無人機(jī)輔助的無線傳感網(wǎng)絡(luò)AoI最小化方案研究*

趙玉華,賈向東,2,胡海霞,敬樂天

(1.西北師范大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,甘肅 蘭州 730070; 2.南京郵電大學(xué)江蘇省無線通信重點(diǎn)實(shí)驗(yàn)室,江蘇 南京 210003)

1 引言

近年來物聯(lián)網(wǎng)產(chǎn)業(yè)飛速發(fā)展，極大地推動(dòng)了無線傳感器網(wǎng)絡(luò)WSN(Wireless Sensor Network)技術(shù)的應(yīng)用，針對(duì)WSN中存在的海量數(shù)據(jù)收集問題，無人機(jī)提供了一種輔助收集傳感器設(shè)備移動(dòng)式數(shù)據(jù)的手段，可有效節(jié)約傳感器節(jié)點(diǎn)能量，延長無線傳感器網(wǎng)絡(luò)壽命。在此類應(yīng)用場景中，遠(yuǎn)程數(shù)據(jù)處理中心根據(jù)無人機(jī)傳回的傳感器(即終端)狀態(tài)更新數(shù)據(jù)估測物理現(xiàn)象。

文獻(xiàn)[1]首先提出利用無人機(jī)UAV(Unmanned Aerial Vehicle)作為無線通信網(wǎng)絡(luò)中繼，設(shè)計(jì)了一個(gè)無人機(jī)的受控網(wǎng)絡(luò)，建立一個(gè)地面?zhèn)鞲衅鞴?jié)點(diǎn)與無人機(jī)連接的網(wǎng)絡(luò)，以保證無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)將感知產(chǎn)生的數(shù)據(jù)安全可靠地傳送到無人機(jī)，繼而傳遞給用戶。文獻(xiàn)[2]通過定義不同類型的節(jié)點(diǎn)和設(shè)備，提出了基于無人機(jī)的包括存儲(chǔ)和轉(zhuǎn)發(fā)的數(shù)據(jù)收集框架以及實(shí)時(shí)數(shù)據(jù)傳輸模型，提供了基于循環(huán)策略和需求驅(qū)動(dòng)策略的無人機(jī)路由算法。文獻(xiàn)[3]在多無人機(jī)無線網(wǎng)絡(luò)場景中通過凸優(yōu)化技術(shù)聯(lián)合優(yōu)化用戶調(diào)度和關(guān)聯(lián)、無人機(jī)軌跡和發(fā)射功率，實(shí)現(xiàn)了最大化所有用戶最小平均速率的目的。該文獻(xiàn)提出的基于凸優(yōu)化的聯(lián)合優(yōu)化方案對(duì)本文具有較高的引導(dǎo)啟發(fā)價(jià)值。

上述無人機(jī)輔助的無線傳感器網(wǎng)絡(luò)的目標(biāo)是通過具有可靠的密集部署的傳感器節(jié)點(diǎn)持續(xù)觀察物理現(xiàn)象獲取環(huán)境特征，精確的遠(yuǎn)程估計(jì)具有較高的實(shí)用價(jià)值。因此，所有類似應(yīng)用都需要及時(shí)傳遞數(shù)據(jù)，因?yàn)樽钚碌母袦y數(shù)據(jù)可以更好地捕獲源節(jié)點(diǎn)所處的環(huán)境狀態(tài)。反之，信息的價(jià)值隨時(shí)間推移逐漸降低，過時(shí)的信息甚至可能導(dǎo)致錯(cuò)誤的控制，造成重大災(zāi)難。因此，在狀態(tài)信息更新要求較高的系統(tǒng)中，對(duì)信息新鮮度的分析研究具有重要意義。因此，文獻(xiàn)[4]研究了無人機(jī)輔助的無線傳感器網(wǎng)絡(luò)中的信息新鮮度最優(yōu)數(shù)據(jù)收集問題，提出了一種聯(lián)合傳感器功率分配和軌跡規(guī)劃策略，基于鄰近傳播方法的感測數(shù)據(jù)，并利用動(dòng)態(tài)規(guī)劃找到滿足傳輸數(shù)據(jù)最及時(shí)的無人機(jī)最優(yōu)軌跡。

