基于能效感知的无人机协助的视频数据传输

王钰宁，刘晓霞,胡云冰

(1 四川水利职业技术学院信息工程系,四川崇州 611231;2 厦门大学信息学院,福建厦门 361005)

0 引言

由于移动便捷、部署灵活，无人机(unmanned aerial vehicle，UAV)通信已成为满足下一代蜂窝用户需求的有效技术[1-2]。UAV给空中和陆地的连接架上通信桥梁，已在多个领域中广泛使用，如地形测量等。这些应用要求通过UAV将视频数据传输到远端的陆地节点，进而实现对应用场景的监测。

目前，基于UAV的视频数据传输策略研究较多，文献[3]由收集数据的UAV(collected data-UAV，CD-UAV)直接向陆地节点传输视频数据。若由CD-UAV直接向陆地节点传输视频数据，CD-UAV的观察范围和通信区域受其存储的数据容量和能量限制。

然而，在多数场景，观察环境需要收集大面积区域的视频数据。因此，研究人员试图扩延CD-UAV的观察范围和通信区域[4-5]。一类方法是通过部署高性能天线扩延CD-UAV的通信区域。然而，在CD-UAV上安装高性能天线增加了部署成本，其不能在大型区域应用。另一方法是引用转发无人机(R-UAV)转发CD-UAV收集的视频数据扩延观察范围和通信区域。即不由CD-UAV直接向陆地节点传输数据，而是CD-UAV先将视频数据传输至UAV，再由UAV转发至陆地节点，如图1所示。将向陆地节点转发视频数据的节点称为R-UAV。为此，针对由R-UAV转发CD-UAV的视频数据的应用场景进行研究。

图1 基于R-UAV的视频数据传输应用场景

目前研究人员对基于R-UAV的视频数据传输策略进行了大量研究[6-8]，但是它们只关注了数据吞吐量。然而，利用多个UAV传输视频数据存在多个问题。例如，当多个UAV同时传输数据，彼此就会干扰，最终导致数据丢失。

此外，部署UAV时也必须考虑UAV的能量问题。由于可存储的能量有限，UAV只能工作一段时间。为了有效解决这些问题，必须合理地、有效地使用UAV的能量，即提高能量利用效率(以下简称能效)。

文献[9-10]研究了基于R-UAV的视频数据传输系统的能效问题。然而，它们只关注了正在传输数据的CD-UAV和R-UAV的能效问题，忽略了由于它们传输数据而对周围UAV形成干扰的UAV，这些受干扰的UAV需要盘旋飞行等待，在等待期间需要消耗能量。为了表述简单，将受干扰的UAVs的盘旋飞行等待期间的能效简称为盘飞能效。

为了描述简单，将正在传输数据的UAV称为目标UAV(T-UAV)。T-UAV在传输数据时会对周围的UAV形成干扰，这些受干扰的UAV简称干扰UAV(I-UAV)。

为此，针对基于R-UAV转发的CD-UAV收集的视频数据的应用场景，研究I-UAV的盘飞能效问题，并提出基于功率控制和R-UAV位置优化的I-UAV的盘飞能效策略(TOEE)。TOEE策略考虑了T-UAV在传输数据时对周围UAV的干扰问题，并将I-UAV在等待空闲信道时所消耗的能量纳入总体能耗，这不同于文献[9-10]的研究工作。

1 系统模型

考虑如图2所示的网络模型。CD-UAV拍摄观察区域视频数据，并将视频数据通过R-UAV传输至陆地节点[8-9]。

图2 网络模型

此外，为了减少R-UAV的转发数据时延，一旦接收到数据，R-UAV就向陆地节点转发。为了保证接收和转发数据同步，在CD-UAV与R-UAV间和R-UAV与陆地节点间采用不同的信道，因此，考虑到不同信道的拥塞情况，需对CD-UAV和R-UAV的传输功率和R-UAV位置进行优化。

2 TOEE策略

2.1 UAV飞行时的能效

相比于飞行时所消耗的能量，UAV在传输数据时所消耗的能量较小。因此，在最大化总体能量效率时，TOEE算法聚集于I-UAV的盘飞能效。

首先，一架旋转叶片无人机飞行1 s所消耗的飞行能量为[11]：

Phov=Po+Pi

(1)

式中：Po和Pi分别表示UAV在盘旋时的叶片轮廓功率和感应型功率。因此，T-UAV在传输数据时，干扰区域内I-UAV盘旋飞行时所消耗的能量为：

E=(ρ·A+1)Phovta

(2)

式中：A表示T-UAV在传输数据时所形成的干扰区域;ρ表示干扰区域内I-UAV的分布密度;ta表示干扰的时间，即T-UAV传输数据的时间。

依据式(2)所定义的能量，将能量利用效率(能效)X定义为：

(3)

式中：F表示数据尺寸。TOEE算法旨在通过控制传输功率和R-UAV的位置提高I-UAV的能效。

2.2 传输功率控制

传输功率是影响能效的一个重要因素。在保持通信质量的同时，当通信距离发生变化，传输功率也需随之调整。通信距离与传输功率间的关系式为：

(4)

式中：dmax表示最大的通信距离；Pt表示传输功率；Smin表示接收器的灵敏度；c表示光速；f表示频率。

当一个UAV在另一个UAV的通信范围内时，该UAV就需停止通信，避免形成干扰[12]。因此，将干扰范围的区域看成T-UAV的通信区域，并依式(5)计算A：

(5)

此外，由于T-UAV在传输数据，I-UAV经历干扰的时间等于T-UAV传输数据的时间。因此，依据式(6)计算干扰时间：

(6)

