CN117674938A - 一种基于单载波的无人机方向调制设计方法 - Google Patents

Abstract

本发明公开了一种基于单载波的无人机方向调制设计方法，包括：建立单载波无人机与地面用户之间的通信***模型，无人机配备单载波模拟波束成形均匀线性阵列对地面目标单用户传输信号；期望波束响应满足地面目标单用户方向，波束幅度高于其它方向的信号且其他方向的信号相位混乱，符合单载波无人机方向调制设计标准；将最小化实际波束响应与期望波束响应之差问题中的权重系数转化为符合恒模约束的形式，消除恒模约束；将最小化实际波束响应与期望波束响应之差的问题中的幅度转化为最小的用户实现传输速率的数学表达式，消除最小的用户实现传输速率约束；采用人工蜂群算法来求解最小化实际波束响应与期望波束响应之差问题，获得期望波束响应。

Description

一种基于单载波的无人机方向调制设计方法

技术领域

本发明属于无人机方向调制技术领域，尤其涉及一种基于单载波的无人机方向调制设计方法。

背景技术

近年来，无人机以其机动性强、安全性高、成本低等特点，在军事、农业、气象、水利等领域得到了广泛的应用。在5G时代背景下，随着无线网络接入设备数量的激增，无人机在无线通信领域的潜力得到了充分挖掘。与传统无线通信相比，无人机无线通信凭借其机动性和可控性，可以作为空中基础设施快速部署在没有基础设施覆盖的地区，弥补地面基础设施的缺陷，提供更高的无线连通性。当前多采用波束成形技术实现与地面终端的高容量视距通信链路，通过调节天线辐射方向和强度控制无线电波传播方向和范围，可以使无线电波在特定方向上的传输更加强大和稳定，从而提高通信的质量和可靠性。毫米波通信的波束成形可以满足无人机基站对高数据速率和灵活覆盖的要求。现有技术可在无人机电池预期寿命内显著提高无人机的预期数据吞吐量。现有技术中提出一个最大化所有用户的可实现传输速率问题，并找到了无人机基站与目标用户之间的最优相对位置和波束成形矢量。然而，在传统的基于波束成形的无线通信***中，所有方向上都会产生相同的星座映射，即使是位于天线旁瓣区域的信号，也有可能会被高度敏感的窃听者捕获，从而导致信息泄露。为了避免这种情况，方向调制技术应运而生，此技术可将已知的星座映射保持在一个或多个期望的方向上，同时对其余方向上的星座映射进行加扰，进而提高通信的安全性。现有技术中还采用遗传算法实现相控阵的方向调制。现有基于波束成形的无人机通信***设计问题大多视为一种最大化用户的可实现传输速率问题，这虽然对信息的传输速率实现了一定程度上的优化，却忽略了非期望方向信息安全所带来的影响。基于成本和无人机续航问题的考虑，无人机发射端天线阵列采用模拟波束成形阵列。在模拟波束成形阵列中，所有天线共享一个射频链，并都有一个配有功率放大器的移相器，同时设置所有功放具有相同的比例因子，因此波束成形矢量w需满足恒模约束。此外，由于波束成形矢量w的维数很高，且w的每个元素都有恒模约束，这导致了问题的非凸性。因此，解决这一高维度问题通常采用遗传算法进行计算求解，进而实现无人机方向调制设计，但传统的遗传算法也面临着局部搜索能力差、收敛速度慢等问题。

发明内容

为解决上述技术问题，本发明提出了一种基于单载波的无人机方向调制设计方法，通过优化无人机天线阵列权重系数，降低非期望方向信息泄露的概率。

为实现上述目的，本发明提供了一种基于单载波的无人机方向调制设计方法，包括：

建立单载波无人机与地面用户之间的通信***模型，无人机配备单载波模拟波束成形均匀线性阵列对地面目标单用户传输QPSK信号；

提出存在恒模约束和最小用户实现传输速率约束的最小化实际波束响应与期望波束响应之差问题；期望波束响应满足地面目标单用户方向，波束幅度高于其它方向的信号，且其他方向的信号相位混乱，符合单载波无人机方向调制设计标准；

将最小化实际波束响应与期望波束响应之差问题中的权重系数转化为符合恒模约束的形式，消除恒模约束；将最小化实际波束响应与期望波束响应之差的问题中的幅度转化为最小的用户可实现传输速率的数学表达式，消除最小的用户实现传输速率约束；

