基于Google Earth的无人机中继布局优化软件

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Google Earth的无人机中继布局优化软件范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要： 建立了一个无人机作为中继的通信网络系统，并通过对中继链路和高空中继覆盖区域进行几何建模，推导获得了无人机在一定飞行高度的信号覆盖区域。在此基础上，基于google earth和Visual C++ 6.0软件平台，开发了一套无人机中继系统可视化网络优化软件。测试结果表明，该软件操作简便且运行稳定，能够实现无人机的静态最优布置与动态飞行路径规划，对于解决网络节点高速和大范围移动导致的网络中断问题，具有重要的工程应用价值。

关键词： 谷歌地球； 无人机； 移动自组网； 中继平台； 网络优化

中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2014）04?0060?04

Software of UAV relay layout optimization based on Google Earth

LI Yan?wen， HUO Shuai?ke， CHEN Wei?zhen， ZHU Qui?ming， LI Hao， JIANG Zhi?cheng

（College of Electronic and Information Engineering， Nanjing University of Aeronautics and Astronautics， Nanjing 210016， China）

Abstract： A communication network system which is relayed by UAV was established. A geometric modeling for the trunk links and aerological relay coverage areas was made. The signal coverage areas where the UAV flies at a certain height were obtained. Furthermore， a visual network optimization software for the UAV relay system was developed based on Google Earth and Visual C++ 6.0. The testing results indicate that the software has the advantages of easy operating and stable running， and can realize statically optimal placement and dynamic flying path planning of UAV. Therefore， it is of great project application value in solving the problem of network interruption caused by the high?speed and large?scale moving of network nodes.

Keywords： Google Earth； UAV； mobile Ad?hoc network； relay platform； network optimization

0 引 言

无线移动自组织网络具有组网快速灵活、可靠性高、抗毁性强等优点，特别适用于战场的恶劣通信环境。但网络中结点的移动及其活动范围扩大等因素导致的网络连通性变化使其应用范围严重受限。针对该问题最有效的一个解决方法是引入无人机作为中继节点，为移动中的网络节点提供中继通信，以提升网络的连通性和可靠性。

文献[1?3]研究了静态场景下具有无线通信组网能力的无人机中继平台布置问题，但未考虑中继通信的动态维持问题，也没有讨论无人机中继和地面节点移动对网络连通性的影响。近期动态场景下无人机中继的飞行路径和网络性能优化等问题的相关研究受到越来越多关注[4?6]。其中，文献[4]定义了四种连通性准则并给出对应无人机中继平台的最优布置和飞行路径，指出单无人机中继系统可显著提高网络连通性，文献[5]则进一步研究了多无人机中继的最优飞行路径问题。

本文基于上述理论基础针对无人机中继自组织网络中的中继布局和飞行轨迹优化问题，设计开发了一款基于Google Earth的可视化网络优化软件，该软件可实现无人机中继数目估计、最优位置布局和飞行轨迹规划等功能，同时利用Google Earth电子地图模拟真实地球场景，实现人机交互可视化演示。

1 无人机中继高度和覆盖区域

无人机中继平台的信号覆盖区域与飞行高度和挟带的通信设备功率有关。当中继系统的性能指标如误比特率预先指定，则地面节点的最低信噪比门限也随之确定，进而可求出中继信号的最大传播距离[6?7]。

地面节点接收信号平均功率可表示为：

[Pr=PtGtGrLfΔL] （1）

式中：[Pt]表示无人机发射功率；[Gr，Gt]分别为收发天线增益；[ΔL]则表示环境以及极化、馈线损耗等因素对接收功率的额外损耗；[Lf=（4πdλ）2]表示信号空间传播衰减，其中[λ]为波长。

接收机噪声因素一般采用等效噪声温度[N0=KT，][T]表示接收端等效噪声温度，K为波尔兹曼常数。当系统误比特率确定时，接收端最低信噪比门限记为[γ0]，则中继链路传播衰减应满足如下条件：

[LfPtGtGrKTΔLRb·1γ0] （2）

式中[Rb]表示信息传输速率。

假设不考虑信道随机衰落，可得对应中继信号的最大传播距离为：

[dPtGtGrΔLKRbTγ0（λ4π）2] （3）

为求得高空无人机中继平台覆盖区域，构建几何模型如图1所示，地球半径[R≈6 370 km]，无人机高度记为[H]，则有效覆盖区域面积为：

[S=2πRh] （4）

在直角三角形[ADF]和[DFO]中分别运用勾股定理可解得：

[h=d2-H22R+2H] （5）

图1 无人机中继覆盖区域示意图

无人机飞行高度[H]一般为数百至数千米，远小于地球半径[R]，因此，圆弧[BPC]与直线[BC]长度基本一致，球冠[DPE]面积也可近似为[P]为中心的平面圆面积，根据式（4）可得覆盖半径[r]的表达式：

