CN110312265A - 无人机编队通信覆盖的功率分配方法及*** - Google Patents
无人机编队通信覆盖的功率分配方法及*** Download PDFInfo
- Publication number
- CN110312265A CN110312265A CN201910549411.9A CN201910549411A CN110312265A CN 110312265 A CN110312265 A CN 110312265A CN 201910549411 A CN201910549411 A CN 201910549411A CN 110312265 A CN110312265 A CN 110312265A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- user terminal
- large scale
- scale channel
- map
- 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.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 128
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 61
- 238000009826 distribution Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005562 fading Methods 0.000 claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000003860 storage Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 238000005315 distribution function Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000003653 coastal water Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241001282153 Scopelogadus mizolepis Species 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Astronomy & Astrophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种无人机编队通信覆盖的功率分配方法及***,包括:获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。本发明实施例通过获取电磁地图上每个无人机和使用该无人机通信覆盖服务用户终端之间的大尺度信道衰落数据,并通过凸优化算法对大尺度信道衰落数据进行迭代处理,为无人机编队的通信覆盖服务进行最优功率分配,以使得用户终端获取更好的通信覆盖,从而提高无人机编队的通信覆盖服务质量。
Description
技术领域
本发明涉及无线网络通信技术领域,尤其涉及一种无人机编队通信覆盖的功率分配方法及***。
背景技术
随着我国海洋生产总值的快速增长,宽带海域通信的需求不断增长。与现阶段的陆地蜂窝移动通信网络相比,无论是从服务质量还是服务范围来看,海域网络发展明显滞后。因此,急需发展海域通信覆盖新手段,实现海域通信的稳定性和高速性,以及对环境和用户的适应性。
现有主流的海域通信手段包括,54海里内的岸基近海覆盖技术以及200海里外的卫星远洋覆盖技术。岸基近海覆盖技术的难题,主要在于覆盖范围有限,基站海上建设成本高,难度大,并且岸边基站的通信覆盖范围,相对于广阔的海域实在有限,不足以覆盖近海外的用户。而卫星远洋覆盖技术,由于技术成本高,且存在卫星轨位紧张和资源有限等限制,同时对于船舶所搭载的天线要求高,导致无法低成本推广,难以适应广大海域用户。
因此,现在亟需一种无人机编队通信覆盖的功率分配方法及***来解决上述问题。
发明内容
针对现有技术存在的问题,本发明实施例提供一种无人机编队通信覆盖的功率分配方法及***。
第一方面,本发明实施例提供了一种无人机编队通信覆盖的功率分配方法,包括:
获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;
根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
进一步地,在所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据之前,所述方法还包括:
根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息;
根据所述大尺度信道状态信息,构建无人机编队与用户终端之间的电磁地图。
进一步地,所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,包括:
根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据Hkl,公式为:
