CN114630297B - 一种携带智能反射面的无人机中继的位置优化方法 - Google Patents

一种携带智能反射面的无人机中继的位置优化方法 Download PDF

Info

Publication number
CN114630297B
CN114630297B CN202210280324.XA CN202210280324A CN114630297B CN 114630297 B CN114630297 B CN 114630297B CN 202210280324 A CN202210280324 A CN 202210280324A CN 114630297 B CN114630297 B CN 114630297B
Authority
CN
China
Prior art keywords
user
reflecting surface
irs
base station
intelligent reflecting
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
CN202210280324.XA
Other languages
English (en)
Other versions
CN114630297A (zh
Inventor
毛明禾
宋炳超
冯晔
薛宇升
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202210280324.XA priority Critical patent/CN114630297B/zh
Publication of CN114630297A publication Critical patent/CN114630297A/zh
Application granted granted Critical
Publication of CN114630297B publication Critical patent/CN114630297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种携带智能反射面的无人机中继的位置优化方法，包括S1、建立多用户数学模型；S2、建立三维坐标系，并根据坐标系中位置计算对应的距离；S3、使用城市微情景的3GPP模型，计算各个信道增益；S4、基于最大用户可达速率之和优化智能反射面的位置。本发明将基站与智能反射面、智能反射面与用户之间的信号传输视为视距传输，将基站与用户之间的信号传输视为非视距传输。通过对各移动方向用户可达速率的计算，逐次迭代，直至获得无人机最优位置。本发明适合在障碍物高度较低且覆盖面积较大时使用，确保了在多用户情况下得到更高的信道容量，从而提升移动通信***性能。

