CN113259835B - 一种基于地面蜂窝***的无人机集群部署方法 - Google Patents

Abstract

本发明提供了一种基于地面蜂窝***的无人机集群部署方法，包括：在待部署区域内确定用户位置和高度、基站位置、无人机的初始数和飞行高度、系留式无人机的道路位置，以系留式无人机的位置约束、系留式无人机和基站之间的最大通信半径约束，系留式无人机和非系留式无人机之间的最大通信半径约束以及无人机与用户之间的最大通信半径约束为约束条件；以可覆盖用户数最大化作为第一目标函数，采用连续凸近似算法、线性松弛算法和加权l₁算法求解可覆盖的最大用户数；以覆盖的最大用户数所需的无人机数最小化作为第二目标函数，采用连续凸近似算法与二分法得到覆盖最大用户需要部署的最小无人机数及位置，可以实现高***容量条件下的大范围覆盖。

Description

一种基于地面蜂窝***的无人机集群部署方法

技术领域

本发明涉及无人机通信及资源管理技术领域，尤其涉及一种基于地面蜂窝***的无人机集群部署方法。

背景技术

近年来，随着信息化时代的推进，地面移动网络流量高速增长，特别是在一些人口高度密集的地区，地面基站设备需要承受极大的负载，网络阻塞的现象时常发生，致使地面用户无法得到正常的网络服务。此外，时常会出现由于自然灾害等不可抗因素导致地面基站直接损毁的情况，并且在短时间内无法使基站恢复使用，这也会对地面用户正常的通信带来一定程度的影响。

针对上述问题，使用无人机(Unmanned Aerial Vehicle,UAV)做中继是一个很好的解决办法。无人机是一种由无线电遥控设备或自身程序控制装置操作的无人驾驶飞行器，使用空气动力来导航和执行期望的功能，其应用广泛、成本低、生存能力强、机动性能好以及使用方便。无人机在军事、民用等领域均获得了广泛应用，极大程度地降低了人员伤亡的代价，提高了作战***平台的安全性和自适应性。近年来，随着生产成本的持续降低以及小型化、高移动性和部署灵活的特点，无人机越来越多地应用于民用和商业领域，例如：流量控制、货物运输、精准农业、空中视察、环境监控、紧急搜索与营救、应急通信等。特别是针对一些枯燥、脏乱和危险的任务，无人机相对于有人驾驶的飞机更具优势，因此无人机的需求会越来越大。

随着无人机“视觉”技术、定点悬停技术、跟踪拍摄技术、自动避障技术、无线通信技术、超远程操控技术等的突破，其载荷能力、续航时间和飞行高度都有了很大提升，因此，可以将无人机应用到无线通信***以提高性能。

无人机平台早期主要选用大中型固定翼无人机和无人直升机作为高空基站平台，这些平台虽然具有载荷能力强、飞行高度大、飞行距离远等优点，但同样存在着体积大、成本高、***复杂、操作灵活性不足以及定点指挥滞空时间短等诸多限制，这些限制导致其在应急通信场景中很难得到广泛应用。近年来，出现了一种多旋翼系留无人机***，它主要由多旋翼无人机、系留线缆、地面起降平台三部分组成。多旋翼无人机通过地面供电，能够长时间滞空悬停，同时，通过系留线缆内置的光纤，机载设备采集的数据可以回传到地面。相较于大中型固定翼无人机和无人直升机，多旋翼系留无人机具有体积小、重量轻、可长时间稳定悬停、操作简单、起降环境要求低、数据传输带宽大等优点，更适合应用在应急通信场景下。

在实际应用中，针对不同的使用场景，往往需要系留、非系留无人机的交替或配合使用。由于无人机的成本较高，且电池能量有限，为了提高资源利用率，节约成本，在保证通信服务覆盖目标区域所有用户的前提下，需要尽可能地减少无人机基站部署数量以降低部署成本。现有技术方案能够通过无人机覆盖用户为用户提供通信方式，但其缺点是无人机的利用率低，并且无人机的部署过程困难且复杂。

