本发明涉及无线通信技术领域，具体而言，尤其涉及一种面向海洋环境监测的无人机与无人船协同的信息回传方法。
背景技术：
随着近海广域物联网的业务需求越来越多，对无线数据传输能力提出了更高要求。目前海洋物联网的主要工作包括水文气象监测、海上应急通信系统需求、海洋自然灾害预警、水文勘测等，在海洋工业上的应用也越来越广，例如污水处理，燃油泄漏，有害金属排放量超标等都有着重要的应用，如果信息传输不及时、不准确，就会给海洋环境造成严重的损失，甚至可能会威胁到人类的生命财产安全。例如海洋水文信息的采集，以往通过浮标、航标等，采集到水文信息都直接传输到岸边的信息处理中心，这种网络架构建设时间较长，而且灵活性较差，不能够适应复杂多变的海洋环境，而且在传输信息的过程中，由于传输距离较长，距离岸边距离较远，路径损耗比较大，且需要的发射功率较高，信号间的干扰也很大，最终收到的信息，丢包率较高，延时长，且消耗的能量也比较快，工作时间有限。
由于无线通信容易受到环境变化的干扰，在信息回传的过程中，由于海洋环境情况变化较大，信道条件变化比较大，信道条件的好坏会直接影响信息传输的速率，因此在选择信道时必须选择信道条件最好的信道，才能保证信息能够及时、可靠的传输到无人机，让无人机能够在规定时间内完成对信息处理和转发。如果信息传送不及时，按照目前存在的技术，会根据之前的信息，估计下一步的信息，但这种信息的有效性较小，不能够从根本上解决问题。
在目前的算法研究中，解决无人机与无人船匹配关系的优化算法有很多，但是都存在自己的不足之处，例如分支定界法通过分支、减支、定界等操作之后能够获得最优解，对非整数的自变量解分割取值空间，将分割后的解变为整数，并将此时的最优解作为上界，然后不断地分支求解，寻找在解空间内的目标函数解和整数的变量解，如果分支的解不在解空间内则剪枝，最终求的在解空间内的目标函数的整数最优值。分支定界算法求解子载波分配最优化模型时的重点问题之一是参数处理。不过其模型的参数矩阵必须符合linprog函数的参数形式，对数学模型的要求较高。而且其算法复杂度会随着网络模型的变化，在最坏的情况，其计算复杂度是呈指数形式增加的。多对一匹配法是数目不相等对象之间的匹配关系问题，通过喜好度排名表，来进行择优选择，以数目较少的一方作为匹配的基准，以数目较多的一方作为待匹配的个体，先将数目少的一方全部匹配完成，这时数目较多的一方还有剩余个体，然后对剩余个体进行匹配，直到全部匹配完成算法结束。其选择结果更加注重匹配的稳定性，但最终的优化目标，相较于其他优化算法，并不理想。
技术实现要素：
根据上述提出的技术问题，而提供一种面向海洋环境监测的无人机与无人船协同的信息回传方法。本发明主要针对数据传输过程中系统对总传输速率的要求，将该问题通过香农公式进行建模，通过算法优化，让无人船关联到最适合自己的无人机，匹配到信道条件最好的信道，找到该问题的最优解，将原始的问题分解成两个子问题，一方面在给定功率分配的情况下，通过启发式算法来优化无人机与无人船的匹配关系，另一方面在无人机和无人船匹配关系确定的情况下，通过注水算法来对无人船与无人机的发生功率进行优化，来进一步提高系统总的吞吐量。
本发明采用的技术手段如下：
一种面向海洋环境监测的无人机与无人船协同的信息回传方法，包括如下步骤：
s1、将无线传输中的信道条件和无人机与无人船之间的通信距离对信息回传的影响统一表示为无人船对无人机分配的无线信道的喜好度，并构建成无人船对无人机的喜好度排名表；
s2、分析无人船与无人机协同信息回传时信息的传输速率，通过对无人机—无人船的关联关系和信号的发射功率的联合优化，最大化系统的总吞吐量；
