[论文解读] Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol

Shuhang Zhang, Hongliang Zhang+2 more|arXiv (Cornell University)|May 30, 2018

UAV Applications and Optimization被引用 6

一句话总结

本文提出一种由蜂窝网络控制的协作式无人机网络，采用感知-传输协议，通过联合优化无人机轨迹、感知位置和调度策略，最小化任务完成时间。通过引入多无人机协作与动态资源分配，迭代式ITSSO算法相比非协作方案将完成时间减少了15%。

ABSTRACT

In this paper, we consider a cellular controlled unmanned aerial vehicle (UAV) sensing network in which multiple UAVs cooperatively complete each sensing task. We first propose a sense-and-send protocol where the UAVs collect sensory data of the tasks and transmit the collected data to the base station. We then formulate a joint trajectory, sensing location, and UAV scheduling optimization problem that minimizes the completion time for all the sensing tasks in the network. To solve this NP-hard problem efficiently, we decouple it into three sub-problems: trajectory optimization, sensing location optimization, and UAV scheduling. An iterative trajectory, sensing, and scheduling optimization (ITSSO) algorithm is proposed to solve these sub-problems jointly. The convergence and complexity of the ITSSO algorithm, together with the system performance are analysed. Simulation results show that the proposed ITSSO algorithm saves the task completion time by 15% compared to the non-cooperative scheme.

研究动机与目标

• 解决在高可靠性与低延迟要求下，无人机感知网络中最小化任务完成时间的挑战。
• 克服非协作式无人机系统中因感知失败与长任务时延导致性能下降的局限性。
• 通过为每个任务部署多架无人机实现协作感知，提升感知成功率并降低单个无人机的工作负载。
• 设计一种高效的优化框架，联合处理轨迹规划、感知位置选择与无人机调度问题。
• 设计一种低复杂度的迭代算法，以理论保证收敛性与性能，求解NP难的联合优化问题。

提出的方法

• 提出一种感知-传输协议，使无人机能够通过蜂窝网络直接将采集的数据传输至基站，确保低时延传输。
• 构建联合优化问题，通过优化无人机轨迹、感知位置与调度决策，最小化总任务完成时间。
• 将NP难问题分解为三个子问题：轨迹优化、感知位置优化与无人机调度，采用迭代方式求解。
• 提出一种迭代式轨迹、感知与调度优化（ITSSO）算法，通过交替优化各子问题并保证收敛性。
• 利用速度约束与几何分析，证明在关键时隙最大化无人机速度可提升传输速率并减少完成时间。
• 通过理论推导，量化协作无人机数量与感知概率阈值对任务完成时间的影响。

实验结果

研究问题

• RQ1 在蜂窝网络控制的无人机感知网络中，无人机协作如何减少任务完成时间？
• RQ2 为最小化任务完成时间，无人机轨迹、感知位置与调度的最优联合策略是什么？
• RQ3 增加协作无人机数量如何影响感知距离与任务完成时间？
• RQ4 所需的感知概率阈值如何影响可实现的感知范围与整体系统效率？
• RQ5 低复杂度的迭代算法能否在理论保证收敛性与复杂度边界的前提下实现近似最优性能？

主要发现

• 所提出的ITSSO算法相比非协作方案将任务完成时间减少了15%，展现出显著的性能增益。
• 在关键时隙最大化无人机速度可提升传输速率并减少完成时间，尤其当基站相对于无人机轨迹位置有利时效果更明显。
• 增加协作无人机数量可使每架无人机在距任务更远的距离上执行感知，从而减少飞行时间并提升效率。
• 感知概率阈值对可实现的感知范围具有直接影响：较高阈值需更近距离感知，而较低阈值则支持更远距离感知。
• 理论分析证实ITSSO算法具有收敛性与低复杂度，适用于实时部署。
• 仿真结果验证了理论分析，表明协作感知方案在完成时间与可靠性方面均优于非协作与固定感知位置的方案。