CN110290537A - 一种基于平均场型博弈的多类型无人机移动基站部署方法 - Google Patents

一种基于平均场型博弈的多类型无人机移动基站部署方法 Download PDF

Info

Publication number
CN110290537A
CN110290537A CN201910545897.9A CN201910545897A CN110290537A CN 110290537 A CN110290537 A CN 110290537A CN 201910545897 A CN201910545897 A CN 201910545897A CN 110290537 A CN110290537 A CN 110290537A
Authority
CN
China
Prior art keywords
unmanned plane
base station
mobile base
plane mobile
cost function
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.)
Granted
Application number
CN201910545897.9A
Other languages
English (en)
Other versions
CN110290537B (zh
Inventor
李立欣
孙妍
李旭
梁微
杨富程
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201910545897.9A priority Critical patent/CN110290537B/zh
Publication of CN110290537A publication Critical patent/CN110290537A/zh
Application granted granted Critical
Publication of CN110290537B publication Critical patent/CN110290537B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18517—Transmission equipment in earth stations
    • 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
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)

Abstract

本发明的目的是公开一种基于平均场型博弈的多类型无人机移动基站部署方法，对于多性能无人机作为空中移动基站的对地通信系统，充分考虑不同类型无人机移动基站的部署决策对整个系统状态演进的影响，建立平均场型博弈系统模型，通过数值解法得到多无人机移动基站的最优部署方案；其中，多个无人机空中移动基站的性能差异性体现在飞行速度以及服务半径两个方面，将这些不同参数引入平均场项中来描述与其他无人机移动基站的相互作用的状态方程以及成本函数。解决了实际工程应用中多类型无人机移动基站对地通信网络下部署能耗大的问题。

