CN110300417A - 无人机通信网络的能量效率优化方法和装置 - Google Patents

无人机通信网络的能量效率优化方法和装置 Download PDF

Info

Publication number
CN110300417A
CN110300417A CN201910384002.8A CN201910384002A CN110300417A CN 110300417 A CN110300417 A CN 110300417A CN 201910384002 A CN201910384002 A CN 201910384002A CN 110300417 A CN110300417 A CN 110300417A
Authority
CN
China
Prior art keywords
energy efficiency
user
model
constraint condition
power distribution
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
CN201910384002.8A
Other languages
English (en)
Other versions
CN110300417B (zh
Inventor
冯伟
刘承骁
葛宁
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN201910384002.8A priority Critical patent/CN110300417B/zh
Publication of CN110300417A publication Critical patent/CN110300417A/zh
Application granted granted Critical
Publication of CN110300417B publication Critical patent/CN110300417B/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
    • 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
    • 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
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite Networks
    • 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)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例提供一种无人机通信网络的能量效率优化方法和装置，该方法包括：基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；基于功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。本发明实施例提供的方法和装置，提升了无人机通信网络的能量效率，延长了无人机通信网络的续航时间。

Description

无人机通信网络的能量效率优化方法和装置
技术领域
本发明涉及无线通信技术领域，尤其涉及一种无人机通信网络的能量效率优化方法和装置。
背景技术
随着无线通信技术的广泛应用，用户对于通信服务质量的需求不断提升，相应的对于基站服务能力的需求也有进一步提升。由于将基站放在空中的无人机上可以显著提高无线通信的信道质量，进而提高基站的服务能力，无人机通信网络的设计正获得业界的广泛关注。
作为基站的无人机可以利用较好的信道质量为用户提供高数据率服务，但是受到本身的体积和重量的限制，无人机大多使用电池供电。这也导致了无人机在飞行过程中能够使用总能量会受到严重限制，进而影响到无人机持续为用户提供服务的能力。
现有研究一般利用两种思路来解决这一问题，一种思路是在能量受限的条件下，尽可能提高无人机使用能量的效率；另一种思路则是通过增加无人机的数量，利用多无人机间的协作突破能量的限制。现有方法多采用两种思路之一对无人机群的能量效率进行优化，然而难以克服能量使用效率较低的问题。
发明内容
本发明实施例提供一种无人机通信网络的能量效率优化方法和装置，用以解决现有的无人机受能量限制导致持续为用户提供服务的能力弱的问题。
第一方面，本发明实施例提供一种无人机通信网络的能量效率优化方法，包括：
基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；
基于所述功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。
优选地，所述基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果，之前还包括：
