CN108419286B - 一种面对5g无人机通信联合波束与功率的分配方法 - Google Patents

一种面对5g无人机通信联合波束与功率的分配方法 Download PDF

Info

Publication number
CN108419286B
CN108419286B CN201810046874.9A CN201810046874A CN108419286B CN 108419286 B CN108419286 B CN 108419286B CN 201810046874 A CN201810046874 A CN 201810046874A CN 108419286 B CN108419286 B CN 108419286B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
power
drone
allocated
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
CN201810046874.9A
Other languages
English (en)
Other versions
CN108419286A (zh
Inventor
张奇勋
冯志勇
郑婷婷
张轶凡
尉志青
黄赛
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201810046874.9A priority Critical patent/CN108419286B/zh
Publication of CN108419286A publication Critical patent/CN108419286A/zh
Application granted granted Critical
Publication of CN108419286B publication Critical patent/CN108419286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
    • H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/38—TPC being performed in particular situations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • 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]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Abstract

本发明是一种面对5G无人机通信联合波束与功率的分配算法，属于通信领域。首先构建无人机通信架构，毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的SINR，并分别计算各自分配的链路容量；然后结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；最后求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配。本发明减少了迭代次数，达到快速波束和功率联合分配，既保证了无人机公平性又使得系统容量得到提升。

