⚡ electrical engineering

Formation Control for CRLB-Optimal Cooperative Sensing in Low-Altitude Wireless Networks

यह शोध पत्र कम-ऊंचाई वाले वायरलेस नेटवर्क में यूएवी (UAVs) के लिए एक वितरित फॉर्मेशन नियंत्रण रणनीति प्रस्तावित करता है जो उन्हें CRLB-इष्टतम नियमित बहुभुज विन्यास में निर्देशित करता है, जिससे आइसोट्रोपिक फिशर सूचना के माध्यम से सहकारी संवेदन सटीकता को अधिकतम किया जाता है और साथ ही बाधा निवारण एवं गति स्थिरता सुनिश्चित की जाती है।

मूल लेखक: Jun Wu, Haijia Jin, Nanchi Su, Jinna Li, Haoyuan Pan, Tse-Tin Chan

प्रकाशित 2026-03-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jun Wu, Haijia Jin, Nanchi Su, Jinna Li, Haoyuan Pan, Tse-Tin Chan

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप और आपके दोस्तों का एक समूह एक बड़े, धुंधले पार्क में एक खोए हुए कुत्ते को खोजने की कोशिश कर रहे हैं। आप सभी के पास टॉर्च हैं, लेकिन जैसे-जैसे आप कुत्ते से दूर होते जाते हैं, रोशनी धुंधली होती जाती है, और यदि आप सभी एक सीधी रेखा में खड़े हो जाते हैं, तो हो सकता है कि आप कुत्ते को मिस कर दें यदि वह बगल में कहीं छिपा हो।

यह शोध पत्र इस बारे में है कि ड्रोन (UAVs) के एक झुंड को ज़मीन पर एक लक्ष्य (target) को कितनी सटीकता से ढूंढना है, यह सिखाने के लिए, भले ही उन्हें पेड़ों और इमारतों से बचना पड़े।

यहाँ उनके "स्मार्ट स्ट्रैटेजी" का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. लक्ष्य: एकदम सही "फ्लैशलाइट सर्कल"

शोधकर्ताओं ने यह पता लगाने की कोशिश की कि लक्ष्य का सबसे स्पष्ट दृश्य प्राप्त करने के लिए ड्रोनों को किस आकार में उड़ना चाहिए।

समस्या: यदि ड्रोन बहुत ऊंचे हैं, तो सिग्नल कमजोर हो जाता है (जैसे दूरी पर टॉर्च की रोशनी का फीका पड़ना)। यदि वे बहुत नीचे हैं, तो वे पेड़ों से टकरा सकते हैं। यदि वे सभी एक ही जगह पर सिमटे हुए हैं, तो उन्हें एक ही कोण से एक जैसा दृश्य मिलेगा, जो मददगार नहीं है।
समाधान: उन्होंने पाया कि सबसे अच्छा आकार एक रेगुलर पॉलीगन (जैसे एक सटीक हेक्सागन या ऑक्टागन) है, जो लक्ष्य के चारों ओर एक घेरे में मंडराता है।
"स्वीट स्पॉट" ऊंचाई: उन्होंने उड़ने की एकदम सही ऊंचाई भी निर्धारित की। यह एक संतुलन है:
- यदि आप बहुत नीचे उड़ते हैं, तो आपको एक मजबूत सिग्नल मिलता है लेकिन बाधाओं से टकराने का खतरा रहता है।
- यदि आप बहुत ऊपर उड़ते हैं, तो सिग्नल कमजोर हो जाता है।
- जादुिक कोण (Magic Angle): उन्होंने पाया कि सर्वोत्तम सिग्नल स्ट्रेंथ और एक विस्तृत दृश्य का मिश्रण प्राप्त करने के लिए ड्रोनों को अपने "सिर" (कोणों) को एक विशिष्ट डिग्री (45 और 55 डिग्री के बीच) पर झुकाना चाहिए।

उपमा: उन फोटोग्राफरों की एक टीम के रूप में सोचें जो एक सेलिब्रिटी को घेरकर खड़े हैं। यदि वे सभी एक सीधी रेखा में खड़े होते हैं, तो उन्हें केवल साइड प्रोफाइल मिलेंगे। यदि वे सेलिब्रिटी के चारों ओर एक पूर्ण वृत्त बनाते हैं, तो उन्हें 360-डिग्री दृश्य मिलता है, और गणित यह सिद्ध करता है कि यह वृत्त कम से कम ब्लर के साथ सबसे स्पष्ट फोटो देता है।

