CN108683442B - 基于干扰对齐的无人机通信***的能量效率优化方法 - Google Patents
基于干扰对齐的无人机通信***的能量效率优化方法 Download PDFInfo
- Publication number
- CN108683442B CN108683442B CN201810497153.XA CN201810497153A CN108683442B CN 108683442 B CN108683442 B CN 108683442B CN 201810497153 A CN201810497153 A CN 201810497153A CN 108683442 B CN108683442 B CN 108683442B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- matrix
- relay
- ith
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000006854 communication Effects 0.000 title claims abstract description 52
- 238000004891 communication Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 250
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000010187 selection method Methods 0.000 claims description 9
- 238000003306 harvesting Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract description 3
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000007500 overflow downdraw method Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Radio Relay Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于移动通讯技术领域,公开了一种基于干扰对齐的无人机通信***的能量效率优化方法。首先确定***模型并根据Bezout的理论分析该***模型中干扰对齐的可行性。其次,确定满足可行条件之后,初始化预编码矩阵,利用网络互易性,可以迭代求出干扰对齐的预编码矩阵和解码矩阵解。最后考虑收集能量,提出一种融合方法,在天线选择基础上,将功率分割技术应用在用于信息解码的天线上进一步收集多余能量,计算针对每一种方案的速率和收集的能量,选择其中使得速率和能量效率综合性能最优的天线选择和功率分割方法,作为基于干扰对齐的无人机通信***中的能量效率优化解。
Description
技术领域
本发明属于移动通讯技术领域,设计了一种基于干扰对齐的无人机通信***的能量效率优化方法。该方法区别于已有方法的特色在于,在全无人机通信***中,结合天线选择和能量分割技术,并将其应用于中继无人机上。该方法能够有效提升通信***的速率和能量效率,使得无人机通信***的性能更优。
背景技术
无人机通信***是一种新兴的通信模式。随着移动网络的不断更新和升级,无人机由于其移动性和灵活性被广泛的应用于计算机网络中。在无人机通信***中,每个节点代表一个无人机,可以发送和接收信息,也具备处理信息的能力。由于其能量限制,其通信范围是有限的。因此在无人机群飞网络中,一般由三种类型的无人机构成,分别为发送机、中继和接收机。其中中继以全双工方式进行工作。
无人机发送端收集信息后,将信息发送给中继,由中继将信息转发给接收端。在通信的过程中,中继端将受到其他非期望发送端的发送信号干扰,也会受到其他中继转发信息时对其造成的干扰;而接收端也会受到其他中继端信号的干扰。因此我们需要应用干扰对齐技术对其进行干扰消除,以保证接收端可以接收到无干扰的期望信号。此外,由于无人机的供电方式是电池供电,在能量方面有很大的限制。因此需要一种方法对其进行优化以实现该通信***的更优性能。现有的能量收集技术有天线选择和功率分割方法,两种方法针对的目标有所差异,前者旨在提升***的传输速率,后者在于收集能量提高能效。我们考虑将两者的优势进行结合以弥补其在另一方面的不足,提出了基于干扰对齐的无人机通信***的能量效率优化方法,综合提升速率和能量性能。
发明内容
本发明提出了一种基于干扰对齐(Interference Alignment,简称IA)的无人机通信***的能量效率优化方法,目的是优化***的能量效率性能,同时保证信息的传输速率。
本发明的技术方法:
基于干扰对齐的无人机通信***的能量效率优化方法,步骤如下:
第一步,确定***模型并分析其中干扰对齐的可行性
建立无人机通信***的模型;
一个无人机群飞自组网中包含K个发送端无人机、K个中继无人机以及K个接收端无人机;中继端无人机是全双工的工作模式;假设每个发送端无人机上安装有M个天线,每个接收端无人机上安装有N个天线,每个中继无人机上安装有Nt个发送天线和Nr个接收天线;信息传输的过程分成两个阶段,第一个阶段是由发送端无人机将信息发送给中继无人机;第二阶段是由中继无人机发送信息给接收端无人机;在通信的过程中,中继无人机将受到其他非期望发送端的发送信号干扰,也会受到其他中继转发信息时对其的干扰;而接收端无人机也会受到非期望中继端的信号干扰。