因此，亟需一种无人机集群部署方法以实现高***容量条件下的大范围覆盖。

发明内容

本发明提供了一种基于地面蜂窝***的无人机集群部署方法，以解决地面基站负载大、覆盖范围有限以及无人机能量受限情况下无人机集群的部署问题。

为了实现上述目的，本发明采取了如下技术方案。

一种基于地面蜂窝***的无人机集群部署方法，包括：

在待部署区域内确定用户位置和高度，基站位置，无人机的初始数和飞行高度、系留式无人机的道路位置，以系留式无人机的位置约束、系留式无人机和基站之间的最大通信半径约束，系留式无人机和非系留式无人机之间的最大通信半径约束以及无人机与用户之间的最大通信半径约束为约束条件；

以可覆盖用户数最大化作为第一目标函数，采用连续凸近似算法、线性松弛算法和加权l₁算法求解得到可覆盖的最大用户数；

以覆盖所述最大用户数所需的无人机数最小化作为第二目标函数，采用连续凸近似算法与二分法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置。

优选地，第一目标函数如下式(1)所示：

||q₀-q_B||≤R₁， (1b)

其中，x为覆盖用户数，||·||_O为零范数，q_n为第n个无人机的坐标向量，A_i，b_i为道路分割为多个多边形的第i个多边形区域参数矩阵，i＝1，...，I，I为待部署区域内的公路总条数，s_k表示地面第k个用户的位置坐标，x_k∈{0，1}来表示用户的连接状态，为0时表示用户可以与无人机实现通信，为1时表示用户不能与无人机实现通信，q₀为系留式无人机的坐标向量，N为非系留式无人机的个数，无人机的总数为(N+1)，q_B为基站位置坐标，系留式无人机的和基站之间的最大通信半径为R₁，系留式无人机和非系留式无人机之间的最大通信半径为R₂，无人机和用户之间的最大通信半径为R₃，K为地面用户数，k∈{１，2，…，K}。

优选地，第二目标函数如下式(2)所示：

||q₀-q_B||≤R₁， (2b)

其中，N为非系留式无人机的个数，q_n为第n个无人机的坐标向量，A_i，b_i为道路分割为多个多边形的多边形区域参数矩阵，s_k表示地面第k个用户的位置坐标，q₀为系留式无人机的坐标向量，N为非系留式无人机的个数，q_B为基站位置坐标，系留式无人机的和基站之间的最大通信半径为R₁，系留式无人机和非系留式无人机之间的最大通信半径为R₂，无人机和用户之间的最大通信半径为R₃，

表示第二目标函数下用户的连接状态，当

为0时表示用户可以与无人机实现通信，当

为1时表示用户不能与无人机实现通信。

优选地，待部署区域内的无人机均可以与用户进行通信；所述系留式无人机部署在道路上用于与基站直接通信；所述非系留式无人机通过所述系留式无人机与基站进行通信，所述非系留式无人机不能直接与基站传输数据。

优选地，采用连续凸近似算法、线性松弛算法和加权l₁算法求解得到可覆盖的最大用户数，包括采用连续凸近似算法近似非凸约束(1a)和(1d)，并将整数约束(1e)进行线性松弛，采用加权

算法对目标函数构造加权变量，将原问题转化为凸问题进行求解。

优选地，采用连续凸近似算法、线性松弛算法和加权l₁算法求解得到可覆盖的最大用户数具体包括如下步骤：

S61采用连续凸近似算法将非凸目标函数

近似为凸函数

其中，α_n≥0为近似处理时引入的系数，当x₀＝x₁…＝x_N或

时，非凸函数取值与凸函数取值相等；

对于约束(1a)，使用上述算法处理约束

其中，y_i＝max(A_iq₀-b_i)得到下式(3)的凸约束：

其中，x_n是一个变量，α_n、α_n*和α_i均为为近似处理时引入的辅助系数；

对于约束(1d)，令x_n＝||q_n-s_k||，得到下式(4)：

通过近似得到下式约束(5)：

其中，β_nk为近似处理时引入的系数，M→+∝，此时公式(4)转换为凸约束；

S62对于整数约束(1e)，将0-1变量x_k松弛为x_k∈[0，1]，

并在第一目标函数上引入下式(6)作为惩罚项：

其中，γ为惩罚系数，对x_k(1-x_k)使用泰勒公式近似，忽略常数项，最终近似为

S63运用加权l₁算法对目标函数构造加权变量w如下式(7)：

其中，ε→0，将原非凸目标函数

转化为凸目标函数：

S64利用求解后得出的结果更新系数α_i，β_nk，直至第一目标函数收敛，得到可覆盖的最大用户数。

优选地，采用二分法与连续凸近似算法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置，包括采用连续凸近似方法近似非凸约束(2a)和(2d)，将原问题转化为凸问题，并采用二分法求解对第二目标函数求解。