s3、设计基于匹配理论的启发式算法，确定无人机—无人船的匹配关系，并基于凸优化理论进一步确定无人船和无人机的发生功率。
进一步地，所述步骤s1具体包括：
s11、获取每个无人船感知的环境信息数据包，并将其准确的传送至岸基通信系统；
s12、计算第m架无人机接受来自第n艘无人船的接收功率，其计算公式如下：
其中，qn表示第n艘无人船的发射功率，
s13、假设随机信道是一个独立且均匀分布的随机变量，均值为零，方差为n0，计算第m架无人机和远处的岸基之间信道增益，即远处的岸基接收到第n艘无人船发送给第m艘无人机信号的信道增益，其计算公式如下：
其中，dm,0表示第m架无人机和远处的岸边基站的距离，αs表示路径损耗指数，
s14、基于计算的所述信道增益，进一步计算远处的岸基接收到第n艘无人船发送给第m艘无人机信号的接收功率，其计算公式如下：
s15、设置一艘无人船只能关联一架无人机，表示为：
上式中，若二进制变量θn,m＝1，则表示第n艘无人船与第m架无人机进行了关联；
s16、由于发射功率的限制，第m架无人机在将接收到的第n艘无人船的传感数据转发到远处的岸基通信系统时，需要考虑以下约束：
s17、计算信息传输过程中的中断概率，其计算公式如下：
其中，
s18、计算无人机辅助通信的端到端传输速率，其计算公式如下：
其中，
进一步地，所述步骤s2具体包括：
s21、在中断概率约束条件下，将总的信息传输速率最大化的问题表示为：
其中，c1表示无人船搜集周围水文信息过程中中断概率超过额定阈值
s22、确定二进制关联关系变量：假设给定的发射功率满足约束条件c3、c4、c5以及
进一步地，所述步骤s3具体包括：
s31、计算每艘无人船与每架无人机之间的距离，引入随机无线信道条件函数，根据无人船-无人机之间的距离和随机无线信道条件得到最终的信道增益矩阵，得出无人船对无人机的喜好度排名表；
s32、基于海上无线信道恶劣环境以及无人机作为移动中继时其通信链路的弱连接性，根据无人机和无人船的数量，确定无人机关联无人船的上限，设每架无人机最多关联l艘无人船，选取喜好度度排名前l艘无人船进行关联；
s33、若有无人船关联了多个无人机，则该无人船只与自己喜好度排名表中的第一名进行匹配，并解除与其他无人机的匹配关系；
s34、若有无人机匹配无人船数超过了l，则从排名l+1的无人船开始，解除与该无人机的匹配关系，再从其他的无人机中选择喜好度排名第一的无人机进行关联，重复执行步骤s34，直到所有的无人机都不过载时结束；
s35、在给定无人机和无人船的关联关系的情况下，计算无人机和无人船的发射功率：
s36、在给定关联关系的情况下，每架无人机可以分别对与其关联的无人船进行功率控制，最大化上行链路的数据传输速率：
s37、若
s38、当满足
s39、若
s40、当满足
较现有技术相比，本发明具有以下优点：
1、本发明提供的面向海洋环境监测的无人机与无人船协同的信息回传方法，主要针对数据传输过程中系统对总传输速率的要求，将该问题通过香农公式进行建模，通过算法优化，让无人船关联到最适合自己的无人机，匹配到信道条件最好的信道，找到该问题的最优解，将原始的问题分解成两个子问题，一方面在给定功率分配的情况下，通过启发式算法来优化无人机与无人船的匹配关系，另一方面在无人机和无人船匹配关系确定的情况下，通过注水算法来对无人船与无人机的发生功率进行优化，来进一步提高系统总的吞吐量。
2、本发明设计的启发式算法，通过对背包算法的改进，保留了原本0、1背包动态变化的数组，引入了多对一匹配算法中喜好度排名表的思想，同时基于无人机和无人船的网络规模，确定了无人机关联无人船的上限，建立了一种基于无人机负载上限的新的选择机制。
