您现在的位置是：首页 > 技术资料 > 基于UAV的移动物联网远距离通信节能策略研究

推荐星级：

基于UAV的移动物联网远距离通信节能策略研究

更新时间：2019-12-08 13:51:00 大小：3M 上传用户：xiaohei1810 查看TA发布的资源 标签：uav 移动物联网远距离通信 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

针对应急移动物联网在缺少地面基站的情况下,可靠节能地远距离传输重点区域全信息的要求,本文将无人机(Unmanned Aerial Vehicle,UAV)作为空基通信平台,研究应急移动物联网应用中大规模移动物联网设备能量受限条件下的远距离通信问题,提出基于无人机的移动物联网远距离通信节能策略.首先,对该类物联网进行系统建模;其次,根据所建模型中地面设备无序立体地分散于重点区域的特点,通过优化无人机的布署位置,在提供可靠通信的同时,降低地面设备的通信耗能;再次,根据地面设备运动性能强、活动范围广的特点,通过研究无人机与地面移动设备的联合运动策略,避免无人机频繁换簇覆盖所引起的远距离移动等大运动状态变化问题,实现无人机的移动节能.最后,通过实验,从通信耗能和运动耗能两方面验证了本文所提策略的有效性.

部分文件列表

文件名	大小
基于UAV的移动物联网远距离通信节能策略研究.pdf	3M

立即下载

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）

V01．46 NO．12

2018

第12期

2018年12月

电

ACTA

子

学

报

Dec．

ELECTRONICA SINICA

基于UAV的移动物联网

远距离通信节能策略研究

王

巍1”，赵继军1，彭力2，黄晓丹1，李林茂1，魏丁丁1

(1．河北工程大学信息与电气工程学院，河北邯郸056038；

2．江南大学物联网技术应用教育部工程中心，物联网工程学院，江苏无锡214122)

摘要：针对应急移动物联网在缺少地面基站的情况下，可靠节能地远距离传输重点区域全信息的要求，本文

Aerial

将无人机(Unmanned

Vehicle，UAV)作为空基通信平台，研究应急移动物联网应用中大规模移动物联网设备能

量受限条件下的远距离通信问题，提出基于无人机的移动物联网远距离通信节能策略．首先，对该类物联网进行系统

建模；其次，根据所建模型中地面设备无序立体地分散于重点区域的特点，通过优化无人机的布署位置，在提供可靠通

信的同时，降低地面设备的通信耗能；再次，根据地面设备运动性能强、活动范围广的特点，通过研究无人机与地面移

动设备的联合运动策略，避免无人机频繁换簇覆盖所引起的远距离移动等大运动状态变化问题，实现无人机的移动节

能．最后，通过实验，从通信耗能和运动耗能两方面验证了本文所提策略的有效性．

关键词：

应急移动物联网；空基通信；无人机；节能

中图分类号：TP393 文献标识码：

电子学报URL：http：／／www．ejournal．org．cn

文章编号：0372—21 12(2018)12—2914-09

DOI：10．3969／j．issn．0372．2112．2018．12．013

on the

for

Distance

Research

Energy Saving Strategy

Long

Communication of Mobile nternet of

on UAVs

Based

Things

WANG

Weil一，ZHAO

Li2，HUANG Xiao．danl，LI Lin—ma01，WEI Ding—din91

Ji-junl，PENG

and Electrical

056038

China；

(1．School

of Information

Research Center

Engineering，Hebei University of Engineering，Handan，Hebei

the

Internet

of Things Technology Applications

Ministry of Education，School of

2．Engineering

University，Wuxi，Jiangsu 214122，China)

Things Engineering，Jiangnan

needs full information．To transfer it from the disaster area without the

base station

Abstract：

ground

Emergency

needs

and

reliable network，It is

for

solution to use

mobile Internet of

Things(emloT)．This type

emergency

quick

good

UAVs as an air—based communication

IoT is

efficient and suit

transmission．Consider

energy

long—distance

platform．We

devices．An

energy—constrained energy saving

researched on the

communication in emloT with mass mobile

long—distance

scattered

ground

based on UAVs is

this

the

de—

loT．Second，according

Can

provide

disorderly

strategy

proposed．First，model

type

vices in the stereo disaster

_optimizesUAVs

a reliable communication and reduce

area，the strategy

deployment．It

the

of the communication at the same

the

moves

and

randomly

time．Third，given

ground equipment

avoids

energy consumption

about

and

UAVs

mobile devices was

caused

motion

widely．A joint

pattern

ground

analyzed．It

long—distance moving

of cluster

with UAVs and reduces the mobile

en—

by frequent changes

coverage

energy．Finally，from transferring

moving

effect of the

is verified

ergy—saving，the

proposed strategy

through experiments．

based

aerial

mobile internet of

Key words： emergency

things；space

communication；unmanned

vehicle(UAV)；en—

ergy saving

收稿日期：2016—12-23；修回日期：2017—1l-25；责任编辑：梅志强

基金项目：国家重点研发计划支持项目(No．2018YFF0301004)；国家自然科学基金资助项目(No．61802107)；河北省自然科学基金项目(No

F2015402108)；河北省高等学校科学技术研究项目(No．QN2015046)；河北省物联网数据采集与处理工程技术研究中心开放课题(No．2016．2)

