军事行动中无人机星座的分布式AGENT框架

军事行动中无人机星座的分布式 AGENT框架

袁坤

国防大学研究生院，北京 100091

摘 要：安全、高效、健全的通信能力在军事行动中非常重要。在紧急情况下，部署一批无人机实现安全可靠的分布式通信对于成功完成作战任务十分重要。本文提出了一种实现无人机星座信息安全可靠交换的基于分布式Agent的框架。该框架包括路径规划和评价机制，用于改进用户/服务器（C/S）和P2P连接的灵活网络体系结构以及用于身份认证和安全通信的Agent。对该框架进行了仿真并验证了其有效性。

关键词：无人机星座；基于Agent的仿真；分布式架构

1. 引言

本文主要研究基于agent的无人机编队建模及其军事应用。提出了一种新的基于分布式Agent的无人机星座框架。它运行在P2P和C/S网络架构的混合体上，实现了快速高效的通信。一组无人机飞越需要安全无线连接覆盖和中继信息的区域，使用一个能够支持路由优化的框架实现节能和有效覆盖。每个无人机中的Agent以P2P模式（以C/S模式与控制中心交互）与其他无人机上的Agent通信，以收集与路径优化和路径相关的数据。利用凸优化算法计算无人机之间的最优距离，从而达到节能增容的目的。目标函数是自由空间路径损耗方程，它是距离和载频的函数，约束条件包括覆盖面积、高度和无人机间距离。为了实现无人机的最优定位，基于服务区域生成半椭球或半球体。结果表明，在Linux平台上使用该框架和可编程飞行仿真工具成功进行了仿真。此外，基于python的Agent还可以扫描和检测仅存的无人机id、无人机IP地址、无人机MAC地址和系统调用。安装的应用程序运行时系统程序和应用程序的简要属性以及任何修改都由Agent验证，以确保信息的真实和经过授权的交换。为了防止机密性和完整性攻击，Agent还执行数据加密和散列，并将发现的任何异常报告给其他Agent和指挥控制（C2）中心服务器。Agent对其他无人机进行安全身份验证，对通信进行加密，并对无人机之间的访问进行授权。它还整理信息和图像，以便更快、更深刻地理解。

2. 基于Agent的模型

与传统的自顶向下模型相比，基于Agent的建模被认为是一种自下而上的方法。基于Agent的建模能够反映Agent之间的交互行为，预测行为结果，并校准模型以获得更好的性能。

2.1 无人机相关研究

无人机星座，或称为无人机群，在军事和民用领域的研究都十分活跃。通常无人机被用于区域监视。许多作者已经解决了由于高层建筑或植被以及及时性造成的城市监视闭塞的复杂问题。近年来，通过无人机网络进行包裹递送的商业应用得到了推广。由于电池寿命短、有效载荷有限和机载计算能力有限，无人机在广泛的应用中仍然不稳定。为了适应这些限制并提高可用架构的效率，多目标进化算法广泛地应用于路径规划和车辆路径问题。在军事应用中，与基于卫星的图像相比，避免遮挡算法能够支持区域测量、收集有关位置的关键信息并改进战略规划。

2.2动态数据驱动的应用系统（DDDAS）

DDDAS框架将模型和数据结合起来，以便于对物理现象进行分析和预测。图1显示了定义的DDDAS反馈回路。Blasch将DDDAS定义为具有传感器重新配置回路和数据同化回路的自适应框架。这些回路使用来自试验台传感器的实时输入，框架重新校准传感器输入的误差，从而重新配置物理模型，以便更准确地收集数据。许多DDDAS示例探讨了运动学建模在支持多无人机协调控制中的应用，利用模型优化传感器布置。

对于当前提出的DDDAS应用，无人机的相邻距离为重新校准路径规划提供了输入，以实现最佳的点对点连接。距离也可以通过无人机位置的不确定性量化快速确定。

2.3 Agent

Agent是可以通过网络移动的自我控制的移动程序。软件Agent可以从一个节点跳到另一个节点，根据每个节点的代码中定义的规则集执行任务，并且可以设计为与其他Agent交互。Agent最初是为分布式计算模式而构建的，可以应用于信息检索、移动计算、电子商务和网络管理，但与此同时，它们从一个网络到另一个网络，从一个系统到另一个系统的移动性，以及它们的交互性使得它们成为安全攻击的目标。本文提出了多功能和安全Agent的概念，并将其配置在每架无人机上。如果Agent在执行任务期间由于各种原因发生故障，则会通过安全终端（SSH）访问无人机上的Agent平台，立即被地面控制中的服务器所取代。

3. 基于Agent的无人机群框架

本节详细介绍了框架的设计注意事项、组件和功能。无人机航路优化是本节的主要内容。

3.1路径优化

无人机的部署要考虑安全性和鲁棒性。航线规划可以大大缩短通信距离，保持最佳无人机间距离对于高性能至关重要。然而，确定高性能和节能的最佳间距并非易事。增加无人机的高度会增加与地面站建立视线连接的可能性，但会导致更多的自由空间路径损失。因此，高度和路径损失之间的权衡非常重要。同样，无人机的间隔必须仅在最小允许距离内变化，以避免可能的碰撞和使用的Wi-Fi技术的最大范围。

如果两架使用Wi-Fi的无人机处于不同频率，它们的最小间隔距离可能无关紧要。它们可以在最接近的地方并排飞行。但如果它们不能通过频谱分配来分离，则必须保持一定的最小互间隔，最好相距至少10英尺。这确保了它们之间的路径损耗至少为50dB，足以抵消相邻信道的频谱掩模。无人机之间的最小距离为10英尺加上无人机的最长身体跨度。最大距离为Wi-Fi支的最大距离。