Description

一种携带智能反射面的无人机中继的位置优化方法
技术领域
本发明属于无线中继通信技术领域，具体涉及一种携带智能反射面的无人机中继的位置优化方法。
背景技术
无线中继不仅是扩展传输范围的有效方法，也是提高容量的重要途径。中继器的部署可以通过使用固定的中继节点或移动中继平台来实现。由于固定中继节点不能提供灵活的中继服务，近年来，研究人员对移动中继表现出极大的兴趣，如基于无人携带智能反射面的中继***。
由于无人机能够快速和动态地改变其位置，因此可以根据地面用户实时位置向他们提供灵活和按需的服务。特别是，使用自组织，每个无人机可以动态和自动分配给按需地面用户，并执行飞行跟踪，以提供一对一的服务，直到到达覆盖区域范围的边缘。部署的无人机的覆盖区域也可以重叠，以避免服务盲区。
续航能力是无人机中继中的一个重要问题，虽然智能反射面由于其轻量级，且采用电磁波无源反射原理和智能反射相位调节电路超低功耗的特点，可以降低无人机的功耗，提高无人机的续航能力，但无人机自身移动，无人机位置的获取以及智能反射面相位的调整仍然需要消耗部分能量。因此，现有无人机中继位置优化方法以能量效率最大化作为依据，这有利于提高续航能力，但这种优化方式往往导致智能反射面存在服务盲区，不能得到最佳通信质量。
发明内容
本发明的目的在于提供一种携带智能反射面的无人机中继的位置优化方法，解决现有技术中无人机中继法以能量效率最大化作为位置优化依据，导致智能反射面存在服务盲区，不能得到最佳通信质量的技术问题。
为了解决上述技术问题，本发明通过如下技术方式现实：
一种携带智能反射面的无人机中继的位置优化方法，包括以下步骤：
S1、建立多用户接收信号的数学模型，并对用户信道容量进行分析；
在智能反射面辅助多用户通信***中，基站通过智能反射面将信号发送给受到阻碍的K个用户，智能反射面安装有N个无源反射元件；
用户k处接收到的信号表示为：
式中，k∈[1，M]k、k均为正整数,T表示矩阵转置，pk表示第k个用户的发射功率，s表示单位功率信息信号，wk表示用户k所在信道的均值为0，方差为σ的加性高斯白噪声；hsd,k表示从基站到用户k的确定性信道，hsr表示从基站到智能反射面的确定性信道，hrd,k表示从智能反射面到用户k的确定性信道；Θ为智能反射面的相移矩阵，表示为：
其中，j为虚部符号，α∈(0,1)为固定振幅反射系数，θn为IRS中第n个反射元件的相位，n∈[1，N]n、N均为正整数；
因此，智能反射面辅助通信网络的信道容量为：
式中，p为信号发射功率，σ为高斯白噪声方差；
对于任意给定的Θ，第k个用户的可达速率表示为:
基站经智能反射面到用户的信道可表示为：
当第n个反射元件的相位θn＝arg(hsd)-arg([hsr]n[hrd]n)时，中的每一项与hsd具有相同的相位，此时可以得到最大的信道容量或者可达速率；
S2、建立用于确定位置与距离的三维坐标系，并根据坐标系中位置计算对应的距离：
建立三维直角坐标系OXYZ，其中，基站根基的中心为原点O，XOY为基准水平面；设定基站高度为HBS，用户高度为Huser，障碍物最大高度为Hblock；则基站位置坐标为(0，0，HBS)，无人机携带的智能反射面位置坐标为(xIRS，yIRS,zIRS),用户的位置坐标为(xuser,k,yuser,k,Huser)；
根据上述位置信息，基站到智能反射面距离dsr，智能反射面到用户距离drd,k以及基站到用户距离dsd,k分别表示为：
S3、使用城市微情景的3GPP模型，计算单个信道增益：
基站与智能反射面以及智能反射面与用户之间的信号传输为视距传输(LOS)，路径损耗分别表示为PLLOS(dsr)与PLLOS(drd,k)；
基站与用户之间的传输为非视距传输(NLOS)，路径损耗表示为PLNLOS(dsd,k)；基站天线增益为GBS，智能反射面天线增益在经过相位最优化之后，在移动中视为不变，为GIRS；用户接收端的天线增益为GUE；使用城市微情景的3GPP模型作为信道增益模型，则
基站到用户k的确定性信道增益：
|hsr|2[dB]＝GBS[dBi]+GIRS[dBi]+PLLOS(dsr)；
基站到智能反射面的确定性信道增益：
|hrd,k|2[dB]＝GIRS[dBi]+GUE[dBi]+PLLOS(drd,k)；