优选地，采用连续凸近似算法与二分法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置，具体包括如下步骤：

S81采用连续凸近似算法将非凸目标函数

近似为凸函数

其中，α_n≥0为近似处理时引入的系数，当x₀＝x₁…＝x_N或

时，非凸函数取值与凸函数取值相等；

对于约束(2a)，使用上述算法处理约束

其中，y_i＝max(A_iq₀-b_i)得到下式(9)的凸约束：

其中，x_n是一个变量，α_n、α_n*和α_i均为为近似处理时引入的辅助系数；

对于约束(2d)，令x_n＝||q_n-s_k||，得到下式(10)：

通过近似得到下式约束(11)：

此时公式(10)为凸约束；

S82二分法的具体处理步骤如下：确定所需无人机数的上界N_max和下界N_mni，再令

判断N是否可行，如果N可行，则令N_max＝N，否则N_min＝N，重复迭代计算，直至算法收敛，得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置。

由上述本发明的一种基于地面蜂窝***的无人机集群部署方法提供的技术方案可以看出，本发明方法在给定布置条件下，以无人机与无人机、无人机与基站、无人机与用户之间的半径约束以及系留式无人机的位置约束作为约束条件，以可覆盖用户数最大化和覆盖上述用户所需的无人机数最小化为目标函数，首先采连续凸近似算法、线性松弛算法和加权算法得到可覆盖的最大用户数，再利用连续凸近似与二分法得到覆盖这些用户的最小无人机数，对无人机群进行部署，成功地将实际的非凸问题转换成了可以用CVX凸优化工具包高效解决的凸优化问题，可以实现高***容量条件下的大范围覆盖，并且通过本方法的算法运算过程简单，可实现更快速地迭代收敛。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为基于地面蜂窝***的无人机集群部署方法流程示意图；

图2为实施例提供基于地面蜂窝***场景示意图；

图3为可覆盖的最大用户数的求解流程示意图；

图4为最大用户需要部署的最小无人机数及对应部署位置的求解流程示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例

图1为基于地面蜂窝***的无人机集群部署方法流程示意图，参照图1，包括如下步骤：

S1在待部署区域内确定用户位置和高度，基站位置，无人机的初始数和飞行高度、系留式无人机的道路位置，以系留式无人机的位置约束、系留式无人机和基站之间的最大通信半径约束，系留式无人机和非系留式无人机之间的最大通信半径约束以及无人机与用户之间的最大通信半径约束为约束条件；

图2为本实施例提供基于地面蜂窝***场景示意图，参照图2，K个地面用户随机分布在一个区域内，待部署区域内设置有一座地面基站，高度为H_BS，一架系留式无人机(Mooring UAV，mUAV)部署在一条特定道路上，N架非系留式无人机(Flying UAV，fUAV)部署在mUAV的周围，无人机的飞行高度固定为H，或无人机的飞行高度可利用算法进行优化，且无人机飞行高度需满足相关规定。为便于分析求解，建立一个三维笛卡尔坐标系，设

n＝0，1，...N，q_n表示无人机的位置坐标，其中q₀，即n＝0，为mUAV的位置坐标，q_n，n＝1，...，N，为fUAV的位置坐标，并且第k个用户的位置坐标为

其中k∈{1，2，…，K}，基站位坐标为q_B。并且设场景中存在I条公路，i＝1，...，I，mUAV能够部署在任意一条公路上。mUAV和基站之间的最大通信半径为R₁，mUAV和fUAV之间的最大通信半径为R₂，无人机和用户之间的最大通信半径为R₃，第i条公路的尺寸已知。

其中，待部署区域内的UAV均可以与用户进行通信；mUAV部署在道路上用于与基站直接通信；fUAV通过mUAV与基站进行通信，fUAV不能直接与基站传输数据。因为任意一台mUAV都可以部署于应急通信车上方以解决持续供电问题，而应急通信车只能停在限定的道路上，因此，mUAV的位置只能在限定区域内。以基站位置为坐标原点建立坐标系，将道路区域分割为多个多边形。设q₀为mUAV的坐标向量，多边形区域可以表示为A_iq₀≤b_i，A_i，b_i为多边形区域参数矩阵，即mUAV的位置约束如下式(1)所示：

