CN115835159B - 一种北斗结合无人机空中避障的网络算力智能调度方法 - Google Patents

Abstract

本发明涉及多无人机协同编队的组网通信技术领域，尤其涉及一种北斗结合无人机空中避障的网络算力智能调度方法，具体包括以下步骤：构建空中无人机SR网络并分配网络算力节点及分配IPv6地址，并通过北斗卫星接收器传递报文信息，获得各无人机的空中节点坐标；生成基于当前SR节点的初始路径标识；从若干个网络算力节点中综合选择最优网络算力节点来运算报文参数计算碰撞模型概率；构建碰撞概率模型；将碰撞概率和临近最优网络算力节点告警概率值更新到初始路径标识对应SR节点后用逗号间隔，并定时进行数据预测分析及更新初始路径标识。本发明提供了一种为空中无线组网内复杂业务报文转发提供的新的解决方案。

Description

一种北斗结合无人机空中避障的网络算力智能调度方法

技术领域

本发明涉及多无人机协同编队的组网通信技术领域，尤其涉及一种北斗结合无人机空中避障的网络算力智能调度方法。

背景技术

随着计算机技术的飞速发展，信息网络已经成为社会发展的重要保证。在云网融合时代大背景下，灵活敏捷的网络服务能力直接影响运营商的竞争力。SR(SegmentRouting)是源路由技术的一种，SRv6是SR技术在IPv6网络的应用。SRv6的出现是一个巨大的创新，它结合SDN技术使网络可编程，这为云网时代的网络基础服务、增值网络服务提供了创新的土壤。目前全球仍有超过30亿人没有基本的互联网接入，其中大多数人分布在农村和偏远地区，地面通信网络高昂的建网成本使电信运营企业难以负担。无人区、远洋海域的通信需求，如南极科学考察的高速通信、远洋货轮的宽带接入等，也无法通过部署地面网络来满足。除了地球表面，无人机、飞机等空中设备也存在越来越多的连接需求。随着业务的逐渐融合和部署场景的不断扩展，地面蜂窝网与包括高轨卫星网络、中低轨卫星网络、高空平台、无人机在内的空间网络相互融合，将构建起全球广域覆盖的空天地一体化三维立体网络，为用户提供无盲区的宽带移动通信服务。全域覆盖将实现全时全地域的宽带接入能力，为偏远地区、飞机、无人机、汽车、轮船等提供宽带接入服务；为全球没有地面网络覆盖的地区提供广域物联网接入，保障应急通信、农作物监控、珍稀动物无人区监控、海上浮标信息收集、远洋集装箱信息收集等服务；提供精度为厘米级的高精度定位，实现高精度导航、精准农业等服务；此外，通过高精度地球表面成像，可实现应急救援、交通调度等服务。

从资源的建设和占有角度看，大部分企业用户并非财力雄厚的大型互联网企业，显然不具备足够的资源储备，它们需要一种灵活的资源获取和使用方式。而从资源提供的角度看，信息基础资源的所有方也是分散的，很难有某方能够占据所有的资源。因此，业界一直在研究资源整合利用的技术，以提供灵活可行的整体解决方案。

发明内容

本发明的目的在于提供一种北斗结合无人机空中避障的网络算力智能调度方法，以解决上述背景技术中存在的技术问题。

为实现上述目的，本发明的技术方案如下：

一种北斗结合无人机空中避障的网络算力智能调度方法，具体包括以下步骤：

S1：构建空中无人机SR网络并分配网络算力节点及分配IPv6地址，并通过北斗卫星接收器传递报文信息，获得各无人机的空中节点坐标；并对每一个无人机安装北斗信号接收器；每个无人机在SR网络相当于一个移动的SR节点；

S2：抽取无人机SR网络路由自动分配的一个到达目标SR节点的最近路径表中所有的SID的IPv6地址，串连到一起中间用###号间隔，生成基于当前SR节点的初始路径标识；

