面向信息年龄的应急无人机网络低能耗信息采集和传输调度机制.pdf

2023 年 7 月 Journal on Communications July 2023 第 44 卷第 7 期 通 信 学 报 Vol.44 No.7面向信息年龄的应急无人机网络低能耗信息采集和传输调度机制 张宇明1，徐连明2，印思源2，江林润1，王莉1，费爱国1（1.北京邮电大学计算机学院（国家示范性软件学院），北京 100876；2.北京邮电大学电子工程学院，北京 100876）摘 要：为解决公网设施缺失、卫星信号不稳等应急场景下，信息无法及时回传与上报的问题，针对信息采集与传输能力受能耗制约的应急无人机网络，提出了一种面向信息时效性的信息采集和传输调度机制。引入了信息年龄作为信息时效性的衡量指标和约束，构建了以最小化无人机信息采集和传输能耗为目标的随机优化问题。基于Lyapunov 优化理论，设计了信息时效性约束的虚拟队列，将原问题转化为保证系统稳定前提下的无人机数据采集与传输控制 2 个子问题，并分别提出了对应的启发式算法。仿真结果表明，相较于传统的队列调度方案，所提算法在保证信息时效性在一定范围的前提下，具备更快的收敛速率和更低的系统平均能耗开销。关键词：应急通信；飞行自组织网络；无人机网络；信息年龄；Lyapunov 优化 中图分类号：TN92 文献标志码：A DOI:10.11959/j.issn.1000436x.2023116 AoI-oriented low-energy-consumption information collection and transmission scheduling mechanism for emergency UAV networks ZHANG Yuming1,XU Lianming2,YIN Siyuan2,JIANG Linrun1,WANG Li1,FEI Aiguo1 1.School of Computer Science(National Pilot Software Engineering School),Beijing University of Posts and Telecommunications,Beijing 100876,China 2.School of Electronic Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,China Abstract:To address the information collection and aggregation issue in emergency scenarios characterized by the lack of public infrastructure and unstable satellite signals,an information timeliness-oriented information collection and transmission scheduling mechanism was proposed for emergency unmanned aerial vehicle(UAV)networks where infor-mation collection and transmission capabilities were constrained by energy consumption.Considering the age of informa-tion(AoI)as the metric and constraint of information timeliness,a stochastics optimization problem was constructed with the objective of minimizing UAV information collection and transmission energy consumption.By resorting to the Lya-punov optimization technique,virtual queues were established to impose information timeliness constraints on queue lengths,and the