多机器人协作（共7篇）
多机器人协作 篇1
多移动机器人协调控制是近年新兴的研究热点.而多移动机器人协调则是多机器人控制中的基本问题。但目前的研究比较偏重于完全分布式的多机器人协作调系统, 即各个机器人结构完全相同, 拥有相同的功能, 能够完成单个任务。其主要问题是研究如何组织多个机器人进行有效地合作以很好地完成任务。
多移动机器人协作主要涉及高层的组织与运行机制问题, 即实现系统可以快速组织与重构的柔性控制机制。
本文通过对点镇定控制算法的研究, 提出通过误差消除的方法, 逐渐消除各个围捕机器人和被围捕机器人之间的距离和角度, 使得围捕机器人在运动过程中能够以不同的角度不断接近被围捕机器人, 同时避碰环境中的障碍物。当围捕机器人进入围捕区域后, 抓捕被围捕机器人, 并且阻止被围捕机器人继续运动, 完成围捕任务。
1 假设条件
本文以Microsoft Robotics Studio仿真平面上的两轮差速移动机器人的围捕控制为研究对象。Microsoft Robotics Studio是一个人工智能应用开发工具包, 主要用于机器人技术的开发, 适合学术、理论和商业研究等领域。它可以模拟真实地理环境, 以帮助开发人员开发面向多种产品的智能应用, 是在模拟物理条件的3D虚拟环境里仿真运行机器人应用程序。该软件具有简单的操作、原型化的仿真环境、逐渐逼近的进程等优点。本文假设:a.整个系统是在平面上运动。b.移动机器人车轮是无滑动的。c.移动机器人车体是刚体。d.所有移动机器人的位置、速度信息都是透明的, 围捕机器人和被围捕机器人双方都可以看到对方的瞬时位置。
2 确定优先级
由于各个移动机器人的起始点到目标点的距离不同, 造成到达目标点的时间各不相同。各个移动机器人所处的局部环境不用, 也会延长移动机器人到达目标点的时间。因此, 必须协调各个移动机器人的速度, 使得多个移动机器人到达目标点的时间基本相同, 这样才能进行有效的围捕。此外, 移动机器人之间的相互避碰以及任务的规划都需要进行协调控制。
移动机器人完成围捕任务需要完成三个子任务:避障、协调、围捕。这三个子任务的优先级是不同的, 即:避障是第一优先级, 其次是协调, 最后是围捕。
3围捕算法
点镇定控制的目的是获得是闭环系统的一个平衡点, 并且平衡点为渐进稳定的[1]。
本文采用的误差消除的方法并不直接给出期望的轨迹方程, 而是通过某些迭代算法给出一个期望的轮速序列以引导移动机器人到达期望的位姿, 既是消除围捕机器人与被围捕机器人之间的距离误差和角度误差[1]。
假定围捕机器人的位姿为 (х1, у1, θ1) , 被围捕机器人的位姿为 (х2, у2, θ2) , 运动速度为Vl, 围捕机器人撞击被围捕机器人时, 指向的目标点为 (хm, уm) 。由图1可知:
d1为围捕机器人与被围捕机器人之间的距离, d2为被围捕机器人与目标点之间的距离, α为围捕机器人与被围捕机器人之间的角度偏差, ψ为被围捕机器人与目标点的连线与x轴之间的夹角。
当被围捕机器人作直线运动时, 由点镇定控制算法公式
可以将系统动态模型描述为
当时间t逐渐趋于无穷大时, 趋近于0, 对这一问题进一步求解。围捕机器人能够围捕被围捕机器人的线速度v和角速度w分别为
其中, 。
4 仿真结果
仿真试验表明, 本文提出的方法完全可以满足移动机器人围捕和避障的需要。由于激光测距仪数据测量周期短, 而且上述的机器人围捕和避障算法的速度也较快, 所以实时性好, 效率较高。使移动机器人可以根据环境的瞬时变化做出灵活、快速的反应, 并且快速完成围捕任务。存在问题, 对于围捕算法的系数只能根据经验进行调整, 因此移动机器人在围捕过程中有时会出现倒车现象 (特别是遇到障碍物时, 容易出现倒车现象, 这时避障效果较差, 并且在实际情况下对差动电机要求比较高, 对围捕造成较大影响甚至造成围捕失败) , 并且围捕算法对追击被围捕机器人效果比较好, 当被围捕机器人突然改变方向时, 围捕角度不能及时做出调整, 影响围捕的效果。
参考文献
[1]张文志, 吕恬生, 王乐天.进化学习模糊规则实现移动机器人的自适应导航[J].上海交通大学学报, 2004, 1.
[2]谢敬, 傅卫平, 杨静.基于碰撞危险度的移动机器人避障模糊控制[J].组合机床与自动化加工技术, 2003, 2.
[3]杨明, 王宏, 何克忠, 张钹.基于激光雷达的移动机器人环境建模与避障[J].清华大学学报 (自然科学版) , 2000, 40 (7) .
[4]Brockett R W.Asymptotic Stability and Feedback Stabilization[M].Birkhauser:In:Differential geometric control theory.Boston, 1983.
[5]王巍, 宗光华.基于“虚拟范围”的多机器人围捕算法[J].航空学报, 2007, 3.
[6]毛小锋, 曹志强, 谭民, 黄琳.多移动机器人圆形队列形成算法[J].系统仿真学报, Vol.16 No.4.
[7]唐钟, 李磊民, 吴坚.合作围捕移动机器人小队的队形控制[J].攀枝花学院学报, 2002, 8.
[8]苏治宝, 陆际联, 童亮.一种多移动机器人协作围捕策略[J].北京理工大学学报, 2004, 5.
多机器人协作 篇2
近年来多机器人系统研究取得了很大进展,在很多领域取得了不错的研究成果。例如:多机器人系统的体系结构、感知与多传感器的信息融合、通信与协商、学习、运动规划、任务分配、冲突消解、碰撞规划以及系统实现等等[2]。多机器人系统可分为同构多机器人系统和异构多机器人系统。由于同构多机器人系统一般都是配备相同(或差异甚小)类型的传感器和执行器,其功能基本一致,因此同构多机器人系统可以完成的任务是很有限的。而异构多机器人系统可以弥补这一缺点。所谓异构多机器人系统,是指赋予机器不同的感知能力、不同的移动能力和不同的计算能力,在执行任务时,可以根据机器人的特有专长能力,为其分配适合的作业,机器人之间互补协同合作,使得目标任务的执行效率最高,完成质量最好。本文研究的内容正是基于异构多机器人系统的这个特点,以机器人足球比赛作为研究案例,通过任务的分解、机器人能力的建模和行为方式的控制,为异构多机器人系统执行任务提供了一种参考方案。
1 机器人简介
文中研究对象是应用于室内的,两个功能差异较大的机器人:1个人形机器人和1个轮式机器人。如图1所示,人形机器人高36cm,由17个舵机构成17个自由度。
17个自由度分别为头部、右肩、右侧上臂、右手、左肩、左侧上臂、左手、右侧髋关节、右侧大腿、右腿、右侧脚踝、右脚,左侧髋关节、左侧大腿、左腿、左侧脚踝、左脚,即所谓的“加藤一郎结构体”[3]。可以灵活地行走,以特定的角度踢球。内置了三轴加速度传感器以控制机器人的姿态。其行走的最大速度是0.3m/s。头部可360度旋转并安装一个视觉传感器用于跟踪足球。装有ZigBee无线收发模块用于执行任务时机器人之间的通信。
如图2所示,轮式机器人采用左右轮差速转向式的机械机构,即采用驱动轮差动控制,当两轮的转速不等时,机器人转向行驶;当两轮速度相等时,机器人保持直线移动。通过对左右电机的转速控制,便可实现机器人的前进、后退、转弯、原地旋转等动作[4,5]。用25.2V的锂电池作为驱动电源,最大速度可达3m/s。同样装有ZigBee无线收发模块用于执行任务时机器人之间的通信。并装配有指南针以设定进攻方向。