2. चुनौती: टकराए बिना वहां पहुँचना

एक आदर्श आकार जानना आसान है; लेकिन एक बिखरी हुई स्थिति से वहां तक पहुँचना कठिन है। ड्रोन इधर-उधर बिखरे हो सकते हैं, और रास्ते में इमारतें भी हो सकती हैं।

रणनीति: यह पेपर एक डिस्ट्रीब्यूटेड कंट्रोल सिस्टम का प्रस्ताव देता है। इसका मतलब है कि कोई एक "बॉस" ड्रोन नहीं है जो सबको ठीक-ठीक बताए कि कहाँ जाना है। इसके बजाय, प्रत्येक ड्रोन केवल अपने निकटतम पड़ोसियों से बात करता है।
यह कैसे काम करता है:
- लीडर (नेता): एक ड्रोन को उड़ने की सामान्य दिशा का पता होता है (जैसे एक टूर गाइड)।
- फॉलोअर्स (अनुयायी): अन्य ड्रोन बस अपने पड़ोसियों को देखते हैं। "हे, तुम बहुत करीब हो, पीछे हटो।" "तुम बहुत दूर हो, करीब आओ।"
- बाधाओं से बचने का नृत्य (Obstacle Dance): यदि समूह किसी संकरी गली या इमारत के पास पहुँचता है, तो पूरी संरचना अस्थायी रूप से सिकुड़ जाती है (जैसे मछलियों का झुंड एक चट्टान के बीच से गुजरता है) ताकि सुरक्षित रूप से निकल सके। एक बार जब वे पार कर लेते हैं, तो वे वापस अपने आदर्श घेरे में फैल जाते हैं।

उपमा: प्रवासी पक्षियों के झुंड की कल्पना करें। उनके दिमाग में कोई नक्शा नहीं होता। वे बस सरल नियमों का पालन करते हैं: "मेरे बगल वाले पक्षी के करीब रहो, लेकिन उससे टकराओ मत।" यदि वे तूफान के बादल (बाधा) से टकराते हैं, तो वे गुजरने के लिए आपस में सिमट जाते हैं, और फिर स्पष्ट होने के बाद फिर से फैल जाते हैं। यह पेपर ड्रोनों को बिल्कुल यही करना सिखाता है।

3. परिणाम: स्मार्ट सेंसिंग

शोधकर्ताओं ने अपने विचार का परीक्षण करने के लिए कंप्यूटर सिमुलेशन चलाए।

परीक्षण: उन्होंने अपने "स्मार्ट सर्कल" फॉर्मेशन की तुलना अन्य यादृच्छिक (random) या निश्चित आकारों से की।
परिणाम: उनकी विधि ने लगातार बहुत उच्च सटीकता (कम त्रुटि) के साथ लक्ष्य को खोजा, विशेष रूप से तब जब वे अधिक ऊंचाई पर उड़ रहे थे जहाँ सिग्नल कमजोर होता है।
समझौता (Trade-off): जब ड्रोनों को एक संकीर्ण अंतराल से गुजरना पड़ा, तो सटीकता थोड़ी कम हो गई क्योंकि फॉर्मेशन विकृत हो गया। लेकिन जैसे ही वे बाधा को पार कर गए, वे वापस अपने आदर्श आकार में आ गए और सटीकता फिर से शीर्ष स्तर पर पहुँच गई।

सारांश

संक्षेप में, यह पेपर ड्रोनों को दो मुख्य चीजें सिखाता है:

कहाँ खड़ा होना है: सबसे अच्छा "दृश्य" प्राप्त करने के लिए एक विशिष्ट ऊंचाई पर लक्ष्य के चारों ओर एक पूर्ण, समान रूप से फैला हुआ घेरा बनाएं।
कैसे हिलना है: उस आदर्श घेरे तक पहुँचने के लिए सरल, स्थानीय नियमों का उपयोग करें, जबकि बाधाओं से बचने के लिए स्वचालित रूप से एक साथ सिमटना और फिर वापस फैलना सीखें।

