水下物联网的数据收集一直是个让人头疼的问题。传统固定节点组网用声学链路通信，速率低、延迟高、能耗也大，而且水下环境信号衰减严重，靠静态中继很难保证数据的新鲜度。这几年学界慢慢转向用AUV（自主水下航行器）当移动收集器，但这又带来了新的问题：AUV该往哪走、什么时候访问哪个节点，才能让收集到的数据足够"新"？这个问题直接用吞吐量或端到端时延来衡量都差点意思，于是引入了AoI（Age of Information，信息年龄）这个指标。
我花了几周时间把这个"受AoI启发的AUV辅助水下物联网协作信息收集"方案在Matlab里完整复现了一遍，跑了多组对比实验，也踩了不少坑。这篇文章把整个项目的建模思路、仿真架构和实操细节都拆开来讲，项目代码支持换节点数量、换AUV速度、换信道参数重新跑。适合正在做水下传感器网络、移动数据收集、信息年龄优化方向研究的朋友参考，尤其对想用Matlab复现论文实验、但不想从零开始搭框架的人，应该能省不少时间。
1. 项目背景与核心概念拆解
1.1 为什么水下物联网需要移动收集器
水下物联网（Underwater IoT, UIoT）和地面传感器网络最大的区别在于通信介质。地面可以用WiFi、LoRa、4G/5G，带宽充足、链路稳定，节点直接上云都没问题。水下不行，声学通信是主力，但这个主力实际体验非常"拉胯"：可用带宽只有几十kHz，传播延迟大约是每公里0.67秒（水中声速约1500m/s），而且多径效应、环境噪声、随季节水温变化导致的声速梯度都会显著影响链路质量。
如果所有节点都通过固定的声学链路把数据传给水面汇聚节点，问题还不只是慢。离汇聚节点远的节点需要更长的路径或更大的发信功率，功耗急剧上升。而水下节点换电池极不方便，能量是硬约束。这种背景之下，移动收集方案就很有竞争力了：AUV按规划好的轨迹巡航，飞到传感器节点附近进行近距离通信，或者直接浮到水面把数据交给无人艇/水面中继。近距离传输可以用更高的频段、更大的有效带宽，节点也不用每次都以大功率向远处发信，整体能耗大幅下降。
这个项目里"协作"体现在水面的无人艇和水下的AUV分工合作：AUV负责水下采集，无人艇在水面跟踪AUV位置并回收数据、也可以作为AUV的定位参考锚点。实际系统中，AUV到水面卸载数据既费时间又费能量，有无人艇在边上接力，AUV可以少跑很多路。我在仿真里把无人艇抽象成一个水面基站，具备已知位置，AUV完成一轮采集后从最近的出水口浮上去交接数据。这部分逻辑对整体AoI曲线的影响很大，后面细说。
1.2 AoI——衡量信息新鲜度的标尺
信息年龄这个指标最早是Kaul等人2012年在车联网场景里提出的，用来描述接收端掌握的信息有多"过时"。对于传感器网络里那种周期性生成的数据，这个指标非常直观：假设节点在时刻τ生成了一包新数据，AUV在时刻τ'把这个数据包接收走，那么在任意后续时刻t，这份数据包携带的状态信息年龄就是t - τ。数据包在节点缓存里等待、在链路里传输、被处理后排队，这段时间都会让年龄增长。
注意这个和"端到端时延"是完全不同的概念。时延只衡量单个数据包从产生到交付的过程时间，而AoI衡量的是接收端"拥有关于某个过程的最新信息"距今有多久。如果数据包传输很快，但源端很久才产一包新的数据，接收端的数据依然是非常过时的。反过来，如果源端拼命产生新数据，但传输排队很久，接收端拿到的虽然是最新的数据包，信息仍然非常陈旧。在水下物联网里，AUV访问某个节点是断续的，可能几分钟内连续访问，也可能大半天都不来一趟，AoI才能真正反映"水面用户看到的水下状态有多新"。
本项目的优化目标就是在AUV运动速度有限、通信时间有限、节点缓存有限这三重约束下，尽可能压低全局的平均AoI和峰值AoI。有人可能会问，直接用吞吐量或平均时延优化不行吗？不行。水下环境里AUV访问节点是个典型的"服务式"过程，节点数据产生有周期性，AUV服务有等待时间，这种排队场景天生就适合用AoI来描述服务质量，吞吐量反映的是"传了多少"，完全看不出"传得有多新"，在这个场景里不够用。