其中,A表示第一环境参数,B表示第k个无人机在第l个用户终端悬停时的第二环境参数,a表示,e表示自然常数,θkl表示第k个无人机在第l个用户终端悬停服务时,第k个无人机与第l个用户终端之间垂直方向上偏移角度。
优选地,所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,还包括:
根据所述电磁地图的场景信息,对第一环境参数和第二环境参数进行调整,以用于获取不同场景下每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据。
进一步地,在所述根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案之前,所述方法还包括:
根据用户终端的数量设置初始中间变量;
根据所述大尺度信道衰落数据和初始通信覆盖分配功率,对所述初始中间变量进行迭代,若满足预设条件,则得到目标中间变量。
进一步地,所述根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案,包括:
步骤S1,根据凸优化算法和目标中间变量,对所述大尺度信道衰落数据进行处理,获取每一个用户终端的各态历经容量;
步骤S2,根据所述各态历经容量,获取每一个用户终端对应无人机的通信覆盖分配功率;
步骤S3,根据所述大尺度信道衰落数据和所述通信覆盖分配功率,对所述目标中间变量进行迭代,并根据凸优化算法和迭代后的目标中间变量,对所述大尺度信道衰落数据进行处理,获取当前迭代下每一个用户终端的各态历经容量,以得到当前迭代下每一个用户终端对应无人机的通信覆盖分配功率,重复步骤S1至步骤S3,若迭代次数满足预设收敛条件,则得到最优各态历经容量对应的最优功率分配方案。
第二方面,本发明实施例提供了一种无人机编队通信覆盖的功率分配***,包括:
电磁地图构建模块,用于获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;
功率分配模块,用于根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
进一步地,所述***还包括:
第一处理模块,用于根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息;
第二处理模块,用于根据所述大尺度信道状态信息,构建无人机编队与用户终端之间的电磁地图。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种无人机编队通信覆盖的功率分配方法及***,通过构建基于大尺度状态信息的电磁地图,获取电磁地图上每个无人机和使用该无人机通信覆盖服务用户终端之间的大尺度信道衰落数据,并通过凸优化算法对大尺度信道衰落数据进行迭代处理,在较短运算时间内,为无人机编队的通信覆盖服务进行最优功率分配,以使得用户终端获取更好的通信覆盖,从而提高无人机编队的通信覆盖服务质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的无人机编队通信覆盖的功率分配方法的流程示意图;
图2为本发明实施例提供的无人机编队通信覆盖的功率分配***的结构示意图;
图3为本发明实施例提供的无人机-用户终端分布模型的示意图;
图4为本发明实施例提供的仿真实验的性能对比示意图;
图5为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在近海50-200海里内,船舶呈现时空稀疏分布,因此,将无人机通信覆盖推广至海域,具有实现价值以及可行性。从自然因素考虑,可以选用中远程固定翼无人机,其抗风能力能够保证飞机的远途飞行;从载荷能力上考虑,选用高载荷的无人机,能够搭载强穿透雷达设备;通讯设备方面,现有的天线定向传输和相控阵天线等手段有利于海域通信,并且这些技术也比较成熟。由于单无人机的通信功率和覆盖范围受限,在本发明实施例中,布置无人机编队在海域进行通信覆盖服务,通过对无人机的飞行轨迹以及通信功率分配进行合理规划,即多个无人机协同对用户终端进行通信资源的调度,从而衔接岸基通信和卫星通信,为特定海域的用户终端提供通信覆盖服务。在本发明实施例中,通过获取每个用户终端在所有时刻的总各态历经容量,从而得到其对应的无人机通信功率的分配方案,经过不断的迭代求解,最终得到无人机编队通信覆盖的最优功率分配方案。
图1为本发明实施例提供的无人机编队通信覆盖的功率分配方法的流程示意图,如图1所示,本发明实施例提供了一种无人机编队通信覆盖的功率分配方法,包括:
步骤101,获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据。
在本发明实施例中,通过构建电磁地图,记录用户终端和无人机之间的信道状态信息,由于小尺度信道状态信息变化较快,难以***,因此,本发明实施例通过无人机在悬停服务时与使用该无人机通信覆盖服务的用户终端之间的位置信息,预测该无人机和用户终端之间的大尺度信道状态信息,并将位置信息和大尺度信道状态信息进行存储,从而构建得到电磁地图,当需要对无人机编队通信覆盖的功率进行分配时,可以进一步根据电磁地图中的位置信息和大尺度信道状态信息,计算得到两者之间的大尺度信道衰落数据。
步骤102,根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