2 能力分析及量化
为了以最优化的效果完成任务,必须将任务进行分解,并根据多机器人系统中每个机器人的能力进行合理分配[6,7]。其中,机器人的能力主要体现在:①传感和感知能力;②移动和交互能力;③计算和规划能力;④通信能力。
2.1 足球案例中机器人的能力分析
本文研究由人形机器人和轮式机器人两个移动机器人组成的多机器人系统内部的协作。以足球比赛中的一次进攻为案例,任务是找球、跟随、踢球。为了做到在一定距离内发现并跟随足球,要求机器人通过视觉传感器感知足球并快速跟随;要能将足球以合适角度推进或踢进球门。
结合前面“机器人简介”的机器人结构和配置可知,两种机器人都具有移动能力和通信能力,但有不同的速度和物体感知能力。人形机器人装有视觉传感器,虽然有时候它也能单独完成进球任务,但由于它的移动速度比轮式机器人慢而无法很好地跟随移动中的足球;而轮式机器人的物体感知能力较弱,无法准确地判断足球的方位,两者通过无线收发模块进行通信告知对方自己当前状态及感知的数据,有利于任务的完成。例如:由人形机器人通过视觉传感器判断球的方向和位置,由轮式机器人进行跟随并根据当前位置情况决定自己推球进门或推回给人形机器人以更合适的角度踢进球门。
2.2 机器人能力量化
用r表示多机器人系统中的某一机器人,用a表示其具备的某一能力,用函数C(r,a)表示机器人r具备能力a的强弱。能力强弱的取值范围为0≤C(r,a)≤1。令k=C(r,a),如表1所示,k=0表示机器人r完全不具备能力a;k=1表示机器人r具有最强的能力a。k的取值是基于特定衡量指标的,如在某一场地上的最大移动速度。k的取值大小在多机器人系统中是相对的,在任务分配时无需精确的k值,若有C (ri,a) >C (rj,a)这一大小关系即可表示机器人i在能力a方面比j更强,可将需要能力a来运行的任务由机器人i执行。
需要指出的是,在多机器人系统中一般都采取互补和冗余的措施。互补和冗余能力可以更强化完成任务的多样性和稳定性。例如:移动能力的互补可以使一个机器人无法快速到达某一位置时由另一个机器人进行补偿。所以在某些环境下,任务不一定按照C(r,a)的取值大小作为绝对优先权来分配。
3 任务分配策略和行为控制
3.1 任务分配策略
如图3所示,异构多机器人系统中,由于机器人的能力互不相同,在执行任务T时,需要将其分解成几个作业w1、w2、w3、w4、……、wn,并按一定的策略分别分配给机器人[8]。每个作业以模块化形式相互关联,并对应有前继作业和后继作业,第1个作业的前继作业和第n个作业的后继作业均为空,图(3)中w1是w2的前继作业,w3是w2的后继作业,An表示wn运行时所需的一个或多个机器人能力,可用公式undefined表示。
从3.2:机器人能力量化分析可知,C(r,a)用于衡量机器人r在能力a方面的能力强弱。设:某一作业w运行时需要m种能力,则机器人i具备执行作业w的条件系数可用公式(1)表示:
undefined
ri表示包含n个机器人的多机器人系统中第i个机器人,i=1,2……n,aj表示实现作业w所需的机器人能力,j=1,2……m,C(ri,aj)∈(0,1],表示的是第i个机器人的能力j的强弱,若存在任一C(ri,aj)=0,即缺少执行条件,则对应机器人不被分配执行该作业。
将作业分配给完全有执行能力的机器人ri,一般原则是按u(w,i)的取值大小优先分配。当出现多个机器人同时具有相同的u(w,i)时,以任务量最小的机器人作为选择的最佳对象ropt:ropt:undefined其中:
undefined
wall表示任务T包含的作业数量,pi表示分配给机器人ri的作业数量。由以上公式可知,在作业数量一定的情况下,机器人分配到的作业数量pi越少,loadi越大,对应的i的取值即为最佳机器人ropt的编号。当出现任务量相同时,取ID号最小的机器人。
每个作业都包含以下几个特征:①唯一的作业ID;②对机器人能力的需求及完成任务所需代价;③对应的前继作业和后继作业;④当前运行状态;⑤多机器人系统的可靠性可以通过以下方法实现:⑥给后继作业传送作业执行的当前状态;⑦设定作业执行的最大时间限制;⑧当某个作业无法完成时,通过机器人间相互协调进行作业重分配。
3.2 足球案例的行为控制
在真实的动态环境中对异构机器人的复杂行为进行建模、编程及控制是一项难度较大的工作,所以行为控制的方法一般采用成熟的技术,主要能够处理实时请求事件,对机器人的行为编程和控制技术应该符合以下几点:
(1)模块化:当以模块化的方式设计机器人时,即使复杂的机器人行为也能得以有效的管理。模块化允许多个设计人员同时对机器人进行编程和开发,也支持了一个模块从一个机器人到另一个机器人上的功能重用。在模块化的基础上可以建立更为复杂的机器人行为;
(2)可移植性:机器人的行为控制技术应该要独立于特定平台或应用程序;
(3)灵活性:行为控制的类型不应受到限制。主动或被动的行为都应该具备。在本文研究的案例中,人形机器人对足球的方位进行识别,其行为属于主动行为,轮式机器人根据收到的信息决定下一步的运动,其行为属于被动行为。
图4是人形机器人执行找球任务的过程。如果人形机器人的视觉传感器识别到球,它将球的方位传送给轮式机器人,并同时开始球的盯守阶段,转动视觉传感器的角度以保持球在它的可视范围内。如果球丢失(机器人识别不到球),则开始找球阶段。图5表示轮式机器人对球的跟随过程。轮式机器人根据人形机器人传送过来的足球方位并做出相应的移动,保持球位于机器人沿球门方向正前方。
4 结束语
文中讨论了足球比赛中进攻过程这一简单案例,用了两种机器人代表多机器人系统。提出了能力分析,建模,行为控制等方案。可以对其进行扩展,推广到数量更多,种类更多的多机器人系统,用于更为完整的案例,如同时实现足球比赛中的进攻和防守。
摘要：目的是研究异构多机器人系统中机器人之间的协作过程。基于足球比赛案例,将异构多机器人系统的任务分为找球、跟随、踢球等几个作业。以人形机器人和轮式机器人作为研究对象,并赋予不同的功能,对机器人能力进行建模。讨论如何以优化的方案分配给执行任务的机器人,并建立了一种参考模型。最后,以流程图方式说明了机器人的行为控制。实践表明,由具有不同能力的机器人共同协作可以更加有效地完成任务。
关键词：机器人,异构,协作,作业
参考文献
[1]石志国,王志良,刘冀伟.异构多机器人协作系统研究进展[J].智能系统学报,2009,4(5):377-391
[2]原魁,李园,房立新.多移动机器人系统研究发展近况[J].自动化学报,2007,33(8):785-795
[3]李慕均.人形机器人研究现状及展望[J].装备机械,2007(4):6-10
[4]王桃芬,刘京城.轮式机器人结构与控制设计[J].中国科技博览,2009(12):119-120
[5]朱花,黄阁,仲卫东.轮式机器人机械结构研究[J].黑龙江科技信息,2007(10X):39
[6]张嵛,刘淑华.多机器人任务分配的研究与进展[J].智能系统学报,2008,3(2):115-120
[7]徐菊香,刘国栋,程南瑞.基于集对贴近度的多机器人能力评估[J].江南大学学报:自然科学版,2009,8(2):177-180
多机器人协作 篇3