智能反射面到用户k的确定性信道增益：
|hsd,k|2[dB]＝GBS[dBi]+GUE[dBi]+PLNLOS(dsd,k)；
基站经智能反射面到达用户的信道总增益为：
|hIRS,k|2[dB]＝|hsr|2[dB]+|hrd,k|2[dB]。
S4、基于最大用户可达速率之和优化智能反射面的位置：
S41,基于定位装置获取各用户位置(xuser,k,yuser,k,Huser)，计算初始化智能反射面位置(xIRS，yIRS,zIRS)，计算各用户可达速率之和
S42,初始化数据数组Data，将S保存在数据数组Data中,得到Data＝[S]；
S43,设置步长d，分别计算xIRS+d,xIRS-d,yIRS+d,yIRS-d时可达速率之和Sx+d，Sx-d,Sy+d,Sy-d,并保存在数据数组Data中,得到Data＝[S,Sx+d,Sx-d,Sy+d,Sy-d]；
S44,查找Data数组中的最大值,设为S*，并进行如下判断：
S441、如果|S-S*|<ε，结束循环，此时智能反射面的位置即为无人机中继的最佳位置；
S442、否则，进行如下步骤：
S4421：当Sx+d＝S*，令xIRS＝xIRS+d,S＝Sx+d,重复步骤S42-S44；
S4422：当Sx-d＝S*，令xIRS＝xIRS-d,S＝Sx-d,重复步骤S42-S44；
S4423：当Sy+d＝S*，令yIRS＝yIRS+d,S＝Sy+d,重复步骤S42-S44；
S4424：当Sy-d＝S*,令yIRS＝yIRS-d,S＝Sy-d，重复步骤S42-S44；
S45,每隔一段时间更新一次用户的位置信息，当用户位置发生改变时，重复步骤S41-S44，重新计算此时无人机中继的最佳位置，此次计算中智能反射面的初始位置为上次调整结束后无人机中继的最佳位置。
本发明中，通过定时获取用户位置而调整无人机中继，重新计算可达速率之和，通过迭代重新更新无人机位置，从而得出无人机空中中继的最佳位置。当障碍物覆盖面积较大，且高度较低时，本发明显著优于固定位置智能反射面辅助无线通信的性能。
由于智能反射面具有轻量级和低功耗的特点，可以显著降低无人机的功耗，从而大大延长无人机提供中继服务的时间。此外，由于智能反射面可以微型化，极小的无人机空中平台乃至大规模微型无人机携带智能反射面组成集群也可用于辅助无线通信。本发明性能的提高是通过基于无人机携带的智能反射面来实现的，这主要是因为通过对无人机高度的控制避免了无人机服务区域存在盲区，且通过改变无人机位置尽可能优化等效视距信道增益，这大大提高了地面用户的通信服务质量。
进一步优化，所述步骤S2中，设定障碍物高度与基站高度相近,且无较大起伏，用户活动区域到障碍物最小距离为ddb,min，用户活动区域到智能反射面最近距离为drd,min；为保证智能反射面与用户之间满足视距传播，设置智能反射面的高度zIRS由用户活动区域到障碍物最近距离与障碍物最大高度以及智能反射面到用户区域的最近距离决定，表示为：
为保证智能反射面与基站之间满足视距传输且无人机可以正常飞行，智能反射面高度zIRS>Hblock。
本发明中智能反射面的高度zIRS计算公式为简化通信环境之后的得到的，可根据通信环境不同而更改为其它计算方法，以保证基站与智能反射面、智能反射面与所有用户之间满足视距传播。
进一步优化，所述步骤S1中，初值设定为：载频fc＝3GHz,智能反射面反射元件数量N＝250，用户数量K＝50，基站向每个用户发射功率pk＝30dBm，固定振幅反射系数α＝1，加性高斯白噪声方差σ2＝-94dBm。
进一步优化，所述步骤S2中，初值设定为：基站高度HBS＝10m，用户高度Huser＝1.5m，障碍物最大高度Hblock＝10m，智能反射面初始坐标设置为各用户与基站的几何中心，用户活动区域设置为以(50，50，1.5)与(150，150，1.5)这两点作为对角顶点的正方形区域，用户活动区域距离障碍物最近的点是(50，50，1.5)，最小距离ddb,min＝10m，用户位置设置为在用户活动区域内随机分布。
进一步优化，所述步骤S2中，智能反射面高度zIRS可根据通信环境不同而更改为其它计算方法。
进一步优化，所述步骤S3中，的初值设定为：基站天线增益GBS＝8dBi，