根据上式(1)可以得到下式(2)：

得到UAV与BS之间实现数据传输的距离约束如下式(3)所示：

||q₀-q_B||≤R₁ (3)

由于fUAV都与所属的mUAV进行数据传输，因此fUAV与mUAV之间的距离约束如下式(4)所示：

由于只有在UAV信号覆盖范围内的地面用户能与UAV进行数据传输，用x_k∈{0，1}来表示用户的连接状态，具体表达如下式(5)所示：

当用户可连接时，该用户至少能被一个UAV的信号范围所覆盖，即该用户至少处于一个UAV的通信半径内。用s_k表示地面用户的坐标向量，得到系留式无人机和基站之间的最大通信半径约束如下式(6)所示：

这里q_n为各个UAV的坐标向量，包括fUAV和mUAV，无人机的总数为(N+1)。

本实施例将最终的部署问题分为S2和S3两个阶段：

S2以可覆盖用户数最大化作为第一目标函数，采用连续凸近似算法、线性松弛算法和加权

算法求解得到可覆盖的最大用户数。

第一目标函数如下式(7)所示：

||q₀-q_B||≤R₁， (1b)

其中，||·||₀为零范数，用来计算目标函数中非零元的个数，x为覆盖用户数，x_k∈{0，1}表示用户的连接状态，为0时表示用户可以与无人机实现通信，为1时表示用户不能与无人机实现通信。

采用连续凸近似算法近似非凸约束(7a)和(7d)，并将整数约束(7e)进行线性松弛，采用加权l₁算法对目标函数构造加权变量，将原问题转化为凸问题进行求解，具体步骤如下：

1)采用连续凸近似算法将非凸目标函数

近似为凸函数

其中，α_n≥0为近似处理时引入的系数，当x₀＝x₁…＝x_N或

时，非凸函数取值与凸函数取值相等；对于约束(7a)，使用上述算法处理约束，将该向量不等式转化为下式(8)的标量不等式：

其中，取y_i＝max(A_iq₀-b_i)，这时可以使用连续凸近似算法处理该约束，此时有：

其中，x_n是一个变量，α_n、α_n*和α_i均为为近似处理时引入的辅助系数，

α_i≥0。当α_i*＝1，

时等式成立，当i≠i^*时，α_i＝0，此时原问题(7)有最优解，可推导出下式(10)和(11)是等价的：

将非凸约束(7a)转换成了公式(11)的凸约束形式。

对于约束条件(7b)、(7c)，基站坐标q_B已知，式(7b)、(7c)均为凸约束。对于约束条件(7d)，由于只有存在x_k＝0时式(7d)成立，将式(7d)右边部分改写为(1-x_k)R₃+x_kM，此时式(7d)转化为下式(12)：

其中，M→+∝。

上式(12)左边部分是一个最小化2范数的形式，已知2范数形式是一个凸函数，当x_k＝0时，对于用户s_k，

式(12)的左边部分满足：

其中，β_nk为近似处理时引入的系数，

β_nk≥0，当

式(13)等号成立。令式(13)的右边部分

相当于对式(12)进行放缩，使原约束更为严格。此时，新的约束为2范数和的形式，为凸约束，相较于原约束更易处理。

2)对于约束条件(7e)，x_k∈{0，1}不为凸集。为了消除整数约束，对原问题进行线性松弛。将0-1变量x_k松弛为x_k∈[0，1]，

并在第一目标函数上引入了下式(14)作为惩罚项：

其中，γ为惩罚系数，对x_k(1-x_k)使用泰勒公式近似，忽略常数项，最终近似为

3)运用加权l₁算法对目标函数构造加权变量ω如下式(15)：

其中，ε→0，将原非凸目标函数

转化为凸目标函数：

因此，原问题(7)最终转化为如下凸优化问题：

||q₀-q_B||≤R₁， (17b)