S3：在无人机SR网络中部署若干个网络算力节点以及碰撞概率模型，根据无人机SR网络规模，对报文起始到目的SR节点之间的平均时延和平均能耗执行计算程序，从若干个网络算力节点中综合选择最优网络算力节点来运算报文参数计算碰撞模型概率；

S4：构建碰撞概率模型，碰撞概率模型结合空中日志数据参数得到当前SR节点标识的初始路径标识关联的SR节点与空中障碍物发生碰撞的故障率；

S5：构建预警模型并结合空中数据参数得到临近最优算力节点发生告警的概率；

S6：将碰撞概率和临近最优网络算力节点告警概率值更新到初始路径标识对应SR节点后用逗号间隔，并定时进行数据预测分析及更新初始路径标识。

进一步的，所述无人机装载有具有能耗和时延计算程序的芯片，若干个无人机通过SRv6协议组建无人机空中无线组网，每个无人机均分配有独立IPv6地址。

进一步的，所述SRv6网络中当前无人机SR节点向目标SR节点进行IPv6报文传输时，无人机SR网络路由自动分配一个到达目标SR节点的最近路径表，最近路径表存储在SRv6报文协议里。

进一步的，对所有无人机SR节点均操作步骤S2用于获得空中无人机组网的初始路径标识。

进一步的，所述初始路径标识的格式：SR节点报文发送起点IPv6地址###起点坐标###IPv6地址2###最优算力节点IPv6地址###IPv6地址N###目的SR节点IPv6地址。

进一步的，所述S3中报文起始到目的SR节点之间的平均时延和平均能耗的计算过程如下：

用户接入边缘计算节点的传输时间总时延为：

用户通过无线信道的通信传输接入边缘计算节点；设无线通信链路的数据传输带宽为B，由香农定理可知在有限带宽、噪声干扰的信道环境下，用户i到边缘计算节点的传输时延为：

式中，p_i是第i个设备的发送功率；h_k,i是第i个用户终端到第k个边缘节点的信道增益，是一个随机的独立同分布变量；σ²是加性高斯白噪声功率；

平均时延为：

式中，S_k(t)为时刻卸载到云数据中心服务器端计算任务队列，Q_k(t)边缘计算节点上存在的任务队列，t表示第t个决策时间；

用户接入边缘计算节点的总能耗可表示为无线传输能耗

平均能耗为：

式中，w_k、W_N+1分别表示边缘计算节点和服务器端的能耗权重。

进一步的，所述S4中构建碰撞概率模型的过程如下：

将空中障碍物作为覆盖区域的中心，中心坐标为(x₀,y₀)，区域半径为r，在时间区域Δt求导获得标准离散系数值β；同时，基于卫星数据集的定位坐标集G_t和对应坐标点的时间点集合T，结合优化无线定位算法，获得对应卫星的平均离散系数值Z；

在当前区域半径和运动时间范围内，将平均离散系数值Z和标准离散系数值β进行对比，若Z大于β，说明此卫星与该区域范围无交集；反之，若Z小于等于β，则二者差值K＝β-Z越大，说明此空中基站卫星在该区域范围交集越频繁。

进一步的，所述平均离散系数值Z的计算过程如下：

定位坐标集G_t中坐标为(x_t,y_t)，坐标对应时间点为t，结合优化无线定位算法计算离散平均值s为：

式中，n为卫星定位点集合数；

将定位坐标集G_t和对应坐标点的时间点集合T进行矩阵运算得到向量参数值

由离散平均值s与向量参数值相乘得到平均离散系数值Z：

由此获得的卫星的平均离散系数值Z，与该区域范围内的标准离散系数值β进行比对，所述标准离散系数值β见下式：

进一步的，所述S5中构建预警模型的过程如下：

提取出的监测指标特征值表示为H＝{h₁,h₂,...,h₁₂}，监测指标包括：网络延时、丢包、内存使用率、cpu使用率和磁盘占用率；R₁表示状态异常，R₂表示状态正常；

