地空协同场景下加权模糊聚类用户簇划分方法

doi:10.11772/j.issn.1001-9081.2023050643

《计算机应用》唯一官方网站››2024,第44卷››问题（5）: 1555-1561.内政部：10.11772/j.issn.1001-9081.2023050643

• 网络与通信 • 上一篇

地空协同场景下加权模糊聚类用户簇划分方法

黄天宇¹^,²,李远兴¹,陈昊¹(),郭紫佳¹,魏明军¹^,²

¹华北理工大学人工智能学院，河北唐山 063210
²河北省工业智能感知重点实验室，河北唐山 063210

收稿日期:2023-05-24 修回日期:2023-08-21年 接受日期:2023-08-25 发布日期:2023-08-28 出版日期:2024-05-10
通讯作者:陈昊
说唱乐介：黄天宇（1983—），男，河北唐山人，讲师，博士，主要研究方向：无人机辅助通信、区块链
李远兴（1998—），男，山东泰安人，硕士研究生，主要研究方向：无人机辅助通信、无人机基站部署策略、模糊聚类
郭紫佳（1996—），人，人，人
魏明军（1969—），男，河北唐山人，教授，硕士，主要研究方向：计算机视觉、入侵检测、机器学习、数据挖掘。
第一联系人：陈昊（1976—），男，河北唐山人，副教授，博士，主要研究方向：人工智能

地空协同场景中基于加权模糊聚类的用户聚类划分方法

黄天宇¹^,²,李元兴¹,郝晨¹(),郭子嘉¹,魏明军¹^,²

¹华北科技大学人工智能学院，河北唐山063210
²河北省工业智能感知重点实验室，唐山河北063210

收到：2023-05-24 修订过的：2023-08-21年 认可的：2023-08-25 在线：2023-08-28 出版：2024-05-10
联系人：郝晨
关于作者：黄天宇，1983年生，博士，讲师。他的研究兴趣包括无人机辅助通信、区块链。
李元兴，1998年生，硕士研究生。他的研究兴趣包括无人机辅助通信、无人机基站部署策略、模糊聚类。
郭子嘉，1996年出生，硕士研究生。她的研究兴趣包括区块链、计算资源。
魏明军，1969年生，硕士，教授。他的研究兴趣包括计算机视觉、入侵检测、机器学习、数据挖掘。

摘要/摘要

摘要：

为了解决应急通信场景下使用无人机作为空中基站进行辅助通信时涉及的无人机基站部署策略中的用户簇划分问题，在兼顾无人机基站性能和用户体验的条件下，提出一种基于特征加权的模糊聚类（改进的FCM）算法。首先，根据每个无人机基站的信号覆盖范围和最大服务用户数量的性能约束，针对随机分布条件下的用户簇在划分过程中算法计算量大不易收敛的问题，提出一种基于距离加权的特征加权节点数据投影算法；其次，针对同一用户处于多个簇有效范围内时用户划分的有效性和无人机基站资源的最大化利用问题，提出一种基于用户位置和无人机基站负载均衡的价值加权算法。实验结果表明，所提方法充分满足无人机基站的服务性能约束，且与几何分形法（GFA）、（Sp-C）等算法相比，特征加权模糊聚类算法获得的平均负载率和覆盖比是最优的，分别达到了0.774和0.026 3，因此，该算法可为应急通信场景下的用户簇划分问题提供一种可行的解决方案。

关键词: 地空协同, 应急通信, 个人信息，无人机基站部署, 用户簇划分, 特征加权, 印度C均类

摘要：

为了解决紧急情况下用于辅助通信的无人机基站部署策略中的用户集群划分问题，在综合考虑无人机基站性能和用户体验的基础上，提出了一种基于特征加权的模糊聚类算法——改进FCM。首先，为了解决随机分布条件下用户簇划分过程中计算复杂度高、收敛困难的问题，根据信号覆盖范围和最大值的性能约束，提出了一种基于距离加权的特征加权节点数据投影算法每个无人机基站的服务用户数。其次，为了解决当同一用户处于多个集群的有效范围内时，用户划分的有效性以及无人机基站资源利用率的最大化问题，提出了一种基于用户位置和无人机基站负载平衡的价值加权算法。实验结果表明，所提方法满足无人机基站的服务性能约束。此外，基于所提方法的部署方案有效地提高了系统的平均负载率和覆盖率，分别达到0.774和0.0263，高于GFA（Geometric Fractal Analysis）、Sp-C（Spectral Clustering）等。

关键词： 地空合作，应急通信，无人机辅助通信，无人机基站部署，用户集群分区，特征权重，模糊C均值聚类（FCM）

中图分类号:

TP391型

黄天宇, 李远兴, 陈昊, 郭紫佳, 魏明军. 地空协同场景下加权模糊聚类用户簇划分方法[J] ●●●●。，2024, 44(5): 1555-1561.

