CN114448490B - 一种多无人机的路径规划与频谱资源分配方法及*** - Google Patents

一种多无人机的路径规划与频谱资源分配方法及*** Download PDF

Info

Publication number
CN114448490B
CN114448490B CN202111577801.0A CN202111577801A CN114448490B CN 114448490 B CN114448490 B CN 114448490B CN 202111577801 A CN202111577801 A CN 202111577801A CN 114448490 B CN114448490 B CN 114448490B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
ground terminal
cluster
current
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.)
Active
Application number
CN202111577801.0A
Other languages
English (en)
Other versions
CN114448490A (zh
Inventor
胡星星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianyi Cloud Technology Co Ltd
Original Assignee
Tianyi Cloud Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianyi Cloud Technology Co Ltd filed Critical Tianyi Cloud Technology Co Ltd
Priority to CN202111577801.0A priority Critical patent/CN114448490B/zh
Publication of CN114448490A publication Critical patent/CN114448490A/zh
Application granted granted Critical
Publication of CN114448490B publication Critical patent/CN114448490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • 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
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models

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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多无人机的路径规划与频谱资源分配方法及***，包括：模拟地面终端分布、热点分布，得到多个聚簇；依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为地面终端配置无人机，通过对不同受灾区域的网络覆盖及同层无人机之间协同合作，提高应急通信***的网络覆盖率和数据采集效率；基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量，从而提升有限带宽资源的利用率和***的生命周期。