因此，對(duì)于時(shí)變系統(tǒng)的狀態(tài)信息，以保持?jǐn)?shù)據(jù)新鮮度為目標(biāo)的信息更新系統(tǒng)的設(shè)計(jì)和分析一直受到廣泛關(guān)注。在文獻(xiàn)[6]中，信息年齡AoI(Age of Information)的概念首次被提出,用于度量信息新鮮度，利用M/M/1排隊(duì)原理來表征車輛狀態(tài)更新系統(tǒng)中的信息新鮮度。AoI被定義為信息自生成以來至到達(dá)目的地的最新狀態(tài)更新所經(jīng)過的時(shí)間，進(jìn)而將模糊的追求數(shù)據(jù)新鮮度問題轉(zhuǎn)換為一個(gè)可以用優(yōu)化方法求解的數(shù)學(xué)問題。自此，近年來對(duì)AoI的研究興趣迅速增長。與文獻(xiàn)[6]不同的是，除了研究先到先得FCFS(First Come First Served)策略的3種不同排隊(duì)模型(包括M/M/1、M/D/1和D/M/1)的開創(chuàng)性工作之外，文獻(xiàn)[6]還給出了先到先得(FCFS)和后到先得LCFS(Last Come First Served)排隊(duì)策略的平均AoI的比較分析。文獻(xiàn)[7]研究了通信系統(tǒng)中信息更新的最優(yōu)控制策略，提出了保持?jǐn)?shù)據(jù)新鮮度的零等待策略。

文獻(xiàn)[8]針對(duì)聯(lián)合感知時(shí)間、傳輸時(shí)間、無人機(jī)軌跡和任務(wù)調(diào)度優(yōu)化問題，提出了一種迭代算法來優(yōu)化感知時(shí)間、傳輸時(shí)間和無人機(jī)軌跡，設(shè)計(jì)分析了無人機(jī)對(duì)多個(gè)傳感任務(wù)執(zhí)行數(shù)據(jù)更新的順序,以及無人機(jī)傳感和無人機(jī)傳輸之間的權(quán)衡。文獻(xiàn)[8]還討論了具有無線功率傳輸能力的傳感器網(wǎng)絡(luò)的AoI，其中傳感器節(jié)點(diǎn)從射頻信號(hào)中獲取能量以傳輸實(shí)時(shí)狀態(tài)信息，傳感器節(jié)點(diǎn)在其電容器完全充電時(shí)產(chǎn)生更新，并利用所有可用能量傳輸。

綜上所述，在文獻(xiàn)[1-4,9]中，現(xiàn)有工作已滿足傳統(tǒng)傳感器網(wǎng)絡(luò)信息傳輸?shù)幕拘枨?，大多從軌跡優(yōu)化、功率控制等方面為傳統(tǒng)無線傳感器網(wǎng)絡(luò)中無人機(jī)輔助通信系統(tǒng)的吞吐量最大化及系統(tǒng)能效最大化等提供了解決方案。但是，隨著物聯(lián)網(wǎng)的發(fā)展，精準(zhǔn)智能系統(tǒng)對(duì)監(jiān)測數(shù)據(jù)即時(shí)性的要求越來越高，對(duì)數(shù)據(jù)新鮮度的研究已成為此類實(shí)時(shí)系統(tǒng)優(yōu)化的關(guān)鍵。因此，基于文獻(xiàn)[5-8,10-13]對(duì)于AoI概念模型及理論基礎(chǔ)研究相對(duì)成熟的條件下，本文將現(xiàn)有AoI研究場景擴(kuò)展至基于WSN研究中，提出將AoI度量建立在無人機(jī)輔助的無線傳感器網(wǎng)絡(luò)場景中，滿足WSN網(wǎng)絡(luò)的較高狀態(tài)更新需求。且文獻(xiàn)[5]表明，傳感器節(jié)點(diǎn)在獲取射頻能量條件下更有利于優(yōu)化系統(tǒng)AoI。