original problem was decoupled into two sub-problems,information collection and transmission sche-duling,with the premise of ensuring system stability.Corresponding heuristic algorithms were proposed for each sub-problem.Simulation results demonstrate that the proposed algorithm outperforms conventional queue scheduling ap-proaches in convergence rates and system energy consumption with guaranteed information timeliness.Keywords:emergency communication,FANET,UAV network,age of information,Lyapunov optimization 收稿日期：20221216；修回日期：20230307 通信作者：徐连明， 基金项目：国家重点研发计划基金资助项目（No.2020YFC1511801）；国家自然科学基金资助项目（No.U2066201,No.62171054,No.62201071,No.62201089）Foundation Items:The National Key Research and Development Program of China(No.2020YFC1511801),The National NaturalScience Foundation of China(No.U2066201,No.62171054,No.62201071,No.62201089)2 通 信 学 报 第 44 卷 0 引言 我国受自然灾害影响严重。为有效提升救援效率、降低灾难损失、保障人民生命财产安全，利用先进的技术手段，提升应急管理效用，构建立体、系统的公共安全网络，是全面提升我国应急保障能力的关键，也是国家安全发展的重大需求1。应急通信作为应对自然灾害和事故灾难的特殊通信机制，承载着灾情信息传递、指挥信令交互以及智能辅助决策等功能，是极端环境下应急业务与指挥决策的交互枢纽，对于提升灾害响应能力、增强安全防范能力、保障处置救援效率等方面至关重要。然而，突发的自然灾害、事故灾难往往会导致公网基础设施损毁、卫星通信/导航信号不稳、可用通信能力不足等问题，这严重阻碍了现场灾情信息的及时回传与有效上报，制约了对灾情状态的有效研判与救援策略的高效制定2。如何在自然环境恶劣、通信环境受限的场景下快速构建应急通信网络，实现灾情信息的有效收集与回传是应急通信必须攻克的难题，也是实施高效指挥调度与精准救援处置的前提条件。由于灾害现场往往存在“断网、断电、断路”的客观约束，救援人员的前突侦察和深入搜救受到严重阻碍，进而导致传统便携式的通信与感知设备在使用过程中受到一定程度的制约。在此情况下，利用小型无人机灵活、轻便、易部署的特点，通过将传感器、摄像头、微基站等模块搭载在其中，并采用飞行自组织网络（FANET,flying ad hoc net-work）将无人机集群广泛部署于灾害环境中对现场信息进行采集和回传，这样不仅能在不依赖通信基础设施的情况下完成对灾害信息的快速收集，还可以有效增强灾情感知的广度与精度3。尽管无人机网络为应急场景下的网络快速构建提供了一种理想的解决方案，但其负重小、能耗大、通信能力有限等方面的弊端也为其在信息的采集和传输等方面的应用带来了挑战。具体来说，灾害现场环境易变，对感知数据的时效性要求高。然而，针对无人机集群的数据采集与传输，传统基于数据包时延的策略仅关注数据传输过程中所经历的时间，难以有效反映所传数据的新鲜度，无法满足应急通信对信息时效性的需求；此外，无策略的信息采集不仅会导致无人机网络整体的能耗增加、工作时长缩短，还会对无人机节点的存储和通信能力带来额外的负担。信息年龄（AoI,age of information）作为新兴的网络性能度量指标，包含了数据内容本身自产生而经过的时间，可以有效弥补传统度量方式对信息内容时效性描述的不足4。