智能反射面天线增益GIRS＝8dBi，用户天线增益GUE＝0dBi。
进一步优化，所述步骤S4中，步长d为0.5m。
本发明与现有技术相比，本发明具备以下优点：
1.本发明通过按照用户与障碍物距离、用户与无人机的水平距离以及障碍物最高高度对无人机高度进行计算，保证了用户与智能反射面之间的视距传输不会因为无人机高度过低或者无人机距离用户距离过大而受到影响，确保得到最佳通信质量。
2.本发明通过定时装置按照一定时间间隔获取无人机与各用户位置，避免了由于定位装置一直打开或频繁获取位置信息而造成能量消耗，也避免了频繁获取位置后无人机根据位置信息不断移动而消耗大量能量。
3.本发明基于可达速率对无人机路径进行优化，可得到使可达速率最大的无人机最佳位置，提高了通信质量。与传统的基站-终端模型和基站-固定位置智能反射面-终端模型相比，基于无人机的智能反射面反射模型可以根据多用户位置及时改变中继位置，以达到最优的中继效果。
附图说明
图1为本发明所述携带智能反射面的无人机中继的位置优化方法的流程图；
图2为本发明构建的无人机携带智能反射面辅助通信的***模型图；
图3为本发明和固定位置智能反射面辅助通信以及无智能反射面辅助通信的可达速率随发射功率变化对比曲线图。
具体实施方式
下面将结合附图对基于无人机携带智能反射面的无人机路径优化方法作详细说明：
如图1所示，一种携带智能反射面的无人机中继的位置优化方法，包括如下步骤：
步骤S1：建立用户接收信号的数学模型，对用户信道可达速率进行分析，信道可达速率计算通过无人机内置程序或硬件来实现；
在智能反射面辅助多用户通信***中，基站通过智能反射面(IRS)将信号发送给受到阻碍的K个用户。智能反射面装有N个无源反射元件。由智能反射面(IRS)的每个元素所反映的信号和由源传输的信号可以在目的地进行求和。因此，在用户k处接收到的信号表示为：
式中，T表示矩阵转置，pk表示第k个用户的发射功率，s表示单位功率信息信号，wk表示用户k所在信道的均值为0，方差为σ的加性高斯白噪声。 分别表示从基站到用户k，从基站到IRS，再从IRS到用户k的确定性信道。Θ为IRS的相移矩阵，表示为：
其中，j为虚部符号，α∈(0,1)为固定振幅反射系数，θn为IRS中第n个反射元件的相位，可以进行优化。
因此，IRS辅助通信网络的信道容量为：
式中p为信号发射功率，σ为高斯白噪声方差。
对于任意给定的Θ，第k个用户的可达速率可以表示为:
基站经IRS到用户的信道可表示为：
当第n个反射元件的相位θn＝arg(hsd)-arg([hsr]n[hrd]n)时，中的每一项与hsd具有相同的相位，此时可以得到最大的信道容量或者可达速率。
当相位满足最大信道容量要求，并且信号经过智能反射面到达用户的信道增益|hsr||hrd,k|最大时，信道容量得到最大值；
步骤S2：建立通信***三维坐标系，确定用户，基站与无人机的位置，坐标系如图2所示。根据建立的坐标系以及用坐标点表示的各个位置，可以计算距离。基站高度为HBS，用户高度为Huser，障碍物最大高度为Hblock。基站位置表示为(0，0，HBS),无人机携带的智能反射面位置表示为(xIRS，yIRS,zIRS),用户位置表示为(xuser,k,yuser,k,Huser)。
在本实施例中，设置障碍物高度与基站高度相近,且无较大起伏，用户活动区域到障碍物最小距离为ddb,min,活动区域到智能反射面最近距离为drd,min。为保证智能反射面与用户之间满足视距传播，设置智能反射面高度由用户活动区域到障碍物最近距离与障碍物最大高度以及智能反射面到用户区域的最近距离决定，表示为：
为保证智能反射面与基站之间满足视距传输且无人机可以正常飞行，智能反射面高度zIRS>Hblock。
根据上述位置信息，基站到智能反射面距离，智能反射面到用户距离以及基站到用户距离分别表示为：
步骤S3：选取城市微(UMi)情景的3GPP模型作为信道增益模型,并计算无人机初始位置与初始信道可达速率；
基站与智能反射面以及智能反射面与用户之间的信号传输为视距传输(LOS)，路径损耗分别表示为PLLOS(dsr)与PLLOS(drd,k)。基站与用户之间的传输为非视距传输(NLOS)，路径损耗表示为PLNLOS(dsd,k)。基站天线增益为GBS，智能反射面天线增益在经过相位最优化之后，在移动中视为不变，为GIRS。接收端的天线增益为GUE。使用城市微(UMi)情景的3GPP模型作为信道增益模型，使用城市微(UMi)情景的3GPP模型作为信道增益模型信道增益定义为：
