CN108337034B - 全双工无人机移动中继系统及其路径优化方法 - Google Patents

全双工无人机移动中继系统及其路径优化方法 Download PDF

Info

Publication number
CN108337034B
CN108337034B CN201810083086.7A CN201810083086A CN108337034B CN 108337034 B CN108337034 B CN 108337034B CN 201810083086 A CN201810083086 A CN 201810083086A CN 108337034 B CN108337034 B CN 108337034B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
node
time slot
relay
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
CN201810083086.7A
Other languages
English (en)
Other versions
CN108337034A (zh
Inventor
王毅
华梦
马鹏阁
张松炜
范远璋
杨少川
闫利超
邸金红
黄开枝
陶然
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.)
Zhengzhou University of Aeronautics
Original Assignee
Zhengzhou University of Aeronautics
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 Zhengzhou University of Aeronautics filed Critical Zhengzhou University of Aeronautics
Priority to CN201810083086.7A priority Critical patent/CN108337034B/zh
Publication of CN108337034A publication Critical patent/CN108337034A/zh
Application granted granted Critical
Publication of CN108337034B publication Critical patent/CN108337034B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • 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
    • H04B7/18504—Aircraft used as relay or high altitude atmospheric platform

Abstract

本发明公开了一种基于中断概率最小化的全双工无人机移动中继系统及其路径优化方法。该系统包括一个单天线信源节点、一个单天线目的节点和一个单天线无人机移动中继节点。无人机移动中继节点以全双工的译码转发模式工作，在指定的飞行时长内按照一定路径进行飞行，并将信源节点的信息转发至目的节点。所述方法以最小化系统总中断概率为目标，以无人机飞行路径为优化变量，并考虑无人机飞行速度约束来建立数学模型。用一阶泰勒级数展开式，将原优化问题转化为标准的二次约束二次规划问题，再利用拉格朗日对偶法和子梯度法求解得到满足中断概率最小化的无人机中继节点最优飞行路径的闭合形式解。