式中：ra表示传输速率，其定义如式(7)所示：

(7)

式中：B表示带宽；D表示通信距离；PI和PN分别表示干扰信号功率和噪声功率。

然而，若传输功率增加，I-UAV的数量就会增加，但它缩短了干扰时间ta。换言之，若减弱传输功率，尽管减少了干扰UAV数，但延长了干扰时间。因此，需在I-UAV的数量和干扰时间进行平衡。

因此，将式(2)代入式(3)可得：在T-UAV传输数据阶段，干扰区域内的I-UAV盘旋飞行时所消耗的能量为：

(8)

TOEE算法旨在通过优化传输功率，保证完成数据传输的同时，提高I-UAVs的能效。

2.3 R-UAV位置的优化

除了控制传输功率外，TOEE算法通过优化R-UAV位置提高I-UAV的能效：

(9)

式中：Etotal表示消耗总体能量。

Etotal=EOR+ERG

(10)

式中：EOR表示CD-UAV作为T-UAV时对邻近区域内的UAV造成干扰的UAV盘旋飞行时所消耗的能量，即I-UAV所消耗的能量；ERG表示R-UAV作为T-UAV时对邻近区域内的UAV造成干扰的UAV盘旋飞行时所消耗的能量[13]。由于R-UAV位于 CD-UAV与节点之间，它们间的距离满足：

DRG=DOG-DOR

(11)

因此，依据式(2)，由CD-UAV造成的I-UAV所消耗的能量EOR为：

EOR=(ρ1A1+1)Phovta1

(12)

式中：ρ1表示I-UAV的分布密度；A1和ta1表示在信道1的干扰区域和干扰时间，它们的定义分别如式(13)和式(14)所示。

(13)

(14)

式中Pt,OR表示CD-UAV传输数据时的发射功率。

类似的，依据式(2)，由R-UAV造成I-UAV的盘旋飞行时所消耗的能量ERA为：

ERA=(ρ2A2+1)Phovta2

(15)

式中：ρ2表示I-UAV的分布密度；A2和ta2表示在信道2的干扰区域和干扰时间，它们的定义分别为：

(16)

(17)

式中Pt,RG表示R-UAV传输数据时所消耗的功率。

对于每一个距离DOR，通过合理选择Pt,OR和Pt,RG可以使总能耗Etotal最小。

3 性能仿真

3.1 仿真环境

在Windows 7操作系统、core i7 CPU的PC上进行实验仿真。利用MATLAB软件建立仿真平台。考虑如图1所示的网络模型。UAV在2.4 GHz带宽上通信，依据通用的通信标准。带宽设置为20 MHz，具体仿真参数如表1所示。表1中设定了CD-UAV的分布密度和传输功率的取值范围。

表1 仿真参数

此外，为了体现传输功率的调整和R-UAV位置优化对能效的影响，考虑4种情况：

1)对传输功率和R-UAV位置两者均进行调整，标记为TP+PU。

2)仅对传输功率进行调整，标记为OTP。

3)仅对R-UAV位置进行优化，标记为OPU。

4)既不对传输功率，也不对R-UAV位置进行调整，标记为U-TP-PU。

令ρCD表示由CD-UAV形成的干扰区域内I-UAV的分布密度；ρRG表示由R-UAV形成的干扰区域内I-UAV的分布密度，如图3所示。

图3 ρCD和ρRG的示意图

在仿真中考虑3类场景：1)ρCD>ρRG；2)ρCD=ρRG;3)ρCD<ρRG。这3个场景下ρCD和ρRG的具体参数如表2所示。

表2 3个场景参数

3.2 能效

图4给出场景一I-UAV的盘飞能效随CD-UAV离节点间平均距离的变化情况。从图4可知，盘飞能效随平均距离的增加而下降。原因在于：CD-UAV与陆地节点间距离的下降，压缩了调整R-UAV传输功率和优化R-UAV位置的空间。

图4 I-UAV的盘飞能效(场景一)

此外，相比于U-TP-PU，OPU和OTP，TP+PU策略的能效随平均距离增加而下降速度更快。但是TP+PU策略的能效最高，这也说明，通过传输功率调整和R-UAV位置的优化，可以有效提高I-UAV的盘飞能效。

图5给出场景二能效随CD-UAV离节点间平均距离的变化情况。对比图4和图5不难发现，场景二的能效总体上高于场景一的能效。原因在于：在场景二，ρCD与ρRG相等，并且场景二中ρCD小于场景一中的ρCD。ρCD越小，干扰越小，传输功率就越小，越有利于能效的提升。

图5 I-UAV的盘飞能效(场景二)

最后，图6给出场景三的能效。对比图6和图5可以看出，图6的能效远大于图5。原因在于：场景三中ρCD比场景二的ρCD小，并且ρRG高于ρCD。

图6 I-UAV的盘飞能效(场景三)

上述数据表明，当ρCD较小，受干扰UAV的数量越少，I-UAV的能效得到提高。平均距离的增加不利于能效的提高。最初，平均距离的增加使I-UAV的能效快速下降，但当增加至130 m后，下降的速度变缓慢。

4 总结

面向UAV协助传输视频数据场景，提出基于功率控制和位置优化的I-UAV盘飞能效TOEE算法。TOEE算法通过控制传输功率和优化R-UAV位置两个手段提高I-UAV的盘飞能效。仿真数据表明，这两个手段均可以提高能效。但控制UAV传输功率提升能效更为显著。后期，将考虑大型的UAV网络，对多无人机系统的组网进行研究。