同样，在计算悬停高度时，也会考虑凸起地形或山脉的高度。因此，框架使用了一种凸优化技术，该技术使用一种标准凸优化方法——CVX（http://cvxr.com/CVX/）来求解最佳高度和无人机间的间隔。

山体会造成视线障碍，但无人机可以在山外中继通信。以椭圆区域上的半椭球山体为例设计优化模型，公式1根据无人机当前位置的坐标计算无人机之间的距离(ID)。公式2是由自由空间路径损耗(FSPL)和Friis传输公式推导出来的目标函数，利用椭球区域和内部进行了优化公式2到公式4中的无人机距离约束。在公式中，d是不同高度， fc是载波频率（5GHz）, c是自由空间中的光速，a和b是椭圆区域的半长轴长和半短轴长。

1\* MERGEFORMAT ()

2\* MERGEFORMAT ()

3\* MERGEFORMAT ()

4\* MERGEFORMAT ()

记录连续飞行时间以估算剩余电池电量。当安装在每架无人机上的Agent根据计算出的最佳路径产生“仅有足够的功率返回行程”信号时，无人机开始飞回地面。

3.2加强安全

无人机容易受到可用性、完整性和机密性攻击。为了解决这一问题，该框架包含有安全对策。

可用性确保信息或服务可供授权方访问。对无人机的DoS攻击会导致合法用户无法访问。我们通过强制检查传入的请求来确保它不是来自DoS攻击。Agent被设计为能够访问任务中所有无人机的id、MAC地址、系统程序属性和应用程序属性的加密数据库（DB）。接收请求的无人机上的Agent对传入请求进行身份和安全认证。它还阻止任何未经授权的访问或多余的应用程序。服务器通过资源利用率的定期报告识别可能导致DoS攻击的进程。

其次，框架强制执行信息完整性措施以防止对信息未经授权的篡改。Agent能够计算散列来检查交换的信息的完整性和源无人机的真实性。通过比较请求上的ID散列和系统属性，以及服务器在DB上最初存储在每个无人机上的属性，来证明发送无人机的真实性

再次，Agent具有保护通信秘密的能力。就保密性而言，信息是最有价值的资产。因此，每一次通信都使用标准高级加密标准(AES)进行加密，并使用Diffie-Hellman协议作为密钥管理框架的一部分。

3.3图像的并行处理与排序

这些Agent具有很高的通用性和较高的抽象能力，适合于并行复杂的数据采集。在该系统中，该框架为并发信息处理和整理创造了有利条件，可提供一个更大区域的全景图。两台无人机并行采集的图像进行基于形态学图像处理和语义分割的排序实验。两幅具有公共区域的图像经过预处理和比较，交集区域从其中一张图像中移除，并对边界进行连续和平滑处理。

未来，我们希望引入机器学习的方法，使Agent具检测图像边界的能力，以便无缝地将多架无人机在一次任务中捕获的图像整理成单一的整体平滑视图，这有利于快速了解情况。此外，无人机可以很容易地通过图像融合来交换目标的边界和接近的空中或地面车辆的监视信息。

4. 实验及结果分析

在对框架进行理论建模和分析之后，我们创建了一个实验环境，用于仿真和验证所提出的系统的实用性。使用可编程的开放式飞行模拟工具对无人机编队进行了模拟和部署。收集所需的坐标等信息，并进行路径优化。在任务开始之前，初始无人机状态以轻量级JSON格式加载到每个无人机里。

仿真试验台包括MATLAB的移动机器人仿真工具箱。在Jmavsim和simple中对路径优化算法进行了测试。PX4自动驾驶仪系统的Quad模拟器和Quad地面控制作为地面控制站。关于集群算法的工作在以前的文献中已经被提出和讨论过，但是为了在紧急情况下部署用于通信的网络，需要重新调整无人机的模式以增加带宽。利用无人机上的激光雷达传感器，计算相邻无人机之间的路径，算法优化无人机之间的距离。在MATLAB中模拟了一组具有随机初始状态的Agent，并利用Agent的（x，y，z）坐标对距离进行了校准。在每次迭代中，线性速度和角速度都会递增，以使两个群接近。一旦无人机在最优距离内聚拢，领机负责跟踪航路点，其余无人机使用路径跟踪算法跟踪领机。该方法减少了计算量，并且可以随时分配新领机以加快任务切换。我们还在x-y平面上模拟了随机初始状态的星座无人机，实验结果显示机群可以快速的到达最终无人机间隔稳定的状态。

5.结论

在本文中，我们介绍了一种基于空中Agent的新框架，该框架支持安全部署一个用于紧急行动的无人机群。它提供了高效、安全和稳健的分布式连接和中继。该框架支持路由优化、安全可信通信和并发信息处理机制。在Linux和Windows环境下，使用该框架与无人机飞行仿真软件进行了仿真。结果验证了理论模型估计的正确性，以支持进一步的测试，如多无人机的可扩展性、安全协议的变化以及传感器的协同融合。

原文：

Fitwi A H , Nagothu D , Chen Y , et al. A Distributed Agent-Based Framework for a Constellation of Drones in a Military Operation[C]// 2019 Winter Simulation Conference (WSC). 2019.

作者简介：袁坤（1997.04-），男，江西省新余市人，汉族，在读硕士研究生。