消除恒模约束和最小用户实现传输速率约束后，采用人工蜂群算法来求解最小化实际波束响应与期望波束响应之差问题，获得期望波束响应，实现单载波无人机方向调制设计。

可选的，根据基于方向调制的无人机与地面用户通信***模型，阵列的导向矢量表示为：

其中，[·]^T为转置操作，φ_U为导向角的余弦，j为虚数 _N为阵列天线数。

可选的，消除恒模约束的优化bosh问题包括：

s.t.R≥r

其中，为/>的第j个元素，K为相移键控调制技术下调制的相位数，a为导向矢量，H为共轭转置，N为阵列天线数，a^H为对导向矢量实行共轭转置，j为虚数/> 为权重系数所带来的相位偏移角，/>为权重系数所带来的相位偏移，l为期望响应的幅度，C_k为期望向量/>中的第k个元素。

可选的，在无人机方向调制设计问题里，对于目标用户来说，可实现传输速率R是不可忽视的重要因素，表示为

其中，P为无人机发射功率，δ²为用户的高斯白噪声功率，λ为信道增益系数，a^H为对导向矢量实行共轭转置，w为权重系数。

可选的，首先初始化一个矩阵Φ作为初始搜索位置，其中每一行代表一个潜在的可行解列的数量是优化变量的维度，即无人机发射端天线阵列的阵元数。

可选的，对矩阵Φ的第i行第j个元素初始化为

其中，i＝1,2,…,N_S,N_S是源的数量，φ_i,j∈[0,1]是一个随机数，为潜在可行解/>的上限，其值等于2π，/>为潜在可行解/>的下限，其值等于0。

可选的，第i个源的适应度函数值F_i为

其中，为第i个目标函数值，/>为源矩阵Φ的第i行，即第i个潜在的可行解，abs(.)为计算绝对值。

可选的，通过随机数γ根据源矩阵Φ内的每个随机依次生成新的/>第i个源的计算为

其中，为源矩阵Φ的第i行，/>为源矩阵Φ的第a行，i为选取的源的顺序数，γ为随机数，其值在设定的精度范围(-Γ，Γ)内。

本发明技术效果：本发明公开了一种基于单载波的无人机方向调制设计方法，通过优化无人机天线阵列权重系数，降低非期望方向信息泄露的概率；在用户可能出现在其它不同角度的情况下都具有普适性，此方法相比于传统的遗传算法还具有更快的目标函数收敛速度，在解决此类问题这方面拥有更高的效率。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例基于方向调制的无人机与地面用户通信***示意图；

图2为本发明实施例阵列天线示意图；

图3为本发明实施例期望方向为60°的基于单载波的无人机方向调制设计的幅度响应与相位响应示意图；

图4为本发明实施例期望方向为90°的基于单载波的无人机方向调制设计的幅度响应与相位响应示意图；

图5为本发明实施例遗传算法与人工蜂群算法收敛曲线对比图；

图6为本发明实施例一种基于单载波的无人机方向调制设计方法的流程示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明考虑毫米波下行单用户场景，其中配备N元均匀线性阵列(Antenna)的无人机基站为地面单天线用户服务，其中N元均匀线性阵列模型如图2所示。如图1所示建立了二维直角坐标系，其中单个用户(User)分布在水平面上，坐标为(x,0)，无人机基站(UAV-BS)位于(0,h_U)，其中h_U为无人机的高度，|x|为用户与无人机在地面上的投影之间的距离。

如图6所示，本实施例中提供一种基于单载波的无人机方向调制设计方法，包括：

建立单载波无人机与地面用户之间的通信***模型，无人机配备单载波模拟波束成形均匀线性阵列对地面目标单用户传输QPSK信号；

提出存在恒模约束和最小用户实现传输速率约束的最小化实际波束响应与期望波束响应之差问题；期望波束响应满足地面目标单用户方向波束幅度高于其它方向的信号相位混乱，符合单载波无人机方向调制设计标准；

将最小化实际波束响应与期望波束响应之差问题中的权重系数转化为符合恒模约束的形式，消除恒模约束；将最小化实际波束响应与期望波束响应之差的问题中的幅度转化为最小的用户可实现传输速率的数学表达式，消除最小的用户实现传输速率约束；

消除恒模约束和最小用户实现传输速率约束后，采用人工蜂群算法来求解最小化实际波束响应与期望波束响应之差问题，获得期望波束响应，实现单载波无人机方向调制设计。

本发明考虑毫米波下行单用户场景，其中配备N元均匀线性阵列的无人机基站为地面单天线用户服务，并利用此均匀线阵在期望方向实现K进制信号下的多相相移键控方向调制，同时，在其他方向上接收信号的星座图混乱。为了获得无人机/用户的位置和几何关系，首先建立二维直角坐标系，其中单个用户分布在水平面上，坐标为(x,0)，无人机基站位于(0,h_U)，其中h_U为无人机的高度，|x|为用户与无人机在地面上的投影之间的距离。