Description

一种基于平均场型博弈的多类型无人机移动基站部署方法
【技术领域】
本发明属于无线通信技术领域，具体涉及一种基于平均场型博弈的多类型无人机移动基站部署方法。
【背景技术】
近年来，由于无人机成本低廉、灵活性较强的特点，更加广泛的应用于日常生活中。无人机作为空中移动基站，为地面用户设备提供无线通信覆盖，或作为附加的辅助基站服务地面用户以提高无线网络的容量。与于传统的地面通信网络相比，无人机移动基站可迅速建立通信链路，随时通过调整无人机的飞行策略改变通信覆盖区域以及网络容量，同时无人机移动基站平台利用空中优势，可以更好的避开障碍物，与用户建立起良好的通信链路，并且无人机移动基站可以轻松的实现通信设备的更新换代，提高通信质量。与在自然灾害中极易受严重破坏的固定基站相比，无人机移动基站更加易于部署，可针对目标区域提供紧急通信。考虑到应急事件的突发性以及用户业务请求的不确定性，无人机基站的合理部署已经是解决这些问题的一个高效方案。
然而，目前无人机作为空中移动基站仍然面临着很多挑战。单个无人机的部署需要考虑无人机的高度对于部署区域大小的影响、无人机移动基站通信发射功率对通信质量的影响。在需要部署多个无人机移动基站来满足用户通信需求的场景中，每个无人机移动基站携带能量以及消耗成本的差异将直接影响到无人机移动基站飞行策略的决定。因此，在更多的工程应用中，部署多个不同性能的无人机移动基站用以实现空对地通信更符合现实场景，而面对超密集网络下的多用户需求，解决大量的不同性能的无人机移动基站的部署问题将会产生更大的现实意义。
在文献1“Efficient 3-D placement of an aerial base station in nextgeneration cellular networks[IEEE International Conference on Communications,May.2016.]”中提出了单个无人机作为空中移动基站服务多个地面用户，并建立三维无人机部署模型，解决单个无人机基站的部署问题。该方法只分析单个无人机移动基站的覆盖模型，没有涉及多无人机移动基站协同对地通信的特点，模型简单。
专利公开号为CN108616302A中，发明人设计了一种功率控制下的无人机多重覆盖模型及部署方法，提出了对地通信的势能博弈模型。所提方法主要是：首先构建无人机移动基站多覆盖部署模型，参与者是无人机群网络内所有无人机基站；然后各无人机移动基站构建自己的状态集，并将其他无人机划分为邻居和非邻居无人机；接着计算最大化传输功率下的最优覆盖，得出最优覆盖策略；最后在最优覆盖策略下，进行当前覆盖部署下的功率控制，得出最优功率策略。其采用的是同性能多个无人机移动基站覆盖模型，没有体现出实际工程应用中无人机移动基站性能的差异性。
【发明内容】
本发明的目的是提供一种基于平均场型博弈的多类型无人机移动基站部署方法，以解决实际工程应用中多类型无人机移动基站对地通信网络下部署能耗大的问题。
本发明采用以下技术方案：一种基于平均场型博弈的多类型无人机移动基站部署方法，其特征在于，对于多性能无人机作为空中移动基站的对地通信系统，充分考虑不同类型无人机移动基站的部署决策对整个系统状态演进的影响，建立平均场型博弈系统模型，通过数值解法得到多无人机移动基站的最优部署方案；
其中，多个无人机空中移动基站的性能差异性体现在飞行速度以及服务半径两个方面，将这些不同参数引入平均场项中来描述与其他无人机移动基站的相互作用的状态方程以及成本函数。
进一步的，具体按照以下步骤实施：
步骤1、构建系统模型：
包括多个无人机基站和多个地面用户构成无人机空对地通信系统，各个无人机基站的服务半径以及飞行速度均不同，在服务区域内大量用户随机分布，每个无人机基站服务指定区域内的地面用户；
步骤2、建立整个无人机空对地通信系统状态方程：
用无人机移动基站的位置信息xi(t)表示无人机基站i当前时刻的状态信息，另外无人机移动基站的动态状态方程描述无人机基站在时间t的位置变化趋势；
步骤3、建立成本函数：
多个无人机移动基站在飞行博弈的过程中，根据无人机基站的飞行推进成本以及通信成本构造相应的成本函数，考虑无人机移动基站的飞行决策对均场项产生不可忽略的影响以及每个无人机基站性能的可分辨性，将均场项引入成本函数，制定出最小化成本函数的优化问题；
步骤4：利用平方补全方法求解该平均场型博弈优化问题，得到多个无人机移动基站的最优部署方案。