黄天宇、李元兴、陈浩、郭子嘉、魏明军。地空协同场景中基于加权模糊聚类的用户聚类划分方法[J]。计算机应用杂志，2024，44（5）：1555-1561。

图/表9

图1 个人信息

图1无人机辅助通信的多网络规划模型

表1 系统参数定义

表1系统参数定义

参数	含义
$N个 u个$	请求需求的基站数量
$N个第页$	请求区域内包含的用户数量
$N个 u个米一 x个$	基站最大服务用户数量
$N个 u个米我 n个$	基站最小服务用户数量
$R（右） u个米一 x个$	基站的最大覆盖半径
$d日$	基站与用户之间的距离
$N个 u个$	第 $u个$ 个基站内包含的用户数量
$R（右） o（o） u个 t吨$	请求区域内的网络覆盖率
$B类 ˜$	区域内基站的平均负载率
$d日 c（c）$	截断距离
$第页 c（c） u个$	第 $u个$ 个类的价格指标
$W公司我 u个$	根据价格指标调整后的隶属值
$λ$	用户的分布密度

表1 系统参数定义

表1系统参数定义

参数	含义
$N个 u个$	请求需求的基站数量
$N个第页$	请求区域内包含的用户数量
$N个 u个米一 x个$	基站最大服务用户数量
$N个 u个米我 n个$	基站最小服务用户数量
$R（右） u个米一 x个$	基站的最大覆盖半径
$d日$	基站与用户之间的距离
$N个 u个$	第 $u个$ 个基站内包含的用户数量
$R（右） o（o） u个 t吨$	请求区域内的网络覆盖率
$B类 ˜$	区域内基站的平均负载率
$d日 c（c）$	截断距离
$第页 c（c） u个$	第 $u个$ 个类的价格指标
$W公司我 u个$	根据价格指标调整后的隶属值
$λ$	用户的分布密度

表2仿仿

表2模拟参数设置

符号	数值	符号	数值
$λ$	0.5~2.5	$N个 u个米一 x个$	100
$R（右） u个米一 x个$	2.5公里	$N个 u个米我 n个$	50
$d日 c（c）$	$R（右） u个米一 x个$	$我 o（o）第页$	0.8

表2 仿真参数设置

表2模拟参数设置

符号	数值	符号	数值
$λ$	0.5~2.5	$N个 u个米一 x个$	100
$R（右） u个米一 x个$	2.5公里	$N个 u个米我 n个$	50
$d日 c（c）$	$R（右） u个米一 x个$	$我 o（o）第页$	0.8

图2 原始用户位置分布

图2原始用户位置分布

图三目标函数曲线

图3目标函数曲线

图4 簇划分结果

图4集群分区结果

表三对比实验参数设置

表3对比实验参数设置

符号	数值	符号	数值
$N个第页$	1 000	$N个 u个米我 n个$	50
$L（左） × 小时$	10公里×10公里	$N个 u个米一 x个$	100
$R（右） u个米一 x个$	2.5公里	$K（K）$	13

表三对比实验参数设置

表3对比实验参数设置

符号	数值	符号	数值
$N个第页$	1 000	$N个 u个米我 n个$	50
$L（左） × 小时$	10公里×10公里	$N个 u个米一 x个$	100
$R（右） u个米一 x个$	2.5公里	$K（K）$	13

表4 平均负载率对比（%）

表4平均负载率比较

算法	平均负载率	算法	平均负载率
改进的FCM	77.4	Sp-C公司	66.84
全球金融账户	68.4	等压线	65.36

表5 覆盖比对比 ( %)