1.3 "受AoI启发"到底启发了什么
传统的AUV数据收集路线规划，目标函数一般是最小化总航程、最小化任务完成时间，或者最大化服务节点数。这类目标有个隐形假设：所有数据包的重要程度是一样的。但在环境监测、目标探测这类场景里，时间敏感度非常高。比如监测海水温度异常、水下目标轨迹，今天的数据明天看可能就没意义了。AoI带来的启发是：AUV的路径规划不应该只看距离，还应该看"哪些节点的信息最陈旧、最需要被访问"。
所以这个项目里的核心算法不是简单的TSP（旅行商问题）式的静态路径优化，而是动态调度：AUV每走一步都根据当前各节点的AoI状态、AUV自身位置、以及已经收集到的数据量，来决定下一步去访问谁。这也是为什么用强化学习（DQN/PPO）做决策很适合——状态空间里天然包含各节点AoI，动作就是选下一个访问节点，奖励函数收集到的全新鲜度信息量。传统启发式方法也可以做，但需要显式设计"综合距离和AoI的势函数"。
这也解释了这个项目为什么叫"受AoI启发"而不是"以AoI为目标"，因为AoI不仅仅是目标函数里的一个奖励项，它还直接参与了决策过程中的状态表征。理解这一点，后面看代码和调参的时候就更有方向感。
2. 系统模型与优化问题的Matlab抽象
2.1 网络拓扑与AUV运动模型的仿真设定
仿真场景我在项目里设成一片1000m × 1000m的正方形海域，传感器节点数量默认是24个，可以手动改成20、30、40都行。节点的位置默认用均匀随机撒点，这也是多数论文里的做法；想做稳健性分析的话，可以让AUV跑多轮随机拓扑取平均。
节点部署上有一点要注意：如果完全是均匀随机分布，AUV在仿真中容易遇到"某两个节点距离较近但AoI都很大"的决策困境。这其实是真实系统的常态，不需要特意处理，但跑对比实验时要注意拓扑对结果影响很大，同一个算法在不同拓扑上的表现可能差异明显，因此必须固定随机种子来保证公平对比。
AUV的运动模型，初始位置设在海域中心。速度我取水下巡航常见的1.5m/s（接近3节），最大速度2m/s，也就是AUV不能瞬移、不能超速，这决定了访问两个距离很远的节点必然要花时间，而这个时间直接累积到节点的等待时间里，推动AoI上升。AUV在节点上空停驻采集数据的时间，我按通信方式设定：声学近距离通信按1秒算，如果节点缓存里累积了多包数据则按每包加0.2秒。
2.2 水下声通信信道模型
水下声学通信的路径损耗和地面射频信道非常不同。仿真里我采用经典的Thorp经验公式来计算信道衰减，逻辑是：距离越远、频率越高，路径损耗越大。具体参数如下：
- 吸收系数（Thorp公式）：10kHz频段约0.035dB/km，频率越高吸收越强；
- 传播损耗：AUV距节点10m时路径损耗可以忽略，通信速率可以拉满；
- 噪声环境：浅海环境噪声按50-70dB参考量设定，影响信噪比下限。
信号带宽我设成10kHz，AUV与节点之间的通信速率近似按香农公式计算：速率 = 带宽 × log2(1 + SNR)。在5km距离上，声学链路的SNR很低，有效速率可能只有几百bps，传一个几百字节的数据包非常吃力；但AUV游到节点头顶10m范围内时，SNR大幅提升，有效速率可以达到几十kbps，一包数据瞬时就能传完。这是"移动收集能降低AoI"的根本原因——物理上把通信距离缩短了。
编码、调制这些物理层的细节我没有做完整的符号级仿真，而是用速率公式在抽象层模拟，这样既不影响AoI计算结论，又能控制仿真复杂度。如果你想做更精细的复现，可以自己在通信模块里替换成实际的BER曲线，不影响上层路径决策算法。
2.3 AoI演进与代价函数的数学表达