因此，本文提出了無人機(jī)輔助的無線傳感器網(wǎng)絡(luò)信息年齡最小化問題。具體場景為，多架無人機(jī)同時(shí)從數(shù)據(jù)中心出發(fā)，在傳感器節(jié)點(diǎn)上空懸停收集傳感數(shù)據(jù)并以射頻方式向傳感器節(jié)點(diǎn)輸送能量，最終返回?cái)?shù)據(jù)中心卸載信息。首先，本文構(gòu)建了一架無人機(jī)輔助通信的無線傳感器網(wǎng)絡(luò)模型，無人機(jī)先懸停在最優(yōu)懸停點(diǎn)為傳感器節(jié)點(diǎn)傳輸能量，隨后在給定的時(shí)間周期內(nèi)頻繁更新感知任務(wù)的數(shù)據(jù)。其次，提出了一種采集點(diǎn)選擇、軌跡優(yōu)化及能量輸送時(shí)間與信息傳輸時(shí)間分配權(quán)衡的聯(lián)合優(yōu)化方案，以達(dá)到最小化系統(tǒng)總AoI為目的。最后，模擬了多架無人機(jī)在三維空間中的信息采集過程，并對(duì)能量輸送時(shí)間與信息傳輸時(shí)間分配進(jìn)行權(quán)衡。

在本文所述模型中，無人機(jī)不僅作為數(shù)據(jù)傳輸中繼，并為曠野環(huán)境中布設(shè)的傳感器節(jié)點(diǎn)供能。無人機(jī)飛行過程中的軌跡設(shè)計(jì)有效減少了數(shù)據(jù)中繼傳輸時(shí)間，無人機(jī)對(duì)于傳感器節(jié)點(diǎn)的供能機(jī)制提高了傳感器的工作可靠性，滿足其在電量飽和狀態(tài)下的高效數(shù)據(jù)采集。同時(shí)，從解決系統(tǒng)遠(yuǎn)程數(shù)據(jù)傳輸與無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)能量受限問題方面優(yōu)化系統(tǒng)AoI。與大量現(xiàn)有工作不同，本文提出通過對(duì)基于無人機(jī)輔助無線物聯(lián)網(wǎng)系統(tǒng)的軌跡和時(shí)間分配的聯(lián)合優(yōu)化來實(shí)現(xiàn)系統(tǒng)平均AoI最小化。