3、本发明建立了无人机和无人船协同作业的网络模型，采用了无人船采集水温环境信息，将无人机作为空中基站，将搜集到的水温环境信息，转发给远处的岸边基站，能够显著降低通信距离，减少不必要的路径损耗和多径效应，在保证信息传输速率最大化的前提下，完成信息高可靠、低延时的传输。同时，无人船和无人机还具有灵活机动的特点，能够快速部署到所需场地，而且无人船和无人机协同作业的能力强，且本身的适应环境能力强，适应条件恶劣的海洋环境，且随着目前无人机和无人船的发展越来越快，社会各界对无人机和无人船的投入也越来越大，无人机和无人船的价格也越来越便宜，而且可以回收多次利用，所以其应用前景还是十分广阔的。
基于上述理由本发明可在无线通信等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的面向海洋环境监测的无人机与无人船协同的信息回传技术流程图。
图2为本发明实施例的使用的网络场景图。
图3为本发明实施例的基于匹配理论的启发式算法流程图。
图4为本发明实施例的系统总吞吐量随无人机数量变化图。
图5为本发明实施例的系统总吞吐量随无人船数量变化图。
图6为本发明实施例的系统总吞吐量随传输功率大小变化图。
图7为本发明实施例的算法收敛图。
图8为本发明实施例的算法运行时间对比图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，本发明提供了一种面向海洋环境监测的无人机与无人船协同的信息回传方法，包括如下步骤：
s1、将无线传输中的信道条件和无人机与无人船之间的通信距离对信息回传的影响统一表示为无人船对无人机分配的无线信道的喜好度，并构建成无人船对无人机的喜好度排名表；
s2、分析无人船与无人机协同信息回传时信息的传输速率，通过对无人机—无人船的关联关系和信号的发射功率的联合优化，最大化系统的总吞吐量；
s3、设计基于匹配理论的启发式算法，确定无人机—无人船的匹配关系，并基于凸优化理论进一步确定无人船和无人机的发生功率。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示，本发明适用的网络场景是上行链路的监测信息回传网络。在指定的海洋物联网应用场景中，无人机辅助协作传输通信的具体细节如图2所示，在该场景中多架无人船被部署在海平面上，以协作的方式搜集海洋环境的水文、气象等信息，将搜集到的传感器数据通过无线信道传送到岸基通信系统，并分析传感器的执行情况，以此来监视海洋环境。如果岸基通信系统无法在规定的时间内成功接收传感器数据，则根据之前的传感器数据来推测当前的海洋环境情况，但会导致监视性能的下降。因此传感器数据传输的可靠性和时效性严重影响海洋环境的检测性能。为了准确的监视动态海洋环境，在本发明中，在无人机协作通信的帮助下，每一个无人船都将其感知的环境信息数据包准确的传送至岸基通信系统。
海洋通信系统由一个远处的岸边基站、m架半双工无人机和n艘无人船组成，且无人机悬停在无人船的上空。将无人船和无人机的集合分别表示为m和n。此外，第n艘无人船产生的海洋环境信息的数据包长度为ln，第一跳和第二跳数据传输的时间分别为tf和ts。由于传输功率的限制，无人船和无人机最大的发射功率分别为qmax和pmax，可用的带宽被平均分配给所有的无人船，每艘无人船分配的带宽可以表示为b。
具体实施时，作为本发明优选的实施方式，所述步骤s1具体包括：
s11、获取每个无人船感知的环境信息数据包，并将其准确的传送至岸基通信系统；
s12、在一个持续时间的资源块中，信道增益是保持不变的，但是资源块与资源块之间信道增益可能会发生变化。因此，计算第m架无人机接受来自第n艘无人船的接收功率，其计算公式如下：
