CN114884829B - 基于mcr-wpt的无人机协助wpcn的资源分配方法 - Google Patents
基于mcr-wpt的无人机协助wpcn的资源分配方法 Download PDFInfo
- Publication number
- CN114884829B CN114884829B CN202210483396.4A CN202210483396A CN114884829B CN 114884829 B CN114884829 B CN 114884829B CN 202210483396 A CN202210483396 A CN 202210483396A CN 114884829 B CN114884829 B CN 114884829B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- convex
- ground terminal
- energy
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013468 resource allocation Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 78
- 238000005457 optimization Methods 0.000 claims abstract description 71
- 230000006870 function Effects 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000008878 coupling Effects 0.000 claims description 41
- 238000010168 coupling process Methods 0.000 claims description 41
- 238000005859 coupling reaction Methods 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 37
- 238000009826 distribution Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000001939 inductive effect Effects 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000000153 supplemental effect Effects 0.000 claims description 2
- 238000009795 derivation Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- UGTJLJZQQFGTJD-UHFFFAOYSA-N Carbonylcyanide-3-chlorophenylhydrazone Chemical compound ClC1=CC=CC(NN=C(C#N)C#N)=C1 UGTJLJZQQFGTJD-UHFFFAOYSA-N 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
- H02J50/12—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling of the resonant type
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/40—Circuit arrangements or systems for wireless supply or distribution of electric power using two or more transmitting or receiving devices
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/80—Circuit arrangements or systems for wireless supply or distribution of electric power involving the exchange of data, concerning supply or distribution of electric power, between transmitting devices and receiving devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于MCR‑WPT的无人机协助WPCN的资源分配方法,在原有无人机协助的WPCN中,再引入一个搭载MCR装置的能量传输无人机。同时,每个地面终端安装接收线圈。通过MCR方式,能量传输无人机依次为地面终端提供足够的能量。为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将该问题建模成最优化问题。由于该问题是非凸优化问题,不适合直接求解。通过引入一些辅助变量,将一些非凸约束条件通过适当的数学推导转换成凸约束条件。对于难以转化的非凸约束条件,采用凹凸过程将非凸函数线性化成两个凸函数相减的形式。最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始问题的次优解。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种基于MCR-WPT的无人机协助WPCN的资源分配方法。
背景技术
随着现代通信技术和移动互联网的迅速发展,地面通信网络日趋完善,智能通信传感器已经成为人们日常生活中的一部分,而绝大多数传感器设备都是通过电池来获取能量,从而其电量的补充成为我们研究的一个难题。射频能量收集技术是一种新兴的绿色通信技术,可以将接收到的射频信号转化为电能,使射频电磁波得到充分利用的同时也大大降低传感器设备对电源的能量依赖程度。但是,射频能量信号给传感器供电的功率却很小,一次性只能补充微弱的电量,因此人们把目光投向了传输功率较大的磁耦合谐振(Magnetic Coupling Resonance,MCR)无线能量传输(Wireless Power Transfer,WPT),MCR-WPT以其效率高、无辐射和充电距离的优势受到人们的关注,MCR-WPT适用于很多便携式设备,如为移动电话、车辆和无人机的电池供电。MCR-WPT可以为不需要电缆连接的设备供电,甚至在生物医学领域也得到了应用,采用MCR-WPT供电必将成为未来的一种趋势。