Description

一种多无人机的路径规划与频谱资源分配方法及***
技术领域
本发明涉及无人机应用、应急通信及移动边缘计算领域，具体涉及一种多无人机的路径规划与频谱资源分配方法及***。
背景技术
随着科学技术的发展，人们可以随时随地的使用手机、电脑等智能终端设备同他人进行通信，人们之间的沟通交流没有了时间和空间的障碍，基于网络的通信方式也成为了人们获取外界信息、与世界相连的主要方式。但是，当地震、火灾、海啸、战争等自然或人为灾难发生的时候，地面的通信基础设施将会遭受巨大的破坏甚至完全被摧毁，从而给救援人员的及时救援产生极大地障碍，进而极大地威胁着被困人员的生命财产安全。得益于无人机日益成熟的制造工艺和稳定性能，无人机逐渐的从军用向民用发展并且被应用到了人民生产生活的方方面面，尤其在辅助应急通信领域具有很好地应用前景，其优势集中体现在以下几点：
(1)多无人机组成的空中飞行自组网(Flying Ad hoc network，FANET)具有很强的适应性和扩展性。它可以携带各种感知设备，比如传感器、相机等进行环境探测；它还可以配备无线信号收发器等通信设备来作为空中的基站，以中继的形式传递信息，保证地面人员之间的有效通信。此外，由于其高空飞行的特性，本发明可以认为无人机之间，无人机与地面用户之间的通信是视距传输。在这种情况下，可以很好地保证信息传输的质量。
(2)无人机具有即用即飞的特性，部署的灵活性和高移动性使得无人机可以从容的面对很多的复杂情况。
(2)FANET中，如果有一个节点发生故障，无人机群可以快速的部署另一个无人机来代替故障无人机，体现了无人机FANET的较强的鲁棒性。此外，由于其部署在高空，可以有效地避免次生灾害，如余震，对该***的影响。
从目前的发展研究现状来看，无人机辅助通信***主要分为以下三个方向：无人机辅助通信覆盖、无人机辅助的中继传输、无人机辅助信息的传播和数据的采集。但是，目前的无人机辅助应急通信***还存在着以下不足：(1)无人机集群的飞行速度没有进行更加充分地考虑。比如，应该根据地面服务终端的密度来进行动态的调整。虽然已经进行了无人机的轨迹的优化，但是优化的结果更多的是服务于更加精确的定位和碰撞避免，在通信质量的保障方面可能有所欠缺。(2)虽然使用了TDMA技术来提出新颖的信道接入机制，但是每一个时隙的大小基本上是固定不变的。在实际的应用场景中，根据实际的任务请求来动态的调整时隙的大小可以获得更加好的性能指标，比如信道的利用率、通信时延等。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的不能实现受灾区域网络全覆盖、频率资源合理分配的缺陷，从而提供一种多无人机的路径规划与频谱资源分配方法及***。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供一种多无人机的路径规划与频谱资源分配方法，包括如下：利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇；依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机；利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量。
在一实施例中，利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇的过程，包括：利用托马斯簇过程模拟灾后地面终端的分布，利用泊松点过程模拟热点的分布，得到多个以热点为中心的地面终端聚簇。
在一实施例中，依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机的过程，包括：依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，依次为每个聚簇部署一个簇无人机，利用辅助无人机为未成簇的地面终端、当前簇无人机无法有效覆盖出现时延敏感型数据的地面终端进行覆盖。
在一实施例中，为单个聚簇部署簇无人机的过程，包括：判断当前聚簇是否关联簇无人机；当当前聚簇未关联簇无人机时，找到当前在无人机覆盖范围内的所有无人机，并按照距离顺序由近及远进行排序；将距离当前聚簇最近的、接入地面终端的数量未达到上限的簇无人机，与当前聚簇进行关联；当全部的簇无人机接入地面终端的数量均达到上限，则为当前聚簇分配新的簇无人机。
在一实施例中，利用TDMA技术实现无人机的信道接入的过程，包括：当地面终端与无人机之间的信道状态满足信噪比条件时，地面终端与无人机建立通信，且无人机利用TDMA技术与所管辖簇内的每个地面终端通信。
在一实施例中，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量的过程，包括：根据在当前时隙内无人机与所管辖的每个地面终端之间的信道增益、在当前时隙内无人机受到其他无人机对本信道的干扰参量，计算在当前时隙内无人机的瞬时可达率；根据在当前时隙内无人机的瞬时可达率、时隙大小、地面终端的数据包生成时间、数据包过期时间，计算得到无人机当前接收的数据量。
在一实施例中，多维度影响参数包括：每个地面终端的数据包大小、时延敏感程度以及当前无人机位置和剩余频谱资源。
第二方面，本发明实施例提供一种多无人机的路径规划与频谱资源分配***，包括：模拟分布模块，用于利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇；无人机部署模块，用于依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机；频谱资源分配模块，用于利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量。
第三方面，本发明实施例提供一种计算机设备，包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行本发明实施例第一方面的多无人机的路径规划与频谱资源分配方法。
第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行本发明实施例第一方面的多无人机的路径规划与频谱资源分配方法。
本发明技术方案，具有如下优点：