进一步的，步骤2中状态方程建立过程如下：
在一个有限时间段t∈(0,T],T＞0内，我们令无人机移动基站的位置信息xi(t)表示无人机基站i当前时刻的状态信息，由于无人机移动基站的状态受当前状态以及各个无人机移动基站的策略影响，引入均场项来表征单个代理的决策对整个系统的影响，那么系统的状态方程为：
其中x(t)表示系统的状态包含所有无人机移动基站的位置信息，常数a表示环境对当前状态的影响因子；ui(t)表示无人机移动基站i的飞行决策，bi表示无人机移动基站i在策略ui(t)下的飞行速度；E[x(t)]表示由所有无人机移动基站在决策下的平均状态信息，E[u(t)]表示在时刻t时所有无人机基站飞行平均决策信息，表示所有无人机移动基站所处环境对当前状态的平均影响因子，表示所有无人机移动基站的平均飞行速度；B(t)表示随机布朗过程，表示无人机基站状态的一个随机波动项，σ作为衡量布朗过程的参量。
进一步的，步骤3中成本函数的建立过程如下：
以无人机基站i为例，无人机移动基站的成本函数包括飞行成本以及通信成本，在时刻t，无人机移动基站的运行成本可以构建为：
其中qi表示无人机移动基站i在通信网络状态x(t)下的相对静止下的能耗成本系数，qi是一个取决于无人机移动基站自身结构的常数，与可以服务的用户数量以及服务范围有关；ri表示无人机基站i在移动时的能耗成本函数，ri是取决于无人机移动基站飞行速度的常数；Γi表示无人机移动基站i在对地进行通信时的信噪比常数。
在最终时间t＝T时，无人机移动基站i的终端成本函数为只取决于通信网络在有限时间范围内形成的最后的网络状态x(T)以及状态均场项
在时间(0,T)内，无人机移动基站的成本函数可以表示为：
即最优控制问题被制定为在同时考虑无人机移动基站通信能耗和飞行能耗情况下，最小化平均成本函数的问题。
与现有技术相比，本发明至少具有以下有益效果：
1、本发明考虑了在空对地通信系统中，多个不同性能无人机作为空中移动基站的优化布局问题，提出了一个连续时间状态下的平均场型博弈模型来建模这一优化问题，从而求解得到无人机移动基站的最优部署，降低了无人机移动基站的飞行成本以及通信成本；
2、本发明提出的平均场型博弈框架的相应系统方程，包括系统状态动态方程和相关成本函数。因为无人机移动基站性能上的差异性，综合考虑服务半径、飞行速度等参数，可以根据实际工程应用改变成本函数的参数设置，进行无人机移动基站的灵活部署，具有很高的可靠性与很强的适用性，能够适用于多种无人机移动基站的对地通信系统。
【附图说明】
图1是本发明一种基于平均场型博弈的多类型无人机移动基站部署方法的场景模型图。
图2是本发明一种基于平均场型博弈的多类型无人机移动基站部署方法中初始所有无人机移动基站和用户的随机分布；
图3是本发明一种基于平均场型博弈的多类型无人机移动基站部署方法中在所求得的最优部署方案下无人机移动基站的分布；
图4是本发明一种基于平均场型博弈的多类型无人机移动基站部署方法中在求得最优部署方案与初始分布下各类型无人机所服务用户数量的对比图。
【具体实施方式】
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明提供了一种基于平均场型博弈的多类型无人机移动基站部署方法，对于多个无人机作为移动基站服务地面用户的空对地通信系统，考虑每个无人机基站性能的可分辨性，即无人机移动基站服务半径以及飞行速度的差异性，设计网络状态方程以及无人机移动基站的成本函数，提出使用平均场型博弈方法来建模这一多类型无人机移动基站部署问题，并利用平方补全方法求解得到多个无人机移动基站的最优部署方案。
本发明所研究的系统模型如图1所示，大量无人机作为空中基站提供空对地下行通信服务，多个不同等级的无人机基站以及大量用户被随机部署在特定区域内，在一个有限时间段t∈(0,T],T＞0内，我们令无人机的位置信息xi(t)表示无人机移动基站i当前时刻的状态信息，另外无人机移动基站的动态状态方程xi′(t)＝dxi(t)/dt表示无人机基站在时间t的位置变化趋势。同时，无人机移动基站的控制策略ui(t)表示在时刻t的可允许无人机基站的飞行策略。每个无人机基站i∈n的目标是在动态状态xi′(t)的约束下，确定其最优控制ui(t)，以最小化其成本。
由于无人机移动基站的状态受当前状态以及各个无人机移动基站的策略影响，引入均场项来表征单个代理的决策对整个系统的影响，那么系统的状态方程为：