近年来,无人机技术日益完善,传统固定的通信设备受到电池能量水平、位置固定等因素影响,在面对突发灾害以及地势险峻地区的通信部署等需求时往往难以应对。为弥补地面通信***的缺陷,具有高度机动性的无人机作为通信中继,不仅可以有效地改善因突发性事件导致的无线区域网络覆盖质量问题,扩展其通讯覆盖范围,还可以有效地提高临时通讯的能力,迅速建立被障碍遮挡的通信链路。因此,无人机作为一种新型的无线通信协助手段,目前已经引起了极大的研究兴趣。
发明内容
考虑能量的高效补充和资源的合理分配等能够显著提高无线供电通信网络(Wireless Powered Communication Networks,WPCN)的***性能。本发明提出基于MCR-WPT的无人机协助WPCN的资源分配方法。以解决采用射频能量收集出现的地面终端能量不足的问题。该方法为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将该问题建模成最优化问题。
其基于磁耦合谐振(Magnetic Coupling Resonance,MCR)无线能量传输的无人机协助无线供电通信网络(Wireless Powered Communication Networks,WPCN)的最小吞吐量最大化的资源分配方法。
本发明主要解决了采用射频能量收集出现的地面终端能量不足的问题。在原有无人机协助的WPCN中,再引入一个搭载MCR装置的能量传输无人机。同时,每个地面终端安装接收线圈。通过MCR方式,能量传输无人机依次为地面终端提供足够的能量。为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将该问题建模成最优化问题。由于该问题是非凸优化问题,不适合直接求解。通过引入一些辅助变量,将一些非凸约束条件通过适当的数学推导转换成凸约束条件。对于难以转化的非凸约束条件,采用凹凸过程将非凸函数线性化成两个凸函数相减的形式。最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始问题的次优解。
本发明具体采用以下技术方案:
一种基于MCR-WPT的无人机协助WPCN的资源分配方法,其特征在于:在无人机协助的无线供电通信网络中,再引入一个搭载磁耦合谐振装置的能量传输无人机;并在每个地面终端安装接收线圈;通过磁耦合谐振方式,能量传输无人机依次为地面终端提供足够的能量;
以所有地面终端的最小吞吐量最大化为目标,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将该问题建模成最优化问题;并将作为非凸优化问题的所述最优化问题通过引入辅助变量,将其中非凸约束条件转换成凸约束条件,并对难以转化的非凸约束条件,采用凹凸过程迭代优化算法将非凸函数线性化成两个凸函数相减的形式,最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始最优化问题的次优解。
进一步地,所述联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将该问题建模成最优化问题具体包括,顺次执行:
建模基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络***网络结构;
建模磁耦合谐振-无线能量传输模型;
建模信息接收无人机与能量传输无人机的协议结构;
建模地面终端从能量传输无人机通过磁耦合谐振方式捕获的能量;
建模***的任何一个地面终端在某个时隙的瞬时吞吐量;
建模***的任何一个地面终端在整个时间周期内的平均吞吐量;
建模***时隙分配占比、最小吞吐量、上行链路传输能量、信息传输无人机的飞行速度和每个时隙允许的最大上行链路传输功率的限制条件;
以及,建模***最小吞吐量最大化优化模型。
进一步地,所述建模基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络***网络结构具体包括:
考虑一个由双无人机协助的无线供电通信网络:
其中,无人机a用于收集K个地面终端用户的信息,无人机b用于给K个地面终端用户充电;所述地面终端用户包含一个可充电电池;每个用户分别从无人机b通过磁耦合谐振方式获取能量,并利用储存的能量与上行链路中的无人机a进行通信;设无人机a的飞行高度为HI,无人机b的飞行高度为HE,两个无人机的最大飞行速度分别为和/>
无人机a在t时刻投影到地面的坐标为qI(t)=[xqI(t),yqI(t)]T,无人机b在t时刻投影到地面的坐标为qE(t)=[xqE(t),yqE(t)]T,其中0≤t≤T;
设第k个地面终端用户GT在t时刻的位置为uk(t)=[xk,yk]T;则在每个时隙/>时无人机a的位置为/>其中,表示每个时隙的时长;对于无人机与地面终端用户之间的天对地信道,采用确定性传播模型,无人机a与地面终端用户k在时隙/>时的平均信道增益为其中,g0表示一米距离的参考信道增益;k表示第k个地面终端,K表示地面终端的总的个数为K,/>表示的是所有地面终端的集合,有/>
所述建模磁耦合谐振-无线能量传输模型具体为:
设当发射线圈和接收线圈都为螺线管结构且同轴放置时,两线圈之间的互感计算公式如下:
其中,μ表示自由空间磁导率;Nt和Nr分别代表发射端和接收端的线圈匝数;at和ar分别是指发射端和接收端的线圈半径;d表示无人机b与地面终端用户k之间的感应充电距离,即无人机b的飞行高度HE;
高频条件下线圈的损耗电阻为欧姆损耗电阻可认为R1=R2≈R0;若***角频率为ω,则两线圈回路的自阻抗分别为:Z1=R1+jωL1+1/jωC1,Z2=R2+RL+jωL2+1/jωC2,根据基尔霍夫电压定律,列出回路方程:Uin-i1Z1-i1(ωM)2/Z2=0,Z2i2+jωMi1=0并解得:i1=Z2Uin/Z1Z2+(ωM)2,i2=-jωMUin/Z1Z2+(ωM)2,当磁耦合谐振-无线能量传输***共振时,共振电路只表现出电阻特性,容抗和感抗的综合作用为0,此时两线圈回路的自阻抗分别为:Z1=R1,Z2=R2+RL;
计算出共振电路的输入功率Pin和负载RL的输出功率Pout:将输出功率Pout定义为地面终端用户的接受功率/>由此得到共振电路的传输效率
所述建模信息接收无人机与能量传输无人机的协议结构具体为:
对于无人机a,将每个时隙n再划分成K个子时隙,与K个地面终端一一对应,每个子时隙与每个地面终端对应,同时给无人机a发送信息,在每个时隙n时,无人机a采用TDMA协议在不同时刻收集来自不同GT的信息;对于无人机b,采用飞行悬停协议,将出发点到地面终端用户1的距离定义为L1,并且在地面终端用户1的悬停时间为TE 1,地面终端用户1到地面终端用户2的距离为L2,在地面终端用户2的悬停时间为TE 2,以此类推,地面终端用户k到终点的距离定义为LK+1;无人机依次访问k个地面终端用户,每段路程的飞行速度为vE k,K+1表示无人机飞行的路段相较于终端个数多1;
所述建模地面终端从能量传输无人机通过磁耦合谐振方式捕获的能量具体为:
地面终端用户通过磁耦合谐振-无线能量传输收集到的能量为:无人机b的作用是及时地给地面终端用户/>补充电能,所以需要保证补充的能量足以维持地面终端用户在时间周期T内完成给定的吞吐量任务,得到如下约束条件:/>其中,/>表示地面终端用户k在时隙n时的上行链路发射功率,中间的求和表示地面终端用户k在整个时隙内所消耗的能量,也就是补充的电能大于等于消耗的电能;
所述建模***的任何一个地面终端在某个时隙的瞬时吞吐量具体为:
地面终端用户k在时隙n时的瞬时吞吐量:
其中,σ2为噪声方差,ηk表示地面终端用户k用于上行链路传输信息所消耗的能量占比,剩下的(1-ηk)部分能量用于面板处理,并假设所有地面终端用户的ηk=η;
所述建模***的任何一个地面终端在整个时间周期内的平均吞吐量具体为:
对于一个时间周期T,地面终端用户的平均吞吐量为
建模***时隙分配占比、最小吞吐量、上行链路传输能量、信息传输无人机的飞行速度和每个时隙允许的最大上行链路传输功率的限制条件具体为:
将时隙分配占比条件建模为0≤τk[n]≤1, 其中,τk[n]是时隙分配比例,表示地面终端用户k占用第n个时隙的比例;
对于飞行速度与飞行时间,有如下约束:
最小吞吐量条件建模为Rk≥Rmin,
上行链路传输能量条件建模为
信息传输无人机的飞行速度条件约束
每个时隙允许的最大上行链路传输功率的限制条件为
所述建模***最小吞吐量最大化优化模型具体为:
为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例;以地面终端最小吞吐量最大化为目标,确定优化资源分配策略,即:
进一步地,所述将作为非凸优化问题的所述最优化问题通过引入辅助变量,将其中非凸约束条件转换成凸约束条件,并对难以转化的非凸约束条件,采用凹凸过程将非凸函数线性化成两个凸函数相减的形式,最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始最优化问题的次优解:
采用凹凸过程迭代优化算法通过迭代求解原非凸逼近问题的凸逼近问题,以确定信息接收无人机的轨迹、地面终端的发射功率以及时隙分配占比的最佳分配结果,将分配结果代入***最小吞吐量最大化目标函数得到优化解。
进一步地,所述采用凹凸过程迭代优化算法通过迭代求解原非凸逼近问题的凸逼近问题,以确定信息接收无人机的轨迹、地面终端的发射功率以及时隙分配占比的最佳分配结果,将分配结果代入***最小吞吐量最大化目标函数得到优化解具体采用以下步骤:
步骤S91:引入一个辅助变量{εk[n]},满足εk[n]≥0并且对于和/>成立,则有/>所述最优化问题重写为如下形式:
步骤S92:对于约束条件是非凸的;为此,再引入一个辅助变量{zk[n]},满足/>对任意的/>和均成立;约束左边的下边界表示为:
步骤S93:基于步骤S92构造原优化问题P1的等价替代问题P1.1,问题P1的最优解通过求解优化问题P1.1得到:
把和/>分别定为优化问题P1和P1.1的解对应的最小吞吐量;得到当Qk[n]=εk[n]2/zk[n]和/>时,/>对任意的n和k成立;通过反证法证明只有当Qk[n]=εk[n]2/zk[n]和/>时,才可以得到优化问题P1.1的解;
步骤S94:由于约束条件Qk[n]≤εk[n]2/zk[n],P1.1仍然是非凸的,采用凹凸过程迭代优化算法解决优化问题P1.1;考虑到辅助约束条件的右边,为εk[n]和zk[n]的联合凸函数,通过使用一阶泰勒展开在和/>的近似,推导获得右边式子的下界:
步骤S95:利用步骤S94,在给定和/>的条件下,将优化问题P1.1的凸近似表述为:
其中,问题P1.1A通过凸求解器CVX以及CVXQUAD分别求解;由于P1.1A的可行域是原问题P1.1可行域的子集,因此从问题P1.1的近似P1.1A得到问题P1.1的下界解;问题P1.1的解则在每次迭代时通过求解一系列的凸问题P1.1A得到;在凹凸过程迭代优化算法的第q次迭代时,通过令和/>计算问题P1.1A的解/>和/>其中和/>为第q次迭代时确定的解;
当该算法收敛时,就得到原问题P1对应的解为:
与现有技术相比,本发明及其优选方案的有益效果包括:
1.该方法针对无人机协助的无线供电通信网络中采用射频能量收集出现的地面终端能量不足的问题,研究基于磁耦合谐振-无线能量传输的最小吞吐量最大化资源分配策略。通过引入一个搭载磁耦合谐振装置的能量传输无人机,依次为地面终端提供足够的能量。
2.该方法为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例。与固定无人机轨迹、固定时隙分配比例、量子行为粒子群优化算法和标准粒子群优化算法相比,所提出的方法在最小吞吐量方面有一定程度的提高,提高了***性能。
该方法在求解优化模型时由于该问题是非凸优化问题,不适合直接求解。通过引入一些辅助变量,将一些非凸约束条件通过适当的数学推导转换成凸约束条件。对于难以转化的非凸约束条件,采用凹凸过程将非凸函数线性化成两个凸函数相减的形式。最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始问题的次优解。
附图说明
图1为本发明实施例基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络的结构示意图。
图2为本发明实施例基于CCCP框架的算法流程图。
图3为本发明实施例建模流程示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂,下文特举实施例,作详细说明如下:
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本说明书使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明针对无人机协助的无线供电通信网络中采用射频能量收集出现的地面终端能量不足的问题,研究基于磁耦合谐振无线能量传输的最小吞吐量最大化资源分配策略。在原有无人机协助的无线供电通信网络中,再引入一个搭载磁耦合谐振装置的能量传输无人机。同时,每个地面终端安装接收线圈。通过磁耦合谐振方式,能量传输无人机依次为地面终端提供足够的能量。