1.本发明提供的多无人机的路径规划与频谱资源分配方法及***，利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇；依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机，通过对不同受灾区域的网络覆盖及同层多无人机之间的协同合作，显著提高应急通信***的网络覆盖率和数据采集效率；利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量，从而提升有限带宽资源的利用率和***的生命周期。
2.本发明提供的多无人机的路径规划与频谱资源分配方法及***，设置簇无人机及辅助无人机，并利用移动边缘计算和最优无人机部署实现灾后地区可靠的应急通信和数据采集，进而降低整个通信***的时延，减少时延敏感型数据的丢失，精准定位被困人员的位置，辅助救援人员的有效救援；通过考虑地面终端的数据包大小和时延要求，通过智能算法的计算得出最优的无人机飞行路径及对有限频谱资源的合理分配，实现频谱资源的最优调度，提高资源利用率，提升整个应急通信***的运行效率与生命周期。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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多无人机的路径规划与频谱资源分配方法的一个具体示例的流程图；
图2为本发明实施例提供的多无人机的路径规划与频谱资源分配方法的另一个具体示例的流程图；
图3为本发明实施例提供的三层网络架构；
图4为本发明实施例提供的多无人机的路径规划与频谱资源分配方法的另一个具体示例的流程图；
图5为本发明实施例提供的多无人机的路径规划与频谱资源分配***的另一个具体示例的组成图；
图6为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明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做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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种多无人机的路径规划与频谱资源分配方法，如图1所示，包括如下：
步骤S11：利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇。
具体地，本发明实施例本发明使用泊松点过程(PPP)来模拟热点的位置分布，热点包括：人口密集区域，如学校、医院等；由于灾后的各个地区的受影响程度是不同的，因此，灾区之间的地面终端密度也会相应地有所不同，使用托马斯聚簇过程(TCP)来描述地面终端的位置分布，地面终端为被困人员携带的可通信设备，每一个簇都会以热点为簇心进行聚簇。在TCP中，所有的地面终端将根据同一高斯分布独立的分布在热点(簇心)周围，其中与服务区域重叠且复杂的蜂窝网络不同，本发明实施例假设这些簇是分散的并且不重叠。
具体地，本发明实施例中，所有簇心的分布使用独立同分布且分布密度为λhs的PPP来表示；围绕在热点周围的其他地面终端以TCP分布在热点周围。由于TCP建模的地面终端相对于MCP((Model Core Potential))来说更加离散、其辐射的范围也会更大。而且MCP需要提前设定覆盖的半径，这在实际的救灾过程中是无法预测的。此外，在灾后的救援过程中，虽然是以热点为中心聚簇，主要为热点区域服务，但是为了服务更多的区域，发现更多的被困者，因此本发明实施例使用基于PCP协议中的TCP来表示分散在热点附近的所有地面终端。
步骤S12：依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机。
具体地，步骤S12实施过程包括依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，依次为每个聚簇部署一个簇无人机，利用辅助无人机为未成簇的地面终端、当前簇无人机无法有效覆盖出现时延敏感型数据的地面终端进行覆盖。
具体地，本发明实施例的地面终端分为已聚簇的无人机可以及时到达的地面终端、无人机不能及时到达已聚簇的出现实验敏感型数据地面终端以及未聚簇的地面终端，针对三种地面终端，利用不同的部署方法为每个地面终端部署无人机。
具体地，每一个聚簇都有一个无人机来负责该簇内的消息的转发与数据采集，簇-无人机之间可以协同合作，共同完成对负责辖区内的网络覆盖和数据采集，该无人机命名为簇无人机；为非聚簇的地面终端提供通信覆盖和数据采集的无人机命名为辅助无人机。
具体地，由于无人机的有限带宽资源和能源限制，每个无人机所能接入的地面终端的数量是有限的，当簇内地面终端过于密集之后，势必会影响到整体***的服务质量。当簇无人机过载时，辅助无人机将辅助簇无人机完成终端的接入，为无人机不能及时到达已聚簇的出现实验敏感型数据地面终端提供通信覆盖和数据采集，尽可能的保证整个灾区的通信覆盖和数据采集的及时性。
具体地，簇无人机之间可以进行通信协作，并且其位置也是不断变化以适应不同的通信需求。簇无人机所收集的信息通过其他的簇无人机或辅助无人机以多条或直连的方式与应急通信车所搭载的服务器相连。
具体地，为了实现尽可能多的成功收集数据包的同时，也需要尽可能少的减少无人机的布置数量，而且对于当太多的终端同时接入时将发生严重的频谱资源竞争，从而影响正常的数据采集的情况，如图2所示，为单个聚簇部署簇无人机的过程包括步骤S21～步骤S23，执行步骤S21～步骤S23的程序如表1所示，如下：
步骤S21：判断当前聚簇是否关联簇无人机。
步骤S22：当当前聚簇未关联簇无人机时，找到当前在无人机覆盖范围内的所有簇无人机，并按照距离顺序由近及远进行排序。
步骤S23：将距离当前聚簇最近的、接入地面终端的数量未达到上限的簇无人机，与当前聚簇进行关联；当全部的簇无人机接入地面终端的数量均达到上限，则为当前聚簇分配新的簇无人机。
表1
具体地，基于上述方法，如图3所示，本发明实施例的技术方案实则为一种新型的多无人机协同的三层应急通信网络架构，在三层网络架构的第一层为热点、地面终端分布，第二层为簇无人机层，第三层为辅助无人机层，通过对不同受灾区域的网络覆盖及同层多无人机之间的协同合作，显著提高应急通信***的网络覆盖率和数据采集效率。
步骤S13：利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量。