यह ड्रोनों के एक अराजक झुंड को एक अनुशासित, आकार बदलने वाली टीम में बदलने जैसा है जो किसी भी कठिन इलाके में जमीन पर किसी भी चीज़ को ढूंढ सकती है।

यहाँ शोध पत्र "Formation Control for CRLB-Optimal Cooperative Sensing in Low-Altitude Wireless Networks" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र लो-एल्टीट्यूड वायरलेस नेटवर्क्स (LAWNs) में अनक्रेयड एरियल व्हीकल्स (UAVs) का उपयोग करके सहकारी लक्ष्य संवेदन (cooperative target sensing) की चुनौती को संबोधित करता है। जबकि UAV झुंड (swarms) एकल प्लेटफॉर्म की तुलना में स्थानिक विविधता (spatial diversity) के कारण बेहतर संवेदन सटीकता प्रदान करते हैं, उनका प्रदर्शन उनकी स्थानिक विन्यास (formation geometry) पर अत्यधिक निर्भर करता है।

मौजूदा शोध अक्सर स्थिर सेंसर प्लेसमेंट या व्यक्तिगत प्रक्षेपवक्र अनुकूलन (trajectory optimization) पर ध्यान केंद्रित करते हैं, लेकिन वे निम्नलिखित को संबोधित करने में विफल रहते हैं:

कई UAVs को एक विशिष्ट ज्यामितीय विन्यास को गतिशील रूप से कैसे सहकारी रूप से बनाना और बनाए रखना चाहिए।
बाधा निवारण (obstacle avoidance) और समन्वित गति जैसे भौतिक प्रतिबंधों का पालन करते हुए अनिश्चित प्रारंभिक तैनाती (arbitrary initial deployments) से इस इष्टतम ज्यामिति को कैसे प्राप्त किया जाए।

मुख्य उद्देश्य एक ऐसा फॉर्मेशन डिजाइन करना है जो लक्ष्य स्थान के अनुमान त्रुटि के क्रेमर-राओ लोअर बाउंड (CRLB) को कम करे और इस फॉर्मेशन में UAVs को सुरक्षित रूप से निर्देशित करने के लिए एक वितरित नियंत्रण रणनीति (distributed control strategy) विकसित करना है।

2. कार्यप्रणाली (Methodology)

A. सिस्टम मॉडलिंग (System Modeling)

परिदृश्य (Scenario): $M \geq 3$ UAVs का एक फॉर्मेशन ग्राउंड टारगेट $s$ को सहकारिता से सेंस करता है। UAVs एक निश्चित ऊंचाई $H$ पर उड़ते हैं।
मापन मॉडल (Measurement Model): UAVs राउंड-ट्रिप डिले को रेंज ( $d_m$ ) में परिवर्तित करके मापते हैं। माप एडिटिव व्हाइट गॉसियन नॉइज़ (AWGN) के अधीन होते हैं।
शोर की विशेषताएं (Noise Characteristics): शोर का वेरिएंस $\sigma_m^2$ , सिग्नल-टू-नॉइज़ रेशियो (SNR) के व्युत्क्रमानुपाती है, जो कि टू-वे सेंसिंग चैनल्स के लिए विशिष्ट चतुर्थ घात पाथ लॉस मॉडल ( $d_m^{-4}$ ) का अनुसरण करता है।
डायनेमिक्स (Dynamics): UAV मोशन को एक फर्स्ट-ऑर्डर गॉसियन मार्कोव प्रक्रिया के रूप में मॉडल किया गया है, जो वैश्विक ट्रांसलेशनल मूवमेंट (फॉर्मेशन सेंटर) और स्थानीय समायोजन (फॉर्मेशन शेप) को जोड़ता है।

B. CRLB-इष्टतम फॉर्मेशन ज्योमेट्री व्युत्पन्न (CRLB-Optimal Formation Geometry Derivation)

लेखक फिशर इंफॉर्मेशन मैट्रिक्स (FIM) के इनवर्स के ट्रेस को मिनिमाइज करके इष्टतम ज्यामिति को व्युत्पन्न करते हैं, जिसमें A-ऑप्टिमलिटी मानदंड (औसत अनुमान वेरिएंस को कम करना) का उपयोग किया जाता है।