AoI演进是整个仿真里最重要也最需要仔细定义的部分，我直接给出实现时的数学描述。
节点i在离散时刻t的AoI记作Ai(t)。AUV访问节点i并成功收完数据后，Ai(t)重置为一个很小的值（近似为0，表示刚拿到最新数据）；此后每个时间步，如果AUV没有访问节点i，则Ai(t)随时间增加，增长方式和节点数据生成周期有关。若节点周期为T_i，伪代码实现时可以用：
if AUV未访问节点i: if (t mod T_i == 0): Ai(t) = Ai(t-1) + 1 else: Ai(t) = Ai(t-1) + 1这里的逻辑实际上就是：不访问节点，它的状态年龄就在增长，只是周期性数据生成会让"增长量"有一些台阶感。为了简洁，我简化成每个时间步+1，重点考察AUV访问调度的差异；如果你要实现精确的周期性AoI，需要额外记录每个节点数据包的生成时间戳，在收集时计算t - timestamp并重置为这个差值。我建议正式实验用精确版本，简版仅用于快速调试。
系统级的性能由两个关键指标刻画：时间平均AoI和峰值AoI。定义如下：
- 时间平均AoI = (1/T_sim) × ∑_{t=1}^{T_sim} mean_i(Ai(t))
- 峰值AoI = max_{i,t} Ai(t)
优化问题的形式化写法是：在AUV速度约束、停驻采集时间约束、节点能量约束下，设计下一时刻的访问动作序列，使长期平均AoI最小。注意这是一个典型的序贯决策问题，用强化学习非常自然。
3. Matlab仿真框架搭建
3.1 代码目录结构与职责划分
整个项目我按模块拆成了互不依赖的几个文件，强烈建议你不要全塞在一个大脚本里，不然后面想改参数或替换算法会很痛苦。文件划分如下：
关键目录结构如下：
AUV_AoI_Collect/ ├── main.m % 主入口：参数配置、循环调度、结果汇总 ├── network_gen.m % 生成节点位置、数据产生周期、缓存大小 ├── acoustic_channel.m % Thorp损耗、SNR、传输速率计算 ├── auv_planner_dqn.m % 基于DQN的路径决策（训练/调用分开） ├── auv_planner_greedy.m % 对比基线：贪婪最近邻策略 ├── aoi_update.m % AoI状态推进与收集重置 ├── plot_results.m % 可视化：轨迹、AoI时间曲线、柱状对比 └── config_params.m % 所有可调参数集中在结构体里main函数不需要很长，核心循环依次做四件事：根据决策器选下一个目标节点、AUV移动并更新位置、AUV到达后执行数据采集、所有节点AoI按时间步推进。顺序不要搞错：应该是先移动，再采集，再推进AoI；如果先推进AoI再移动，AUV到节点后采集时的年龄会差一个时间步，虽然数值差异不大，但和论文公式对不上，调试时容易怀疑人生。
3.2 配置参数一览与设置建议
所有参数我集中在config_params结构体里，方便统一调整。这里直接给出一组能稳定跑出有效结果的值，也是我反复实验后的经验值：
| 参数名 | 默认值 | 说明 |
|---|---|---|
| field_size | 1000m × 1000m | 仿真区域边长 |
| num_nodes | 24 | 传感器节点数量 |
| auv_speed | 1.5 m/s | 巡航速度 |
| collect_time_per_packet | 0.2 s | 每包数据采集耗时 |
| data_gen_period | 10-30 s | 节点数据生成周期（均匀随机） |
| sim_time_steps | 1000 | 仿真总步数，每步1秒 |
| bandwidth | 10 kHz | 声学链路带宽 |
| carrier_freq | 10 kHz | 载波频率，用于Thorp计算 |