具体地，α_i的更新方法包括如下两种：

方案一：

方案二：

其中，

ρ为步长，本实施例中设置为0.2，令

且

β_nk的更新方法如下式(20)所示：

4)利用求解后得出的结果更新系数α_i，β_nk，直至第一目标函数收敛，得到可覆盖的最大用户数K^*。具体求解过程如图3所示

S3以覆盖最大用户数K^*所需的无人机数最小化作为第二目标函数，采用连续凸近似算法与二分法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置。

找到的K^*个用户位置固定，此时

采用连续凸近似方法近似非凸约束(2a)和(2d)，将原问题转化为凸问题，并采用二分法求解对第二目标函数求解。

第二目标函数如下式(21)所示：

||q₀-q_B||≤R₁， (21b)

表示第二目标函数下用户的连接状态，当

为0时表示用户可以与无人机实现通信，当

为1时表示用户不能与无人机实现通信。

约束条件(21a)、(21b)、(21c)的处理方法S2中相同，这里不再赘述。对于约束条件(21d)的处理方式与阶段一中类似。首先，对式(21d)的左边部分进行放缩得到下式(22)：

为使得第一次迭代时

成立，在式子的右边部分加上一个变量D，当D取无穷大时满足

当D≤0时，原约束成立。

因此，每次迭代求解如下问题：

||q₀-q_B||≤R₁， (23b)

当问题(23d)得到最佳优化变量

时，

即s.t.

I取得等号，而等号成立需要满足对于任意的k，||q₁-s_k||＝||q₂-s_k||＝...＝||q_n-s_k||或

当||q₁-s_k||＝||q₂-s_k||＝...＝||q_n-s_k||时，无人机均部署在以用户s_k为圆心的圆上，显然不符合实际情况，故必须满足

在连续凸近似算法的计算过程中采用二分法进行求解的具体步骤如下：

确定所需无人机数的上界N_max和下界N_min，再令

判断N是否可行，如果N可行，则令N_max＝N，否则N_min＝N，重复迭代计算，直至算法收敛，得到覆盖。具体求解过程如图4所示。

下表1和表2分别为S1和S2的具体求解算法。

表1

表2

综上所述，本实施例是在给定一定数量用户和一定数量道路及基站位置时，通过无人机辅助基站与地面用户通信来扩大基站信号覆盖范围，在保证无人机、基站、用户三者之间最大通信半径约束的条件下，通过优化无人机位置和数目，实现覆盖用户数最大化条件下的无人机数最小化，首先给定mUAV部署的道路和无人机数N，利用连续凸近似和加权l₁方法进行求解，接着得出场景中最多可覆盖的用户，然后利用二分法和连续凸近似方法最终可求得覆盖这些用户的最小无人机数N。解决了原问题是难以求解的问题。

本领域技术人员应能理解上述输入框的应用类型仅为举例，其他现有的或今后可能出现的输入框应用类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的待部署场景，本发明并不局限于该场景，对于体育馆应急通信、铁路边坡传感器通信以及施工现场通信的无人机布置都可以采用本方法。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种基于地面蜂窝***的无人机集群部署方法，其特征在于，包括：

在待部署区域内确定用户位置和高度，基站位置，无人机的初始数和飞行高度、系留式无人机的道路位置，以系留式无人机的位置约束、系留式无人机和基站之间的最大通信半径约束，系留式无人机和非系留式无人机之间的最大通信半径约束以及无人机与用户之间的最大通信半径约束为约束条件；

以可覆盖用户数最大化作为第一目标函数，采用连续凸近似算法、线性松弛算法和加权l₁算法求解得到可覆盖的最大用户数；

以覆盖所述最大用户数所需的无人机数最小化作为第二目标函数，采用连续凸近似算法与二分法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置；

所述的第一目标函数如下式(1)所示：

||q₀-q_B||≤R₁， (1b)

其中，x为覆盖用户数，||·||₀为零范数，q_n为第n个无人机的坐标向量，A_i和b_i为道路分割为多个多边形的第i个多边形区域参数矩阵，i＝1，...，I,I为待部署区域内的公路总条数，s_k表示地面第k个用户的位置坐标，x_k∈{0，1}来表示用户的连接状态，为0时表示用户可以与无人机实现通信，为1时表示用户不能与无人机实现通信，q₀为系留式无人机的坐标向量，N为非系留式无人机的个数，无人机的总数为(N+1)，q_B为基站位置坐标，系留式无人机的和基站之间的最大通信半径为R₁，系留式无人机和非系留式无人机之间的最大通信半径为R₂，无人机和用户之间的最大通信半径为R₃，K为地面用户数，k∈{1，2，…，K}；