江苏省博士后科研资助计划项目(No．1601085C)；邯郸市科学技术研究与发展计划项目(No．1625202042-1)

万方数据

2915

第

期

王

巍：基于UAV的移动物联网远距离通信节能策略研究

设备的链接性，扩展地面网络的覆盖范围；另一方面，作

为移动的空中基站，能够为地面用户提供可靠的上下

行通信，提升无线网络的能力．与地面基站相比，基于无

人机的空中基站的优势是其良好的移动型．无人机的

飞行高度也为地面用户可靠的视距通信链路提供了保

障．正是由于其高度可调与移动型，无人机能够向目标

用户移动并以较低的通信耗能与用户建立连接，进而

经济节能地获取移动分散的地面用户数据．这种效果

对于有限的地面基站来说较难实现．

引言

我国是自然灾害频发的国家之一，当自然灾害发

生时，对受灾区域的全信息感知为应急救助决策、灾后

评估、挽救生命财产和降低损失提供了保障，是综合国

力的象征．因此，面向自然灾害的应急物联网相关理论

与技术，已经引起了科研机构、相关企业及学者们越来

越多的关注．同时，在国防、科研及应用领域中，应急物

联网具有很好的应用前景．

面向自然灾害的应急物联网要求具有远距离通

信、局域网自组网、精确定位等功能．在远距离通信方

面，针对进入受灾区域的大量人员、无人搜救设备一般

具有运动性强和活动范围广的特点，受灾区域前期物

联网建设中未失效的信息感知节点分散而孤立的特

点，以及上述所有全信息感知设备异构的特点，在缺少

地面固定通信基站的情况下，研究受灾区域全信息可

靠、节能地远距离传输方法是必要的．

无人机作为面向自然灾害的应急物联网的空中

接口，可以有效地解决应急物联网应用中大规模移动

异构物联网设备能量受限条件下的远距离通信问

题旧一．无人机可移动到大规模移动物联网设备上方，

获取移动物联网设备的数据，为超出直接通信范围的

移动物联网设备提供交换信息的可能．在这样的大规

模移动异构物联网中，无人机作为数据采集器，形成

了网络的中间层口。．为了提高网络的生存周期，实现

绿色物联网，在保证可靠高效通信的前提下，网络的

节能策略值得研究．基于无人机的无线网络相关研究

如表1所示．

应急通信领域中空基通信平台是近年国内外的发

展趋势，目前空基通信平台也是我国信息化建设中的

薄弱环节．无人机作为空基通信平台，吸引了越来越多

的关注．一方面，作为无线中继，能够显著增强地面无线

表1国内外相关研究

研究者

内容

网络类型

D2D通信网络(Device．to—Device)

Ad．hoc网络

UAV数量

一个

不足

Mohammad

a1．[4]

Mozaffari，Walid Saad，et

a1．[5]

UAV最优布署与移动

UAV最优轨迹

未研究上行通信

未研究UAV运动

未研究地面用户的动态

问题

Z．Han，A．L Swindlehurst，et

多个

静态地面用户与UAV

联合最优布署

a1．[6]

M．Mozaffari，W．Saad，et

loT(Intemet

Things)

多个

高效地数据采集与簇

头充电方法

只针对静态传感网，未研

究最优布署问题

a1．[7]

Sensor

WSN(Wireless

Networks)

Y．Pang，Y．Zhang，et

a1．[8]

N．Abuzainab．W．Saad．et

节能的上行传输策略

IoT／M2M网络(Machine

Machine)

未考虑设备的运动

C．Y．Tu．C．Y．Ho．et a1．[9]

K．Daniel．S．Rohde．C．Wiefield．[10,11]

过载和中断预防方法

UAV最优轨迹

蜂窝网络

多个

未研究UAV的覆盖性能

只针对静态传感设备

未研究UAV覆盖和通信

性能

and A．L．Swindlehurst．[12]

F．Jiang

WSN

a1．It3]