[r=R（d2-H2）R+H] （6）

最后，将式（3）代入式（6）可得无人机中继平台的平均覆盖半径：

[rR（PtGtGrλ216π2ΔLKRbTγ0-H2）R+H] （7）

2 无人机中继网络优化软件设计

2.1 软件开发平台及流程图

本软件采用VC++ 6.0软件开发平台，结合Google Earth 二次开发技术，利用Google Earth电子地图将空间特征信息进行可视化表达，从而快速获得无人机中继网络环境的基本特征，将无人机中继及地面结点的布局情况以三维形式清晰直观地显示在界面上。

本系统软件设计流程如图2所示，软件包括两部分功能：“静态最优布置”和“动态飞行路径规划”。其中，“静态最优布置”由用户输入无人机数量以及地面结点的位置，软件计算单架或多架无人机的中继覆盖范围及无人机的最优布置，进行可视化演示并可导出到外部文档；“动态飞行路径规划”由用户选择输入无人机数量以及地面结点的移动路径，软件规划单无人机或多无人机的最优飞行路径，进行可视化演示并可导出到外部文档。

图2 软件流程图

两种模式下都支持自动载入数据文件及保存数据文件等功能。“载入上次数据”可以载入上次保存的无人机及地面结点相关数据并进行可视化演示；“载入本次数据”可以清除上次数据的视图，并从txt文本文档中载入本次的地面节点坐标或移动路径等数据，计算出无人机及其中继覆盖范围相关数据并进行可视化演示，地面节点示例数据如图3所示；“保存本次数据”可以保存本次数据到本地硬盘中，并可供用户下一次载入。

图3 地面节点文件

除了上述功能，该软件还提供了地图定位、地图平移和地图截图等辅助功能。“地图定位”可实现由用户输入经纬度，地图定位到用户输入的地理坐标；“地图平移”可实现在当前界面选择想要平移的方向（可自动、匀速地向该方向平移）进行平移，方便观察周边地形，并做到精确定位；“地图截图”可实现截取当前Google Earth界面的图像，保存在硬盘默认位置中。

2.2 中继节点优化算法实现

当用户输入地面节点地理坐标或移动路径后，软件自动处理流程如图4所示。因为Google Earth只能对经纬度坐标进行处理，而直角坐标系具有计算方便的特点，本文地面节点的坐标处理均在直角坐标系中进行。故需要先将经纬度坐标通过坐标转换变换为空间直角坐标系中的对应坐标，并根据用户选择的无人机数量通过聚类算法对地面节点划分子网。对于每一个子网，使用加权质心算法即可获得静态场景下无人机最优位置及无人机覆盖区域。通过无人机覆盖范围并使用第一部分所述算法，便可求得无人机高度，从而计算获得动态场景下无人机的最优飞行路径，并将数据送入Google Earth实现三维可视化显示。

2.3 基于Google Earth的可视化实现

Google Earth可以将各架无人机显示在三维地球模型中，它提供了两种扩展接口：基于组件技术的COM API形式和KML文件形式。基于COM API的开发方式用来控制 Google Earth的视角和动画效果，而基于 KML的开发方式可用来生成地理要素，实现数据的动态更新等。本文结合了这两种开发方式，得到了比较理想的效果。

图4 中继平台优化算法流程

Google Earth COM API是组件的公共接口，在用户调用组件的过程中，首先调用Colnitialize函数，初始化COM库；然后根据获得的CLSID库函数CoGetClassObject创建类；最后根据类创建的对象提供给用户调用，释放资源时调用CoUninitialize函数。

调用IAppIicationGE主入口类中IsInitialized（）、IsOnline（）与Login（）函数，判断Google Earth客户端是否正常初始化，以确保Google Earth客户端的正常开启。在实现地图定位功能中，调用IAppIicationGE主入口类的SetCameraParams（）函数，对用户窗口视图的经纬度、高度、倾斜度等参数进行设定，从而使用户能获得最好的视觉效果。通过调用IViewExtentsGE视口类的GetNorth（），GetSouth（），GetEast（）和GetWest（）等函数来获取当前视点的位置，对经纬度进行微调从而控制当前视口的平滑移动，实现了地图平移功能。

KML是一种基于XML语法与格式的、用于描述和保存地理信息（如点、线、图像、多边形和模型等）的编码规范，可以被Google Earth识别并显示。KML使用包含名称、属性的标签（tag）来确定显示方式。按照规定的格式和使用正确的tag即可满足无人机组成的大规模移动自组织网络在GE用户界面中的演示。这里使用C++语言将需要进行可视化演示的数据写入KML文档中，供GE调用。