一、基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络的网络模型
本实施例中提出了一种基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络的资源分配策略,具有磁耦合谐振-无线能量传输的无人机协助无线供电通信网络模型如图1所示。本发明考虑一个由双无人机协助的无线供电通信网络。无人机a被用来收集k个地面终端用户的信息,无人机b被用来给k个地面终端用户充电。地面终端用户包含一个可充电电池,每个用户分别从无人机b通过磁耦合谐振方式获取能量,它们利用储存的能量与上行链路中的无人机a进行通信。假设无人机a的飞行高度为HI,而无人机b的飞行高度为HE,这两个无人机最大飞行速度分别为和/>在本实施例中,无人机a在预先确定的时间段T内与地面终端用户进行通信。
二、建立基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络的资源分配模型
如图3所示,本实施例中提出的一种基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络的资源分配策略包括以下几个步骤:
S1:建模基于磁耦合谐振-无线能量传输的无线供电通信网络***网络结构
建模基于磁耦合谐振-无线能量传输的无线供电通信网络***网络结构,主要装置包括:无人机、地面终端和充电线圈;无人机a在t时刻投影到地面的坐标为qI(t)=[xqI(t),yqI(t)]T,无人机b的投影坐标为qE(t)=[xqE(t),yqE(t)]T,其中0≤t≤T。假设第k个地面终端用户k的位置为uk(t)=[xk,yk]T。在每个时隙时无人机a的位置对于无人机与地面终端用户之间的天对地信道本实施例采用确定性传播模型,那么无人机a与地面终端用户/>在时隙/>时的平均信道增益/>其中,g0表示一米距离的参考信道增益。
S2:建模磁耦合谐振-无线能量传输模型
建模磁耦合谐振-无线能量传输模型,具体为:当发射线圈和接收线圈都为螺线管结构且同轴放置时,两线圈之间的互感计算公式如下:其中,μ表示自由空间磁导率;Nt和Nr分别代表发射端和接收端的线圈匝数;at和ar分别是指发射端和接收端的线圈半径;d表示无人机b与地面终端用户k之间的感应充电距离,即无人机b的飞行高度HE。此外,高频条件下线圈的损耗电阻为欧姆损耗电阻/>故可认为R1=R2≈R0。若***角频率为ω,则两线圈回路的自阻抗分别为:Z1=R1+jωL1+1/jωC1,Z2=R2+RL+jωL2+1/jωC2,根据基尔霍夫电压定律,列出回路方程:Uin-i1Z1-i1(ωM)2/Z2=0,Z2i2+jωMi1=0并解得:i1=Z2Uin/Z1Z2+(ωM)2,i2=-jωMUin/Z1Z2+(ωM)2,当磁耦合谐振-无线能量传输***共振时,共振电路只表现出电阻特性,容抗和感抗的综合作用为0,此时两线圈回路的自阻抗分别为:Z1=R1,Z2=R2+RL。由上式可计算出共振电路的输入功率以及负载RL的输出功率/> 将输出功率Pout定义为地面终端用户的接受功率/>由此就可以得到共振电路的传输效率/>
S3:建模信息接收无人机与能量传输无人机的协议结构
建模信息接收无人机与能量传输无人机的协议结构,具体为对于无人机a,将每个时隙n再划分成K个子时隙,在每个时隙n时,无人机a采用TDMA协议在不同时刻收集来自不同GT的信息;对于无人机b,采用飞行悬停协议,将出发点到地面终端用户1的距离定义为L1,并且在地面终端用户1的悬停时间为TE 1,地面终端用户1到地面终端用户2的距离为L2,在地面终端用户2的悬停时间为TE 2,以此类推,地面终端用户k到终点的距离定义为LK+1;无人机依次访问k个地面终端用户,每段路程的飞行速度为vE k,
S4:建模地面终端从能量传输无人机通过磁耦合谐振方式捕获的能量
建模地面终端从能量传输无人机通过磁耦合谐振方式捕获的能量,具体为,地面终端用户通过磁耦合谐振-无线能量传输收集到的能量为:无人机b的作用主要是及时地给地面终端用户/>补充电能,所以得保证补充的能量足以维持地面终端用户在时间周期T内完成给定的吞吐量任务,那么可以得到如下约束条件:/>其中,/>表示地面终端用户k在时隙n时的上行链路发射功率,中间的求和表示地面终端用户k在整个时隙内所消耗的能量,也就是补充的电能大于等于消耗的电能。
S5:建模***的任何一个地面终端在某个时隙的瞬时吞吐量;
建模***的任何一个地面终端在某个时隙的瞬时吞吐量,具体为:由S4可以得到地面终端用户k在时隙n时的瞬时吞吐量:
中,σ2为噪声方差,ηk表示地面终端用户k用于上行链路传输信息所消耗的能量占比,剩下的(1-ηk)部分能量用于面板处理,并假设所有地面终端用户的ηk=η;
S6:建模***的任何一个地面终端在整个时间周期内的平均吞吐量
建模***的任何一个地面终端在整个时间周期内的平均吞吐量,具体为:对于一个时间周期T,地面终端用户的平均吞吐量为/>
S7:建模***时隙分配占比、最小吞吐量、上行链路传输能量、信息传输无人机的飞行速度和每个时隙允许的最大上行链路传输功率的限制条件:
建模***时隙分配占比、最小吞吐量、上行链路传输能量、信息传输无人机的飞行速度和每个时隙允许的最大上行链路传输功率的限制条件,具体为:
时隙分配占比条件建模为0≤τk[n]≤1, 其中,τk[n]是时隙分配比例,表示地面终端用户k占用第n个时隙的比例;
对于飞行速度与飞行时间,有如下约束:
最小吞吐量条件建模为Rk≥Rmin,
上行链路传输能量条件建模为
信息传输无人机的飞行速度条件约束每个时隙允许的最大上行链路传输功率的限制条件为
S8:建模***最小吞吐量最大化优化模型
建模***最小吞吐量最大化优化模型,具体为:为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例。以地面终端最小吞吐量最大化为目标,确定优化资源分配策略,即三、基于CCCP迭代优化算法对建立的优化问题进行求解
采用CCCP迭代优化算法对建立的优化问题进行求解,具体的求解步骤如下所示:
S91:为了使建立的优化问题得到解决,本实施例引入一个辅助变量{εk[n]},满足εk[n]≥0并且对于/>和/>成立,所以/>那么原问题就可以重写为如下形式:
S92:由于约束条件该问题依旧是非凸的。为了解决这个难题,本实施例再引入一个辅助变量{zk[n]},满足对任意的/>和/>均成立。约束左边的下边界就可以表示为:
S93:基于S92可以构造原优化问题(P1)的等价替代问题(P1.1),上述问题(P1)的最优解可以通过求解优化问题(P1.1)得到:
把和/>分别定为优化问题P1和P1.1的解对应的最小吞吐量;得到/>当Qk[n]=εk[n]2/zk[n]和/>时,/>对任意的n和k成立;通过反证法证明只有当Qk[n]=εk[n]2/zk[n]和/>时,才可以得到优化问题P1.1的解;
S94:由于约束条件Qk[n]≤εk[n]2/zk[n],(P1.1)仍然是非凸的,因此本实施例采用CCCP(Concave-ConvexProcedure,凹凸过程迭代优化算法)方法来解决(P1.1)。考虑到辅助约束条件的右边,它是εk[n]和zk[n]的联合凸函数,通过使用一阶泰勒展开在和/>的近似,本实施例可以推导右边式子的下界为:
S95:利用S94,在给定和/>的条件下,(P1.1)的凸近似可以表述为:
(P1.1A)可以通过现有的凸求解器CVX以及CVXQUAD分别来求解。由于(P1.1A)的可行域是原问题(P1.1)可行域的子集,所以本实施例可以从问题(P1.1)的近似(P1.1A)得到问题(P1.1)的下界解。因此,(P1.1)的解可以在每次迭代时通过求解一系列的凸问题(P1.1A)得到。在CCCP算法的第q次迭代时,本实施例通过令和/>来计算(P1.1A)的解/>和/>其中/>和/>为第q次迭代时确定的解。
求解(P1)的算法流程图如图2所示。当该算法收敛时,就可以得到原问题(P1)对应的解为:
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
本领域内的技术人员应明白,本发明以上实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程、以及流程图中的流程结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程图中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
本专利不局限于上述最佳实施方式,任何人在本专利的启示下都可以得出其它各种形式的基于MCR-WPT的无人机协助WPCN的资源分配方法,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本专利的涵盖范围。
Claims (3)
1.一种基于MCR-WPT的无人机协助WPCN的资源分配方法,其特征在于:在无人机协助的无线供电通信网络中,再引入一个搭载磁耦合谐振装置的能量传输无人机;并在每个地面终端安装接收线圈;通过磁耦合谐振方式,能量传输无人机依次为地面终端提供足够的能量;
以所有地面终端的最小吞吐量最大化为目标,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将问题建模成最优化问题;并将作为非凸优化问题的所述最优化问题通过引入辅助变量,将其中非凸约束条件转换成凸约束条件,并对难以转化的非凸约束条件,采用凹凸过程迭代优化算法将非凸函数线性化成两个凸函数相减的形式,最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始最优化问题的次优解;
所述联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例,将问题建模成最优化问题具体包括,顺次执行:
建模基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络***网络结构;
建模磁耦合谐振-无线能量传输模型;
建模信息接收无人机与能量传输无人机的协议结构;
建模地面终端从能量传输无人机通过磁耦合谐振方式捕获的能量;
建模***的任何一个地面终端在某个时隙的瞬时吞吐量;
建模***的任何一个地面终端在整个时间周期内的平均吞吐量;
建模***时隙分配占比、最小吞吐量、上行链路传输能量、信息传输无人机的飞行速度和每个时隙允许的最大上行链路传输功率的限制条件;
以及,建模***最小吞吐量最大化优化模型;
所述建模基于磁耦合谐振-无线能量传输的无人机协助无线供电通信网络***网络结构具体包括:
考虑一个由双无人机协助的无线供电通信网络:
其中,无人机a用于收集K个地面终端用户的信息,无人机b用于给K个地面终端用户充电;所述地面终端用户包含一个可充电电池;每个用户分别从无人机b通过磁耦合谐振方式获取能量,并利用储存的能量与上行链路中的无人机a进行通信;设无人机a的飞行高度为HI,无人机b的飞行高度为HE,两个无人机的最大飞行速度分别为和/>
无人机a在t时刻投影到地面的坐标为qI(t)=[xqI(t),yqI(t)]T,无人机b在t时刻投影到地面的坐标为qE(t)=[xqE(t),yqE(t)]T,其中0≤t≤T;
设第k个地面终端用户GT在t时刻的位置为uk(t)=[xk,yk]T;则在每个时隙/>时无人机a的位置为/>其中,表示每个时隙的时长;对于无人机与地面终端用户之间的天对地信道,采用确定性传播模型,无人机a与地面终端用户k在时隙/>时的平均信道增益为其中,g0表示一米距离的参考信道增益;k表示第k个地面终端,K表示地面终端的总的个数为K,/>表示的是所有地面终端的集合,有/>
所述建模磁耦合谐振-无线能量传输模型具体为:
设当发射线圈和接收线圈都为螺线管结构且同轴放置时,两线圈之间的互感计算公式如下:
其中,μ表示自由空间磁导率;Nt和Nr分别代表发射端和接收端的线圈匝数;at和ar分别是指发射端和接收端的线圈半径;d表示无人机b与地面终端用户k之间的感应充电距离,即无人机b的飞行高度HE;
高频条件下线圈的损耗电阻为欧姆损耗电阻可认为R1=R2≈R0;若***角频率为ω,则两线圈回路的自阻抗分别为:Z1=R1+jωL1+1/jωC1,Z2=R2+RL+jωL2+1/jωC2,根据基尔霍夫电压定律,列出回路方程:Uin-i1Z1-i1(ωM)2/Z2=0,Z2i2+jωMi1=0并解得:i1=Z2Uin/Z1Z2+(ωM)2,i2=-jωMUin/Z1Z2+(ωM)2,当磁耦合谐振-无线能量传输***共振时,共振电路只表现出电阻特性,容抗和感抗的综合作用为0,此时两线圈回路的自阻抗分别为:Z1=R1,Z2=R2+RL;
计算出共振电路的输入功率Pin和负载RL的输出功率Pout:将输出功率Pout定义为地面终端用户的接受功率/>由此得到共振电路的传输效率
所述建模信息接收无人机与能量传输无人机的协议结构具体为:
对于无人机a,将每个时隙n再划分成K个子时隙,与K个地面终端一一对应,每个子时隙与每个地面终端对应,同时给无人机a发送信息,在每个时隙n时,无人机a采用TDMA协议在不同时刻收集来自不同GT的信息;对于无人机b,采用飞行悬停协议,将出发点到地面终端用户1的距离定义为L1,并且在地面终端用户1的悬停时间为TE1,地面终端用户1到地面终端用户2的距离为L2,在地面终端用户2的悬停时间为TE2,以此类推,地面终端用户k到终点的距离定义为LK+1;无人机依次访问k个地面终端用户,每段路程的飞行速度为vEk,K+1表示无人机飞行的路段相较于终端个数多1;
所述建模地面终端从能量传输无人机通过磁耦合谐振方式捕获的能量具体为:
地面终端用户通过磁耦合谐振-无线能量传输收集到的能量为:无人机b的作用是及时地给地面终端用户/>补充电能,所以需要保证补充的能量足以维持地面终端用户在时间周期T内完成给定的吞吐量任务,得到如下约束条件:/>其中,/>表示地面终端用户k在时隙n时的上行链路发射功率,中间的求和表示地面终端用户k在整个时隙内所消耗的能量,也就是补充的电能大于等于消耗的电能;
所述建模***的任何一个地面终端在某个时隙的瞬时吞吐量具体为:
地面终端用户k在时隙n时的瞬时吞吐量:
其中,σ2为噪声方差,ηk表示地面终端用户k用于上行链路传输信息所消耗的能量占比,剩下的(1-ηk)部分能量用于面板处理,并假设所有地面终端用户的ηk=η;
所述建模***的任何一个地面终端在整个时间周期内的平均吞吐量具体为:
对于一个时间周期T,地面终端用户的平均吞吐量为
建模***时隙分配占比、最小吞吐量、上行链路传输能量、信息传输无人机的飞行速度和每个时隙允许的最大上行链路传输功率的限制条件具体为:
将时隙分配占比条件建模为0≤τk[n]≤1,forand/>for其中,τk[n]是时隙分配比例,表示地面终端用户k占用第n个时隙的比例;
对于飞行速度与飞行时间,有如下约束:for/>
最小吞吐量条件建模为Rk≥Rmin,for
上行链路传输能量条件建模为for/>
信息传输无人机的飞行速度条件约束for/>
每个时隙允许的最大上行链路传输功率的限制条件为for/>and
所述建模***最小吞吐量最大化优化模型具体为:
为了使所有地面终端的最小吞吐量最大化,联合优化信息接收无人机轨迹、地面终端发射功率和时隙分配比例;以地面终端最小吞吐量最大化为目标,确定优化资源分配策略,即:
2.根据权利要求1所述的基于MCR-WPT的无人机协助WPCN的资源分配方法,其特征在于:所述将作为非凸优化问题的所述最优化问题通过引入辅助变量,将其中非凸约束条件转换成凸约束条件,并对难以转化的非凸约束条件,采用凹凸过程将非凸函数线性化成两个凸函数相减的形式,最后通过迭代求解原非凸逼近问题的凸逼近问题,得到原始最优化问题的次优解:
采用凹凸过程迭代优化算法通过迭代求解原非凸逼近问题的凸逼近问题,以确定信息接收无人机的轨迹、地面终端的发射功率以及时隙分配占比的最佳分配结果,将分配结果代入***最小吞吐量最大化目标函数得到优化解。
3.根据权利要求2所述的基于MCR-WPT的无人机协助WPCN的资源分配方法,其特征在于:所述采用凹凸过程迭代优化算法通过迭代求解原非凸逼近问题的凸逼近问题,以确定信息接收无人机的轨迹、地面终端的发射功率以及时隙分配占比的最佳分配结果,将分配结果代入***最小吞吐量最大化目标函数得到优化解具体采用以下步骤:
步骤S91:引入一个辅助变量{εk[n]},满足εk[n]≥0并且对于/>和成立,则有/>所述最优化问题重写为如下形式:
步骤S92:对于约束条件是非凸的;为此,再引入一个辅助变量{zk[n]},满足/>对任意的/>和/>均成立;约束左边的下边界表示为:
步骤S93:基于步骤S92构造原优化问题P1的等价替代问题P1.1,问题P1的最优解通过求解优化问题P1.1得到:
把和/>分别定为优化问题P1和P1.1的解对应的最小吞吐量;得到/>当Qk[n]=εk[n]2/zk[n]和/>时,/>对任意的n和k成立;通过反证法证明只有当Qk[n]=εk[n]2/zk[n]和/>时,才可以得到优化问题P1.1的解;
步骤S94:由于约束条件Qk[n]≤εk[n]2/zk[n],P1.1仍然是非凸的,采用凹凸过程迭代优化算法解决优化问题P1.1;考虑到辅助约束条件的右边,为εk[n]和zk[n]的联合凸函数,通过使用一阶泰勒展开在和/>的近似,推导获得右边式子的下界:
步骤S95:利用步骤S94,在给定和/>的条件下,将优化问题P1.1的凸近似表述为:
其中,问题P1.1A通过凸求解器CVX以及CVXQUAD分别求解;由于P1.1A的可行域是原问题P1.1可行域的子集,因此从问题P1.1的近似P1.1A得到问题P1.1的下界解;问题P1.1的解则在每次迭代时通过求解一系列的凸问题P1.1A得到;在凹凸过程迭代优化算法的第q次迭代时,通过令和/>计算问题P1.1A的解/>和/>其中/>和/>为第q次迭代时确定的解;
当该算法收敛时,就得到原问题P1对应的解为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210483396.4A CN114884829B (zh) | 2022-05-05 | 2022-05-05 | 基于mcr-wpt的无人机协助wpcn的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210483396.4A CN114884829B (zh) | 2022-05-05 | 2022-05-05 | 基于mcr-wpt的无人机协助wpcn的资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114884829A CN114884829A (zh) | 2022-08-09 |
CN114884829B true CN114884829B (zh) | 2023-08-29 |
Family
ID=82673174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210483396.4A Active CN114884829B (zh) | 2022-05-05 | 2022-05-05 | 基于mcr-wpt的无人机协助wpcn的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114884829B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092332B (zh) * | 2023-01-31 | 2023-12-05 | 中山大学 | 无人机携载智能反射面的多模调控与轨迹优化方法及*** |