根据条件概率公式，在满足监测指标特征值H的条件下，疑似异常被判为R1的概率为

其中，P(H|R₁)表示在样本集中的异常子集中出现特征值T的概率，P(R₁)表示整个样本集中异常子集所占的比重；

同理，在出现监测指标特征值H的条件下，疑似异常被判为R2的概率表示为

其中，P(H|R₂)表示在样本集中的正常子集中出现特征值T的概率，P(R₂)表示整个样本集中正常子集所占的比重；

由于每一个监测指标特征值h_i之间是相互独立的，根据相对独立事件概率的计算出疑似异常被判为R₁与R₂的概率后，比较两个概率的大小，如果P(R₁|H)＞P(R₂|H)，则认为所监测的指标异常；反之，则为正常。

与现有技术相比，本发明的有益效果是：

1、比现有Srv6报文转发机制增加了AI网络算力节点指标，来为空中无人机群进行空中碰撞概率计算预判及智能优选，为空中无线组网内复杂业务报文转发提供了新得解决方案，并减小了报文转发的资源消耗。

2.突破了当前SRv6协议路由自动分配距离目的SR节点最近IPv6地址算法的不科学性。通过结合人工智能分析预测，优化了路由自动分配到人工智能分配的一种创新方法。

附图说明

图1是本发明的流程图；

图2是本发明的整体框架图；

图3是本发明中SRv6协议结构图；

图4是本发明中空中无人机SRv6组网及地面通讯系统示意图。

具体实施方式

下面结合附图和实施例，对本发明作进一步详细说明。

无人机空中无线组网系统包括无人机及安装在无人机上的无人机空中网络报文传递及网络AI结合算力构建的空中避障模型，以及地面控制系统和地面5G基站；无人机上的5G通信模块接受地面控制系统发出的指令；无人机自适应组SRv6网络，通过SRv6协议分配的SID节点与无人机绑定；无人机结合AI算法模型在空中分析和定位数据并计算预测障碍物距离及发生碰撞的概率值。当预测障碍物发生碰撞的概率较高时，空中单机将NR无线信号通过SRv6协议转发报文到其他空中节点从而完成空中信号源切换；采用5G通信方式，提高了传输速率和传输机制的可靠性；采用SRv6协议通信格式，可以提高通信效率和增强保密性；采用北斗定位，提高无人机的定位精度；采用SRv6组网方式，提高机间通信效率，降低掉包概率；采用网络算力节点计算提高网络AI计算效率，使空中避障模型运算效率大幅度提升，为5G向6G过渡提供技术基础。

参见图1～4所示，一种北斗结合无人机空中避障的网络算力智能调度方法，具体包括以下步骤：

S1：构建空中无人机SR网络并分配网络算力节点及分配IPv6地址，并通过北斗卫星接收器传递RDSS短报文信息，获得各无人机的空中节点坐标；并对每一个无人机安装北斗信号接收器；每个无人机在SR网络相当于一个移动的SR节点；

S2：通过程序抽取无人机SR网络路由自动分配的一个到达目标SR节点的最近路径表中所有的SID的IPv6地址，串连到一起中间用###号间隔，生成基于当前SR节点的初始路径标识；

S3：在无人机SR网络中部署若干个网络算力节点以及碰撞概率模型，根据无人机SR网络规模，对报文起始到目的SR节点之间执行算力能耗和时延计算程序获得报文起始->1-N个算力节点->目的SR节点的平均时延和平均能耗，从若干个网络算力节点中综合选择最优网络算力节点来运算报文参数计算碰撞模型概率；

然后，对北斗卫星收到空中基站请求获取精准定位信息后，北斗卫星通过RDSS短报文方式传递给地面MCC，MCC通知存储空中基站的北斗日志数据的北斗分理服务平台进行分析进而获得精准卫星坐标数据；再通过北斗应用设备包含北斗RDSS设备和北斗RDSS+RNSS设备、北斗RNSS设备，将精准坐标和其他参数相关分析结果再次以RDSS短报文方式回传给北斗卫星；北斗卫星再发送给无人机；例如：中国电信-天通一号卫星为核心的无人机群。