表5覆盖率比较

算法	覆盖比	算法	覆盖比
改进的FCM	2.63	Sp-C公司	2.27
全球金融账户	2.33	ISODATA公司	2.22

参考文献31

1	KAZMI S H A，QAMAR F，HASSAN R，等.5G和SDN新兴移动技术联合范式综述：体系结构、安全性、挑战和研究方向〔J〕。无线个人通信，2023，130： 2753-2800.2007年10月17日/11277-023-10402-7
2	YEH C，DO JO G，Y-J KO，等.6G无线通信展望〔J〕。ICT快递，2023，9（1）：82-91。2016年10月10日/j.icte.2021.12.017
三	CHAFII M，BARIAH L，MUHAIDAT S，等.6G面临的十二大科学挑战：通信理论基础的再思考〔J〕。IEEE通信调查与教程，2023，25（2）： 868-904.10.1109/comst.2023.3243918
4	沈L-H，冯K-T，韩佐L.6G的五个方面：研究挑战与机遇〔J〕。倒排索引综述，2023，55（11）：第235号。10.1145/3571072
5	王琦，李伟，于泽，等.应急通信网络概述〔J〕。遥感，2023，15（6）： 1595.10.3390/rs15061595
6	DAW S，KAR A，TAMMA B R.关于加强5G NR V2X中的半持久调度以支持高度拥塞场景中的紧急通信服务〔C〕//第24届分布式计算和网络国际会议论文集。纽约：ACM2023： 245-253.10.1145/3571306.3571409
7	DASH B，ANSARI M F，SWAYAMSIDDHA S.人工智能和5G在定义未来无人机技术中的融合：综述〔C〕//2023年设备智能、计算和通信技术国际会议论文集。皮斯卡塔韦：IEEE2023： 312-316.10.1109/dict56244.2023.10110231
8	MAYOR V，ESTEPA R，ESTEDA A.CO-CAC：基于5G/WiFi无人机中继网络中VoIP呼叫接入控制的新方法〔J〕。计算机通信，2023，197： 284-293.2016年10月10日/j.com.com.2022.11.006
9	孟坤，吴强，徐杰，等.无人机集成传感与通信：机遇与挑战〔EB/OL〕2023-05-01］. .10.1109/mwc.131.2200442
10	刘霞，王霞，黄敏，等.按需全通信覆盖无人机基站的部署〔J〕。Ad Hoc网络，2023，140： 103047.2016年10月10日/j.adhoc.2022.103047
11	丹特拉库尔S，LIKASIRI C，PONGVUTHITHUM R.应用p‑median和p center算法求解设施选址问题〔J〕。具有应用程序的专家系统，2014，41（8）： 3596-3604.2016年10月10日/j.eswa.2013.11.046
12	CHEN L，CHEN S-J，CHEN W-K，等.求解最大覆盖和部分集覆盖定位问题的有效预解方法〔J〕。欧洲运筹学杂志，2023，311（1）： 73-87.2016年10月10日/j.ejor.2023.04.044
13	马晓云，张晓云，赵晓霞.设施选址服务覆盖优化：考虑连续需求空间中的线覆盖〔J〕。国际地理信息科学杂志，2023，37（7）：1496-1519。10.1080/13658816.2023.2193829
14	布兰科V，GáZQUEZ R，SALDANHA-DA-GAMA F.多类型最大覆盖位置问题：离散与连续混合问题〔J〕。欧洲运筹学杂志，2023，307（3）： 1040-1054.2016年10月10日/j.ejor.2022.10.037
15	沈和，江R.含Wasserstein模糊性的机会约束集〔J〕。数学规划，2023，198（1）： 621-674.2007年10月10日/10107-022-01788-6
16	BOR-YALINIZ R I，EL-KEYI A，YANIKOMEROGLU H。下一代蜂窝网络中空中基站的高效三维布局〔C〕//2016 IEEE国际通信会议论文集。皮斯卡塔韦：IEEE2016： 1-5.10.1109/icc.2016.7510820
17	夏尔马V，斯里尼瓦桑K，CHAO H-C，等.无人机在5G异构通信环境中的智能部署，以提高覆盖率〔J〕。网络与计算机应用杂志，2017，85： 94-105.2016年10月10日/j.jnca.2016.12.012
18	BOSCHIERO M，GIORDANI M，POLESE M，等.毫米波网络中无人机的覆盖分析：随机几何方法〔C〕//2020年无线通信和移动计算国际会议论文集。皮斯卡塔韦：IEEE2020： 351-357.10.1109/iwcmc48107.2020.9148550
19	张S，刘杰，孙伟.物联网多无人机辅助通信的随机几何分析〔J〕。IEEE物联网杂志，2019，6（3）： 5446-5460.2010年10月10日/星期二.192902162
20	MOZAFFARI M，SAAD W，BENNIS M，等.高效部署多个无人飞行器以实现最佳无线覆盖〔J〕。IEEE通信信函，2016，20（8）： 1647-1650.10.1109/lcomm.2016.2578312
21	SHUKLA S，THAKUR R，AGARWAL S。无人机辅助蜂窝网络中高度和发射功率调整的粒子群优化算法〔C〕//2021年IEEE第93届车辆技术会议论文集。皮斯卡塔韦：IEEE2021： 1-6.10.1109/vtc021-弹簧51267.2021.9448994
22	郭华，刘杰.无人机增强物联网边缘智能卸载技术〔J〕。IEEE工业信息学汇刊，2019，16（4）： 2737-2746.10.1109/tii.2019.2954944
23	曾毅，张荣.基于轨迹优化的节能无人机通信〔J〕。IEEE无线通信汇刊，2017，16（6）： 3747-3760.10.1109/twc.2017.2688328
24	阿泰伊H，达沃迪M.需求点位置不确定性下的p-中心问题〔J〕。离散优化，2023，47：100759。10.1016/j.disopt.2023.100759
25	CHURCH R L，DREZNER Z，KALCZYNSKI P.平面P-中值问题的推广〔J〕。运筹学年鉴，2023，326： 115-135.2007年10月10日/10479-023-05279-5
26	王磊，胡斌，陈S.无人机基站的节能布局，以实现所需的最小发射功率〔J〕。IEEE无线通信快报，2020，9（12）： 2010-2014.10.1109/lwc.2018.2808957
27	S-C NOH、H-B JEON、C-B CHAE。使用椭圆集群建立基站的多无人机节能部署〔J〕。IEEE无线通信快报，2020，9（8）： 1155-1159.10.1109/lwc.2020.2982889
28	CUI J，SHAKHATREH H，HU B，等.用于紧急室内无线覆盖的无人机节能部署〔J〕。IEEE接入，2018，6： 73200-73209.10.1109/访问2018.2882896
29	SAVKIN A V，HUANG H.部署无人机基站以实现最佳覆盖质量〔J〕。IEEE无线通信快报，2019，8（1）： 321-324.10.1109/lwc.2018.2872547
30	SOBOUTI M J，RAHIMI Z，MOHAJERZADEH A H，等.物联网基础设施中无人机小型蜂窝基站的高效部署〔J〕。IEEE传感器杂志，2020，20（13）： 7460-7471.10.1109/jsen.2020.2973320
31	个人信息D）。秦皇岛：燕山大学，2019。
	黄天勇.无人机辅助通信中无人机部署研究〔D〕。秦皇岛：燕山大学2019。

