无人机蜂群中紫外光隐秘通信能耗均衡路由算法

针对复杂战场环境下无人机蜂群的任务协同要求,保证编队内可靠的路由通信尤为重要。考虑无人机携带能源有限,为了尽可能延长空中作业时间,提出一种无人机蜂群中紫外光隐秘通信能耗均衡路由算法。在无人机编队保持的基础上,结合无线紫外光散射通信特点,在路由选择过程中引入通信链路路径损耗和无人机节点剩余能量来构建链路权值函数,从而有效地平衡无人机蜂群节点的能量消耗。仿真结果表明,与其他算法相比,所提算法能够动态地选择数据传输路径,使节点的能量消耗均衡,进而延长无人机蜂群的生命周期。

不同湿度城市气溶胶对紫外光通信性能分析

使用组成城市气溶胶的基本气溶胶类型,构建了受到工业污染的城市气溶胶模型,并采用米散射计算了城市气溶胶的消光系数、散射系数和吸收系数。使用公式法对日盲紫外光直视和非直视通信模型的通信性能进行仿真分析,同时使用蒙特卡洛方法,对紫外光非直视信道的仿真结果进一步进行结果验证。仿真结果显示,相对湿度的增加对紫外光直视通信性能影响较小,但对于紫外光非直视通信来说,相对湿度增加可以改善紫外光非直视通信性能。对不同通信方式和不同相对湿度的仿真结果为日盲紫外光在大气环境中的散射通信提供了理论基础。

基于神经网络的紫外光散射湍流信道估计方法

由于紫外光在传输过程中受到散射效应和大气湍流的影响,非直视无线紫外光通信中存在严重的码间串扰和传输衰减问题。提出一种基于深度学习的无线紫外光散射信道估计方法。在深度学习模型训练阶段,利用差分进化算法优化深度神经网络(DNN),根据网络最优的输出结果准确估计出信道特性,进而在接收端对传输衰减进行补偿。仿真结果表明:与最小二乘估计相比,所提方法的均方误差提升了1个数量级,在误码率性能方面提升了2个数量级;与最小均方误差估计相比,所提方法的均方误差提升了38%,在误码率性能方面提升了78%。此外,在DNN训练过程中引入差分进化算法,可以提高网络的学习收敛速度和全局优化能力。最后改变信道模型的湍流强度,验证了所提方法在不同湍流环境下的稳定性。