面向高动态空天地一体化广播自组网的鲁棒自适应容错资源优化框架研究

《IEEE Transactions on Broadcasting》：Robust Adaptive Fault-Tolerant Resource Optimization for Highly-Dynamic Integrated Air-Ground Broadcast Ad-Hoc Networks

为解决高动态空天地一体化广播自组网中节点高速移动、共信道干扰和网络故障导致的传输可靠性差和资源利用率低的问题，研究人员开展了基于分布式混沌神经网络的鲁棒自适应容错资源优化（RAFTO）研究。通过建立空间-空中-地面广播传输模型和设计分布式局部混沌神经网络控制器，实现了频谱、功率和链路资源的实时分配。仿真和实验表明，该方法在180-210 km/h高速移动和10-12 km覆盖半径下能将广播链路稳定性提升高达60%，为空天地一体化广播网络的可靠部署提供了重要技术支撑。

　　

在智能交通、自动驾驶和应急通信等领域，空天地一体化广播自组网正成为关键基础设施。通过协调空中平台与地面节点，这些网络能够提供灵活、广域的广播传输和实时拓扑管理。然而，实际部署却面临严峻挑战：节点高速移动（相对速度可达180-210 km/h）、信道快速变化、频繁链路中断以及外部干扰，严重影响了传输的可靠性和稳定性。传统资源分配方案往往难以跟踪快速的拓扑变化，导致在高动态条件下覆盖范围和服务质量（QoS）难以保障。

针对这一难题，发表在《IEEE Transactions on Broadcasting》上的研究提出了一种名为RAFTO的创新框架。该框架基于分布式混沌神经网络，旨在解决高动态空天地一体化广播自组网中的传输稳定性、链路可靠性和高效资源分配问题。

研究人员主要运用了以下几项关键技术：首先，构建了包含低轨（LEO）卫星、无人机（UAV）集群和地面节点的三层拓扑架构，并建立了综合考虑节点移动性、链路故障和干扰的空间-空中-地面广播传输模型。其次，设计了分布式局部混沌神经网络控制器，该控制器集成了模型补偿器、基于混沌神经网络的反馈补偿器和鲁棒容错反馈路径，能够在线调整控制输出，补偿模型失配和时变不确定性。最后，通过李雅普诺夫稳定性理论证明了闭环系统的渐近稳定性，并利用MATLAB/SIMULINK仿真和真实设备实验验证了方案的有效性。

RAFTO-系统架构与建模

研究提出了一个空天地一体化（SAGI）无线广播自组网三层拓扑架构：上层由低地球轨道（LEO）卫星星座组成；中层由携带中继转发器的空中平台（如无人机）构成；下层则包括地面固定站和移动终端。上层提供广域覆盖，下行信号可传输至无人机中继或直接到达地面基站。无人机集群形成空中广播自组网，支持远距离节点间中继，并将覆盖范围扩展至地面盲区。

高动态链路对多普勒频移、恶劣天气以及指向或定位误差非常敏感。空间-空中段主要使用高速自由空间光（FSO）链路，但其易受灰尘或高湿度衰减，并需考虑大气湍流、到达角抖动和指向误差。射频（RF）链路则经历与距离平方成正比的自由空间路径损耗和快速的多普勒诱导衰落。为应对这些挑战，研究在网络节点部署了分布式智能控制模块，由混沌神经网络驱动实时频谱和功率分配，并通过鲁棒自适应策略稳定链路性能。

控制器设计与性能分析

控制器的核心架构集成了一系列先进组件。

混沌神经网络补偿器利用链路误差信号在线调整控制输出，以补偿模型失配和时变不确定性。容错反馈路径提供冗余并确保闭环渐近稳定性。自适应控制机制则实时更新神经权重和反馈增益K。通过结合自适应鲁棒控制的自整定能力、神经网络的非线性逼近能力以及容错设计的抗干扰能力，该控制器能在不确定的高动态条件下保持精确的目标跟踪和服务质量（QoS）。

研究团队通过构建李雅普诺夫函数并利用Barbalat引理等相关理论，严格证明了对于任何关联链路故障模式ρ(t) ∈ Δρ_ji^h，所设计的分布式鲁棒自适应闭环系统是一致有界的，并且系统跟踪误差e(t)渐近收敛于零。这为控制器在实际应用中的可靠性提供了坚实的理论基础。

仿真与实验测试分析

A. 仿真分析

为了验证RAFTO控制器的有效性，研究使用MATLAB2024b/SIMULINK进行了仿真测试。系统模型采用了一个一致的混沌系统，并设置了高度动态的场景参数：卫星节点速度高达27000 km/h，无人机节点速度在50-500 km/h内随机变化，地面节点速度在60-200 km/h内随机变化。

在正常运行模式（ρ_ji^h = ˉρ_ji^h = 1）下，仿真结果表明：空天地一体化无线自组网拓扑能有效跟踪理想拓扑；网络关联链路能快速跟踪理想链路状态曲线；即使在固定或低速节点与空天地网络节点之间，关联链路也能在控制器反馈下快速收敛。

在故障运行模式下，研究考虑了三种故障模型：突然中断/重启、内部执行器部件随机概率故障、无线关联链路随机概率故障。仿真结果显示，当网络遭遇故障时，在控制器的反馈调节下，网络拓扑和关联链路的等效跟踪曲线均能在短暂调整后迅速恢复到稳定运行状态，波动误差均在网络系统可控和可观测的范围内，显著提升了网络的容错能力和稳定性。

与固定分配（FA）策略、粒子群优化（PSO）算法和遗传算法（GA）相比，RAFTO控制器在吞吐量、平均信噪比（SNR）和误码率（BER）方面均表现出显著优势。特别是在节点故障概率高达50%时，RAFTO仍能维持较高的吞吐量，展现了其卓越的鲁棒性。

此外，研究还对计算复杂度进行了分析，表明所设计的控制器在保持高性能的同时，计算开销在实时应用的可行范围内。

B. 实验测试分析

为了验证控制器的实际应用性能，研究利用可编程M238自组网模块、大疆M100四旋翼无人机等设备搭建了实验平台。

实验在开阔场地进行，节点间最大传输距离为10-12公里，空地集成节点的相对速度区间为[0,280] km/h。

实验结果表明，在不使用RAFTO控制器时，当节点相对速度在[100,180] km/h范围内，三种工作状态下的拓扑稳定运行成功率会出现断崖式下降。而在加入RAFTO控制器后，系统的整体稳定性得到显著提升，出现了多个平衡稳定波动区间，拓扑稳定运行成功率最大提升达60%，整体呈现相对稳定状态。

结论与未来工作

本研究聚焦于高动态空天地一体化无线自组网系统，设计了一种基于动态混沌局部神经网络的鲁棒自适应容错控制器。仿真和实验结果表明，RAFTO框架能够有效应对高动态环境下的链路故障和资源分配挑战，显著提升广播链路的稳定性和网络整体的鲁棒性。

尽管RAFTO控制器在仿真和实验验证中均已取得显著成效，但未来研究仍有提升空间。例如，可以探索在边缘计算场景下利用深度强化学习（DRL）来增强RAFTO，以进一步提升远距离传输性能。此外，天气条件对RAFTO性能的影响也将在未来工作中进行详细研究。这项研究为空天地一体化广播自组网在高动态环境下的可靠部署和高效资源管理提供了重要的理论依据和技术支撑。