CN116524763B (zh) * | 2023-05-16 | 2024-01-23 | 重庆邮电大学 | 一种联合优化无人机飞行轨迹与地面节点发射功率的数据采集方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105027524A (zh) * | 2013-03-06 | 2015-11-04 | 三星电子株式会社 | 在使用波束成形的无线通信***中发送和接收上行链路随机接入信道时隙的方法和装置 |
US9680559B1 (en) * | 2012-09-05 | 2017-06-13 | RKF Engineering Solutions, LLC | Hierarchichal beam management |
CN108924791A (zh) * | 2018-07-13 | 2018-11-30 | 广东工业大学 | 一种无线通信方法、装置、设备及可读存储介质 |
CN110380773A (zh) * | 2019-06-13 | 2019-10-25 | 广东工业大学 | 一种无人机多跳中继通信***的轨迹优化与资源分配方法 |
CN111182469A (zh) * | 2020-01-07 | 2020-05-19 | 东南大学 | 一种能量收集网络时间分配及无人机轨迹优化方法 |
KR20200060290A (ko) * | 2018-11-22 | 2020-05-29 | 한밭대학교 산학협력단 | Ofdma swipt 시스템의 통합 자원 할당 장치 및 방법 |
WO2021003709A1 (zh) * | 2019-07-10 | 2021-01-14 | 深圳大学 | 一种无人机的能量分配优化方法 |
CN112512063A (zh) * | 2020-11-25 | 2021-03-16 | 福州大学 | 基于射频能量收集的无人机协助边缘计算的资源分配方法 |
CN112584321A (zh) * | 2020-12-15 | 2021-03-30 | 电子科技大学 | 一种无人机协同的数能一体化网络的优化方法 |
WO2021128608A1 (zh) * | 2019-12-26 | 2021-07-01 | 重庆邮电大学 | 一种基于无线供电反向散射通信网络的多载波资源分配方法 |
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 |
CN113904743A (zh) * | 2021-10-11 | 2022-01-07 | 重庆邮电大学 | 一种无人机中继***的安全通信资源优化设计方法 |
CN114124705A (zh) * | 2021-11-26 | 2022-03-01 | 重庆邮电大学 | 无人机辅助反向散射通信***基于max-min公平的资源分配方法 |
CN114124723A (zh) * | 2021-11-19 | 2022-03-01 | 上海电气(集团)总公司智惠医疗装备分公司 | 一种磁共振谱仪的组网方法和磁共振谱仪 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105163379B (zh) * | 2015-07-21 | 2018-05-22 | 南方科技大学 | 一种应用于信能同传***的资源分配优化方法 |
US10797537B2 (en) * | 2016-03-15 | 2020-10-06 | Northeastern University | Distributed wireless charging system and method |
US11703853B2 (en) * | 2019-12-03 | 2023-07-18 | University-Industry Cooperation Group Of Kyung Hee University | Multiple unmanned aerial vehicles navigation optimization method and multiple unmanned aerial vehicles system using the same |
-
2022
- 2022-05-05 CN CN202210483396.4A patent/CN114884829B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9680559B1 (en) * | 2012-09-05 | 2017-06-13 | RKF Engineering Solutions, LLC | Hierarchichal beam management |
CN105027524A (zh) * | 2013-03-06 | 2015-11-04 | 三星电子株式会社 | 在使用波束成形的无线通信***中发送和接收上行链路随机接入信道时隙的方法和装置 |
CN108924791A (zh) * | 2018-07-13 | 2018-11-30 | 广东工业大学 | 一种无线通信方法、装置、设备及可读存储介质 |
KR20200060290A (ko) * | 2018-11-22 | 2020-05-29 | 한밭대학교 산학협력단 | Ofdma swipt 시스템의 통합 자원 할당 장치 및 방법 |
CN110380773A (zh) * | 2019-06-13 | 2019-10-25 | 广东工业大学 | 一种无人机多跳中继通信***的轨迹优化与资源分配方法 |
WO2021003709A1 (zh) * | 2019-07-10 | 2021-01-14 | 深圳大学 | 一种无人机的能量分配优化方法 |
WO2021128608A1 (zh) * | 2019-12-26 | 2021-07-01 | 重庆邮电大学 | 一种基于无线供电反向散射通信网络的多载波资源分配方法 |
CN111182469A (zh) * | 2020-01-07 | 2020-05-19 | 东南大学 | 一种能量收集网络时间分配及无人机轨迹优化方法 |
CN112512063A (zh) * | 2020-11-25 | 2021-03-16 | 福州大学 | 基于射频能量收集的无人机协助边缘计算的资源分配方法 |
CN112584321A (zh) * | 2020-12-15 | 2021-03-30 | 电子科技大学 | 一种无人机协同的数能一体化网络的优化方法 |