Description

全双工无人机移动中继系统及其路径优化方法
技术领域
本发明属于无线通信技术领域，具体涉及基于中断概率最小化的全双工无人机移动中继系统及其路径优化方法。
背景技术
近年来，随着无人机(Unmanned Aerial Vehicle,UAV)技术的快速发展，特别是无人机生产成本的大幅降低和设备的小型化集成化，使得无人机从军用领域向民用和工业领域中的应用越来越广泛。比如，实时交通监控，森林异常监视，农业物联网，电力线路巡检，物流货物运输，中继应急通信等方面。根据权威机构预测，到2020年，全球商用无人机市场将从2016年的20亿美元猛增至1270 亿美元，如此巨大的无人机市场，将为未来无人机应用带来前所未有的机遇。利用无人机的低空和移动平台特性，搭载上先进的收发信机和智能传感设备进行高速数据传输成为无线通信领域的又一新的研究热点，吸引了各国学者和专家越来越多的目光，而这种方式也正成为未来5G系统中解决千倍容量提升、大规模节点接入和高可靠低延时通信的重要途径。
目前，针对无人机移动中继协作通信系统的研究受到了越来越多的重视。该传输场景主要考虑的是当两个或多个用户(或用户组)由于相距较远，在没有可靠的直达传输路径情况下，通过单个或多个无人机中继协作传输，来完成双方或多方的信息交换。该场景常用于突发灾害、军事作战、森林山区等地形地貌较为复杂，人车不易进入或不便于架设固定基站或固定中继节点的区域。无人机将作为移动中继节点进行接力协作传输，保障特定复杂地形区域内的通信需求。该类型无人机应用，通常尺寸相对较小，续航时间较短，载重较轻，可以灵活的进行能源补充。通过部署无人机移动中继节点，可灵活划分覆盖区域，快速提升指定区域内的服务质量，对系统性能的提升带来了巨大的帮助。由于无人机的可移动性，通过设定相应的飞行路径，可以使得无人机处于空间有利位置，从而提高无线传输信道质量，一方面可大大降低无人机的发射功率，另一方面，也可以大幅提升无人机在飞行过程中所能提供的传输速率性能。
值得注意的是，现有针对无人机移动中继系统的研究，大都考虑的是无人机的路径优化对无人机系统的能量功耗和可达传输速率的性能影响，而未有考虑对时延敏感性业务而言的系统中断概率性能。由于无人机的移动特性，其在信源与目的节点之间的距离将实时发生变化，从而影响着无人机节点到信源与目的节点的无线信道条件，因而，也就可能出现较大的中断概率，从而对时延敏感性业务造成较大的影响。而针对无人机移动中继系统的这一问题尚未有研究人员涉足。为了克服无人机在飞行过程中可能造成的中断传输现象，我们提出了基于系统总中断概率最小化的无人机飞行路径优化模型，由于该模型中目标函数较为复杂且没有精确的解析表达式，因而优化问题求解过程十分困难。
发明内容
针对以上问题，本发明公开了一种基于中断概率最小化的全双工无人机移动中继系统及其路径优化方法。如附图1所示，该系统包括一个单天线信源节点、一个单天线目的节点和一个单天线无人机移动中继节点。无人机移动中继节点采用全双工的译码转发模式工作状态，在指定的飞行时长内按照一定路径进行飞行，并将信源节点的信息转发至目的节点。本发明方法以最小化系统总中断概率为目标，以无人机飞行路径为优化变量，并考虑无人机飞行速度约束来建立数学模型。由于该优化问题中目标函数较为复杂，利用一阶泰勒级数展开式，得到该目标函数的上界解析表达式。利用该解析表达式，可将原优化问题转化为标准的二次约束二次规划问题，再利用拉格朗日对偶法和子梯度法求解得到满足中断概率最小化的无人机中继节点最优飞行路径的闭合形式解。
本发明提供了一种全双工无人机移动中继系统的路径优化方法，包括步骤：
A.利用信道增益模值的指数分布概率密度函数特征，计算出中断概率函数的解析表达式，建立以系统总中断概率为目标，以无人机中继飞行路径为变量，并考虑无人机最大飞行速度约束条件的优化模型；
B.将所述中断概率函数的解析表达式的一阶泰勒级数在x＝0处展开，得到中断概率的上界表达式，替换所述优化模型的目标函数；
C.用变量代换，将优化问题等价转换为标准的二次约束二次规划问题；
D.用拉格朗日对偶法，求出无人机飞行路径的解为关于拉格朗日乘子向量的函数形式；
E.利用子梯度法，求解所述关于拉格朗日乘子向量的最大化问题，得到拉格朗日乘子的最优值，代入关于拉格朗日乘子向量的函数，得到最优的无人机路径解，随后无人机按照预定路线飞行。
进一步的，所述步骤A包括：
1).建立三维空间直角坐标系(x,y,z)，z轴坐标表示空间的高度位置信息。信源节点和目的节点分别位于xy平面内的固定位置(0,0,0)和(D,0,0)，无人机中继节点在三维空间中按照一定路径飞行，且具有固定高度H。无人机中继节点单次飞行时间为T，将该时间段分割为N个时隙，每个时隙宽度为δ，即T＝Nδ，且时隙宽度足够小，则无人机的飞行路径可由各时隙其所处的位置点集合来描述，即
Figure RE-GDA0001619115520000031
假设无人机中继采用译码转发(decode-and-forward)模式并工作在全双工制式下，即无人机节点可在同一时间同一频段完成接收信号与发送信号两个操作，无人机节点可完全消除全双工的自干扰影响；整个系统采用窄带传输模式，在一个时隙内信道系数是准静止不变的，且每个时隙内的信道系数相互统计独立；
2).在第n个时隙，信源节点向无人机中继发送信号c[n]，则在无人机中继节点第n个时隙接收到的信号yr[n]可以表示为如下形式，
yr[n]＝hsr[n]c[n]+zr[n]
其中，发送信号c[n]的平均功率为
Figure RE-GDA0001619115520000041
hsr[n]表示第n时隙信源节点到无人机节点的信道系数，且服从零均值循环对称复高斯分布