第i个中继无人机接收的信号表示为:
其中:i=1,…,K;u[i]代表Nr×d的在中继无人机上的解码矩阵,并且u[i]u[i]H=1;H代表的是共轭转置;h[ii]代表的是第i个发送端无人机到第i个中继无人机的Nr×M信道矩阵,即为期望信号的信道矩阵;h[il](l=1,…,K,l≠i)代表的是从第l个发送端无人机到第i个中继无人机的Nr×M信道矩阵,其中每个元素之间都是独立分布的;G[ik](k=1,…,K,k≠i)代表的是第k个中继无人机到第i个中继无人机的信道矩阵,它是一个Nr×Nt的矩阵;v[i]是一个M×d的矩阵,代表的是第i个发送端无人机的预编码矩阵,其中v[i]v[i]H=Id;v[l](l=1,…,K,l≠i)是一个M×d的矩阵,代表的是第l个发送端无人机的预编码矩阵,其中v[l]v[l]H=Id;V[k](k=1,…,K,k≠i)是一个Nt×d的矩阵,代表的是第k个中继无人机的编码矩阵,其中V[k]V[k]H=Id;x[i]表示的是第i个发送端无人机发送的有d个独立数据流、功率为P1 [i]的信号;x[l](l=1,…,K,l≠i)表示的是第l个发送端无人机发送的有d个独立数据流、功率为P1 [l]的信号;x1 [k](k=1,…,K)表示的是第k个中继无人机发送的有d个独立数据流、功率为P2 [k]的发送信号;z[i]是第i个中继无人机的Nr×1的高斯白噪声向量;公式(1)等式右边第一项表示第i个中继端无人机的期望接收信号,第二项表示非期望发送端无人机对第i个中继端无人机造成的干扰,第三项表示其他中继端无人机对第i个中继端无人机造成的干扰,最后一项表示在第i个中继端无人机上的高斯白噪声干扰;
第i个接收端无人机接收的信号表示为:
其中i=1,…,K;U[i]代表的是第i个接收端无人机上的N×d解码矩阵,同时U[j]U[j]H=Id;H[ii]代表的是第i个中继端无人机到第i个接收端无人机的N×Nt信道矩阵,即为期望信号的信道矩阵;H[ik](k=1,…,K,k≠i)代表的是第k个中继端无人机到第i个接收端无人机的N×Nt信道矩阵;V[i]是一个Nt×d的矩阵,代表的是第i个中继无人机的编码矩阵,其中V[i]V[i]H=Id;z1 [i]是第i个接收端无人机的Nr×1的高斯白噪声向量;公式(2)等式右边第一项表示第i个接收端无人机的期望接收信号,第二项表示非期望中继端无人机对第i个接收端无人机造成的干扰,第三项表示在第i个接收端无人机上的高斯白噪声干扰;
由于在该信息传输***中,干扰对于信息传输的影响是非常严重的,因此我们考虑应用干扰对齐技术对其进行干扰去除。为了有效的减少用户间的干扰,我们应该协调设计预编码矩阵和解码矩阵。同时,为了确保干扰对齐可以实现其最佳性能,需要满足***的可行性条件。
根据Bezout的理论,一般的多项式***当且仅当等式的数量不超过变量数量时是可以解决的。因此IA网络根据等式数量和变量数量的对比,可以被分为可行和不可行。
第二步,利用分布式干扰对齐对预编码矩阵和解码矩阵进行迭代求解
在满足了可行性条件之后,将干扰对齐技术应用到该无人机通信网络中。
干扰对齐技术是新兴的干扰管理的技术,其主要思想是通过对编码、解码矩阵的设计来有效的去除***中的通信干扰。利用网络互易性,我们采用分布式干扰对齐对我们所要设计的编码、解码矩阵进行迭代地求解。其具体步骤可以细分为如下算法步骤。
步骤1、以高斯信道模型初始化第l个发送端无人机到第i个中继无人机的信道矩阵h[il](i=1,…,K,l=1,…,K),以及第k个中继无人机到第i个接收端无人机的信道矩阵H[ik](i=1,…,K,k=1,…,K);以高斯信道模型初始化第k个中继端无人机到第i个中继无人机的信道矩阵G[ik](i=1,…,K,k=1,…,K,k≠i);用均值为0,方差为1的正态分布的随机数矩阵初始化第i个发送端预编码矩阵v[i](i=1,…,K)和第k个中继端预编码矩阵V[k](k=1,…,K);
步骤2、基于Min_LI的迭代算法设计解码矩阵:其标准是使得接收端通过干扰抑制滤波器之后剩余的干扰信号功率,即“干扰泄露能量”最小化;通过逐步迭代逐渐减少泄露的干扰信号,直至干扰泄露能量为零,实现完全干扰对齐。
在第i个中继端无人机处,干扰泄露能量为:
其中i=1,2,3;Tr[A],Qb [i]分别代表矩阵A的迹和第i个中继无人机的干扰协差矩阵;Qb [i]的计算公式为公式(4),利用步骤1中初始化的值以及通信***自由度d和发送信号功率P1 [l](l=1,…,K,l≠i),计算出Qb [i];
在第i个接收端无人机处,干扰泄露能量为:
I[i]=Tr[U[i]HQ[i]U[i]](5)
其中Q[i]代表第i个接收端无人机的干扰协差矩阵;
步骤3、第i个中继端无人机通过选择解码矩阵u[i]来使得干扰泄露最小化,相对应的可以选取干扰协差矩阵Qb [i]的最小d个特征值所对应的特征向量所扩展成的矩阵作为解码矩阵,第i个中继端无人机中对应Qb [i]的每个特征值的特征向量表示为:
其中vs(A)函数代表求矩阵A的第s个特征值对应的特征向量。将d个特征向量组合在一起可以得到第i个中继端无人机的解码矩阵u[i]。
同理,第i个接收端无人机通过选择解码矩阵U[i]来使得干扰泄露最小化。第i个接收端无人机中对应Q[i]的每个特征值的特征向量可以表示为:
将d个特征向量组合在一起可以得到第i个接收端无人机的解码矩阵U[i];
步骤4、依据Min_LI的迭代算法,利用网络互易性,翻转通信方向,收发端角色互换。在反向网络中,在编码矩阵和解码矩阵上方加上←表示。此时,原先的接收端无人机作为发送端,原先的发送端无人机作为接收端,中继端仍为中继端,但是其信息传送方向与之前相反。
