5G 无人机异构网络应急通信全覆盖算法设计研究

陈金利，陈 捷，陈国安

（三维通信股份有限公司，浙江 杭州 310000）

0 引 言

现阶段，5G 技术在无人机中的应用日益广泛。在现有的技术条件下，通过传输节点优化部署控制的方式可显著提升5G无人机异构网络的应急通信能力，这对于增强无人机功能具有重大意义。基于此，文章研究并设计5G无人机异构网络应急通信全覆盖算法，以进一步改进全覆盖算法，减少无人机航行能耗并提升通信覆盖效率。

1 应急通信全覆盖模型设计

1.1 模型应用场景

无人机能够满足多种应急条件下的运行要求，如发生自然灾害导致地面基站无法正常工作时，可将无人机作为空中基站建立应急通信网络，以实现5G 技术条件下的全覆盖。假设目标区域的尺寸为L×M，无人机保持固定的飞行高度H，确保能够全面覆盖临时基站的目标区域。此时无人机可满足半径r范围内的通信要求。

1.2 应急通信全覆盖模型算法

由于自然地质灾害可能会引发建筑物倒塌等严重问题，导致地面接收端采集的信号数量严重不足。为满足正常的通信要求，可利用信道增益功率强化模型来增强信号处理效果，计算公式为

式中：h(t)表示信道的增益功率；β表示1 m 标准长度下的信道功率增益情况；d-2(t)表示t时刻无人机与地面用户的距离。

无人机对地面的覆盖区域会随时间变化而发生改变。在空间变化的情况下，必须确保无人机能与地面持续进行数据传输，使无人机异构网络在应急通信中实现全覆盖。假设整个覆盖时间为t0，只有当地面用户与无人机之间的关联时间大于t0时，才能确保二者之间建立有效的通信联系[1]。无人机异构网络应急通信全覆盖如图1 所示。

图1 无人机异构网络应急通信全覆盖示意

由图1 可知，当用户位于阴影部分时才能与无人机建立稳定的通信联系。若边界用户Z 可以实现正常通信，则能确保整个阴影区域内的用户实现正常通信。

为实现高质量的通信效果，需要重点关注边界用户Z 的通信质量。用户Z 的可达速率计算公式为

式中：Rl(t)表示用户的可达速率；N0表示边界用户的噪声功率；PU表示无人机的发射功率；B1表示信道l的带宽。

为满足异构网络应急通信全覆盖的要求，应确保无人机能保持恒定的速度飞行，此时无人机的消耗功率是影响通信质量的重要因素。由于在自然灾害发生时用户大量集中，无人机需要在用户较多的位置实现悬停，以提供更好的通信支持。无人机异构网络应急通信全覆盖中的能量消耗计算公式为

式中：v表示无人机的飞行速度；Ph表示无人机悬停飞行状态下的功率情况；Tt表示无人机完成异构网络应急通信全覆盖任务所需的时间；表示无人机的航行时间；表示无人机悬停时间；Pc表示无人机航行期间的通信功率值。

2 基于混合策略的全覆盖路径规划算法

为满足无人机在5G 状态下的异构网络应急通信全覆盖要求，文章研究并提出了一种基于混合策略的路径规划算法，即在常规二维算法的基础上拓展至三维，从而确保无人机对应急通信条件具有良好的适应能力[2]。

2.1 综合运动函数设定

综合运动函数主要分为2 个部分，即位置函数与转向信度函数。位置函数可区分未覆盖的栅格、已覆盖的栅格、障碍物，目的是确保无人机在自然灾害条件下有良好的空间适应能力。转向信度函数则可引导无人机向未覆盖区域飞行，并提供平直的航行路径。

为实现综合运动函数的设定，构建地图成为无人机路径规划的关键步骤。常见的设定综合运动函数的方法有栅格法、拓扑法、单元分解法等。其中，栅格法具有操作简单、空间适应能力强等优点，满足自然灾害发生后的现场条件划分情况[3]。该方法的核心是将自然灾害处置现场的工作环境划分为多个站点，并通过针对性的位置函数对每个栅格进行赋值。这样无人机便可根据区域的赋值情况有效移动，确保架构中的边界用户Z 始终能够获得稳定的通信支持。在设计栅格时，栅格过大会导致分辨率偏低，无法真实反映现场情况；分辨率过小会导致计算量变大。基于次，本研究采用1 m×1 m 的栅格建模方式，将自然灾害现场划分为若干个标准栅格。

第一步，位置函数的设定。确定栅格位置后，在计算中对栅格进行分支。假设无人机的位置函数为Xi,j，i与j分别表示栅格中的行与列。当Xi,j=1 时，表示栅格尚未实现覆盖；当Xi,j=0.5 时，表示栅格已完成覆盖；当Xi,j=-1 时，表示栅格为障碍物。在应急通信全覆盖算法中完成栅格分类后，即可监测无人机的飞行路径情况，确定任意航点的对应位置，并与栅格中相应的坐标相匹配。

