CN108521667A - 一种低传输能耗的无人机数据传输方法 - Google Patents

Abstract

本发明公开了一种低传输能耗的无人机数据传输方法，步骤S1：根据无人机自身参数和任务以及环境的实际情况建立数学模型；步骤S2：利用离散化和线性化技术处理模型；步骤S3：利用基于CCCP(concave‑convex procedure)思想的迭代方法得到最终结果。与现有技术相比较，本发明首先利用无人机自身参数和任务要求以及环境实际情况建立数学优化模型，然后对该数学模型进行离散化和线性化近似处理，最后提出了基于CCCP思想的迭代算法求解该优化问题，最终给出了无人机在完成任务期间的飞行轨迹以及对多个地面终端的传输功率分配和任务分配系数，降低了无人机对地面终端的传输能量消耗。

Description

一种低传输能耗的无人机数据传输方法

技术领域

本发明属于无线通信传输技术领域，尤其涉及一种低传输能耗的无人机数据传输方法,具体为无人机对多用户数据传输中的低能耗方法。

背景技术

近年来，利用无人机进行无线通信引起了人们极大的关注。无人机通信系统相对于传统的一些通信系统具有着无可比拟的优势，即低消耗、易部署、高移动性。历史上，无人机主要用于军队，在敌对领土上进行作战任务以减少飞行员的损失。随着成本持续降低和设备小型化，小型无人机(通常重量不超过25千克)现在更容易向公众开放。因此，在民用和商业领域出现了许多新的应用，例如天气监测，森林检测，交通管制，货物运输，紧急搜救和通信中继等等。在无人机实现的各种应用中，无人机在实现高速无线通信方面的应用有望在未来的通信系统中发挥重要作用。事实上，无人机辅助无线通信提供了一种有前景的解决方案，可以为没有基础设施覆盖的设备提供无线连接，例如山区的人烟稀少位置，或自然灾害造成的通信基础设施的损坏区域。目前，无人机在无线通信领域的应用可大致分为三种[1]：第一种是无人机辅助通信，即无人机被用于辅助地面终端进行通信，在服务区内提供无缝无线覆盖，进而提升服务质量。第二种是无人机辅助中继，无人机被用于在两个或多个远距离通信用户中提供可靠的临时无线连接，这种临时的连接可以极大地解决基站的部署成本，并且极具灵活性。第三种是无人辅助数据传输或采集，在这种情况下，无人机主要用于在规定时间内完成一些特殊任务，通常是派遣无人机对大量的分布式无线设备进行数据传输。

现有技术中,通常通过优化无人机路径，寻求在无人机在传输数据过程中低飞行能耗方案，但是该现有技术通常只解决了无人机在单用户情况下的低飞行能耗问题，对无人机在多用户情况下的传输能耗问题并未考虑。

故，针对现有技术的缺陷，实有必要提出一种技术方案以解决现有技术存在的技术问题。

发明内容

有鉴于此，确有必要提供一种低传输能耗的无人机数据传输方法，通过CCCP思想的迭代算法求解该优化问题，从而给出了无人机在完成任务期间的飞行轨迹以及对多个地面终端的传输功率分配和任务分配系数，降低了无人机对地面终端的传输能量消耗。

为了解决现有技术存在的技术问题，本发明的技术方案为：

一种低传输能耗的无人机数据传输方法，包括以下步骤：

步骤S1：根据无人机自身参数和任务以及环境的实际情况建立数学模型；

步骤S2：利用离散化和线性化技术处理模型；

步骤S3：利用基于CCCP(concave-convex procedure)思想的迭代方法得到最终结果；

其中，步骤S1进一步包括如下步骤(1)至(2)：

步骤(1)：记无人机在飞行过程中的路径记为其中T代表无人机执行任务的总时间，地面接收端的位置记为则无人机在T时刻内对第k个地面接收端传输的数据总量为：

其中β₀代表在参考距离d₀＝1m时的信道能量，P_max代表无人机的最大传输功率，常量H代表无人机的飞行高度，W代表信道带宽，是第k个地面接收端接收数据时的高斯白噪声功率，β_k(t)记为时变功率分配系数，即β_k(t)P_max代表无人机在t时刻对第k个地面接收端传输数据时的传输功率；