Description

一种面对5G无人机通信联合波束与功率的分配方法
技术领域
本发明属于通信领域，具体是一种面对5G无人机通信联合波束与功率的分配方法。
背景技术
无人机作为移动通信设备具有体积小，可视通信面积大，移动性强等优点，能承担一定强度的业务，满足一定特殊区域(如地震、洪水等紧急情况)和特殊场景(重大体育赛事转播)的通信需求，因此被大量的应用在第五代移动通信5G场景中。
目前针对无人机的研究主要集中在飞行控制以及图像防抖采集方面，对于无人机通信方面的研究，有相关文献定义了无人机的通信频段：基于802.11的WIFI通信制式以及LTE通信频段；导致研究场景主要局限于WIFI频段和LTE频段通信，对于无人机组网以及高频段通信的研究较为薄弱，并不能承载高速率高吞吐量等业务场景的需求，并且无法满足功率的高效利用。对于无人机通信资源和信道建模等方面也没有进行相关的研究，导致现有的无人机处于低速率不稳定的通信链路状态。
对于现有的无人机组网以及信道容量研究，存在以下两个方面的技术提升空间。第一，目前对无人机机群通信频段的研究主要是基于802.11WIFI和LTE频段，计算信道容量主要依据业务的请求作为基站的无人机的通信频率。第二，对于无人机机群通信中的波束干扰没有进行有效的数学建模，导致信道容量计算时忽略了波束干扰这一因素带来的影响。
随着第五代移动通信技术的发展，毫米波频段成为5G通信新空口(New Radio)，其大带宽高频点高吞吐量等特性为提供高速率的业务(全息投影，虚拟现实)带来新的提升。与此同时，毫米波具有视距传输的特性，抗阻挡能力弱，路径损耗较大，因此适用于视距传输的无人机间通信。
发明内容
本发明基于毫米波频段的无人机机群组间通信基础上，通过动态合理的联合分配波束与功率，在无人机波束干扰以及发射功率限制下，提升无人机机群系统的容量和吞吐量；提出了一种面对5G无人机通信联合波束与功率的分配方法。
具体步骤如下：
步骤一、构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构；
毫米波基站选用大型无人机，携带Ns(Ns＜K)根RF射频链，每根射频链携带Nt根天线，基站无人机具有波束赋形形成多波束的能力，直接指向物理空间上垂直分布的K个小型无人机机群组；K个小型无人机机群组在覆盖范围内形成三维立体均匀分布，机群组中的每个小型无人机均携带单根天线。
K个小型无人机机群组集合为：{1,2,...k,...K}；针对第k个无人机群组中的所有小型无人机集合为：{1,2,...i,...Uk}。
步骤二、毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的SINR；
针对第k个无人机群中第i个无人机的信噪比，计算公式如下：
Figure GDA0002355188490000021
Figure GDA0002355188490000022
是波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率；
Figure GDA0002355188490000023
是波束b被分配给第k个无人机群组中第i个小型无人机的信道增益；n是高斯白噪声；b∈B；B是基站无人机当前的多波束最大数量，且每一个波束服务一个小型无人机。
步骤三、利用每个小型无人机的SINR，分别计算各自分配的链路容量；
针对第k个无人机群中第i个无人机分配的链路容量，计算公式如下：
Figure GDA0002355188490000024
步骤四、结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；
目标函数表示K个无人机机群组的总容量；如下：
Figure GDA0002355188490000025
约束条件如下：
Figure GDA0002355188490000026
Figure GDA0002355188490000027
Figure GDA0002355188490000028
Figure GDA0002355188490000029
Uk是第k个无人机群中的所有无人机总数；
Figure GDA00023551884900000210
表示该波束是否分给了第k个无人机群中第i个无人机；
Figure GDA00023551884900000211
当
Figure GDA00023551884900000212
值为1时，表示该波束分给了第k个无人机群中第i个无人机。当
Figure GDA00023551884900000213
值为0时，表示该波束没有分给第k个无人机群中第i个无人机。
C1表示每个波束被分配给无人机群组中某无人机时，波束被分配的功率为正数；
C2表示某个无人机群组中所有无人机被分配的波束功率之和不超过功率上限Pmax；
C3表示每个波束
Figure GDA0002355188490000031
只能有两种选择，要么分配给一个无人机，要么没有。
C4表示每个波束只能服务于一个小型无人机。
步骤五、遵循启发式二分迭代法求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配。
具体步骤如下：
步骤501、采用拉格朗日乘子法对目标函数和约束条件进行计算，得到：
Figure GDA0002355188490000032
Figure GDA0002355188490000033
Figure GDA0002355188490000034
表示波束分配功率向量集合；
Figure GDA0002355188490000035
