無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署方法*

李 靜,張英爭,郭 靜,于紅斌

(1.河南工學(xué)院 電子信息工程學(xué)院,河南 新鄉(xiāng) 453003;2.河南師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,河南 新鄉(xiāng) 453007)

0 引言

隨著無線通信技術(shù)的蓬勃發(fā)展以及無線服務(wù)的多樣化發(fā)展,用戶對無人機(jī)通信網(wǎng)絡(luò)節(jié)點(diǎn)負(fù)載部署提出了更高的要求[1-2]。如何在確保用戶合理收益的前提下提升無人機(jī)通信網(wǎng)絡(luò)的服務(wù)性能,是當(dāng)前研究的主要方向。為了實(shí)現(xiàn)更高速率的移動通信,國內(nèi)相關(guān)專家針對節(jié)點(diǎn)負(fù)載部署方面的內(nèi)容進(jìn)行了大量的研究,例如劉玲[3]通過物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點(diǎn)部署特征,計(jì)算網(wǎng)絡(luò)終端覆蓋率,引入FFT變換算法,組建基于虛擬力的函數(shù)模型,同時(shí)利用基函數(shù)矩陣,有效實(shí)現(xiàn)節(jié)點(diǎn)優(yōu)化部署;金合麗等[4]優(yōu)先設(shè)定固定規(guī)格網(wǎng)絡(luò),采用格點(diǎn)代表可供部署空間,以最小部署節(jié)點(diǎn)數(shù)量為目標(biāo)函數(shù),構(gòu)建整數(shù)非線性規(guī)劃模型,采用遺傳算法對模型進(jìn)行求解,最終實(shí)現(xiàn)網(wǎng)絡(luò)節(jié)點(diǎn)部署。

在上述兩種方法的基礎(chǔ)上,本文提出一種無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署方法。實(shí)驗(yàn)結(jié)果表明,所提方法不僅具有較高的吞吐率和緩存資源利用率等優(yōu)勢,同時(shí)還能夠有效降低通信沖突率以及部署耗時(shí)。

1 非等間距節(jié)點(diǎn)負(fù)載部署方法

1.1 節(jié)點(diǎn)負(fù)載特征提取

為了有效實(shí)現(xiàn)節(jié)點(diǎn)負(fù)載部署[5-6],通過多目標(biāo)全局約束對無人機(jī)通信網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行自適應(yīng)尋優(yōu)和信息增強(qiáng)。

設(shè)定S=(U,A,V,f)代表節(jié)點(diǎn)的統(tǒng)計(jì)量分布集。其中,U代表在有限集合內(nèi)節(jié)點(diǎn)的輸出特征屬性;A代表無人機(jī)通信網(wǎng)絡(luò)中的屬性非空有限集合;V代表負(fù)載節(jié)點(diǎn)的判別屬性;f代表映射特征分布集。

在有限域內(nèi),無人機(jī)通信網(wǎng)絡(luò)的非等間距節(jié)點(diǎn)識別屬于統(tǒng)計(jì)域,設(shè)定C和D代表非等間距節(jié)點(diǎn)的數(shù)據(jù)特征量。在已知的有限域內(nèi),構(gòu)建非等間距節(jié)點(diǎn)負(fù)載大數(shù)據(jù)挖掘模型,獲取對應(yīng)特征統(tǒng)計(jì)決策表,將其簡化為公式(1):

(1)

在設(shè)定的決策表中,通過節(jié)點(diǎn)負(fù)載的特征屬性a即可獲取對應(yīng)的邊緣特征分布集A,通過模糊約束控制方法對非等間距節(jié)點(diǎn)A的負(fù)載進(jìn)行部署。

在無人機(jī)通信網(wǎng)絡(luò)中,統(tǒng)計(jì)不同節(jié)點(diǎn)屬性的同源特征,構(gòu)建對應(yīng)的屬性集Core(A)。其中,無人機(jī)通信網(wǎng)絡(luò)中的大數(shù)據(jù)分布集fT1,T2,…,Tn(t1,t2,…,tn)可以表示為:

(2)