Figure RE-GDA0001619115520000042
Figure RE-GDA0001619115520000043
表示第n时隙信源节点到无人机节点的大尺度衰落系数，
Figure RE-GDA0001619115520000044
表示第n时隙信源节点到无人机节点的距离，β0表示节点间距离为1m时的信道增益参考值，zr[n]表示第n时隙在无人机中继节点处的加性白噪声，且满足零均值循环对称复高斯分布
Figure RE-GDA0001619115520000045
在无人机节点接收yr[n]的同时，将前面时隙解码得到的转发信号r[n]发送至信源，则第n时隙目的节点收到的信号yd[n]可以表示为如下形式，
yd[n]＝hrd[n]r[n]+zd[n]
其中，转发信号r[n]的平均功率为
Figure RE-GDA0001619115520000046
hrd[n]表示第n时隙无人机节点到目的节点的信道系数，且服从零均值循环对称复高斯分布
Figure RE-GDA0001619115520000047
Figure RE-GDA0001619115520000048
表示第n时隙信源节点到无人机节点的大尺度衰落系数，
Figure RE-GDA0001619115520000049
表示第n时隙无人机节点到目的节点的距离，zd[n]表示第n时隙在目的节点处的加性白噪声，且满足零均值循环对称复高斯分布
Figure RE-GDA00016191155200000410
3).基于步骤2)中无人机节点与目的节点的接收信号，可以得到第n个时隙内，无人机中继节点的接收信噪比Γr[n]和目的节点的接收信噪比Γd[n]分别为：
Figure RE-GDA0001619115520000051
和
Figure RE-GDA0001619115520000052
其中，
Figure RE-GDA0001619115520000053
表示信源节点的发射信噪比，
Figure RE-GDA0001619115520000054
表示无人机中继节点的发射信噪比；
4).基于步骤3)中无人机节点和目的节点的接收信噪比，可以得到整个无人机移动中继系统的中断概率如下所示，
Figure RE-GDA0001619115520000055
其中，η表示系统设定的接收信噪比门限值；利用|hsr[n]|2和|hrd[n]|2的概率密度函数
Figure RE-GDA0001619115520000056
和
Figure RE-GDA0001619115520000057
可以得到系统中断概率的闭合表达式为
Figure RE-GDA0001619115520000058
5).基于步骤4)中系统中断概率闭合表达式，建立以最小化系统总中断概率为目标，以无人机中继节点飞行路径为变量，并考虑无人机最大飞行速度的数学优化模型，如下所示，
Figure RE-GDA0001619115520000059
s.t.C1：(x[1]-x0)2+(y[1]-y0)2≤(δVmax)2
C2：(x[n+1]-x[n])2+(y[n+1]-y[n])2≤(δVmax)2,n＝1,...,N-1
C3：(xF-x[N])2+(yF-y[N])2≤(δVmax)2
其中，
Figure RE-GDA00016191155200000510
表示在无人机整个飞行路径上n个时隙的和中断概率， Vmax表示无人机中继的最大飞行速度，(x0,y0,H)表示无人机中继的起始位置， (xF,yF,H)表示无人机中继的终止位置。
进一步的，所述步骤B包括：
6).利用函数f(x)＝ex在x＝0处的一阶泰勒级数展开式，可以得到步骤4) 中中断概率闭合表达式的上界，如下所示，
Figure RE-GDA0001619115520000061
7).基于步骤6)中的中断概率上界
Figure RE-GDA0001619115520000062
将步骤5)中优化问题的目标函数用其上界进行替换，并将步骤2)中β1[n]和β2[n]的表达式代入
Figure RE-GDA0001619115520000063
可将原优化问题转化为如下形式，
Figure RE-GDA0001619115520000064
进一步的，所述步骤C包括：
8).将步骤7)中优化问题进行变量代换，等价转化为标准的二次约束二次规划问题，如下所示，
Figure RE-GDA0001619115520000065
Figure RE-GDA0001619115520000066
Figure RE-GDA0001619115520000067
Figure RE-GDA0001619115520000068
其中，s＝[x[1],...,x[N],y[1],...,y[N]]T表示无人机中继的路径变量，
Figure RE-GDA0001619115520000069
Figure RE-GDA00016191155200000610
Figure RE-GDA00016191155200000611
和
Figure RE-GDA00016191155200000612
都为2N×2N阶的方阵，且A，A0，AN和Ai都为N×N阶的方阵，分别具有如下形式，
Figure RE-GDA0001619115520000071
Figure RE-GDA0001619115520000072
其中，Ai的非零元素块位于第i行到第i+1行与第i列到第i+1列位置。
进一步的，所述步骤D包括：
9).利用拉格朗日对偶法，可得到步骤8)中优化问题的解为 s＝-P-1(λ)q(λ)，其中，λ＝[λ0,λ1,...,λN-1,λN]表示拉格朗日乘子向量，