在本发明实施例中,假设海域通信覆盖的无人机编队是由N个无人机组成,需要对L个用户终端进行悬停通信覆盖,即有L个不同的悬停位置,每次悬停时间为t,当无人机编队中第k个无人机为第l个用户终端进行通信覆盖时,第k个无人机为第l个用户终端发射信号的通信功率为Pkl,从而构成关于通信功率P的矩阵。在本发明实施例中,通过计算用户终端的各态历经容量,可以得到无人机编队中每个无人机的通信功率分配方案,然而直接计算每个用户终端在所有时刻的各态历经容量会导致计算难度大,甚至难以求取得到结果。因此,本发明实施例通过引入中间变量,并将各态历经容量的求解转换成凸优化问题进行迭代求解,当迭代次数满足预设的收敛条件时,则得到最优各态历经容量,从而得到在满足最优各态历经容量时,无人机编队中每个无人机通信覆盖的功率分配方案,即最优功率分配方案。
本发明实施例提供的一种无人机编队通信覆盖的功率分配方法,通过构建基于大尺度状态信息的电磁地图,获取电磁地图上每个无人机和使用该无人机通信覆盖服务用户终端之间的大尺度信道衰落数据,并通过凸优化算法对大尺度信道衰落数据进行迭代处理,在较短运算时间内,为无人机编队的通信覆盖服务进行最优功率分配,以使得用户终端获取更好的通信覆盖,从而提高无人机编队的通信覆盖服务质量。
在上述实施例的基础上,在所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据之前,所述方法还包括:
根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息;
根据所述大尺度信道状态信息,构建无人机编队与用户终端之间的电磁地图。
在本发明实施例中,由于小尺度信道状态信息变化较快,难以提取预测,因此不需要获取完全信道状态信息,只需要根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息,从而构建用于记录无人机和用户终端之间信道状态信息的电磁地图。
在上述实施例的基础上,所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,包括:
根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据Hkl,公式为:
其中,A表示第一环境参数,B表示第k个无人机在第l个用户终端悬停时的第二环境参数,a和b表示环境相关参数,e表示自然常数,θkl表示第k个无人机在第l个用户终端悬停服务时,第k个无人机与第l个用户终端之间垂直方向上偏移角度。
在上述实施例的基础上,所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,还包括:
根据所述电磁地图的场景信息,对第一环境参数和第二环境参数进行调整,以用于获取不同场景下每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据。
在本发明实施例中,电磁地图的场景信息用于区分使用通信覆盖服务的用户终端的所在环境,具体地,将场景信息分为海域场景和陆地场景,针对不同的场景,通过预设第一环境参数A和第二环境参数B的数值,从而获取相应场景下无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据Hkl。第一环境参数公式为:
A=ηLOS-ηNLOS;
第二环境参数公式为:
其中,ηLOs表示视距参数,ηNLOS表示非视距参数,dkl表示第k个无人机在第l个用户终端悬停服务时和使用该无人机通信覆盖服务的用户终端之间的距离,f表示载波频率,c表示光速。需要说明的是,本发明实施例通过海域场景进行说明,相应地,对第一环境参数A、第二环境参数B以及环境相关参数进行预设,参数设置如下:
ηLOS=0.1,ηNLos=21,a=5.0188,b=0.3511,f=2GHz;
通过上述实施例设置的参数,使得在海域场景环境下,基于电磁地图,获取每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,从而实现无人机编队通信覆盖服务的功率分配。若场景环境为陆地环境,则对上述实施例中第一环境参数A、第二环境参数B以及环境相关参数进行相应设置。
在上述实施例的基础上,在所述根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案之前,所述方法还包括:
根据用户终端的数量设置初始中间变量;
根据所述大尺度信道衰落数据和初始通信覆盖分配功率,对所述初始中间变量进行迭代,若满足预设条件,则得到目标中间变量。
在本发明实施例中,首先将无人机编队中每个无人机按照1至N进行编号,并将需要悬停通信覆盖服务的用户终端安装1至L进行编号。然后,根据用户终端的数量,在本发明实施例中引入中间变量W1,W2,…,WL,设置中间变量的初始值并设置满足迭代的预设条件∈=1.0×10-6,在本发明实施例中,预先设置无人机编队中每个无人机悬停通信覆盖时的通信功率,将单个无人机对L个用户终端进行通信覆盖服务的平均功率定义为Pkl,即无人机编队中每个无人机对使用该无人机通信覆盖服务的用户终端分配的功率是相同的,从而将Pkl作为第一次迭代过程中的通信功率初始值,可通过公式得到,以根据后续的功率优化分配步骤,在每一次迭代求解的过程中,对无人机的通信分配功率进行优化,从而得到最优功率分配方案,其中,E表示单个无人机的总通信能量限制。然后,根据下列迭代公式,对Wl进行迭代,中间变量迭代公式为:
其中,表示第l个用户终端对应的第n次迭代中间变量,即本次迭代后中间变量的值,即得到目标中间变量;表示第k个无人机在第l个用户终端进行悬停通信覆盖时,发射端产生的高斯白噪声;表示上一次迭代中间变量的值。
进一步地,对中间变量进行n次迭代计算,当满足时,则停止迭代,将第n次迭代得到的作为后续步骤的目标中间变量Wl的值,以用于进行功率分配问题的求解。
在上述实施例的基础上,所述根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案,包括:
步骤S1,根据凸优化算法和目标中间变量,对所述大尺度信道衰落数据进行处理,获取每一个用户终端的各态历经容量;
步骤S2,根据所述各态历经容量,获取每一个用户终端对应无人机的通信覆盖分配功率;
步骤S3,根据所述大尺度信道衰落数据和所述通信覆盖分配功率,对所述目标中间变量进行迭代,并根据凸优化算法和迭代后的目标中间变量,对所述大尺度信道衰落数据进行处理,获取当前迭代下每一个用户终端的各态历经容量,以得到当前迭代下每一个用户终端对应无人机的通信覆盖分配功率,重复步骤S1至步骤S3,若迭代次数满足预设收敛条件,则得到最优各态历经容量对应的最优功率分配方案。
在本发明实施例中,通过凸优化算法,将功率分配这种非凸优化问题转换为凸优化问题进行求解,根据上述实施例得到的中间变量Wl,以及每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,通过凸优化工具(例如CVX),对每个用户终端在所有时刻的各态历经容量进行凸优化问题的迭代求解,公式为:
k=1,2,…,N,l=1,2,…,L;
其中,Plimit表示单个无人机发射功率的最高限制,t表示每次悬停时间,在本发明实施例中,设置t=1s。通过获取每个用户终端在所有时刻的各态历经容量从而得到对应无人机的通信覆盖分配功率,进一步得到无人机编队中每个无人机的通信功率分配矩阵P,也就是说,在每一次对进行凸优化后,得到优化后的通信覆盖分配功率;然后将优化后的通信覆盖分配功率作为中间变量下一次迭代的Pkl值,通过中间变量迭代公式,获取下一次迭代的中间变量,并将该中间变量作为本次迭代的目标中间变量,再次通过凸优化算法,获取本次迭代后的各态历经容量及其本次迭代后对应的通信覆盖分配功率。通过凸优化算法对进行多次迭代,在满足预设的迭代次数之后,停止迭代,得到关于每个用户终端在所有时刻的各态历经容量的最优解,从而得到无人机编队最优通信功率分配矩阵P,以用于获取无人机编队通信覆盖的最优功率分配方案。
图2为本发明实施例提供的无人机编队通信覆盖的功率分配***的结构示意图,如图2所示,本发明实施例提供了一种无人机编队通信覆盖的功率分配***,包括电磁地图构建模块201和功率分配模块202,其中,电磁地图构建模块201用于获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;功率分配模块202用于根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
在本发明实施例中,电磁地图构建模块201通过构建电磁地图,记录用户终端和无人机之间的信道状态信息,由于小尺度信道状态信息变化较快,难以***,因此,电磁地图构建模块201通过无人机在悬停服务时与使用该无人机通信覆盖服务的用户终端之间的位置信息,预测该无人机和用户终端之间的大尺度信道状态信息,并将位置信息和大尺度信道状态信息进行存储,从而构建得到电磁地图,当需要对无人机编队通信覆盖的功率进行分配时,电磁地图构建模块201可以进一步根据电磁地图中的位置信息和大尺度信道状态信息,计算得到两者之间的大尺度信道衰落数据。然后,功率分配模块202通过中间变量,将各态历经容量的求解转换成凸优化问题进行迭代求解,当迭代次数满足预设的收敛条件时,则得到最优各态历经容量,从而得到在满足最优各态历经容量时,无人机编队中每个无人机通信覆盖的功率分配方案,即最优功率分配方案。
图3为本发明实施例提供的无人机-用户终端分布模型的示意图,可参考图3所示,在本发明实施例中,通过仿真实验进行说明,包括有N=4个无人机组成的无人机编队,以及L=3个用户终端,根据需要提供通信覆盖服务的用户终端数量可知,无人机编队需要在L=3个悬停位置进行悬停通信覆盖。其中,用户终端的位置是随机设置的,并根据无人机编队的无人机数量,将无人机标定构型设置为正方形规则分布,载波频率为2GHz,无人机飞行高度H=150m,噪声功率为-107dBm,设置每个无人机的悬停时间t=1s,每个无人机的总能量限制为E,发射功率Plimit=1W。图4为本发明实施例提供的仿真实验的性能对比示意图,可参考图4所示,在本发明实施例中,对每个无人机总通信能量限制从1J到100J区间进行仿真,得到各个总能量限制下的所有用户总各态历经容量,其中,和本发明实施例进行对比的方法,采用平均功率平均分配的方法,得到通信功率分配结果。由图4中仿真结果可以看出,本发明实施例在每个单无人机总能量限制下,用户终端总各态历经容量都有较好的性能结果,与平均功率平均分配的方法进行性能对比,本发明实施例的性能明显更优。同时在仿真中发现,在同一拓扑结构中的不同能量限制下,当总能量限制约束条件越来越弱(总能量越来越大)时,功率分配算法逐渐坍塌,此时与平均分配方案性能基本一致,说明了本发明实施例的正确性和鲁棒性。