|hsr|2[dB]＝GBS[dBi]+GIRS[dBi]+PLLOS(dsr)；
|hrd,k|2[dB]＝GIRS[dBi]+GUE[dBi]+PLLOS(drd,k)；
|hsd,k|2[dB]＝GBS[dBi]+GUE[dBi]+PLNLOS(dsd,k)；
步骤S4：根据定时获取到的位置信息，使用基于最大用户可达速率之和的S4、基于最大用户可达速率之和优化智能反射面的位置：
S41,基于定位装置获取各用户位置(xuser,k,yuser,k,Huser)，计算初始化智能反射面位置(xIRS，yIRS,zIRS)，计算各用户可达速率之和
S42,初始化数据数组Data，将S保存在数据数组Data中,得到Data＝[S]；
S43,设置步长d，分别计算xIRS+d,xIRS-d,yIRS+d,yIRS-d时可达速率之和Sx+d，Sx-d,Sy+d,Sy-d,并保存在数据数组Data中,得到Data＝[S,Sx+d,Sx-d,Sy+d,Sy-d]；
S44,查找Data数组中的最大值,设为S*，并进行如下判断：
S441、如果|S-S*|<ε，结束循环，此时智能反射面的位置即为无人机中继的最佳位置；
S442、否则，进行如下步骤：
S4421：当Sx+d＝S*，令xIRS＝xIRS+d,S＝Sx+d,重复步骤S42-S44；
S4422：当Sx-d＝S*，令xIRS＝xIRS-d,S＝Sx-d,重复步骤S42-S44；
S4423：当Sy+d＝S*，令yIRS＝yIRS+d,S＝Sy+d,重复步骤S42-S44；
S4424：当Sy-d＝S*,令yIRS＝yIRS-d,S＝Sy-d，重复步骤S42-S44；
S45,每隔一段时间更新一次用户的位置信息，当用户位置发生改变时，重复步骤S41-S44，重新计算此时无人机中继的最佳位置，此次计算中智能反射面的初始位置为上次调整结束后无人机中继的最佳位置。
在本实施例中，所述步骤S1中，初值设定为：载频fc＝3GHz,智能反射面反射元件数量N＝250，用户数量K＝50，基站向每个用户发射功率pk＝30dBm，固定振幅反射系数α＝1，加性高斯白噪声方差σ2＝-94dBm。
在本实施例中，所述步骤S2中，初值设定为：基站高度HBS＝10m，用户高度Huser＝1.5m，障碍物最大高度Hblock＝10m，智能反射面初始坐标设置为各用户与基站的几何中心，用户活动区域设置为以(50，50，1.5)与(150，150，1.5)这两点作为对角顶点的正方形区域，用户活动区域距离障碍物最近的点是(50，50，1.5)，最小距离ddb,min＝10m，用户位置设置为在用户活动区域内随机分布。
在其他实施例中，所述步骤S2中，智能反射面高度zIRS可根据通信环境不同而更改为其它计算方法。
在本实施例中，所述步骤S3中，的初值设定为：基站天线增益GBS＝8dBi，智能反射面天线增益GIRS＝8dBi，用户天线增益GUE＝0dBi。
在本实施例中，所述步骤S4中，步长d为0.5m。
计算机对-20dBm-50dBm发射功率下的50个用户平均可达速率进行仿真，将固定位置的IRS辅助通信的智能反射面的位置设置为(0，100，10)，将无人机携带智能反射面辅助通信的智能反射面初始位置设置为处于障碍物上方的随机位置，将以上两种方案对信道的优化效果进行比较，得到结果如图3所示。
图3展示了基于无人机携带智能反射面辅助通信，基于固定位置智能反射面辅助通信和无智能反射面辅助通信情况下的用户平均可达速率的对比，从图中可以看出，无人机携带IRS辅助通信的用户平均可达速率明显高于无IRS辅助通信的用户平均可达速率，且高于IRS位置为(0，100，10)时的IRS辅助通信的用户平均可达速率，故当障碍物面积较大，即固定位置IRS距离基站较远时，无人机携带IRS的通信方法更为有效。无人机路径优化方法考虑到了总体可达速率，提升通信***质量更为明显。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于发明的保护范围。