考虑到无人机网络在信息采集和通信增强等方面存在巨大的潜在价值5，将 AoI 引入无人机网络的设计中可以使网络传输更加关注于内容本身，有效增强信息传输的时效性，促进业务与网络的深度融合。为此，大量研究工作围绕 AoI 与无人机网络的结合而展开。文献6围绕物联网场景应用，以最小化采集信息的 AoI 和无人机的能耗为目标，联合优化了无人机的飞行速率、悬停位置、通信带宽等多方面因素。文献7探讨了无人机对地面节点集群的信息采集问题，提出了一种基于编解码器的机器学习方法，以控制无人机的飞行轨迹和悬停时间，实现了整体采集信息的 AoI 最小化。文献8以无人机为空中中继研究了物联网环境下的数据传输问题，通过联合优化无人机轨迹、传输策略与能耗分配，有效提升了信息传输的时效性。文献9针对信道未知环境的无人机中继传输问题进行了研究，设计了一种基于瞬时信道状态的无人机飞行高度调整机制，实现了最小化采集信息的平均 AoI。文献10考虑了无人机路径规划和信息采集的联合优化问题，分别设计了面向最优 AoI 保障和平均 AoI 保障的算法机制，以验证 AoI 在无人机网络中的效用。文献11针对智能车辆系统，讨论了无人机辅助下的路网流量监测系统的安全问题，基于 Stackelberg 博弈理论，以最小化采集信息的 AoI 为目标构建了受攻击情况下的无人机网络数据采集与传输模型，并设计了次梯度更新算法，使所提出的系统具备良好的安全性能。上述研究工作主要聚焦于无人机节点的采集和传输方法，并以 AoI 为性能指标提升信息的时效性。然而，在面临大范围自然灾害的环境中，单个无人机节点通常难以完成对受灾区域的覆盖，需要使用多个无人机构成 FANET 来进行现场数据的采集与回传。在这种应用场景中，FANET 中的无人机节点不仅承担着采集信息的任务，还需要具备稳定的信息传输能力，以实现对灾区的广域覆盖。但现有主流的 FANET 传输第 7 期 张宇明等：面向信息年龄的应急无人机网络低能耗信息采集和传输调度机制 3 协议侧重于对无人机高移动性和链路高动态性的研究，所采用的性能衡量指标多数为传统的时延、丢包率以及吞吐量等12，难以直接应用在对信息时效性要求高的应急救援场景中。此外，传统 FANET 传输协议多数关注无人机节点之间的数据传输过程，缺乏对无人机信息采集策略的讨论。然而，在应急救援场景中，由于需要在设施装备受限的环境下临时构建网络，无人机节点的信息采集和传输能力通常受到一定约束2。因此，研究 FANET 中信息采集和传输调度的联合优化，设计面向信息时效性的采集和传输的联合控制策略，对于提升应急无人机网络的通信保障能力、增强其在应急救援中的实战应用价值具有重大意义。对此，本文围绕应急场景下的 FANET 开展研究，旨在设计一种面向无人机自组织网络的信息采集和传输调度机制，在保障信息时效性的同时有效降低无人机节点的能耗。本文主要的工作如下。1)建立应急无人机自组织网络的信息采集和传输调度模型。面向信息时效性引入 AoI 作为信息新鲜度的衡量指标，针对传输调度建立节点的信息传输队列，在系统平均最大 AoI 和平均最低信息采集频率的约束下，构建最小化无人机信息采集和传输能耗的随机优化问题。2)将所提出的复杂问题转化为 2 个低复杂度的子问题。基于 Lyapunov 优化理论，引入虚拟队列，将平均信息采集频率与平均 AoI 约束转化为队列稳定性约束，将原随机优化问题转化为保证系统稳定前提下的队列调度问题。在此基础上，把原问题解耦为采集与传输控制问题，并分别给出低复杂度的求解算法。3)进行仿真实验验证所提算法的有效性。本文对所考虑的无人机信息采集和传输场景进行了仿真，并将所提算法与基于队列长度的背压算法和基于时延的背压算法进行对比，以验证所提算法的有效性。1 场景描述与问题建模 自然灾害或事故灾难往往会造成通信基础设施损毁，导致现场灾情信息难以及时回传。考虑到无人机灵活、轻便的特点，可以通过在应急救援现场部署无人机自组织网络实现现场灾情数据采集和传输，同时提供通信覆盖的功能，为救援人员提供最新的灾情感知服务。因此，本文从数据包和节点 AoI 这 2 个角度出发，一方面考虑数据自身的时效性，另一方面兼顾节点所提供信息的时效性，探讨如何保障无人机网络的信息采集和传输调度问题。1.1 无人机信息采集和传输场景描述 应急现场往往面临通信设备损毁、卫星信号拒止等恶劣的通信环境，导致一线灾情信息难以及时回传。无人机具有灵活、易部署的特点，可以在灾害现场快速构建应急通信网络，实现灾情信息的有效收集与回传，满足应急救援场景对信息时效性的要求。