此时,在互易网络第i个发送端无人机的干扰协差矩阵可以表示为:
第i个中继端无人机的干扰协差矩阵可以表示为:
其中,i=1,…,K;表示第l个接收端无人机到第i个中继端无人机的信道矩阵,且 代表第l个接收端无人机在互易网络中的编码矩阵,由步骤3中求出的接收端无人机的解码矩阵给定, 代表第k个中继端无人机到第i个中继端无人机的信道矩阵,且 代表第k个中继端无人机在互易网络中的编码矩阵,由步骤3中求出的中继端无人机的解码矩阵给定,
步骤6、干扰泄露矩阵收敛时的发送端的编码矩阵v[i](i=1,…,K),中继端的编码矩阵V[i](i=1,…,K)和解码矩阵u[i](i=1,…,K),以及接收端的解码矩阵U[i](i=1,…,K)即为所求解;
第三步,基于天线选择和功率分割技术得到无人机通信***的能量效率优化方法。
在无人机通信***中,由于无人机的能量供应有限,对于能效方面需要更高的要求。现存的主要能量收集方法有天线选择方法和能量分割方法。在天线选择方法中,仅选择部分天线进行信息解码,剩余的天线进行能量的收集以提高能量效率。而能量分割方法中,部分能量被收集,剩余能量执行信息解码的任务。两种方法针对的目标有所差异,前者旨在提升***的传输速率,后者在于收集能量提高能效。
我们考虑将两者的优势进行结合,以弥补其在其他方面的不足,提出了基于干扰对齐的无人机通信***的能量效率优化方法,综合提升速率和能量性能。即在天线选择的基础上,应用能量分割,在被选择用于解码的天线上进行能量分割,进一步的收集能量,提升其能效性能。其具体步骤可以细分为如下算法步骤。
步骤1、在初始化阶段,在第i(i=1,…,K)个中继无人机的Nr个接收天线中选出S[i]∈(0,Nr)个天线进行信息解码,列出不同的天线选择方法。第i个中继端无人机的天线选择方法可以表示为公式(13),它有种可能性。
在第i个中继端无人机上,选择的S[i]个天线用于信息解码,第i个中继端的解码矩阵可以表示为S[i]×d的第j个发送端无人机到第i个中继端无人机的S[i]×M的解码信道矩阵可以表示为用高斯信道模型对其进行初始化;剩余的(Nr-S[i])各天线用于收集能量,第j个发送端无人机到第i个中继端无人机的(Nr-S[i])×M的能量收集信道矩阵可以表示为用高斯信道模型对其进行初始化;
步骤2、在第i个中继端无人机中选择的S[i](i=1,…,K)个天线上应用功率分割方案。第i个中继端无人机的功率分割矩阵可以表示为公式(14)。
其中i=1,…,K;表示S[i]个天线中每个天线的功率分割因子,对于每一个ρ,满足ρ∈(0,1)。在用于信息解码的S[i]个天线上,将其接收的信号能量中再进行分割,对于每个天线接收的信号能量,部分用于信息解码,而收集部分的能量,以尽可能的提高网络的能量效率。
步骤3、在第i个中继无人机上的每种天线选择方案中,采用各种不同的功率分割方案W[i]。利用初始化后的第j个发送端无人机到第i个中继端无人机的解码信道矩阵代替h[ij](i=1,…,K,j=1,…,K),再用功率分割矩阵W[i]对解码信道矩阵进行进一步的约束。应用第二步中的干扰对齐技术,得到干扰泄露收敛时的发送端的编码矩阵v[i](i=1,…,K),中继端的编码矩阵V[i](i=1,…,K)和解码矩阵以及接收端的解码矩阵U[i](i=1,…,K)后,根据公式(15)可以求出该方案信息传输速率;根据公式(16)可以求出该方案收集的能量。此处我们以第一阶段的速率作为目标优化速率。
第i个中继端无人机的目标优化速率可以表示为公式(15)。
其中,i=1,…,K;Id表示d×d的单位矩阵;表示第i个中继端无人机的信息解码矩阵,由于选择了S[i]个天线用于信息解码,所以它是一个S[i]×d的矩阵;W[i]代表应用在第i个中继端无人机S[i]个选择天线上的S[i]×S[i]功率分割矩阵;IS表示S[i]×S[i]的单位矩阵;σ2IS表示在中继端无人机处的高斯白噪声。
第i个中继端无人机收集的能量可以表示为公式(16)。
其中,i=1,…,K;η和ζ代表的是能量转换效率。代表第i个中继端无人机用于能量收集的功率分割矩阵,即 代表第k个发送端无人机到第i个中继端无人机的解码信道矩阵;代表第k个发送端无人机到第i个中继端无人机的能量收集信道矩阵;公式(16)等式右边第一项表示在第i个中继无人机中用于信息解码的S[i]个天线上进一步收集的能量;第二项表示剩余的(Nr-S[i])个天线上收集的能量;
步骤4、由步骤3计算出所有方案对应的目标优化速率及***收集的能量,从中选择出使得***速率和收集能量整体性能最优,即达到目标函数要求的天线选择方案g[i](i=1,…,K)和功率分割方案W[i](i=1,…,K)作为优化解。目标函数可以表示为公式(17)。
其中0≤α[i]≤1,代表的是速率性能的权重。
本发明给出一种基于干扰对齐的无人机通信***能量效率优化方法。首先,分析***模型和其可行条件。然后利用干扰对齐算法求解出编码、解码矩阵。之后利用天线选择和功率分割的融合算法对无人机通信***中的能量问题优化求解,从而达到优化无人机通信***性能的目的。
具体实施方式
以下结合技术方案,进一步说明本发明的具体实施方式。
第一步,确定***模型并分析其中干扰对齐的可行性。
首先,建立无人机通信***的模型,明确我们所要解决的问题。
我们考虑一个3个用户的无人机群飞自组网。其中包含3个发送端无人机,3个中继无人机以及3个接收端。其中中继无人机是全双工的工作模式。假设每个发送端无人机上安装有3个天线,接收端无人机上安装有3个天线,而中继端无人机上安装有3个发送天线和3个接收天线,同时d=1。整个信息传输的过程可以分成两个阶段,第一个阶段是由发送端无人机将信息发送给中继无人机,第二阶段是由中继无人机发送信息给接收端无人机。在通信的过程中,中继端将受到其他非期望发送端的发送信号干扰,也会受到其他中继转发信息时对其的干扰;而接收端也会受到其他中继端的信号干扰。
