基于协同计算策略的紧急无人机网络 SINS 预测.pdfVIP

基于协同计算策略的紧急无人机网络SINS

预测

BingLi,HaomingGuo,ZhiyuanRen,WenchiCheng,JialinHu,XinkeJian

StateKeyLaboratoryofIntegratedServicesNetworks,XidianUniversity,Xi’an,China

InstituteofSoftwareChineseAcademyofSciences,Beijing,China

Email:{23011210593@stu.xidian.edu.cn,haoming@iscas.ac.cn,zyren@xidian.edu.cn,

wccheng@xidian.edu.cn,22011210534@stu.xidian.edu.cn,xkjian@stu.xidian.edu.cn}

摘要—在紧急场景中，动态和恶劣的条件要求无人机及时在无人机协同计算卸载领域，当前的研究往往缺

调整轨迹，导致网络拓扑高度动态化并可能引发任务失败。为应乏动态适应性。现有算法大多依赖于固定网络拓扑[5],

本对这些挑战，提出了一种基于平台式惯性导航系统（SINS）预[6]或预先确定的无人机飞行轨迹[7],[8]的假设。例如，

测的紧急无人机网络（EUN）协作计算策略，在该策略中构建

译郭等人[5]提出了一个增强型SDN协同MUEAC系统，

了两步加权时间扩展图（WTEG），以处理动态网络拓扑变化。

中此外，将任务调度公式化为有向无环图（DAG）到WTEG映在该系统中，无人机保持悬停状态。Mohammad[6]设

1射问题，实现无人机间传输过程中的协作计算。最后，采用二进计了一个无人机-雾-云协作策略，假设网络拓扑是静态

v

4制粒子群优化（BPSO）算法来选择能够最小化端到端处理延迟的。程等人[7]提出了一种空天地一体化网络架构，在

6的映射策略。仿真结果验证了该协作计算策略在延迟方面明显优该架构中，无人机被分配了固定的飞行轨迹。刘等人[8]

8于云端和本地计算。此外，使用SINS的任务成功率与没有先验设计了D2D通信中的无人机传输模型，在此模型中，

6

0.预测的方法相比有显著提高。无人机的轨迹保持不变。

8IndexTerms—SINS，紧急无人机网络，端到端传输，

0WTEG，延迟鉴于灾区用户分布高度分散，无人机需要调整其轨

5

2迹以提供持续的地面通信服务。此外，动态拓扑给任务

:调度结果的可信度带来了重大挑战，因为实际延迟可

vI.引言

i

x能远高于预测延迟，可能导致任务失败。因此，我们提

r

a在灾害场景中，由于无人驾驶航空器（UAVs）具有出了一种基于SINS预测的紧急无人机网络（EUN）协

高度灵活性、快速部署能力和成本效益[1]，它们已在同计算策略，以实现同时计算和传输。我们的主要贡献

各个领域得到广泛应用。为了解决因基础设施受损而导如下：

致的“信息孤岛”现象，无人机可以从受影响区域收集

为了克服拓扑不确定性，我们提出了一种基于SINS

数据，并提供关键信息以帮助救援人员拯救更多生命。

的时空联合预测模型，并开发了WTEG以有效建

然而，所收集的原始数据通常量大，