Claims (7)

1.一种携带智能反射面的无人机中继的位置优化方法，其特征在于，包括以下步骤：
S1、建立多用户接收信号的数学模型，并对用户信道容量进行分析；
在智能反射面辅助多用户通信***中，基站通过智能反射面将信号发送给受到阻碍的K个用户，智能反射面安装有N个无源反射元件；
用户k处接收到的信号表示为：
式中，k∈[1，M]k、k均为正整数,T表示矩阵转置，pk表示第k个用户的发射功率，s表示单位功率信息信号，wk表示用户k所在信道的均值为0，方差为σ的加性高斯白噪声；hsd,k表示从基站到用户k的确定性信道，hsr表示从基站到智能反射面的确定性信道，hrd,k表示从智能反射面到用户k的确定性信道；Θ为智能反射面的相移矩阵，表示为：
其中，j为虚部符号，α∈(0,1)为固定振幅反射系数，θn为IRS中第n个反射元件的相位，n∈[1，N]n、N均为正整数；
因此，智能反射面辅助通信网络的信道容量为：
式中，p为信号发射功率，σ为高斯白噪声方差；
对于任意给定的Θ，第k个用户的可达速率表示为:
基站经智能反射面到用户的信道可表示为：
当第n个反射元件的相位θn＝arg(hsd)-arg([hsr]n[hrd]n)时，中的每一项与hsd具有相同的相位，此时可以得到最大的信道容量或者可达速率；
S2、建立用于确定位置与距离的三维坐标系，并根据坐标系中位置计算对应的距离：
建立三维直角坐标系OXYZ，其中，基站根基的中心为原点O，XOY为基准水平面；设定基站高度为HBS，用户高度为Huser，障碍物最大高度为Hblock；则基站位置坐标为(0，0，HBS)，无人机携带的智能反射面位置坐标为(xIRS，yIRS,zIRS),用户的位置坐标为(xuser,k,yuser,k,Huser)；
根据上述位置信息，基站到智能反射面距离dsr，智能反射面到用户距离drd,k以及基站到用户距离dsd,k分别表示为：
S3、使用城市微情景的3GPP模型，计算个信道增益：
基站与智能反射面以及智能反射面与用户之间的信号传输为视距传输(LOS)，路径损耗分别表示为PLLOS(dsr)与PLLOS(drd,k)；
基站与用户之间的传输为非视距传输(NLOS)，路径损耗表示为PLNLOS(dsd,k)；基站天线增益为GBS，智能反射面天线增益在经过相位最优化之后，在移动中视为不变，为GIRS；用户接收端的天线增益为GUE；使用城市微情景的3GPP模型作为信道增益模型，则
基站到用户k的确定性信道增益：
|hsr|2[dB]＝GBS[dBi]+GIRS[dBi]+PLLOS(dsr)；
基站到智能反射面的确定性信道增益：
|hrd,k|2[dB]＝GIRS[dBi]+GUE[dBi]+PLLOS(drd,k)；
智能反射面到用户k的确定性信道增益：
|hsd,k|2[dB]＝GBS[dBi]+GUE[dBi]+PLNLOS(dsd,k)
基站经智能反射面到达用户的信道总增益为：
|hIRS,k|2[dB]＝|hsr|2[dB]+|hrd,k|2[dB]；
S4、基于最大用户可达速率之和优化智能反射面的位置：
S41,基于定位装置获取各用户位置(xuser,k,yuser,k,Huser)，计算初始化智能反射面位置(xIRS，yIRS,zIRS)，计算各用户可达速率之和
S42,初始化数据数组Data，将S保存在数据数组Data中,得到Data＝[S]；
S43,设置步长d，分别计算xIRS+d,xIRS-d,yIRS+d,yIRS-d时可达速率之和Sx+d，Sx-d,Sy+d,Sy-d,并保存在数据数组Data中,得到Data＝[S,Sx+d,Sx-d,Sy+d,Sy-d]；
