潘婷

四川大学电子信息学院 四川 成都 610065

引言

在目前的研究中，WSN的空中数据收集多以UAV作为移动中继，构建为UAV-WSN数据收集系统。军事应用UAV-WSN系统时，在受限空域的场景下，对特殊使用空域，必须进行避让，任何被预测到即将进入特殊使用空域的航空器必须改航[1]。

针对受限空域下大规模地面分散节点的数据收集，通常先使用分簇算法将节点进行分簇，并选举出簇头sink节点，簇内节点将数据都汇聚到该簇的sink节点，UAV通过遍历这些sink节点来完成数据采集任务。目前，主要的路径规划算法包括A*算法、模拟退火算法、遗传算法、差分进化算法、粒子群优化算法、蚁群算法等[2]。在这些方法中，随着障碍物复杂性的增加，遗传算法、模拟退火算法、A*算法和差分进化算法的收敛速度将减慢[3]。 粒子群算法的鲁棒性稍差，最优解依赖于初始化。 蚁群算法在正反馈、鲁棒性等方面具有优势， MMAS在蚁群算法的基础上，运用了比蚁群算法更为贪婪的搜索，被证明为是最佳的蚁群优化之一。

为了减少能耗，最小化UAV飞行时间，本文提出受限空域下的UAV-WSN避障数据收集算法。

1 UAV-WSN避障路径规划

在受限空域的场景下，簇头sink节点通常分布较为分散，UAV在飞行过程中不但要完成sink节点的数据采集任务，还需要进行障碍区规避。UAV路径规划的目的就是遍历这些sink节点，基站根据这些sink节点的分布，以及障碍区的位置，计算出一条相对最短路径。本文提出一种改进的避障MMAS算法。

最开始，m只蚂蚁被放置在n个随机选择的城市上。……