S4：构建碰撞概率模型，碰撞概率模型结合空中日志数据参数得到当前SR节点标识的初始路径标识关联的SR节点与空中障碍物发生碰撞的故障率；同时，计算发起报文传递任务的SR节点到网络算力节点平均时延和平均能耗最短算力节点卫星做为临近最优算力节点，距离较远的算力节点卫星为次优，报文传递任务到最优算力节点后开始根据报文数据进行碰撞概率模型分析，通过空闲算力较多卫星节点传递通知报文，让有可能产生空中碰撞卫星的时间大幅度缩短并通过进行飞行参数调整及时躲避空中障碍物；

具体的，首先，根据初始地址标识存储的每一跳SR节点在报文转发过程中通过程序执行做为与地面通讯的临时IAB节点；

其次，IAB节点对不同无线信号进行RAN级别融合；并采用单无线技术方案即地面与非地面网络之间使用同一NR空口；

然后，SR节点发送信号给5G无线接入网RAN，RAN能同时使用NR和LTE基站；

S5：地面IAB基站收到SR节点转发报文信号后，采用贝叶斯构建预警模型并结合空中数据参数得到临近最优算力节点发生告警的概率；包括无人机故障、内存使用率、CPU占用率和网络时延异常，将运算结果通过IAB基站回传给位于低空的SR节点来完成临近最优算力节点健康情况。从而完成空中SRv6与地面网络基站进行信号对接，地面网络辅助非地面网络的流程；

S6：将碰撞概率和临近最优网络算力节点告警概率值更新到初始路径标识对应SR节点后用逗号间隔，并定时进行数据预测分析及更新初始路径标识。

如果临近最优算力节点有变更则更新IPv6扩展头SRH部分的Argument初始地址标识；IPv6扩展头SRH主要由Locator、Function、Argument组成。其中，Locator＝位置信息可达性、Function＝业务功能定义、Argument＝增强。

无人机装载有具有能耗和时延计算程序的芯片，若干个无人机通过SRv6协议组建无人机空中无线组网，每个无人机均分配有独立IPv6地址。

SRv6网络中当前无人机SR节点向目标SR节点进行IPv6报文传输时，无人机SR网络路由自动分配一个到达目标SR节点的最近路径表，简称Segment List，最近路径表存储在SRv6报文协议里。

对所有无人机SR节点均操作步骤S2用于获得空中无人机组网的初始路径标识。

初始路径标识的格式：SR节点报文发送起点IPv6地址###起点坐标###IPv6地址2###最优算力节点IPv6地址###IPv6地址N###目的SR节点IPv6地址。

S3中报文起始到目的SR节点之间的平均时延和平均能耗的计算过程如下：

用户接入边缘计算节点的传输时间总时延为：

用户通过无线信道的通信传输接入边缘计算节点；设无线通信链路的数据传输带宽为B，由香农定理可知在有限带宽、噪声干扰的信道环境下，用户i到边缘计算节点的传输时延为：

式中，p_i是第i个设备的发送功率；h_k,i是第i个用户终端到第k个边缘节点的信道增益，是一个随机的独立同分布变量；σ²是加性高斯白噪声功率；

平均时延为：

式中，S_k(t)为时刻卸载到云数据中心服务器端计算任务队列，Q_k(t)边缘计算节点上存在的任务队列，t表示第t个决策时间；

用户接入边缘计算节点的总能耗可表示为无线传输能耗

平均能耗为：

式中，w_k、W_N+1分别表示边缘计算节点和服务器端的能耗权重。

S4中构建碰撞概率模型的过程如下：

根据北斗导航卫星给出的空中障碍物作为覆盖区域的中心坐标(x₀,y₀)、区域半径为r，在时间区域Δt求导获得标准离散系数值，即区域系数值β；同时将某空中基站卫星对应定位数据集合中，坐标向量集合坐标(x_t,y_t)、坐标对应时间点t等参数因子结合优化算法推算出对应的平均离散系数值Z。在当前某区域半径、运动时间范围内，将Z和β进行对比，若Z大于该区域系数值β，说明此卫星与该区域范围无交集；反之，若Z小于等于该区域系数值β，则比对二者相差值K，如果K越大，说明此空中基站卫星在该区域范围交集更频繁。