Figure RE-GDA0001619115520000073
λ0对应于步骤8)优化问题的约束条件C1,(λ1,...,λN-1)对应于约束条件C2，λN对应于约束条C3，当且仅当λ满足如下最大化问题时，
Figure RE-GDA0001619115520000074
可得到此时无人机中继节点的路径最优解为s★＝-P-1(λ★)q(λ＊)。
进一步的，所述步骤E包括：
10).利用子梯度法求解步骤9)中最大化问题的拉格朗日乘子向量最优值，具体步骤如下：
10.1).设定无人机中继最大飞行速度值Vmax，信源节点发射功率Ps，无人机节点发射功率Pr，迭代终止精度ε，迭代次数变量m＝0，迭代步长π1＞0和π2＞0，拉格朗日乘子向量初始值
Figure RE-GDA0001619115520000075
10.2).利用有限差分法(finite-difference method)计算变量梯度，并对每个拉格朗日乘子变量进行迭代更新，如下所示，
Figure RE-GDA0001619115520000081
10.3).判断|gn+1(λ)-gn(λ)|≤ε时，终止迭代运算，输出拉格朗日乘子最优值λ＊；若不满足终止条件，返回步骤10.2)继续进行迭代；
11).利用步骤10)中得到的拉格朗日乘子最优值λ＊，计算得出无人机中继节点的最优飞行路径向量s＊＝-P-1(λ★)q(λ★)；
其中，(·)T—表示矩阵的转置运算，
Figure RE-GDA0001619115520000082
表示随机变量X小于某一指定值的η的概率，IN—表示N×N阶单位阵，
Figure RE-GDA0001619115520000083
—表示均值为μ方差为σ2的循环对称复高斯随机分布，|·|—表示实数绝对值运算或复数求模值运算。
同时，本发明还提出了一种全双工无人机移动中继系统，包括一个单天线信源节点、一个单天线目的节点和一个单天线无人机移动中继节点；所述无人机移动中继节点采用全双工的译码转发模式工作，在指定的飞行时长内按照优化的路径进行飞行，并将信源节点的信息转发至目的节点；其中，所述优化的路径采用上述方法得到。
本发明提出了一种基于中断概率最小化的全双工无人机移动中继系统路径优化方法，推导得出了中断概率的解析表达式，并利用一阶泰勒级数展开式获得该中断概率的上界解析表达式，进而将优化问题转化为标准的二次约束二次规划问题。借助于拉格朗日对偶法，求得无人机飞行路径的闭合形式解为关于拉格朗日乘子向量的函数形式。进而，利用成熟且高效的子梯度迭代优化方法求解得到拉格朗日乘子向量最优值，从而，得到了无人机飞行路径的闭合形式最优解，算法复杂度相对较低。经过少量迭代运算即可收敛到最优能效值，算法复杂度相对较低。
附图说明
图1为本发明方法的系统模型；
图2为本发明算法基本流程图；
图3为在不同的单次飞行时长条件下，无人机中继节点的飞行路径对比图；
图4为本专利所提出的飞行路径优化方案与未经优化的飞行路径在中断概率上的性能对比情况；
图5为本专利所提出的迭代算法的收敛轨迹图。
具体实施方式：
结合图2所示的算法流程图对本发明的一种基于中断概率最小化的全双工无人机移动中继系统路径优化方法作具体说明，包括如下步骤：
1).建立三维空间直角坐标系(x,y,z)，z轴坐标表示空间的高度位置信息。信源节点和目的节点分别位于xy平面内的固定位置(0,0,0)和(D,0,0)，无人机中继节点在三维空间中按照一定路径飞行，且具有固定高度H。无人机中继节点单次飞行时间为T，将该时间段分割为N个时隙，每个时隙宽度为δ，即T＝Nδ，且时隙宽度足够小，则无人机的飞行路径可由各时隙其所处的位置点集合所描述，即
Figure RE-GDA0001619115520000091
假设无人机中继采用译码转发模式并工作在全双工制式下，即无人机节点可在同一时间同一频段完成接收信号与发送信号两个操作，无人机节点可完全消除全双工的自干扰影响；整个系统采用窄带传输模式，在一个时隙内信道系数是准静止不变的，且每个时隙内的信道系数相互统计独立；
2).建立以最小化系统总中断概率为目标，以无人机中继节点飞行路径为变量，并考虑无人机最大飞行速度的数学优化模型，如下所示，
Figure RE-GDA0001619115520000101
s.t.C1：(x[1]-x0)2+(y[1]-y0)2≤(δVmax)2
C2：(x[n+1]-x[n])2+(y[n+1]-y[n])2≤(δVmax)2,n＝1,...,N-1
C3：(xF-x[N])2+(yF-y[N])2≤(δVmax)2
其中，n表示时隙索引，
Figure RE-GDA0001619115520000102
表示无人机中继在整个飞行路径上n 个时隙的和断概率之和，，η表示系统设定的接收信噪比门限值，Vmax表示无人机中继的最大飞行速度，(x0,y0,H)和(xF,yF,H)分别表示无人机中继的起始与终止位置，Γr[n]和Γd[n]分别表示第n个时隙内无人机中继节点与目的节点的接收信噪比，如下所示，
Figure RE-GDA0001619115520000103
Figure RE-GDA0001619115520000104
Ps和Pr分别表示信源节点和无人机中继节点的信号发射功率，hsr[n]表示第n 时隙信源节点到无人机节点的信道系数，且服从零均值循环对称复高斯分布
Figure RE-GDA0001619115520000105
Figure RE-GDA0001619115520000106
表示第n时隙信源节点到无人机节点的大尺度衰落系数，
Figure RE-GDA0001619115520000107
