CN109587690B - 无人机辅助认知卫星地面通信网络多点协作传输方法 - Google Patents
无人机辅助认知卫星地面通信网络多点协作传输方法 Download PDFInfo
- Publication number
- CN109587690B CN109587690B CN201811491448.2A CN201811491448A CN109587690B CN 109587690 B CN109587690 B CN 109587690B CN 201811491448 A CN201811491448 A CN 201811491448A CN 109587690 B CN109587690 B CN 109587690B
- Authority
- CN
- China
- Prior art keywords
- ground
- aerial vehicle
- unmanned aerial
- cellular base
- representing
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 60
- 238000004891 communication Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 23
- 230000001413 cellular effect Effects 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 11
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000005562 fading Methods 0.000 claims description 4
- 230000019771 cognition Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000007430 reference method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 240000006829 Ficus sundaica Species 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
无人机辅助认知卫星地面通信网络多点协作传输方法,涉及天地一体化通信与认知网络技术领域,以最大化地面用户的传输速率为目标,以无人机节点飞行轨迹、无人机节点发射功率和蜂窝基站发射功率为优化变量,并考虑次级系统对主级系统的干扰温度门限、无人机节点飞行条件约束以及无人机节点和蜂窝基站的数发送功率等约束条件建立数学模型,对模型求解即可得到多点协作传输的最佳方案。本发明有益效果:在满足主级系统中用户的干扰约束条件下,最大程度的提升次级系统的传输速率性能。
Description
技术领域
本发明涉及天地一体化通信与认知网络技术领域,具体地说是无人机辅助认知卫星地面通信网络多点协作传输方法。
背景技术
卫星通信因具有很好的链路传输可靠性和广阔的覆盖区域特性,使得其在导航定位、遥感侦测、天气预报和应急通信等方面获得了广泛应用,并作为陆地移动通信系统的重要补充手段,为一些自然条件艰苦和偏远地区提供通信保障功能。卫星通信所使用的授权频谱通常仅用于本级卫星系统,而不再分配给其它通信系统所使用。然而,有关统计结论表明,现有通信系统在频谱使用率方面存在极为严重的浪费问题,众多授权频带在时间维度上存在大量的“频谱空穴”,即某一时段该频带并未被占用,而同时也无法被其它通信系统所使用,这对于有限的物理频带资源造成了巨大的浪费。面对人类社会对于数据传输速率和传输容量的爆炸式增长需求,人们迫切需要解决当前频谱使用率较低的问题,由此来进一步提升现有通信系统的传输性能。正因为如此,认知网络(又称为认知无线电)技术应运而生。