第二步，综合运动函数的实现。根据无人机在自然灾害区域的航行要求，在综合考虑位置函数可行性的基础上，重新定义无人机飞行的运动函数，并将其作为无人机运动的重要评估依据。在无人机运动中，假定无人机始终向未覆盖区域移动，则可以选择运动函数中最大的节点作为无人机下一次运动的方向。

2.2 A-star 算法路径选择

作为一种启发式算法，A-star 算法在无人机运动方案设定中能够快速有效地确定任意待选节点。通过综合分析任意节点的价值，选定代价最小的节点作为无人机下一步的运动方向。无人机作为一种能量有限的飞行器，在自然灾害发生后进行路径规划时，必须充分考虑其能耗等方面的问题。为最大限度地满足应急通信信号的全覆盖要求，文章将A-star 算法作为降低无人机航行能量消耗的关键环节。结合文章提出的栅格数划分方案，在A-star 算法中设定了运动设计目标，即从当前节点到达任一未覆盖节点的路径长度应为所有未覆盖节点中最短的节点。这样的设计能使无人机有效规避障碍物或其他可能影响信号覆盖的特殊位置，从而最大限度地提升无人机的通信覆盖效果[4]。

文章设定的A-star 算法路径方案包括以下几个关键步骤。

步骤一，无人机在航行期间利用最短欧式距离原则检索相邻的未覆盖区域节点。

步骤二，计算无人机在当前位置航行至目标区域的距离，并根据不同工况选定最小航行距离。

步骤三，在计算中判断无人机“最小航行距离≤最短欧式距离”的条件是否成立，若判定条件成立，则将对应节点视为最近节点，并控制无人机向该节点运动；若不成立，则进行步骤四。

步骤四，按照无人机的最短欧式距离标注新增栅格，并回到步骤一重复运算，直至“最小航行距离≤最短欧式距离”的条件成立。

3 仿真实验分析

3.1 仿真实验的设置方案

为进一步验证文章所提方案的合理性，结合自然灾害发生后的实际情况，将仿真环境设定为某灾害发生后的矩形目标区域，尺寸为3.5 km×3.0 km，且目标区域内的用户呈随机分布状态。

在无人机对目标区域进行巡航期间，为满足用户通信的基本要求，应确保无人机始终满足匀速飞行要求，并通过栅格法记录无人机的飞行轨迹。在本次仿真中，假设无人机从仿真区域的边界位置开始飞行，能够完成对所有路径点的巡视任务，并采用直线航行的方式前往补给点补充电能[5]。

3.2 仿真实验结果判断

在本次仿真实验中，密切观察了无人机的运动轨迹变化情况，并记录其在目标区域内的总消耗和巡航效率。在仿真设置中，目标区域被划分为栅格，栅格的尺寸为519 m×519 m，并确保无人机能始终以10 m/s 的速度进行标准航行，整个现场共设定了6 个用户重点分布的区域。

基于仿真条件设定方案可知，无人机从最靠近坐标原点的位置出发后，能够以螺旋方式完成整个区域的有效覆盖，并针对用户集中的重点区域均实现最低能耗覆盖。仿真结果显示，当任意单元格中存在重点区域时，无人机能够选择从上一个单元格巡航到下一个单元格并悬停，以覆盖重点区域的最短路径。

3.3 仿真结果对比

为验证文章所提方法的合理性，将该方法与无人机多播覆盖路径规划算法进行对比。对比结果显示，文章所提方法更具合理性。

对比结果显示，当50 个检测路径均完成检测时，无人机多播覆盖路径规划算法下的无人机能量消耗达到5.02×105J，文章所提新方法的能量消耗为4.76×105J。显然文章所提方法在降低无人机能耗方面具有较好效果。由于无人机多播覆盖路径规划算法在仿真中通常需要借助悬停通信协议来辅助通信，显著增加无人机在路径上的能量消耗。但文章所提方法成功省去了该步骤，从而达到了令人满意的效果。

在比较无人机巡航通信覆盖效率的相关数据中发现，当无人机的巡航时间达到3 600 s 时，采用无人机多播覆盖路径规划算法完成的路径点数为61 个，而采用文章所提方法可完成79 个点数的巡航。因此，文章所提方法具有更高的巡航通信覆盖效率。由于无人机多播覆盖路径规划算法受信号覆盖效果不理想等问题影响，导致在巡航期间更倾向局部巡航效率最大化。而文章提出的新方法有效解决了上述问题，因此可有效保障巡航效率。

4 结 论

文章提出的5G 无人机异构网络应急通信全覆盖算法具有操作可行性，在一定程度上解决了现有技术方案中存在的无人机能耗高、巡航通信覆盖效率低等问题，具有一定的推广价值。未来，需要进一步拓展异构网络全覆盖算法的技术内容，汲取机载无线紫外光通信区域覆盖理论等其他成功经验，为全面提升无人机系统功能奠定基础，使无人机发挥更大的作用。