蜂窝网络与D'2D设备

S．Shalmashi，E．Bjomson，et

蜂窝网络

一个

X．Lin．R．Heath．et a1．

的共存

与此同时，美国的通信运营商Verizon以及中国移

动等，都在积极开展基于UAV的蜂窝网络移动基站研

究．可以看出，基于UAV的无线网络研究已成为前沿．

未来，随着可穿戴设备、无人驾驶汽车和智能终端等移

动物联网设备的大规模使用和不断变化的网络拓扑结

构，尤其是在通信基站较为缺乏的地区，对基于UAV的

移动物联网需求将会更加明显，此时，大规模移动物联

网的节能降耗问题就显得更加突出¨ L”1．在较为广阔

的空间内，地面设备位置实时变化，导致此类基于UAV

的大规模移动物联网成为动态拓扑网络．分层路由的

需求使得网络分簇研究成为必要，尤其是当多UAV空

基平台能量输出不均衡，空基平台的接入设备数量有

限，上行视距通信能量不足、区域信息协同中继任务动

态变化时，研究网络分簇具有实际意义和挑战性．此

外，考虑到地面设备和UAV空基平台的空间位置约束，

可靠视距通信的信号功率要求，QoS等，多UAV空基平

台的协同优化值得研究．因此，在上述有关网络分簇和

UAV空基平台协同优化的多种约束和复杂情况下，本

文将研究地面移动物联网设备与UAV的联合最优布署

与移动策略，通过有效聚类和合理规划，实现基于UAV

的大规模移动异构物联网的整体节能．

系统模型

大规模移动异构物联网的系统模型如图1所示，

网络共分为三层：第一层为移动Ad—Hoc网络，第二层

为由UAV组成的数据采集层，第三层为云端．UAV作

万方数据

2916

2018正

电

子

学

报

为信息中转与交换的通道，完成底层移动物联网设备

能量受限条件下的远距离通信．设在地面区域S。中，分

布着￡个IoT设备(L={1，2，，L}cⅣ+)，在空中区域

Js。中，分布着K个UAV(K={1，2，，K}cN+)．其中，

第i个loT设备的坐标为(菇。，Y。，h。)，第／个UAV的坐标

为(z。。，Y。。，h。。)，每个IoT设备和UAV可以在三维空

间运动，且云端可以获知其坐标．假设IoT设备的上行

Division

通信采用正交频分多址(Orthogonal Frequency

Multiple Access，OFDMA)，第，个UAV允许同时接入的

IoT设备数上限为尬．

图1系统模型

～

州

“

”7

牡圳2坠2

角

为

口，篇则视

篇

距用通信

式

概率(U

可

用V式

(

黧

)近嚣似描

乎述Ⅲ

’

1，其仰

Mm(半)2(4)

＼

／

其中，Q“(· )是Q—function的反函数，Ⅳ0为噪声功率

谱密度，尺。为传输码率．

PLos

¨(17)

2百1

q—be

(

一

p丁

所看一

石

砂

]

而

)

其中，砂与届取决于载波频率和移动物联网所处环境的

参数．

3节能策略

根据图1中IoT设备与UAV的空间关系可知，

在大规模移动异构物联网中，UAV可以有效地解

决地面移动IoT设备能量受限条件下的远距离通信问

题，为超出直接通信范围的移动物联网设备提供交换

信息的可能．此时，网络的能耗主要来自于IoT设备与

UAV的通信以及UAV的移动，因此，本文将从这两方

p：18__q0× sin一-掣，

为了保证可靠通信，要求P螂(口) s(1im6=1)，

丌

口i

dd=~／(省。一Xu,j)2+(y。一)，。。)2+(h。一h．j)2．

则o>__PL-oIs(占)，

面开展研究，提出大规模移动异构物联网的节能策略．

3．1通信节能

(2)

郇‰

为了实现大规模移动异构物联网的有效节能，需

要最小化通信功率，

第歹个UAV接收第i个loT设备的感测数据，其信号功

率为(dBm)m]：

(5)

min帆

P?√ K

(3)

P，q=p?-10alog(等略卜

在考虑到UAV允许同时接入的IoT设备数上限

其中，P?为发射功率Z为载波频率，“=2为视距通信的

路径衰减指数，77为自由空间传播损耗余量，C为光速．

为了使感测数据在UAV中正确解码，发射功率应

满足最小信噪比，对于QPSK调制，其误码率为：6=

时，上述优化问题即为：

(6)