表示波束分配向量集合；λ和μ是拉格朗日乘子；μb是拉格朗日乘子的实例化值。
步骤502、对目标函数的结果采用KKT条件分解，得到分配给每个无人机的波束；
波束分配标准为：
当满足
Figure GDA0002355188490000036
时，
Figure GDA0002355188490000037
值为0，表明波束b没有分配给无人机i；
否则，当满足
Figure GDA0002355188490000038
时，
Figure GDA0002355188490000039
值为1，表明波束b分配给无人机i；
针对第k个无人机群中第i*个无人机，当满足：
Figure GDA00023551884900000310
将波束b分配给无人机i*，则目标函数
Figure GDA00023551884900000311
能达到最大值，无人机i*也就是在波束干扰下有着最大SINR值的无人机；
同时被分配的无人机波束变量
Figure GDA00023551884900000312
标为1，
Figure GDA00023551884900000313
步骤503、在每个无人机分配了对应的波束后，依据功率注水分配法计算每个波束的功率；
针对波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率
Figure GDA00023551884900000314
计算如下：
Figure GDA00023551884900000315
δb是比例干扰因子，其值与B2U波束b对其他B2U波束m的干扰大小成正比。
Figure GDA00023551884900000316
是干扰波束m被分配给第k个无人机群组中第j个无人机的信道增益；θ(j,m)表示中第j个无人机和干扰波束m间的方向夹角。
IIntra→i表示同一无人机群组内其他波束对无人机i造成的干扰；
Figure GDA0002355188490000041
步骤504、对所有无人机的波束分配向量集合以及波束分配功率向量集合进行更新，直至无人机波束间干扰比例因子δb不再随迭代次数的增加而改变，达到固定值更新结束；
干扰比例因子δb固定后，波束b被分配的功率
Figure GDA0002355188490000042
随之固定，当所有的波束被分配的功率全部固定后，此时系统容量最大。
本发明的优点在于：
1)一种面对5G无人机通信联合波束与功率的分配方法，减少迭代次数，达到快速波束和功率联合分配，提升无人机机群系统容量。
2)一种面对5G无人机通信联合波束与功率的分配方法，基于混合波束赋形架构，与现有技术相比，关注到了无人机高速移动以及高吞吐量业务的要求，引入了波束间的干扰对无人机通信链路的影响，联合进行波束与功率的分配，既保证了无人机公平性又使得系统容量得到提升。
附图说明
图1为本发明构建的两层无人机通信架构示意图；
图2为本发明无人机通信架构中毫米波基站和无人机机群组之间天线架构的示意图；
图3为本发明面对5G无人机通信联合波束与功率的分配方法专利总流程图；
图4为本发明在毫米波频段对小型无人机群组进行波束和波束功率的资源分配流程图。
具体实施方式
下面结合附图对本发明的具体实施方法进行详细说明。
本发明为了提升无人机群组间系统容量，构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构，对无人机在毫米波频段通信进行建模，考虑视距和非视距下无人机毫米波通信的路径损耗以及无人机移动轨迹建模。分析无人机的机群密度、机群移动速度以及飞机接收天线方向角等对信道质量的影响。基站无人机遵循提出的启发式二分迭代法在毫米波频段，联合分配第五代通信(5G)无人机间通信的波束和功率，降低了无人机间波束的干扰，提高功率效率，保证无人机在低速率(相对基站无人机)情况下，系统容量最大化。
如图3所示，具体步骤如下：
步骤一、构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构；
如图1所示，一个大型无人机做基站(Base Station)，具备毫米波基站的功能以及较高的续航能力，在其覆盖范围内，为K个小型无人机形成的群组提供功率和波束的联合动态分配。
如图2所示，承担基站的大型无人机携带Ns(Ns＜K)根RF射频链，每根射频链携带Nt根天线，基站无人机具有波束赋形形成多波束的能力，用于直接指向小型无人机，因此具有同时服务多个小型无人机通信的能力；每个小型无人机携带单根天线。
K个小型无人机机群组在物理空间上垂直分布在毫米波基站下方，在一定的空间范围内形成三维立体均匀分布，其群组相对基站无人机保持相对静止，内部以一定速率运动。当小型无人机地理空间上形成一定的群落后(假设群落与群落间隔大于200m，则视为该无人机群自动分组)，大型无人机进行波束分配时，即可避免无人机群组间波束干扰。
K个小型无人机机群组集合为：{1,2,...k,...K}；针对第k个无人机群组中的所有小型无人机集合为：{1,2,...i,...Uk}。
本实施例中无人机通信群组的通信频点在28GHz左右，即第五代移动通信的新频点毫米波空口。每个小型无人机与BS-UAV通信的传输功率分配是不一样的。假设当前的B2U波束的最大数量是B并且每一个B2U的波束服务一个小型无人机。
进一步地，假设BS-UAV与小型无人机群间是视距(LOS)传输。其中如果两个波束的方向角过于接近，小于某一个最小值(Δθi,j≤ε)则会造成波束间的干扰。同时由于小型无人机在空间是立体均匀分布，可会造成某些无人机被遮挡，而无法接受到毫米波波束。
