(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111334196.4 (22)申请日 2021.11.11 (71)申请人 广东工业大 学 地址 510000 广东省广州市东 风东路729号 申请人 东莞理工学院 (72)发明人 彭泽鑫　苏启迪　张国斌　韩国军　 任斌　 (74)专利代理 机构 北京汇彩知识产权代理有限 公司 11563 代理人 王键 (51)Int.Cl. H04W 72/04(2009.01) H04W 4/42(2018.01) H04W 4/40(2018.01) H04L 67/104(2022.01)H04W 28/04(2009.01) H04L 1/18(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于区块链的无人机辅助车联网频谱 分配方法 (57)摘要 本发明公开了一种基于区块链的无人机 (UAV)辅助车联网频谱分配方法， 构建UAV 辅助的 车联网区块链资源管理模型， 为每个UAV节点配 置唯一节点列表(UNL， Unique  Node List)； 车辆 向所连接的UAV主节点提交频谱请求， 主节点设 定优化问题并采用深度强化学习方法求解得到 车辆与UAV之间的通信频谱和发射功率； 主节点 将请求事务广播给UAV节点， UAV节点采用瑞波共 识机制对请求事务执行智能合约和共识协议， UAV节点对交易进行投票， 确认请求事务是否通 过； 将未通过的请求事务丢弃， 对通过的请求事 务将所有车辆信息、 交易记录和时间戳打包到一 个新的区块中， 并附加到区块链上， 广播至所有 UAV节点， 从而确认请求频谱的车辆请求得到的 频谱和发射的功率。 本发明以分布式结构管理无 线资源， 降低拥堵， 提高资源利用率和可靠性。 权利要求书4页 说明书11页 附图3页 CN 114173419 A 2022.03.11 CN 114173419 A 1.一种基于区块链的无人机辅助车联网频谱分配方法， 其特征在于包含以下步骤， 如 图1所示： 步骤一： 构建UAV辅助的车联网网络， 获取车联网网络中的UAV数目、 车辆数目、 子信道 数目、 中断概率和时延信息， 并通过获取的信息构建区块链资源管理模型， 为每个UAV节点 配置一个可信节点列表， 称为唯一节点列表UN L； 步骤二： 车辆接入的UAV节点为主节点， 车辆向主节点提交频谱请求， 主节点设定优化 问题并采用深度强化学习方法求 解， 得到车辆与UA V之间的通信频谱和发射功率； 步骤三： 主节点将请求事务广播给唯一节点列表UNL上的UAV节点， UAV节点收到请求 后， 采用瑞波共识机制 对请求事务执行智能合约和共识协议， 唯一节点列表UNL中的UAV节 点对交易进行投票， 确认请求事务是否通过； 步骤四： 将未通过的请求事务丢弃， 对通过的请求事务， 将所有车辆信息、 交易记录和 时间戳打包到一个新的区块中， 并附加到区块链上， 广播至所有 UAV节点。 2.根据权利要求1所述的一种基于区块链的无人机辅助车联网频谱分配方法， 其特征 在于： 所述UAV辅助的车联网网络由多个UAV和车辆组成， UAV数目为U， 车辆数目为I， 每个 UAV在一个设定区域内飞行， 作为空中基站协助车辆源节点和目标节点之间通信， UAV辅助 通信链路为车辆提供高可靠性和低延迟的通信， 系统频谱在所有UAV之 间共享， 系统信道数 目为N。 3.根据权利要求2所述的一种基于区块链的无人机辅助车联网频谱分配方法， 其特征 在于： 所述区块链资源管理模型 具体为： 针对UAV对车辆发送信息链路的下行传输系统， 假定信 息传输为周期性的数据包传输； 考虑UAV在与车辆通信过程中， 其它UAV会对此通信链路带来干扰， UAV  u与车辆在信道n的 速率Ru,n可表示为 其中， pu,n表示UAV u在信道n的传输功率， 是UAV u在信道n对所接入车辆的信道增 益， 是UAV u'在信道n对其它UAV所接入车辆的信道增益， 和 由所有车辆的信道 增益统计平均得到， σ2是高斯白噪声功率。 当UAV和车辆之间的通信链路的信噪比低于γ0时， UAV对车辆的通信传输将中断； 在任 意时间周 期， 数据包没有被成功发送的概率由中断概率Pout,u表示， 即信噪比小于γ0的概 率； 中断概 率表达式为 其中， au',n表示UAV u'在信道n的分配 变量。 假设Yu表示UAV u的数据包的平均发送时间， 当数据包在当前时隙未能成功发送时则重权　利　要　求　书 1/4 页 2 CN 114173419 A 2新发送， 若重传的次数未达到N， 则在下一个时隙继续重传， 若重传次数已达到N， 则选择丢 弃； 假设每 个时隙长度为T， Yu的概率函数表示 为 使用Du表示平均发送时延， 表达式为 其中， E{·}表示随机变量的均值。 4.根据权利要求2所述的一种基于区块链的无人机辅助车联网频谱分配方法， 其特征 在于： 所述 步骤二具体为： 车辆接入车联网后向UAV申请与UAV通信的频谱， UAV接收到车辆的频谱请求后， 设定优 化问题， 而后对 优化问题求 解得出所请求信道和功率； 以优化能量效率 为目标， 优化问题设定为： s.t.C1: C2: C3: C4: C5: C6: 其中au,n表示UAV u在信道n的分配变量， 限制条件C1表示连接UAV  u的车辆的通信速率 高于最小需求， C2和C3分别表示中断概率和平均时延最高限制， C4表示UAV的信道分配变 量， C5表示每次申请的信道数目为1， C 6表示UAV u的最大发送 功率限制； 为了解决上述优化问题， 采用深度Q学习(DQL， D eep Q‑Learning)方法来获得优化变量 值； UAV作为学习代理在时间t感知状态s(t)， 并输出策略π， 策略π决定采取的动作a(t)， 然 后执行此动作； 为了让学习代理积累经验进而更好地选择动作， 环境会给学习代理奖励r (t)作为反馈； 此时， 进入到下一个状态s(t+1)， 学习代理继续 感知s(t+1)， 并做出新的策略 π， 以此类 推， 最终使环境状态达 到收敛， 代理获得最大 奖励。 5.根据权利要求4所述的一种基于区块链的无人机辅助车联网频谱分配方法， 其特征 在于： 所述UA V节点采用De ep Q‑Learning方法求 解优化问题的步骤如下： 1)将联合优化问题定义 为马尔可 夫决策过程， 定义状态空间、 动作空间和奖励函数；权　利　要　求　书 2/4 页 3 CN 114173419 A 3