多机器人系统的研究始于20世纪70年代。迄今为止,国内外众多高校和科研机构参与并对多机器人系统进行了广泛的研究。这些具有开创性的研究包括Fukuda等对可重构机器人的研究[1],Beni对细胞机器人的研究[2],Asama等对多机器人协作结构的研究及设计的ACTRESS系统[3]等研究工作,这些始创性的研究工作标志着多机器人协作研究领域的形成。紧随这些开创性的研究工作,多机器人协作的研究迅速发展成为机器人学研究的最主要研究领域之一,并取得了丰硕的成果。
1多机器人协作中的路径规划问题
路径规划是多移动机器人研究领域的核心问题之一,同时也是移动机器人导航中最重要的任务之一。路径规划就是在一定的环境中,在给定初始位置和目标位置后,按照某一性能指标搜索一条从起始点到目标点的无碰撞和最优路径,并满足一些机器人动态特性和几何特性的约束条件。具有复杂性、随机性、动态变化等约束性的特点。
目前,移动机器人路径规划研究的方法主要包括:1) 根据机器人工作环境进行路径规划的全局路径规划和局部路径规划方法;2) 基于事例的学习规划方法;3) 基于行为的路径规划方法等。本文主要根据机器人工作环境信息进行路径规划。
全局路径规划指的是机器人工作环境等信息已知的情况下进行路径规划,又称静态或离线路径规划;局部路径规划是指作业环境信息全部未知或部分未知,即障碍物形状、尺寸和位置等信息必须通过机器人自身传感器在线获取,所以又称动态或在线路径规划。在此基础上机器人进行路径规划时还需考虑环境信息中的障碍物是动态还是静态的,因此,综合考虑,机器人路径规划要考虑的问题包括:1) 根据得到的环境先验信息构建机器人移动路径模型;2) 在构建移动路径的时候如何达到速度和路径规划的最优,也就是在构建最优无碰路径的时候还应考虑机器人移动的实时性;3) 如是动态环境,机器人要能对动态变化的环境进行智能决策或对已规划的路径进行修改。
2全局路径规划算法和局部路径规划算法的局限性及其改进
全局路径搜索方法主要有位姿空间法、图搜索方法、遗传算法等。由于环境模型转化成图的形式更为简单、实用,因此从起始点到目标点之间的路径用图搜索方法来求取更为适用。常用的图搜索方法主要有:Dij kstra算法及其改进算法、启发式搜索算法、双向搜索算法等。全局路径规划算法在环境先验信息已知的情况下可以预先规划出一条路径最短、轨迹最优的期望路径,而后机器人沿着期望路径行走,缺点是如果障碍物时动态、随机出现的则将给机器人的行走带来很大的挑战,而局部路径规划算法的优点是可以在线规划运动路径即根据传感器的探测信息动态的规划机器人行走路径,从而更有效的进行避障,因此,在采用全局和局部路径规划是存在以下一些问题:
1) 一些路径规划方法在环境完全已知的情况下可以取得令人满意的效果,但在未知的环境中可能不再适用。如,全局规划方法需要环境的全部先验信息,这在实际应用中是很难实现的;由于该方法计算量大导致其实时性较差;一旦环境发生变化,或出现未预见的障碍,其追求的全局最优性就会失去意义。因此,该方法不适合解决在复杂、动态环境中的机器人导航问题。
2) 动态环境下的路径规划算法大都只依靠局部环境模型,很多机器人导航方法通常都采用局部的方法进行规划。该方法虽然实时性较好、机器人反应较快,但其以避碰行为为主,通常由于缺乏规划而丧失全局最优性。同时,由于该方法仅依靠局部环境信息,有时会产生局部极值点,无法保证机器人能顺利地到达目标。
3) 目前,一些规划方法在讨论避碰问题时大都只考虑了运动障碍物的速度大小,而没有考虑机器人和障碍物的运动方向等信息,这样往往会降低避碰策略的持续有效性。因此,如何设计高效的避碰策略是局部路径规划要解决的关键问题之一。
3对全局和局部路径规划方法的改进
基于全局和局部路径规划的优缺点,本文提出一种分层的路径规划模式,即采用“全局规划——局部调整”。改进算法的核心思想是:在移动机器人路径规划中,由于环境的不确定性和随机性以及传感器自身的特性,机器人在规划初期往往不能获得全部的环境信息,此时根据已知的环境信息进行离线全局规划,将其结果作为期望路径,存在机器人期望路径数据库中。随着机器人的运行,传感器探测到的环境信息逐渐增加,机器人的碰撞检测模块利用得到的局部环境信息对期望路径进行障碍物碰撞检测,然后将信息反馈给在线规划模块,在线规划模块根据策略数据库中的避碰策略进行路径优化和调整,最后通过行为选择模块给出机器人运动调整规划。从而使机器人安全、无碰又轨迹最优的地到达目标点。分层规划的结构如图1所示。在进行期望路径规划时可采用Dijkstra算法、A*等算法。
4总结与展望
多机器人协作技术研究是目前机器人研究领域的核心问题之一,虽然目前很多算法在解决机器人路径规划问题上取得了很大进展,但在很多领域和具体应用当中仍然面临挑战。比如,在机器人避障中的死锁问题等。另外机器人路径规划算法的复杂度也受机器人自由度的限制(本文所考虑问题均不考虑机器人自由度问题),而且复杂度与其算法成指数关系,因此在多机器人协作、静态动态约束下的运动、动态变化环境中的路径规划等问题还需要进一步的研究。我们深信,随着多机器人研究的逐步进展和深入,多机器人的自由、动态的运动路径规划问题将会取得令人满意的成果。
参考文献
[1]UIrich I,Borenstein J.VFH*:Local Obstacle Avoid-ance with Look-Ahead Verification[J].IEEE Interna-tional Conference on Robotics and Automation,SanFrancisco,CA,2000:2505-2511.
[2]Khatib O.Real Time Obstacle Avoidance for Manipula-tors and Mobile Robots[J].Int Journal of Robotics Re-search,1986,5(1):90-99.
多机器人协作 篇4
多机器人系统研究多个机器人组成的群体如何通过相互作用来完成一些任务。这些任务对单个机器人来说是很难或者无法完成的.多机器人之间必须相互通信,实现信息的交互,为协调或合作提供保障.而机器人在空间上的不固定性要求其采用无线通信方式。在现有的无线通信技术中,无线以太网因具备较高的带宽,被广泛的应用于机器人的控制中,但在实际应用中,受到无线信号传输距离和穿透能力的限制,其网络覆盖范围较小,只适用于近距离、开放式环境下的机器人控制。然而考虑到现有无线通信公网的带宽较小,目前这方面的研究不多,只有少量的利用GSM,GRPS[1],DAMPS和PDC无线公网远程控制机器人的有益尝试。
运用无线通信技术的最新发展成果进行机器人的远程控制有重要意义。第一:系统带宽显著增加,这将极大丰富机器人远程协作系统中的多媒体交互信息的内容。第二:数据的传输质量有了显著提高。第三:对机器人的移动速度有更好的支持。正是由于这些优点,本文在现有的基于无线以太网的机器人远程监控系统的基础上,采用B3G TDD试验平台内网联网的组网方案,重新设计了机器人与控制端之间的通信机制。
二、系统体系结构
本系统是基于B3G无线通信网络的机器人远程协作系统,采用三层结构模型,即机器人层,客户层,平台层。机器人层由各种各样的机器人组成,它通过无线网络与平台或其它机器人建立连接。客户层由处Internet上的客户机组成,通过相应客户端软件访问平台软件系统并查看和使用人机交互接口。平台层是由高性能服务器组成,在系统中主要负责对机器人系统的监控、以及任务分解和协调策略的生成,客户可以通过平台访问机器人,机器人也能通过平台向客户反馈信息,同时机器人间也能直接通过无线网络实现相互通信。除此之外,平台还对众多的机器人和用户进行统一管理,包括控制命令与反馈信息的接收与转发,动态数据的存储等功能。