基于无人机自组织网络的信息采集和传输调度机制应用场景如图 1 所示。图 1 基于无人机自组织网络的信息采集和传输调度机制应用场景 考虑到应急救援现场通常会部署前方指挥部，为满足统一指挥调度的需求，本文假设所考虑的网络管控模式为集中式。具体来说，现场指挥中心的集中控制平台统一管理所有的无人机节点，包括无人机的采集和传输调度策略、节点部署位置、飞行控制和路径规划等。为了避免对无人机飞行的影响，本文考虑无人机控制链路和通信链路相互独立的情况。其中，控制链路由无人机和指挥中心直接相连，用于保障无人机的飞控；通信链路由独立的宽带模块负责，可以在无人机节点之间形成一套自组织网络，用于对现场信息的采集和传输。本文主要研究无人机之间的通信链路，即无人机通过所形成的自组织网络对现场信息进行采集和传输。4 通 信 学 报 第 44 卷 具体来说，本文所考虑的无人机自组织网络信息采集传输系统主要由采集无人机和传输无人机组成。采集无人机和传输无人机在性能、功能方面相同，仅在组网时承担的角色有所不同，并且无人机的角色切换可以依据应急现场指挥调度的需求进行调整。其中，采集无人机负责采集灾害现场数据，如受灾一线的图像、音频等数据。传输无人机则作为通信中继节点，通过多跳传输共享数据，保证组网内部的信息时效性。采集无人机在收集现场数据后，将数据包发送至邻近的传输无人机，传输无人机则将数据转发至下一跳邻居节点，实现数据扩散和新鲜度更新，使救援人员能够通过传输无人机获取最新的灾情数据。此外，对于应急通信场景，及时准确地获取灾情数据对于救援任务的开展至关重要。然而，无人机能量资源有限，保证信息时效性和系统工作续航时长之间存在矛盾。信息时效性对采集频率和信息共享传输频率提出了要求。但是过高的采集频率与无规划的数据传输会缩短无人机工作时长，还会导致通信链路拥塞、通信时延增加，从而损害信息时效性。因此，本文以 AoI 作为信息时效性的约束条件，建立应急无人机自组织网络的信息采集和传输调度策略，以最小化无人机传输和采集系统的能耗。1.2 无人机信息采集和传输场景系统模型 在图 1 所示的系统中，定义无人机集合为1,ijN，N为无人机节点总数，|N ，其中包括S个具备数据采集能力的无人机，能够采集受灾现场信息并将数据发送至传输 无 人 机 节 点。采 集 无 人 机 用 集 合1,sS表示，|S。除采集无人机外，其他的无人机节点均为传输无人机，用集合1,rR表示，|RNS。考虑到灾害现场情况复杂，需要对多种类的信息进行采集。为满足不同信息的差异化时效性需求，本文将不同种类的信息定义为不同的业务。假设需要采集B种数据信息，则有B类业务，用集合表示为1,bB，|B。本文假设无人机自组织网络工作在一个时隙系统下，1,tT表示系统时隙。此外，每个无人机节点都维护B个业务的数据队列，以提供差异化的业务保障。本文建模所需的主要符号与变量如表1所示，具体模型介绍如下。表 1 本文建模所需的主要符号与变量 符号意义 符号 意义 bsg 数据包采集策略 biQ 业务队列向量 bK 数据包索引最大值 e 无人机系统总能耗bs 数据包生成时隙 B 业务类型 bsS 数据包采集次数阈值 biH 采集虚拟队列 bsp 数据包调度策略 biX AoI 虚拟队列 ijy 传输路径选择策略 V 调优参数 i 存在通信链路的无人机节点集合 能耗系数 biA 节点的 AoI ijW 链路权重参数 1)信息采集模型 本文考虑采集无人机对现场环境进行音/视频数据采集，并假设信息以网络数据包的形式在节点之间传输。由此，可以将信息的采集和传输2个过程以数据包调度的形式进行统一建模。具体来说，在本文提出的系统中，每个采集节点在单个时隙只产生一个数据包，用()bksgt表示数据包采集策略。采集节点 s 在时隙t 生成了业务b 的第k 个数据包，则()1bksgt；否则()0bksgt。同理，针对某一业务?在时隙 t 的采集策略可以表示为()bsgt，无人机节点s 在时隙t 采集并生成了业务 b 的数据包，则()1bsgt；否则()0bsgt。()bksgt 和()bsgt 之间存在如下关系 1()()bKbbksskgtgt (1)其中，sb，bK为单架采集无人机在t个时隙内采集的业务b的数据包数量。为了记录数据包的生成时隙，用bks表示采集无人机节点s生成的业务b的第k个数据包的时隙，计算式为 1()Tbkbkssttgt (2)其中，sb，。