大搜索范圍，從而更可能找到其他潛在的最優(yōu)解。這種策略增加了算法對(duì)多峰函數(shù)的探索能力，有助于提高全局搜索的效率和準(zhǔn)確性。

[ct1=2.5-2×ttmax] （16）

[ct2=1-1.25×ttmax] （17）

粒子速度公式更新為：

[Vij（t+1）=0.5tan0.8751-ttmax0.6+0.4?" " " " Vij（t）+2.5-2×ttmaxr1Pbestij-Xij（t）+" " " " 1-1.25×ttmaxr2Gbestj-Xij（t）] （18）

2.2.3" 改進(jìn)粒子群優(yōu)化算法步驟

改進(jìn)粒子群優(yōu)化（Improved Particle Swarm Optimization， IPSO）算法步驟如下。

1.初始化粒子群：隨機(jī)生成粒子的位置和速度，將每個(gè)粒子的最佳位置設(shè)置為初始位置，初始化全局最佳位置。

2.迭代優(yōu)化過程：

2.1.對(duì)于每個(gè)粒子，更新粒子速度，計(jì)算速度變化量，限制速度在最小速度和最大速度之間；更新粒子位置，將速度加到當(dāng)前位置上，檢查位置是否超出取值范圍，如果超出范圍，則將速度反向操作，限制位置在最小值和最大值之間；計(jì)算粒子位置的目標(biāo)函數(shù)，如果當(dāng)前成本優(yōu)于個(gè)體最佳目標(biāo)函數(shù)值，更新個(gè)體最佳位置和目標(biāo)函數(shù)值，如果個(gè)體最佳成本優(yōu)于全局最佳目標(biāo)函數(shù)值，更新全局最佳位置和目標(biāo)函數(shù)值。

2.2.更新慣性權(quán)重值、學(xué)習(xí)因子值。

2.3.將當(dāng)前迭代的全局最佳目標(biāo)函數(shù)存儲(chǔ)。

3.返回全局最佳位置作為優(yōu)化結(jié)果。

2.2.4" 多跳自組織網(wǎng)絡(luò)無人機(jī)部署算法步驟

多跳自組織網(wǎng)絡(luò)無人機(jī)部署算法步驟如下：

1.初始化無人機(jī)的起始位置、速度、搜索方向。

2.根據(jù)定義的搜索范圍，將無人機(jī)移動(dòng)到它通信半徑內(nèi)所能達(dá)到的最遠(yuǎn)目標(biāo)附近。

3.在通信半徑范圍內(nèi)，計(jì)算無人機(jī)到每個(gè)目標(biāo)的距離。

4.根據(jù)距離、速度等條件，選擇下一個(gè)要追蹤的臨時(shí)目標(biāo)。

5.如果存在臨時(shí)目標(biāo)：

5.1.根據(jù)無人機(jī)的速度和時(shí)間間隔，計(jì)算無人機(jī)從當(dāng)前位置到臨時(shí)目標(biāo)位置所需的時(shí)間。

5.2.計(jì)算無人機(jī)需要前往的下一個(gè)目標(biāo)位置，這個(gè)位置是根據(jù)無人機(jī)的搜索方向和速度計(jì)算得出的。

5.3.根據(jù)計(jì)算得到的位置更新無人機(jī)的搜索方向。

5.4.利用無人機(jī)的速度和時(shí)間間隔，在無人機(jī)的當(dāng)前位置和下一個(gè)目標(biāo)位置之間進(jìn)行插值，獲得無人機(jī)經(jīng)過的路徑點(diǎn)。

5.5.更新無人機(jī)的當(dāng)前位置為下一個(gè)目標(biāo)位置。

5.6.將無人機(jī)的當(dāng)前位置和路徑點(diǎn)添加到路徑中。

6.重復(fù)步驟3～步驟5，直到無人機(jī)達(dá)到終點(diǎn)或搜索完所有目標(biāo)。

7.繪制無人機(jī)的路徑。

3" 仿真數(shù)值結(jié)果及討論

仿真實(shí)驗(yàn)平臺(tái)為AMD R7?5800H CPU，16 GB，64位WIN10操作系統(tǒng)，編程工具為Matlab R2021a。