认知网络的主要思想是指次级系统通过有效的频谱感知,选择频谱空穴,与主级系统之间形成有效的频谱共享,或者次级系统与主级系统之间事先“达成频谱共享协议”,在满足主级系统传输性能的前提下,使得次级系统可以有限的使用授权频带,从而达到提升频谱效率利用率和增强系统容量的效果。然而,认知网络中的频谱共享机制不可避免的会带来主级系统与次级系统之间的同频干扰问题。若次级系统对主级系统造成的干扰过高,则会严重影响主级系统的性能,而若次级系统的传输性能过低,则又无法保证次级系统的服务质量,导致频谱共享效果的大幅下降。因此,如何在保证主级系统传输性能的同时,又使得次级系统可以充分使用频谱资源,为次级系统用户提供可靠服务,是认知网络中的重要问题。
传统卫星通信系统仅作为陆地通信系统的补充手段,二者之间并未形成有效的一体化网络,特别是没有利用认知无线电技术。而当采用认知无线电后,可有效地形成认知卫星地面通信网,将卫星通信系统作为主级系统与陆地蜂窝通信系统组建构成认知网络,从而可有效地提升陆地移动通信系统的传输性能。特别是,当前无人机技术的快速发展,为陆地移动通信系统升级换代带来了更为广阔的空间。通过在无人机节点配备先进的收发信机,并利用空间三维移动特性,选择信道条件较好的时机,与蜂窝基站共同服务小区内用户,可有效提升覆盖范围、提升链路可靠性并大幅提升系统容量。然而,无人机辅助的认知卫星地面通信网存在更为严重的同频干扰问题,这主要是由于无人机在飞行过程中,其到主级系统用户和到次级系统用户的距离都在发生变化,无人机与蜂窝基站在发射信号的同时,势必会对主级系统中的用户造成干扰,而与此同时,主级系统中卫星的发射信号也会对次级系统用户带来不小的干扰信号。因此,需要进一步深入研究无人机辅助认知卫星地面通信网中的多点协作传输问题,通过合理的设定无人机与蜂窝基站的发射功率,特别是对无人机的飞行路径进行优化,在满足主级系统中用户的干扰约束条件下,最大程度的提升次级系统的传输速率性能。这对于认知卫星地面通信网将具有十分重要的现实意义。
发明内容
本发明所要解决的技术问题是提供无人机辅助认知卫星地面通信网络多点协作传输方法,解决现有无人机辅助认知卫星地面通信网中的多点协作传输问题,提升频谱利用率和数据传输速率,在满足主级系统中用户的干扰约束条件下,最大程度的提升次级系统的传输速率性能。
本发明为解决上述技术问题所采用的技术方案是:无人机辅助认知卫星地面通信网络多点协作传输方法,该无人机辅助认知卫星地面通信网络包括一个由卫星与地面站组成的主级通信系统和一个由蜂窝基站、地面用户以及无人机节点组成的次级通信系统,主级通信系统中卫星向地面站发送数据,次级通信系统共享主级通信系统的授权频段,无人机节点按照指定路径飞行,并与蜂窝基站同时向地面用户发送数据;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,系统中任意节点的位置均由三维坐标向量表示,主级系统中的地面站、次级系统中的地面用户和蜂窝基站位置坐标固定,无人机节点在三维空间中以固定高度Hu飞行,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δ=T/N,第n个时隙无人机节点的位置坐标为q[n]=(x[n],y[n],Hu)T,假设时隙宽度足够小,无人机节点的飞行路径可由的位置点集合表示,假设蜂窝基站到地面站或地面用户之间的无线信道满足瑞利分布模型,假设第n个时隙无人机节点到地面站或地面用户之间的无线信道满足自由空间传播损耗模型,假设卫星到地面站或地面用户之间的无线信道满足阴影瑞利衰落模型,所述多点协作传输方法包括以下步骤:
步骤一、主级系统中卫星以恒定发射功率Ps向地面站发送数据,同时,次级网络中蜂窝基站和无人机节点在第n个时隙分别以发射功率pb[n]和pu[n]向地面用户发送相同数据,主级系统与次级系统之间互相形成干扰,计算第n时隙地面用户的数据传输速率Rm[n];
步骤二、计算次级系统中无人机节点和蜂窝基站在第n个时隙对主级系统中地面站的干扰温度γe[n];