三、平台与机器人的组成和功能描述
平台由高性能计算机构成,具有一个互联网固定IP地址。安装有平台管理程序和oracle数据库,主要负责整个系统的监控、任务分解、协调策略的生成,以及与机器人间的通信。无线网络接入设备通过串口连接到计算机上。
机器人,配备功能较强的单片机控制系统,对内实现各个自由度的控制,实现关节角度的调整和子机器人基本动作的控制实现;对外,实现与监控系统、其它子机器人的通讯、协调控制(较低层次的协调),同时,机器人还应配备无线通讯设备、传感器等,机器人的控制系统主要由主控规划模块和执行模块组成。主控规划模块由控制子模块、计算子模块、无线通讯子模块组成,执行模块有3类:操作臂关节执行模块、抓手执行模块和轮子执行模块。
四、系统运行原理
为了更好的阐述系统运行原理与论证上述分析,下面描述了系统运行过程的主要步骤如图1所示:
图1:系统运行原理
(1)拨号:机器人拨号建立与通讯基站间的点对点连接,为机器人提供网络接入注册、认证,获取动态分配的IP地址。
(2)互通IP:对于多机器人协作系统来说,平台是共同的控制中心,因此首先由平台公布自己的IP地址。本系统中,平台运行一个监听程序,等待机器人向它的互联网固定IP建立连接,这是“由内而外”的连接。随后,双方便将自己拨号所得的无线网IP地址以加密字符串的形式发送给对方。
(3)初始化COM通信机制:考虑到机器人本体的多样性,在本系统中,机器人与平台之间的通信采用了COM分布式技术统一封装,以屏蔽掉千差万别的细节信息。采用COM技术之后,机器人需要根据互通得到的IP首先向平台建立连接,以初始化各种COM服务和对象引用。初始化完毕之后,平台请求机器人传送各种信息流,包括基本位置及环境信息流、视频信息流等等。
(4)客户访问:互联网客户进入平台并选择机器人,请求平台显示该机器人的各种信息。
(5)下达任务:客户通过平台发出各种控制指令,而这些控制指令将以COM接口调用的形式传递给机器人。
(6)机器人将根据要完成的操作要求,选择与平台进行信息交互或是直接与其它机器人通信实现资源共享增进交流。
(7)求助信息:当机器人遇到困难时,向平台发出各种求助和异常信息,请求操作者的帮助。
五、B3G TDD试验平台概述
基于宽带无线移动的B3G TDD试验平台,研制的成功为我国移动通信技术的发展做出了卓越积极的贡献。
1、B3G TDD试验平台关键技术与实现目标
国家863重大项目“FUTURE”计划致力于B3G移动通信系统的研究,以新一代蜂窝移动通信系统为目标,重点研究高效分组数据传输。而B3G TDD试验平台系统是基于全IP、分布式、自组织的网络结构,支持全IP高速分组数据传输[2]。实现了多小区覆盖下峰值传输速率为30Mb/s~50Mb/s;在热点覆盖地区峰值速率能够达到40Mb/s~100Mb/s。
2、传输协议
ARQ(Automatic Repeat Request),即自动请求重传协议,是数据链路层很重要的一个协议。通过ARQ协议,数据链路层能在不太可靠的物理链路上实现可靠的无线数据传输[3]。
B3G TDD试验平台汲取了3GPP中绝对偏移确认及HIPERLAN中累积确认的思想[4],提出了一种在发送方加入超时定时器,并且将相对偏移和累积确认合二为一的部分窗口多拒绝ARQ协议,部分窗口多拒绝ARQ采用滑动窗口机制进行工作的。
该协议的主要工作原理如下:
(1)发送端:每发送一个数据帧要为该帧启动一个定时器,且在发送完这个数据帧后,不是停下来等待确认,而是可以连续发送若干个数据帧。如果这时收到了接收端发来的确认帧,若从发送窗口下沿开始有若干个连续的数据帧全部得到肯定确认,则进行发送窗口移动并修改发送窗口下沿,否则不对发送窗口下沿进行修改;然后对发送窗口中已得到否定确认或者发送超时的数据帧进行重传,在还有数据资源剩余的情况下,再发送新的数据帧,直到发送窗口满为止。
(2)接收端:接收端每周期收到若干个正确的数据帧后,首先判断接收窗口下沿的数据帧是否被正确接收,若被正确地接收,则更新接收窗口下沿,移动接收窗口,并将顺序达到的数据帧提交给上层,并且同时更新确认等待队列,否则不能移动接收窗口,但要更新确认等待队列;然后根据确认等待队列自适应地选择确认类型和确认方式构造确认帧,来对该周期之前所收到的数据帧进行确认。
3、试验系统设备连接
由接入点AP1、AP2组成的B3G无线接入网采用基于IP的高速分组网络实现网络层互联,接入网通过千兆以太网经网关或路由器后接人IP广域网或Internet。AP与射频近端之间的基带信号采用射频同轴电缆连接,射频近端与远端之间采用光纤传递模拟中频信号。机器人的无线通信模块通过射频同轴电缆连接到射频前端和天线阵。AP1与AP2之间通过授时型GPS实现基站同步。
六、实验方案
为了验证上述方法的可行性和有效性,对该系统进行了仿真测试。测试中所使用的移动机器人以两轮差分式驱动,配备有位置编码器、声纳传感器、以及视觉、听觉和触觉传感器,还配有简单的机械手。在其上开发了本地控制和信息采集,以及交互的程序[5]。平台为一台性能较高的服务器,具有一个互联网固定的IP地址,其上运行上述的平台控制程序,并安装有Oracle数据库。客户通过上网建立与控制平台的连接,并通过平台向处在不同地点的两个机器人传达任务命令[6]。
在客户的监控下,机器人A通过其自带的车载摄像头拍摄场景图像并把图片发送给控制平台,机器人B绕半径为2米的圆圈行走。结果显示机器人A与B都顺利快速的完成了指定的任务。实验结果说明B3G技术能更好的满足机器人远程协作中对视频传输的要求,有力的提高了信息交互的容量和质量。
七、结束语
机器人的移动性决定了系统必须采取无线通信的方式,而通信机制是影响系统性能的一个重要因素,它与多机器人的协调机制紧密联系在一起的。为了提高机器人的无线通信模块的工作性能,本文利用B3G TDD试验平台开展移动机器人的远程协作系统研究无疑是个有益的尝试,并通过仿真测试验证了该设计方案是完全可行的,并且能保证数据无线传输的高效性。
参考文献
[1]乔卓,姚辰,李小凡.利用GPRS系统控制移动机器人的方法研究[J].机器人,2005(6):507—5l1.
[2]尤肖虎.国家8 6 3计划未来移动通信总体专家组.未来移动通信技术发展趋势与展望[J].电信技术,2003(6):14—17.
[3]H.Minn,M.Zeng,V.K.Bhargava.On ARQ scheme withadaptive error control[J].IEEE Trans.Veh.Tech.,vol.50,no.6,pp.1426-1436,Nov.2001.
[4]Q.Liu,S.Zhou,G.B.Giannakis.Cross-layercombining ofadaptive modulation and coding with truncated ARQ over wirelesslinks[J].IEEE Transactions.Wireless Commun.,submitted Dec.2002.