由于无人机飞行于空中，因此毫米波通信多为视距传输，下式是毫米波视距通信路径损耗公式：
PL26GHz(LOS)[dB](d)＝αdB+21log(d)+χσ[α＝61.4σ＝3.6dB]
步骤二、毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的SINR；
BS-UAV与小型无人机间的信道增益表征为：
Figure GDA0002355188490000051
θi,b表示BS-UAV间的方向夹角。本发明中假设BS-UAV能够精准的对准所需通信的小型无人机，即θi,b＝0，因此本发明仅考虑BS-UAV与其他无人机间通信的波束带来的干扰。毫米波信道增益表示如下：
Figure GDA0002355188490000052
其中
Figure GDA0002355188490000053
表示毫米波路径损耗，
Figure GDA0002355188490000054
表示本发明中考虑的天线增益。
为了提升无人机群组间系统容量并且使之尽可能的提高功率效率，本发明采用一个方向性的传输技术，如自适应波束赋形。自适应波束赋形是指对于目标用户形成一个方向性的波束用来提供接收端的信号功率。容量可以得到进一步的提升通过采用针对不同位置无人机形成多方向波束的机制。
进一步推导天线增益；小型无人机接收信号可表示为：
Figure GDA0002355188490000055
其中，
Figure GDA0002355188490000056
是第k个无人机群组中第i个无人机被分配波束b的功率，W是接收端接受天线相应矩阵，H为信道矩阵，F表示发送端天线波束赋型矩阵。其中假设大型无人机携带线性均匀分布天线(ULA)，所以其波束赋型矩阵表征如下：
Figure GDA0002355188490000061
接收天线响应矩阵：
Figure GDA0002355188490000062
信道矩阵H表示如下，假设每个小型无人机与BS-UAV通信的传输路径仅为一条：
Figure GDA0002355188490000063
Figure GDA0002355188490000064
Figure GDA0002355188490000065
天线增益计算如下：G＝|z*Hf|2
Figure GDA0002355188490000066
其中，d表示天线间间隔，λ表示毫米波波长。
在本发明中，基于自适应波束赋形，无人机间波束的干扰和阻挡将会降低系统容量，
针对第k个无人机群中第i个无人机的信噪比，计算公式如下：
Figure GDA0002355188490000067
n是高斯白噪声；b∈B；
步骤三、利用每个小型无人机的SINR，分别计算各自分配的链路容量；
针对第k个无人机群中第i个无人机分配的链路容量，计算公式如下：
Figure GDA0002355188490000068
步骤四、结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；
链路容量受波束间的信干燥比(SINR)的影响，为了提升系统容量，设定K个无人机机群组的总容量为目标函数，如下：
Figure GDA0002355188490000069
约束条件如下：
Figure GDA0002355188490000071
Figure GDA0002355188490000072
Figure GDA0002355188490000073
Figure GDA0002355188490000074
Uk是第k个无人机群中的所有无人机总数；
Figure GDA0002355188490000075
表示该波束是否分给了第k个无人机群中第i个无人机；
Figure GDA0002355188490000076
当
Figure GDA0002355188490000077
值为1时，表示该波束分给了第k个无人机群中第i个无人机。当
Figure GDA0002355188490000078
值为0时，表示该波束没有分给第k个无人机群中第i个无人机。
C1表示每个波束被分配给无人机群组中某无人机时，波束被分配的功率为正数；
C2表示某个无人机群组中所有无人机被分配的波束功率之和不超过功率上限Pmax；
C3表示每个波束
Figure GDA0002355188490000079
只能有两种选择，要么分配给一个无人机，要么没有。
C4表示每个波束只能服务于一个小型无人机。
其中，令
Figure GDA00023551884900000710
步骤五、遵循启发式二分迭代法求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配。
本发明要解决的是如何进行波束以及波束功率的分配达到目标函数最大，波束b可以任意分配给无人机ki，当波束b被分配给无人机ki时，波束b的被分配的功率为
Figure GDA00023551884900000711
如何将波束分配给K个机群中的众多小型无人机，以及如何配置每一个波束的功率就是重点。
如图4所示，具体步骤如下：
步骤501、采用拉格朗日乘子法对目标函数和约束条件进行计算，得到：
Figure GDA00023551884900000712
Figure GDA00023551884900000713
表示波束分配功率向量集合；
Figure GDA00023551884900000715
表示波束分配向量集合；λ和μ是非负的拉格朗日乘子；
Figure GDA00023551884900000716
μb是拉格朗日乘子的实例化值。
步骤502、对目标函数的结果采用KKT条件分解，得到分配给每个无人机的波束；