其中x(t)表示系统的状态包含所有无人机移动基站的位置信息，常数a表示环境对当前状态的影响因子；ui(t)表示无人机移动基站i的飞行决策，bi表示无人机移动基站i在策略ui(t)下的飞行速度；E[x(t)]表示由所有无人机移动基站在决策下的平均状态信息，E[u(t)]表示在时刻t时所有无人机基站飞行平均决策信息，表示所有无人机移动基站所处环境对当前状态的平均影响因子，表示所有无人机移动基站的平均飞行速度；B(t)表示随机布朗过程，表示无人机状态的一个随机波动项，σ作为衡量布朗过程的参量。
进一步地，以无人机基站i为例，我们考虑无人机移动基站的成本函数包括飞行成本以及通信成本两项，在时刻t，无人机基站的运行成本可以构建为：
其中qi表示无人机移动基站i在通信网络状态x(t)下的相对静止下的能耗成本系数，qi是一个取决于无人机移动基站自身结构的常数，与可以服务的用户数量以及服务范围有关；ri表示无人机基站i在移动时的能耗成本函数，ri是取决于无人机移动基站飞行速度的常数；Γi表示无人机移动基站i在对地进行通信时的信噪比常数。
在最终时间t＝T时，无人机移动基站i的终端成本函数为只取决于通信网络在有限时间范围内形成的最后的网络状态x(T)以及状态均场项
在时间(0,T)内，无人机移动基站的平均成本函数可以表示为：
在上述状态空间以及成本函数的定义下，每个无人机基站i需要确定一个最优控制法则通过最小化个体成本得到无人机移动基站的最优部署决策。
本发明解决上述最小化平均成本函数问题所采用的技术方案如下所述：
注意到(8)中成本函数整理以后可以看作是由状态和决策的方差组成，状态动态方程为一个线性的动态方程。考虑到无人机移动基站成本函数的二次型结构，我们直接使用二次函数的通解普通解法：平方补全方法。
假设存在一个二次函数如式(9)：
式中αi,βi,γi,δi为常数，多个无人机移动基站都受到时间和初始分布的限制，然后计算成本函数和初始分布成本函数之间的差值如下式(10)：
依据伊藤公式可以得到:
通过使用平方补全方法，联立式(10)和(11)可以得到：
其中为系统成本函数的最小期望值，即为无人机移动基站i的最优飞行控制策略。
由上述描述可知，最优无人机移动基站部署问题被制定为在同时考虑无人机基站通信能耗和飞行推进能耗情况下，最小化平均成本函数的问题。
实施例
以下实例中所提供的图示以及模型中的具体参数值的设定主要是为了说明本发明的基本构想以及对本发明做仿真验证，具体的应用环境中，可视实际场景和需求进行适当调整。
本发明考虑多个无人机移动基站的空对地通信网络，假设空中移动基站部署待覆盖的区域面积为50×50km，在指定服务区域内包含8个性能不同的无人机移动基站和100个用户，无人机基站与用户初始都随机部署。每个基站在每个时隙内只服务一个用户，为了使系统更简单，我们将系统中的所有无人机移动基站飞行高度设置为2km，设单位频带发射功率为1W，覆盖半径为5km到8km不等。在其他情况下，这些表征无人机移动基站性能的参数可以改变。
图2所示为本发明中所有无人机移动基站以及用户的初始部署。在初始部署中整个空对地网络没有对用户密集区域提供的通信服务。此外，无人机移动基站的服务半径越大，一般服务的用户就越多。这种现象符合实际应用。
图3所示为本发明在最终求解平均场型博弈问题得到的无人机移动基站部署方案。从图中可以看到，在用户缓慢移动或者不动的情况下，无人机移动基站最终服务区域覆盖了用户密集区，并且在不收敛到用户密集区域的情况下为尽可能多的用户提供服务。此外，如图3所示，所有无人机移动基站都在用户分布区域附近部署；对于每个无人机移动基站，它所服务的用户数量显著增加；并且服务能力强、飞行速度快的无人机移动基站向较远的用户密集区域移动，而服务范围较小的无人机移动基站移动距离较小。
此外，为了确定无人机移动基站的可服务用户数量，图4展示了无人机移动基站从初始部署到最终部署的服务能力，即服务用户数变化情况。从图4可以看出，无人机移动基站的服务半径越大，服务的用户数量就越多。此外，无人机移动基站的最终部署明显增加了服务用户的数量。综上所述，这些性能与实际工程相符，充分证明了平均场型博弈模型对于部署不同性能无人机移动基站的合理性。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (4)