第i个中继无人机接收的信号可以表示为:
其中i=1,2,3。u[i]代表的是3×1的在中继无人机上的解码矩阵,并且u[i]u[i]H=1。h[ii]代表的是第i个发送端无人机到第i个中继无人机的3×3信道矩阵,即为期望信号的信道矩阵;h[il](l=1,2,3,l≠i)代表的是从第l个发送端无人机到第i个中继无人机的3×3信道矩阵,其中每个元素之间都是独立分布的;G[ik](k=1,2,3,k≠i)代表的是第k个中继无人机到第i个中继无人机的信道矩阵,它是一个3×3的矩阵;v[i]是一个3×1的矩阵,代表的是第i个发送端无人机的预编码矩阵,其中v[i]v[i]H=Id;V[k](k=1,2,3,k≠i)是一个3×1的矩阵,代表的是第k个中继无人机的编码矩阵,其中V[k]V[k]H=Id;x[i]表示的是第i个发送端无人机发送的有1个独立数据流、功率为P1 [i]的信号;x1 [k](k=1,2,3)表示的是第k个中继无人机发送的有1个独立数据流、功率为P2 [k]的发送信号;z[i]是第i个中继无人机的3×1的高斯白噪声向量。
第i个接收端无人机接收的信号可以表示为:
其中i=1,2,3。U[i]代表的是第i个用户上的3×1解码矩阵,同时U[i]U[i]H=Id。H[ii]代表的是第i个中继端无人机到第i个接收端无人机的3×3信道矩阵,即为期望信号的信道矩阵;H[ik](k=1,2,3,k≠i)代表的是第k个中继端无人机到第i个接收端无人机的3×3信道矩阵;V[i]是一个3×1的矩阵,代表的是第i个中继无人机的编码矩阵,其中V[i]V[i]H=Id;z1 [i]是第i个接收端无人机的3×1的高斯白噪声向量。
由于在该信息传输***中,干扰对于信息传输的影响是非常严重的,因此我们考虑应用干扰对齐技术对其进行干扰去除。为了有效的减少用户间的干扰,我们应该协调设计预编码矩阵和解码矩阵。同时,为了确保干扰对齐可以实现其最佳性能,需要满足***的可行性条件。
rank(u[i]Hh[ii]v[i])=d(23)
rank(U[j]HH[jj]V[j])=d (24)
当(20)-(22)被满足时,(23)和(24)也近乎一定被满足。因此我们需要协同解决(10)-(12)以确保我们的方法可行。根据Bezout的理论,一般的多项式***当且仅当等式的数量不超过变量数量时是可以解决的。因此IA网络根据等式数量和变量数量的对比,可以被分为可行和不可行网络。
根据上面的公式,等式的数量可以表示为:
Nε=3×K×(K-1)×d2 (25)
变量的数量可以表示为:
Nv=K×d×(M+N+Nr+Nt-4×d) (26)
当IA的可行条件满足,即Nv≥Nε,***中的干扰可以被完美去除。在我们考虑的情况中,Nε=18,Nv=24满足Nv≥Nε,因此满足可行条件。
第二步,利用分布式干扰对齐对预编码矩阵和解码矩阵进行迭代求解。
在满足了可行性条件之后,我们可以将干扰对齐技术应用到该无人机通信***中。
干扰对齐技术是新兴的干扰管理的技术,其主要思想是通过对编码、解码矩阵的设计来有效的去除***中的通信干扰。利用网络互易性,我们采用分布式干扰对齐对我们所要设计的编码、解码矩阵进行迭代的求解。其具体步骤可以细分为如下算法步骤。
算法步骤:
步骤1以高斯信道模型初始化第l个发送端无人机到第i个中继无人机的信道矩阵h[il](i=1,2,3,l=1,2,3),以及第k个中继无人机到第i个接收端无人机的信道矩阵H[ik](i=1,2,3,k=1,2,3);以高斯信道模型初始化第k个中继端无人机到第i个中继无人机的信道矩阵G[ik](i=1,2,3,k≠i);用均值为0,方差为1的正态分布的随机数矩阵初始化第i个发送端预编码矩阵v[i](i=1,2,3)和第k个中继端预编码矩阵V[k](k=1,2,3);
步骤2基于Min_LI的迭代算法设计解码矩阵。其标准是使得接收端通过干扰抑制滤波器之后剩余的干扰信号功率,即“干扰泄露能量”最小化。通过逐步迭代逐渐减少泄露的干扰信号,直至实现完全干扰对齐后干扰泄露能量为零。
在第i个中继端无人机处,干扰泄露能量为:
其中i=1,2,3;Tr[A],Qb [i]分别代表矩阵A的迹和第i个中继无人机的干扰协差矩阵。利用步骤1中初始化的值可以计算出Qb [i]。此发明中设置
在第i个接收端无人机处,干扰泄露能量为:
I[i]=Tr[U[i]HQ[i]U[i]] (29)
其中Q[i]代表第i个接收端无人机的干扰协差矩阵。
步骤3第i个中继端无人机通过选择解码矩阵u[i]来使得干扰泄露最小化,相对应的可以选取干扰协差矩阵Qb [i]的最小d个特征值所对应的特征向量所扩展成的矩阵作为解码矩阵,第i个中继端无人机中对应Qb [i]的每个特征值的特征向量可以表示为:
其中vs(A)函数代表求矩阵A的第s个特征值对应的特征向量。将d个特征向量组合在一起可以得到第i个中继端无人机的解码矩阵u[i]。同理,第i个接收端无人机通过选择解码矩阵U[i]来使得干扰泄露最小化。第i个接收端无人机中对应Q[i]的每个特征值的特征向量可以表示为:
将d个特征向量组合在一起可以得到第i个接收端无人机的解码矩阵U[i];
此发明中设置d=1;
步骤4、依据Min_LI的迭代算法,利用网络互易性,翻转通信方向,收发端角色互换。在反向网络中,在编码矩阵和解码矩阵上方加上←表示。此时,原先的接收端无人机作为发送端,原先的发送端无人机作为接收端,中继端仍为中继端,但是其信息传送方向与之前相反。