无人机基站所配备的均匀线性阵列模型采用模拟波束成形阵列，其中所有天线共享一个射频链，每根天线采用各向同性天线，并都有一个配有功率放大器的移相器。为了不出现栅瓣，并且充分利用空间，天线阵列采用半波长间隔放置。由于所有的功放具有相同的比例因子，因此需满足恒模约束：n＝1,…,N，其中w_n为天线n的权重系数。

本发明方法具体步骤如下：

步骤1：根据基于方向调制的无人机与地面用户通信***模型，阵列的导向矢量可以表示为

其中，[•]^T为转置操作，φ_U的范围为[-1，1]，表示为

由此该无人机方向调制问题可初步表示为最小化实际波束响应与期望波束响应之差的问题，即

R≥r

其中，a^Hw为实际波束响应，[·]^H为厄米特转置，w＝[w₁,w₂,…,w_N]^T为包含阵列中每个天线的权重系数的波束成形矢量。lC_k为期望波束响应，其中l为期望响应的幅度，C_k为第k个期望星座点，R为无人机与用户间的可实现传输速率，r为用户的最小传输速率约束。为了解决恒模约束问题，对约束进行转化，其中w表示为因此优化问题变为

s.t.R≥r

其中，为/>的第j个元素，j＝1,2,…,N。

步骤2：在无人机方向调制设计问题里，对于目标用户来说，可实现传输速率R是不可忽视的重要因素，其表示为

其中，P为无人机发射功率，δ²为用户的高斯白噪声功率，λ为信道增益系数。

其中d是无人机基站到用户之间的传播距离，表示为/>f是传输信号的载波频率，c为光速，α是路径损耗指数。在优化问题中，可以看出，在理想状态下，即/>时，约束R≥r可通过计算进一步得出

显然由此可得出

令并参考(7)替换掉原目标函数中的幅度l，将优化问题变为

步骤3：相比于传统的遗传算法，人工蜂群算法在收敛速度具有很大的优势，并且具有强大的寻找局部最优解以及寻找全局最优解的能力。因此，人工蜂群算法更适合解决(8)中具有高维变量的优化问题。从这一步开始使用人工蜂群算法进行问题(8)的求解。首先初始化一个矩阵Φ(即源矩阵)作为初始搜索位置，其中每一行代表一个潜在的可行解(即一个源)，列的数量是优化变量的维度，即无人机发射端天线阵列的阵元数。对矩阵Φ的第i行第j个元素初始化为

其中i＝1,2,…,N_S，j＝1,2,…,N，φ_i,j∈[0,1]是一个随机数，N_S是源的数量。第i个源(即第i行的解向量)的适应度函数值F_i为

其中为第i个目标函数值，将源矩阵Φ的第i行，即潜在的可行解/>代入公式(8)可得出目标函数值/>由式中可以看出，/>的值越小，代表解的质量的适应度函数值越大。

步骤4：通过随机数γ根据源矩阵Φ内的每个随机依次生成新的/>其中随机数γ在设定的精度范围(-Γ，Γ)内，则第i个源的计算公式为

其中表示源矩阵Φ的第i行，/>表示源矩阵Φ的第a行，它取自Φ中除第i行之外的任意一行，其中a＝1,2,…,N_s且a≠i。如果新源/>的适应度值大于上次迭代的源/>的适应度值，新源/>将替换上次迭代的源/>否则保留上次迭代的/>经过这样的处理，得出更好的源。

步骤5：重复执行步骤4直到达到最大迭代次数，算法结束。然后求取每一个源的适应度值，根据适应度函数值，从矩阵中找到最优解向量。

步骤6：由于本专利解决的无人机方向调制问题，其期望响应涉及到多相相移键控的K个星座点，因此对于每个发射信号的求解都要重复一遍步骤3、步骤4和步骤5，最终满足K个星座点的设计响应与期望响应之差的和最小化。

为了证明此方法在用户可能出现在多个不同角度的情况下都具有普适性，本发明给出直射方向——即90°方向，以及非直射方向60°下人工蜂群算法的幅度响应图和相位响应图，并采用正交相移键控(QPSK)，即K＝4的***模型，目标方向上四个符号的相位角等于45°，135°，-45°和-135°。

在此次仿真对比中，设置天线数N＝24，无人机高度h_U＝200m，无人机发射功率P＝40dbm，高斯白噪声δ²＝-100dbm，载波频率f＝28GHz，路径损耗指数α＝0.95，最小传输速率约束为r_b＝4bps/Hz。如图3和图4所示，这两组图像展示了人工蜂群算法在直射方向和非直射方向上所计算出的两种结果。通过这两组图像，可以明显看到人工蜂群算法所得出来的波束图，其主瓣指向期望方向，同时旁瓣幅度较低。在相位图的对比中，其目标方向相位均满足期望星座点，而其余方向相位混乱，因此该方法实现了方向调制。