FIM निर्माण: लक्ष्य निर्देशांकों के लिए FIM को रेंज मेजरमेंट्स से प्राप्त किया जाता है।
अनुकूलन स्थिति (Optimization Condition): ट्रेस ऑफ इनवर्स FIM तब मिनिमाइज होता है जब FIM एक स्केलर मैट्रिक्स (आइसोट्रोपिक) हो। इसके लिए आवश्यक है:
- $J_{xx} = J_{yy}$ (x और y अक्षों में समान सूचना)।
- $J_{xy} = 0$ (अक्षों के बीच कोई सहसंबंध नहीं)।
इष्टतम ज्यामिति परिणाम:
- अजीमुथ (Azimuth): क्षैतिज तल में आइसोट्रॉपी को संतुष्ट करने के लिए, UAVs को लक्ष्य के वर्टिकल प्रोजेक्शन पर केंद्रित एक रेगुलर $M$ -पॉलीगन में व्यवस्थित होना चाहिए।
- एलिवेशन (Elevation): इष्टतम एलिवेशन एंगल $\phi^*$ $ϕ^{*}$ को पाथ लॉस (जो निचले कोणों का पक्ष लेता है) और ज्यामितीय विविधता (जो उच्च कोणों का पक्ष लेता है) के बीच एक ट्रेड-ऑफ द्वारा निर्धारित किया जाता है।
  - कम ऊंचाई पर, $\phi^* \approx 54.74^\circ$ (प्रोजेक्टेड SNR को अधिकतम करना)।
  - उच्च ऊंचाई पर, $\phi^* \to 45^\circ$ (ज्यामितीय मजबूती को प्राथमिकता देना)।
- अंतिम आकार: इष्टतम फॉर्मेशन $F^*$ एक उल्टा शंकु (inverted cone) है जिसके शीर्ष पर लक्ष्य है, जहाँ UAVs ऊंचाई $H$ पर एक क्षैतिज वृत्त पर समान रूप से वितरित हैं।

C. वितरित फॉर्मेशन नियंत्रण रणनीति (Distributed Formation Control Strategy)

UAVs को बाधाओं से बचते हुए मनमानी स्थितियों से $F^*$ तक ले जाने के लिए एक वितरित नियंत्रण नियम प्रस्तावित किया गया है:

कंसेंसस मैकेनिज्म (Consensus Mechanism): एक लीडर-फॉलोअर आर्किटेक्चर यह सुनिश्चित करता है कि सभी UAVs केवल स्थानीय पड़ोसी जानकारी का उपयोग करके एक वैश्विक वेग $v^*$ के साथ संरेखित हों।
शेप कंट्रोल (Shape Control): एक विकेंद्रीकृत कॉस्ट फंक्शन वांछित सापेक्ष विस्थापन ( $\delta_{pm}$ ) और वेलोसिटी मिसअलाइनमेंट से विचलन को दंडित करता है। कंट्रोल इनपुट इस कॉस्ट के नेगेटिव ग्रेडिएंट डिसेंट के माध्यम से प्राप्त किया जाता है।
बाधा निवारण (Obstacle Avoidance):
- एक रिपल्सिव पोटेंशियल फील्ड को एकीकृत किया गया है ताकि जब UAVs सुरक्षा त्रिज्या के भीतर बाधाओं के करीब पहुँचते हैं, तो एक रिपल्शन वेक्टर उत्पन्न किया जा सके।
- एडेप्टिव स्केलिंग (Adaptive Scaling): एक ग्लोबल स्केलिंग फैक्टर $\eta_k$ संकीर्ण अंतराल (bottlenecks) से गुजरते समय फॉर्मेशन को गतिशील रूप से सिकोड़ता है, और बाधा पार होने के बाद वापस इष्टतम आकार में विस्तारित होता है।

3. मुख्य योगदान (Key Contributions)