本发明实施例提供的一种无人机编队通信覆盖的功率分配,通过构建基于大尺度状态信息的电磁地图,获取电磁地图上每个无人机和使用该无人机通信覆盖服务用户终端之间的大尺度信道衰落数据,并通过凸优化算法对大尺度信道衰落数据进行迭代处理,在较短运算时间内,为无人机编队的通信覆盖服务进行最优功率分配,以使得用户终端获取更好的通信覆盖,从而提高无人机编队的通信覆盖服务质量。
在上述实施例的基础上,所述***还包括第一处理模块和第二处理模块,其中,第一处理模块用于根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息;第二处理模块用于根据所述大尺度信道状态信息,构建无人机编队与用户终端之间的电磁地图。
本发明实施例提供的***是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
图5为本发明实施例提供的电子设备结构示意图,参照图5,该电子设备可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令,以执行如下方法:获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
此外,上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的无人机编队通信覆盖的功率分配方法,例如包括:获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种无人机编队通信覆盖的功率分配方法,其特征在于,包括:
获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;
根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
2.根据权利要求1所述的无人机编队通信覆盖的功率分配方法,其特征在于,在所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据之前,所述方法还包括:
根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息;
根据所述大尺度信道状态信息,构建无人机编队与用户终端之间的电磁地图。
3.根据权利要求2所述的无人机编队通信覆盖的功率分配方法,其特征在于,所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,包括:
根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据Hkl,公式为:
其中,A表示第一环境参数,B表示第k个无人机在第l个用户终端悬停时的第二环境参数,a和b表示环境相关参数,e表示自然常数,θkl表示第k个无人机在第l个用户终端悬停服务时,第k个无人机与第l个用户终端之间垂直方向上偏移角度。
4.根据权利要求3所述的无人机编队通信覆盖的功率分配方法,其特征在于,所述获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据,还包括:
根据所述电磁地图的场景信息,对第一环境参数和第二环境参数进行调整,以用于获取不同场景下每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据。
5.根据权利要求1所述的无人机编队通信覆盖的功率分配方法,其特征在于,在所述根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案之前,所述方法还包括:
根据用户终端的数量设置初始中间变量;
根据所述大尺度信道衰落数据和初始通信覆盖分配功率,对所述初始中间变量进行迭代,若满足预设条件,则得到目标中间变量。
6.根据权利要求5所述的无人机编队通信覆盖的功率分配方法,其特征在于,所述根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案,包括:
步骤S1,根据凸优化算法和目标中间变量,对所述大尺度信道衰落数据进行处理,获取每一个用户终端的各态历经容量;
步骤S2,根据所述各态历经容量,获取每一个用户终端对应无人机的通信覆盖分配功率;
步骤S3,根据所述大尺度信道衰落数据和所述通信覆盖分配功率,对所述目标中间变量进行迭代,并根据凸优化算法和迭代后的目标中间变量,对所述大尺度信道衰落数据进行处理,获取当前迭代下每一个用户终端的各态历经容量,以得到当前迭代下每一个用户终端对应无人机的通信覆盖分配功率,重复步骤S1至步骤S3,若迭代次数满足预设收敛条件,则得到最优各态历经容量对应的最优功率分配方案。
7.一种无人机编队通信覆盖的功率分配***,其特征在于,包括:
电磁地图构建模块,用于获取无人机编队与用户终端之间的电磁地图,以根据所述电磁地图得到每个无人机在悬停服务时与对应用户终端之间的大尺度信道衰落数据;
功率分配模块,用于根据凸优化算法和中间变量,对所述大尺度信道衰落数据进行迭代处理,若迭代结果满足收敛条件时,获取无人机编队通信覆盖的最优功率分配方案。
8.根据权利要求7所述的无人机编队通信覆盖的功率分配***,其特征在于,所述***还包括:
第一处理模块,用于根据无人机编队中每个无人机在悬停服务时和对应用户终端的空间位置信息,获取每个无人机悬停服务时和对应用户终端之间的大尺度信道状态信息;