具体地，在无人机与地面终端通信中，本发明实施例考虑了由视距传输(LoS)主导的空对地信道，并采用了MAC层中的随机访问机制。当无人机实现通信覆盖时，地面终端接收器的信噪比(Signal to Noise Ratio，SNR)必须大于阈值时，地面终端才能与无人机通信。
具体地，在一个巡航周期T内，由于无人机的移动，每一个地面终端必须在有限的连接时间内将数据传递给相应的无人机，因此本发明实施例的无人机还利用TDMA技术与所管辖簇内的每个地面终端通信，采用了TDMA技术将时间T划分为N个相等的时间间隙，当地面终端与相应的无人机之间的信道状态(满足信噪比条件)符合通信要求时，地面终端将能与无人机相连，并会被分配相应的频谱资源。
具体地，如图4所示，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量的过程，包括步骤S31～步骤S32，如下：
步骤S31：根据在当前时隙内无人机与所管辖的每个地面终端之间的信道增益、在当前时隙内无人机受到其他无人机对本信道的干扰参量，计算在当前时隙内无人机的瞬时可达率。
当前时隙内无人机与所管辖的单个地面终端之间的信道增益计算公式如下：
g(r,q)＝γ0γ|r2| (1)
其中，g(r,q)表示无人机与地面终端之间的信道增益，r表示无人机与地面终端之间的距离，q表示无人机的空间坐标，γ是确定分布中的小尺度衰落，该分布服从Gamma分布，γ0表示在参考距离为1m处的信道功率增益。
由于视距传输模型中使用的无人机与地面终端的信道、与无人机与另一地面终端的信道之间是正交的。通过这种方式，无人机与地面终端的信道、与无人机与另一地面终端的信道之间也不会存在干扰，因此不再考虑该信道之间的干扰问题，只考虑受到其他无人机对本信道的干扰，则当前时隙内无人机受到其他无人机对本信道的干扰参量计算公式为：
式中，Pu'是第u'个无人机的发射功率，Lu,u'(n)＝Pu'||du,u'||-α代表了第u个无人机与第u'个无人机之间信道的增益，du，u'为第u个无人机与第u'个无人机之间的距离，n为第n时隙。
则依据式(1)、式(2)可以计算得到在第n时隙内无人机的瞬时可达率为：
式中，bg(n)表示地面终端g在时隙n内获得的频谱资源；pg地面终端g的发射功率；Cg,u(n)表示在时隙n内，地面终端g与无人机u之间是否连接，连接取1，否则为0；表示噪声功率。
步骤S32：根据在当前时隙内无人机的瞬时可达率、时隙大小、地面终端的数据包生成时间、数据包过期时间，计算得到无人机当前接收的数据量。
具体地，本发明实施例基于时分复用的频谱资源分配策略，通过分析每一个地面终端的数据包大小、时延敏感程度以及当前无人机位置和剩余频谱资源，对地面终端在每一个时隙内可获得的频谱资源进行动态分配为而不是固定分配，每个无人机当前接收到的数据量Sg为：
式中，δ表示时隙大小，和/>分别表示数据包的生成时间和过期时间，/>表示无人机开始接收地面终端数据的时间。
具体地，本发明实施例根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量，其中，在一具体实施例中，多维度影响参数包括：每个地面终端的数据包大小、时延敏感程度以及当前无人机位置和剩余频谱资源。COBSO智能算法的执行程序如表2所示。
表2
本发明实施例所使用的COBSO智能算法主要创新点为：
(1)基于交叉操作的种群初始化机制
T(m)＝floor[α1*In(α2+m)] (5)
式中，α1和α2是放缩常量，m是当前迭代次数。T(m)为当前计数器，当迭代计数器大于该值时，进行交叉初始化操作。
(2)自适应步长更新方法
式中，Mmax是最大迭代次数，o是一个常量，ubd和lbd分别是第d维变量的上边界和下边界。
实施例2
本发明实施例提供一种多无人机的路径规划与频谱资源分配***，如图5所示，包括：
模拟分布模块，用于利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇；此模块执行实施例1中的步骤S11所描述的方法，在此不再赘述。
无人机部署模块，用于依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机；此模块执行实施例1中的步骤S12所描述的方法，在此不再赘述。
频谱资源分配模块，用于利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源；此模块执行实施例1中的步骤S13所描述的方法，在此不再赘述。
实施例3
本发明实施例提供一种计算机设备，如图6所示，包括：至少一个处理器401，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口403，存储器404，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，通信接口403可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Ramdom Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1的多无人机的路径规划与频谱资源分配方法。存储器404中存储一组程序代码，且处理器401调用存储器404中存储的程序代码，以用于执行实施例1的多无人机的路径规划与频谱资源分配方法。
其中，通信总线402可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固降硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。
其中，处理器401可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器404还用于存储程序指令。处理器401可以调用程序指令，实现如本申请执行实施例1中的多无人机的路径规划与频谱资源分配方法。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令可执行实施例1的多无人机的路径规划与频谱资源分配方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固降硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种多无人机的路径规划与频谱资源分配方法，其特征在于，包括如下：
利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇；