由于每一种业务数据对灾害救援任务的顺利开展都至关重要，因此需要保障每种业务的数据采集，以尽可能全面地获取灾区信息。本文用()sbgt表示采集节点s对业务b的平均采集次数，并保证其大于阈值bsS，具体如下 11()()TbbbsstsgtgtST (3)其中，s。第 7 期 张宇明等：面向信息年龄的应急无人机网络低能耗信息采集和传输调度机制 5 2)数据传输模型 本文假设所有无人机节点均在同一个频段上传输数据，且每一个无人机节点只能在一个时隙内传输一类业务的一个数据包。由此，在每一时隙都需要对系统中的无人机节点进行传输调度，即需要决策在该时隙下节点需要传输的数据包的来源和业务种类。具体地，()sbkpt表示节点 s 在 t 时隙的调度策略，节点 s 在 t 时隙生成业务 b 的第 k 个分组，则()1sbkpt ；否则()0sbkpt。无人机的传输调度约束如下 10()1bKbkksbspt(4)此外，考虑每个无人机节点在每个时隙都需要选择下一跳邻居节点，用()ijyt表示该调度策略。t时隙节点 i 向节点 j 发送数据包，则()1ijyt；否则()0ijyt。本文假设无人机之间采用无线自组织网络的形式构建网络，并通过半双工的工作模式来降低节点对通信装备的性能需求以及节点之间的相互干扰，从而应对恶劣的环境，提升网络传输的可靠性。由此，单个节点无法同时发送和接收，即 ()()1iiijnijnytyt (5)其中，i，i表示与节点 i 存在通信链路的无人机节点集合。通过上述过程，无人机节点可以将自身的数据信息共享给邻居节点。为了实现整个无人机网络的数据共享，每个无人机节点均需要具备上述能力。由此，即可通过数据多跳传输的方式实现无人机网络内的数据共享。3)AoI 模型 应急救援环境恶劣、突变性强，精准的指挥调度决策不仅需要获取实时的灾情信息，还需要了解所获取信息自产生而经过的时间。为此，需要从数据自身的角度出发定义衡量指标，通过记录数据信息的新鲜度，来指导信息的采集和传输调度策略，为现场救援人员提供保障。AoI 作为一种新兴的网络性能度量指标，从目的端视角衡量所得到的数据新鲜度，不仅包含信息的传输时延，还包括信息在节点的等待停留时间，可以较好地满足应急通信场景对于信息新鲜度的衡量要求。在本文所述场景中，采集信息会在无人机之间进行传输和共享，使所有无人机均携带现场的灾情信息，从而为每个接入网络中的用户提供最新的灾情信息。为此，本文分别从数据自身新鲜度和节点所提供信息的新鲜度 2 个角度出发，考虑数据包AoI 和节点 AoI 两类指标13。其中，数据包 AoI 用于衡量数据自身的新鲜度，是当前时隙与数据包生成时隙的差值，主要用于反映数据在传输过程中所耗费的时间；节点 AoI 用于衡量无人机节点所存储信息的新鲜程度，由节点所存储信息的新鲜度决定，主要用于反映节点的信息提供能力。具体的AoI 更新规则如下。数据包 AoI。对于一个数据包，AoI 为当前时隙与数据包生成时隙的差值，在时隙(1)t的数据包 AoI 为(1)bkst。节点 AoI。对于传输无人机节点，根据是否接收到某业务的数据包来更新 AoI，若节点接收到某一业务的数据包，则将此业务的节点 AoI 数值更新为新收到的数据包 AoI 值；否则直接将上一时刻的 AoI 值增加一个时隙。节点 AoI 可表示为 1(1)1()()()1)+()()1iibbbbisjisjbkbkjiiKskssjA tt ytA tt ytppt (6)对于采集无人机节点，考虑到其并不向用户直接传输数据，不会对信息的时效性计算有直接影响，因此，将采集无人机节点的AoI设置为0。应急网络通常会受到外部环境变化的影响，导致网络存在一定的波动性。在这种情况下，往往难以对AoI进行严格的约束。为此，考虑AoI的研究工作往往是对其均值的需求或约束14。本文同样考虑约束AoI的均值，定义()biA t为T个时隙内业务b的平均AoI，并使该值始终小于阈值A（A0），具体计算式为 11()()TbbtiiA tA tAT (7)其中，0iA，。4)队列模型 本文提出的模型中，无人机节点需要为每一种业务维护一个数据包队列，每个队列长度为 Q且都采用先到先服务（FCFS,first come first service）6 通 信 学 报 第 44 卷 方式处理数据包。当节点处有新数据包到达但队列已满时，丢弃位于队首的数据包。