多机器人协作 篇5
协作学习是学生为达到共同的学习目标并最大化个人和他人习得成果而一起经历各种变化,共同进取的一切相关行为[1]。计算机支持的协作学习即CSCL,结合计算机支持的协同工作CSCW和协同学习CL的理论与方法,利用计算机技术多媒体和网络来辅助和支持协作学习。分布式人工智能技术(DAI)和多代理系统(MAS)为智能化、交互性强的远程教学模型的建立提供了技术支持和理论基础,也是当前研究的热点。目前也出现了不少远程教学协作模型如基于Web的ICAI模型、基于智能Agent的网络协作模型等,但这些模型通常存在一些缺陷,如智能化不足,无法根据不同学生的个性特点做到因材施教;缺乏交互性,系统通常是以呈现教学内容为主,不能很好地进行协同学习等。
2基于多Agent的远程教学协作学习模型的建立
针对目前CSCL系统的不足,我们引入了学生Agent、教师A-gent、系统管理Agent、任务管理Agent、角色Agent和资源访问A-gent等多个智能代理,建立一个新的基于多Agent的网络协作学习模型。在本模型中我们采用经典的B/A/S结构,即浏览器Browser/代理Agent/中心服务器Server结构。这种结构使得模型内各层之间在功能上相对独立,各自完成不同的任务便于系统的设计开发和管理[2]。
2.1系统的三层体系结构
图1为模型的三层体系结构。
第一层是基于浏览器的远程教学系统用户界面,使用普通的浏览器,是“瘦客户机”型。Web浏览器作为客户层,提供图形用户界面,负责与用户进行交互。它通过HTTP协议从应用层的Web服务器下载超文本页面,同时下载并执行内嵌在页面中的Java applet。这些Java applet中CORBA客户对象通过内部通信机制同协作管理层的Agent对象进行互操作,并能够访问数据层的数据库对象,以协同完成客户请求。运行在用户层的是学生Agent和教师Agent。
第二层是协作管理层,是由Web服务器和应用网关组成。它是整个模型的核心层次,运行在该层的四个主要的Agent:系统管理Agent、小组协作Agent、任务管理Agent、角色管理Agent。当成员登陆进入系统参与协作学习时,这些Agent在各自职责范围内发挥作用,保证协同工作的正常进行。
第三层是CORBA对象能访问的所有教学资源库,包括系统所用到的所有数据、知识库各种数据模型库。
2.2系统中各类Agent的结构
2.2.1学生Agent
学生Agent:指参与协作学习的个体Agent,是协作小组Agent的组内成员。学习者以学生身份登陆系统以后会自动生成一个学生Agent,当学生进行自主学习或协作学习时,学习者Agent会记录下学生的一些特征如学习水平、知识接受能力、思维倾向等并记录到相应的参数库。系统感知功能的实现也是在学习者Agent中完成的。学生Agent的内部功能结构如图2所示。
2.2.2教师Agent
教师Agent:提供所开设课程的学习资料、维护学科领域知识库、协作任务列表的发布、解答学生的疑问等。
2.2.3系统管理Agent
系统管理Agent是整个系统的核心。协作小组形成以后,每个协作学习组用一个协作小组Agent进行协作管理,各个协作小组Agent通过系统管理Agent实现组间协作,系统管理Agent管理的任务:1)主动查询各小组协作Agent的状态,收集小组协作Agent的信息;2)接收来自小组协作Agent的请求或结果汇报;3)维护小组模型;4)将有用信息在系统中进行广播;5)组织小组协作Agent完成协作任务等。
2.2.4小组协作Agent
小组协作Agent:小组协作Agent负责小组内学生的协作以及小组间Agent的通信,主要用于管理协作成员的加入与撤离,小组内共享信息的发布,各Agent之间的协调、协作冲突的检测、消除,维护协作信息库等。1)监控小组内学生的协作学习情况;2)小组模型的维护;3)向系统管理Agent发送请求或接收来自系统管理A-gent的信息,或主动发起对系统管理Agent的信息查询;4)向组内学生发送信息:5)对系统中的角色管理Agent,任务管理Agent进行协作管理。
小组协作Agent的结构如图3所示。
2.2.5任务管理Agent
任务管理Agent主要负责将协作学习小组的总问题进行分解,生成原子任务并建立协作学习的任务模型,按照任务分配优化原则在组内进行任务分配。任务管理Agent的结构如图4所示。
2.2.6角色管理Agent
用户登陆后,将请求或学习任务提交给用户Agent,用户A-gent将信息提交给角色管理Agent,得到相应的角色和权限。角色管理Agent的主要任务:1)根据用户注册登陆情况,对用户进行初次角色分配;2)对角色模型进行维护;3)据协作学习模式对角色进行组合;4)根据用户协作学习情况,动态调整角色分配。
2.3角色机制在模型中的应用
在本模型中共定义了三中角色,教师、学生和管理员,分别拥有对应的权限。如学生对于数据库(课件库、答案库、试题库等)拥有读的权限,教师则拥有读与写的权限。对协同规则库,教师和学生都没有读写权限。为了对协作学习过程中的网络通信、协作活动进行控制,引入了管理员角色。多个用户可以对应同一个角色,一个用户也可以拥有多个角色。例如教师可以拥有教师角色和学生角色两种角色,在协作备课时就是担任学生角色。
2.4模型中同步协作学习过程分析
本论文中,针对一个组内的协作学习情况讨论各类型的Agent的协作过程如下:
1)用户以不同身份登录后,系统自动对应产生一个用户Agent(学生Agent、教师Agent或管理员Agent),角色管理Agent已经对用户进行了初次角色分配,分别对应不同的操作权限。
2)一系列具体的任务是由教师Agent给出的,一个任务是由一个协作小组来完成。
3)任务列表给出以后激活系统管理Agent,系统管理Agent被触发获得消息后,以“broadcast”的方式通知每个用户Agent协作学习活动的开始,并组织用户Agent进行小组的选择和划分。对于系统管理Agent,输入的数据是教师发来的任务列表或是系统推荐的协作任务列表,输出的数据是总的协作学习任务列表。
4)用户Agent可以被邀请和主动申请加入某一项小组协作活动。当有其他成员申请加入该协作小组时,小组协作Agent检查成员是否有权限和能够参加自此协作活动,如果同意以后可以加入协作,如果不同意加入,则返回拒绝信息。
5)用户在登陆成功时角色管理Agent已经对用户进行了初次角色分配,根据用户协作学习的情况可以对其进行角色的调整。例如教师进行协同备课时,则是以学生的角色参与协作。小组协作Agent向角色管理Agent发出角色调整的指令,输入的数据是角色模型,学生模型,小组模型,输出数据是角色和学生的映射表。
6)小组成组以后,小组协作Agent通知任务管理Agent进行任务的分解,任务管理Agent执行任务分解,分解的规则参照预先设定的知识库。任务分解以后,任务管理Agent根据任务分配优化算法进行任务推荐分配,完成以后向小组协作Agent回送任务模型和推荐分配列表。任务管理Agent输入的数据是来自小组协作Agent的总任务和学生模型,输出的数据是给定协作学习总任务的子任务表,即任务模型和对应的分配推荐列表。
7)小组协作Agent根据任务管理Agent回送的任务模型和分配推荐列表在小组范围内协调进行任务的分配。
8)最后是任务的执行和结果报告。在规定的时间内,小组成员完成了各自的任务,把结果递交给小组协作Agent,小组Agent根据任务完成的时间和质量对学生Agent进行评价并写入学生模型库。
3系统的实现方案和通信机制
为了实现系统的平台无关性,我们可以采用Java与CORBA相结合的技术。CORBA和Java都是采用面向对象技术,可以很容易地使用Java语言开发CORBA应用。Java语言因其具有动态性、分布性、多线性、与平台无关性和它在分布异构环境中面向对象编程方法和对象序列化、映像API和远程方法调用RMI等优点,最适合该系统的特点[3,4]。Java2平台提供的ORB(Object Reques Broker)可以和任何遵从CORBA规范的ORB互操作,Java Intelligent Agents Library提供了智能Agents的组件,它完全由Java实现。Java Agents Template(JAT)中允许人们通过接口定义好的浏览器和Agents交互,在JAT中允许多个用户浏览器连接到多个Agents。Java IDL(Interface Definition Language)可实现网络上不同平台的对象相互之间的交互,该技术基于CORBA规范。在代理通信上,我们采用KQML(Knowledge Query and Manipulation Language)。
4结束语
本文结合Web技术和多Agent技术建立了一个远程教学协作学习模型,给出了模型的体系结构,并对其中几个重要的Agen的功能结构进行了描述。该模型具有个性化、智能性、交互性、多角色的特点,具有很好的实用性。
参考文献
[1]黄荣怀.基于Web的协作学习系统[J].中国远程教育,2001(5):42-79.
[2]王益军,赵建民.基于多Agent的网上教学系统模型的研究[J].计算机技术与发展,2006,16(8):208-210.
[3]李拥军,王惟言.基于多Agent网际实时教学系统的研究和实现[J].计算机工程与应用,2003,39(18):181-183.