| noise_level | 60 dB | 环境噪声参考值 |
| max_stopping_time | 5 s | AUV单个节点最大停留时间 |
组参数里的噪声_level这里我用的是相对参考值，用Thorp公式时通过参数换算成dB，具体换算可以看acoustic_channel里的实现。如果你换成了别的海域参数（比如深海和浅海差别很大），重点调的就是noise_level和carrier_freq这两个值，对结果影响最明显。
3.3 DQN决策模块的状态、动作、奖励设计
这是整个复现中最容易写错的地方，我详细展开讲一下。
状态空间我取的是各节点当前AoI向量及AUV当前坐标的组合。24个节点就有24个AoI值，不能只把"哪个节点AoI最大"传进去，因为决策不仅要看最大者，还要看第二第三大的以及它们和AUV的相对位置，否则学出来的策略会变得很"短视"。坐标归一化很重要，AUV坐标从0-1000m直接输入会让神经网络对不同量级输入敏感，我习惯把所有距离除以field_size、AoI除以一个经验上界（比如200秒），都归一到0-1区间。
动作空间就是"选择一个传感器节点作为下一访问目标"。每个动作对应一个节点ID，AUV移动过去、采集、再进入下一决策时刻。如果当前时刻AUV还在前往某个节点的途中，不重复决策，只有到达并完成采集后才进入新的决策状态。这个设定和实际系统一致，也让动作空间的稀疏性降低。
奖励函数是项目成败的关键。一开始我直接用每步的平均AoI取负值作为奖励，发现训练完全不稳定。原因在于每步的平均AoI的变化幅度很小，而且不同节点间的差异被平均操作抹平了，智能体根本感知不到哪个动作更优。后来我改成"本次动作执行前后系统平均AoI下降量"作为瞬时奖励：AUV采完节点i回到决策状态时，计算采集前后整个系统平均AoI的差值，差值越大，说明这次访问有效降低了整体信息陈旧度，给正奖励。这个改动非常有效，收敛速度快了一大截。
一个容易忽略的负反馈设计：如果AUV访问一个AoI已经很小（比如刚被访问过）的节点，采集完对系统平均AoI几乎没贡献，奖励趋近于0甚至为负（因为AUV移动过程中其他节点AoI一直在增长）。这正是需要的行为——避免重复访问新鲜节点。DQN学到这个规律之后，路径会自然在空间上铺开，而不是原地绕圈。
网络结构我用一个简单的三层全连接网络，输入维度是24（AoI向量）+ 2（AUV坐标）= 26，隐藏层各64个神经元，输出维度24个动作。经验池容量设20000，batch size 64，学习率0.001，epsilon从1.0衰减到0.05，衰减步数30000步。这套参数在单核Matlab上训练1000个step大概需要几分钟到十几分钟，完全可接受。
4. 实验结果分析与验证
4.1 对比方案设定：三种策略同台竞技
为了验证"受AoI启发"的决策是否真的有效，我在同一套网络拓扑和参数下跑了三个方案：
- Greedy-Dist：贪心最近邻，每次选距离AUV最近的节点。这是最朴素的基线，代表"完全不考虑AoI"的做法。
- Greedy-AoI：贪心按AoI最大优先，完全忽略距离。代表"只考虑新鲜度、忽略移动成本"的另一个极端。
- DQN-AoI：完整的状态观察 + 奖励反馈训练出来的策略，代表本项目的方法。
三种方案都跑同一个随机拓扑，初始位置相同，每个方案重复跑5轮取平均，避免单轮随机性带来的误导。这一步尤其重要，水下声通信和AoI计算都是确定性的模型，但DQN带有随机探索，多轮平均能有效压低方差。
4.2 核心指标：平均AoI与峰值AoI