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 |
CN113904743A (zh) * | 2021-10-11 | 2022-01-07 | 重庆邮电大学 | 一种无人机中继***的安全通信资源优化设计方法 |
CN114124723A (zh) * | 2021-11-19 | 2022-03-01 | 上海电气(集团)总公司智惠医疗装备分公司 | 一种磁共振谱仪的组网方法和磁共振谱仪 |
CN114124705A (zh) * | 2021-11-26 | 2022-03-01 | 重庆邮电大学 | 无人机辅助反向散射通信***基于max-min公平的资源分配方法 |
Non-Patent Citations (1)
Title |
---|
基于混合能量收集的移动边缘计算***资源分配策略;赵宜升等;重庆邮电大学学报;第33卷(第2期);194-198页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114884829A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114884829B (zh) | 基于mcr-wpt的无人机协助wpcn的资源分配方法 | |
Jawad et al. | Wireless power transfer with magnetic resonator coupling and sleep/active strategy for a drone charging station in smart agriculture | |
Wu et al. | Trajectory optimization for UAVs’ efficient charging in wireless rechargeable sensor networks | |
Ma et al. | A distributed charging coordination for large-scale plug-in electric vehicles considering battery degradation cost | |
Yan et al. | Design of UAV wireless power transmission system based on coupling coil structure optimization | |
Le et al. | Wireless power transfer near-field technologies for unmanned aerial vehicles (UAVs): A review | |
CN111030316B (zh) | 一种多中继mc-wpt***效率的建模、分析及***原理分析方法 | |
CN109583665A (zh) | 一种无线传感器网络中的无人机充电任务调度方法 | |
Suman et al. | UAV-assisted RFET: A novel framework for sustainable WSN | |
US20170361727A1 (en) | Systems and methods for integration of electric vehicle charging stations with photovoltaic, wind, hydro, thermal and other alternative energy generation equipment | |
Shi et al. | A two-stage strategy for UAV-enabled wireless power transfer in unknown environments | |
CN108846522A (zh) | 无人机***联合充电站部署及路由选择方法 | |
Du et al. | Optimization of magnetically coupled resonant wireless power transfer based on improved whale optimization algorithm | |
CN116961139B (zh) | 一种电力***的调度方法、调度装置和电子装置 | |
CN112579290B (zh) | 一种基于无人机的地面终端设备的计算任务迁移方法 | |
CN113825177A (zh) | 一种对多无人机辅助边缘计算***的控制方法及控制*** | |
Huang et al. | Particle filter based optimization scheme for trajectory design and resource allocation of UAV-enabled WPCN system | |
CN112994268A (zh) | 接收端、发射端、无人机无线充电***及方法 | |
Chittoor et al. | An assessment of shortest prioritized path-based bidirectional wireless charging approach toward smart agriculture | |
Jahangir et al. | Plug-in electric vehicles demand modeling in smart grids: a deep learning-based approach: wip abstract | |
CN116126428B (zh) | 一种面向能量采集的无人机计算任务卸载方法 | |
CN104319853A (zh) | 电动汽车入网的方法、装置及*** | |
Yang et al. | Learning-based aerial charging scheduling for UAV-based data collection | |
Li et al. | RWC: A robust wireless charging system for dockless bike-sharing | |
Suganyadevi et al. | On-track Near-field Wireless Charging for Electrical Vehicles |
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 |