满足目标函数的最优解是符合KKT(Karush-Kuhn-Tucker)条件的；即满足如下：
Figure GDA0002355188490000081
Figure GDA0002355188490000082
Figure GDA0002355188490000083
Figure GDA0002355188490000084
由KKT分解可知，如果B2U的波束b没有分配给无人机i，那么会有下面的不等式：
Figure GDA0002355188490000085
否则，如果B2U波束b分配给了无人机i，那么会满足等式：
Figure GDA0002355188490000086
假设B2U波束b应该被分配给使得无人机机群系统容量
Figure GDA0002355188490000087
最大的无人机i*，那么该无人机i*应该满足：
Figure GDA0002355188490000088
无人机i*也就是在波束干扰下有着最大SINR值的无人机；
同时被分配的无人机波束变量
Figure GDA0002355188490000089
标为1，
Figure GDA00023551884900000810
步骤503、在每个无人机分配了对应的波束后，依据功率注水分配法计算每个波束的功率；
由KKT分解可知，B2U波束b如果没有分配给无人机i，那么波束b的传输功率也不需被分配
Figure GDA00023551884900000811
下面的不等式也会成立：
Figure GDA00023551884900000812
如果B2U波束b分配给了无人机i
Figure GDA00023551884900000813
波束b相应的会分配功率，并且满足下式：
Figure GDA00023551884900000814
将
Figure GDA00023551884900000815
代入KKT条件进行求解，则得出最佳的波束分配公式：
Figure GDA00023551884900000816
其中：IIntra→i表示同一无人机群组内其他波束对无人机i造成的干扰；
Figure GDA00023551884900000817
δb是比例干扰因子，其值与B2U波束b对其他B2U波束m的干扰大小成正比。
Figure GDA00023551884900000818
是干扰波束m被分配给第k个无人机群组中第j个无人机的信道增益；θ(j,m)表示中第j个无人机和干扰波束m间的方向夹角。
其中波束功率的求解是依据功率注水分配法，针对波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率
Figure GDA0002355188490000091
进一步改写为：
Figure GDA0002355188490000092
步骤504、对所有无人机的波束分配向量集合以及波束分配功率向量集合进行更新，直至无人机波束间干扰比例因子δb不再随迭代次数的增加而改变，达到固定值更新结束；
迭代的过程分为三个步骤：在第一个步骤中，基站无人机形成的功率分配向量集合
Figure GDA0002355188490000093
根据功率注水原则(IWF)进行更新迭代。一旦功率分配向量集合
Figure GDA0002355188490000094
被更新了，无人机机群的容量CUAV也会被更新。第二步，基于已更新的功率分配向量集合
Figure GDA0002355188490000095
基站无人机的波束分配向量集合
Figure GDA0002355188490000096
也会进行更新。两个步骤不停的迭代，直到功率分配向量集合
Figure GDA0002355188490000097
以及波束分配向量集合
Figure GDA0002355188490000098
收敛到一个固定值。利用收敛得到的固定值来更新无人机波束间干扰比例因子向量δ的计算。迭代过程一直执行，直到比例干扰因子向量δ收敛。
干扰比例因子δb固定后，波束b被分配的功率
Figure GDA0002355188490000099
随之固定，当所有的波束被分配的功率全部固定后，此时系统容量最大。
本发明把波束分配给具有最大SINR值的无人机，即可满足最佳波束分配的要求。而最佳波束功率分配是采用注水原则进行求解的。我们假设此时向量
Figure GDA00023551884900000910
是目标函数的最优解，那么，对于一个给定的功率分配向量集合
Figure GDA00023551884900000911
波束分配向量集合
Figure GDA00023551884900000912
分配给无人机应该满足公式
Figure GDA00023551884900000913
同样的，如果功率分配向量集合
Figure GDA00023551884900000914
对波束分配向量集合
Figure GDA00023551884900000915
而言也一定要是最优的，那么波束分配向量集合
Figure GDA00023551884900000916
应该满足公式
Figure GDA00023551884900000917
本发明针对无人机高速移动以及高吞吐量等特性，提出基于毫米波频段的通信，并且根据小型无人机在空间的地理分布进行合理分组，因此保证了无人机在高速移动下高数据速率业务的传输。
同时针对进一步提升无人机机群的信道容量，在采用混合波束赋形架构以及波束赋形算法的基础上，对用作基站侧的大型无人机采用波束与功率联合分配的启发迭代机制，降低小型无人机波束间的干扰，提高功率效率，进而增加无人机机群的整体容量。