结合优化无线定位算法函数，将卫星数据集的定位坐标集G_t、对应坐标点的时间点集合T，进行算法推算获得对应IP卫星的平均离散系数值Z，离散平均值公式如下：

定位坐标集G_t中坐标为(x_t,y_t)，坐标对应时间点为t，结合优化无线定位算法计算离散平均值s为：

将卫星定位点与中心定位点(x₀,y₀)，取离散平均值s，用于获取当前卫星平均离散系数值的演算，t为卫星每个定位时间点与区域中心定位初始时间点的时间差值，n为卫星定位点集合数。

定位坐标集：

坐标对应时间点集：

将G_t和T展开式矩阵运算得到向量参数值

由上面获得的离散平均值s与向量参数值直接相乘便可得到平均离散系数值Z：

由此获得的卫星平均离散系数值，与该区域范围内的标准离散系数值，即区域系数值β进行比对以此分析获得结果。标准离散系数值：

获取该区域内的标准离散系数值，与对应IP卫星平均离散系数值进行比对，若Z大于β，则此卫星定位与该区域范围无交集，若Z小于等于β，则在下一步分析二者相差值K＝β-Z，若K越大，即Z相对β更小，说明卫星距离空中障碍物中心区域更近，交集更频繁。

S5中构建预警模型的过程如下：

提取出的监测指标特征值表示为H＝{h₁,h₂,...,h₁₂}，监测指标包括：网络延时、丢包、内存使用率、cpu使用率和磁盘占用率；R₁表示状态异常，R₂表示状态正常；

根据条件概率公式，在满足监测指标特征值H的条件下，疑似异常被判为R1的概率为

其中，P(H|R₁)表示在样本集中的异常子集中出现特征值T的概率，P(R₁)表示整个样本集中异常子集所占的比重；

同理，在出现监测指标特征值H的条件下，疑似异常被判为R2的概率表示为

其中，P(H|R₂)表示在样本集中的正常子集中出现特征值T的概率，P(R₂)表示整个样本集中正常子集所占的比重；

由于每一个监测指标特征值h_i之间是相互独立的，根据相对独立事件概率的计算出疑似异常被判为R₁与R₂的概率后，比较两个概率的大小，如果P(R₁|H)＞P(R₂|H)，则认为所监测的指标异常；反之，则为正常。

本发明为Srv6报文转发机制增加了AI故障预判及网络算力智能优选，为空中无线组网内复杂业务报文转发提供了新得解决方案，并减小了报文转发的资源消耗。并且突破了当前SRv6空中组网结合网络算力在空中完成AI运算的技术瓶颈。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，依据本发明的技术实质，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (9)

1.一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于，具体包括以下步骤：

S1：构建空中无人机SR网络并分配网络算力节点及分配IPv6地址，并通过北斗卫星接收器传递报文信息，获得各无人机的空中节点坐标；并对每一个无人机安装北斗信号接收器；每个无人机在SR网络相当于一个移动的SR节点；

S2：抽取无人机SR网络路由自动分配的一个到达目标SR节点的最近路径表中所有的SID的IPv6地址，串连到一起中间用###号间隔，生成基于当前SR节点的初始路径标识；

S3：在无人机SR网络中部署若干个网络算力节点以及碰撞概率模型，根据无人机SR网络规模，对报文起始到目的SR节点之间的平均时延和平均能耗执行计算程序，从若干个网络算力节点中综合选择最优网络算力节点来运算报文参数计算碰撞模型概率；

S4：构建碰撞概率模型，碰撞概率模型结合空中日志数据参数得到当前SR节点标识的初始路径标识关联的SR节点与空中障碍物发生碰撞的故障率；

S5：构建预警模型并结合空中数据参数得到临近最优算力节点发生告警的概率；

S6：将碰撞概率和临近最优网络算力节点告警概率值更新到初始路径标识对应SR节点后用逗号间隔，并定时进行数据预测分析及更新初始路径标识。

2.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述无人机装载有具有能耗和时延计算程序的芯片，若干个无人机通过SRv6协议组建无人机空中无线组网，每个无人机均分配有独立IPv6地址。