步骤三、基于步骤一和步骤二中次级系统地面用户的数据传输速率和主级系统地面站的干扰温度模型,以最大化地面用户的数据传输速率为优化目标,并考虑无人机节点飞行速度和起止位置约束、无人机节点和蜂窝基站最大功率约束以及主级系统地面站受到的干扰温度约束,建立以无人机节点飞行轨迹无人机节点发射功率和蜂窝基站发射功率为变量的数学模型:
其中,C1表示地面站的干扰温度小于门限γth这一事件的概率Pr(γe[n]≤γth)要大于1-Pout,Pout表示中断概率,C2表示无人机节点的飞行速度约束,Vmax表示无人机节点最大飞行速度,C3表示无人机节点起止位置约束,q0表示无人机节点起始位置,qF表示无人机节点终止位置,C4表示蜂窝基站发射功率约束,表示蜂窝基站的最大发射功率值,C5表示无人机节点发射功率约束,表示无人机节点的最大发射功率值;
步骤四、对步骤三中的模型求解得到多点协作传输的最佳方案。
本发明所述步骤一中第n时隙地面用户的数据传输速率Rm[n]为
其中,hm[n]表示第n时隙无人机节点到地面用户的信道系数,fm表示蜂窝基站到地面用户的信道系数,Ps表示卫星的恒定发射功率,表示卫星到地面用户的信道增益,表示卫星到地面用户的信道系数,D表示卫星到地面用户的距离,表示地面用户的加性复高斯白噪声功率,Gu表示无人机节点发射天线增益,Gb表示蜂窝基站发射功率增益,Gs(θ)表示卫星发射天线增益,并由卫星到地面用户夹角所决定,可近似表示为其中,Gtx为正常数,θ3dB表示功率衰减3dB时的天线角度,θ表示卫星到地面用户之间的夹角,J1(u)表示第一类一阶贝塞尔函数,J3(u)第一类三阶贝塞尔函数。
本发明所述步骤二中次级系统中无人机节点和蜂窝基站在第n个时隙对主级系统中地面站的干扰温度γe[n]为:
本发明的有益效果是:为了使得次级系统中地面用户的数据传输速率最大化,并满足次级系统对主级系统的干扰温度门限水平,本发明以无人机节点飞行路径、无人机节点发射功率和蜂窝基站发射功率为优化变量,在无人机飞行条件约束以及无人机节点发射功率和蜂窝基站发射功率等约束条件下建立数学优化模型,对模型求解即可得到似的多点协作传输的优选方案,优选方案可在满足主级系统中用户的干扰约束条件下,最大程度的提升次级系统的传输速率性能。
附图说明
图1为本发明方法的系统模型图;
图2为本发明实施的基本流程图;
图3为仿真实验中在不同的飞行时间条件下,本发明方法所获得无人机节点飞行路径图;
图4为仿真实验中本发明方法与其它方法所获得蜂窝基站发射功率分配对比情况图;
图5为仿真实验中本发明方法与其它方法所获得无人机节点发射功率分配对比情况图;
图6为仿真实验中本发明方法与其它方法所获得的地面用户数据传输速率性能对比图。
具体实施方式
下面结合说明书附图对本发明实施例进行详细的阐述。
结合图2所示的流程图对本发明无人机辅助认知卫星地面通信网络多点协作传输方法进行具体说明:该无人机辅助认知卫星地面通信网络包括一个由卫星与地面站组成的主级通信系统和一个由蜂窝基站、地面用户以及无人机节点组成的次级通信系统,主级通信系统中卫星向地面站发送数据,次级通信系统共享主级通信系统的授权频段,无人机节点按照指定路径飞行,并与蜂窝基站同时向地面用户发送数据。
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;系统中任意节点的位置均由三维坐标向量表示,主级系统中的地面站、次级系统中的地面用户和蜂窝基站位置坐标固定,且分别表示为we=(xe,ye,0)T、wm=(xm,ym,0)T和wb=(xb,yb,Hb)T,其中,(·)T表示矩阵/向量转置;无人机节点在三维空间中以固定高度Hu飞行,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δ=T/N,第n个时隙无人机节点的位置坐标为q[n]=(x[n],y[n],Hu)T,假设时隙宽度足够小,无人机节点的飞行路径可由的位置点集合表示.