基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式；其中，所述无人机群的总数据量是基于每一用户的大尺度信道信息表示的；
基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型。
优选地，所述基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式，具体包括：
通过如下公式表示所述无人机的总数据量D(P,T)：
式中，P为功率分配结果，T为用户悬停时间分配结果；Tn为无人机群在服务第n个用户时的悬停时间，N为用户总数；In为单位矩阵，为高斯噪声功率；Ln和Sn分别为第n个用户的大尺度信道信息和小尺度信道信息；Pn为无人机群在服务第n个用户时的发射功率集合；
通过如下公式表示所述无人机群的总消耗能量E(P,T)：
式中，c为功率损失系数，pn,k为第k个无人机在服务第n个用户时的发射功率，K为无人机总数；ηk为第k个无人机的发射效率；Pind为无人机群的悬停消耗功率，Ttotal为最大总悬停时间；
基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式如下：
式中，η(P,T)为无人机通信能量效率，ES{D(P,T)}为传输总数据量D(P,T)所需的能量。
优选地，所述基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型，具体包括：
基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型，包括：
能量效率最大化函数：
单机通信能量约束条件：
单机发射功率约束条件：0≤pn,k≤pmax,n＝1,...,N,k＝1,...,K；
机群悬停时间约束条件：
用户悬停时间约束条件：0≤Tn≤Tmax,n＝1,...,N；
其中，Ek为第k个无人机能发出的最大通信能量，pmax为任一无人机的最大发射功率，Tmax为最大悬停时间。
优选地，所述基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果，具体包括：
将所述无人机通信能量效率最大化模型分解为以所述功率分配结果为自变量的第一模型和以所述用户悬停时间分配结果为自变量的第二模型；
对所述第一模型和所述第二模型进行迭代求解，获取所述功率分配优化结果与用户悬停时间分配优化结果。
优选地，所述将所述无人机通信能量效率最大化模型分解为以所述功率分配结果为自变量的第一模型和以所述用户悬停时间分配结果为自变量的第二模型，具体包括：
对所述能量效率最大化函数进行简化，得到简化最大化函数如下：
式中，P为功率分配结果，T为用户悬停时间分配结果，w为由P决定的变量；Da(P,T,w)为传输总数据量所需的能量，E(P,T)为无人机群的总消耗能量；
分解所述简化最大化函数和所述约束条件，得到以所述功率分配结果为自变量的第一模型中的最大化函数如下：
式中，Pi和wi分别为第i次迭代下的P和w，Ti-1为第i-1次迭代下的T；所述第一模型对应的约束条件包括所述单机通信能量约束条件和所述单机发射功率约束条件；
以所述用户悬停时间分配结果为自变量的第二模型中的最大化函数如下：
式中，Pi、Ti和wi分别为第i次迭代下的P、T和w；所述第二模型对应的约束条件包括所述单机通信能量约束条件、所述机群悬停时间约束条件以及所述用户悬停时间约束条件。
优选地，所述对所述第一模型和所述第二模型进行迭代求解，获取所述功率分配优化结果与用户悬停时间分配优化结果，具体包括：
求解所述第一模型，获取当前功率分配结果；
若所述当前功率分配结果和上一功率分配结果不满足第一预设条件，则基于所述当前功率分配结果迭代更新所述第二模型，并求解所述第二模型，获取当前用户悬停时间分配结果；否则，将所述当前功率分配结果作为功率分配优化结果，将所述第一模型中的用户悬停时间分配结果作为用户悬停时间分配优化结果；
基于所述当前用户悬停时间分配结果，迭代更新所述第一模型，并再次求解所述第一模型。
第二方面，本发明实施例提供一种无人机通信网络的能量效率优化装置，包括：
优化单元，用于基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；
执行单元，用于基于所述功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。
第三方面，本发明实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种无人机通信网络的能量效率优化方法和装置，基于包含能量效率最大化函数，以及单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种的无人机通信能量效率最大化模型，获取功率分配优化结果与用户悬停时间分配优化结果，使得无人机通信网络的能量效率得到了极大的提升，削弱了电池供电对无人机通信网络的能量限制给无人机通信网络带来的影响，有效延长了无人机通信网络的续航时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的无人机通信网络的能量效率优化方法的流程示意图；