式中,fTi(ti)代表大數(shù)據(jù)分布集子集;μ代表采集樣本總數(shù);n代表測試樣本總數(shù)。

根據(jù)公式(2)中的大數(shù)據(jù)采樣結(jié)果,進(jìn)行節(jié)點(diǎn)部署特征提取[7-8]。當(dāng)對節(jié)點(diǎn)負(fù)載特征進(jìn)行分類時(shí),需要優(yōu)先獲取與節(jié)點(diǎn)負(fù)載特征對應(yīng)的重構(gòu)矩陣L,具體如公式(3)所示:

(3)

式中,m代表節(jié)點(diǎn)嵌入維數(shù);τ代表節(jié)點(diǎn)重構(gòu)的時(shí)間間隔。

在無人機(jī)通信網(wǎng)絡(luò)中,設(shè)定非等間距節(jié)點(diǎn)負(fù)載部署對應(yīng)的分辨決策表為S,通過奇異值分解方法對節(jié)點(diǎn)負(fù)載特征進(jìn)行分解。根據(jù)節(jié)點(diǎn)負(fù)載的模糊約簡結(jié)果,可以進(jìn)行相似度特征分解。通過自適應(yīng)加權(quán)方法,獲取統(tǒng)計(jì)分配屬性。其中,對應(yīng)節(jié)點(diǎn)的屬性取值Dx,可以表示為公式(4)的形式:

(4)

式中,dm+1(m)代表無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)在第m點(diǎn)的預(yù)測值;dk+1(m)代表在第m點(diǎn)處采集的節(jié)點(diǎn)模糊特征矢量。

通過上述分析,需要進(jìn)一步實(shí)現(xiàn)無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)相關(guān)數(shù)據(jù)的存儲優(yōu)化重組,即根據(jù)非等間距節(jié)點(diǎn)集合的屬性特征,利用統(tǒng)計(jì)分析方法,構(gòu)建節(jié)點(diǎn)負(fù)載關(guān)聯(lián)規(guī)則分布矩陣,具體的表達(dá)形式如下:

(5)

式中,ωij代表第i個(gè)采樣節(jié)點(diǎn)挖掘到節(jié)的點(diǎn)負(fù)載的模糊隸屬度函數(shù)。

采用語義特征分析方法構(gòu)建節(jié)點(diǎn)負(fù)載挖掘的模糊語義特征規(guī)則分析模型,通過模型對節(jié)點(diǎn)負(fù)載情況進(jìn)行特征提取和優(yōu)化處理,模糊語義特征規(guī)則分析模型具體的表達(dá)形式為:

(6)

1.2 非等間距節(jié)點(diǎn)負(fù)載部署

為了有效實(shí)現(xiàn)無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署,避免節(jié)點(diǎn)因負(fù)載過大而死亡,采用將K-均值聚類算法和粒子群算法相結(jié)合的方法,從而避免完全隨機(jī)尋優(yōu)的退化現(xiàn)象[9-10],在增強(qiáng)算法局部精確搜索能力的同時(shí)縮短收斂時(shí)間。

1.2.1 基于粒子群算法的區(qū)域最優(yōu)解分析

粒子群算法是模擬鳥群行為規(guī)律而提出的一種智能優(yōu)化算法[11-12],群體智能優(yōu)化搜索是根據(jù)群體中粒子個(gè)體之間的合作與競爭而形成的。

首先,確定初始粒子的速度和位置等相關(guān)參數(shù)取值,即聯(lián)合無人機(jī)通信網(wǎng)絡(luò)的基本屬性,設(shè)定每個(gè)節(jié)點(diǎn)對應(yīng)一個(gè)初始粒子,計(jì)算每個(gè)粒子的適應(yīng)度值,在待聚類對象中隨機(jī)選取k個(gè)對象作為初始聚類中心,將每個(gè)對象按照最小近距離原則與最佳適應(yīng)度原則劃分到最近的聚類中心,同時(shí)形成k個(gè)聚類。

其次,利用距離匯聚節(jié)點(diǎn)的遠(yuǎn)近將無人機(jī)通信網(wǎng)絡(luò)區(qū)域劃分為多個(gè)不同的區(qū)域,不同等級區(qū)域分別選取不同的簇頭組建規(guī)模不同的簇。節(jié)點(diǎn)內(nèi)已知的無人機(jī)通信網(wǎng)絡(luò),主要以匯聚節(jié)點(diǎn)為中心,以 為半徑劃分為規(guī)格統(tǒng)一的環(huán)形區(qū)域,其中,不同區(qū)域主要以不同的概率進(jìn)行簇頭選取[13-15]。最靠近節(jié)點(diǎn)的區(qū)域設(shè)定為第一等級,以最大概率為依據(jù)選取簇頭,重新計(jì)算聚類中心ci::