其中，qn表示第n艘无人船的发射功率，
s13、假设随机信道是一个独立且均匀分布的随机变量，均值为零，方差为n0，计算第m架无人机和远处的岸基之间信道增益，即远处的岸基接收到第n艘无人船发送给第m艘无人机信号的信道增益，其计算公式如下：
其中，dm,0表示第m架无人机和远处的岸边基站的距离，αs表示路径损耗指数，
s14、基于计算的所述信道增益，进一步计算远处的岸基接收到第n艘无人船发送给第m艘无人机信号的接收功率，其计算公式如下：
s15、为了避免发生某一个无人机出现负载过重的情况，通过减少无人机与无人船信息传输中的冗余信息，避免无人船传输的信息产生重复，所以设置一艘无人船只能关联一架无人机，表示为：
上式中，若二进制变量θn,m＝1，则表示第n艘无人船与第m架无人机进行了关联；
s16、由于发射功率的限制，第m架无人机在将接收到的第n艘无人船的传感数据转发到远处的岸基通信系统时，需要考虑以下约束：
s17、由于无人机先对接收到远处无人船的信息进行解码，然后将解码的信息发送给远处的岸基通信系统，在信息解码和发送的过程中，无人船将信息传送给无人机的信噪比可以表示为
其中，
s18、计算无人机辅助通信的端到端传输速率，其计算公式如下：
其中，
具体实施时，作为本发明优选的实施方式，所述步骤s2具体包括：
s21、为了提高该通信系统在恶劣海洋环境下的监测效果，在中断概率约束条件下，将总的信息传输速率最大化的问题表示为：
其中，c1表示无人船搜集周围水文信息过程中中断概率超过额定阈值
由于p0作为一个混合整数规划问题，在该问题中涉及到二进制关联关系变量和连续型功率分配变量的求解，而且p0的目标函数是非线性的，决策变量的表示也不是十分的明确，因此以合适的计算复杂度直接找到p0的最优解是十分困难的。本发明将原始的问题分解成两个子问题，并着重于寻找一种迭代的方法来获得近似最优解。通过更新的关联关系和更新的传输速率所获得的总数据传输速率可以不小于先前的速率，并且所获得的总数据速率受到有限传输功率的限制，因此可以保证整个迭代过程是收敛的。
s22、确定二进制关联关系变量：假设给定的发射功率满足约束条件c3、c4、c5以及
上述问题是一个0-1整数线性规划问题，可以通过分支定界(bnb)算法来获得最优解。但是，在最坏的情况下，bnb算法的计算复杂度指数形式的。其实，sp1实际上是一个背包问题。为了解决该问题，设计了一种启发式算法找到近似最优解，如图1所示。
具体实施时，作为本发明优选的实施方式，所述步骤s3具体包括：
s31、计算每艘无人船与每架无人机之间的距离，引入随机无线信道条件函数，根据无人船-无人机之间的距离和随机无线信道条件得到最终的信道增益矩阵，得出无人船对无人机的喜好度排名表；
s32、基于海上无线信道恶劣环境以及无人机作为移动中继时其通信链路的弱连接性，根据无人机和无人船的数量，确定无人机关联无人船的上限，设每架无人机最多关联l艘无人船，选取喜好度度排名前l艘无人船进行关联；
s33、若有无人船关联了多个无人机，则该无人船只与自己喜好度排名表中的第一名进行匹配，并解除与其他无人机的匹配关系；
s34、若有无人机匹配无人船数超过了l，则从排名l+1的无人船开始，解除与该无人机的匹配关系，再从其他的无人机中选择喜好度排名第一的无人机进行关联，重复执行步骤s34，直到所有的无人机都不过载时结束；
s35、在给定无人机和无人船的关联关系的情况下，计算无人机和无人船的发射功率：
s36、在给定关联关系的情况下，每架无人机可以分别对与其关联的无人船进行功率控制，最大化上行链路的数据传输速率：