第二处理模块,用于根据所述大尺度信道状态信息,构建无人机编队与用户终端之间的电磁地图。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述无人机编队通信覆盖的功率分配方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述无人机编队通信覆盖的功率分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910549411.9A CN110312265B (zh) | 2019-06-24 | 2019-06-24 | 无人机编队通信覆盖的功率分配方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910549411.9A CN110312265B (zh) | 2019-06-24 | 2019-06-24 | 无人机编队通信覆盖的功率分配方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110312265A true CN110312265A (zh) | 2019-10-08 |
CN110312265B CN110312265B (zh) | 2021-01-01 |
Family
ID=68076525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910549411.9A Active CN110312265B (zh) | 2019-06-24 | 2019-06-24 | 无人机编队通信覆盖的功率分配方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110312265B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111417125A (zh) * | 2020-03-24 | 2020-07-14 | 清华大学 | 星空地协同海洋通信网络容量优化方法及装置 |
CN112217544A (zh) * | 2020-08-14 | 2021-01-12 | 北京邮电大学 | 一种用户为中心无人机基站多波束联合传输方法 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112947583A (zh) * | 2021-03-29 | 2021-06-11 | 清华大学 | 无人机通信网络拓扑优化方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108521667A (zh) * | 2018-03-07 | 2018-09-11 | 杭州电子科技大学 | 一种低传输能耗的无人机数据传输方法 |
CN108616302A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种功率控制下的无人机多重覆盖模型及部署方法 |
CN109104733A (zh) * | 2018-07-12 | 2018-12-28 | 西北工业大学 | 一种基于离散平均场博弈的多无人机空对地无线通信方法 |
CN109600828A (zh) * | 2018-11-19 | 2019-04-09 | 赣南师范大学 | 无人机基站下行链路的自适应传输功率分配方法 |
CN109753082A (zh) * | 2018-12-29 | 2019-05-14 | 北京邮电大学 | 多无人机网络协同通信方法 |
-
2019
- 2019-06-24 CN CN201910549411.9A patent/CN110312265B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108521667A (zh) * | 2018-03-07 | 2018-09-11 | 杭州电子科技大学 | 一种低传输能耗的无人机数据传输方法 |
CN108616302A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种功率控制下的无人机多重覆盖模型及部署方法 |
CN109104733A (zh) * | 2018-07-12 | 2018-12-28 | 西北工业大学 | 一种基于离散平均场博弈的多无人机空对地无线通信方法 |
CN109600828A (zh) * | 2018-11-19 | 2019-04-09 | 赣南师范大学 | 无人机基站下行链路的自适应传输功率分配方法 |
CN109753082A (zh) * | 2018-12-29 | 2019-05-14 | 北京邮电大学 | 多无人机网络协同通信方法 |
Non-Patent Citations (1)
Title |
---|
YIXIN ZHANG AND WENCHI CHENG: "Trajectory and Power Optimization for Multi-UAV Enabled Emergency Wireless Communications Networks", 《IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111417125A (zh) * | 2020-03-24 | 2020-07-14 | 清华大学 | 星空地协同海洋通信网络容量优化方法及装置 |