所述的第二目标函数如下式(2)所示：

||q₀-q_B||≤R₁， (2b)

其中，N为非系留式无人机的个数，q_n为第n个无人机的坐标向量，s_k表示地面第k个用户的位置坐标，q₀为系留式无人机的坐标向量，N为非系留式无人机的个数，q_B为基站位置坐标，系留式无人机的和基站之间的最大通信半径为R₁，系留式无人机和非系留式无人机之间的最大通信半径为R₂，无人机和用户之间的最大通信半径为R₃，

表示第二目标函数下用户的连接状态，当

为0时表示用户可以与无人机实现通信，当

为1时表示用户不能与无人机实现通信；

所述待部署区域内的无人机均可以与用户进行通信；所述系留式无人机部署在道路上用于与基站直接通信；所述非系留式无人机通过所述系留式无人机与基站进行通信，所述非系留式无人机不能直接与基站传输数据。

2.根据权利要求1所述的方法，其特征在于，所述的采用连续凸近似算法、线性松弛算法和加权l₁算法求解得到可覆盖的最大用户数，包括采用连续凸近似算法近似非凸约束(1a)和(1d)，并将整数约束(1e)进行线性松弛，采用加权l₁算法对目标函数构造加权变量，将原问题转化为凸问题进行求解。

3.根据权利要求2所述的方法，其特征在于，所述的采用连续凸近似算法、线性松弛算法和加权l₁算法求解得到可覆盖的最大用户数具体包括如下步骤：

S61采用连续凸近似算法将非凸目标函数

近似为凸函数

其中，z_n是一个变量，α_n≥0为近似处理时引入的系数，当z₀＝z₁…＝z_N或

时，非凸函数取值与凸函数取值相等；

对于约束(1a)，使用上述算法处理约束

其中，y_i＝max(A_iq₀-b_i)得到下式(3)的凸约束：

其中，α_n、α_n*和α_iα_i均为近似处理时引入的辅助系数；

对于约束(1d)，令z_n＝||q_n-s_k||，得到下式(4)：

通过近似得到下式约束(5)：

其中，β_nk为近似处理时引入的系数，M→+∞，此时公式(4)转换为凸约束；

S62对于整数约束(1e)，将0-1变量x_k松弛为

并在第一目标函数上引入下式(6)作为惩罚项：

其中，γ为惩罚系数，对x_k(1-x_k)使用泰勒公式近似，忽略常数项，最终近似为

S63运用加权l₁算法对目标函数构造加权变量ω如下式(7)：

其中，ε→0，将原非凸目标函数

转化为凸目标函数：

S64利用求解后得出的结果更新系数α_i；β_nk，直至第一目标函数收敛，得到可覆盖的最大用户数。

4.根据权利要求1所述的方法，其特征在于，所述的采用二分法与连续凸近似算法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置，包括采用连续凸近似方法近似非凸约束(2a)和(2d)，将原问题转化为凸问题，并采用二分法求解对第二目标函数求解。

5.根据权利要求4所述的方法，其特征在于，所述采用连续凸近似算法与二分法得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置，具体包括如下步骤：

S81采用连续凸近似算法将非凸目标函数

近似为凸函数

其中，α_n≥0为近似处理时引入的系数，当z₀＝z₁…＝z_N或

时，非凸函数取值与凸函数取值相等；

对于约束(2a)，使用上述算法处理约束

其中，y_i＝max(A_iq₀-b_i)得到下式(9)的凸约束：

其中，α_n、α_n*和α_i均为为近似处理时引入的辅助系数；

对于约束(2d)，令x_n＝||q_n-s_k||，得到下式(10)：

通过近似得到下式约束(11)：

此时公式(10)为凸约束；

S82二分法的具体处理步骤如下：确定所需无人机数的上界N_max和下界N_min，再令

判断N是否可行，如果N可行，则令N_max＝N，否则N_min＝N，重复迭代计算，直至算法收敛，得到覆盖所述最大用户需要部署的最小无人机数及对应部署位置。

Images