Claims (2)

1.一种面对5G无人机通信联合波束与功率的分配方法，其特征在于，具体步骤如下：
步骤一、构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构；
K个小型无人机机群组集合为：{1,2,...k,...K}；针对第k个无人机群组中的所有小型无人机集合为：{1,2,...i,...Uk}；
步骤二、毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的信噪比SINR；
针对第k个无人机群中第i个无人机的信噪比，计算公式如下：
Figure FDA0002355188480000011
Figure FDA0002355188480000012
是波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率；
Figure FDA0002355188480000013
是波束b被分配给第k个无人机群组中第i个小型无人机的信道增益；n是高斯白噪声；b∈B；B是基站无人机当前的多波束最大数量，且每一个波束服务一个小型无人机；
步骤三、利用每个小型无人机的信噪比SINR，分别计算各自分配的链路容量；
针对第k个无人机群中第i个无人机分配的链路容量，计算公式如下：
Figure FDA0002355188480000014
步骤四、结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；
目标函数表示K个无人机机群组的总容量，如下：
Figure FDA0002355188480000015
约束条件如下：
s.t C1:
Figure FDA0002355188480000016
k∈K
C2:
Figure FDA0002355188480000017
C3:
Figure FDA0002355188480000018
C4:
Figure FDA0002355188480000019
Uk是第k个无人机群中的所有无人机总数；
Figure FDA00023551884800000110
表示该波束是否分给了第k个无人机群中第i个无人机；
Figure FDA00023551884800000111
当
Figure FDA00023551884800000112
值为1时，表示该波束分给了第k个无人机群中第i个无人机；当
Figure FDA00023551884800000113
值为0时，表示该波束没有分给第k个无人机群中第i个无人机；
C1表示每个波束被分配给无人机群组中某无人机时，波束被分配的功率为正数；
C2表示某个无人机群组中所有无人机被分配的波束功率之和不超过功率上限Pmax；
C3表示每个波束
Figure FDA00023551884800000114
的唯一选择；
C4表示每个波束只能服务于一个小型无人机；
步骤五、遵循启发式二分迭代法求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配；
具体步骤如下：
步骤501、采用拉格朗日乘子法对目标函数和约束条件进行计算，得到：
Figure FDA0002355188480000021
Figure FDA0002355188480000022
Figure FDA0002355188480000023
表示波束分配功率向量集合；
Figure FDA0002355188480000024
表示波束分配向量集合；λ和μ是拉格朗日乘子；μb是拉格朗日乘子的实例化值；
步骤502、对目标函数的结果采用KKT条件分解，得到分配给每个无人机的波束；
波束分配标准为：
当满足
Figure FDA0002355188480000025
时，
Figure FDA0002355188480000026
值为0，表明波束b没有分配给无人机i；
否则，当满足
Figure FDA0002355188480000027
时，
Figure FDA0002355188480000028
值为1，表明波束b分配给无人机i；
针对第k个无人机群中第i*个无人机，当满足：
Figure FDA0002355188480000029
将波束b分配给无人机i*，则目标函数
Figure FDA00023551884800000210
能达到最大值，无人机i*也就是在波束干扰下有着最大SINR值的无人机；
同时被分配的无人机波束变量
Figure FDA00023551884800000211
标为1，
Figure FDA00023551884800000212
步骤503、在每个无人机分配了对应的波束后，依据功率注水分配法计算每个波束的功率；
针对波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率
Figure FDA00023551884800000213
计算如下：
Figure FDA00023551884800000214
δb是比例干扰因子，其值与B2U波束b对其他B2U波束m的干扰大小成正比；
Figure FDA00023551884800000215
Figure FDA00023551884800000216
是干扰波束m被分配给第k个无人机群组中第j个无人机的信道增益；θ(j,m)表示中第j个无人机和干扰波束m间的方向夹角；
IIntra→i表示同一无人机群组内其他波束对无人机i造成的干扰；
Figure FDA00023551884800000217
步骤504、对所有无人机的波束分配向量集合以及波束分配功率向量集合进行更新，直至无人机波束间干扰比例因子δb不再随迭代次数的增加而改变，达到固定值更新结束；
干扰比例因子δb固定后，波束b被分配的功率
Figure FDA0002355188480000031
随之固定，当所有的波束被分配的功率全部固定后，此时系统容量最大。
2.如权利要求1所述的一种面对5G无人机通信联合波束与功率的分配方法，其特征在于，所述的毫米波基站选用大型无人机，携带Ns(Ns＜K)根RF射频链，每根射频链携带Nt根天线，基站无人机具有波束赋形形成多波束的能力，直接指向物理空间上垂直分布的K个小型无人机机群组；K个小型无人机机群组在覆盖范围内形成三维立体均匀分布，机群组中的每个小型无人机均携带单根天线。
CN201810046874.9A 2018-01-18 2018-01-18 一种面对5g无人机通信联合波束与功率的分配方法 Active CN108419286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810046874.9A CN108419286B (zh) 2018-01-18 2018-01-18 一种面对5g无人机通信联合波束与功率的分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810046874.9A CN108419286B (zh) 2018-01-18 2018-01-18 一种面对5g无人机通信联合波束与功率的分配方法