S44,查找Data数组中的最大值,设为S*，并进行如下判断：
S441、如果|S-S*|<ε，结束循环，此时智能反射面的位置即为无人机中继的最佳位置；
S442、否则，进行如下步骤：
S4421：当Sx+d＝S*，令xIRS＝xIRS+d,S＝Sx+d,重复步骤S42-S44；
S4422：当Sx-d＝S*，令xIRS＝xIRS-d,S＝Sx-d,重复步骤S42-S44；
S4423：当Sy+d＝S*，令yIRS＝yIRS+d,S＝Sy+d,重复步骤S42-S44；
S4424：当Sy-d＝S*,令yIRS＝yIRS-d,S＝Sy-d，重复步骤S42-S44；
S45,当用户位置发生改变时，重复步骤S41-S44，重新计算此时无人机中继的最佳位置，此次计算中智能反射面的初始位置为上次调整结束后无人机中继的最佳位置。
2.根据权利要求1所述的携带智能反射面的无人机中继的位置优化方法，其特征在于：所述步骤S2中，设定障碍物高度与基站高度相近,且无较大起伏，用户活动区域到障碍物最小距离为ddb,min，用户活动区域到智能反射面最近距离为drd,min；为保证智能反射面与用户之间满足视距传播，设置智能反射面的高度zIRS由用户活动区域到障碍物最近距离与障碍物最大高度以及智能反射面到用户区域的最近距离决定，表示为：
为保证智能反射面与基站之间满足视距传输且无人机可以正常飞行，智能反射面高度zIRS>Hblock。
3.根据权利要求书1所述的携带智能反射面的无人机中继的位置优化方法，其特征在于：所述步骤S2中，智能反射面高度zIRS可根据通信环境不同而更改为其它计算方法。
4.根据权利要求1所述的携带智能反射面的无人机中继的位置优化方法，其特征在于：所述步骤S1中，初值设定为：载频fc＝3GHz,智能反射面反射元件数量N＝250，用户数量K＝50，基站向每个用户发射功率pk＝30dBm，固定振幅反射系数α＝1，加性高斯白噪声方差σ2＝-94dBm。
5.根据权利要求书1所述的携带智能反射面的无人机中继的位置优化方法，其特征在于：所述步骤S2中，初值设定为：基站高度HBS＝10m，用户高度Huser＝1.5m，障碍物最大高度Hblock＝10m，智能反射面初始坐标设置为各用户与基站的几何中心，用户活动区域设置为以(50，50，1.5)与(150，150，1.5)这两点作为对角顶点的正方形区域，用户活动区域距离障碍物最近的点是(50，50，1.5)，最小距离ddb,min＝10m，用户位置设置为在用户活动区域内随机分布。
6.根据权利要求书1所述的携带智能反射面的无人机中继的位置优化方法，其特征在于：所述步骤S3中，的初值设定为：基站天线增益GBS＝8dBi，智能反射面天线增益GIRS＝8dBi，用户天线增益GUE＝0dBi。
7.根据权利要求书1所述的携带智能反射面的无人机中继的位置优化方法，其特征在于：所述步骤S4中，步长d为0.5m。
CN202210280324.XA 2022-03-21 2022-03-21 一种携带智能反射面的无人机中继的位置优化方法 Active CN114630297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210280324.XA CN114630297B (zh) 2022-03-21 2022-03-21 一种携带智能反射面的无人机中继的位置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210280324.XA CN114630297B (zh) 2022-03-21 2022-03-21 一种携带智能反射面的无人机中继的位置优化方法