依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机；
利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量；
所述基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量的过程，包括：根据在当前时隙内无人机与所管辖的每个地面终端之间的信道增益、在当前时隙内无人机受到其他无人机对本信道的干扰参量，计算在当前时隙内无人机的瞬时可达率；根据在当前时隙内无人机的瞬时可达率、时隙大小、地面终端的数据包生成时间、数据包过期时间，计算得到无人机当前接收的数据量；
当前时隙内无人机受到其他无人机对本信道的干扰参量计算公式为：
式中，Pu'是第u'个无人机的发射功率，Lu,u'(n)＝Pu'||du,u'||-α代表了第u个无人机与第u'个无人机之间信道的增益，du，u'为第u个无人机与第u'个无人机之间的距离，n为第n时隙；α为指标常量；
在第n时隙内无人机的瞬时可达率为：
式中，bg(n)表示地面终端g在时隙n内获得的频谱资源；pg地面终端g的发射功率；Cg,u(n)表示在时隙n内，地面终端g与无人机u之间是否连接，连接取1，否则为0；表示噪声功率；
每个无人机当前接收到的数据量Sg为：
式中，δ表示时隙大小，和/>分别表示数据包的生成时间和过期时间，/>表示无人机开始接收地面终端数据的时间；
所述多维度影响参数包括：每个地面终端的数据包大小、时延敏感程度以及当前无人机位置和剩余频谱资源。
2.根据权利要求1所述的多无人机的路径规划与频谱资源分配方法，其特征在于，所述利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇的过程，包括：
利用托马斯簇过程模拟灾后地面终端的分布，利用泊松点过程模拟热点的分布，得到多个以热点为中心的地面终端聚簇。
3.根据权利要求1所述的多无人机的路径规划与频谱资源分配方法，其特征在于，所述依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机的过程，包括：
依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，依次为每个聚簇部署一个簇无人机，利用辅助无人机为未成簇的地面终端、当前簇无人机无法有效覆盖出现时延敏感型数据的地面终端进行覆盖。
4.根据权利要求1所述的多无人机的路径规划与频谱资源分配方法，其特征在于，为单个聚簇部署簇无人机的过程，包括：
判断当前聚簇是否关联簇无人机；
当当前聚簇未关联簇无人机时，找到当前在无人机覆盖范围内的所有无人机，并按照距离顺序由近及远进行排序；
将距离当前聚簇最近的、接入地面终端的数量未达到上限的簇无人机，与当前聚簇进行关联；当全部的簇无人机接入地面终端的数量均达到上限，则为当前聚簇分配新的簇无人机。
5.根据权利要求1所述的多无人机的路径规划与频谱资源分配方法，其特征在于，所述利用TDMA技术实现无人机的信道接入的过程，包括：
当地面终端与无人机之间的信道状态满足信噪比条件时，地面终端与无人机建立通信，且无人机利用TDMA技术与所管辖簇内的每个地面终端通信。
6.一种多无人机的路径规划与频谱资源分配***，其特征在于，包括：
模拟分布模块，用于利用预设模拟方法分别模拟灾后地面终端的分布、热点的分布，得到多个以热点为中心的地面终端聚簇；
无人机部署模块，用于依据每个无人机与每个聚簇的距离以及每个无人机能够接入地面终端的数量，为每个地面终端配置无人机；
频谱资源分配模块，用于利用TDMA技术实现无人机的信道接入，基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量，根据每个无人机当前接收的数据量，结合多维度影响参数，以获取最大的布置收益为目标，利用COBSO智能算法为每个无人机分配频率资源、优化无人机轨迹和部署数量；
所述基于受其他无人机的干扰参量、与地面终端之间的信道增益，计算每个无人机当前接收的数据量的过程，包括：根据在当前时隙内无人机与所管辖的每个地面终端之间的信道增益、在当前时隙内无人机受到其他无人机对本信道的干扰参量，计算在当前时隙内无人机的瞬时可达率；根据在当前时隙内无人机的瞬时可达率、时隙大小、地面终端的数据包生成时间、数据包过期时间，计算得到无人机当前接收的数据量；
当前时隙内无人机受到其他无人机对本信道的干扰参量计算公式为：
式中，Pu'是第u'个无人机的发射功率，Lu,u'(n)＝Pu'||du,u'||-α代表了第u个无人机与第u'个无人机之间信道的增益，du，u'为第u个无人机与第u'个无人机之间的距离，n为第n时隙；α为指标常量；
在第n时隙内无人机的瞬时可达率为：
式中，bg(n)表示地面终端g在时隙n内获得的频谱资源；pg地面终端g的发射功率；Cg,u(n)表示在时隙n内，地面终端g与无人机u之间是否连接，连接取1，否则为0；表示噪声功率；
每个无人机当前接收到的数据量Sg为：
式中，δ表示时隙大小，和/>分别表示数据包的生成时间和过期时间，/>表示无人机开始接收地面终端数据的时间；
所述多维度影响参数包括：每个地面终端的数据包大小、时延敏感程度以及当前无人机位置和剩余频谱资源。
7.一种计算机设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5中任一所述的多无人机的路径规划与频谱资源分配方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5中任一所述的多无人机的路径规划与频谱资源分配方法。
CN202111577801.0A 2021-12-22 2021-12-22 一种多无人机的路径规划与频谱资源分配方法及*** Active CN114448490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111577801.0A CN114448490B (zh) 2021-12-22 2021-12-22 一种多无人机的路径规划与频谱资源分配方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111577801.0A CN114448490B (zh) 2021-12-22 2021-12-22 一种多无人机的路径规划与频谱资源分配方法及***