此时,在互易网络第i个发送端无人机的干扰协差矩阵可以表示为:
第i个中继端无人机的干扰协差矩阵可以表示为:
其中,i=1,2,3;表示第l个接收端无人机到第i个中继端无人机的信道矩阵,且 代表第l个接收端无人机在互易网络中的编码矩阵,由步骤3中求出的接收端无人机的解码矩阵给定, 代表第k个中继端无人机到第i个中继端无人机的信道矩阵,且 代表第k个中继端无人机在互易网络中的编码矩阵,由步骤3中求出的中继端无人机的解码矩阵给定,
此发明中d=1;
步骤6、干扰泄露矩阵收敛时的发送端的编码矩阵v[i](i=1,2,3),中继端的编码矩阵V[i](i=1,2,3)和解码矩阵u[i](i=1,2,3),以及接收端的解码矩阵U[i](i=1,2,3)即为所求解;
第三步,基于天线选择和功率分割技术得到无人机通信***的能量效率优化方法。
我们考虑将两者的优势进行结合,以弥补其在其他方面的不足,提出了基于干扰对齐的无人机通信***的能量效率优化方法,综合提升速率和能量性能。即在天线选择的基础上,应用能量分割,在被选择用于解码的天线上进行能量分割,进一步的收集能量,提升其能效性能。其具体步骤可以细分为如下算法步骤。
在第i个中继端无人机上,选择的S[i]个天线用于信息解码,第i个中继端的解码矩阵可以表示为S[i]×1的第j个发送端无人机到第i个中继端无人机的S[i]×3的解码信道矩阵可以表示为用高斯信道模型对其进行初始化;剩余的(3-S[i])各天线用于收集能量,第j个发送端无人机到第i个中继端无人机的(3-S[i])×3的能量收集信道矩阵可以表示为用高斯信道模型对其进行初始化;
步骤2、在第i个中继端无人机中选择的S[i](i=1,2,3)个天线上应用功率分割。第i个中继端无人机的功率分割矩阵可以表示为公式(38)。
其中i=1,2,3;表示S[i]个天线中每个天线的功率分割因子,对于每一个ρ,满足ρ∈(0,1)。在用于信息解码的S[i]个天线上,将其接收的信号能量中再进行分割,对于每个天线接收的信号能量,部分用于信息解码,而收集部分的能量,以尽可能的提高网络的能量效率。此发明中,假设在第i个中继无人机上,且ρ的取值以0.1为步长,从0递增到1。因此对于每一个中继无人机,其功率分割方案有11种。
步骤3、在第i个中继无人机上的每种天线选择方案中,采用11种不同的功率分割方案W[i]。用初始化后的第j个发送端无人机到第i个中继端无人机的解码信道矩阵代替h[ij](i=1,2,3,j=1,2,3),再用功率分割矩阵W[i]对解码信道矩阵进行进一步的约束。应用第二步中的干扰对齐技术,得到发送端的编码矩阵v[i](i=1,2,3),中继端的编码矩阵V[i](i=1,2,3)和解码矩阵以及接收端的解码矩阵U[i](i=1,2,3)后,根据公式(39)可以求出该方案信息传输速率;根据公式(40)可以求出该方案收集的能量。此处我们以第一阶段的速率作为目标优化速率。
第i个中继端无人机的目标优化速率可以表示为公式(39)。
其中,i=1,2,3;Id表示d×d的单位矩阵;表示第i个中继端无人机的信息解码矩阵,由于选择了S[i]个天线用于信息解码,所以它是一个S[i]×1的矩阵;W[i]代表应用在第i个中继端无人机S[i]个选择天线上的S[i]×S[i]功率分割矩阵;IS表示S[i]×S[i]的单位矩阵;σ2IS表示在中继端无人机处的高斯白噪声。
第i个中继端无人机收集的能量可以表示为公式(40)。
其中,i=1,2,3;η和ζ代表的是能量转换效率,此发明中设置η=0.7,ζ=0.8。代表第i个中继端无人机用于能量收集的功率分割矩阵,即 代表第k个发送端无人机到第i个中继端无人机的解码信道矩阵;代表第k个发送端无人机到第i个中继端无人机的能量收集信道矩阵;公式(40)等式右边第一项表示在第i个中继无人机中用于信息解码的S[i]个天线上进一步收集的能量;第二项表示剩余的(Nr-S[i])个天线上收集的能量;
步骤4、由步骤3计算出所有方案对应的目标优化速率及***收集的能量,从中选择出使得***速率和收集能量整体性能最优,即达到目标函数要求的天线选择方案g[i](i=1,2,3)和功率分割方案W[i](i=1,2,3)作为优化解。目标函数可以表示为公式(41)。
其中0≤α[i]≤1,代表的是速率性能的权重。此发明中α[i]=0.5(i=1,2,3)。
Claims (1)
1.一种基于干扰对齐的无人机通信***的能量效率优化方法,其特征在于,步骤如下:
第一步,确定***模型并分析其中干扰对齐的可行性
建立无人机通信***的模型;
一个无人机群飞自组网中包含K个发送端无人机、K个中继无人机以及K个接收端无人机;中继端无人机是全双工的工作模式;假设每个发送端无人机上安装有M个天线,每个接收端无人机上安装有N个天线,每个中继无人机上安装有Nt个发送天线和Nr个接收天线;信息传输的过程分成两个阶段,第一个阶段是由发送端无人机将信息发送给中继无人机;第二阶段是由中继无人机发送信息给接收端无人机;在通信的过程中,中继无人机将受到其他非期望发送端的发送信号干扰,也会受到其他中继转发信息时对其的干扰;而接收端无人机也会受到非期望中继端的信号干扰;
第i个中继无人机接收的信号表示为:
其中:i=1,...,K;u[i]代表Nr×d的在中继无人机上的解码矩阵,并且u[i]u[i]H=1;H代表的是共轭转置;h[ii]代表的是第i个发送端无人机到第i个中继无人机的Nr×M信道矩阵,即为期望信号的信道矩阵;h[il](l=1,...,K,l≠i)代表的是从第l个发送端无人机到第i个中继无人机的Nr×M信道矩阵,其中每个元素之间都是独立分布的;G[ik](k=1,...,K,k≠i)代表的是第k个中继无人机到第i个中继无人机的信道矩阵,它是一个Nr×Nt的矩阵;v[i]是一个M×d的矩阵,代表的是第i个发送端无人机的预编码矩阵,其中v[i]v[i]H=Id;v[l](l=1,...,K,l≠i)是一个M×d的矩阵,代表的是第l个发送端无人机的预编码矩阵,其中v[l]v[l]H=Id;V[k](k=1,...,K,k≠i)是一个Nt×d的矩阵,代表的是第k个中继无人机的编码矩阵,其中V[k]V[k]H=Id;x[i]表示的是第i个发送端无人机发送的有d个独立数据流、功率为P1 [i]的信号;x[l](l=1,...,K,l≠i)表示的是第l个发送端无人机发送的有d个独立数据流、功率为P1 [l]的信号;x1 [k](k=1,...,K)表示的是第k个中继无人机发送的有d个独立数据流、功率为P2 [k]的发送信号;z[i]是第i个中继无人机的Nr×1的高斯白噪声向量;公式(1)等式右边第一项表示第i个中继端无人机的期望接收信号,第二项表示非期望发送端无人机对第i个中继端无人机造成的干扰,第三项表示其他中继端无人机对第i个中继端无人机造成的干扰,最后一项表示在第i个中继端无人机上的高斯白噪声干扰;
第i个接收端无人机接收的信号表示为:
其中i=1,...,K;U[i]代表的是第i个接收端无人机上的N×d解码矩阵,同时U[j]U[j]H=Id;H[ii]代表的是第i个中继端无人机到第i个接收端无人机的N×Nt信道矩阵,即为期望信号的信道矩阵;H[ik](k=1,...,K,k≠i)代表的是第k个中继端无人机到第i个接收端无人机的N×Nt信道矩阵;V[i]是一个Nt×d的矩阵,代表的是第i个中继无人机的编码矩阵,其中V[i]V[i]H=Id;z1 [i]是第i个接收端无人机的Nr×1的高斯白噪声向量;公式(2)等式右边第一项表示第i个接收端无人机的期望接收信号,第二项表示非期望中继端无人机对第i个接收端无人机造成的干扰,第三项表示在第i个接收端无人机上的高斯白噪声干扰;
第二步,利用分布式干扰对齐对预编码矩阵和解码矩阵进行迭代求解
2.1、以高斯信道模型初始化第l个发送端无人机到第i个中继无人机的信道矩阵h[il](i=1,...,K,l=1,...,K),以及第k个中继无人机到第i个接收端无人机的信道矩阵H[ik](i=1,...,K,k=1,...,K);以高斯信道模型初始化第k个中继端无人机到第i个中继无人机的信道矩阵G[ik](i=1,...,K,k=1,...,K,k≠i);用均值为0,方差为1的正态分布的随机数矩阵初始化第i个发送端预编码矩阵v[i](i=1,...,K)和第k个中继端预编码矩阵V[k](k=1,...,K);
2.2、基于Min_LI的迭代算法设计解码矩阵:其标准是使得接收端通过干扰抑制滤波器之后剩余的干扰信号功率,即“干扰泄露能量”最小化;通过逐步迭代逐渐减少泄露的干扰信号,直至干扰泄露能量为零,实现完全干扰对齐;
在第i个中继端无人机处,干扰泄露能量为:
其中i=1,2,3;Tr[A],Qb [i]分别代表矩阵A的迹和第i个中继无人机的干扰协差矩阵;Qb [i]的计算公式为公式(4),利用2.1中初始化的值以及通信***自由度d和发送信号功率P1 [l](l=1,...,K,l≠i),计算出Qb [i];
在第i个接收端无人机处,干扰泄露能量为:
I[i]=Tr[U[i]HQ[i]U[i]] (5)
其中Q[i]代表第i个接收端无人机的干扰协差矩阵;
2.3、第i个中继端无人机通过选择解码矩阵u[i]来使得干扰泄露最小化,相对应的选取干扰协差矩阵Qb [i]的最小d个特征值所对应的特征向量所扩展成的矩阵作为解码矩阵,第i个中继端无人机中对应Qb [i]的每个特征值的特征向量表示为:
u*s [i]=vs(Qb [i]),s=1,...d (7)
其中vs(A)函数代表求矩阵A的第s个特征值对应的特征向量;将d个特征向量组合在一起得到第i个中继端无人机的解码矩阵u[i];
同理,第i个接收端无人机通过选择解码矩阵U[i]来使得干扰泄露最小化;第i个接收端无人机中对应Q[i]的每个特征值的特征向量表示为:
将d个特征向量组合在一起得到第i个接收端无人机的解码矩阵U[i];
2.4、依据Min_LI的迭代算法,利用网络互易性,翻转通信方向,收发端角色互换;在反向网络中,在编码矩阵和解码矩阵上方加上←表示;此时,原先的接收端无人机作为发送端,原先的发送端无人机作为接收端,中继端仍为中继端,但是其信息传送方向与之前相反;
此时,在互易网络第i个发送端无人机的干扰协差矩阵表示为:
第i个中继端无人机的干扰协差矩阵表示为:
其中,i=1,...,K;表示第l个接收端无人机到第i个中继端无人机的信道矩阵,且 代表第l个接收端无人机在互易网络中的编码矩阵,由步骤3中求出的接收端无人机的解码矩阵给定, 代表第k个中继端无人机到第i个中继端无人机的信道矩阵,且 代表第k个中继端无人机在互易网络中的编码矩阵,由步骤2.3中求出的中继端无人机的解码矩阵给定,
2.5、再次翻转通信方向,此时,第i(i=1,...,K)个发送端无人机的编码矩阵v[i]即为第i(i=1,...,K)个中继端无人机的编码矩阵V[i]即为回到步骤2,进行新一轮的迭代,直至干扰泄露收敛;
2.6、干扰泄露矩阵收敛时的发送端的编码矩阵v[i](i=1,...,K),中继端的编码矩阵V[i](i=1,...,K)和解码矩阵u[i](i=1,...,K),以及接收端的解码矩阵U[i](i=1,...,K)即为所求解;
第三步,基于天线选择和功率分割技术得到无人机通信***的能量效率优化方法
