基于自适应节点度差的无人机自组网分簇方法和系统

本技术涉及无人机自组网分簇，特别是涉及一种基于自适应节点度差的无人机自组网分簇方法和系统。

背景技术：

1、随着无人机集群规模的不断扩大，无人机节点间信息传输需求急剧增加，无人机网络管理面临路由复杂繁琐、维护开销高、传输时延大等挑战。此外，在通信资源短缺、环境动态对抗的复杂条件下，无人机自组网需要及时感知外部环境变化并做出最优决策，以实现通信资源的高效共享，因此，无人机自组网通信规模的不断扩大与资源有限性之间的矛盾愈发突出。

2、分簇算法通过将无人机自组网络划分为多个较小的簇单元，实现分层管理，具备网络管理高效、通信资源可复用、网络规模可扩展等优势，更适用于大规模无人机自组网场景，如执行大规模无人机编队任务。传统的分簇算法包括最高节点度分簇、最小id分簇、最低移动性分簇以及加权分簇等算法，这些算法通过节点属性来确定簇首，旨在构建合理的网络结构并提升网络性能。然而，这些算法考虑的是在理想的单信道环境下的分簇算法，但在实际应用中，由于频谱环境复杂多变、节点间的信道可用性差异显著，传统单信道分簇算法适用性受到了限制，难以充分满足当下复杂多变的无人机自组网环境需求。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于自适应节点度差的无人机自组网分簇方法和系统，旨在频谱资源有限和节点可用信道差异化的复杂环境下，动态组织大规模无人机节点以实现高效的通信与资源管理。

2、一种基于自适应节点度差的无人机自组网分簇方法，所述方法包括：

3、根据无人机自组网中各节点感知的自身可用信道集合和地理位置信息，构建无人机自组网的网络拓扑结构并获取各节点之间的连接边；

4、初始化无人机自组网的模块度与分簇结构，并计算各节点的自适应节点度差，以及计算引入多信道约束条件与自适应节点度差的节点相似度，根据节点相似度进行分簇，更新无人机自组网的网络拓扑结构；

5、循环处理无人机自组网中各节点之间的连接边，每循环一轮，连接边数量减1，直至连接边数量减为0；其中，在每轮循环中，遍历计算合并每条连接边对应的两个簇后带来的模块度增量，并记录当前循环中合并簇后模块度增量最大且存在公共信道的连接边；

6、将当前循环中的最大模块度增量添加至无人机自组网的模块度中，并合并该最大模块度增量对应的两个簇；

7、在连接边数量减为0时，输出无人机自组网的最优分簇结果。

8、在其中一个实施例中，无人机自组网的网络拓扑结构中包含个节点，频谱划分为个非重叠信道，每个节点配备有一个用于感知信道可用性的半双工的收发器，任意两节点在彼此通信范围内且存在相同可用信道时，该任意两节点可直接通信；节点之间的通信距离受限于最大通信距离。

9、在其中一个实施例中，初始化无人机自组网的模块度与分簇结构，并计算各节点的自适应节点度差，包括：

10、设置无人机自组网的模块度与最大模块度的初始值均为0，并将每个节点视为一个独立簇；

11、根据节点在信道上与通信范围内的其他节点的连接数，计算节点在信道上的节点度，表示为

12、；

13、其中，为节点总数，表示节点与节点之间的连接关系，若节点与节点在通信范围内且具有相同的可用信道，则；否则，；

14、获取无人机自组网中所有节点在信道上的节点度并求平均，得到所有节点在信道上的平均节点度，表示为

15、；

16、计算与之差的绝对值并进行归一化处理，得到节点在信道上的自适应节点度差，表示为

17、；

18、其中，表示与之差的绝对值，表示自然常数。

19、在其中一个实施例中，计算引入多信道约束条件与自适应节点度差的节点相似度，包括：

20、根据无人机自组网的多信道约束条件与节点自身的自适应节点度差对任意两节点之间的jaccard相似系数进行修正，得到引入多信道约束条件与自适应节点度差的节点相似度，表示为

