[论文解读] Wireless Broadcast Gossip for Decentralized Drone Swarms: Success Probability, Contraction, and Optimal Aloha

Ali Khalesi|arXiv (Cornell University)|Mar 19, 2026

UAV Applications and Optimization被引用 0

一句话总结

本文在去中心化无人机编队中使用 PPP+Aloha 模型分析无线广播闲聊（gossip），推导出闭式的 SIR 成功概率、用于共识的无线稀释收缩界，以及随 λ 比例缩放的闭式最优 Aloha 传输概率 p*。仿真验证预测的最快收敛工作点。

ABSTRACT

We study broadcast gossip for decentralized drone swarms over an interference-limited wireless medium. Modeling drone locations as a planar Poisson point process and medium access via slotted Aloha, we derive (i) a closed-form SIR success probability under Rayleigh fading, (ii) a mean-square contraction bound in which the consensus rate factorizes into an ideal mixing term and an explicit wireless thinning term, and (iii) a closed-form access probability that optimizes a sharp availability--reliability proxy. Simulations corroborate the predicted operating point by matching the fastest convergence region.

研究动机与目标

• 将无人机位置建模为平面泊松点过程 (PPP)，并在干扰受限的无线信道中分析分时 Aloha 下的广播 gossip。
• 在瑞利衰落和幂律路径损耗下推导闭式 SIR 成功概率。
• 建立均方收敛度界，显示共识速率等于理想混合与无线稀释项的乘积。
• 提供闭式最优 Aloha 传输概率以最大化可靠性–可用性代理。
• 用仿真证明预测的工作点与最快收敛区域吻合。

提出的方法

• 对无人机位置使用强度为 λ 的 PPP，并在每个无人机以概率 p 发送的分时 Aloha 模式下建模。
• 在瑞利衰落下以 SIR 阈值 θ 对解码建模，推导 p_succ(r; p) 的闭式表达。
• 将成功交换表示为匹配以保持平均共识，并分析得到的双随机更新 W(t)。
• 定义不一致能量 V(t) = ||x(t) - x̄1||^2，给出在无线稀释 (q_lb(p)) 下的收缩界。
• 通过最大化简化代理 q̃(p) = (1 - e^{-ap}) e^{-bp} 来导出闭式最优 p*，其中 a = λπR^2，b = λπR^2 θ^{2/α} C(α).

实验结果

研究问题

• RQ1 在 PPP+Aloha 与干扰受限传播下，哪种传输概率 p 能实现去中心化无人机编队的最快收敛？
• RQ2 作为函数的 λ、p、r、θ 与 α，闭式 SIR 成功概率是多少？
• RQ3 无线稀释如何影响共识收缩和均方收敛速率？
• RQ4 在此情景下，能否得到最优 Aloha 概率 p*，并且它如何随编队密度缩放？
• RQ5 仿真是否支持在现实编队情景中最快混合的理论工作点？

主要发现

• 成功概率为 p_succ(r; p) = exp(-λ p π r^2 θ^{2/α} C(α))。
• 在无线稀释下的共识收缩可分解为理想混合项与无线成功项，得到收缩界 E[V(t+1)] ≤ (1 - γ q_lb(p))^t V(0)。
• 成功更新的下界 q_lb(p) 为 (1-p)(1 - e^{-λ p π R^2}) e^{-λ p K(R)}，其中 K(R) = π R^2 θ^{2/α} C(α)。
• 最优 Aloha 概率 p* 为 p* = min(1, (1/a) log((a+b)/b))，其中 a = λπR^2，b = λK(R)；在密集邻域中 p* ≈ 1/b = 1/(λπR^2 θ^{2/α} C(α))。
• 仿真表明最快混合发生在接近预测的 p*，并验证 p 与收敛速度之间的单峰关系。