步骤(2)：无人机获取自身实际参数以及任务要求建立优化问题：

q(0)＝q₀,q(T)＝q_F (1e)

其中L代表需要传输的数据总量，α_k代表数据分配系数，即α_kL代表无人机需要传输给第k个地面接收端的数据量，记为q(t)关于变量t的一阶微分，即代表无人机的速度矢量，V_max代表无人机的最大飞行速度，q₀、q_F分别代表无人机飞行的初始点和终点；

步骤S2进一步包括如下步骤(3)至(5)：

步骤(3)：对优化问题(1)进行离散化处理，把时间范围T离散化为N+2份相等的时间间隔δ_t，即t＝nδ_t,n＝0,1,…N+1，进一步地得到优化问题：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N (2c)

q[0]＝q₀,q[T]＝q_F (2e)

步骤(4)：把式(2d)带入到式(2a)中并利用对数运算法则，可得：

进一步对式(3)引入冗余变量并拆写不等式，可得：

步骤(5)：对步骤(4)中得到的式(3a)和(3b)进行线性化，即泰勒一阶展开，并整理上述步骤结果，最终可得到优化问题：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N (4b)

q[0]＝q₀,q[T]＝q_F (4e)

其中：

j代表下述步骤(6)中的当前迭代次数；

步骤S3进一步包括如下步骤(6)至(9)：

步骤(6)：初始化初始解和最大迭代次数J_max以及当前迭代次数j；

步骤(7)：利用内点法，通过人为验证的任意可行初始解得到优化问题(4)的最优解，并记为

步骤(8)：更新初始解和迭代次数，即j＝j+1。如果j≤J_max，则继续执行步骤(7)，否则结束迭代并执行步骤(9)；

步骤(9)：输出最终结果β_k[n]，

与现有技术相比较，本发明具有如下技术效果：

本发明首先利用无人机自身参数和任务要求以及环境实际情况建立数学优化模型，然后对该数学模型进行离散化和线性化近似处理，最后提出了基于CCCP思想的迭代算法求解该优化问题，最终给出了无人机在完成任务期间的飞行轨迹以及对多个地面终端的传输功率分配和任务分配系数，降低了无人机对地面终端的传输能量消耗。

附图说明

图1为本发明无人机传输数据示例图；

图2为本发明中传输能量消耗收敛图；

图3为本发明中无人机飞行路径图；

图4为本发明中无人机对第k个地面接收端的功率分配系数图；

图5为本发明中地面接收端坐标、数据分配系数、平均分配功率图；

图6为本发明低传输能耗的无人机数据传输方法的流程图。

如下具体实施例将结合上述附图进一步说明本发明。

具体实施方式

以下将结合附图对本发明提供的技术方案作进一步说明。

如图1所示，考虑到实际情况，假设无人机处于3维笛卡尔坐标系中并且飞行高度为常量H。无人机在飞行过程中的路径记为其中T代表无人机执行任务的总时间。此外，地面接收端的位置记为因此无人机到第k个地面接收端的欧几里得距离为：

为了简便起见，假设无人机到地面接收端的通信信道为LOS(line-of-sight)信道。因此无人机到第k个地面接收端的时变信道可以描述为：

其中β₀代表在参考距离d₀＝1m时的信道能量。无人机的最大传输功率记为P_max，β_k(t)记为功率分配系数，即β_k(t)P_max代表无人机在t时刻对第k个地面接收端传输数据时的传输功率。由以上讨论可知，时变信道速率为：

其中W代表信道带宽，是第k个地面接收端接收数据时的高斯白噪声功率。显然，无人机在T时刻内对第k个地面接收端传输的数据总量为：

进一步地，记无人机需要传输的数据总量为L，且把α_k记为数据分配系数，即α_kL代表无人机需要传输给第k个地面接收端的数据量，综合前文的讨论，得到优化问题：

q(0)＝q₀,q(T)＝q_F (1e)