1.一种基于平均场型博弈的多类型无人机移动基站部署方法，其特征在于，对于多性能无人机作为空中移动基站的对地通信系统，充分考虑不同类型无人机移动基站的部署决策对整个系统状态演进的影响，建立平均场型博弈系统模型，通过数值解法得到多无人机移动基站的最优部署方案；
其中，多个无人机空中移动基站的性能差异性体现在飞行速度以及服务半径两个方面，将这些不同参数引入平均场项中来描述与其他无人机移动基站的相互作用的状态方程以及成本函数。
2.如权利要求1所述的一种基于平均场型博弈的多类型无人机移动基站部署方法，其特征在于，具体按照以下步骤实施：
步骤1、构建系统模型：
多个无人机基站和多个地面用户构成无人机空对地通信系统，各个无人机基站的服务半径以及飞行速度均不同，在服务区域内大量用户随机分布，每个无人机基站服务指定区域内的地面用户；
步骤2、建立整个无人机空对地通信系统状态方程：
用无人机移动基站的位置信息xi(t)表示无人机基站i当前时刻的状态信息，另外无人机移动基站的动态状态方程描述无人机基站在时间t的位置变化趋势；
步骤3、建立成本函数：
多个无人机移动基站在飞行博弈的过程中，根据无人机基站的飞行推进成本以及通信成本构造相应的成本函数，考虑无人机移动基站的飞行决策对均场项产生不可忽略的影响以及每个无人机基站性能的可分辨性，将均场项引入成本函数，制定出最小化成本函数的优化问题；
步骤4：利用平方补全方法求解该平均场型博弈优化问题，得到多个无人机移动基站的最优部署方案。
3.如权利要求2所述的方法，其特征在于，所述步骤2中状态方程建立过程如下：
在一个有限时间段t∈(0,T],T＞0内，我们令无人机移动基站的位置信息xi(t)表示无人机基站i当前时刻的状态信息，由于无人机移动基站的状态受当前状态以及各个无人机移动基站的策略影响，引入均场项来表征单个代理的决策对整个系统的影响，那么系统的状态方程为：
其中x(t)表示系统的状态包含所有无人机移动基站的位置信息，常数a表示环境对当前状态的影响因子；ui(t)表示无人机移动基站i的飞行决策，bi表示无人机移动基站i在策略ui(t)下的飞行速度；E[x(t)]表示由所有无人机移动基站在决策下的平均状态信息，E[u(t)]表示在时刻t时所有无人机基站飞行平均决策信息，表示所有无人机移动基站所处环境对当前状态的平均影响因子，表示所有无人机移动基站的平均飞行速度；B(t)表示随机布朗过程，表示无人机基站状态的一个随机波动项，σ作为衡量布朗过程的参量。
4.如权利要求2所述的方法，其特征在于，所述步骤3中成本函数的建立过程如下：
以无人机基站i为例，无人机移动基站的成本函数包括飞行成本以及通信成本，在时刻t，无人机移动基站的运行成本可以构建为：
其中qi表示无人机移动基站i在通信网络状态x(t)下的相对静止下的能耗成本系数，qi是一个取决于无人机移动基站自身结构的常数，与可以服务的用户数量以及服务范围有关；ri表示无人机基站i在移动时的能耗成本函数，ri是取决于无人机移动基站飞行速度的常数；Γi表示无人机移动基站i在对地进行通信时的信噪比常数；
在最终时间t＝T时，无人机移动基站i的终端成本函数为只取决于通信网络在有限时间范围内形成的最后的网络状态x(T)以及状态均场项
在时间(0,T)内，无人机移动基站的成本函数可以表示为：
即最优控制问题被制定为在同时考虑无人机移动基站通信能耗和飞行能耗情况下，最小化平均成本函数的问题。
CN201910545897.9A 2019-06-23 2019-06-23 一种基于平均场型博弈的多类型无人机移动基站部署方法 Active CN110290537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910545897.9A CN110290537B (zh) 2019-06-23 2019-06-23 一种基于平均场型博弈的多类型无人机移动基站部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910545897.9A CN110290537B (zh) 2019-06-23 2019-06-23 一种基于平均场型博弈的多类型无人机移动基站部署方法

