无人机自主通信和组网能力评估方法

doi:10.11959/j.issn.1000-436x.2020143

通信学报 ›› 2020, Vol. 41 ›› Issue (8): 87-98.doi: 10.11959/j.issn.1000-436x.2020143

无人机自主通信和组网能力评估方法

赵海涛¹,高士顺¹,王海军¹,雍婷²,魏急波¹

¹ 国防科技大学电子科学学院，湖南长沙 410073
² 信息系统安全技术国家重点实验室，北京 100191

修回日期:2020-06-10 出版日期:2020-08-25 发布日期:2020-09-05
作者简介:赵海涛（1981- ），男，山东昌乐人，博士，国防科技大学教授、博士生导师，主要研究方向为认知无线网络、自组织网络、协同通信|高士顺（1996- ），男，天津人，国防科技大学硕士生，主要研究方向为认知网络接入技术、机器学习等|王海军（1993- ），男，安徽淮北人，国防科技大学博士生，主要研究方向为无人机集群智能组网、信息物理系统等|雍婷（1982- ），女，河南商丘人，信息系统安全技术国家重点实验室高级工程师、硕士生导师，主要研究方向为无线网络协议、智能无人系统安全等|魏急波（1967- ），男，湖北汉川人，博士，国防科技大学教授、博士生导师，主要研究方向为软件无线电、认知通信与组网、通信信号处理等
基金资助:
国家自然科学基金资助项目(61931020)

Evaluation method for autonomous communication and networking capability of UAV

Haitao ZHAO¹,Shishun GAO¹,Haijun WANG¹,Ting YONG²,Jibo WEI¹

¹ College of Electronic Science and Technology,National University of Defense Technology,Changsha 410073,China
² National Key Laboratory of Science and Technology on Information System Security,Beijing 100191,China

Revised:2020-06-10 Online:2020-08-25 Published:2020-09-05
Supported by:
The National Natural Science Foundation of China(61931020)

摘要/Abstract

摘要：

为了准确评估无人机系统的自主通信和组网能力以提升其智能化协同水平，面向复杂环境和对抗任务的中高端无人机系统，立足于实际需求，从自适应能力、自主决策能力、指令理解能力、计算和信息物理融合能力以及学习能力等多个角度分析无人机系统的自主通信和组网能力及其相互关系，建立无人机系统自主通信和组网能力构成模型，通过构造函数对各个影响要素实现合成计算，并通过一个范例来说明具体的评估过程。范例评估结果表明，所提方法比较全面地考虑了各方面的影响因素，可以对不同无人机系统的自主通信和组网能力进行定量的客观评价。

关键词: 无人机, 自主通信, 自组织网络, 信息物理融合, 能力评估

Abstract:

In order to accurately evaluate the autonomous communication and networking capability of these unmanned system which was instructive to the intelligent collaboration of UAV (unmanned aerial vehicle) system,the research of the UAV system which was adapted to the complex environment with countermeasure possibilities was focused on.The autonomous communication and networking capability of UAV system and their relationship from multiple perspectives was analyzed and modeled,including self-adaptation,self-decision,man-UAV interaction,cyber-physical integration and evolution,and an example was provided to illustrate the detailed evaluation process.The example results show that the proposed method comprehensively consider all the key aspects of the performance evaluation,which can be used to quantitatively evaluate the autonomous communication and networking capability of different UAVs or other unmanned systems.

Key words: unmanned aerial vehicle, autonomous communication, self-organizing network, cyber-physical integration, performance evaluation

中图分类号:

TP393

赵海涛,高士顺,王海军,雍婷,魏急波. 无人机自主通信和组网能力评估方法[J]. 通信学报, 2020, 41(8): 87-98.

Haitao ZHAO,Shishun GAO,Haijun WANG,Ting YONG,Jibo WEI. Evaluation method for autonomous communication and networking capability of UAV[J]. Journal on Communications, 2020, 41(8): 87-98.

图/表 16

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

表1

表2

自主通信与组网评估结果"

算法	场景	A_j =Ψ{F_i}(Ψ取按比例求和；F_i的权重相同)		$B_{k} = \sum_{j = 1}^{2} λ_{j} A_{j} (λ_{2} = 2 λ_{1})$	$C = \sum_{k = 1}^{3} π_{k} B_{k} (π_{1} = π_{2} = π_{3})$
	友好场景	第一次A₁=0.92	第二次A₂=0.98	B₁=0.96
算法1	障碍场景	第一次A₁=0.85	第二次A₂=0.92	B₂=0.897	0.90
	对抗场景	第一次A₁=0.80	第二次A₂=0.86	B₃=0.84
	友好场景	第一次A₁=0.95	第二次A₂=0.95	B₁=0.95
算法2	障碍场景	第一次A₁=0.76	第二次A₂=0.76	B₂=0.76	0.71
	对抗场景	第一次A₁=0.45	第二次A₂=0.45	B₃=0.45
	友好场景	第一次A₁=0.96	第二次A₂=0.95	B₁=0.953
算法3	障碍场景	第一次A₁=0.46	第二次A₂=0.46	B₂=0.46	0.54
	对抗场景	第一次A₁=0.21	第二次A₂=0.21	B₃=0.21