[1]	潘高峰, 樊渊, 汝玉, 郭予超.基于点线特征融合的低纹理单目视觉同时定位与地图构建算法[J] ●●●●。《计算机应用》唯一官方网站, 2022, 42(7): 2170-2176.
[2]	邱云志, 汪廷华, 戴小路.双重特征加权模糊支持向量机[J] ●●●●。《计算机应用》唯一官方网站, 2022, 42(3): 683-687.
[3]	袁芊芊，袁，芊。基于超像素快速模糊C类均值聚类与支持向量机的柑橘病虫害区域分割[J] ●●●●。计算机应用, 2021, 41(2): 563-570.
[4]	孙建军, 徐岩.基于加权改进模糊C类均值聚类的欠定混合矩阵估计[J] ●●●●。计算机应用, 2020, 40(6): 1769-1773.
[5]	王燕, 何宏科.基于邻域信息的改进模糊c（c）均值脑MRI反应[J] ●●●●。计算机应用, 2020, 40(4): 1196-1201.
[6]	董发志, 丁洪伟, 杨志军, 熊成彪, 张颖婕.基于遗传算法和模糊C WSN公司[J] ●●●●。计算机应用, 2019, 39(8): 2359-2365.
[7]	刘晓明, 沈明玉, 侯整风.基于征收飞行的萤火虫模糊聚类算法[J] ●●●●。计算机应用, 2019, 39(11): 3257-3262.
[8]	戚攀, 包开阳, 马皛源.基于模糊C类均值聚类及群体智能的无线传感器网络[J] ●●●●。计算机应用, 2018, 38(7): 1974-1980.
[9]	朱杰, 张俊三, 吴树芳, 董宇坤, 吕琳.基于多中心卷积特征加权的图像检索方法[J] ●●●●。计算机应用, 2018, 38(10): 2778-2781.
[10]	梁冰, 徐华.基于改进人工蜂群的核模糊聚类算法[J] ●●●●。，2017, 37(9): 2600-2604.
[11]	李斌, 狄岚, 王少华, 于晓瞳.基于改进核模糊C类均值类间极大化聚类算法[J] ●●●●。计算机应用, 2016, 36(7): 1981-1987.
[12]	王昱洁, 蒋薇薇.基于模糊C类均值聚类与单类支持向量机的音频隐写分析方法[J] ●●●●。计算机应用, 2016, 36(3): 647-652.
[13]	邱云飞, 刘世兴, 林明明, 邵良杉.基于分布和逆文本类别指数的特征迁移加权算法[J] ●●●●。计算机应用, 2015, 35(6): 1643-1648.
[14]	支晓斌, 许朝晖.鲁棒的特征权重自调节软子空间聚类算法[J] ●●●●。计算机应用, 2015, 35(3): 770-774.
[15]	孙娟王兵杨颖田学东.聚类分析在肺结节识别中的应用[J] ●●●●。计算机应用, 2014，34（7）：2050-2053。

地空协同场景下加权模糊聚类用户簇划分方法

地空协同场景中基于加权模糊聚类的用户聚类划分方法

RichHTML格式

PDF格式

可视化

摘要/摘要

引用本文

使用本文

图/表9

参考文献31

相关文章15

第二次会议

韵律学