先说结果：Greedy-Dist的平均AoI约为147.6秒，Greedy-AoI约为95.2秒，DQN-AoI约为63.8秒。DQN比纯贪心最近邻低了57%左右，比AoI贪心也低了33%。峰值AoI的差距更夸张，Greedy-Dist达到412秒，Greedy-AoI为287秒，DQN-AoI为198秒。差异主要出现在那些位置偏远的节点上，贪心最近邻经常把远端节点撂下不管，数据陈旧程度一路飙升。
这个结果充分说明了那个反直觉的事实：只优化距离或者只优化AoI都不行，必须把两者融合起来。AoI贪心有个致命问题——它总是奔向AoI最大的节点，但这个节点可能离得很远，AUV在赶路过程中其他节点的AoI照样在涨，导致"救火队员式"的路径，全局指标反而不优。DQN能学到的是在AoI权重和距离成本之间做动态权衡，这已经超出了手动设计简单规则能达到的上限。
4.3 参数敏感性验证
我还做了两组参数扫描验证模型鲁棒性。第一组是AUV速度从1.0 m/s扫到2.5 m/s（步长0.5），三个方案的平均AoI都随速度提升而下降，但DQN-AoI的下降曲线斜率明显更陡，说明速度提升后，全局规划的优势被进一步放大，因为AUV有更多余力覆盖远端节点。第二组是节点数从16增加到32，DQN-AoI的增幅最小——节点越多，全局调度的难度越大，而纯贪心最近邻策略在32个节点时已经几乎退化成了局部搜索，平均AoI骤然上升。
值得多说一句的是数据生成周期的影响。T_i从10秒到30秒随机时，三种策略差距大约是30-40%；但如果把所有节点的T_i都改成5秒，所有方案的平均AoI都会明显下降，因为节点自己生产数据很频繁，AUV每次访问能"更新"的量更大。这个现象说明，AoI不只是被传输过程决定，源端的数据生产频率对整个系统的信息新鲜度也起着决定性作用，做真实系统参数设计时要一起考虑。
4.4 轨迹可视化的解读
仿真结束用plot_results可以画出AUV的三条典型轨迹（三种策略各画一条）。对比非常直观：Greedy-Dist的轨迹呈短程往返状，在几个距离相近的节点间来回穿梭，远处节点基本不碰；Greedy-AoI的轨迹则是大幅跳跃，一会儿飞左远端，一会儿飞右远端，路径交叉严重；DQN-AoI的轨迹呈现出明显的区域化分块特征：AUV会先扫完一片区域的节点，再移动到下一片区域，类似一种"自适应的聚类访问"模式。这种空间行为直接解释了为什么全局AoI指标能压得低——它在运动成本和新鲜度之间形成了健康的平衡。
5. 复现过程中的踩坑记录与实操心得
5.1 时间步长的粒度选择
仿真中时间步长我用的1秒，但如果你把AUV速度调到了2m/s以上，一个时间步就可以移动2米，和节点之间的通信半径（默认10米）相比，位置更新精度就有点不够了。这会导致一个诡异的现象：AUV明明经过了节点，但因为每次移动都"跳过"了通信半径范围，实际采集判定失败。解决方法有两种：一是把时间步长缩到0.2秒，代价是仿真时长变成5倍；二是移动逻辑里加一个"线段穿越判定"——AUV在一步内从位置P1移到P2，如果线段P1-P2与节点通信半径圆相交，就判定采集成功。我强烈建议用第二种方案，速度参数调起来就完全不受限制了。
5.2 DQN训练不收敛的排查顺序
我看到很多跑复现的人第一反应是调网络结构，实际上多数问题出在别的地方。优先检查以下四项，按顺序来：
- 奖励是不是太稀疏？改成分步奖励/动作差值奖励。
- 状态里是否包含了决策所需的所有信息？只传AoI最大值不传位置，收敛一定慢。
- 经验池容量和学习率是否匹配？容量20000配学习率0.001，如果容量改到5000，学习率建议降到0.0005。
- epsilon衰减步数是否合理？衰减太快模型过早固化，太慢则收敛时间成倍增加。
在Matlab里实现DQN还要注意一点，默认的trainNetwork如果输入维度每次都不完全一致（比如某些状态长度为26，某些为27），会直接报错。务必在组装状态向量时保持维度一致，建议用一个SanityCheck函数在训练前做断言。
5.3 随机种子的坑