表示第n时隙信源节点到无人机节点的距离，β0表示节点间距离为1m时的信道增益参考值，hrd[n]表示第n时隙无人机节点到目的节点的信道系数，且服从零均值循环对称复高斯分布
Figure RE-GDA0001619115520000108
Figure RE-GDA0001619115520000109
表示第n时隙信源节点到无人机节点的大尺度衰落系数，
Figure RE-GDA00016191155200001010
表示第n时隙无人机节点到目的节点的距离，
Figure RE-GDA00016191155200001011
表示在无人机中继节点和目的节点处的加性白噪声功率，
Figure RE-GDA0001619115520000111
表示信源节点发射信噪比，
Figure RE-GDA0001619115520000112
表示无人机中继节点的发射信噪比；
3).利用信道增益模值|hsr[n]|2和|hrd[n]|2的概率密度函数，如下所示，
Figure RE-GDA0001619115520000113
Figure RE-GDA0001619115520000114
得到系统中断概率的闭合表达式，
Figure RE-GDA0001619115520000115
并代入步骤2)中的优化问题目标函数，得到如下所示的优化问题，
Figure RE-GDA0001619115520000116
4).利用函数f(x)＝ex在x＝0处的一阶泰勒级数展开式，可以得到步骤3) 中中断概率闭合表达式的上界，如下所示，
Figure RE-GDA0001619115520000117
5).基于步骤4)中的中断概率上界
Figure RE-GDA0001619115520000118
将步骤3)中优化问题的目标函数用其上界进行替换，并将步骤2)中β1[n]和β2[n]的表达式代入
Figure RE-GDA0001619115520000119
可将原优化问题转化为如下形式，
Figure RE-GDA00016191155200001110
6).将步骤5)中优化问题进行变量代换，等价转化为标准的二次约束二次规划问题，如下所示，
Figure RE-GDA0001619115520000121
Figure RE-GDA0001619115520000122
Figure RE-GDA0001619115520000123
Figure RE-GDA0001619115520000124
其中，s＝[x[1],...,x[N],y[1],...,y[N]]T表示无人机中继的路径变量，
Figure RE-GDA0001619115520000125
Figure RE-GDA0001619115520000126
Figure RE-GDA0001619115520000127
和
Figure RE-GDA0001619115520000128
都为2N×2N阶的方阵，且A，A0，AN和Ai都为N×N阶的方阵，分别具有如下形式，
Figure RE-GDA0001619115520000129
Figure RE-GDA00016191155200001210
Figure RE-GDA00016191155200001211
Figure RE-GDA0001619115520000131
其中，Ai的非零元素块位于第i行到第i+1行与第i列到第i+1列位置；
7).利用拉格朗日对偶法，得到步骤6)中优化问题的解为关于朗格朗日乘子向量的函数形式，如下所示，
s＝-P-1(λ)q(λ)
其中，λ＝[λ0,λ1,...,λN-1,λN]表示拉格朗日乘子向量，
Figure RE-GDA0001619115520000132
λ0对应于步骤6)优化问题的约束条件C1,(λ1,...,λN-1)对应于约束条件C2，λN对应于约束条C3；
8).利用子梯度法求解关于朗格朗日乘子向量的如下最大化问题，
Figure RE-GDA0001619115520000133
得到最优拉格朗日乘子向量值λ＊，具体步骤如下：
8.1).设定无人机中继最大飞行速度值Vmax，信源节点发射功率Ps，无人机节点发射功率Pr，迭代终止精度ε，迭代次数变量m＝0，迭代步长π1＞0和π2＞0，拉格朗日乘子向量初始值
Figure RE-GDA0001619115520000134
8.2).利用有限差分法计算变量梯度，并对每个拉格朗日乘子变量进行迭代更新，如下所示，
Figure RE-GDA0001619115520000135
8.3).判断|gn+1(λ)-gn(λ)|≤ε时，终止迭代运算，输出拉格朗日乘子最优值λ＊；若不满足终止条件，返回步骤8.2)继续进行迭代；
9).利用步骤8)中得到的拉格朗日乘子最优值λ＊，计算得出无人机中继节点的最优飞行路径向量s＊＝-P-1(λ＊)q(λ＊)。
图3给出了不同的单次飞行时长T条件下，当设定接收信噪比门限η＝0,4142、目的节点位置D＝100米、无人机飞行高度H＝10米、无人机起始与终止坐标为(20,500,10)和(80,500,10)、信源节点和无人机中继发射功率 Pr＝Ps＝10dB时，无人机中继节点在空中飞行路径在xy平面上的投影路径。从图中可以看到，当设定的单次飞行时间越长，无人机中继飞行路径越贴近于信源与目的节点，从而保证系统的中断概率性能。
图4给出了单次飞行时长T＝120秒条件下，未经设定的直线飞行路径与本专利优化得到的飞行路径所对应的系统中断概率性能。从图中可以看出，本专利所提出的飞行路径可以获得较好的中断概率性能。
图5给出了本专利中迭代优化算法的收敛速度与收敛轨迹。从图中可以看出，经过大约12次迭代即可收敛到最优值，收敛过程较快。