其中式(1)为目标函数；式(1a)为数据分配系数约束，因为数据需要全部传输完，所以对k个系数的求和为1；式(1b)为功率分配系数约束，因为无人机的传输功率未必每时每刻都处于最大值，所以对k个系数的求和应小于等于1；式(1c)为无人机的速度约束，其中记为q(t)关于变量t的一阶微分，即代表无人机的速度矢量，它的2-范数就是无人机在t时刻的速度值，而V_max则是无人机的最大飞行速度；式(1d)为无人机传输数据约束，即无人机对第k个地面接收端实际传输的数据量应和分配到的数据量相同；式(1e)为无人机飞行的初始点和终点约束，即q₀、q_F分别代表无人机飞行的初始点和终点。

图6给出了基于CCCP(concave-convex procedure)思想的低能耗的无人机数据传输方法流程图，该方法包括如下步骤：

步骤S1：根据无人机自身参数和任务以及环境的实际情况建立数学模型。

步骤S2：利用离散化和线性化技术处理模型。

步骤S3：利用基于CCCP(concave-convex procedure)思想的迭代方法得到最终结果。

其中，步骤S1进一步包括如下步骤(1)至(2)：

步骤(1)：记无人机在飞行过程中的路径记为其中T代表无人机执行任务的总时间，地面接收端的位置记为则无人机在T时刻内对第k个地面接收端传输的数据总量为：

其中β₀代表在参考距离d₀＝1m时的信道能量，P_max代表无人机的最大传输功率，W代表信道带宽，是第k个地面接收端接收数据时的高斯白噪声功率，β_k(t)记为时变功率分配系数，即β_k(t)P_max代表无人机在t时刻对第k个地面接收端传输数据时的传输功率。

步骤(2)：无人机获取自身实际参数以及任务要求建立优化问题：

q(0)＝q₀,q(T)＝q_F (1e)

其中L代表需要传输的数据总量，α_k代表数据分配系数，即α_kL代表无人机需要传输给第k个地面接收端的数据量，记为q(t)关于变量t的一阶微分，即代表无人机的速度矢量，V_max代表无人机的最大飞行速度，q₀、q_F分别代表无人机飞行的初始点和终点。

步骤S2进一步包括如下步骤(3)至(5)：

步骤(3)：把时间范围T离散化为N+2份相等的时间间隔δ_t，即t＝nδ_t,n＝0,1,…N+1。无人机的轨迹q(t)被离散化为：

对于式(1c)，其中的涉及到了q(t)的微分，根据微积分思想，该约束被离散化为：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N

其中V_maxδ_t为δ_t时间内无人机的最大位移。进一步地把β_k(t)离散化为β_k[n]，式(5)最终可以表达成如下形式：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N (2c)

q[0]＝q₀,q[T]＝q_F (2e)

步骤(4)：把式(2d)带入到式(2a)中(此时约束变量α_k被消除，可以在式(2d)取等号时计算得到)，并利用对数运算法则可得：

通过引入冗余变量得到不等式(3)右边项的一个下界，拆解不等式之后描述如下：

进一步地，式(5)可以重写为：

步骤(5)：对式(5a)中的这一项进行线性化处理，即一阶泰勒展开，可得：

当且仅当q[n]＝q_j[n]时，上式等号成立，其中j代表步骤S3中的当前迭代次数。方便起见，式(5a)重写如下：

同样地，对式(4)的两项凸函数利用线性化方法，最终可写为：

其中：

整理可知，优化问题(2)最终为：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N(9b)

q[0]＝q₀,q[T]＝q_F (9e)

步骤S3进一步包括如下步骤(6)至(9)：

步骤(6)：初始化初始解和最大迭代次数J_max以及当前迭代次数j。

步骤(7)：利用内点法，通过人为验证的任意可行初始解得到优化问题(9)的最优解，并记为

步骤(8)：更新初始解和迭代次数，即j＝j+1。如果j≤J_max，则继续执行步骤(7)，否则结束迭代并执行步骤(9)。

步骤(9)：输出最终结果β_k[n]，

下面通过具体实例对本发明的技术方案进行进一步阐述。实验中，假设无人机的飞行高度为H＝100m，除非特别指定，本文令接收端的噪声功率和信道增益以及信道带宽分别为σ²＝-110dBm、β₀＝-60dB、W＝1KHz，并且无人机的最大传输功率为P_max＝0.1W。假设无人机的初始位置为q₀＝[0,0]，终点为q_F＝[1000,0]，无人机的最大飞行速度为V_max＝20m/s，需要传输的数据总量为L＝10⁶bits，任务完成时间T＝100s。不失一般性，现在考虑地面接收端的个数K＝4的情况，其位置ω_k在100m范围内随机产生，算法的最大迭代次数J_max＝15。