图2为本发明实施例提供的无人机通信网络的能量效率优化方法与传统算法的能量效率随总发射能量变化的曲线示意图；
图3为本发明实施例提供的无人机通信网络的能量效率优化方法在不同无人机群规模下其能量效率随总发射能量变化的曲线示意图；
图4为本发明实施例提供的无人机通信网络的能量效率优化装置的结构示意图；
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有的无人机通信网络中，作为基站的无人机大多使用电池供电，在飞行过程中能够使用总能量会受到严重限制，进而影响到无人机持续为用户提供服务的能力。本发明实施例提供了一种无人机通信网络的能量效率优化方法，以优化无人机通信网络的能量效率，延长无人机的续航时间。图1为本发明实施例提供的无人机通信网络的能量效率优化方法的流程示意图，如图1所示，该方法包括：
步骤110，基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果。其中，无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种。
具体地，无人机通信能量效率最大化模型用于实现无人机通信网络的能量效率的最大化，通过求解无人机通信能量效率最大化模型，即可得到无人机通信网络的能量效率最大时对应的自变量。
无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，其中能量效率最大化函数为目标函数，功率分配结果与用户悬停时间分配结果为能量效率最大化函数的自变量，通过选取合适的功率分配结果与用户悬停时间分配结果即可实现无人机通信网络能量效率的最大化。此处，功率分配结果用于指示无人机群中的每一无人机服务于每一用户的发射功率，用户悬停时间分配结果用于指示无人机群服务于每一用户的时间。
约束条件用于对功率分配结果与用户悬停时间分配结果的取值范围进行约束。其中，单机通信能量约束条件针对无人机群中的任一无人机，其服务于所有用户消耗的通信能量不能大于该无人机的可用于通信的最大通信能量；单机发射功率约束条件针对无人机群中的任一无人机，其发射功率不能大于无人机的最大发射功率；机群悬停时间约束条件针对无人机群，无人机群服务于每一用户的时间之和不能超过最大总悬停时间；用户悬停时间约束条件针对无人机群，无人机群服务与任一用户的时间，即无人机群在为任一用户服务时的悬停时间，不能超过最大悬停时间。
基于无人机通信能量效率最大化模型获取的功率分配优化结果与用户悬停时间分配优化结果，不仅能够满足每一约束条件，而且在满足每一约束条件的前提下能够实现能量效率最大化，即满足能量效率最大化函数。
步骤120，基于功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。
具体地，在得到功率分配优化结果与用户悬停时间分配优化结果后，基于功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络，能够使得通信网络的效率达到最大，从而有效延长无人机群通信网络的续航时间。
本发明实施例提供的方法，基于包含能量效率最大化函数，以及单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种的无人机通信能量效率最大化模型，获取功率分配优化结果与用户悬停时间分配优化结果，使得无人机通信网络的能量效率得到了极大的提升，削弱了电池供电对无人机通信网络的能量限制给无人机通信网络带来的影响，有效延长了无人机通信网络的续航时间。
基于上述实施例，该方法中，步骤110之前还包括：
步骤101，基于无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式；其中，无人机群的总数据量是基于每一用户的大尺度信道信息表示的。
具体地，考虑到无人机群仅能够获取部分信道信息的特性，即在发端只能获取大尺度信道信息的具体值，而无法获取小尺度信道信息的特性，本发明实施例中，仅通过功率分配结果、用户悬停时间分配结果以及各个用户信道的大尺度信道信息表征无人机群的总数据量。此处，无人机群的总数据量即无人机群建立的通信网络在于各个用户连接后承载的数据总量。
此外，无人机群的总消耗量是指无人机群在构建通信网络并为各个用户信道提供服务的过程中消耗的总能量。
基于无人机群的总数据量可以获知无人机群建立通信网络承载总数据量所等价的能量值，即传输总数据量所需的能量。传输总数据量所需的能量与总消耗能量两者的比值即无人机通信能量效率。此处，无人机通信能量效率公式中，无人机通信能量效率等于传输总数据量所需的能量与总消耗能量两者的比值。
步骤102，基于无人机通信能量效率公式构建无人机通信能量效率最大化模型。