s37、若
s38、当满足
s39、若
s40、当满足
下面结合仿真对本发明地应用效果作详细的描述。
一、仿真条件
在仿真场景中，海洋环境的监测范围为[0，10]km×[0，10]km，如图5所示，10架无人机和30艘无人船随机部署在此感知范围内。无线信道的路径损耗参数是2.31，瑞利分布的均值为0、方差为1，莱斯分布的均值为0、方差为1。参考距离为1m，参考距离下的路径损耗为56.7db，高斯高斯白噪声功率谱密度是-87dbm/hz，带宽为10mhz，一个感知周期的长度为100ms，无人船的最大发射功率是500mw，无人机的最大发射功率是1w。
二、仿真内容与结果分析
通过与其他传输方法对比，展示所提算法的性能。
对比算法1—分支定界法：其求解信道分配最优化模型时的重点问题之一是参数处理。不过其模型的参数矩阵必须符合linprog函数的参数形式，对数学模型的要求较高。而且该算法复杂度会随着网络模型变化，在最坏的情况，其计算复杂度是呈指数形式增加的。且该算法没有考虑无人机作为移动通信中继时弱连接性通信链路问题。
对比算法2—多对一匹配算法：多对一匹配法是数目不相等对象之间的匹配关系问题，通过喜好度排名表，来进行择优选择，以数目较少的一方作为匹配的基准，以数目较多的一方作为待匹配的个体，先将数目少的一方全部匹配完成，这时数目较多的一方还有剩余个体，然后对剩余个体进行匹配，直到全部匹配完成算法结束。其选择结果更加注重匹配的稳定性，但最终的优化目标，相较于其他优化算法，并不理想。
仿真1：分析无人船、无人机的数量和无人机的发射功率对通信系统总吞吐量的影响。
从图4-6可以看出，随着无人船、无人机数目的增加和发射功率的增大，系统总的吞吐量是在不断增大的，这是因为网络规模的增大，所需传输的数据量也是不断增加的，本发明所设计的网络架构和启发式算法，可以满足网络模型的增大对数据传输速率的要求，而且从图4-6中可以看成对比算法1和本发明设计的启发式算法最终得到的通信系统总吞吐量是差不多的，但是相较于对比算法1的全局寻优，本发明所设计的启发式算法寻找匹配对象时的速度更快，而且对比算法1的计算时间是启发式算法的1000多倍。相较于对比算法2而言，启发式算法的算法性能要更好，从图5中可以看出，随着无人船数目的增加，系统所需要传输的总吞吐量是增加的，但是对比算法2计算所得到的吞吐量增长较为缓慢，而启发式算法则能够满足随着网络模型增大，激增的网络吞吐量，保证整个通信系统的信息传输速率。从图四4可以看到，随着无人机数量增加，无人船可选择关联的无人机也会增多，那么无人船可选择的信息传输链路也会增多，其可选的信道条件更好，所以信息传输的环境得到了保障，所以系统总吞吐量增长速率相较于图5增长的要更快。从图6中可以看出，由于注水算法的优越性，启发式算法的系统总吞吐量的增长速度是呈指数形式的，但是对比算法2的增长速度就相对缓慢。可以看出启发式算法的计算时间是少于对比算法2的，而且最终得到的系统总的吞吐量要远远高于对比算法2。
仿真2：分析算法的计算时间和收敛速度对算法性能的影响。
从图7-8可以看出，在启发式算法和对比算法1的收敛速度差不多的情况下，启发式算法的计算速度比对比算法1快1000多倍，这样就保证了更高的匹配效率，也就保证了更低的时延，提高了无人机作为移动通信中继处理信息的能力。而且相对于对比算法2来说，启发式算法在计算时间方面也更具优势。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
1.一种面向海洋环境监测的无人机与无人船协同的信息回传方法，其特征在于，包括如下步骤：