{q+，心’}-arg

min。“．

d2，。‘ K

s．t．c，nC。=⑦√≠m√，mEK

Q√罴)，贝。第i个IoT设备的发射功率为(mw)．

砉川吐叱 ‰ ，川观

万方数据

2917

王

第12期

巍：基于UAV的移动物联网远距离通信节能策略研究

其中，l

c，l为与第j个UAV通信的移动IoT设备的数

W。t t，=(t叫， ‰ t。)1，其中W。=(Wll，，W。。)，¨ ’。。

R” ，，=1，，n，使得wjw，=，。wTP，Wi=diag(A¨ ，

A。， )．

量，这些设备作为一簇，当第j个UAV移动到簇中心

时，能保证dj最小．对于K个UAV，当都移动到各自的

簇中心时，就能得到上述问题的最优解．因此，需要将L

个地面移动loT设备分为K簇，进而得到K个UAV的

最优布署坐标．同时，由于loT设备是可运动的，此时变

网络中的簇也将实时变化，K个UAV的坐标需要实时

更新以保证通信的动态节能．

设A川 A12

A。 0>A。+． A。．，则，

，(s)=s7只s+Q：lS

I．

= A∥；。+ A∥；。+ QT W t i=o，，Iq

由于S=W t因此，

首先，根据网络中UAV的数量K将L个地面移动

IoT设备分为K簇．设移动loT设备的水平面投影坐标

为”(戈：，Y．)，i L，设备分簇后各簇中心的水平面投影

坐标为，正，(戈，，y，)，j K，则可用受约束的K—mean聚类

方法实现对L个地面移动loT设备的分簇．

t。=Wi‘。S=wl’S=(Wfl，，W。．) S

=(W¨ T S，，'．，?0)7=(t川，。t。)T．

s∥g

取圪=min{WT。s∥g 比‘}，吨=max{W。T

H‰ 毗双，五乞所以(2：。城心厂掣筑

其次，在得到移动loT设备分簇列表后，则需要计

算K个UAV的最优布署坐标，最小化大规模移动异构

物联网的通信功率．由式(2)、(6)可得，

(??。+～tt‘i．，)￡，．，一2；。矗?。，贝0

／i(s)：：主A；。[(?；。+磁。)z。。一掣]j=l

minh，L_。．) (戈～～，)2+(％。一y，)2+(h～一h：)2

+ Aij[(毪+磷。)‘扩‘％k-％k。]+ 纠W∥。。

(7)

(8)

={ [A，。(吃+-屿k。)+QI'’，。]WT。。扣

s．t．(戈。一戈，)2+(％．，一Y，)2

+(h．j-h,，2(，一i蒜)如

zj,‘。谫。)=g?(s)

一(砉A，。掣+，窆一+，A

其中，i c，，， K

i=1，，I

上述最小化问题是一个非凸二次约束二次规划问

Constrained

Pro·

设b譬 [1]Li．j(矿i．，+沈)+QT。．．，。。]w，0，

题(non—convex

Quadratically

Quadratic

gram，non—convex QCQP)¨ ，可描述为，

i乒：，，)

rainslPoS+残S+r0

扛__X川A．j盟乒+。主∥Aij

i=i，，I

I．

s．t．s'rp，s+Q，+r，翊，i=1，，l c，i

可得，g；(s)=6；s+c；，i=1，，I G，1．

其中，S SK={s R3：z

g 比}，z=(zI，z2，z3)T，

因此，式(7)、(8)表示的非凸二次约束二次规划问

C，1

『l

题(non—convex

QCQP)的松弛规划问题(RQCQP)为：

c，1

Ⅳ=(吣u：，M，) ，P。=J

I，

min，S’Pos+Q：S+ro

c．1j

s．t．67s+c；+r，go，i=1，，I c，l

(9)

其中，

【r 。(S

、“””～^J

b?=[(1l+H】)一2x，(12+M2)一2y，(13+“3)(o一2h：甜】，

女一(1l+“1)二一(12+“2)2

P。=l

∞

0卜卜丽 SIll靠两， 0

，

l■l

I引1

。，2——广十——广一叫3叱‘

Q。2卜2 x。一2 Y，一2 h，l，

通过聚类和求解松弛n勺tF-凸二次约束二次规划问

题，即可得到t时刻K个UAV的最优布署坐标St：，(J

K)．同时，算法的迭代也可适应由loT设备运动带来的

网络拓扑结构变化的影响，使得上述大规模移动异构

物联网的通信动态节能．

Q。=[一h，

一2)，，

C【

一2h，Ⅲ]。，

“= x2，+ Y；+ h■=x；+y；+h2，∞．

此类non—convex QCQP问题是NP—Hard的，本文将

利用正交变换的方法，将此问题转化为松弛的二次约

算法1 基于RQCQP的异构emloT通信动态节能算法

Constrained

束二次规划问题(Relaxation Quadratically

Quadratic Program，RQCQP)．

函数1：Es，0．叫，lql]=Energ,ySaving—Conlm(L，K，(』，，Y，，^。))

设Z(s)=sTp。s+Q?’s，i=0，，I c，l，并令s=

1：j

万方数据

2918

2018正

电

子

学

报

Index ofloT

2：

[Cluster

Devices,gj]=KMeans(”。)

的三维加速度分量．本文中假设上述物理量的检测传

感器同步采样，且数据传输无时延．此时，在UAV与IoT

设备分簇的联合运动策略下，第，个UAV的节能移动

3：

for each IoT devices clusterEL do

Index ofIoT

Devices)

4：

5：

ICiI=sum(Cluster

endfor

6：

sfj=RQCQP—for_emloT((xl，Yl，hi)，IciI,／．tj，K)

Initialize正，6，No，Rb，B，田

可表示为如下形式：S(砖t，乃t，V，t，qt)