3.1、在初始化阶段,在第i(i=1,...,K)个中继无人机的Nr个接收天线中选出S[i]∈(0,Nr)个天线进行信息解码,列出不同的天线选择方法;第i个中继端无人机的天线选择方法表示为公式(13),有种可能性;
在第i个中继端无人机上,选择的S[i]个天线用于信息解码,第i个中继端的解码矩阵表示为S[i]×d的第j个发送端无人机到第i个中继端无人机的S[i]×M的解码信道矩阵表示为用高斯信道模型对其进行初始化;剩余的(Nr-S[i])各天线用于收集能量,第j个发送端无人机到第i个中继端无人机的(Nr-S[i])×M的能量收集信道矩阵表示为用高斯信道模型对其进行初始化;
3.2、在第i个中继端无人机中选择的S[i](i=1,...,K)个天线上应用功率分割方案,第i个中继端无人机的功率分割矩阵表示为公式(14):
其中i=1,...,K;表示S[i]个天线中每个天线的功率分割因子,对于每一个满足在用于信息解码的S[i]个天线上,将其接收的信号能量中再进行分割,对于每个天线接收的信号能量,部分用于信息解码,而收集部分的能量,以尽可能的提高网络的能量效率;
3.3、在第i个中继无人机上的每种天线选择方案中,采用各种不同的功率分割方案W[i];利用初始化后的第j个发送端无人机到第i个中继端无人机的解码信道矩阵代替h[ij](i=1,...,K,j=1,...,K),再用功率分割矩阵W[i]对解码信道矩阵进行进一步的约束;应用第二步中的干扰对齐技术,得到干扰泄露收敛时的发送端的编码矩阵v[i](i=1,...,K),中继端的编码矩阵V[i](i=1,...,K)和解码矩阵以及接收端的解码矩阵U[i](i=1,...,K)后,根据公式(15)求出该方案信息传输速率;根据公式(16)求出该方案收集的能量;此处以第一阶段的速率作为目标优化速率;
第i个中继端无人机的目标优化速率表示为公式(15):
其中,i=1,...,K;Id表示d×d的单位矩阵;表示第i个中继端无人机的信息解码矩阵,由于选择了S[i]个天线用于信息解码,所以它是一个S[i]×d的矩阵;W[i]代表应用在第i个中继端无人机S[i]个选择天线上的S[i]×S[i]功率分割矩阵;IS表示S[i]×S[i]的单位矩阵;σ2IS表示在中继端无人机处的高斯白噪声;
第i个中继端无人机收集的能量表示为公式(16):
其中,i=1,...,K;η和ζ代表的是能量转换效率;代表第i个中继端无人机用于能量收集的功率分割矩阵,即 代表第k个发送端无人机到第i个中继端无人机的解码信道矩阵;代表第k个发送端无人机到第i个中继端无人机的能量收集信道矩阵;公式(16)等式右边第一项表示在第i个中继无人机中用于信息解码的S[i]个天线上进一步收集的能量;第二项表示剩余的(Nr-S[i])个天线上收集的能量;
3.4、由3.3计算出所有方案对应的目标优化速率及***收集的能量,从中选择出使得***速率和收集能量整体性能最优,即达到目标函数要求的天线选择方案g[i](i=1,...,K)和功率分割方案W[i](i=1,...,K)作为优化解:目标函数表示为公式(17):
其中0≤α[i]≤1,代表的是速率性能的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810497153.XA CN108683442B (zh) | 2018-05-16 | 2018-05-16 | 基于干扰对齐的无人机通信***的能量效率优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810497153.XA CN108683442B (zh) | 2018-05-16 | 2018-05-16 | 基于干扰对齐的无人机通信***的能量效率优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108683442A CN108683442A (zh) | 2018-10-19 |
CN108683442B true CN108683442B (zh) | 2020-12-11 |
Family
ID=63807693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810497153.XA Expired - Fee Related CN108683442B (zh) | 2018-05-16 | 2018-05-16 | 基于干扰对齐的无人机通信***的能量效率优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108683442B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112105077B (zh) * | 2020-09-23 | 2021-09-03 | 西安科技大学 | 一种基于swipt技术的大规模mimo***uav中继通信方法 |
CN112911534B (zh) * | 2021-01-29 | 2022-03-29 | 大连理工大学 | 高能效无人机绿色数据采集***设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103312390A (zh) * | 2012-03-06 | 2013-09-18 | 株式会社Ntt都科摩 | 基于干扰对齐的预编码方法,发射机和设备 |
CN104540209A (zh) * | 2014-12-01 | 2015-04-22 | 国家电网公司 | 一种提升干扰对齐网络传输速率的方法 |