s1、将无线传输中的信道条件和无人机与无人船之间的通信距离对信息回传的影响统一表示为无人船对无人机分配的无线信道的喜好度，并构建成无人船对无人机的喜好度排名表；
s2、分析无人船与无人机协同信息回传时信息的传输速率，通过对无人机—无人船的关联关系和信号的发射功率的联合优化，最大化系统的总吞吐量；
s3、设计基于匹配理论的启发式算法，确定无人机—无人船的匹配关系，并基于凸优化理论进一步确定无人船和无人机的发生功率。
2.根据权利要求1所述的面向海洋环境监测的无人机与无人船协同的信息回传方法，其特征在于，所述步骤s1具体包括：
s11、获取每个无人船感知的环境信息数据包，并将其准确的传送至岸基通信系统；
s12、计算第m架无人机接受来自第n艘无人船的接收功率，其计算公式如下：
其中，qn表示第n艘无人船的发射功率，
s13、假设随机信道是一个独立且均匀分布的随机变量，均值为零，方差为n0，计算第m架无人机和远处的岸基之间信道增益，即远处的岸基接收到第n艘无人船发送给第m艘无人机信号的信道增益，其计算公式如下：
其中，dm,0表示第m架无人机和远处的岸边基站的距离，αs表示路径损耗指数，
s14、基于计算的所述信道增益，进一步计算远处的岸基接收到第n艘无人船发送给第m艘无人机信号的接收功率，其计算公式如下：
s15、设置一艘无人船只能关联一架无人机，表示为：
上式中，若二进制变量θn,m＝1，则表示第n艘无人船与第m架无人机进行了关联；
s16、由于发射功率的限制，第m架无人机在将接收到的第n艘无人船的传感数据转发到远处的岸基通信系统时，需要考虑以下约束：
s17、计算信息传输过程中的中断概率，其计算公式如下：
其中，
s18、计算无人机辅助通信的端到端传输速率，其计算公式如下：
其中，
3.根据权利要求1所述的面向海洋环境监测的无人机与无人船协同的信息回传方法，其特征在于，所述步骤s2具体包括：
s21、在中断概率约束条件下，将总的信息传输速率最大化的问题表示为：
p0:
s.t.c1:
c2:
c3:
c4:
c5:
c6:
其中，c1表示无人船搜集周围水文信息过程中中断概率超过额定阈值
s22、确定二进制关联关系变量：假设给定的发射功率满足约束条件c3、c4、c5以及
4.根据权利要求1所述的面向海洋环境监测的无人机与无人船协同的信息回传方法，其特征在于，所述步骤s3具体包括：
s31、计算每艘无人船与每架无人机之间的距离，引入随机无线信道条件函数，根据无人船-无人机之间的距离和随机无线信道条件得到最终的信道增益矩阵，得出无人船对无人机的喜好度排名表；
s32、基于海上无线信道恶劣环境以及无人机作为移动中继时其通信链路的弱连接性，根据无人机和无人船的数量，确定无人机关联无人船的上限，设每架无人机最多关联l艘无人船，选取喜好度度排名前l艘无人船进行关联；
s33、若有无人船关联了多个无人机，则该无人船只与自己喜好度排名表中的第一名进行匹配，并解除与其他无人机的匹配关系；
s34、若有无人机匹配无人船数超过了l，则从排名l+1的无人船开始，解除与该无人机的匹配关系，再从其他的无人机中选择喜好度排名第一的无人机进行关联，重复执行步骤s34，直到所有的无人机都不过载时结束；
s35、在给定无人机和无人船的关联关系的情况下，计算无人机和无人船的发射功率：
s36、在给定关联关系的情况下，每架无人机可以分别对与其关联的无人船进行功率控制，最大化上行链路的数据传输速率：
s37、若
sp4a:
s.t.c1:
c2:
s38、当满足
sp4b:
s.t.c1:
c2:
c3:
s39、若
sp5a:
s.t.c1:
c2:
c3:
s40、当满足