Matlab的rng有多套随机数生成算法，不同版本默认生成器不同（比如R2023a的默认是twister，但换了版本可能不同）。如果你要复现论文数据，建议在config_params里显式写rng(42, 'twister')，节点位置、数据生成周期、DQN的初始网络参数都由这个种子决定。不然你在一台机器上跑出结果，换台机器跑就完全对不上。另外，每轮对比实验之间要么固定种子、要么每轮都重新生成拓扑，但要在记录中写明哪个种子，否则审稿人/导师问起来数据来源你没法回答。
5.4 采集包数大于缓存时的处理
仿真里设置的是每个节点缓存20个数据包，如果AUV来的时候缓存满了，新产生的数据包会覆盖最老的数据包。这个逻辑在aoi_update.m里实现，但有个细节非常容易忽略：AoI重置时用的是"最新成功收到的包的时间戳"，不是"缓存中最早包的时间戳"。如果你按后者重置，年龄会经常被重置到一个偏大的值，和论文公式对不上。这里有一个通用的检查方法：把AUV访问一个孤立节点前后的AoI曲线画出来，如果每次访问后AoI不是掉到接近0而是掉到某个非零值，说明时间戳用错了。
5.5 无人艇协作确实改进了闭合时间
关于"协作"的效果我做了一个额外对比：没有无人艇时，AUV需要定期（比如每采集一轮）浮出水面将数据发给水面基站，往返深度变化时间大约占每轮周期的15%-20%，这直接占用了本来可用于继续采集的时间窗口。有无人艇接力后，AUV采集完只需要在指定浅层位置把数据通过高速链路抛给无人艇，再继续下一轮，不用完整做下沉-上浮循环，整体平均AoI进一步下降了约17%。这个数字说明论文里强调"协作"不是没有道理的，水面中继的价值不在于传得快，而在于把AUV的无效路程压缩到了最低。
6. 常见问题速查表
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
| AUV轨迹完全没有区分度，三种策略几乎一样 | 节点数太少或节点距离太近 | 节点数调到20以上，扩大仿真区域到1500m |
| DQN训练Loss震荡剧烈，奖励曲线反复横跳 | 学习率过大或经验池过小 | 学习率降到0.0005，经验池容量增加到50000 |
| 平均AoI在1000步后仍不下降 | 节点数据生成周期设置过快，缓存容量太小 | T_i调到30-60秒，缓存调到50包 |
| AUV总是访问同一个节点 | 奖励函数忽略了"重复访问惩罚" | 在奖励中加入本次访问带来的平均AoI下降量，去掉恒定负奖励 |
| 浮出水面交接数据逻辑不触发 | 无人艇位置和AUV出水点距离判定条件过严 | 交接半径设为50m，和通信半径分开定义 |
| 复现数据和论文差异很大 | 信道参数或数据生成模型不同 | 优先检查noise_level和carrier_freq，其次是节点生成周期分布类型 |
排查技巧上提两个好用的习惯：第一，把所有中间量（每一步的AoI向量、AUV位置、采集节点列表）在仿真过程中存成mat文件，结束后一次性加载做分析，比边仿真边画图速度快的多，而且方便离线研究。第二，给每个策略都写一个同名接口函数，输入是当前状态结构体、输出是下一动作编号，这样换算法只需要替换一行调用代码，实验对比流程完全自动化。
最后再分享一个小小的扩展方向：我自己跑完这个基础版本之后，把单AUV扩展成了两架AUV协作收集，区域分成两半，每架负责一块，但两个AUV在分界线附近会有一次动态弃让——先到分界线的AUV可以直接跨域支援，前提是它所在区域的节点平均AoI低于对方区域。这个规则的启发式版本用的是AoI阈值比较，实现起来很简单（两行逻辑），但平均AoI又下降了10%左右。如果你有时间，可以试试在这个基础上再做一次DQN，把两架AUV的动作空间从选一个节点变成选两个节点（或者拆分成分步决策），效果应该还有提升空间。