多机器人协作 篇6
关键词：多用户,多输入多输出,中继
无线通信系统中的一些新业务增大了对移动通信系统容量的要求,且原有通信系统中资源不足的现象将更趋严重。针对频谱资源的有限性,如何有效地提高频谱和功率的利用率是一个亟待解决的问题,这方面有两个主要的研究进展。
第一个是近十年来得到充分发展的多输入多输出(MIMO)通信技术[1,2]。它是利用空间资源实现高速率链路传输的一种有效方式,能够在不增加额外频谱和功率的情况下显著增加通信系统的传输速率和可靠性,被公认为是下一代移动通信中的关键技术之一。目前,已经有不少关于点对点的单用户MIMO系统的研究。在实际应用中,系统往往需要一个基站(BS)同时和多个移动台(MS)进行通信。因此,有关点对多点的多用户MIMO(Multi-user MIMO)系统的研究也就应运而生。多用户的多天线配置带来许多好处:多天线具有的分集增益可以提高误比特率性能,多天线的复用增益使多用户的信道容量域扩大。
另一个研究进展是基于网络结构中引入中继(Relay)的协作通信的研究,以及它与MIMO链路技术的融合[3]。在蜂窝网中加入中继,并在链路传输及调度中引入协作通信的思想和基于中继的分布式处理技术,被认为可以在不明显改变骨干网络结构的同时显著提高网络传输性能,解决或部分解决蜂窝网存在的问题。研究表明,基于中继的无线通信网络结构可以有效地降低由于路径损耗所造成的功率资源的浪费,提高频谱利用率,并可利用自组织Ad hoc网的多跳连通思想提高网络的抗毁性能,所以基于中继的网络结构及其协作分集和协作多路技术得到了国内外学者的广泛重视。
1多用户MIMO系统
实际应用中基站需要同时与多个用户通信,由于基站是采用多个天线,因此当用户也配备多根天线时,则基站到每个用户都构成一个MIMO信道,此时的系统称为多用户MIMO系统[4,5]。
1.1系统模型
如图1所示即为多用户MIMO系统模型。上行链路被称作MIMO多址接入信道(MAC),下行链路则为MIMO广播信道(BC)。
1.2下行多用户MIMO
当基站将占用相同时频资源的多个数据流发送给同一个用户时,即为单用户MIMO(SU-MIMO);当基站将占用相同时频资源的多个数据流发送给不同的用户时,即为多用户MIMO(MU-MIMO)[6]。基本上有两种实现MU-MIMO的方式,其主要差别是如何进行空间数据流的分离。一种方式是采用每用户酉速率控制(PU2RC)方案,另外一种是采用迫零(ZF)波束赋形方案。
如图2所示,在PU2RC方案中,数据流的分离是在接收端进行的,它通过利用接收端的多根天线对干扰数据流进行抵消(Canceling)和陷零(Nulling)达到分离数据流的目的。
相反地,如图3所示,在ZF波束赋形方案中,空间数据流的分离是在基站进行的。基站利用反馈的信道状态信息,为给定的用户进行波束赋形,并保证对其他用户不会造成干扰或者只有很小的干扰,即传输给特定用户的波束对其他用户形成了零陷。此时,理论上终端只需要使用单根天线就可以工作。
1.3上行多用户MIMO
与下行多用户MIMO不同,上行多用户MIMO是一个虚拟的MIMO系统,即每一个终端均发送一个数据流,但是两个或者更多的数据流占用相同的时频资源,这样从接收机来看,这些来自不同终端的数据流可以被看做来自同一个终端上不同天线的数据流,从而构成一个虚拟MIMO系统。
当终端存在两根或者更多根天线时,可以将MU-MIMO与传输天线选择结合起来使用。
2 中继协作的多用户MIMO系统
考虑一个由多对用户同时进行通信的情景,每个用户都配备多天线,如图4所示。图中起中继作用的可以是协作的用户,也可以是附近的中继站。在源端,S1,…,SL相互协作,可以起到发射分集的作用,在目的端,D1,…,DL相互协作,可以起到接收分集的作用;在中继部分,起中继作用的各用户或者中继站也相互协作,因此,能充分区分开各用户之间的干扰,而在下行部分,可以根据信道的完全状态信息或部分信道状态信息,采用分布式的波束形成或者分布式的统计波束形成来抑制多用户干扰。
对于这样的通信情景,可以根据参加中继的中继站个数来分别设计协作方案:
(1)没有中继站参与。这种情况对应于在同一个中继站范围之内只有用户参与协作来传输数据的情况。中继站根据收集到的信息,决定哪些用户参与中继协作,转发发射端的数据,此时的中继站并不参与协作,只是起到控制作用。
(2)有一个中继站参与协作。这种情况对应于在同一个中继站覆盖范围内有用户参与协作,同时中继站也参与协作的情况。中继站不仅根据收集到的信息,决定哪些用户参与中继作用的协作,而且还参与与用户的协作,共同协作传输发射端的数据。此时的中继站参与协作,不仅起到控制作用,而且还参与协作,转发信息。
(3)有多个中继站参与协作。这种情况对应于在不同中继站覆盖范围内有用户参与协作同时也有中继站参与协作的情况,即跨中继站协作。这时,需要基站来调度参与协作的中继站,同时协作中继站决定哪些用户参与中继作用的协作。
3 仿真与性能分析
考虑这样一个简单的中继协作多用户MIMO系统。有两个配备两根天线的用户A1和A2分别要发送数据到另两个配备两根天线的用户B1和B2,A1A2和B1B2之间有一个收发天线数均为N的中继站R。
当N=4时,A1A2和B1B2通过中继站R进行通信的SER性能曲线如图5所示。
由此看出,我们可以在保证系统稳定性的情况下,利用中继站改善系统的覆盖能力,降低由于路径损耗所造成的功率资源的浪费。
既然增加中继的两跳传输可以保证系统的稳定性,那就可以考虑当中继站配备不同天线数时,考查一下系统的性能改变情况。如图6所示即为当上述用户A1A2和用户B1B2在中继站配备的收发天线数分别为2根、4根和8根的情况下,中继端的SER性能比较。
可以看出,当中继站的收发天线数增加时,系统的SER性能可以得到明显的提高。所以实际系统中,可以考虑在不显著增加系统复杂度的前提下,通过增加中继站的收发天线数,来提高系统的性能。
4 结束语
作为下一代无线通信系统的一种典型应用场景,多用户MIMO系统越来越得到人们的重视。相对于单用户MIMO系统,它所需要考虑的问题更为复杂。而基于中继协作的多用户MI-MO系统也具有很多的优势,可以大幅改善现有网络的性能,增加现有蜂窝网的覆盖范围,是未来无线通信网络的发展方向。但实际系统信道的变化,信道估计的误差、反馈时延等因素会使用户间干扰无法完全消除,而中继站的设计建设过程中,也要考虑其复杂度和完成的功能之间的折衷。这些问题都对基于中继协作的多用户MIMO系统的研究、设计和应用形成挑战,有待进一步深入研究。
参考文献
[1]Paulraj A,Na bar R,Gore D.Introduction to Space-Time Wireless Communications.UK:Cambridge University Press,2003:199~216
[2]Tse D,Viswanath P.Fundamentals of Wireless Communication.UK:Cambridge University Press,2004:554~564
[3]Nicholas L J,Gregory W W.Distribution space time coded protocols for exploiting cooperative diversity in wireless networks.IEEE Transaction on Information Theory,October2003,49(10):2415~2425
[4]陈旭彬,杨大成.多用户MIMO:下一代移动通信关键技术.移动通信,2007,(10):101~104
[5]常永宇,宋扬.下一代无线通信系统的多用户MIMO技术.现代电信科技,2006,(7):50~53
无线网络终端协作多播技术研究 篇7
金融时报曾报道:在伦敦奥运会期间, 利用移动终端来收看NBS与BBC在线比赛视频的用户分别占其线上用户的45%与41%。除了收看电视直播节目外, 多媒体广播多播还可用于设备的固件或者操作系统升级、应用升级、网站高点击率视频的推送、动态交通信息提醒、群组会话等多种用途。
多媒体广播多播业务的高需求对网络容量提出了挑战, 这就要求网络设计者们不断研究各种新的技术来满足日益增长的容量需求。在众多提高容量的技术途径中, 协作通信技术因其能使系统获得可观的性能增益、提供均衡的服务质量的特性, 获得了研究者的广泛关注, 将协作通信技术应用于多播传输中, 成为了一个新的研究方向。
1 终端协作多播技术
1.1 协作通信