本文采用向量()bitQ表示在时隙 t 节点 i 维护的业务 b 队列的状态，即 1122,()bbbxxbis kstkskQ(8)其中，xQ，,xxbsk代表业务b队列中第x个数据包来自采集无人机节点xs生成的第k个数据包。采用()()bksijt ytp表示数据包的传输调度策略，在时隙t，若无人机节点i将采集无人机节点s生成的业务b的第k个数据包传输到无人机节点j，则()()1bksijt ytp；若不传输则()()0bksijt ytp。对于无人机节点而言，其传输调度策略()()bsijt ytp可以由数据包的传输调度策略()()bksijt ytp决定，两者之间的关系如下 1()()()()bKbbksijsijkt ytt ytpp(9)其中，iij，。由于应急现场往往存在环境突变、业务突发的情况，无人机节点的队列到达过程也会突发性地增加或者减少。在这种情况下，传统基于泊松到达过程的M/M/1队列模型难以准确描述网络状态，对于后续机制的设计指导意义有限。为此，需要在建立队列模型时考虑更加普适的到达率分布，并以此为基础设计传输调度算法，从而能更好地贴合应急场景的需求。1.3 无人机信息采集传输能耗优化问题建模 应急救援往往面临断电的恶劣环境，因此，延长网络的存续时间是提供可靠通信保障的前提。为此，本文考虑在保障信息时效性约束下，最小化无人机网络的系统平均能耗，使其在有限能耗的约束下提供更长时间的服务。其中，本文所述的系统能耗主要包含信息采集能耗和传输能耗两类，传输能耗又分为发送能耗和接收能耗。具体而言，本文定义无人机网络在时隙 t 的总能耗()e t 为 123()()()()()()iibbbssbbjsbsbbjisibijijse tgtp ttytypt(10)其中，1、2和3分别代表无人机节点在采集数据、接收数据和发送数据时的能耗系数。由此，?时隙内的平均能耗可表示为 1()()1TttteeT (11)为了尽可能地延长无人机信息采集传输系统的工作时间，本文将最小化系统平均能耗作为优化目标。综合上述条件，本文构建了随机优化问题，表示如下 11()()0,1,(),(),:mins.t.(,0()0,1,0,1,0()1()(biibsbbsbbkbijKbkksbijnijnsisstgtsbgtSsbA tA ibeptAtsbkKyijtytpy ，)1,ti (12)2 问题分析与算法设计 上述随机优化模型综合无人机信息采集和传输决策，求解过程复杂。若采用Markov决策或动态规划等传统方式进行求解，需要节点采集数据的先验统计信息。但在应急救援场景中，灾害现场环境复杂多变，数据采集需求存在随机性和不可预测性，难以预先获得先验统计信息，并且依赖全局数据的求解方法复杂度高，难以满足应急决策快速、高效决断的需求。因此，本文采用Lyapunov优化，将基于?时隙的长期随机优化问题转化为单时隙确定性决策问题，并设计低复杂度的算法，以求解上述模型，优化系统平均能耗。2.1 基于 Lyapunov 优化的问题分析 通过分析问题式(12)不难发现，系统能耗由数据采集能耗和数据传输能耗两部分组成，因此，本节将系统平均能耗优化问题分解成采集频率决策和传输调度决策2个子问题。具体地，依据文献15，可以定义()biHt 和()biXt 这2个虚拟队列，分别代表采集队列和AoI队列，2个虚拟队列的递推关系式如下 第 7 期 张宇明等：面向信息年龄的应急无人机网络低能耗信息采集和传输调度机制 7 1max()(),0bbbbiisittHSgHt(13)1max(),()0bbbiiiXXtttAA(14)由此，约束式(3)和式(7)可转化为虚拟队列稳定性约束，即要求虚拟队列(1)biHt 和(1)biXt 保持平稳。在此基础上，引入Lyapunov函数度量系统稳定性，具体为 221()()()2bbiiibL ttXHt(15)利用Lyapunov漂移理论可以进一步衡量连续时隙间系统队列的状态变化，即 12222(1)()1 (1)()21 (1)()2bbiiibbbiiibLL tL tttXtXtHH(16)在确保虚拟队列稳定性的前提下，为了最小化系统总能耗，本文在上述漂移函数中引入能耗惩罚项()t，并且最小化两者之和，即 1min()LVt(17)其中，()t为能耗()e t，V为调优参数。随后，基于不等式(18)，将式(13)代入式(16)可以得到式(19)。