7：

8：

for each UAVEKdo

S，t“(乃t“，乃t“，_t“，彰“)．则当扩展为K个UAV时，

9：

叫吨，6，Ⅳo，Ri，，B，町，(Xi，Yi，hi)，s0

end for

有，n

tt，t，一，lc，口；)

nS“(乃t“，

10：

11：}

J=I

fti“，l，，t“，a，t“)，其中，Ucomm为上一小节所确定的大

函数2：s。：．=RQCQP_for_emloT((z。，Y。，h。)，l cJ『觯』，K)

规模移动异构物联网的通信节能约束条件，Ijmove为

1：{

UAV与IoT设备分簇的联合运动策略．

2：

3：

Initialize

s，妒，IB

for each UAVEKdo

本文仅讨论旋翼UAV，且面向loT设备数据的稳定

采集，而非突发状况监测，因此假设飞行姿态恒定，加

速度口it=--0019]．此时，UAV与移动IoT设备分簇的联合

运动能耗主要由K个UAV的航路点变化与航路点间

4：

5：

％}lCi『

b?，c；一s，砂，卢

6：0．o一(zi，Y。，h。)

7：

ro，ri-(xi，yi，h。)

的速度决定．设t时刻第，个UAV由最优布署坐标s。：i

运动到t+1时刻第f个UAV的最优布署坐标sI¨ ，位

移为q，f=pl“一所t=s-¨ 一s。：=D川x‘P，+嘎f’e，+

Oz“· P：(J，z K)，则联合运动能耗为心0|，

8：

st：．}solve RQCQP formula(9)

9：

endfor

10：}

3．2移动节能

"l，；)=t

移动物联网是一个时变网络，需要根据实时的移

动IoT设备分簇列表和位置，进行UAV的最优布署．为

了使其减少运动状态的变化，节省运动耗能，延长网络

生存周期，研究UAV与IoT设备分簇的联合运动策略，

弓，r(易’f'叶)=J．

p( ||=坠监督万监业

，￡2U

||y．J|

r“y”叫l川 I)dr=业铲

P(||2．川· Ⅲ||／以瓦F砑’／(％)2+(彤』)2

一

Ⅲ0

其中，V，t‘是UAV的三维速度分量l，；在XY平面上的投

影，即移动IoT设备分簇的对地移动速度．则t+1时刻

K个UAV的移动节能策略可描述为：

确定UAV覆盖簇，避免频繁换簇覆盖所引起的远距离

移动等大运动状态变化问题，实现移动节能是必要的．

由于地面IoT设备的运动，UAV的移动节能策略

需要与IoT设备分簇情况联合设计，如图2所示．地面

IoT设备运动导致分簇的整体位置和簇内节点数动态

变化，进而影响到负责该簇通信UAV的运动．

mino J(Q水E)KxK x，捌0

s．t． Q= (Qj．。)=1，

(10)

Q= (QJ．，)=1，Q．， 1 ^0，1}

其中，UAV的移动策略矩阵Q=(Q“)为0-1稀疏矩阵，

当UAV存在从t时刻最优布署坐标运动到t+1时刻最

优布署坐标的策略时，其元素值为1，否则为0．联合运

动能耗矩阵E=(E“(D¨ ，ly，t))．

du-

对于上述的优化问题，应用Monge—Kantorovich

ality理论可获得最优解，得到UAV与loT设备分簇的

联合运动策略，确定UAV覆盖簇，从而避免频繁换簇覆

盖所引起的远距离移动等大运动状态变化问题，实现

2|．

移动节能心1’2

图2 10T设备分簇变化情况示意图

算法2 UAV与IoT设备分簇的联合移动节能算法

在空中区域Js。中，设t时刻第J(J K)个UAV的位

置、姿态、速度以及加速度分别为∥、乃t、一、a，t．其中，∥

=(戈：。，yt。√，^：。)表示UAV的航路点，一=(rL，r：t。)分

别表示UAV的航向角和俯仰角，一=(”：j，”；∥口：。)表

示UAV的三维速度分量，a (口，tJ，o川t，口一t。)表示UAV

Q=EnergySaving_Move(s0，St++1．f，吒)