2 網(wǎng)絡(luò)模型及問題描述

2.1 網(wǎng)絡(luò)模型

針對(duì)草原生態(tài)監(jiān)測保護(hù)問題，如圖1所示的無人機(jī)輔助無線傳感器網(wǎng)絡(luò)工作在遠(yuǎn)離城市的郊區(qū)空曠草原場景中，因此本文采用視距鏈路模型。且傳感器節(jié)點(diǎn)布設(shè)在草叢中用于實(shí)時(shí)監(jiān)測環(huán)境狀態(tài)，因此其位置固定，高度為0。該模型由一個(gè)數(shù)據(jù)中心v0、S個(gè)傳感器節(jié)點(diǎn)和K架無人機(jī)構(gòu)成。其中K架無人機(jī)與S個(gè)傳感器節(jié)點(diǎn)在同一頻段上同時(shí)通信。無人機(jī)從數(shù)據(jù)中心v0起飛，飛到傳感器節(jié)點(diǎn)上空首先為節(jié)點(diǎn)傳輸能量;然后傳感器節(jié)點(diǎn)利用收獲的能量將傳感數(shù)據(jù)上傳到無人機(jī);最終無人機(jī)原路返回?cái)?shù)據(jù)中心v0。傳感器節(jié)點(diǎn)的位置用矩陣S∈R3×K表示，K架無人機(jī)的位置用矩陣U∈R3×K表示，則第k架無人機(jī)在時(shí)隙n時(shí)的位置用多元變量u[α,k,n]表示，其中，u∈U,u[α,k,0]和u[α,k,n]分別表示無人機(jī)出發(fā)前在數(shù)據(jù)中心的初始位置及無人機(jī)返回?cái)?shù)據(jù)中心的最終位置。參數(shù)α表示無人機(jī)飛行過程中的約束條件，α∈{1,2,3,4}，其取值含義在第2.2節(jié)具體說明。將無人機(jī)完成任務(wù)時(shí)間離散為N個(gè)等距時(shí)隙，即T=N×Ts，Ts為采樣間隔,采樣時(shí)序表示為{U1,U2,…,UN}。無人機(jī)完成任務(wù)的時(shí)間分為飛行時(shí)間與懸停工作時(shí)間，懸停工作時(shí)間又可分為下行能量輸送時(shí)間tbe和上行數(shù)據(jù)收集時(shí)間tbi。且無人機(jī)速度未接近極限值，其多普勒效應(yīng)可以忽略。

Figure 1 Network model圖1 網(wǎng)絡(luò)模型

2.2 問題描述

由于機(jī)動(dòng)性和自由度限制，無人機(jī)飛行過程中在時(shí)隙n的位置需服從部分約束條件u[α,k,n]，其中，α為約束變量，α取值由約束條件決定，即，

設(shè)無人機(jī)的最大飛行高度為Hmax，最小飛行高度為Hmin，則高度約束如式(1)所示：

Hmin≤u[3,k,n]≤Hmax

(1)

由于無人機(jī)的飛行速度有限，需要在任意2個(gè)連續(xù)時(shí)隙間隔內(nèi)對(duì)第k架無人機(jī)的位置距離施加約束。將水平飛行速度、垂直上升和下降速度分別表示為vL、vA和vD，在本文中假設(shè)無人機(jī)上升下降速度相等，即vA=vD，則第k架無人機(jī)的位置約束如式(2)和式(3)所示：

‖u[1:2,k,n+1]-u[1:2,k,n]‖≤vLTs

(2)

-vDTs≤u[3,k,n+1]-u[3,k,n]≤vATs

(3)

此外，本文還需要考慮任何2架無人機(jī)的避碰問題。如果任意2架無人機(jī)之間的最小安全距離用dmin表示，則第k架和第j架無人機(jī)間的避碰約束如式(4)所示：

‖u[1:2,k,n]-u[1:2,j,n]‖≥dmin

(4)

無人機(jī)的傳輸功率必須是有界的。設(shè)p∈R3×K為傳輸功率矩陣，p[k,n]為第k架無人機(jī)在時(shí)隙n的傳輸功率，則功率約束如式(5)所示：

0≤p[k,n]≤Pmax

(5)

其中,Pmax表示無人機(jī)最大傳輸功率。p[k,0]和p[k,n]表示第k架無人機(jī)的初始和最終傳輸功率，在后續(xù)計(jì)算中，將它們?cè)O(shè)置為定值，而非決策變量。

在時(shí)隙n時(shí)，傳輸鏈路的信干噪比SINR(n)滿足零均值高斯分布，則此時(shí)該鏈路上的數(shù)據(jù)傳輸速率R(n)如式(6)所示：

R(n)=WBlb(1+SINR(n))

(6)

其中，

(7)

其中，G0表示信號(hào)功率，WB表示帶寬，N0表示加性高斯白噪聲功率譜密度，d[k,k,n]表示無人機(jī)距離目的節(jié)點(diǎn)的距離，(a[k,k])2表示信道增益。

2.3 AoI描述

Δ(k)(t)=max(t-Uk)

(8)