3.1" 參數(shù)設(shè)置

相關(guān)參數(shù)設(shè)置如表1所示。

3.2" 仿真實(shí)驗(yàn)結(jié)果及分析

3.2.1" 算法收斂性能分析

對(duì)于時(shí)間復(fù)雜度，算法中最耗時(shí)的部分是迭代循環(huán)，它的運(yùn)行次數(shù)等于迭代次數(shù)乘以粒子數(shù)目。假設(shè)粒子數(shù)目為[Pn]、迭代次數(shù)為[tmax]，則迭代循環(huán)的時(shí)間復(fù)雜度為[O（Pn?tmax）]。

對(duì)于空間復(fù)雜度，算法需要存儲(chǔ)每個(gè)粒子的位置、速度、最佳位置等信息，并且需要存儲(chǔ)其他問題相關(guān)的變量和參數(shù)，如變量的上下界、慣性權(quán)重、加速度常數(shù)等。因此，算法的空間復(fù)雜度為[O（Pn）]。

圖2為不同算法下適應(yīng)度曲線對(duì)比圖，IPSO算法搜索能力更強(qiáng)，能更好地執(zhí)行災(zāi)害應(yīng)急通信場(chǎng)景下的多跳自組織網(wǎng)絡(luò)無人機(jī)部署任務(wù)。

3.2.2" 多跳自組織網(wǎng)絡(luò)無人機(jī)部署仿真（隨機(jī)分布小型障礙點(diǎn)）

圖3為小型障礙點(diǎn)多跳自組織網(wǎng)絡(luò)無人機(jī)部署航跡路線圖。

在2 000 m×2 000 m的矩形區(qū)域[R]內(nèi)，設(shè)置地面基站的水平坐標(biāo)分別為（10，10）、（1 820，1 800），無人機(jī)初始坐標(biāo)為（10，10，100），無人機(jī)任務(wù)坐標(biāo)為（1 820，1 800，200）。兩個(gè)地面基站之間的其余地面通信基礎(chǔ)設(shè)施均受損，并且存在一些小型障礙點(diǎn)，這些障礙點(diǎn)在兩個(gè)地面基站的直線路徑上隨機(jī)分布。無人機(jī)在兩個(gè)地面基站間充當(dāng)臨時(shí)通信節(jié)點(diǎn)搭建多跳自組織網(wǎng)絡(luò)。無人機(jī)最大通信半徑為300 m，無人機(jī)與障礙點(diǎn)預(yù)警距離為20 m，無人機(jī)數(shù)目為9架。

如圖3所示，根據(jù)地面基站的水平坐標(biāo)以及無人機(jī)最大通信距離可以計(jì)算最少需要9架無人機(jī)可以實(shí)現(xiàn)無人機(jī)輔助多跳自組織網(wǎng)絡(luò)搭建，本文所提方法可以在小型障礙點(diǎn)下實(shí)現(xiàn)最少無人機(jī)部署。

圖4為多跳自組織網(wǎng)絡(luò)無人機(jī)部署最佳適應(yīng)度曲線圖，算法在迭代25次后逐漸收斂。本文所提方法在隨機(jī)分布小型障礙點(diǎn)下可以實(shí)現(xiàn)無人機(jī)輔助多跳自組織網(wǎng)絡(luò)搭建。

3.2.3" 多跳自組織網(wǎng)絡(luò)無人機(jī)部署仿真（對(duì)稱分布大型障礙點(diǎn)）

圖5為大型障礙點(diǎn)多跳自組織網(wǎng)絡(luò)無人機(jī)部署航跡路線圖。

在2 000 m×2 000 m的矩形區(qū)域[R]內(nèi)，設(shè)置地面基站的水平坐標(biāo)分別為（10，10）、（1 870，1 870），無人機(jī)初始坐標(biāo)為（10，10，100），無人機(jī)任務(wù)坐標(biāo)為（1 870，1 870，200）。兩個(gè)地面基站之間的其余地面通信基礎(chǔ)設(shè)施均受損，并且存在一些大型障礙點(diǎn)，這些障礙點(diǎn)在兩個(gè)地面基站的直線路徑上對(duì)稱分布。無人機(jī)在兩個(gè)地面基站間充當(dāng)臨時(shí)通信節(jié)點(diǎn)搭建多跳自組織網(wǎng)絡(luò)。無人機(jī)最大通信半徑為300 m，無人機(jī)與障礙點(diǎn)預(yù)警距離為20 m，無人機(jī)數(shù)目為10架。