1：{

2：’I。一吩

3：

q．z 0，磁r，咙f+书。|：，，stI川

4：弓．i+-I|q．f II，嘎，，啄，

万方数据

2919

第12期

王巍：基于UAV的移动物联网远距离通信节能策略研究

5：

6：}

Q-minimize弓，』

信的实验结果．8个静止悬浮的UAV与簇内loT设备通

信时，各簇IoT设备的总发射能量，如图4(n)所示．最

大总发射能量为9．1mw，最小总发射能量为3．5mW，

平均值为5．94mW，各簇loT设备总发射能量较为均

衡．图4(b)展示了各簇loT设备的平均高度，以及各簇

loT设备的数量．平均高度最高的移动loT设备出现在

第五簇，其高度为0．12255km，平均高度最低的移动loT

设备出现在第2簇，其高度为0．093084km；地面移动

loT设备数量最多的簇为第2簇，数量最少的簇为第1、

3簇．对图3综合分析后可以看出，与每个UAV通信的

各簇IoT设备的总发射能量受该簇loT设备的数量影

响较大，导致其变化规律近似，而各簇loT设备的高度

对总发射能量也是有少许影响的，lot设备的数量相同

时，高度越大，距离与该簇通信的UAV较近，因此总发

射能量较低，反之较高，此现象可以从I、3簇和5、8簇

观察得到．

4实验

仿真实验中，设L个地面移动IoT设备被初始布署

在5× 5× 0．2(km3)的城市环境里，移动后其布署位置

满足正态分布．仿真参数如表2所示

表2仿真参数

参数

值

描述

60～200

loT设备数量

载波频率

2GHz

UAV的速度

(5，5，0．5)m／s

10—8

嵋

占

误码率要求

视距通信概率要求

噪声功率谱密度

数据传输速率

传输带宽

0．95

占

Ⅳ0

一170dBm／Hz

200Kbps

200kHz

5dB

曰

叼

出

附加路径损耗

环境参数1

11．95

0．14

环境参数2

＼

《

)

矗

。

矗

山

名

∞

；

芒

卜

2，0

IndexofUAV

(a)各簇loT设备的总发射能吐

75l卜(5肌255)

O．1 1247_I(3,0．1

(6，0．10033)

U^V

(2· 0

093084)(4,0．094688)f7．0．e95417)