(7)

式中,Ni代表第i個(gè)聚類域;X代表聚類域的總數(shù)。

最后,完成粒子群初始化處理與聚類中心重新計(jì)算后,確定不同個(gè)體的極值,判斷聚類中心是否滿足設(shè)定的約束條件,假設(shè)滿足,則結(jié)束聚類;反之,則需要重新調(diào)整無人機(jī)通信網(wǎng)絡(luò)區(qū)域,計(jì)算新的聚類中心并再次聚類。在進(jìn)行迭代尋優(yōu)的過程中,粒子的位置和速度更新公式如(8)和(9)所示:

(8)

(9)

通過粒子群算法的速度和位置對粒子的速度和位置進(jìn)行更新,以此為依據(jù)獲取各個(gè)極值所在的區(qū)域,直至滿足終止條件為止。

1.2.2 節(jié)點(diǎn)負(fù)載部署優(yōu)化

首先,基于獲取的最靠近節(jié)點(diǎn)的區(qū)域最優(yōu)解,將無人機(jī)通信網(wǎng)絡(luò)劃分為n個(gè)區(qū)域,節(jié)點(diǎn)總數(shù)為Nn·R。假設(shè)在設(shè)定區(qū)域R內(nèi),對應(yīng)簇頭節(jié)點(diǎn)的能耗ER·elu可以表示為公式(10)的形式:

ER·elu=

(10)

式中,Efuse代表簇頭總數(shù);Eelec代表簇內(nèi)非簇頭總數(shù);εamp代表簇頭被選中的概率;k代表半徑取值;d代表任意常數(shù)。

其次,確定無人機(jī)通信網(wǎng)絡(luò)中活動的等級區(qū)域,隨機(jī)部署和等級區(qū)域內(nèi)非等間距節(jié)點(diǎn)數(shù)量一致的粒子。通過研究區(qū)域內(nèi)簇頭被選中的概率,利用k-均值聚類方法對粒子進(jìn)行Nn·R·pn個(gè)初始聚類。再次對粒子的飛行規(guī)格進(jìn)行調(diào)整,當(dāng)粒子運(yùn)動到和節(jié)點(diǎn)重合的位置時(shí),粒子位置為固定的,速度為零,不需要再進(jìn)行飛行。剩余的粒子繼續(xù)按照設(shè)定規(guī)則飛行,直到全部粒子分別和剩余節(jié)點(diǎn)重合,算法結(jié)束,該區(qū)域分簇完成,跳轉(zhuǎn)至下一區(qū)域進(jìn)行分簇。分簇時(shí),需要將等級區(qū)域內(nèi)的粒子G={x1,x2,…,xm}劃分為k個(gè)聚類的粒子群體,因此將公式(8)修改為以下的形式:

(11)

最后,對粒子飛行規(guī)格進(jìn)行修正,在進(jìn)行聚類收斂的過程中,當(dāng)粒子運(yùn)動和節(jié)點(diǎn)位置重合時(shí),說明粒子的速度取值為零,位置保持不變,剩余的粒子繼續(xù)執(zhí)行飛行規(guī)則,直至全部的粒子和節(jié)點(diǎn)重合。

利用當(dāng)前的位置和速度,計(jì)算粒子截至目前位置搜索到的自身最優(yōu)位置和種群中全局最優(yōu)位置。以雙向的自身最優(yōu)位置和種群中全局最優(yōu)位置計(jì)算結(jié)果為依據(jù),匹配區(qū)域最優(yōu)解,匹配成功即完成無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署。

2 仿真實(shí)驗(yàn)

為了驗(yàn)證所提無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署方法的有效性,在相同場景下進(jìn)行仿真測試。

具體仿真實(shí)驗(yàn)過程與目標(biāo)函數(shù)設(shè)定結(jié)果如下:

(1)通過距離匯聚節(jié)點(diǎn)遠(yuǎn)近,將無人機(jī)通信網(wǎng)絡(luò)劃分為不同的區(qū)域等級,根據(jù)簇頭選取概率確定簇?cái)?shù)以及簇規(guī)模。將第一等級區(qū)域的節(jié)點(diǎn)設(shè)定為活動節(jié)點(diǎn),剩余部分的節(jié)點(diǎn)處于休眠狀態(tài),有效避免粒子種群個(gè)體飛行到其他區(qū)域的節(jié)點(diǎn)上。