21、；

22、其中，为无人机自组网中的信道总数，表示节点在信道上的自适应节点度差，与分别表示节点与节点在信道上的邻居节点。

23、在其中一个实施例中，无人机自组网的模块度为基于节点相似度的模块度函数，其计算公式表示为：

24、；

25、其中，为无人机自组网中所有节点相似度总和，与分别表示节点与节点所属的簇，表示节点与节点是否属于同一簇内，若属于，，否则为；与分别表示节点与节点与其所有邻居的节点相似度之和；表示簇内各节点间的相似度之和，为与簇内节点相连的边的相似度之和；表示簇内连接的比重，为簇与外界连接的比重。

26、在其中一个实施例中，将当前循环中的最大模块度增量添加至无人机自组网的模块度中，并合并该最大模块度增量对应的两个簇，包括：

27、将当前循环中的最大模块度增量添加至无人机自组网的模块度中，更新无人机自组网的模块度为，并合并当前循环中的最大模块度增量对应的两个簇；

28、若更新后，，将无人机自组网的最大模块度更新为当前的模块度，保存当前的分簇结果并进入下一轮循环；否则，的值不变，直接进入下一轮循环。

29、在其中一个实施例中，无人机自组网的最优分簇结果包括：簇数量、簇规模、各簇内成员以及簇规模偏差；其中，簇数量表示无人机组网中簇的总数量，簇规模表示无人机组网中第个簇中的成员数量，且；簇规模偏差定义为簇规模的标准差，用于衡量各簇之间成员数量的均衡性，具体表示为

30、；

31、；

32、其中，表示簇规模的平均值，簇规模偏差的值越小，表示簇规模的分布越均衡。

33、一种基于自适应节点度差的无人机自组网分簇系统，所述系统包括：

34、网络拓扑结构构建模块，用于根据无人机自组网中各节点感知的自身可用信道集合和地理位置信息，构建无人机自组网的网络拓扑结构并获取各节点之间的连接边；

35、初始化设置与分簇模块，用于初始化无人机自组网的模块度与分簇结构，并计算各节点的自适应节点度差，以及计算引入多信道约束条件与自适应节点度差的节点相似度，根据节点相似度进行分簇，更新无人机自组网的网络拓扑结构；

36、连接边循环处理模块，用于循环处理无人机自组网中各节点之间的连接边，每循环一轮，连接边数量减1，直至连接边数量减为0；其中，在每轮循环中，遍历计算合并每条连接边对应的两个簇后带来的模块度增量，并记录当前循环中合并簇后模块度增量最大且存在公共信道的连接边；

37、模块度更新与簇合并模块，用于将当前循环中的最大模块度增量添加至无人机自组网的模块度中，并合并该最大模块度增量对应的两个簇；

38、分簇结果输出模块，用于在连接边数量减为0时，输出无人机自组网的最优分簇结果。

39、本技术的有益效果：上述基于自适应节点度差的无人机自组网分簇方法和系统，通过考虑大规模无人机自组网的多信道特性，定义了引入多信道约束条件与自适应节点度差的节点相似度进行分簇，分簇时通过自适应节点度差可以反映节点连接情况的均匀性，使得分簇结果更加均衡，避免出现过多的极大簇或极小簇，从而引发资源竞争过度或浪费问题；进一步地，循环处理分簇后无人机自组网中各节点之间的连接边，通过动态计算合并簇后带来的模块度增量，选择最优的节点组合进行簇的合并，能够不断优化无人机组网的社团结构与整体性能，降低簇规模偏差，实现最优的分簇结果。本方法适用于大规模多信道无人机自组网通信场景，能够在频谱资源有限和节点可用信道差异化的复杂环境下，动态组织大规模无人机节点以实现高效的通信与资源管理。