इष्टतम ज्यामिति का विश्लेषणात्मक लक्षण वर्णन: यह शोध पत्र सिद्ध करता है कि सहकारी संवेदन के लिए CRLB-इष्टतम फॉर्मेशन एक रेगुलर पॉलीगन है, जिसका एक विशिष्ट एलिवेशन एंगल पाथ-लॉस बनाम ज्यामितीय विविधता ट्रेड-ऑफ द्वारा निर्धारित होता है।
वितरित नियंत्रण ढांचा: एक ऐसी नियंत्रण रणनीति का विकास जो बिना किसी सेंट्रल कंट्रोलर के, केवल स्थानीय पड़ोसी जानकारी का उपयोग करके किसी भी प्रारंभिक तैनाती से इष्टतम फॉर्मेशन प्राप्त करती है।
सुरक्षा और अनुकूलन क्षमता: बाधा निवारण और फॉर्मेशन स्केलिंग तंत्र का एकीकरण, जो झुंड को बाधाओं को नेविगेट करने के लिए अस्थायी रूप से विकृत होने और बाद में इष्टतम संवेदन ज्यामिति को पुनः प्राप्त करने की अनुमति देता है।
प्रदर्शन सत्यापन: प्रस्तावित योजना को बेंचमार्क फॉर्मेशन (जैसे, फिक्स्ड एंगल्स, रैंडम अजीमुथ) की तुलना में CRLB और कन्वर्जेंस स्पीड के मामले में लगातार बेहतर प्रदर्शन करते हुए दिखाया गया है।

4. संख्यात्मक परिणाम (Numerical Results)

सिमुलेशन $M=6$ UAVs के साथ किए गए, जो $s=[80, 90]^T$ पर एक ग्राउंड पॉइंट को लक्षित कर रहे थे, जिसकी उड़ान ऊंचाई $H=20$ मीटर थी।

CRLB प्रदर्शन: प्रस्तावित "CRLB-इष्टतम फॉर्मेशन" ने सभी ऊंचाइयों पर बेंचमार्क (फिक्स्ड एलिवेशन/रैंडम अजीमुथ, फिक्स्ड एलिवेशन/रेगुलर पॉलीगन) की तुलना में लगातार सबसे कम CRLB प्राप्त किया। उच्च ऊंचाइयों पर प्रदर्शन का अंतर बढ़ गया जहाँ पाथ लॉस और ज्यामितीय संवेदनशीलता अधिक थी।
फॉर्मेशन इवोल्यूशन: बाधाओं से भरे वातावरण में, UAVs ने सफलतापूर्वक:
1. प्रारंभिक संरचना बनाने के लिए समन्वय किया।
2. संकीर्ण अंतराल से गुजरने के लिए एडेप्टिवली कॉन्ट्रैक्ट (स्केल डाउन) किया।
3. बाधाओं को बायपास करने के बाद रेगुलर पॉलीगन आकार में वापस विस्तारित और पुनर्गठित किया।
कन्वर्जेंस: जैसे-जैसे फॉर्मेशन इष्टतम ज्यामिति के करीब पहुँचा, CRLB तेजी से कम हुआ और सैद्धांतिक लोअर बाउंड के पास स्थिर हो गया। बाधा निवारण के दौरान (विकृति के कारण) कंट्रोल कॉस्ट अस्थायी रूप से बढ़ी, लेकिन फॉर्मेशन स्थिर होने पर यह भी अभिसरित (converge) हो गई।

5. महत्व (Significance)

यह कार्य सैद्धांतिक संवेदन सीमाओं और व्यावहारिक झुंड नियंत्रण के बीच के अंतर को पाटता है।

सैद्धांतिक प्रभाव: यह एक कठोर ज्यामितीय लक्षण वर्णन प्रदान करता है कि वास्तविक पाथ-लॉस मॉडल के तहत संवेदन सटीकता को अधिकतम करने के लिए UAVs को कैसे व्यवस्थित किया जाना चाहिए, जो आदर्श (idealized) स्थिर प्लेसमेंट से आगे जाता है।
व्यावहारिक प्रभाव: प्रस्तावित वितरित नियंत्रण एल्गोरिदम वास्तविक दुनिया के अनुप्रयोगों (निगरानी, आपातकालीन प्रतिक्रिया) के लिए अत्यधिक प्रासंगिक है जहाँ UAVs को गतिशील, भीड़भाड़ वाले वातावरण में काम करना होता है। यह सुनिश्चित करता है कि बाधाओं को नेविगेट करने की आवश्यकता से संवेदन प्रदर्शन से समझौता न हो, जो लो-एल्टीट्यूड वायरलेस नेटवर्क्स में स्वायत्त सहकारी संवेदन के लिए एक मजबूत समाधान प्रदान करता है।