表2

图13

图14

参考文献 23

[1]	GUPTA L , JAIN R , VASZKUN G . Survey of important issues in UAV communication networks[J]. IEEE Communications Surveys ＆ Tutorials, 2016,18(2): 1123-1152.
[2]	ZHU H Y , NIU Y F , SHEN L C ,et al. State of the art and trends of autonomous control of UAV systems[J]. Journal of National University of Defense Technology, 2010,32(3): 115-120.
[3]	HAN Z , SWINDLEHURST A L , LIU K R . Optimization of MANET connectivity via smart deployment/movement of unmanned air vehicles[J]. IEEE Transactions on Vehicular Technology, 2009,58(7): 3533-3546.
[4]	ZHAN P , YU K , SWINDLEHURST A L . Wireless relay communications with unmanned aerial vehicles:performance and optimization[J]. IEEE Transactions on Aerospace and Electronic Systems, 2011,47(3): 2068-2085.
[5]	ALSHAMRANI A , XIE L L , SHEN X . Adaptive admission-control and channel-allocation policy in cooperative ad hoc opportunistic spectrum networks[J]. IEEE Transactions on Vehicular Technology, 2010,59(4): 1618-1629.
[6]	杨双懋, 郭伟, 唐伟 . 一种最大化网络吞吐量的认知无线 Ad Hoc网络跨层优化算法[J]. 计算机学报, 2012,35(3): 491-503.
	YANG S M , GUO W , TANG W . A cross-layer throughput-maximization algorithm for cognitive wireless Ad Hoc networks[J]. Chinese Journal of Computers, 2012,35(3): 491-503.
[7]	ZHAO H T , MAO L C , WEI J B . Coverage on demand:a simple motion control algorithm for autonomous robotic sensor networks[J]. Computer Networks, 2018(135): 190-200.
[8]	ZHAO H T , WANG H J , WU W Y ,et al. Deployment algorithms for UAV airborne networks towards on-demand coverage[J]. IEEE Journal on Selected Area of Communications, 2018,36(9): 2015-2031.
[9]	吴炜钰, 赵海涛, 王海军 ,等. 无人机骨干网分布式组网及接入选择算法[J]. 计算机学报, 2019,42(2): 351-367.
	WU W Y , ZHAO H T , WANG H J ,et al. Distributed deployment and access selection algorithm for UAV airborne networks[J]. Chinese Journal of Computers, 2019,42(2): 351-367.
[10]	ZHAO H T , WEI J B , HUANG S C ,et al. Regular topology formation based on artificial forces for distributed mobile robotic networks[J]. IEEE Transactions on Mobile Computing, 2018,18(10): 2415-2429.
[11]	ZHAO H T , LIU H , LEUNG Y W ,et al. Self-adaptive collective motion of swarm robots[J]. IEEE Transactions on Automation Science and Engineering, 2018,15(4): 1533-1545.
[12]	SALEEM Y , REHMANI M H , ZEADALLY S . Integration of cognitive radio technology with unmanned aerial vehicles:issues,opportunities,and future research challenges[J]. Journal of Network and Computer Applications, 2015(50): 15-31.
[13]	魏急波, 王杉, 赵海涛 . 认知无线网络:关键技术与研究现状[J]. 通信学报, 2011,32(11): 147-158.
	WEI J B , WANG S , ZHAO H T . Cognitive wireless networks:key techniques and sate of the art[J]. Journal on Communications, 2011,32(11): 147-158.
[14]	BKASSINY M , LI Y , JAYAWEERA S K . A survey on machine-learning technique in cognitive radios[J]. IEEE Communications Survey and Tutorials, 2013,15(3): 1136-1159.
[15]	尤肖虎, 张川, 谈晓思 ,等. 基于AI的5G技术—研究方向与范例[J]. 中国科学:信息科学, 2018,48(12): 1589-1602.
	YOU X H , ZHANG C , TAN X S ,et al. AI for 5G:research directions and paradigms[J]. Science Sinica Informationis, 2018,48(12): 1589-1602.
[16]	尹浩, 魏急波, 赵海涛 ,等. 一种面向复杂场景的无线通信节点智能适变架构[J]. 中国科学:信息科学, 2020,Doi:SSI-2020-0038.
	YIN H , WEI J B , ZHAO H T ,et al. An intelligent adaptative architecture for wireless communication in complicated scenario[J]. Science Sinica Informationis, 2020,Doi:SSI-2020-0038.
[17]	SHUAI Z,XUE-REN L , PENG Z , et al . UAV autonomy evaluation based on multi-factors fuzzy evaluation[C]// 2016 7th International Conference on Mechanical and Aerospace Engineering.[S.n.:s.l]. 2016: 487-491.
[18]	SHOLES E , . Evolution of a UAV autonomy classification taxonomy[C]// 2007 IEEE Aerospace Conference. Piscataway:IEEE Press, 2007: 1-16.
[19]	CHEN Z J , WEI J Z , WANG Y X ,et al. UAV autonomous control levels and system structure[J]. Acta Aeronautica Et Astronautica Sinica, 2011,32(6): 1075-1083.
[20]	高劲松, 余菲, 季晓光 . 无人机自主控制等级的研究现状[J]. 电光与控制, 2009,16(10): 51-54.
	GAO J S , YU F , JI X G . Current situation of studies on autonomous control level of UAVs[J]. Electronics Optics ＆ Control, 2009,16(10): 51-54.
[21]	WANG Y C , LIU J G . Evaluation methods for the autonomy of unmanned systems[J]. China Science Bulletin, 2012(57): 1290-1299.
[22]	ZHAO H T , WANG H J , ZHANG Y C ,et al. Modelling smart mobile robotic networks from a cyber physical system perspective[C]// 2018 International Conference on Communications. Piscataway:IEEE Press, 2018: 259-264.
[23]	董强健, 赵海涛, 郑超轶 ,等. 无人机自组网典型场景构建及路由协议性能分析[J]. 通信技术, 2019,52(9): 2019-2155.
	DONG Q J , ZHAO H T , ZHENG C Y ,et al. Performance analysis on routing protocols in UAV Ad Hoc networks[J]. Communications Technology, 2019,52(9): 2019-2155.