Publications (2)

Publication Number Publication Date
CN108419286A CN108419286A (zh) 2018-08-17
CN108419286B true CN108419286B (zh) 2020-04-17

Family

ID=63126046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810046874.9A Active CN108419286B (zh) 2018-01-18 2018-01-18 一种面对5g无人机通信联合波束与功率的分配方法

Country Status (1)

Country Link
CN (1) CN108419286B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109245805B (zh) * 2018-11-01 2021-07-13 南京航空航天大学 一种面向无人机毫米波通信的快速波束训练与追踪方法
CN110113086B (zh) * 2019-04-02 2021-11-02 东南大学 大规模mimo无人机系统混合预编码和位置设计方法
CN110213771B (zh) * 2019-04-10 2022-02-18 中国人民解放军陆军工程大学 一种基于多探测无人机协同搜索的无人机中继部署方法
CN110708108B (zh) * 2019-08-07 2021-04-09 西北工业大学 一种多无人机毫米波网络的波束控制优化方法
CN110278024B (zh) * 2019-08-07 2020-07-24 清华大学 卫星通信星座的系统容量优化方法和装置
CN111010223B (zh) * 2019-12-17 2021-04-23 北京航空航天大学 一种毫米波全双工无人机通信中继传输方法
US11653209B2 (en) 2020-02-17 2023-05-16 Kyndryl, Inc. Identifying potential attacks against cellular networks
CN111447620B (zh) * 2020-03-19 2022-05-17 重庆邮电大学 一种毫米波异构网络资源分配联合优化方法
CN111556460B (zh) * 2020-04-28 2021-07-13 西安交通大学 非理想毫米波无线供电通信无人机网络的功率分配方法
CN112153593B (zh) * 2020-06-22 2021-08-31 北京航空航天大学 一种无人机辅助的高能效物联网数据收集方法
CN112636804B (zh) * 2020-11-12 2022-08-26 北京航空航天大学 一种基于毫米波阵列的多无人机基站协同传输方法
CN112637817B (zh) * 2020-12-30 2022-01-04 珠海大横琴科技发展有限公司 接入控制方法及装置、电子设备、存储介质
CN113115253B (zh) * 2021-03-19 2022-08-23 西北大学 动态阻挡下毫米波无人机高度和密度部署估计方法及系统
CN113271141B (zh) * 2021-05-18 2022-03-18 中南大学 无人机辅助无线供电的毫米波网络通信方法
CN113301532B (zh) * 2021-05-26 2022-04-26 中南大学 一种用于无人机辅助毫米波应急通信网的信道分配方法
CN113280815B (zh) * 2021-07-19 2021-10-08 北京航空航天大学 一种无人机蜂群入室定位系统
CN113630887B (zh) * 2021-09-16 2024-02-09 中南大学 一种基于在线学习的毫米波网络的车联网通信方法
CN114666803B (zh) * 2022-03-01 2024-02-23 北京邮电大学 一种移动边缘计算系统的部署、控制方法及其系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103847970A (zh) * 2014-03-28 2014-06-11 北京理工大学 一种基于功率跟随的混合动力无人机能源控制方法
CN203858359U (zh) * 2014-05-29 2014-10-01 国家电网公司 无人机巡线避障雷达宽带线性调频连续毫米波信号发射源
CN106059840A (zh) * 2016-08-02 2016-10-26 北京邮电大学 一种认知无线系统功率分配方法及装置
CN107040982A (zh) * 2017-03-31 2017-08-11 南京邮电大学 一种面向无人机中继网络的用户调度与功率分配联合优化方法
CN107517158A (zh) * 2017-08-29 2017-12-26 北京航空航天大学 无人机通信网络联合路由协议的设计方法
US10312993B2 (en) * 2015-10-30 2019-06-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing MU-massive-MISO-based UAV communication