假设蜂窝基站到地面站(或地面用户)之间的无线信道满足瑞利分布模型,即
假设第n个时隙无人机节点到地面站(或地面用户)之间的无线信道满足自由空间传播损耗模型,即
假设卫星到地面站(或地面用户)之间的无线信道满足阴影瑞利衰落模型,即
其中,φ∈[0,2π]表示固定的随机相位值,表示信道直视径分量的固定相位,A表示散射径的幅度,Z表示直视径的幅度,服从参数为(b,m,Ω)的分布,2b表示多径信道平均功率增益,Ω表示信道直视径分量的平均功率,m表示Nakagami-m衰落信道。
主级系统中卫星以恒定发射功率Ps向地面站发送数据,同时,次级网络中蜂窝基站和无人机节点在第n个时隙分别以发射功率pb[n]和pu[n]向地面用户发送相同数据,主级系统与次级系统之间互相形成干扰,根据信息论香农信道容量可知,在第n时隙地面用户的数据传输速率Rm[n](bit/s/Hz)为
其中,表示卫星到地面用户的信道增益,D表示卫星到地面用户的距离,表示地面用户的加性复高斯白噪声功率,Gu表示无人机节点发射天线增益,Gb表示蜂窝基站发射功率增益,Gs(θ)表示卫星发射天线增益,并由卫星到地面用户夹角所决定,可近似表示为其中,Gtx为正常数,θ3dB表示功率衰减3dB时的天线角度,θ表示卫星到地面用户之间的夹角,J1表示第一类一阶贝塞尔函数,J3第一类三阶贝塞尔函数。
同时,可以得到次级系统中无人机节点和蜂窝基站在第n个时隙对主级系统中地面站的干扰温度为
2).以最大化地面用户的数据传输速率为优化目标,并考虑无人机节点飞行速度和起止位置约束、无人机节点和蜂窝基站最大功率约束以及主级系统地面站受到的干扰温度约束,建立以无人机节点飞行轨迹无人机节点发射功率和蜂窝基站发射功率为变量的数学模型,如下所示
其中,C1表示地面站的干扰温度小于门限γth这一事件的概率Pr(γe[n]≤γth)要大于1-Pout,C2表示无人机节点的飞行速度约束,C3表示无人机节点起止位置约束,C4表示蜂窝基站发射功率约束,C5表示无人机节点发射功率约束。
对步骤2)中的模型求解即可得到多点协作传输的最佳方案,但是,由于该问题涉及的因素和变量较多,且形式也非常复杂,优化迭代过程也将十分困难。因此本实施例利用拉格朗日对偶法、一阶泰勒级数展开以及连续凸近似方法,求解得到多点协作传输的一种次优方案。
3).将步骤2)中优化问题,分解为两个子优化问题,如下所示:
在步骤3.1)和步骤3.2)中对C1进行等价变换后,可以得到如下所示形式
4).求解步骤3.1)中优化问题,包含步骤具体如下:
4.3).利用子梯度法求解关于拉格朗日乘子的对偶问题,如下所示
得到最优拉格朗日乘子的闭合形式解,如下所示:
其中,t表示迭代次数变量,π1表示迭代步长;
4.4).交替迭代步骤4.2)和步骤4.3)直至达到设定迭代次数或设定迭代精度即可。
5).将步骤3.2)中优化问题转换为凸问题,包含步骤具体如下:
其中,ql[n]表示第l次迭代值;
5.3).引入松弛变量集{Qe[n]},将约束条件C1转换为如下形式,
并增加新约束条件C6和C7,如下所示
5.4).利用一阶泰勒级数展开式,将步骤5.3)中C6的||q[n]-we||2在局部点ql[n]处展开,获得下界Φlb(q[n]),如下所示
其中,l表示第l次迭代;利用下界Φlb(q[n])将约束条件C6转换为新约束条件C8,如下形式
5.5).基于步骤5.1)-步骤5.4),对于给定局部点ql[n],将步骤3.2)中子问题转化为其对应的下界优化问题,如下所示
再利用标准的凸优化方法求解下界优化问题(Plb2)即可。
6).采用交替迭代优化方法,对步骤4)中子问题和步骤5.5)中子问题进行求解,具体步骤如下:
6.2).利用当前的无人机节点飞行路径参量值,按照步骤4.1)-步骤4.4)求解无人机节点发射功率和蜂窝基站发射功率的最优值;
6.3).利用当前的无人机节点发射功率值和蜂窝基站发射功率值,采用内点法求解步骤5.5)中子问题关于无人机节点飞行路径的最优解;
6.4).m=m+1;
6.5).判断是否达到最大迭代次数m≤Mmax或当前目标函数值与前一次目标函数值之差是否小于迭代精度ε,若满足,则终止迭代运算,输出无人机节点飞行路径参量、无人机节点发射功率参量和蜂窝基站的发射功率参量;反之,返回步骤6.2)继续进行迭代,直至满足迭代终止条件。
仿真实验
仿真参数设置如表1:
表1仿真参数设置
仿真结果
图3给出了当飞行时间T=50s和60s时,本发明方法得到的无人机节点的最优飞行路径图。图4给出了本发明与参考方法(参考方法具体为:无人机节点以直线从起始位置飞直终止位置,在此过程中,对无人机节点和蜂窝基站进行功率分配)所获得的蜂窝基站发射功率分配值对比情况图。图5给出了本发明方法与参考方法所获得的无人机节点发射功率分配值对比情况。从图4和图5中看可以看到,通过本发明方法的无人机节点路径和发射功率联合优化之后,在蜂窝基站和无人机节点的发射功率分配值都有所下降,有效的降低了功率消耗值。图6给出了本发明方法与参考方法和没有无人机节点辅助仅做蜂窝基站功率优化时的地面用户数据传输速率性能对比图。从图6中可以看到,本发明方法提出的多点协作传输方案可以提供更好的数据传输速率性能。
Claims (2)