Publications (2)

Publication Number Publication Date
CN114448490A CN114448490A (zh) 2022-05-06
CN114448490B true CN114448490B (zh) 2024-04-26

Family

ID=81363729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111577801.0A Active CN114448490B (zh) 2021-12-22 2021-12-22 一种多无人机的路径规划与频谱资源分配方法及***

Country Status (1)

Country Link
CN (1) CN114448490B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114928568B (zh) * 2022-06-16 2023-06-09 中国联合网络通信集团有限公司 一种路由路径选择方法、装置及计算机可读存储介质

Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125760A (zh) * 2016-07-25 2016-11-16 零度智控（北京）智能科技有限公司 无人机编队路径自动规划方法及装置
CN108123772A (zh) * 2017-12-22 2018-06-05 南京航空航天大学 一种基于梯度投影的无人机时频资源分配方法
CN108632831A (zh) * 2018-05-11 2018-10-09 南京航空航天大学 一种基于动态航迹的无人机群频谱资源分配方法
CN109067490A (zh) * 2018-09-29 2018-12-21 郑州航空工业管理学院 蜂窝网联下多无人机协同移动边缘计算***资源分配方法
CN109191004A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多无人机测绘任务分配方法和装置
WO2019012308A1 (en) * 2017-07-10 2019-01-17 Telefonaktiebolaget Lm Ericsson (Publ) RADIO RESOURCE ASSIGNMENT OPTIMIZATION BASED ON AIRCRAFT FLIGHT FLIGHT INFORMATION WITHOUT CREW
CN109862575A (zh) * 2019-03-25 2019-06-07 河北工程大学 无人机基站部署方法、终端设备及计算机可读存储介质
CN109962727A (zh) * 2019-03-27 2019-07-02 北京航空航天大学 临空通信混合波束赋形及非正交多址接入传输方法
CN110364031A (zh) * 2019-07-11 2019-10-22 北京交通大学 地面传感器网络中无人机集群的路径规划和无线通信方法
CN110381444A (zh) * 2019-06-24 2019-10-25 广东工业大学 一种无人机轨迹优化及资源分配方法
CN110809252A (zh) * 2019-10-18 2020-02-18 广州工程技术职业学院 一种基于无人机的突发事件应急通信方法与***
CN110830136A (zh) * 2019-11-13 2020-02-21 中国科学技术大学 一种基于无线电地图的无人机轨迹设计和功率分配方法
CN110996326A (zh) * 2019-12-17 2020-04-10 西安电子科技大学 一种资源复用场景下mtc网络的簇数目规划方法
CN111127956A (zh) * 2019-12-31 2020-05-08 长江空间信息技术工程有限公司(武汉) 一种洪灾无人机应急响应调度方法
WO2020097103A2 (en) * 2018-11-06 2020-05-14 Battelle Energy Alliance, Llc Systems, devices, and methods for millimeter wave communication for unmanned aerial vehicles
CN111615200A (zh) * 2020-04-10 2020-09-01 洛阳理工学院 混合Hybrid NOMA网络的无人机辅助通信资源分配方法
CN111835401A (zh) * 2020-06-05 2020-10-27 北京科技大学 一种无人机通信网络中的无线资源与路径联合优化的方法
CN112351503A (zh) * 2020-11-05 2021-02-09 大连理工大学 基于任务预测的多无人机辅助边缘计算资源分配方法
CN112367639A (zh) * 2020-10-09 2021-02-12 武汉大学 基于北斗卫星授时的无人机集群自组网通信方法及***
CN112698637A (zh) * 2021-01-13 2021-04-23 广东轻工职业技术学院 一种多任务蜂群的协同资源调度算法
CN112947548A (zh) * 2021-01-29 2021-06-11 中国人民解放军国防科技大学 一种基于频谱地图的无人机编队规划方法
CN113612557A (zh) * 2021-07-30 2021-11-05 天津(滨海)人工智能军民融合创新中心 无人机蜂群多微蜂窝频谱资源管理方法
CN113613198A (zh) * 2021-07-26 2021-11-05 重庆邮电大学 无人机辅助的无线携能d2d网络资源分配方法
CN113630740A (zh) * 2021-07-30 2021-11-09 天津(滨海)人工智能军民融合创新中心 基于多阶信息速率的多无人机蜂窝频谱动态接入方法
CN113630838A (zh) * 2021-07-15 2021-11-09 天津(滨海)人工智能军民融合创新中心 基于类异构蜂窝网络的立体空间蜂群组网架构构建方法
CN113625761A (zh) * 2021-08-26 2021-11-09 北京航空航天大学 一种通信任务驱动的多无人机路径规划方法
CN113641192A (zh) * 2021-07-06 2021-11-12 暨南大学 一种基于强化学习的无人机群智感知任务的路径规划方法
CN113784366A (zh) * 2021-09-17 2021-12-10 北京信息科技大学 一种基于无人机群覆盖优化的智能集群方法
CN113825143A (zh) * 2021-10-15 2021-12-21 西北工业大学 基于协同异构空中网络的位置优化和资源分配方法及***