Figure 2 AoI timing diagram圖2 AoI時(shí)序圖

Figure 3 Hovering working time 圖3 總懸停工作時(shí)間表示

根據(jù)圖2和圖3可以得出，第k+1次任務(wù)的AoI如式(9)所示：

(9)

(10)

由于未來收集數(shù)據(jù)的AoI與過去無關(guān)，但會(huì)影響觀測時(shí)序，由圖2可得出如式(11)所示的結(jié)論:

Δ(1)(t)>Δ(2)(t)>Δ(3)(t)>…>Δ(N)(t)

(11)

在N個(gè)時(shí)隙中無人機(jī)完成任務(wù)的平均AoI如式(12)所示：

(12)

則整個(gè)無人機(jī)輔助的無線傳感器網(wǎng)絡(luò)模型的AoI如式(13)所示：

(13)

3 問題構(gòu)建與求解

為了盡可能滿足信息中心接收到的信息新鮮度，本文提出以最小化K架無人機(jī)在n個(gè)時(shí)隙上的工作AoI為目標(biāo)函數(shù)建立優(yōu)化問題,如式(14)所示：

s.t. 式(1)～式(9)

(14)

在式(14)中，平均AoI表示懸停工作時(shí)間和無人機(jī)飛行時(shí)間的加權(quán)和。由于每個(gè)傳感器節(jié)點(diǎn)的數(shù)據(jù)收集時(shí)間與無人機(jī)的飛行軌跡無關(guān)，問題P1被分解為2個(gè)子問題，即時(shí)間分配問題和最優(yōu)平均AoI軌跡設(shè)計(jì)問題。假設(shè)M=t*為無人機(jī)在傳感器節(jié)點(diǎn)上空能量輸送時(shí)間與信息傳輸時(shí)間分配的權(quán)衡指數(shù)，因此找到最優(yōu)時(shí)刻M即解決了時(shí)間分配問題,進(jìn)而可推導(dǎo)出最優(yōu)懸停位置u*[α,k,M+1]。假設(shè)無人機(jī)上升速度與下降速度相等，因此最優(yōu)飛行軌跡對(duì)稱，則問題可以進(jìn)一步表示為式(15)所示：

(15)

引證文獻(xiàn)[11]可以得出結(jié)論，式(14)涉及到求解最優(yōu)M，這通常比較困難。通過觀察，首先使用啟發(fā)式方法求解最優(yōu)M和懸停位置u*[α,k,M+1];然后使用固定M和u*[α,k,M+1]求解。由于在式(15)的目標(biāo)函數(shù)中，當(dāng)N?M時(shí)，第1項(xiàng)比第2項(xiàng)小得多，因此省略式(15)的目標(biāo)函數(shù)中的第2項(xiàng)來求解最優(yōu)M和u*[α,k,M+1]的近似，然后將問題簡化如式(16)所示：

(16)

由于:

(17)

則懸停工作時(shí)間式(17)可以轉(zhuǎn)化為一個(gè)凸目標(biāo)函數(shù)問題,如式(18)所示：

(18)

(19)

(20)

因此,關(guān)于目標(biāo)函數(shù)式(18)，可以找到一個(gè)全局線性下界。

(21)

其次，通過迭代使用二分法對(duì)M進(jìn)行求解，可以首先找到使這個(gè)松弛問題可行的最小M，將其表示為ML。設(shè)ML為M的下界，多次使用平分法求解問題(15)對(duì)應(yīng)的最優(yōu)M值。約束式(3)滿足任何2架無人機(jī)之間的避碰問題，對(duì)于該非凸約束問題，本文采用逐次凸逼近SCA(Successive Convex Approximation)算法[9]求解。利用柯西不等式將非凸約束式(3)代替為其凸緊代函數(shù),如式(22)所示：

2(u[α,k,n]-u[α,j,n])T(u[α,k,n]-

(22)