协作通信利用网络中的终端帮助转发源节点发送的信息来扩展覆盖范围或者实现分集, 提高网络性能。为了完成协作通信, 需要解决3个问题:选择合适的协作节点、确定协作时机和选择协作方式。协作节点即为参与协作的中继节点或称为伙伴节点;协作时机指协作节点在什么时候参与协作, 分为3类:固定协作、动态选择协作和增量协作;协作方式指中继节点对从源节点处接收到的信息的处理方式, 可分为放大转发 (Amplify and Forward, AF) 、解码转发 (Decode and Forward, DF) 和编码协作 (Code Cooperation, CC) 。协作通信系统如图1所示, 在系统为源节点S选择协作伙伴R后, 源节点S向目的节点D与协作伙伴R发送信息, 此为协作通信第一阶段;第二阶段, 协作伙伴R将接收到的源节点信号经过一定处理发送至目的节点D, 目的节点将两次接收到的信号以特定方式合并后解调解码获得源信息。
选择适当的协作节点、协作时机与协作方式能使系统得到较高的性能增益, 包括分集增益、复用增益以及路损增益, 这些增益可以转化为传输功率的降低、系统容量的提高以及小区覆盖范围的扩大。其次, 通过协作还能使系统获得均衡的服务质量, 在传统系统中, 处于小区边缘和阴影衰落的用户会遇到容量或覆盖问题, 而中继可以平衡小区边缘和小区中心的差异, 从而为所有用户提供一致的服务质量 (Qo S) 。当然协作通信也有缺点, 首先是调度复杂, 虽然调度具有单个协作中继节点的链路容易, 但随着系统中用户和中继节点的增多, 这将很快变为一项极其复杂的工作。其次, 协作需要严格同步、保障安全性, 因此开销增加。再次, 确定最优的中继传输和协作对象是一项复杂的工作。此外, 协作还带来了端到端延迟增加、更多的信道估计等。
1.2 协作多播
多播的首要特征是多个用户在同一信道上接收相同的业务, 这多个用户成为一个多播组, 例如正在收看同一移动电视频道的用户便属于同一个多播组, 多播组的数量便等于这个电视业务的频道数量。由于用户分布在不同的位置, 并且因为无线信道的时变特性, 不同用户经历着不同的路径损耗与衰落, 因此为同一个多播组内的所有用户提供一致的业务质量是一项挑战。在3GPP (The Third Generation Partnership Project) 的增强型多媒体广播多播业务e MBMS (Enhanced Multimedia Broadcast Multicast Service) 标准中, 基于LTE中自适应调制编码技术 (AMC) , 通过提供多播组内所有用户能满足的最低速率来完成多媒体业务的发送。因此, 多播组内信道条件最差的用户成了吞吐量的瓶颈, 尤其是在大部分用户均有较好信道条件, 而小部分用户远离基站或者处于深衰落情况时, 基站将以低速率发送业务来满足信道用户的Qo S需求, 资源利用率将严重降低。
所谓协作多播便是利用多播组内成功解码多播信息的用户, 作为中继转发多播业务至其他组内用户。与点到点的协作通信技术将信息发送分为两跳一样, 协作多播传输也将多播分为2个阶段:第一阶段 (Phase I) 源节点 (如基站) 发送多播信息, 第二阶段 (Phase II) 被选择出的中继节点转发多播信息。以蜂窝网为例, 如图2所示, 协作多播简要流程如下:
(1) 测量多播组内所有用户的信道质量CSI, 即信道估计过程;
(2) 基站确定覆盖率C, 即根据所有用户的CSI选择适当的发送速率R1和功率P1, 使得多播组内的C×100%用户在第一阶段能成功解码接收到业务;
(3) 通过某种协作中继选择策略, 在所有第一阶段成功收到业务的用户 (称为成功用户Us, 图2中的浅色终端) 中选择出一个或多个用户作为协作中继Ur;
(4) 多播第二阶段, 协作中继Ur以特定的速率R2和功率P2发送多播业务;
(5) 第一阶段未成功解码接收多播业务的用户 (称为失败用户Uf, 图2中的深色终端) 将2个阶段接收到的信息以特定方式合并, 解码解调获得源信息。
其中发送速率需满足:R1·T1=R2·T2, 协作多播消耗总功率为PbsT1+E (m) PueT2, 其中T1、T2为分配给多播2个阶段的时间, Pbs与Pue为基站与协作中继的发射功率, E (m) 为协作中继数量, 各值的物理意义如图3所示。
通过协作, 可以很好地解决多播吞吐量的瓶颈问题。它将原来的单跳通信转化为两跳, 单跳通信时与基站间链路质量差的用户通过协作可以获得较好的链路质量, 从而实现吞吐量的提升。
2 协作多播技术研究现状
通常, 评估某个多播业务的性能指标包括:公平性、吞吐量和可靠性。协作多播的研究目的是在不增加频谱资源消耗且保证公平性的前提下, 提高系统吞吐量;或者在不增加频谱资源消耗与不降低系统吞吐量的前提下, 减少系统的消耗功率。基于这两种目的, 研究者们从以下几个方面对协作多播展开研究。
2.1 协作方式
由于在协作多播传输中, 只考虑多播组内的用户间相互协作, 因此在协作方式的选择上只考虑解码转发 (DF) 与编码协作 (CC) 2种方式。
2.1.1 编码协作
2006年, Aitor del Coso和Osvaldo Simeone首次提出了空时编码协作多播协议 (Space-Time coded cooperative multicasting Protocol) , 即将协作通信中的空时编码协作扩展至多播传输中[1]。根据协议, 第一阶段源节点将信息发送至信道条件较好的多个用户;第二阶段这多个用户以分布式空时编码 (DSTC) 的方式将已接收的信息重新编码, 联合发送至其他用户。Aitor和Osvaldo详细分析了在有限覆盖范围网络下, 这种二阶段空时编码协作多播协议的性能, 并将其与非协作多播进行了对比。结果表明, 随着用户数量的增加, 空时编码协作多播协议的系统中断容量 (Outage Capacity) 逐渐上升, 而非协作多播系统中断容量逐渐下降;随着发送信噪比的提高, 不论是否协作, 其系统中断容量均提升;协作多播系统中断容量只在低发送信噪比区 (<15 d B) 优于非协作系统, 这是由于空时编码协作是基于解码转发机制的, 而解码转发机制在高信噪比时效率较低。
2.1.2 解码转发
2009年, Fen Hou和Lin X.Cai中提出IEEE802.16网络下多媒体业务的协作多播调度机制[2], 该机制利用多播组间的多信道分集与多播组内的用户协作, 使得系统相较于传统非协作802.16网络获得了更高的吞吐量;其次, 通过考虑多播组间的归一化相对信道条件并以此来调度多播组, 获得了较好的公平性。
文献[2]首次提出了商用蜂窝网络下的多媒体业务协作多播策略, 给出对所研究协作多播机制的分析模型, 并研究了为使网络吞吐量最大化该如何设置协议关键参数。结果表明, 通过协作, 不论是多播组的吞吐量, 还是用户吞吐量都较传统多播机制有多于一倍的提升, 且通过考虑多播组间的归一化相对信道条件的组间调度, 不仅能提升网络吞吐量, 还能保证组间的公平性。
除了吞吐量与公平性, 功率消耗也是一个非常重要的性能关注点。文献[2]仿真结果表明当多播组内用户小于15时, 协作多播的功率消耗要小于非协作情况;随着多播组成员的增加, 第二阶段参与协作的用户增多, 这导致了功率消耗逐渐增加, 而非协作多播由于始终只有基站在发射信号, 功率消耗不变。当多播组成员达40个时, 功率消耗是非协作的1.7倍, 而吞吐量的提升达到了10倍。
2.2 低功耗协作多播与协作中继选择
如果不限制在多播第二阶段参与协作的用户数, 或者不对其进行功率控制, 那么系统的功率消耗相较于传统非协作情况会有一定的提升。虽然增加的功耗能带来吞吐量的提高, 但是研究者们仍想在保证吞吐量的前提下尽量减少不必要的功率消耗, 于是提出了多种低功耗协作多播 (Energy Efficient Cooperative Multicast, EECM) 策略, 这些策略里均包含了对协作中继的选择, 并在此基础上对每个协作用户进行功率控制。
文献[3]在文献[2]的基础上提出了3种协作中继选择策略, 以减少协作多播的功率消耗:
(1) 最近邻居节点发现协议 (Nearest-Neighbor Discovery Protocol, NNP) 。该协议假设基站知道所有用户的地理位置, 在Phase I结束后, 选择距离失败用户最近的成功用户作为协作中继。系统根据用户的移动频率周期性地执行NNP协议。该协议相较于文献[2]的所有成功用户参与协作策略, 减少了协作中继的数量, 降低系统功耗。
(2) 传输半径协作中继选择算法 (Transmission Radius RA Selection Algorithm) 。该算法选择传输半径内具有最多失败用户的成功用户作为协作中继。相较于NNP协议, 进一步减少了协作中继的数量, 避免了每一个失败用户均有一个协作中继的极端情况。