CN107017938A (zh) * | 2017-03-21 | 2017-08-04 | 深圳大学 | 一种干扰最小化的移动组网方法与*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9780859B2 (en) * | 2014-02-28 | 2017-10-03 | Spatial Digital Systems, Inc. | Multi-user MIMO via active scattering platforms |
US10312993B2 (en) * | 2015-10-30 | 2019-06-04 | The Florida International University Board Of Trustees | Cooperative clustering for enhancing MU-massive-MISO-based UAV communication |
-
2018
- 2018-05-16 CN CN201810497153.XA patent/CN108683442B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103312390A (zh) * | 2012-03-06 | 2013-09-18 | 株式会社Ntt都科摩 | 基于干扰对齐的预编码方法,发射机和设备 |
CN104540209A (zh) * | 2014-12-01 | 2015-04-22 | 国家电网公司 | 一种提升干扰对齐网络传输速率的方法 |
CN107017938A (zh) * | 2017-03-21 | 2017-08-04 | 深圳大学 | 一种干扰最小化的移动组网方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN108683442A (zh) | 2018-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9473223B2 (en) | Methods for optimal collaborative MIMO-SDMA | |
CN111313951B (zh) | 基于非理想csi的irs辅助安全通信无线传输方法 | |
CN108683442B (zh) | 基于干扰对齐的无人机通信***的能量效率优化方法 | |
CN106301521B (zh) | 一种在无线供能通信网络中能量与信息的传输方法及装置 | |
CN114070365B (zh) | 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法 | |
CN106301457A (zh) | 双向全双工mimo中继通信***中的自干扰消除方法 | |
CN110299937A (zh) | 一种上行mimo-noma无线通信***波束成形方法 | |
CN105940625B (zh) | 基站装置、无线通信***、以及通信方法 | |
CN114915989B (zh) | 基于能量收集的全双工中继和智能反射面联合传输方法 | |
CN111107023B (zh) | 在大规模mimo中基于光滑范数的压缩感知信道估计方法 | |
CN111726153A (zh) | 用于航空通信公共信道的自适应预编码方法 | |
CN104202277B (zh) | 一种认知中继网络的次用户网络线性收发机的设计方法 | |
CN108880633B (zh) | 一种波束成形天线选择分组算法联合设计优化方法 | |
CN112332882B (zh) | 一种基于毫米波全双工中继通信的鲁棒混合收发机设计方法 | |
CN108092928B (zh) | 聚合干扰导向干扰管理方法、混合蜂窝网络、无线局域网 | |
WO2006114030A1 (fr) | Procede permettant d’augmenter la capacite dans le sens montant d’un systeme a entrees multiples et a sorties multiples du type wcdma et son appareil | |
KR102253092B1 (ko) | 무선 전력 통신 시스템 및 방법 | |
CN109474318B (zh) | 多用户双向mimo中继***下包含直传链路的预编码方法 | |
CN109474297B (zh) | 一种全双工信能同传天线模式切换收发机及收发方法 | |
CN115189730B (zh) | 双智能可重构表面辅助双向方向调制的功率分配设计方法 | |
CN108234004B (zh) | 有哈密尔顿环的mimo协作拓扑干扰对齐方法 | |
CN114301508A (zh) | 基于过时csi的可重构智能表面辅助mimo传输中的双时间尺度优化方法 | |
CN114007226A (zh) | 无人机基站的覆盖调控方法和装置 | |
KR101363814B1 (ko) | 다중 안테나 중계 시스템에서 다수 송신기와 다수 수신기 간 적응적 다중화 빔포밍 전송 방법 및 그 장치 | |
Kassam et al. | Hybrid Multi-User Equalization and Analog Precoder for Uplink mm Wave Cell Free Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201211 |