重I．

：蓁!簇{嚣鋈薯

Index of IoT Device Cluster

：蓁蒺{潞薯

耄30

￡三

第5簇loT设备

。蓁；簇：磐疆薯

4第8簇loT设备

÷ 簇中心

Jndcx ol 10

l Uevlce L luster

(6)符簇、r均高度t亍loT设备数砒

f^1 loTi殳备分磺。oUAV4If疆

图4地面101、设备与UAV静态通信

图3地面IoTL发备与UAV布署

图5展示了8个UAV与L=100个IoT设备动态通

信的实验结果．在10个单位时间内，8个UAV与簇内

IoT设备通信时，各簇loT设备总发射能量的连续变化

数据，整体较为均衡．但在一些时间点上存在发射总能

量较大的簇，如第8s时的第7簇，根据上述对静态通信

实验结果的分析，可知此时第7簇的loT设备较多，大

幅增加了该簇IoT设备的总发射能量．

图3展示了L=100个地面移动IoT设备的初始分

布以及应用本文方法所确定的最优UAV布署效果．此

次实验采用8个UAV，如图3(o)所示，100个loT设备

初始分布位置随机，基于通信节能策略，首先形成了8

个最优分簇，其次在各簇聚类中心的影响下，UAV的布

署位置实现最优，如图3(b)所示．

图4展示了8个UAV与L=100个loT设备静态通

万方数据

2920

2018矩

电

子

学

报

某定值时，平均通信能耗随loT设备数量变化略微呈现

增长趋势，主要是由于loT设备数量的增加，导致各簇

loT设备在一定的分布下，增加了与最优位置的UAV

空基平台的通信距离，但曲线整体较为平稳，说明loT

设备数量的变化对平均通信能耗影响较小．同时，综合

考虑K和L的变化，当K值较小而￡值较大时，为本文

所提方法平均能耗较大的情况，此时曲线趋于收敛，平

均能耗仅为0．76mw．结合图6所示的结论，Voronoi方

法在K=10，L=100时的通信能耗为0．9mW．综上，本

文所提方法在loT设备数量变化时仍能保持通信节能．

暑

《

宅60

＆

矗40

言

苎20

量

2 0

皇

三

暑

卜

图5地面IoTg艮备与UAV动态通信

--．o--4 UAVs

专

图6展示了随着UAV数量的变化(K={4，5，6，7，

+5UAVS

十6UAVs

8，9，10})，各簇loT设备(L=100)的平均发射能量．实

验中，将本文提出的方法与Voronoi方法进行了对比．

在基于Voronoi方法进行UAV布署时，设与各UAV通

亳

喜

一7UAVs

一8UAVs

{

9UAVs

，

信的移动IoT设备数量相同(I导I)，且均匀分布在

—lOUAVs

醢

sc，-。。· ：o-。。-e。· s。：。。

Numberof 10T Devices

目标区域中，UAV高度为500m，loT设备与最近的UAV

通信．可以看出，本文提出的方法由于UAV的布署方案

是根据loT设备的位置动态计算得到的，且在计算过程

中考虑了通信节能的要求，因此性能优于Voronoi方

法．同时，图6可以看出，随着UAV数量的增加，地面

IoT设备在保证可靠、节能通信的前提下，可以更接近

于UAV，因此，各簇loT设备的平均发射能量不断降低．

但是，平均发射能量的减少却是非线性的，对于100个

地面loT设备来说，从6个UAV增加到7个UAV所带

来的平均发射能量的减少量明显下降，因此，基于本文

所提出的方法，在大规模移动异构物联网的实际应用

中，应综合考虑UAV的成本和平均发射能量的变化．

l。60

图7]oTi及备数量变化时平均发射能量

图8展示了在本文提出的移动节能策略下，UAV随

地面IoT设备(￡=100)的运动而改变其布署位置时的动

态轨迹．此次实验共模拟100个地面移动IoT设备的实时

运动，导致各簇UAV的最优布署位置动态变化过程，图

0．46

044

042

鼍04

O 38

山0．36

(a)20个单位时间5个UAV

NunlbcF Ot LJAVS

图6 UAV数量变化时平均发射能量

图7展示了基于本文所提出的方法，对不同数量K

={4，5，6，7，8，9，10}的UAV空基平台，L={60，80，

100，120，140，160，180，200}的loT地面设备的组合情

况进行仿真实验，在统计网络通信总能耗后，计算各

loT设备的平均通信能耗变化情况．可以看出，当K取

f^1 10个Ip化¨ Jfl,J2 I、UAV

图8 UAV的移动轨迹

万方数据

292l

王

第

12期

巍：基于UAV的移动物联网远距离通信节能策略研究

8(o)展示了20个单位时问内5个UAV的分簇移动过

程，图8(6)展示了10个单位时间内2个UAV的分簇移

动过程，其中★为UAV的初始位置，■为UAV的最终位

置．IoT设备的实时运动，导致物联网结构不断变化，设备

分簇也动态更新，但基于本文的方法，UAV能够实时移

动到其最优位置，在保证通信节能和移动节能的前提下，

实现与移动IoT设备的数据交换．

剩余的3个UAV，负载过大，这将导致大规模移动异构

物联网的数据采集层整体失效．

总结

本文提出了一种基于无人机的应急移动物联网远

距离通信节能策略．根据地面物联网设备无序立体地

分散于所关注重点区域的特点，通过优化无人机的布

署位置，在提供可靠通信的同时，降低地面设备的通信

耗能．同时根据地面设备运动性能强、活动范围广的特

点，通过研究无人机与地面移动设备的联合运动策略，

避免无人机频繁换簇覆盖所引起的远距离移动等大运

动状态变化问题，实现无人机的移动节能，进而解决应

急移动物联网应用中大规模移动物联网设备能量受限

条件下的远距离通信问题．

图9展示了在本文提出的移动节能策略下，UAV

的移动与地面IoT(L=100)设备分簇的运动联合设计

时，8个UAV在10个单位时间内的9次同步运动中所

消耗的能量．各UAV的平均移动能耗仅为9kJ，且整体

较为均衡，从而延长大规模移动异构物联网的生命周

期．在UAV移动过程中，也存在移动耗能较大的情况，

如第3个UAV的第2次移动，主要是由于地面IoT设

备的分簇情况发生了较大的变化造成的．

参考文献

a1．Mobile Internet of

[1]M Mozaffari，W Saad，M Bennis，et

mobile al-一

UAVs

Things：can

provide

energy—efficient

宅10

呈8

Global Communications Conference

chitecture[A]．1EEE

§ 6

(GLOBECOM)[C]．Washington，DC，USA：IEEE，2016．

1—6

富2

[2]黄赞杰．无线网络环境下的资源分配问题算法研究[D]．

合肥：中国科学技术大学，2015．

盘0

allocation

wireless

Huang Zan-jie．Resource

algorithms

of Science and

networks[D]．Hefei：University

Technology

China，2015．(in Chinese)

[3]顾磊，黄辉林，钱听．大规模物联网中多层次立体异构网

络拓扑研究[J]．中兴通讯技术，2014，20(6)：48—51．

图9 UAV移动耗能

图10展示了当后’(后’<K)个UAV失效后，由于

UAV数量变化导致其余K一后’个UAV需要重新布署，

再次建立与L=100个地面IoT设备通信时K—k’个

UAV的移动耗能．实验中，我们假设K=10个UAV初

始布署在最优位置，随着时间延长，由于电力问题UAV

开始失效，可以看出，失效的UAV越多，剩余UAV重新

布署时的移动能耗越大，特别是在7个UAV失效时，剩

余3个UAV重新布署的移动耗能显著提高，此时对于

machine—to—ma-

Lei，Huang Hui—lin，Qian Xin．Large

chine network

heterogeneous

Tech—

architecture[J]．ZTE

nology Journal，2014，20(6)：48—51．(in Chinese)