算法	环境适应能力			信息物理融合			学习能力
算法	友好场景	障碍场景	对抗场景	通信需求	计算需求	控制需求	学习能力
算法1	√	√	√	中	中	高	√
算法2	√	√	×	高	低	低	×
算法3	√	×	×	低	高	中	×

无人机自主通信和组网能力评估方法

Evaluation method for autonomous communication and networking capability of UAV

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 23

相关文章 15

Metrics

推荐阅读 0

[1]	余雪勇, 邱礼翔, 宋家宁, 朱洪波. 无人机辅助边缘计算中安全通信与能效优化策略[J]. 通信学报, 2023, 44(3): 45-54.
[2]	夏景明, 刘玉风, 谈玲. 基于蜂窝网络的多无人机能量消耗最优化算法研究[J]. 通信学报, 2023, 44(2): 185-197.
[3]	王莉, 魏青, 徐连明, 沈渊, 张平, 费爱国. 面向通信-导航-感知一体化的应急无人机网络低能耗部署研究[J]. 通信学报, 2022, 43(7): 1-20.
[4]	郎磊, 王荆宁, 王一, 赵子涛. 无人机辅助通信中基于用户轨迹的无线资源和航迹优化[J]. 通信学报, 2022, 43(3): 225-232.
[5]	黄旭民, 张旸, 余荣, 蒋丽, 田辉, 吴远. 基于Stackelberg博弈的无人机辅助无线供能物联网能量优化[J]. 通信学报, 2022, 43(12): 146-156.
[6]	肖振宇, 刘珂, 朱立鹏. 无人机机间毫米波阵列通信技术[J]. 通信学报, 2022, 43(10): 196-209.
[7]	李斌, 刘文帅, 谢万城, 费泽松. 智能反射面赋能无人机边缘网络计算卸载方案[J]. 通信学报, 2022, 43(10): 223-233.
[8]	陈宇, 贾连兴. 面向无人机集群的双层分组拜占庭容错算法[J]. 通信学报, 2022, 43(1): 96-103.
[9]	杨君一, 李博, 张钦宇. 基于物理层网络编码的无人机中继网络资源优化[J]. 通信学报, 2021, 42(9): 12-20.
[10]	李赞, 胡俊凡, 李兵, 石嘉, 司江勃. 基于正交时频空技术的低轨卫星通信的安全分析[J]. 通信学报, 2021, 42(8): 25-32.
[11]	刘辉, 刘鑫衍, 许艳, 仲红, 王梦. 隐私保护的VANET警告消息发布协议[J]. 通信学报, 2021, 42(8): 120-129.
[12]	舒坚, 王启宁, 刘琳岚. 基于深度图嵌入的无人机自组网链路预测[J]. 通信学报, 2021, 42(7): 137-149.
[13]	徐思雅, 邢逸斐, 郭少勇, 杨超, 邱雪松, 孟洛明. 基于深度强化学习的能源互联网智能巡检任务分配机制[J]. 通信学报, 2021, 42(5): 191-204.
[14]	付澍, 杨祥月, 张海君, 陈晨, 喻鹏, 简鑫, 刘敏. 物联网数据收集中无人机路径智能规划[J]. 通信学报, 2021, 42(2): 124-133.
[15]	贺蕾, 马建峰, 魏大卫. 面向无人机网络的属性代理签名方案[J]. 通信学报, 2021, 42(11): 87-96.