最終，多次利用SCA算法，迭代求解出最優(yōu)值p*和u*。

4 仿真實(shí)驗(yàn)與結(jié)果分析

在該仿真實(shí)驗(yàn)中，所有傳感器節(jié)點(diǎn)在空曠草原生態(tài)系統(tǒng)中隨機(jī)分布于地表，持續(xù)監(jiān)測收集環(huán)境數(shù)據(jù)。無人機(jī)飛行至節(jié)點(diǎn)上空以懸停方式完成文中所述工作過程，并用Hmin初始化每架無人機(jī)到達(dá)節(jié)點(diǎn)上空的高度。該實(shí)驗(yàn)驗(yàn)證了方案的可行性，并對(duì)其性能進(jìn)行了評(píng)價(jià)。在不失一般性的情況下假設(shè)K=4，其他參數(shù)如表1所示。

圖4描述了無人機(jī)初始軌跡以及其初始高度變化。本文首先為每架無人機(jī)分別設(shè)計(jì)了一種初始路線，如圖4a所示。在初始軌跡的設(shè)置中，每架無人機(jī)在飛行至傳感器節(jié)點(diǎn)上空附近后首先上升到初始高度Hmin處，然后以最大的速度直接到達(dá)目的地上空，并在接近目的地的同時(shí)下降到最佳高度。完成采集任務(wù)時(shí)，所有無人機(jī)都將懸停在第3節(jié)求解所得的最優(yōu)采集位置u*處，并在M時(shí)刻前完成能量傳輸，隨后開始采集任務(wù)且以對(duì)稱軌跡返回?cái)?shù)據(jù)中心。假設(shè)4架無人機(jī)的初始位置分別為(0,0,100),(30,0,100),(0,30,100)和(30,30,100)。所有傳感器節(jié)點(diǎn)布設(shè)于草原地表，因此其位置服從隨機(jī)分布且高度為0。故其初始位置為(300,300,0),(100,100,0),(700,700,0)和(100,800,0)。所有無人機(jī)都采用最大傳輸功率Pmax與傳感器節(jié)點(diǎn)通信。

Table 1 Simulation parameters表1 仿真參數(shù)

Figure 4 Initial trajectory design of UAV圖4 無人機(jī)初始軌跡設(shè)計(jì)

圖5給出了無人機(jī)的優(yōu)化軌跡及其優(yōu)化高度變化。通過代入如圖4a所示的無人機(jī)靜態(tài)懸停位置以及初始化無人機(jī)飛行軌跡，啟動(dòng)優(yōu)化算法SCA，經(jīng)過多次迭代得到如圖4a所示的無人機(jī)最佳懸停位置和最優(yōu)飛行軌跡。從圖4b的優(yōu)化結(jié)果可以得到，無人機(jī)在飛行過程中的最大高度始終低于初始軌跡。如圖4所示，無人機(jī)1的初始位置最接近其目的地，因此與其他無人機(jī)相比，它到達(dá)目的地的時(shí)間最短。但是,當(dāng)無人機(jī)1到達(dá)與其通信的傳感器節(jié)點(diǎn)附近時(shí)，不會(huì)立即下降到其最佳高度，而是保持其高度，并等待其他需要更多飛行時(shí)間才能到達(dá)其通信傳感器節(jié)點(diǎn)附近的無人機(jī)。然后，這4架無人機(jī)幾乎同時(shí)下降到它們的最佳懸停點(diǎn)。因此，該飛行方案可以有效避免同時(shí)工作的多架無人機(jī)之間的噪聲干擾。從優(yōu)化的軌跡可以看出，該方案不僅避免了無人機(jī)之間的碰撞，而且還優(yōu)化了無人機(jī)飛行軌跡之間的協(xié)作。