Debbah．Unmanned

Mozaffari，W Saad，M Bennis，M

aerial vehicle

with underlaid device．．to．．device communica．．

and

Transactions on

tradeoffs『J]．IEEE

tions：performance

Wireless

Communications，2016，15(6)：3949—3963．

MANET

[5]Z Han，A

Swindlehurst，K Liu．Optimization

via smart

of unmanned

connectivity

deployment／movement

air vehicles『J]．IEEE Transactions on Vehicular Technolo．

gY，2009，58(7)：3533—3546．

[6]M Mozaffari，W Saad，M Bennis，M Debbah．Optimal

for

of un—

transport theory

manned aerial

power· -efficient deployment

International Conference

vehicles[A]．IEEE

Communications(ICC)[c]．Washington，DC，USA：

IEEE，2016．1—6

Li．Efficient data

Gu，MPan，Z Han，P

[7]Y

Pang，Y Zhang，Y

for

harsh

collection

terrains

wireless

sensor clusters

rechargeable

UAVs『A]．IEEE Global

Communications

Conference(GLOBECOM)[c]．Washington，DC，USA：

Number of UAV LOSS

using

图10 UAV失效后的重新布署耗能

万方数据

2922

2018年

电

子

学

报

规划方法[J]．华侨大学学报(自然科学版)，2011，32

IEEE，2014．234—239

theo—

(4)：458—462．

[8]NAbuzalnab，W Saad，H

Poor．Cognitive hierarchy

Tian

Hal—zhou．A convex

for

access in the internet

Chao—wei，Song

optimization

quadratic program—

constraints[J]．

quadratic

heterogeneous upfink multiple

International

solution

on lnforma—

method for

global optimal

Symposium

things[A]．IEEE

with non—convex

tion

ming problem

Journal of

Theory(ISIT)[C]．Washington，DC，USA：IEEE，

2016．1252—1256

Science)，201 1，

Huaqiao University(Natural

32(4)：458—462．(in Chinese)

[9]C—Y Tu，C—Y Ho，C—Y Huang．Energy—efficient algorithms

cellular

management ⁱⁿ

[19]祝小平，周洲，王怿．无人机协同路径规划[M]．北京：

国防工业出版社，2013．

and evaluations for massive access

machine to machine communications『A]．Vehicular

based

Path

Zhu

Yi．Cooperative

Conference(VTC)[C]．Washington，DC，

Xiao—ping，ZhouZhou，Wang

Technology

Aerial

Of Unmanned

Planning

Vehicles[M]．Beijing：Na—

USA：IEEE，2011．1—5

tional Defense

network infrastrnc—

security opera-

Press，2013．(in Chinese)

Industry

[10]K Daniel，C Wietfeld．Using public

Franco，G Buttazzo．Energy—aware coverage path

tures for UAV remote

in civilian

[20]C

sensing

International Conference on

planning

UAVs[C]．IEEE

tions[J]．Homeland Security Affairs，2011，(s3)：1—7．

Wietfeld．Interference aware

Autonomous Robot

and

Competitions(ICAR—

Systems

[11]S Rohde，C

positioning

aerial

for cell overload and

outage compensation

SC)[C]．Washington，DC，USA：IEEE，2015，111—117．

relays

Vehicular

Conference(VTC)

[2 1]C Villani．Topics

Optimal Transportation[M]．Provi—

[A]．IEEE

Technology

Mathematical

dence：American

Society，2003．

of ramified

applications

[C]．Washington，DC，USA：IEEE，2012．1—5

and

of UAV

heading

op—

[22]Q Xia．Motivations，ideas

timal

[12]F Jiang，A

Swindlehurst．Optimization

J]．IEEE Journal on Selected

for the

Modelling

transportation[J]．ESAIM：Mathematical

ground—tO．air upfinkr

and Numerical

Areas

Communications，2012，30(5)：993—1005．

Analysis，2015，49(6)：1791—1832．

Shalmashi，E Bjornson，M Kountouris，K

Sung，M

[13]S

and sum rate tradeoffs for mas—

Debbah．Energy efficiency

作者简介

com。·

sive MIMO

with underlaid device--to--device

王巍男，1983年11月出生，河北邯郸

人，副教授，硕士生导师．主要从事公共安全物

联网、隐式人机交互方面的研究工作．

systems

Journal on Wireless Commu—

municafions r J]．EURASIP

and

nications

Networking，2016，2016(1)：175．

E—mail：．edu．en

mas—

Andrews．The

between

Heath，J

interplay

[14]X Lin，R

D2D

sive MIMO and underlaid

networking

1．IEEE

Wireless

Transactions on

Communications，2015，14(6)：1

—10．

[15]陈珍萍，黄友锐，唐超礼，等．物联网感知层低能耗时间

同步方法研究[J]．电子学报，2016，44(1)：193—199．

赵继军男，1970年9月出生，河北邯郸

人，教授，硕士生导师．主要从事宽带通信网、传

感网与物联网等方面的研究工作．

a1．Re—

Chao—li，et

Chen

Zhen—ping，Huang You—rui，Tang

search on low time

consumption

energy

Internet of

synchronization

E—mail：．edu．cn

method for

Electronica

Things’perception layer[J]．Acta

Sinica，2016，44(1)：193—199．(in Chinese)

[16]黄辰，李可维，张伟，等．无线物联网中基于网络编码的

能量受限数据传输机制[J]．电子学报，2013，41(1)：

彭力男，1967年3月出生，河北唐山

人，教授，博士生导师．主要从事视觉物联网的

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于UAV的移动物联网远距离通信节能策略研究

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页