如圖5所示，根據(jù)地面基站的水平坐標(biāo)以及無人機(jī)最大通信距離可以計(jì)算最少需要9架無人機(jī)可以實(shí)現(xiàn)無人機(jī)輔助多跳自組織網(wǎng)絡(luò)搭建，本文所提方法需要10架無人機(jī)部署任務(wù)。

圖6為多跳自組織網(wǎng)絡(luò)無人機(jī)部署最佳適應(yīng)度曲線圖，算法在迭代50次后逐漸收斂。本文所提方法在復(fù)雜的大型障礙點(diǎn)下可以實(shí)現(xiàn)無人機(jī)輔助多跳自組織網(wǎng)絡(luò)搭建。

3.2.4" 能耗分析

單個(gè)無人機(jī)基站的能耗表示如下：

[EUAV=Pt*t+（13.04hi+196.89）?t+4.68h2i-11.97hi+245.28Lhorizontal+135.31] （19）

式中：[EUAV]表示單個(gè)無人機(jī)能量，設(shè)為600 W·h；[Pt]表示無人機(jī)發(fā)射功率，設(shè)為30 dBm；[Lhorizontal]表示無人機(jī)飛行路徑；[t]表示無人機(jī)可用時(shí)間。

根據(jù)公式（19）及無人機(jī)飛行航跡路線圖，總結(jié)出無人機(jī)能耗如表2所示。

由表2可知：當(dāng)無人機(jī)遇到障礙物不采取避障行為，而是直接飛到超出障礙物高度，再朝下一目標(biāo)部署點(diǎn)飛去，隨機(jī)小型障礙點(diǎn)場(chǎng)景下無人機(jī)平均可用時(shí)間為476 s，復(fù)雜大型障礙點(diǎn)場(chǎng)景下無人機(jī)平均可用時(shí)間為469 s；當(dāng)無人機(jī)遇到障礙物時(shí)采取本文所提的基于規(guī)則法的多跳自組織網(wǎng)絡(luò)的無人機(jī)部署方法，此時(shí)隨機(jī)小型障礙點(diǎn)場(chǎng)景下無人機(jī)平均可用時(shí)間為913 s，增加了91.8%的可用時(shí)間，復(fù)雜大型障礙點(diǎn)場(chǎng)景下無人機(jī)平均可用時(shí)間為965 s，增加了105.7%的可用時(shí)間。

4" 結(jié)" 語

針對(duì)災(zāi)害場(chǎng)景下地面基礎(chǔ)設(shè)施受損導(dǎo)致的通信中斷問題，本文提出了一種災(zāi)害應(yīng)急通信多跳自組織網(wǎng)絡(luò)無人機(jī)部署方法。該方法利用無人機(jī)充當(dāng)自組織網(wǎng)絡(luò)節(jié)點(diǎn)代替受損的通信基礎(chǔ)設(shè)施，并且充分考慮了未知的受災(zāi)環(huán)境下的無人機(jī)避障問題。通過仿真驗(yàn)證了該方法的可行性。

盡管本文算法實(shí)現(xiàn)無人機(jī)輔助多跳自組織網(wǎng)絡(luò)的搭建，但該方法存在一定的限制。具體而言，該算法未考慮復(fù)雜的動(dòng)態(tài)環(huán)境。因此，在未來的研究中將考慮資源約束和能源管理，進(jìn)一步研究在資源有限的情況下最大化無人機(jī)組網(wǎng)的效率和覆蓋范圍。

注：本文通訊作者為王霄。

參考文獻(xiàn)

[1] GUTIERREZ REINA D， LEON?COCA J M， ASKALANI M， et al. A survey on ad hoc networks for disaster scenarios [C]// 2014 International Conference on Intelligent Networking and Collaborative Systems. New York： IEEE， 2014： 433?438.