2222(max,0)2()abcabca bc(18)22221(1)()211()()22()()()bbiiibbbsibibbbbbbssibiiiiibttSgtSgtSgHtHHt(19)对于式(19)右侧的前两项，可以进一步得到 22211()()221()12bbsibibbsiSgtNB SC(20)其中，C为一个常量，仅与节点数量、采集阈值等因素有关。将式(14)代入式(16)可得 221(1)()2()(1)bbiiibbbiiibXtXtDXtA tA(21)其中，?与C类似，也是一个常量，仅与节点数量、AoI阈值等相关。将式(6)代入式(21)可得 221(1)()2()()+()()1iibbiiibbbkbbkisjisibbbiibXtXtDXtP YtA tXtA tA (22)其中，有 1()()biKbkbksjisjisjkP Ypt yt (23)将式(20)和式(22)代入式(16)，可以得到漂移能量函数的上界，即 11()()()()()()()1)()bbbbssssbbkbbbksjiiiseibbbbbiisiibibLVe tEg t VSHtP YXt tA tXt A tASHt(24)其中，23bbeVV，E 是一个与 B 和 C 相关的常数。依据文献15，通过最小化式(24)的右侧，可在保证队列稳定性前提下，最小化系统总能耗。2.2 基于 Lyapunov 优化的问题解耦 通过观察式(24)不难发现，数据采集策略()bsgt和传输调度策略()sbkpt 是线性耦合的。具体地，式(24)右侧的第二项与数据采集有关，式(24)右侧的第三项与传输调度策略有关。由此，可以将原问题式(12)解耦为信息的采集与传输控制问题，即最小化式(24)右侧的第二项和第三项 2 个优化问题。具体如下。1)数据采集控制 由最小化式(24)右侧的第二项得到数据采集问题，表示为 21()0,:min()(1,()s.t.bbbbssssbbsgtsbgt VSHt (25)从式(25)可以看出，当且仅当时隙t没有采集节点收集数据包时，式(25)的目标函数取0，即该等式8 通 信 学 报 第 44 卷 的最小值应小于或等于0。进一步地，采集节点的数据采集策略应根据1()bbbssVSHt的值进行决策，具体规则为 11,()0()0,bbbbsssVSHtgt其他 (26)2)传输调度控制 由最小化式(24)右侧的第三项得到数据传输调度控制问题，表示为 13:min()()0,10,1,s.t.()()()()1,biiKbkksbijijnibjkbbbksjiiiseibsnyijyyP YXt tA tpitttt ,0,0,bksbsbkKT (27)从式(27)可以看出，当t时隙无人机i不进行数据收发时，0bksjiP Y，式(27)的目标函数为0。此外，传输无人机的传输调度策略应该依据无人机节点对应的()()bbbkiiseXt tA t的值进行决策，总体目标为最小化所有无人机相应值的加权和，即该问题等价为一个最小权重和问题。2.3 低复杂度启发式算法设计 在上述问题解耦的基础上，本节分别针对数据采集和传输调度2个子问题，提出了低复杂度的启发式算法。1)基于权值的数据采集算法 针对式(25)，本文提出基于权值的采集算法，主要由三部分组成：第一部分，检查采集节点对某一项业务已采集的数据包是否达到索引最大值bK，若已达到则不再采集该业务数据并检查下一项业务；第二部分，通过计算1()bbbssVSHt的值进行采集决策，若该值小于0则在该时隙进行数据采集；第三部分，迭代更新(1)bsHt 和已采集的业务数据包数量。具体如算法1所示。算法 1 基于权值的数据采集算法 输入 采集节点集合，最小采集次数阈值bsS，索引最大值bK，数据采集的能耗系数1b，调优参数V 输出 采集决策方案()bksgt 初始化参数：(0)0bsH 对任意时隙t for each s for each b if 采集次数已经达到bK continue end if if 1()0bbbssVSHt ()1bsgt else ()0bsgt end if end for 更新(1)bsHt，业务采集数量 end for 基于权值的数据采集算法流程如图2所示。图 2 基于权值的数据采集算法流程 2)基于贪心策略的传输调度算法 针对式(27)，本文提出了基于贪心策略的传输调度算法，每个节点评估收发邻居节点的数据包对AoI的影响以及收发数据包产生的能量消耗进行决策。