Claims (6)

1.一种全双工无人机移动中继系统的路径优化方法，包括步骤：
A.利用信道增益模值的指数分布概率密度函数特征，计算出中断概率函数的解析表达式，建立以系统总中断概率为目标，以无人机中继飞行路径为变量，并考虑无人机最大飞行速度约束条件的优化模型；具体包括：
S1.建立三维空间直角坐标系(x,y,z)，z轴坐标表示空间的高度位置信息，信源节点和目的节点分别位于xy平面内的固定位置(0,0,0)和(D,0,0)，无人机中继节点在三维空间中按照一定路径飞行，且具有固定高度H，无人机中继节点单次飞行时间为T，将该时间段分割为N个时隙，每个时隙宽度为δ，即T＝Nδ，且时隙宽度足够小，则无人机的飞行路径可由各时隙其所处的位置点集合来描述，即
Figure FDA0002436092690000011
无人机中继采用译码转发模式并工作在全双工制式下，即无人机节点可在同一时间同一频段完成接收信号与发送信号两个操作，无人机节点可完全消除全双工的自干扰影响；整个系统采用窄带传输模式，在一个时隙内信道系数是准静止不变的，且每个时隙内的信道系数相互统计独立；
S2.在第n个时隙，信源节点向无人机中继发送信号c[n]，在无人机中继节点第n个时隙接收到的信号yr[n]可以表示为yr[n]＝hsr[n]c[n]+zr[n]，其中，发送信号c[n]的平均功率为
Figure FDA0002436092690000012
hsr[n]表示第n时隙信源节点到无人机节点的信道系数，且服从零均值循环对称复高斯分布
Figure FDA0002436092690000013
其中，|·|表示实数绝对值运算或复数求模值运算，
Figure FDA0002436092690000014
表示均值为μ方差为σ2的循环对称复高斯随机分布，
Figure FDA0002436092690000015
表示第n时隙信源节点到无人机节点的大尺度衰落系数，
Figure FDA0002436092690000016
表示第n时隙信源节点到无人机节点的距离，β0表示节点间距离为1m时的信道增益参考值，zr[n]表示第n时隙在无人机中继节点处的加性白噪声，且满足零均值循环对称复高斯分布
Figure FDA0002436092690000021
在无人机节点接收yr[n]的同时，将前面时隙解码得到的转发信号r[n]发送至目的节点，则第n时隙目的节点收到的信号yd[n]表示为yd[n]＝hrd[n]r[n]+zd[n]，其中，转发信号r[n]的平均功率为
Figure FDA0002436092690000022
hrd[n]表示第n时隙无人机节点到目的节点的信道系数，且服从零均值循环对称复高斯分布
Figure FDA0002436092690000023
表示第n时隙无人机节点到目的机节点的大尺度衰落系数，
Figure FDA0002436092690000024
表示第n时隙无人机节点到目的节点的距离，zd[n]表示第n时隙在目的节点处的加性白噪声，且满足零均值循环对称复高斯分布
Figure FDA0002436092690000025
S3.基于S2中无人机节点与目的节点的接收信号，得到第n个时隙内，无人机中继节点的接收信噪比Γr[n]和目的节点的接收信噪比Γd[n]分别为
Figure FDA0002436092690000026
和
Figure FDA0002436092690000027
其中，
Figure FDA0002436092690000028
表示信源节点的发射信噪比，
Figure FDA0002436092690000029
表示无人机中继节点的发射信噪比；
S4.基于S3中无人机节点和目的节点的接收信噪比，可以得到整个无人机移动中继系统的中断概率为
Figure FDA00024360926900000210
其中，
Figure FDA00024360926900000211
表示随机变量X小于某一指定值η的概率，η表示系统设定的接收信噪比门限值；利用|hsr[n]|2和|hrd[n]|2的概率密度函数
Figure FDA00024360926900000212
和
Figure FDA00024360926900000213
得到系统中断概率的闭合表达式为，
Figure FDA00024360926900000214
S5.基于S4中系统中断概率闭合表达式，建立以最小化系统总中断概率为目标，以无人机中继节点飞行路径为变量，并考虑无人机最大飞行速度的数学优化模型为
Figure FDA0002436092690000031
s.t.C1：(x[1]-x0)2+(y[1]-y0)2≤(δVmax)2
C2：(x[n+1]-x[n])2+(y[n+1]-y[n])2≤(δVmax)2,n＝1,...,N-1
C3：(xF-x[N])2+(yF-y[N])2≤(δVmax)2
其中，
Figure FDA0002436092690000032
表示在无人机整个飞行路径上n个时隙的和中断概率，Vmax表示无人机中继的最大飞行速度，(x0,y0,H)表示无人机中继的起始位置，(xF,yF,H)表示无人机中继的终止位置；
B.将所述中断概率函数的解析表达式的一阶泰勒级数在x＝0处展开，得到中断概率的上界表达式，替换所述优化模型的目标函数；
C.将优化问题等价转换为标准的二次约束二次规划问题；
D.用拉格朗日对偶法，求出无人机飞行路径的解为关于拉格朗日乘子向量的函数形式；
E.利用子梯度法，求解所述关于拉格朗日乘子向量的最大化问题，得到拉格朗日乘子的最优值，代入关于拉格朗日乘子向量的函数，得到最优的无人机路径解，随后无人机按照预定路线飞行。
2.如权利要求1所述的全双工无人机移动中继系统的路径优化方法，其特征在于，所述步骤B包括：
S6.利用函数f(x)＝ex在x＝0处的一阶泰勒级数展开式，可以得到S4中中断概率闭合表达式的上界为
Figure FDA0002436092690000033
S7.基于S6中的中断概率上界
Figure FDA0002436092690000041
将步骤S5中优化问题的目标函数用其上界进行替换，并将步骤S2中β1[n]和β2[n]的表达式代入
Figure FDA0002436092690000042
可将原优化问题转化为
Figure 807797DEST_PATH_IMAGE002
s.t.C1,C2,C3 。
3.如权利要求2所述的全双工无人机移动中继系统的路径优化方法，其特征在于，所述步骤C包括：
S8.将S7中优化问题进行变量代换，等价转化为标准的二次约束二次规划问题为
Figure FDA0002436092690000044
s.t.C1：
Figure FDA0002436092690000045
C2：
Figure FDA0002436092690000046
C3：
Figure FDA0002436092690000047
其中，(·)T表示矩阵的转置运算，s＝[x[1],...,x[N],y[1],...,y[N]]T表示无人机中继的路径变量，
Figure FDA0002436092690000048
ri＝-(δVmax)2(i＝1,...,N-1)，
Figure FDA0002436092690000049
Figure FDA00024360926900000410
和
Figure FDA00024360926900000411
都为2N×2N阶的方阵，且A，A0，AN和Ai都为N×N阶的方阵，分别为
Figure FDA0002436092690000051
其中，IN—表示N×N阶单位阵，Ai的非零元素块位于第i行到第i+1行与第i列到第i+1列位置。
4.如权利要求3所述的全双工无人机移动中继系统的路径优化方法，其特征在于，所述步骤D包括：
S9.利用拉格朗日对偶法，得到S8中优化问题的解为s＝-P-1(λ)q(λ)，其中，λ＝[λ0,λ1,...,λN-1,λN]表示拉格朗日乘子向量，
Figure FDA0002436092690000052
Figure FDA0002436092690000053
λ0对应于步骤S8优化问题的约束条件C1,(λ1,…,λN-1)对应于约束条件C2，λN对应于约束条C3，当且仅当λ满足如下最大化问题时，
Figure FDA0002436092690000054
可得到此时无人机中继节点的路径最优解为
Figure FDA0002436092690000055
5.如权利要求4所述的全双工无人机移动中继系统的路径优化方法，其特征在于，所述步骤E包括：
S10.利用子梯度法求解S9中最大化问题的拉格朗日乘子向量最优值，具体包括：
S101.设定无人机中继最大飞行速度值Vmax，信源节点发射功率Ps，无人机节点发射功率Pr，迭代终止精度ε，迭代次数变量m＝0，迭代步长π1＞0和π2＞0，拉格朗日乘子向量初始值λ(1)≥0；
S102.利用有限差分法计算变量梯度，并对每个拉格朗日乘子变量进行迭代更新，如下所示，
Figure FDA0002436092690000061
S103.判断|gn+1(λ)-gn(λ)|≤ε时，终止迭代运算，输出拉格朗日乘子最优值
Figure FDA0002436092690000062
若不满足终止条件，返回S102继续进行迭代；
S11.利用步骤S10中得到的拉格朗日乘子最优值
Figure FDA0002436092690000063
计算得出无人机中继节点的最优飞行路径向量
Figure DEST_PATH_IMAGE002
。
6.一种全双工无人机移动中继系统，包括一个单天线信源节点、一个单天线目的节点和一个单天线无人机移动中继节点；所述无人机移动中继节点采用全双工的译码转发模式工作，在指定的飞行时长内按照优化的路径进行飞行，并将信源节点的信息转发至目的节点；其特征在于，所述优化的路径采用如权利要求1～5所述方法得到。
CN201810083086.7A 2018-01-29 2018-01-29 全双工无人机移动中继系统及其路径优化方法 Active CN108337034B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810083086.7A CN108337034B (zh) 2018-01-29 2018-01-29 全双工无人机移动中继系统及其路径优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810083086.7A CN108337034B (zh) 2018-01-29 2018-01-29 全双工无人机移动中继系统及其路径优化方法