[2] 馮一飛.基于行為法的分布式無人機(jī)集群控制方法與仿真研究[D].長(zhǎng)春：吉林大學(xué)，2023.

[3] 周歡，趙輝，韓統(tǒng)，等.基于規(guī)則的無人機(jī)集群飛行與規(guī)避協(xié)同控制[J].系統(tǒng)工程與電子技術(shù)，2016，38（6）：1374?1382.

[4] THUY N D T， BUI D N， PHUNG M D， et al. Deployment of UAVs for optimal multihop ad?hoc networks using particle swarm optimization and behavior?based control [C]// 2022 11th International Conference on Control， Automation and Information Sciences. New York： IEEE， 2022： 304?309.

[5] NOURI N， ABOUEI J， SEPASIAN A R， et al. Three?dimensional multi?UAV placement and resource allocation for energy?efficient IoT communication [J]. IEEE Internet of Things journal， 2022， 9（3）： 2134?2152.

[6] 黃鶴，溫夏露，王會(huì)峰，等.基于IBES優(yōu)化的三維無人機(jī)自主避障[J].復(fù)旦學(xué)報(bào)（自然科學(xué)版），2023，62（5）：615?626.

[7] 黃號(hào)，馬文卉，李家誠(chéng)，等.未知環(huán)境下無人機(jī)編隊(duì)智能避障控制方法[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，64（2）：358?369.

[8] 石東森，田峰.基于多目標(biāo)粒子群算法的無人機(jī)通信三維位置部署及優(yōu)化研究[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，42（4）：45?55.

[9] 宋志強(qiáng)，夏慶鋒，陳少博，等.基于改進(jìn)球面向量粒子群優(yōu)化的UAV航跡規(guī)劃[J].電光與控制，2023，30（4）：56?60.

[10] 陳佳美，李世昂，李玉峰，等.基于甲蟲搜索的改進(jìn)粒子群無人機(jī)輔助網(wǎng)絡(luò)部署優(yōu)化算法[J].電子與信息學(xué)報(bào)，2023，45（5）：1697?1705.

[11] 胡觀凱，鐘建華，李永正，等.基于IPSO?GA算法的無人機(jī)三維路徑規(guī)劃[J].現(xiàn)代電子技術(shù)，2023，46（7）：115?120.

[12] 高九州，徐威峰，張立輝，等.基于改進(jìn)A*算法的無人機(jī)避障航線規(guī)劃[J].現(xiàn)代電子技術(shù)，2023，46（8）：181?186.

[13] 于桂芹，李劉東，袁永峰.一種結(jié)合自適應(yīng)慣性權(quán)重的混合粒子群算法[J].哈爾濱理工大學(xué)學(xué)報(bào)，2016，21（3）：49?53.

作者簡(jiǎn)介：高" 睿（1997—），男，江蘇鹽城人，碩士研究生，研究方向?yàn)閼?yīng)急通信無人機(jī)部署。

王" 霄（1985—），男，黑龍江哈爾濱人，博士研究生，副教授，研究方向?yàn)槲锫?lián)網(wǎng)理論及應(yīng)用、人工智能理論及應(yīng)用。

徐凌樺（1976—），男，貴州貴陽人，碩士研究生，副教授，研究方向?yàn)榍度胧较到y(tǒng)、傳感器網(wǎng)絡(luò)、工業(yè)自動(dòng)化及智能控制。

收稿日期：2024?02?07" " " " " "修回日期：2024?03?05

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（61861007）；國(guó)家自然科學(xué)基金項(xiàng)目（61640014）；貴州省科技計(jì)劃項(xiàng)目（黔科合基礎(chǔ)?ZK[2021]一般303）；貴州省科技支撐計(jì)劃（黔科合支撐[2022]一般017，黔科合支撐[2023]一般096，黔科合支撐[2022]一般264）；貴州省教育廳創(chuàng)新群體項(xiàng)目（黔教合KY字[2021]012）；貴大人基合字（2014）08號(hào)