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103847970A (zh) * 2014-03-28 2014-06-11 北京理工大学 一种基于功率跟随的混合动力无人机能源控制方法
CN203858359U (zh) * 2014-05-29 2014-10-01 国家电网公司 无人机巡线避障雷达宽带线性调频连续毫米波信号发射源
US10312993B2 (en) * 2015-10-30 2019-06-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing MU-massive-MISO-based UAV communication
CN106059840A (zh) * 2016-08-02 2016-10-26 北京邮电大学 一种认知无线系统功率分配方法及装置
CN107040982A (zh) * 2017-03-31 2017-08-11 南京邮电大学 一种面向无人机中继网络的用户调度与功率分配联合优化方法
CN107517158A (zh) * 2017-08-29 2017-12-26 北京航空航天大学 无人机通信网络联合路由协议的设计方法

Also Published As

Publication number Publication date
CN108419286A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN108419286B (zh) 一种面对5g无人机通信联合波束与功率的分配方法
Mei et al. Cellular-connected UAV: Uplink association, power control and interference coordination
Arum et al. A review of wireless communication using high-altitude platforms for extended coverage and capacity
Lyu et al. Network-connected UAV: 3-D system modeling and coverage performance analysis
CN112636804B (zh) 一种基于毫米波阵列的多无人机基站协同传输方法
Strinati et al. 6G in the sky: On-demand intelligence at the edge of 3D networks
CN111970709B (zh) 一种基于粒子群优化算法的无人机中继部署方法及系统
CN112153593B (zh) 一种无人机辅助的高能效物联网数据收集方法
CN113359480B (zh) 基于mappo算法多无人机与用户协同通信优化方法
CN109962727B (zh) 临空通信混合波束赋形及非正交多址接入传输方法
CN110312265B (zh) 无人机编队通信覆盖的功率分配方法及系统
Ghazzai et al. Trajectory optimization for cooperative dual-band UAV swarms
Hajiakhondi-Meybodi et al. Joint transmission scheme and coded content placement in cluster-centric UAV-aided cellular networks
CN115441939A (zh) 基于maddpg算法的多波束卫星通信系统资源分配方法
CN111711960A (zh) 一种能量效率知觉的无人机群三维部署方法
CN113259946A (zh) 基于集中式阵列天线的地空全覆盖功率控制与协议设计方法
Li et al. A UAV real-time trajectory optimized strategy for moving users
Xu et al. Efficient deployment of multi‐UAV assisted mobile edge computing: A cost and energy perspective
Vilor et al. Optimal 3D-UAV trajectory and resource allocation of DL UAV-GE links with directional antennas
Shehzad et al. Performance of mmWave UAV‐Assisted 5G Hybrid Heterogeneous Networks
Deruyck et al. Performance evaluation of the dynamic trajectory design for an unmanned aerial base station in a single frequency network
Zhang et al. Joint computation offloading and trajectory design for aerial computing
CN113301532B (zh) 一种用于无人机辅助毫米波应急通信网的信道分配方法
CN114980205A (zh) 多天线无人机视频传输系统QoE最大化方法和装置
CN114095944A (zh) 一种联合空中基站部署与空-地信息-能量同传方法

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