Publications (2)

Publication Number Publication Date
CN108337034A CN108337034A (zh) 2018-07-27
CN108337034B true CN108337034B (zh) 2020-06-09

Family

ID=62926733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810083086.7A Active CN108337034B (zh) 2018-01-29 2018-01-29 全双工无人机移动中继系统及其路径优化方法

Country Status (1)

Country Link
CN (1) CN108337034B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151718A (zh) * 2018-09-17 2019-01-04 南昌大学 基于物理层安全的无人机能效最大化资源分配方法
CN109991998B (zh) * 2018-12-06 2020-08-18 华南理工大学 一种基于接收信号强度的无人机中继航迹优化方法
CN109861785A (zh) * 2018-12-11 2019-06-07 广东工业大学 一种基于物理层安全的无人机协作通信的方法及装置
CN109922137B (zh) * 2019-01-28 2021-06-25 中国人民解放军国防科技大学 无人机协助的计算迁移方法
CN110753367B (zh) * 2019-09-30 2021-07-16 青岛科技大学 移动通信系统的安全性能预测方法
CN111263419B (zh) * 2020-01-17 2021-12-28 西安交通大学 基于无人机的应急场景下立体异构网络的动态路由方法
CN111953397B (zh) * 2020-05-20 2021-09-17 南京航空航天大学 一种面向自由信道的全双工无人机中继通信方法
CN111479226B (zh) * 2020-05-22 2022-03-11 南京邮电大学 无人机通信系统及基于用户轨迹的无人机通信优化方法
CN111682895B (zh) * 2020-06-23 2022-03-08 南京邮电大学 一种基于缓存的无人机中继辅助车联网传输优化方法
CN111813167B (zh) * 2020-07-22 2021-04-20 南通大学 一种飞行速度和轨迹的联合优化方法及系统
CN112491458B (zh) * 2020-11-12 2023-02-21 南通大学 一种变加速无人机移动中继的通信方法
CN112363539B (zh) * 2020-11-18 2021-09-21 中国海洋大学 多无人机协同目标搜索方法
CN112910540B (zh) * 2021-01-19 2023-02-17 南通大学 一种全双工无人机中继系统联合优化方法及系统
CN113179116B (zh) * 2021-04-20 2023-02-10 南通大学 无人机中继系统的发射功率及飞行轨迹的联合优化方法
CN113157001B (zh) * 2021-05-25 2022-06-03 北京航空航天大学 一种基于二阶锥优化的无人机路径规划方法
CN114080014B (zh) * 2022-01-19 2022-05-24 珠海大横琴科技发展有限公司 一种基于功率控制的通信方法及装置、服务器和存储介质
CN115167506A (zh) * 2022-06-27 2022-10-11 华南师范大学 无人机飞行航线更新规划的方法、装置、设备及存储介质
CN115347939B (zh) * 2022-08-15 2024-04-19 南通大学 一种全自由度全双工放大转发无人机中继系统的优化方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101355409A (zh) * 2008-09-04 2009-01-28 北京邮电大学 结合位置信息的伙伴选择与协作传输的实现方法
CN101394253A (zh) * 2008-10-21 2009-03-25 西安电子科技大学 编码协作通信中降低中断率的功率优化分配方法
US8423857B2 (en) * 2010-05-27 2013-04-16 Acer Incorporated Method for end-to-end hybrid automatic repeat request and system thereof
CN103702424A (zh) * 2013-12-13 2014-04-02 北京交通大学 一种高速车载环境下的动态中继选择方法
CN104714552A (zh) * 2015-03-11 2015-06-17 郑州航空工业管理学院 基于手机实时监控的四旋翼飞行器
CN106100787A (zh) * 2016-05-31 2016-11-09 上海第二工业大学 同时根据信源与信道变化调整参数的无线数据传输方法
CN106255216A (zh) * 2016-09-18 2016-12-21 南通大学 一种基于车联网的协作网络编码系统功率分配方法及系统
CN106357313A (zh) * 2016-10-14 2017-01-25 哈尔滨工业大学深圳研究生院 面向无人机通信的mimo 中继信道中断概率计算方法
CN107094044A (zh) * 2017-03-30 2017-08-25 中国民航大学 一种空时分组编码的无人机中继通信航迹规划方法
CN107093203A (zh) * 2010-06-30 2017-08-25 巴里·林恩·詹金斯 图形信息的基于导航的预取发送或接收的控制方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101355409A (zh) * 2008-09-04 2009-01-28 北京邮电大学 结合位置信息的伙伴选择与协作传输的实现方法
CN101394253A (zh) * 2008-10-21 2009-03-25 西安电子科技大学 编码协作通信中降低中断率的功率优化分配方法
US8423857B2 (en) * 2010-05-27 2013-04-16 Acer Incorporated Method for end-to-end hybrid automatic repeat request and system thereof
CN107093203A (zh) * 2010-06-30 2017-08-25 巴里·林恩·詹金斯 图形信息的基于导航的预取发送或接收的控制方法和系统
CN103702424A (zh) * 2013-12-13 2014-04-02 北京交通大学 一种高速车载环境下的动态中继选择方法
CN104714552A (zh) * 2015-03-11 2015-06-17 郑州航空工业管理学院 基于手机实时监控的四旋翼飞行器
CN106100787A (zh) * 2016-05-31 2016-11-09 上海第二工业大学 同时根据信源与信道变化调整参数的无线数据传输方法
CN106255216A (zh) * 2016-09-18 2016-12-21 南通大学 一种基于车联网的协作网络编码系统功率分配方法及系统
CN106357313A (zh) * 2016-10-14 2017-01-25 哈尔滨工业大学深圳研究生院 面向无人机通信的mimo 中继信道中断概率计算方法
CN107094044A (zh) * 2017-03-30 2017-08-25 中国民航大学 一种空时分组编码的无人机中继通信航迹规划方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Cooperative Diversity in Wireless Networks:;J. Nicholas Laneman;《IEEE TRANSACTIONS ON INFORMATION THEORY》;20041231;全文 *
Full-Duplex Wireless Communications Using;Melissa Duarte;《2010 Conference Record of the Forty Fourth Asilomar Conference in Signals,Systems and Computers》;20110429;全文 *
Optimal Duplex Mode for DF Relay;Taehoon Kwon;《IEEE TRANSACTIONS ON CEHICULAR TECHNOLOGY》;20100930;全文 *
Relay Location Optimization for Full-Duplex;Bo Yu;《2013 IEEE Optimization for Full-duplex Decode-and-Forward Relaying》;20110429;全文 *
基于安全中断概率的D2D安全接入策略;陈亚军;《通信学报》;20160831;第37卷(第8期);全文 *
无人机协同中继过程中的路径规划与通信优化;符小卫等;《系统工程与电子技术》;20140531;第36卷(第5期);全文 *
非对称衰落信道下无人机中继传输方案及;欧阳键;《航空学报》;20130125;第34卷(第1期);全文 *