(2)隨機(jī)形成和研究區(qū)域節(jié)點(diǎn)數(shù)量相同的粒子個(gè)體,同時(shí)對其進(jìn)行初始化處理。設(shè)定種群中各個(gè)粒子的初始位置以及飛行速度等相關(guān)參數(shù)。

(3)通過k-均值聚類方法確定聚類總數(shù)以及聚類中心。

(4)優(yōu)先選取吞吐率作為測試指標(biāo),測試方法主要有所提方法、文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法,確認(rèn)不同方法的目標(biāo)函數(shù),對類內(nèi)相似度和類間間距進(jìn)行評價(jià),同時(shí)還需要對適應(yīng)度取值進(jìn)行評價(jià)。將鄰近性歐幾里得距離度量設(shè)定為聚類質(zhì)量的目標(biāo)函數(shù)Sij,具體的計(jì)算式為:

(12)

式中,dist代表測試對象之間的歐式距離。

(5)對粒子當(dāng)前所在的位置進(jìn)行判斷。

(6)對種群中剩余粒子的位置和速度進(jìn)行更新。

(7)重復(fù)步驟(1)到步驟(5),直至獲取最終的實(shí)驗(yàn)結(jié)果。

分析不同方法的吞吐率,具體實(shí)驗(yàn)結(jié)果如圖1所示:

由圖1可知,當(dāng)采用所提方法對節(jié)點(diǎn)負(fù)載進(jìn)行部署后,吞吐率相比另外兩種方法有了十分明顯的提升,有效驗(yàn)證了所提方法的優(yōu)越性。

圖1 不同方法的吞吐率實(shí)驗(yàn)對比結(jié)果

分析三種不同方法的節(jié)點(diǎn)負(fù)載部署耗時(shí)情況,具體實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同方法的節(jié)點(diǎn)負(fù)載部署耗時(shí)測試結(jié)果對比

由表1可知,節(jié)點(diǎn)負(fù)載部署耗時(shí)會隨著節(jié)點(diǎn)數(shù)量的增加而增加。但是在三種方法中,本文所提方法的節(jié)點(diǎn)負(fù)載部署耗時(shí)明顯更低一些,證明所提方法能夠以較快的速度完成負(fù)載部署。

分析使用所提方法前后緩存資源利用率變化情況,具體實(shí)驗(yàn)結(jié)果如圖2所示。

圖2 使用所提方法前后緩存資源利用率變化情況

由圖2中的實(shí)驗(yàn)數(shù)據(jù)可知,所提方法對節(jié)點(diǎn)負(fù)載特征進(jìn)行提取和分析,能有效獲取負(fù)載的變化情況,部署策略更加合理,數(shù)值模擬結(jié)果得到明顯提升,緩存資源得到更為有效的利用。

為了有效探測不同方法的無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署情況,實(shí)驗(yàn)選取通信沖突率作為測試指標(biāo),具體實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 不同方法的通信沖突率測試結(jié)果對比

由圖3可知,在不同的測試場景下,不同方法的通信沖突率是完全不同的。和文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法相比,所提方法的通信沖突率明顯更低一些,說明經(jīng)過所提方法對無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載進(jìn)行部署后,可以有效避免節(jié)點(diǎn)之間發(fā)生通信沖突,同時(shí)還能夠使通信沖突率保持在比較低的水平,有效驗(yàn)證了所提方法的優(yōu)越性。

3 結(jié)束語

隨著無人機(jī)通信網(wǎng)絡(luò)的不斷發(fā)展和進(jìn)步,節(jié)點(diǎn)負(fù)載部署問題已經(jīng)成為無人機(jī)通信網(wǎng)絡(luò)中的一個(gè)關(guān)鍵問題。本文提出了一種無人機(jī)通信網(wǎng)絡(luò)非等間距節(jié)點(diǎn)負(fù)載部署方法,實(shí)驗(yàn)結(jié)果表明,所提方法具有節(jié)點(diǎn)負(fù)載部署耗時(shí)少以及吞吐率高等優(yōu)點(diǎn),同時(shí)還能夠有效提升緩存資源利用率、減少通信沖突率。