图2给出了基于CCCP的算法的收敛图，可以看到该算法使得目标函数值逐渐减少，在迭代到第7次时就已经收敛。

图3给出了无人机的轨迹图，值得注意的是，无人机在A点(图中已注明)悬停了50s的时间。这主要是因为无人机需要找到一个最优的位置(即在此位置上有着最好的信道)进行数据的传输。

图4给出了对k个地面接收端的时变的功率分配系数图。可以看到，该系数在1至50秒时无变化，51秒到80秒时逐渐减少，81秒后全部归于零。

图5给出了K个地面接收端的具体坐标、数据分配系数、任务期间内的平均分配功率，其中平均分配功率为(考虑到现实情况中，发射功率很难实时变化，故给出此定义)：

采用上述技术方案，本发明首先利用无人机自身参数和任务要求以及环境实际情况建立数学优化模型，然后对该数学模型进行离散化和线性化近似处理，最后提出了基于CCCP思想的迭代算法求解该优化问题，最终给出了无人机在完成任务期间的飞行轨迹以及对多个地面终端的传输功率分配和任务分配系数，降低了无人机对地面终端的传输能量消耗。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种低传输能耗的无人机数据传输方法，其特征在于，包括以下步骤：

步骤S1：根据无人机自身参数和任务以及环境的实际情况建立数学模型；

步骤S2：利用离散化和线性化技术处理模型；

步骤S3：利用基于CCCP(concave-convex procedure)思想的迭代方法得到最终结果；

其中，步骤S1进一步包括如下步骤(1)至(2)：

步骤(1)：记无人机在飞行过程中的路径记为其中T代表无人机执行任务的总时间，地面接收端的位置记为则无人机在T时刻内对第k个地面接收端传输的数据总量为：

其中β₀代表在参考距离d₀＝1m时的信道能量，P_max代表无人机的最大传输功率，常量H代表无人机的飞行高度，W代表信道带宽，是第k个地面接收端接收数据时的高斯白噪声功率，β_k(t)记为时变功率分配系数，即β_k(t)P_max代表无人机在t时刻对第k个地面接收端传输数据时的传输功率；

步骤(2)：无人机获取自身实际参数以及任务要求建立优化问题：

q(0)＝q₀,q(T)＝q_F (1e)

其中L代表需要传输的数据总量，α_k代表数据分配系数，即α_kL代表无人机需要传输给第k个地面接收端的数据量，记为q(t)关于变量t的一阶微分，即代表无人机的速度矢量，V_max代表无人机的最大飞行速度，q₀、q_F分别代表无人机飞行的初始点和终点；

步骤S2进一步包括如下步骤(3)至(5)：

步骤(3)：对优化问题(1)进行离散化处理，把时间范围T离散化为N+2份相等的时间间隔δ_t，即t＝nδ_t,n＝0,1,…N+1，进一步地得到优化问题：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N (2c)

q[0]＝q₀,q[T]＝q_F (2e)

步骤(4)：把式(2d)带入到式(2a)中并利用对数运算法则，可得：

进一步对式(3)引入冗余变量并拆写不等式，可得：

步骤(5)：对步骤(4)中得到的式(3a)和(3b)进行线性化，即泰勒一阶展开，并整理上述步骤结果，最终可得到优化问题：

||q[n+1]-q[n]||₂≤V_maxδ_t,n＝0,1…,N (4b)

q[0]＝q₀,q[T]＝q_F (4e)

其中：

j代表下述步骤(6)中的当前迭代次数；

步骤S3进一步包括如下步骤(6)至(9)：

步骤(6)：初始化初始解和最大迭代次数J_max以及当前迭代次数j；

步骤(7)：利用内点法，通过人为验证的任意可行初始解得到优化问题(4)的最优解，并记为

步骤(8)：更新初始解和迭代次数，即j＝j+1。如果j≤J_max，则继续执行步骤(7)，否则结束迭代并执行步骤(9)；

步骤(9)：输出最终结果β_k[n]，n＝0,1…N+1,