1.无人机辅助认知卫星地面通信网络多点协作传输方法,该无人机辅助认知卫星地面通信网络包括一个由卫星与地面站组成的主级通信系统和一个由蜂窝基站、地面用户以及无人机节点组成的次级通信系统,主级通信系统中卫星向地面站发送数据,次级通信系统共享主级通信系统的授权频段,无人机节点按照指定路径飞行,并与蜂窝基站同时向地面用户发送数据;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,系统中任意节点的位置均由三维坐标向量表示,主级系统中的地面站、次级系统中的地面用户和蜂窝基站位置坐标固定,无人机节点在三维空间中以固定高度Hu飞行,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δ=T/N,第n个时隙无人机节点的位置坐标为q[n]=(x[n],y[n],Hu)T,假设时隙宽度足够小,无人机节点飞行轨迹可由表示,假设蜂窝基站到地面站或地面用户之间的无线信道满足瑞利分布模型,假设第n个时隙无人机节点到地面站或地面用户之间的无线信道满足自由空间传播损耗模型,假设卫星到地面站或地面用户之间的无线信道满足阴影瑞利衰落模型,其特征在于:所述多点协作传输方法包括以下步骤:
步骤一、主级系统中卫星以恒定发射功率Ps向地面站发送数据,同时,次级网络中蜂窝基站和无人机节点在第n个时隙分别以发射功率pb[n]和pu[n]向地面用户发送相同数据,主级系统与次级系统之间互相形成干扰,计算第n时隙地面用户的数据传输速率Rm[n];
第n时隙地面用户的数据传输速率Rm[n]为
其中,hm[n]表示第n时隙无人机节点到地面用户的信道系数,fm表示蜂窝基站到地面用户的信道系数,Ps表示卫星的恒定发射功率,表示卫星到地面用户的信道增益,表示卫星到地面用户的信道系数,D表示卫星到地面用户的距离,表示地面用户的加性复高斯白噪声功率,Gu表示无人机节点发射天线增益,Gb表示蜂窝基站发射功率增益,Gs(θ)表示卫星发射天线增益,并由卫星到地面用户夹角所决定,可近似表示为其中,Gtx为正常数,θ3dB表示功率衰减3dB时的天线角度,θ表示卫星到地面用户之间的夹角,J1(u)表示第一类一阶贝塞尔函数,J3(u)第一类三阶贝塞尔函数;
步骤二、计算次级系统中无人机节点和蜂窝基站在第n个时隙对主级系统中地面站的干扰温度γe[n];
步骤三、基于步骤一和步骤二中次级系统地面用户的数据传输速率和主级系统地面站的干扰温度模型,以最大化地面用户的数据传输速率为优化目标,并考虑无人机节点飞行速度和起止位置约束、无人机节点和蜂窝基站最大功率约束以及主级系统地面站受到的干扰温度约束,建立以无人机节点飞行轨迹无人机节点发射功率和蜂窝基站发射功率为变量的数学模型:
其中,C1表示地面站的干扰温度小于门限γth这一事件的概率Pr(γe[n]≤γth)要大于1-Pout,Pout表示中断概率,C2表示无人机节点的飞行速度约束,Vmax表示无人机节点最大飞行速度,C3表示无人机节点起止位置约束,q0表示无人机节点起始位置,qF表示无人机节点终止位置,C4表示蜂窝基站发射功率约束,表示蜂窝基站的最大发射功率值,C5表示无人机节点发射功率约束,表示无人机节点的最大发射功率值;
步骤四、对步骤三中的模型求解得到多点协作传输的最佳方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811491448.2A CN109587690B (zh) | 2018-12-07 | 2018-12-07 | 无人机辅助认知卫星地面通信网络多点协作传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811491448.2A CN109587690B (zh) | 2018-12-07 | 2018-12-07 | 无人机辅助认知卫星地面通信网络多点协作传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109587690A CN109587690A (zh) | 2019-04-05 |
CN109587690B true CN109587690B (zh) | 2023-04-28 |
Family
ID=65928916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811491448.2A Active CN109587690B (zh) | 2018-12-07 | 2018-12-07 | 无人机辅助认知卫星地面通信网络多点协作传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109587690B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445532B (zh) * | 2019-08-14 | 2021-11-16 | 北京信成未来科技有限公司 | 基于有序循环队列的无人机蜂窝通信多基站数据融合方法 |
CN110708754B (zh) * | 2019-10-09 | 2020-09-04 | 中国人民解放军军事科学院国防科技创新研究院 | 导航卫星星座星间的测距通信一体化信号的功率分配方法 |
CN110913400B (zh) * | 2019-11-11 | 2022-09-06 | 中国空间技术研究院 | 一种基于空天地远程物联网络的资源分配方法和系统 |