CN112217544A (zh) * | 2020-08-14 | 2021-01-12 | 北京邮电大学 | 一种用户为中心无人机基站多波束联合传输方法 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112947583A (zh) * | 2021-03-29 | 2021-06-11 | 清华大学 | 无人机通信网络拓扑优化方法及*** |
CN112947583B (zh) * | 2021-03-29 | 2024-06-14 | 清华大学 | 无人机通信网络拓扑优化方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110312265B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110312265A (zh) | 无人机编队通信覆盖的功率分配方法及*** | |
CN108419286B (zh) | 一种面对5g无人机通信联合波束与功率的分配方法 | |
Xie et al. | Connectivity-aware 3D UAV path design with deep reinforcement learning | |
CN110602633B (zh) | 一种面向爆发性流量的移动边缘计算无人机群辅助通信方法 | |
CN109275094A (zh) | 一种高能效无人机覆盖点连续覆盖方法和装置 | |
CN109511134A (zh) | 基于能效最优的无人机辅助无线通信***负载分流方法 | |
CN110083175A (zh) | 无人机编队网络协同调度方法及装置 | |
Akarsu et al. | Fairness aware multiple drone base station deployment | |
CN109506654A (zh) | 低空航路规划方法及装置、飞行器 | |
CN113784314B (zh) | 一种智能反射表面辅助下的无人机数据与能量传输方法 | |
Luo et al. | A two-step environment-learning-based method for optimal UAV deployment | |
CN109151027A (zh) | 星空地协同物联网通信方法及装置 | |
CN115499921A (zh) | 面向复杂无人机网络的三维轨迹设计及资源调度优化方法 | |
CN115202849B (zh) | 一种支持边缘计算的多无人机任务分配与路径规划方法 | |
Hajiakhondi-Meybodi et al. | Joint transmission scheme and coded content placement in cluster-centric UAV-aided cellular networks | |
Almalki et al. | A machine learning approach to evolving an optimal propagation model for last mile connectivity using low altitude platforms | |
Rolly et al. | Unmanned aerial vehicles: Applications, techniques, and challenges as aerial base stations | |
Voronova et al. | Modeling the clustering of wireless sensor networks using the K-means method | |
Wang et al. | Trajectory optimization and power allocation scheme based on DRL in energy efficient UAV‐aided communication networks | |
Parvaresh et al. | A continuous actor–critic deep Q-learning-enabled deployment of UAV base stations: Toward 6G small cells in the skies of smart cities | |
CN115361051A (zh) | 一种面向大规模空间互联网星座的频率共用分析*** | |
CN114158010A (zh) | 无人机通信***及基于神经网络的资源分配策略预测方法 | |
Chen et al. | A Survey on Resource Management in Joint Communication and Computing-Embedded SAGIN | |
CN117221948A (zh) | 一种面向密集场景的网络选择和功率控制方法 | |
Jamalipour et al. | Special issue on amateur drone and UAV communications and networks |
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 |