具体的通信链路与数据包的选择基于权重参数()bijw t，其表达式为 第 7 期 张宇明等：面向信息年龄的应急无人机网络低能耗信息采集和传输调度机制 9 23()()()ibijijbbbkbijbsbibXttAQ tw ttVV(28)其中，()jbkbsQt表示节点j中是否存在由节点s采集的业务b的第k个数据包，若存在则其值为1，否则其值为0；2bV和3bV均为常数，分别表示收数据包和发数据包的能量消耗。该算法主要由三部分组成。第一部分，遍历通信链路权重，对任一节点首先检查其通信状态，若已处于收发状态，则跳过该节点；若处于空闲状态，则遍历其邻居节点所有业务数据队列，根据FCFS方式，取队列()jbtQ中的首个数据包，并计算其权值()bijw t，保存权值并升序排列。第二部分，选取满足以下3个条件的通信链路(,)i j：()bijw t处于升序队列的首位；()bijw t值为负数；无人机节点j处于空闲状态。第三部分，更改被激活的通信链路(,)i j状态为收发并更新接收节点的AoI队列和收发节点的业务数据队列。具体如算法2所示。算法 2 基于贪心策略的传输调度算法 输入 无人机节点集合 ，采集节点集合，AoI阈值A，收数据包的能耗系数2b，发数据包的能耗系数3b，调优参数V 输出 传输调度方案()()bksjipt yt 初始化参数(0)(0)bbiiXA、为0，(0)biQ为空 min,()()0bbkijsjiWpt yt 对任意时隙t for each i if i 已处于收发状态 continue end if for each 节点ij if j 已处于收发状态 continue end if for each b if()bit Q continue end if (,)()bis ktQ 23()bbbiVVXt()()ijbbkbstAQtt if min()()bbijijWtWt min()()bbijijWtWt ,jj bb,ss kk end if end for end for if min()0bijWt continue end if ()()1b ksj ipt yt 更新(1),(1),(1)bbbiiiXtA tt+Q及 i、j节点收发状态 end for 基于贪心策略的传输调度算法流程如图3所示。图 3 基于贪心策略的传输调度算法流程 将算法1与算法2结合，即本文所提LEA-SR（low energy consumption and AoI based sampling and 10 通 信 学 报 第 44 卷 routing）调度算法在具体的优化问题求解中，首先执行算法1，通过遍历所有无人机节点和节点中的业务队列实现采集决策，并对系统状态进行更新。然后，执行算法2，每个节点根据自身状态评估不同传输策略带来的AoI影响及产生的能量消耗，并尝试激活数据链路，输出满足调度约束的传输策略。基于上述过程，实现对随机优化问题的求解。从上述求解过程中不难发现，所提算法通过将原问题解耦为2个相对独立的问题，能够通过并行求解的方式同时得到采集和传输调度策略，可有效增强算法的运行效率，提升应急网络的响应速度。此外，所提算法对于环境数据的依赖度较低，仅需要通过观测当前状态即可制定最小化长期能耗的策略，这种方式能够提升算法对恶劣应急环境的适应性。3 仿真结果及分析 3.1 场景及参数说明 为了验证所提的无人机自组织网络信息采集和传输调度策略算法，本文在MATLAB平台进行了仿真实验。仿真中设置了一个半径为1 500 m的圆形区域作为无人机的可部署范围，该区域内均匀随机分布20个无人机节点，采集无人机节点数为515个，其余为传输无人机节点。无人机节点分布如图4所示。图 4 无人机节点分布 平均AoI阈值取值范围为012个时隙，Lyapunov优化网络参数取值范围为50500，每个节点最大数据队列长度取值范围为15。结合本文的仿真环境，仿真参数如表2所示16。表 2 仿真参数 参数名称 符号 参数值 节点数/个 N 20 采集无人机节点数/个 S 515 最大通信距离/m 0d 500 运动半径/m r 1 500 节点平均移动速度/(ms1)v 010 时隙/s?0800 业务种类数量 B 3 最小平均采样数 bsS 0.03 最大采样数 bK 250 平均 AoI 阈值/时隙 biA 012 节点采样能耗系数 1b 0.18 节点发送能耗系数 2b 0.1