面向无人机集群网络的高动态移动拓扑聚类算法：提升窄空间通信性能的新途径

《Journal of Systems Engineering and Electronics》：High Dynamic Mobile Topology-Based Clustering Algorithm for UAV Swarm Networks

针对无人机(UAV)集群在窄空间任务中因高机动性、建筑遮挡导致的通信链路中断问题，研究人员提出了一种基于高动态移动拓扑的聚类算法(HDMTC)。该算法通过链路生存概率、节点度差异、平均距离和剩余能量构建适应度函数，优化簇头(CH)选择，实现了超过4 Mbps的传输速率和200 ms的链路重连时间，显著提升了集群网络的稳定性和生命周期。

　　

在智能城市和物联网(IoT)飞速发展的今天，无人机(UAV)凭借其高机动性、快速部署和低成本优势，已成为数据收集和协同任务执行的关键技术。特别是在窄小空间如城市峡谷、室内或密集建筑群中，无人机集群能够执行搜索救援、设施巡检等复杂任务。然而，这种环境也给无人机集群网络带来了严峻挑战：空间障碍物、建筑屏蔽材料以及节点高速移动导致通信链路频繁中断，传统扁平网络协议因跳数多、延迟高而难以适用。

虚拟管(virtual tube)技术作为一种新兴的集群控制方法，为无人机集群在窄空间中的协同飞行提供了新思路。通过规划一条无障碍的虚拟管道，无人机只需避免相互碰撞及管壁接触，大幅降低了计算复杂度。但通信问题依然突出——信号衰减或完全屏蔽使得网络拓扑极不稳定，亟需一种能够适应高动态环境的智能网络管理方案。

针对这一难题，重庆邮电大学与华东计算技术研究所的陈思吉等研究人员在《Journal of Systems Engineering and Electronics》上发表了一项创新研究，提出了一种高动态移动拓扑聚类算法(HDMTC)。该算法通过构建多维适应度函数，优化簇头选择与集群维护，显著提升了窄空间下无人机集群网络的通信性能。

为开展研究，作者主要采用了以下关键技术方法：首先构建了窄空间下随机移动的无人机网络模型，引入虚拟管技术简化飞行约束；其次设计了基于链路生存概率的动态拓扑预测机制，利用连续Hello消息计算相对运动速度与方向；最后通过融合节点度差异、平均距离和剩余能量的适应度函数实现智能簇头选择，并建立了包含节点删除、新增、簇头替换和集群合并的四规则维护机制。

系统模型

研究考虑了一个典型的窄空间场景，其中N架小型无人机以不同高度随机移动，且电池电量各异。所有无人机均配备远、近距离无线通信设备。在充满障碍物的窄空间中，无人机集群常面临信号衰减导致的通信限制。为此，研究人员采用分层集群结构，将无人机组织为多个簇，每个簇包含一个簇头(CH)和若干簇成员(CM)。簇头使用低频段负责簇内和簇间通信，而簇成员使用高频段仅需完成簇内通信。

HDMTC算法设计

簇头选择

HDMTC算法的核心是构建一个包含四个参数的适应度函数：链路生存概率、节点度差异、平均距离和剩余能量。链路生存概率通过两帧连续Hello消息的位置信息预测无人机相对运动速度与方向，计算链路最大保持时间。当相对距离减小时，概率值为(de+dc)/|v_nm|t_max；增大时则为(de-dc)/|v_nm|t_max；速度为零时概率为1。节点度差异通过比较实际节点数与理论最优节点数(B₂/B₁√N)的相似度，确保集群规模合理。平均距离则考虑无人机与邻居及地面站(GS)的距离，避免过远连接不可靠。剩余能量计算综合考虑了节点作为簇头和簇成员时的能耗差异，以及飞行速度对能耗的影响。最终适应度函数为I_n = ω₁·W_n¹ + ω₂·W_n² + ω₃·W_n³ + ω₄·W_n⁴，权重各取0.25。

集群维护

集群维护机制包含四条规则：当簇成员无法接收簇头ID信息或簇头收不到簇成员Hello消息时，删除节点；新节点通过"握手"行为加入并重新计算权重；当簇头失联时，簇成员重新选择簇头；两簇簇头成为一跳邻居时，比较链路生存概率与适应度值，决定是否合并，避免不必要的网络开销。

仿真结果

连通性

在40架无人机、速度1 m/s的仿真中，HDMTC算法相比传统权重聚类算法(WCA)展现出更均衡的簇头分布和通信负载。障碍物存在时，无人机优先选择簇头作为中继节点，而非直接连接，有效提升了网络可靠性。

稳定性

通过计算集群节点数的方差，发现无人机速度越快，方差越大，拓扑更新越频繁。速度为1 m/s时，集群能更快达到稳定状态，通信路由也更可靠。

链路过期时间(LET)

比较六种算法（LIC、HCC、WCA、EMASS、ICRA和HDMTC）的LET发现，随着无人机数量增加，所有算法的平均LET均下降，但HDMTC始终保持最长LET，这得益于其链路生存概率的精准预测。

节点生命周期

HDMTC在最小节点生命周期方面表现最优。集群规模扩大虽会缩短生命周期，但该算法通过合理的簇头选择函数，显著延缓了能量耗尽速度。

实际飞行验证

在真实窄空间场景中部署四架无人机（轮距300 mm，重量1.2 kg），搭载2.4 GHz无线模块（IEEE 802.11b标准）。初始时UAV 2因节点度差异最大被选为簇头，中继UAV 1与UAV 4间通信，传输速率超过4 Mbps。当UAV 2向UAV 1移动导致与UAV 4链路生存概率下降时，HDMTC算法快速切换UAV 3为新簇头，链路重连时间仅200 ms，证明了算法在动态环境中的有效性。

结论与意义

本研究提出的HDMTC算法通过创新性地融合链路生存概率、节点度差异、平均距离和剩余能量四大参数，构建了适应高动态环境的簇头选择机制。仿真与实际飞行验证表明，该算法显著提升了集群稳定性、链路过期时间和节点生命周期，为虚拟管技术下的无人机集群网络提供了一种实用化通信解决方案。其技术优势在于降低了对GPS的依赖，充分利用Hello消息的时空信息，实现了资源优化与性能提升的平衡，为未来无人机在窄空间协同作业奠定了关键技术基础。