CN111447631A (zh) * | 2020-03-05 | 2020-07-24 | 南京邮电大学 | 基于非正交多址技术的星地联合波束形成和功率分配方法 |
CN111343712A (zh) * | 2020-03-05 | 2020-06-26 | 中国科学院上海微系统与信息技术研究所 | 一种无人机辅助认知无线网络通信安全的控制方法 |
CN111586718B (zh) * | 2020-05-09 | 2022-09-06 | 南京邮电大学 | 面向无人机中继通信系统的喷泉编码设计方法 |
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 |
CN112105032B (zh) * | 2020-07-06 | 2021-10-26 | 天津大学 | 一种基于缓存的无人机协同认知无线网络传输方法 |
CN112311434B (zh) * | 2020-10-20 | 2021-10-01 | 北京理工大学 | 基于中继和波束赋形的空天地网络无人机抗干扰攻击方法 |
CN112436916B (zh) * | 2020-10-27 | 2024-04-09 | 中国空间技术研究院 | 一种应用于卫星和无人机综合组网的多链路干扰消除方法 |
CN112215558B (zh) * | 2020-11-05 | 2021-06-15 | 北京三维天地科技股份有限公司 | 一种采购物联网云平台系统 |
CN115877868B (zh) * | 2022-12-01 | 2024-01-26 | 南京航空航天大学 | 无人机在物联网数据收集中抵抗恶意干扰的路径规划方法 |
CN116704823B (zh) * | 2023-06-12 | 2023-12-19 | 大连理工大学 | 基于强化学习的无人机智能轨迹规划和通感资源分配方法 |
CN117176241B (zh) * | 2023-11-02 | 2024-01-09 | 中国电子科技集团公司第五十四研究所 | 一种低轨卫星互联网星座多功能高效集成系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571131A (zh) * | 2015-01-20 | 2015-04-29 | 西安电子科技大学宁波信息技术研究院 | 无人机编队分布式协作系统及其抗干扰方法 |
WO2018120935A1 (zh) * | 2016-12-31 | 2018-07-05 | 山东大学 | 一种协作蜂窝网络的资源分配和能量管理方法 |
CN108349589A (zh) * | 2015-07-27 | 2018-07-31 | 珍吉斯科姆控股有限责任公司 | 协作mimo系统中的机载中继 |
CN108566670A (zh) * | 2018-04-19 | 2018-09-21 | 郑州航空工业管理学院 | 无人机辅助无线传感网及其节点调度与路径规划功率分配设计方法 |
CN108768497A (zh) * | 2018-04-27 | 2018-11-06 | 郑州航空工业管理学院 | 无人机辅助无线传感网及其节点调度与飞行参量设计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102355738B (zh) * | 2011-06-29 | 2014-05-07 | 中国人民解放军理工大学 | 基于协同中继的认知simo网络接入方法 |
-
2018
- 2018-12-07 CN CN201811491448.2A patent/CN109587690B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571131A (zh) * | 2015-01-20 | 2015-04-29 | 西安电子科技大学宁波信息技术研究院 | 无人机编队分布式协作系统及其抗干扰方法 |
CN108349589A (zh) * | 2015-07-27 | 2018-07-31 | 珍吉斯科姆控股有限责任公司 | 协作mimo系统中的机载中继 |
WO2018120935A1 (zh) * | 2016-12-31 | 2018-07-05 | 山东大学 | 一种协作蜂窝网络的资源分配和能量管理方法 |
CN108566670A (zh) * | 2018-04-19 | 2018-09-21 | 郑州航空工业管理学院 | 无人机辅助无线传感网及其节点调度与路径规划功率分配设计方法 |
CN108768497A (zh) * | 2018-04-27 | 2018-11-06 | 郑州航空工业管理学院 | 无人机辅助无线传感网及其节点调度与飞行参量设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109587690A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109587690B (zh) | 无人机辅助认知卫星地面通信网络多点协作传输方法 | |
Ji et al. | Performance analysis of UAV relay assisted IoT communication network enhanced with energy harvesting | |