Patent Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125760A (zh) * 2016-07-25 2016-11-16 零度智控（北京）智能科技有限公司 无人机编队路径自动规划方法及装置
CN111066342A (zh) * 2017-07-10 2020-04-24 瑞典爱立信有限公司 基于无人驾驶飞行器飞行路径信息的无线电资源分配优化
WO2019012308A1 (en) * 2017-07-10 2019-01-17 Telefonaktiebolaget Lm Ericsson (Publ) RADIO RESOURCE ASSIGNMENT OPTIMIZATION BASED ON AIRCRAFT FLIGHT FLIGHT INFORMATION WITHOUT CREW
CN108123772A (zh) * 2017-12-22 2018-06-05 南京航空航天大学 一种基于梯度投影的无人机时频资源分配方法
CN108632831A (zh) * 2018-05-11 2018-10-09 南京航空航天大学 一种基于动态航迹的无人机群频谱资源分配方法
CN109191004A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多无人机测绘任务分配方法和装置
CN109067490A (zh) * 2018-09-29 2018-12-21 郑州航空工业管理学院 蜂窝网联下多无人机协同移动边缘计算***资源分配方法
WO2020097103A2 (en) * 2018-11-06 2020-05-14 Battelle Energy Alliance, Llc Systems, devices, and methods for millimeter wave communication for unmanned aerial vehicles
CN109862575A (zh) * 2019-03-25 2019-06-07 河北工程大学 无人机基站部署方法、终端设备及计算机可读存储介质
CN109962727A (zh) * 2019-03-27 2019-07-02 北京航空航天大学 临空通信混合波束赋形及非正交多址接入传输方法
CN110381444A (zh) * 2019-06-24 2019-10-25 广东工业大学 一种无人机轨迹优化及资源分配方法
CN110364031A (zh) * 2019-07-11 2019-10-22 北京交通大学 地面传感器网络中无人机集群的路径规划和无线通信方法
CN110809252A (zh) * 2019-10-18 2020-02-18 广州工程技术职业学院 一种基于无人机的突发事件应急通信方法与***
CN110830136A (zh) * 2019-11-13 2020-02-21 中国科学技术大学 一种基于无线电地图的无人机轨迹设计和功率分配方法
CN110996326A (zh) * 2019-12-17 2020-04-10 西安电子科技大学 一种资源复用场景下mtc网络的簇数目规划方法
CN111127956A (zh) * 2019-12-31 2020-05-08 长江空间信息技术工程有限公司(武汉) 一种洪灾无人机应急响应调度方法
CN111615200A (zh) * 2020-04-10 2020-09-01 洛阳理工学院 混合Hybrid NOMA网络的无人机辅助通信资源分配方法
CN111835401A (zh) * 2020-06-05 2020-10-27 北京科技大学 一种无人机通信网络中的无线资源与路径联合优化的方法
CN112367639A (zh) * 2020-10-09 2021-02-12 武汉大学 基于北斗卫星授时的无人机集群自组网通信方法及***
CN112351503A (zh) * 2020-11-05 2021-02-09 大连理工大学 基于任务预测的多无人机辅助边缘计算资源分配方法
CN112698637A (zh) * 2021-01-13 2021-04-23 广东轻工职业技术学院 一种多任务蜂群的协同资源调度算法
CN112947548A (zh) * 2021-01-29 2021-06-11 中国人民解放军国防科技大学 一种基于频谱地图的无人机编队规划方法
CN113641192A (zh) * 2021-07-06 2021-11-12 暨南大学 一种基于强化学习的无人机群智感知任务的路径规划方法
CN113630838A (zh) * 2021-07-15 2021-11-09 天津(滨海)人工智能军民融合创新中心 基于类异构蜂窝网络的立体空间蜂群组网架构构建方法
CN113613198A (zh) * 2021-07-26 2021-11-05 重庆邮电大学 无人机辅助的无线携能d2d网络资源分配方法
CN113630740A (zh) * 2021-07-30 2021-11-09 天津(滨海)人工智能军民融合创新中心 基于多阶信息速率的多无人机蜂窝频谱动态接入方法
CN113612557A (zh) * 2021-07-30 2021-11-05 天津(滨海)人工智能军民融合创新中心 无人机蜂群多微蜂窝频谱资源管理方法
CN113625761A (zh) * 2021-08-26 2021-11-09 北京航空航天大学 一种通信任务驱动的多无人机路径规划方法
CN113784366A (zh) * 2021-09-17 2021-12-10 北京信息科技大学 一种基于无人机群覆盖优化的智能集群方法
CN113825143A (zh) * 2021-10-15 2021-12-21 西北工业大学 基于协同异构空中网络的位置优化和资源分配方法及***