Publications (2)

Publication Number Publication Date
CN114630297A CN114630297A (zh) 2022-06-14
CN114630297B true CN114630297B (zh) 2024-04-19

Family

ID=81904261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210280324.XA Active CN114630297B (zh) 2022-03-21 2022-03-21 一种携带智能反射面的无人机中继的位置优化方法

Country Status (1)

Country Link
CN (1) CN114630297B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117119471B (zh) * 2023-10-25 2024-01-23 香港中文大学（深圳） 一种在多用户位置未知环境下的中继无人机部署方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113162679A (zh) * 2021-04-01 2021-07-23 南京邮电大学 基于ddpg算法的irs辅助无人机通信联合优化方法
CN113517921A (zh) * 2021-07-05 2021-10-19 河海大学 一种基于无人机的irs辅助低空无源空中中继控制方法
CN113645635A (zh) * 2021-08-12 2021-11-12 大连理工大学 智能反射面辅助的高能效无人机通信***的设计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355520B (zh) * 2020-03-10 2022-03-08 电子科技大学 一种智能反射表面辅助的太赫兹安全通信***设计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113162679A (zh) * 2021-04-01 2021-07-23 南京邮电大学 基于ddpg算法的irs辅助无人机通信联合优化方法
CN113517921A (zh) * 2021-07-05 2021-10-19 河海大学 一种基于无人机的irs辅助低空无源空中中继控制方法
CN113645635A (zh) * 2021-08-12 2021-11-12 大连理工大学 智能反射面辅助的高能效无人机通信***的设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
智能反射面辅助的无人机通信传输方案研究;熊磊;《硕士电子期刊》;20220315;第2022年卷(第3期);全文 *

Also Published As

Publication number Publication date
CN114630297A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN111010223B (zh) 一种毫米波全双工无人机通信中继传输方法
CN113873575B (zh) 智能反射面辅助的非正交多址无人机空地通信网络节能优化方法
CN113517921B (zh) 一种基于无人机的irs辅助低空无源空中中继控制方法
CN111479239B (zh) 一种多天线无人机数据采集***的传感器发射能耗优化方法
CN109660292B (zh) 一种基于多无人机覆盖的无线通信***飞行高度设计方法
CN112153593B (zh) 一种无人机辅助的高能效物联网数据收集方法
CN109586773B (zh) 临空通信毫米波非正交多址接入技术联合收发端波束赋形及功率分配方法
CN111901812B (zh) 一种全双工蜂窝通信网基站和智慧反射面联合控制方法
CN109991998B (zh) 一种基于接收信号强度的无人机中继航迹优化方法
CN110753354B (zh) 基于无人机协作星地联合noma通信***位置部署方法
CN111970709A (zh) 一种基于粒子群优化算法的无人机中继部署方法及***
CN111245485A (zh) 机载毫米波通信波束赋形与位置部署方法
CN114630297B (zh) 一种携带智能反射面的无人机中继的位置优化方法
CN112436916B (zh) 一种应用于卫星和无人机综合组网的多链路干扰消除方法
Mori Cooperative sensing data collecting framework by using unmanned aircraft vehicle in wireless sensor network
Ge et al. Intelligent reflecting surface-enhanced UAV communications: Advances, challenges, and prospects
CN117270559A (zh) 一种基于强化学习的无人机集群部署与轨迹规划方法
Li et al. Closed-form beamforming aided joint optimization for spectrum-and energy-efficient UAV-BS networks
WO2017096539A1 (zh) 一种多移动中继最佳通信位置的搜寻方法及搜寻***
CN114665947A (zh) 一种无人机支持的中继通信***联合功率控制及位置规划的优化设计方法
Wang et al. Location-based beamforming architecture for efficient farming applications with drones
Iqbal et al. Deep Reinforcement Learning-Based Resource Allocation for Secure RIS-aided UAV Communication
CN112383925A (zh) 一种基于簇的时空调度mac协议的设计
Altheeb et al. Geometry-Based Millimeter Wave Channel Modeling for UAV-Assisted 5G System
Abualhauja'a et al. RIS‐Assisted UAV Communications

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