Figure 5 Optimized trajectory of UAV圖5 無人機(jī)優(yōu)化軌跡

圖6描述了無人機(jī)輔助通信過程中單位時(shí)隙中下行鏈路能量收集和上行鏈路數(shù)據(jù)傳輸時(shí)，不同的時(shí)間分配策略下相應(yīng)的上行能量收集率和下行數(shù)據(jù)傳輸率。時(shí)間分配指數(shù)M由單位時(shí)隙內(nèi)tbe/tbi表示。在滿足數(shù)據(jù)傳輸所需最小能量收集條件下，顯然，上下行鏈路時(shí)間分配越多則能量收集率與數(shù)據(jù)傳輸率分別越高。但是，對(duì)于固定的傳感器節(jié)點(diǎn)數(shù)量來說，下行吞吐量將隨著能量收集時(shí)間的增加而減小。實(shí)驗(yàn)結(jié)果表明，當(dāng)M=0.6左右時(shí)，上下行鏈路性能分別達(dá)到較高水平。當(dāng)比值小于這個(gè)最優(yōu)值時(shí)，數(shù)據(jù)傳輸率較高，但系統(tǒng)總吞吐量會(huì)降低；當(dāng)比值較大時(shí)又會(huì)引起較大的單元間干擾，當(dāng)比值大于這個(gè)最優(yōu)值時(shí)，收集能量遠(yuǎn)大于傳輸過程所需，造成能量浪費(fèi)，增加了系統(tǒng)總能耗。

Figure 6 Distribution of working time 圖6 工作時(shí)間分配

圖7給出了優(yōu)化前后系統(tǒng)AoI性能對(duì)比。由式(1)～式(12)可以看出，本文所述聯(lián)合采集點(diǎn)選擇、軌跡優(yōu)化及時(shí)間分配的AoI最小化方案最終可以量化為求解式(21)的最優(yōu)解。由式(11)可知，先到達(dá)懸停高度的無人機(jī)AoI逐次大于后續(xù)到達(dá)的無人機(jī)AoI，圖2可以充分證明這一觀點(diǎn)，且圖5的仿真結(jié)果也驗(yàn)證了該推理的正確性。由圖7可得，優(yōu)化后的模型在整個(gè)飛行周期的AoI與最初飛行軌跡的平均AoI相比顯著減小，最大AoI僅需4 min，比初始值減小約30%。此外，與初始設(shè)置相比，無人機(jī)在最大傳輸速率下獲得穩(wěn)態(tài)所需的時(shí)間較少，這表明該方案在滿足基本通信需求的條件下，有效實(shí)現(xiàn)了系統(tǒng)AoI最小化。

Figure 7 Comparison of AoI before and after optimization圖7 優(yōu)化前后系統(tǒng)AoI對(duì)比圖

5 結(jié)束語

在新興實(shí)時(shí)物聯(lián)網(wǎng)的應(yīng)用場景下，無人機(jī)輔助收集數(shù)據(jù)的新鮮度會(huì)影響信息的價(jià)值及系統(tǒng)性能。本文引用AoI的概念，研究了一種AoI最小化的無人機(jī)數(shù)據(jù)收集和軌跡優(yōu)化問題。從優(yōu)化懸停工作和飛行時(shí)間2個(gè)角度出發(fā)，建立了一個(gè)聯(lián)合采集點(diǎn)選擇、無人機(jī)軌跡優(yōu)化和時(shí)間分配的凸優(yōu)化問題，構(gòu)建了一個(gè)SCA框架對(duì)該問題進(jìn)行求解，以獲得數(shù)據(jù)收集策略和最優(yōu)飛行軌跡。仿真結(jié)果表明，本文提出的方案有效地優(yōu)化了系統(tǒng)信息年齡，達(dá)到了實(shí)時(shí)系統(tǒng)追求數(shù)據(jù)新鮮度的目的。隨著無線傳輸網(wǎng)絡(luò)的發(fā)展，無線能量傳輸問題也成為研究的焦點(diǎn)。下一步將以無線能量傳輸作為基礎(chǔ)，優(yōu)化數(shù)據(jù)收集方案，進(jìn)一步提出更優(yōu)的AoI改善方案。