Also Published As

Publication number Publication date
CN108337034A (zh) 2018-07-27

Similar Documents

Publication Publication Date Title
CN108337034B (zh) 全双工无人机移动中继系统及其路径优化方法
Gong et al. Flight time minimization of UAV for data collection over wireless sensor networks
You et al. 3D trajectory optimization in Rician fading for UAV-enabled data harvesting
Wei et al. UAV-assisted data collection for internet of things: A survey
Mei et al. 3D-trajectory and phase-shift design for RIS-assisted UAV systems using deep reinforcement learning
Xu et al. Big data on the fly: UAV-mounted mobile edge computing for disaster management
CN110543185A (zh) 一种基于最小化信息年龄的无人机数据收集方法
CN109885088B (zh) 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法
Zhai et al. Energy-efficient UAV-mounted RIS assisted mobile edge computing
Zhu et al. Joint UAV access and GEO satellite backhaul in IoRT networks: Performance analysis and optimization
Chen et al. A millimeter wave-based sensor data broadcasting scheme for vehicular communications
Zhang et al. UAV-aided data dissemination protocol with dynamic trajectory scheduling in VANETs
Zhang et al. Power control and trajectory planning based interference management for UAV-assisted wireless sensor networks
US20220191715A1 (en) Operation Of Sectorized Communications From Aerospace Platforms Using Reinforcement Learning
CN114980169A (zh) 一种基于轨迹与相位联合优化的无人机辅助地面通信方法
Vaigandla et al. Investigation on unmanned aerial vehicle (uav): An overview
Chenxiao et al. Energy-efficiency maximization for fixed-wing UAV-enabled relay network with circular trajectory
Shi et al. Age of information optimization with heterogeneous uavs based on deep reinforcement learning
Chen et al. A QoS-aware underwater optimization framework for inter-vehicle communication using acoustic directional transducers
Aboueleneen et al. Deep reinforcement learning for internet of drones networks: issues and research directions
CN113727278B (zh) 一种路径规划方法、接入网设备及飞行控制设备
WO2017096539A1 (zh) 一种多移动中继最佳通信位置的搜寻方法及搜寻系统
He et al. Reliable auxiliary communication of UAV via relay cache optimization
Chen et al. QUO VADIS: QoS-aware underwater optimization framework for inter-vehicle communication using acoustic directional transducers
Yang et al. Delay performance of priority-queue equipped UAV-based mobile relay networks: Exploring the impact of trajectories

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