Publications (2)

Publication Number Publication Date
CN110290537A true CN110290537A (zh) 2019-09-27
CN110290537B CN110290537B (zh) 2021-02-19

Family

ID=68004659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910545897.9A Active CN110290537B (zh) 2019-06-23 2019-06-23 一种基于平均场型博弈的多类型无人机移动基站部署方法

Country Status (1)

Country Link
CN (1) CN110290537B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111193536A (zh) * 2019-12-11 2020-05-22 西北工业大学 一种多无人机基站轨迹优化和功率分配方法
CN112203310A (zh) * 2020-10-12 2021-01-08 重庆邮电大学 一种基于无人机协作的数据传输方法
CN112261615A (zh) * 2020-10-23 2021-01-22 沈阳航空航天大学 基于平均场无人机辅助多频段密集网络能效降解方法
CN113993105A (zh) * 2021-10-21 2022-01-28 北京邮电大学 一种面向城市热点区域的无人机三维部署参数设定方法
CN116185077A (zh) * 2023-04-27 2023-05-30 北京历正飞控科技有限公司 一种黑飞无人机窄带精准打击方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848489A (zh) * 2018-07-06 2018-11-20 西北工业大学 一种面向应急通信的无人机自适应覆盖方法
CN109104733A (zh) * 2018-07-12 2018-12-28 西北工业大学 一种基于离散平均场博弈的多无人机空对地无线通信方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848489A (zh) * 2018-07-06 2018-11-20 西北工业大学 一种面向应急通信的无人机自适应覆盖方法
CN109104733A (zh) * 2018-07-12 2018-12-28 西北工业大学 一种基于离散平均场博弈的多无人机空对地无线通信方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HYESUNG KIM等: "Massive UAV-to-Ground Communication and its Stable Movement Control: A Mean-Field Approach", 《2018 IEEE 19TH INTERNATIONAL WORKSHOP ON SIGNAL PROCESSING ADVANCES IN WIRELESS COMMUNICATIONS (SPAWC)》 *
LANG RUAN等: "Energy-Efficient Multi-UAV Coverage Deployment in UAV Networks: A Game-Theoretic Framework", 《CHINA COMMUNICATIONS》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111193536A (zh) * 2019-12-11 2020-05-22 西北工业大学 一种多无人机基站轨迹优化和功率分配方法
CN112203310A (zh) * 2020-10-12 2021-01-08 重庆邮电大学 一种基于无人机协作的数据传输方法
CN112261615A (zh) * 2020-10-23 2021-01-22 沈阳航空航天大学 基于平均场无人机辅助多频段密集网络能效降解方法
CN112261615B (zh) * 2020-10-23 2023-09-29 沈阳航空航天大学 基于平均场无人机辅助多频段密集网络能效降解方法
CN113993105A (zh) * 2021-10-21 2022-01-28 北京邮电大学 一种面向城市热点区域的无人机三维部署参数设定方法
CN116185077A (zh) * 2023-04-27 2023-05-30 北京历正飞控科技有限公司 一种黑飞无人机窄带精准打击方法
CN116185077B (zh) * 2023-04-27 2024-01-26 北京历正飞控科技有限公司 一种黑飞无人机窄带精准打击方法

Also Published As

Publication number Publication date
CN110290537B (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN110290537A (zh) 一种基于平均场型博弈的多类型无人机移动基站部署方法
Bor-Yaliniz et al. Efficient 3-D placement of an aerial base station in next generation cellular networks
CN110430577B (zh) 一种基于时间相关性的无人机基站群组部署方法
Arribas et al. Coverage optimization with a dynamic network of drone relays
CN105307216B (zh) 一种基于lte车联网的无线资源分配方法
CN109716816A (zh) 电路、基站、方法和记录介质
Dai et al. The multi-objective deployment optimization of UAV-mounted cache-enabled base stations
CN112672376B (zh) 一种无人机辅助蜂窝网络中无人机部署方法
CN111970713B (zh) 一种面向密集城区的无人机基站部署方法与三维参数设定
WO2019184586A1 (zh) 基于物理引力模型部署无人机增强基站通信的方法及系统
Kumar et al. Backhaul and delay-aware placement of UAV-enabled base station
Khosravi et al. Performance evaluation of UAV-assisted mmWave operation in mobility-enabled urban deployments
Andryeyev et al. Increasing the cellular network capacity using self-organized aerial base stations
Chiaraviglio et al. Joint optimization of area throughput and grid-connected microgeneration in UAV-based mobile networks
Guo et al. 3D aerial vehicle base station (UAV-BS) position planning based on deep Q-learning for capacity enhancement of users with different QoS requirements
CN111970711A (zh) 一种空间边界约束下的无人机动态部署方法
Colpaert et al. Drone delivery: Reliable cellular UAV communication using multi-operator diversity
Mokrov et al. Modeling transmit power reduction for a typical cell with licensed shared access capabilities
Arribas et al. Fair cellular throughput optimization with the aid of coordinated drones
Yang et al. Blockage modeling for inter-layer UAVs communications in urban environments
Guo et al. Analysis of downlink coverage and capacity for 3D mobile UAV networks
CN117221948A (zh) 一种面向密集场景的网络选择和功率控制方法
CN108848489A (zh) 一种面向应急通信的无人机自适应覆盖方法
Wang et al. Profit maximization in femtocell service with contract design
Zhou et al. Research on Spectrum Needs Prediction Method for HAPS as IMT Base Station

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