Chakareski et al. | An energy efficient framework for UAV-assisted millimeter wave 5G heterogeneous cellular networks | |
Huo et al. | Cellular communications in ocean waves for maritime Internet of Things | |
Galkin et al. | A stochastic model for UAV networks positioned above demand hotspots in urban environments | |
Wang et al. | HF communications: Past, present, and future | |
CN114051204B (zh) | 一种基于智能反射面的无人机辅助通信方法 | |
Solanki et al. | On the performance of IRS-aided UAV networks with NOMA | |
Nkordeh et al. | Lte network planning using the hata-okumura and the cost-231 hata pathloss models | |
Ruan et al. | Power allocation in cognitive satellite-vehicular networks from energy-spectral efficiency tradeoff perspective | |
Shi et al. | Joint gateway selection and resource allocation for cross-tier communication in space-air-ground integrated IoT networks | |
Wang et al. | A novel dynamic spectrum-sharing method for GEO and LEO satellite networks | |
Liu et al. | Joint optimization of resource allocation and multi-UAV trajectory in space-air-ground IoRT networks | |
Ruan et al. | Spectral-energy efficiency tradeoff in cognitive satellite-vehicular networks towards beyond 5G | |
Liu et al. | Toward ubiquitous and flexible coverage of UAV-IRS-assisted NOMA networks | |
Naqvi et al. | Energy efficiency analysis of UAV-assisted mmWave HetNets | |
Zhu et al. | Spectrum and energy efficiency in dynamic UAV-powered millimeter wave networks | |
Zhu et al. | Optimal HAP deployment and power control for space-air-ground IoRT networks | |
Gu et al. | Cooperative spectrum sharing in a co-existing LEO-GEO satellite system | |
Villardi et al. | Efficiency of dynamic frequency selection based coexistence mechanisms for TV white space enabled cognitive wireless access points | |
CN115811734B (zh) | 混合卫星-地面无线网络中基于物理层安全的安全速率最大化方法 | |
CN105227222B (zh) | 一种利用统计信道状态信息的高能效大规模mimo波束成形方法 | |
CN107517088B (zh) | 星地一体化系统基于混合信道衰落的干扰分析方法 | |
Leng et al. | User-level scheduling and resource allocation for multi-beam satellite systems with full frequency reuse | |
Chai et al. | An optimal joint user association and power allocation algorithm for secrecy information transmission in heterogeneous networks |
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 |