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Energy Optimization with Adaptive Transmit Power Control for UAV-Assisted Data Transmission in VANETs;huxingxing;《5th International Conference, MLICOM 2020 Shenzhen, China》;全文 *
Maximum Channel Access Probability Based on Post-Disaster Ground Terminal Distribution Density;huxingxing;《9th International Conference, CSoNet 2020 Dallas, TX, USA》;全文 *
Nonlinear optimal model and solving algorithms for platform planning problem in battlefield;Wang Xun;《 Journal of Systems Engineering and Electronics 》;全文 *
无人机辅助灾后应急通信的信道接入概率和包到达率研究;胡星星;《中国优秀硕士学位论文全文数据库-信息科技辑》;正文第5-40页 *
无人机辅助的多模式通信***优化传输策略研究;孙中祥;《中国优秀硕士学位论文全文数据库-信息科技辑》;全文 *

Also Published As

Publication number Publication date
CN114448490A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
Zhang et al. Analysis and optimization of multiple unmanned aerial vehicle-assisted communications in post-disaster areas
CN110087189B (zh) 一种无人机基站部署位置的确定方法及装置
WO2018082711A1 (zh) 一种基站部署方法、网络服务器及无人机
CN105188149B (zh) 基于定向天线实现航空自组网stdma协议的方法
Huang et al. Optimized deployment of drone base station to improve user experience in cellular networks
Moorthy et al. Beam learning in mmWave/THz-band drone networks under in-flight mobility uncertainties
CN109218344A (zh) 选择参数配置的方法、设备以及***
WO2015177632A1 (en) X-maps with flexible tiles
Verdone et al. Joint aerial-terrestrial resource management in UAV-aided mobile radio networks
KR102149617B1 (ko) 에너지 효율적 무인 항공기 기지국 배치 장치 및 방법
US10939444B1 (en) Systems and methods for determining a mobility rating of a base station
Sae et al. Coverage aspects of temporary LAP network
CN114448490B (zh) 一种多无人机的路径规划与频谱资源分配方法及***
JP2024063210A (ja) 通信制御装置、通信装置、及び通信制御方法
EP4044449A1 (en) Beam selection for cellular access nodes
US10278053B1 (en) Dynamic management of incident area deployable communications systems
Ruiz et al. 5G and beyond networks
Colpaert et al. Drone delivery: Reliable cellular UAV communication using multi-operator diversity
Mozaffari Wireless communications and networking with unmanned aerial vehicles: fundamentals, deployment, and optimization
Gu et al. Energy efficiency optimization of cognitive UAV‐assisted edge communication for semantic internet of things
Cardoso et al. Novel multilayered cellular automata for flying cells positioning on 5g cellular self-organising networks
Wang et al. Performance test and analysis of multi-hop network based on UAV Ad Hoc network experiment
CN115696352B (zh) 基于圆覆盖功率优化的6g无人机基站站址规划方法及***
Li et al. A Survey of Coverage Issues in UAV networks
US20220209929A1 (en) Tdd slot format selection service

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