3.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述SRv6网络中当前无人机SR节点向目标SR节点进行IPv6报文传输时，无人机SR网络路由自动分配一个到达目标SR节点的最近路径表，最近路径表存储在SRv6报文协议里。

4.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：对所有无人机SR节点均操作步骤S2用于获得空中无人机组网的初始路径标识。

5.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述初始路径标识的格式：SR节点报文发送起点IPv6地址###起点坐标###IPv6地址2###最优算力节点IPv6地址###IPv6地址N###目的SR节点IPv6地址。

6.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述S3中报文起始到目的SR节点之间的平均时延和平均能耗的计算过程如下：

用户接入边缘计算节点的传输时间总时延为：

用户通过无线信道的通信传输接入边缘计算节点；设无线通信链路的数据传输带宽为B，由香农定理可知在有限带宽、噪声干扰的信道环境下，用户i到边缘计算节点的传输时延为：

式中，p_i是第i个设备的发送功率；h_k,i是第i个用户终端到第k个边缘节点的信道增益，是一个随机的独立同分布变量；σ²是加性高斯白噪声功率；

平均时延为：

式中，S_k(t)为时刻卸载到云数据中心服务器端计算任务队列，Q_k(t)边缘计算节点上存在的任务队列，t表示第t个决策时间；

用户接入边缘计算节点的总能耗可表示为无线传输能耗

平均能耗为：

式中，w_k、W_N+1分别表示边缘计算节点和服务器端的能耗权重。

7.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述S4中构建碰撞概率模型的过程如下：

将空中障碍物作为覆盖区域的中心，中心坐标为(x₀,y₀)，区域半径为r，在时间区域Δt求导获得标准离散系数值β；同时，基于卫星数据集的定位坐标集G_t和对应坐标点的时间点集合T，结合优化无线定位算法，获得对应卫星的平均离散系数值Z；

在当前区域半径和运动时间范围内，将平均离散系数值Z和标准离散系数值β进行对比，若Z大于β，说明此卫星与该区域范围无交集；反之，若Z小于等于β，则二者差值K＝β-Z越大，说明此空中基站卫星在该区域范围交集越频繁。

8.根据权利要求7所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述平均离散系数值Z的计算过程如下：

定位坐标集G_t中坐标为(x_t,y_t)，坐标对应时间点为t，结合优化无线定位算法计算离散平均值s为：

式中，n为卫星定位点集合数；

将定位坐标集G_t和对应坐标点的时间点集合T进行矩阵运算得到向量参数值

由离散平均值s与向量参数值相乘得到平均离散系数值Z：

由此获得的卫星的平均离散系数值Z，与该区域范围内的标准离散系数值β进行比对，所述标准离散系数值β见下式：

9.根据权利要求1所述的一种北斗结合无人机空中避障的网络算力智能调度方法，其特征在于：所述S5中构建预警模型的过程如下：

提取出的监测指标特征值表示为H＝{h₁,h₂,...,h₁₂}，监测指标包括：网络延时、丢包、内存使用率、cpu使用率和磁盘占用率；R₁表示状态异常，R₂表示状态正常；

根据条件概率公式，在满足监测指标特征值H的条件下，疑似异常被判为R1的概率为

其中，P(H|R₁)表示在样本集中的异常子集中出现特征值T的概率，P(R₁)表示整个样本集中异常子集所占的比重；

同理，在出现监测指标特征值H的条件下，疑似异常被判为R2的概率表示为

其中，P(H|R₂)表示在样本集中的正常子集中出现特征值T的概率，P(R₂)表示整个样本集中正常子集所占的比重；

由于每一个监测指标特征值h_i之间是相互独立的，根据相对独立事件概率的计算出疑似异常被判为R₁与R₂的概率后，比较两个概率的大小，如果P(R₁|H)＞P(R₂|H)，则认为所监测的指标异常；反之，则为正常。