为了体现两种算法在面对偏高的最小传输速率约束要求下的性能差异，采用两种算法的收敛曲线的对比图进行比较，此时r_g＝r_b＝4bps/Hz。由于遗传算法(GA)和人工蜂群算法(ABC)的期望适应度函数值不同，为了便于进行迭代收敛速度的比较，对适应度函数值进行了归一化。根据图5的适应度函数值收敛曲线对比可以看出，人工蜂群算法的收敛速度明显要比遗传算法更快。在图5中，还可以明显发现经过多达2000次的迭代后，遗传算法依然没有找到适应度值为0的最优解，这是因为遗传算法本身的收敛速度偏慢所导致的，在阵列天线数量不变的情况下，当目标函数(3)中的期望幅度l取值变大时，即最小传输速率约束r取值增大时，在求解问题(3)时所需要的局部搜索能力的要求就会增加，而人工蜂群算法拥有比遗传算法更好的局部搜索能力，因此在计算这种对局部搜索能力有高要求的问题时往往拥有更好的效率。

以上，仅为本申请较佳的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种基于单载波的无人机方向调制设计方法，其特征在于，包括：

建立单载波无人机与地面用户之间的通信***模型，无人机配备单载波模拟波束成形均匀线性阵列对地面目标单用户传输QPSK信号；

提出存在恒模约束和最小用户实现传输速率约束的最小化实际波束响应与期望波束响应之差问题；期望波束响应满足地面目标单用户方向，波束幅度高于其它方向的信号且其他方向的信号相位混乱，符合单载波无人机方向调制设计标准；

将最小化实际波束响应与期望波束响应之差问题中的权重系数转化为符合恒模约束的形式，消除恒模约束；将最小化实际波束响应与期望波束响应之差的问题中的幅度转化为最小的用户可实现传输速率的数学表达式，消除最小的用户实现传输速率约束；

消除恒模约束和最小用户实现传输速率约束后，采用人工蜂群算法来求解最小化实际波束响应与期望波束响应之差问题，获得期望波束响应，实现单载波无人机方向调制设计。

2.如权利要求1所述的基于单载波的无人机方向调制设计方法，其特征在于，根据基于方向调制的无人机与地面用户通信***模型，阵列的导向矢量表示为：

其中，[·]^T为转置操作，φ_U为导向角的余弦，j为虚数N为阵列天线数。

3.如权利要求1所述的基于单载波的无人机方向调制设计方法，其特征在于，优化恒模约束问题包括：

s.t.R≥r

其中，为/>的第j个元素，K为相移键控调制技术下调制的相位数，a为导向矢量，H为共轭转置，N为阵列天线数，a^H为对导向矢量实行共轭转置，j为虚数/> 为权重系数所带来的相位偏移角，/>为权重系数所带来的相位偏移，l为期望响应的幅度，C_k为期望向量中的第k个元素。

4.如权利要求1所述的基于单载波的无人机方向调制设计方法，其特征在于，在无人机方向调制设计问题里，对于目标用户来说，可实现传输速率R是不可忽视的重要因素，表示为

其中，P为无人机发射功率，δ²为用户的高斯白噪声功率，λ为信道增益系数，a^H为对导向矢量实行共轭转置，w为权重系数。

5.如权利要求1所述的基于单载波的无人机方向调制设计方法，其特征在于，首先初始化一个矩阵Φ作为初始搜索位置，其中每一行代表一个潜在的可行解列的数量是优化变量的维度，即无人机发射端天线阵列的阵元数。

6.如权利要求5所述的基于单载波的无人机方向调制设计方法，其特征在于，对矩阵Φ的第i行第j个元素初始化为

其中，i＝1,2,…,N_S,N_S是源的数量，φ_i,j∈[0,1]是一个随机数，为潜在可行解/>的上限，其值等于2π，/>为潜在可行解/>的下限，其值等于0。

7.如权利要求6所述的基于单载波的无人机方向调制设计方法，其特征在于，第i个源的适应度函数值F_i为

其中，为第i个目标函数值，/>为源矩阵Φ的第i行，即第i个潜在的可行解，abs(.)为计算绝对值。

8.如权利要求5所述的基于单载波的无人机方向调制设计方法，其特征在于，通过随机数γ根据源矩阵Φ内的每个随机依次生成新的/>第i个源的计算为

其中，为源矩阵Φ的第i行，/>为源矩阵Φ的第a行，i为选取的源的顺序数，γ为随机数，其值在设定的精度范围(-Γ，Γ)内。