在进行无人机中继平台优化软件开发时不能仅在Google Earth的原生界面上进行控制，而是要将Google Earth的地球主界面截取到所开发的软件中，这里通过Hook技术实现了这一需求。以下为主要实现代码：

OLE_HANDLE m_hMainWnd；

m_hMainWnd= m_geApplication.GetMainHwnd（）；

//获取客户端框架窗口句柄

CRect rect；

//设置Google Earth窗口的位置和大小

rect.left=10；

rect.right=1010；

rect.top=10；

rect.bottom=720；

//利用该矩形区域设置框架窗口的大小

：： SetWindowPos（（HWND）m_hMainWnd， HWND_BOTTOM，0，0，0，0， SWP_NOSIZE+SWP_HIDEWINDOW）；

OLE_HANDLE renderhwnd= m_geApplication.GetRenderHwnd（）；

HWNDGE ParentHrender= ：： GetParent（（HWND）renderhwnd）；

：：ShowWindow（GEParentHrender， SW_HIDE）；

：：SetParent（（HWND）renderhwnd， m_static_googleearth.GetSafeHwnd（））；

//把HWND和窗口上的一个静态文本控件绑定

3 软件运行与测试

本文软件界面如图5所示，包括主要功能区和辅助功能区两个部分。软件主要功能为实现无人机静态最优布置、动态飞行路径规划及可视化显示。

图5 软件主界面

针对静态场景下已知地面网络节点地理位置信息的无人机中继系统，计算无人机最优位置，根据通信链路状态求得无人机在不同高度下的无线信号有效覆盖区域，并基于Google Earth完成无人机最优位置与覆盖区域的可视化，运行结果如图6所示；针对动态场景下已知地面网络节点移动路径的无人机中继系统，通过聚类找到与每架无人机组成子网的地面节点，使每架无人机覆盖其所在子网内所有地面节点，计算使无人机覆盖所在子网节点的最优布置，在地面节点进行无规则运动时，规划各无人机的飞行路径，并基于Google Earth完成无人机飞行路径规划的可视化，运行结果如图7所示。

图6 无人机静态最优布置运行结果

图7 无人机动态最优布置运行结果

4 结 论

本文在VC++ 6.0软件平台上，开发了一款基于Google Earth的无人机中继平台优化软件，并通过应用Google Earth模拟出真实网络通信场景。该软件具有友好的用户界面，能够实现无人机数量估计、布置优化与动态飞行路径规划，对于解决大规模移动网络节点高速和大范围移动导致的网络中断问题，具有重要的理论意义和工程应用价值。

参考文献

[1] CHADRASHEKAR K， RAISSI?DEHKORDI M， BARAS J S. Providing full connectivity in large Ad?Hoc networks by dynamic placement of aerial platforms [C]// Proceedings of IEEE 2004 Military Communications Conference. Maryland， USA： IEEE， 2004， 3： 1429?1436.

[2] RAISSI?DEHKORDI M， CHANDRASHEKAR K， BARAS J S. UAV placement for enhanced connectivity in wireless Ad?hoc networks [EB/OL]. [2011?07?19]. http：//www. /view.

[3] PERUMAL S， BARAS J S ， GRAFF C J ， et al. Aerial platform placement algorithms to satisfy connectivity， capacity and survivability constraints in wireless ad?hoc networks [C]// Proceedings of Military Communications Conference. San Diego， USA： MCC， 2008： 1?7.

[4] ZHU H， SWINDLEHURST A， LIU K J. Optimization of MANET connectivity via smart deployment/movement of unmanned air vehicles [J]. IEEE Transactions on Vehicular Technology， 2009， 58（7）： 3533?3546.

[5] 徐赞新，袁坚，王钺，等.一种支持移动自组网通信的多无人机中继网络[J].清华大学学报：自然科学版，2011，51（2）：150?155.

[6] ZHAN P， YU K， SWINDLEHURST A L. Wireless relay communications with unmanned aerial vehicles： performance and optimization [J]. IEEE Transactions on Aerospace and Electronic Systems， 2011， 47（3）： 2068?2085.

[7] EL?JABU B， STEELE R. Cellular communications using aerial platforms [J]. IEEE Transactions on Vehicular Technology， 2001， 50（3）： 686?700.

[8] 马俊，杨忠，杨成顺，等.基于 Google Earth 的人机交互平台设计[J].应用科技，2010，37（7）：6?10.

[9] 张春波，陈琰，李灿，等.基于Google Earth的电网GIS应用研究[J].机电工程，2009，26（11）：34?37.

[10] 江宽，龚小鹏.Google API 开发详解：Google Maps与Google Earth双剑合璧[M].北京：电子工业出版社，2008.