(3) 基于用户间链路CSI的协作中继选择算法 (SS-SS Inter-link CSI RA Selection Algorithm) 。该算法统计所有成功用户与失败用户之间的实时信道状态信息并将其反馈给基站, 基站根据这些信道状态信息选择传输范围内有最多失败用户的成功用户作为协作中继。
仿真结果表明, 所提出的3种协作中继选择策略相较于文献[2]能有效地减少系统的功率消耗, 但可靠性有所下降, 随着多播组内用户数增加, 可靠性逐渐趋于一致。
文献[4]提出了一种功率受限的低功耗协作多播策略, 该策略含3个步骤: (1) 根据用户的长期信道条件确定协作多播两阶段的发送速率; (2) 根据受限的功率消耗确定第二阶段的协作中继数量; (3) 根据最小信噪比 (Minimum-SNR) 准则从成功用户中选择中继。功率受限:PbsT1+E (m) PueT2=PT, 其中P表示可分配给协作多播的总功率, 为功率控制因子;最小信噪比准则:在成功用户中选择SNR最小的用户作为协作中继。该准则基于这样一个事实, 即SNR越小的成功用户距离失败用户越近, 在第二阶段可以较低的功率实现中继。
文献[5]提出了一种分布式协作多播机制, 它与文献[4]采用了一样的功率限制方式, 不同的是没有对协作中继进行选择, 而是所有成功用户参与协作。文献[5]对分布式协作多播做了透彻的性能分析, 给出了平均中断率的闭式解与估计值, 同时还分析了最优的功率分配, 分析得将总功率的一般分配给源节点可最小化平均中断率;通过分析与仿真, 结果表明协作多播可达到的分集阶数为2, 用户分集可减小中断率, 尤其是在高信噪比区。
文献[6]提出了一种最优中继解码转发协作多播机制, 第一次分析了在选择出最优中继情况下协作多播系统的精确中断率, 单端对端目标速率为R时, 中断率的表达式为:
式中, z=22R-1, K为候选中继数量, N为目的节点数, βSD、βSR和βRD分别为源-目的、源-中继、中继-目的三信道的信道系数。由于多播容量取决于系统中最弱的那条链路, 因此最优中继选择策略为选择能使端到端最小容量取得最大值的中继。最后分析还得出, 最优中继选择策略可达到的分集阶数为K+1。
文献[7]提出一种基于选择性中继的低功耗协作多播机制, 该机制通过在多播第一与第二阶段间插入标记帧 (Beacon Frame) 的方法来选择中继。标记帧又被分为2阶段, Stage I与Stage II, 基站在Stage I广播标记帧来搜索失败用户;Stage II失败用户广播标记帧。在多播第二阶段, 接收到失败用户广播的标记帧的成功用户参与协作。仿真结果表明该协作多播机制能在保证系统吞吐量的前提下节省不必要的功率消耗。
2.3 多阶段协作多播
文献[8]提出了一种多阶段协作多播机制, 所谓多阶段是指在协作中继阶段各中继轮流发送信号, 假设有m个用户参与协作, 则协作多播传输过程被分为了m+1个阶段, 第一阶段发送时间为 (1-) T, 后m个阶段每阶段发送时间为T/m。文献[7]研究了这种多阶段协作多播机制下的中继数量选择与最优时间分配问题, 并提出了一种快速时间分配算法。研究发现, 最优 (最大化吞吐量) 的中继数量m是一个单纯的门限值, 网络从成功用户中随机选择出m个用户作为协作中继。多阶段协作多播机制同样能提升多播系统性能。
2.4 其他协作多播策略
文献[9]提出了一种基于终端电量感知的协作多播机制, 其在选择协作中继时将终端电量作为优先考虑的因素。其主要步骤为: (1) 多播第一阶段结束后收集所有成功用户的电量信息, 计算平均值; (2) 提出电量低于平均值的用户, 不作为候选中继; (3) 在剩余的成功用户里应用文献[3]提出的3种中继选择策略。基于终端电量感知的机制可有效延长网络寿命, 避免了终端作为协作中继而电量过快耗尽的情况, 利于多媒体业务的可靠传输。
3 结束语
近年来多媒体广播多播技术的应用逐渐增多, 3GPP也正着力于扩展e MBMS的应用, 基于e MBMS的TD-LTE公网集群通信系统正处于R12的标准化进程中[10]。虽然国内外研究者们的广泛研究都证明了协作多播可有效地提升系统性能, 解决传统多播吞吐量的瓶颈问题, 但协作多播技术的不完善使得其目前无法走向商用。
当前协作多播技术的研究不足之处有许多, 例如基于用户位置的中继选择策略精确度差, 距离相近的用户间信道条件不一定就好, 这降低了传输的可靠性;而文献[6]的最优中继选择策略虽然是基于容量最大化准则, 但其并未考虑一个中继为分散的两个区域同时协作的场景。在协作多播传输中, 降低系统总功耗与提高吞吐量是永恒的追求, 此外保证数据的安全性也是协作多播技术需要解决的重要问题。
参考文献
[1]DEL C A, SIMEONE O, BAR-NESS Y, et al.Outage Capacity of Two-phase Space-time Coded Cooperative Multicasting[C]∥Signals, Systems and Computers, 2006:666-670.
[2]HOU F, CAI L X, HO P H, et al.A Cooperative Multicast Scheduling Scheme for Multimedia Services in IEEE802.16 Networks[J].Wireless Communications, IEEE Transactions on, 2009, 8 (3) :1508-1519.
[3]ELRABIEI S M, HABAEBI M H.Energy Efficient Cooperative Communication in Single Frequency Networks[C]∥Personal Indoor and Mobile Radio Communications (PIMRC) , 2010 IEEE 21st International Symposium on.IEEE, 2010:1719-1724.
[4]GUAN N, ZHOU Y, LIU H, et al.An Energy Efficient Cooperative Multicast Transmission Scheme with Power Control[C]∥Global Telecommunications Conference (GLOBECOM 2011) , 2011 IEEE, 2011:1-5.
[5]ZHAO H, SU W.Cooperative Wireless Multicast:Performance Analysis and Power/location Optimization[J].Wireless Communications, IEEE Transactions on, 2010, 9 (6) :2088-2100.
[6]LEE I, LEE H, CHOI H.Exact Outage Probability of Relay Selection in Decode-and-Forward Based Cooperative Multicast Systems[J].Communications Letters, IEEE, 2013, 17 (3) :483-486.
[7]LEE J, LIM Y M, KIM K, et al.Energy Efficient Cooperative Multicast Scheme Based on Selective Relay[J].Communications Letters, IEEE, 2012, 16 (3) :386-388.
[8]NIU B, JIANG H, ZHAO H V.A Cooperative Multicast Strategy in Wireless Networks[J].Vehicular Technology, IEEE Transactions on, 2010, 59 (6) :3136-3143.
[9]ELRABIEI S M, HABAEBI M H.Reliable Battery-aware Cooperative Multicasting for MBS WiMAX Traffic[J].International Journal of Communications, Network and System Sciences, 2011, 4 (10) :648-655.