具体地，在得到无人机通信能量效率公式后，求无人机通信能量效率的最大值即得到能量效率最大化函数。在此基础上，通过设置约束条件即可构建无人机通信能量效率最大化模型。
本发明实施例提供的方法，通过各个用户信道的大尺度信道信息表征无人机群的总数据量，进而得到无人机通信能量效率最大化模型，充分考虑了无人机群仅能够获取部分信道信息的特性的问题，在信道条件不完全已知的情况下实现了无人机通信网络的能量效率的提升。
基于上述任一实施例，该方法中，步骤101具体包括：
通过如下公式表示无人机的总数据量D(P,T)：
式中，P为功率分配结果，T为用户悬停时间分配结果；Tn为无人机群在服务第n个用户时的悬停时间，N为用户总数；In为单位矩阵，为高斯噪声功率；Ln和Sn分别为第n个用户的大尺度信道信息和小尺度信道信息；Pn为无人机群在服务第n个用户时的发射功率集合。
其中，第n个用户的信道可表示为Hn＝SnLn，Sn为M×K的矩阵，M为用户的接收天数数量，K为无人机数量，矩阵Sn中每一元素均为标准复高斯随机变量，为矩阵Sn的共轭矩阵；Ln是一个K×K的对角阵，Ln＝diag{ln,1,...,ln,K}，其中每一元素均为正实数。
通过如下公式表示无人机群的总消耗能量E(P,T)：
式中，c为功率损失系数，pn,k为第k个无人机在服务第n个用户时的发射功率，K为无人机总数；ηk为第k个无人机的发射效率；Pind为无人机群的悬停消耗功率，Ttotal为最大总悬停时间。
其中，为无人机群传输总数据量所消耗的能量，PindTtotal为无人机群在为各个用户服务时保持悬停状态消耗的能量。
基于无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式如下：
式中，η(P,T)为无人机通信能量效率，ES{}为通过数据量表示传输数据量所需能量的公式，通过将总数据量D(P,T)代入ES{}可以得到ES{D(P,T)}，ES{D(P,T)}为传输总数据量D(P,T)所需的能量。
基于上述任一实施例，该方法中，步骤102具体包括：基于无人机通信能量效率公式构建无人机通信能量效率最大化模型，包括：
其中，为能量效率最大化函数，P为功率分配结果，T为用户悬停时间分配结果，η(P,T)为无人机通信能量效率；
为单机通信能量约束条件，式中pn,k为第k个无人机在服务第n个用户时的发射功率，Tn为无人机群在服务第n个用户时的悬停时间，N为用户总数，K为无人机数量。
0≤pn,k≤pmax,n＝1,...,N,k＝1,...,K为单机发射功率约束条件，pmax为任一无人机的最大发射功率。
为机群悬停时间约束条件，为机群总悬停时间，Ttotal为最大总悬停时间。
0≤Tn≤Tmax,n＝1,...,N为用户悬停时间约束条件，Tmax为针对任一用户的最大悬停时间。
基于上述任一实施例，该方法中，步骤110具体包括：
步骤111，将无人机通信能量效率最大化模型分解为以功率分配结果为自变量的第一模型和以用户悬停时间分配结果为自变量的第二模型。
具体地，无人机通信能量效率最大化模型包含功率分配结果与用户悬停时间分配结果两个自变量，两个自变量共同影响无人机通信能量效率的大小。为了简化功率分配优化结果与用户悬停时间分配优化结果的求解过程，对无人机通信能量效率最大化模型进行分解，得到两个模型。
其中，第一模型仅将功率分配结果作为自变量，而将用户悬停时间分配结果作为固定值，第二模型仅将用户悬停时间分配结果作为自变量，而将功率分配结果作为固定值。需要说明的是，第一模型和第二模型中功率分配结果和用户悬停时间分配结果的取值依然受到原无人机通信能量效率最大化模型中的约束条件的限制。
步骤112，对第一模型和第二模型进行迭代求解，获取所述功率分配优化结果与用户悬停时间分配优化结果。
具体地，在完成第一模型和第二模型的分解后，分别对第一模型和第二模型进行迭代求解，进而得到功率分配优化结果与用户悬停时间分配优化结果。
基于上述任一实施例，该方法中，步骤111具体包括：
对能量效率最大化函数进行简化，得到简化最大化函数如下：
式中，P为功率分配结果，T为用户悬停时间分配结果，w为由P决定的变量；Da(P,T,w)为传输总数据量所需的能量，E(P,T)为无人机群的总消耗能量。w＝(w1,...,wN)T，w1,...,wN分别对应第1至N个用户。
Da(P,T,w)如下式所示：
式中，N为用户总数，K为无人机总数，Tn为无人机群在服务第n个用户时的悬停时间，M为任一用户拥有的接收天线数量；ln,k为第k个无人机在服务第n个用户时的大尺度信道消息，pn,k为第k个无人机在服务第n个用户时的发射功率，wn为对应第n个用户的变量，为高斯噪声功率。
分解简化最大化函数和约束条件，得到以功率分配结果为自变量的第一模型中的最大化函数如下：
式中，Pi和wi分别为第i次迭代下的P和w，Ti-1为第i-1次迭代下的T；所述第一模型对应的约束条件包括所述单机通信能量约束条件和所述单机发射功率约束条件，即：
此外，
以用户悬停时间分配结果为自变量的第二模型中的最大化函数如下：
式中，Pi、Ti和wi分别为第i次迭代下的P、T和w；第二模型对应的约束条件包括单机通信能量约束条件、机群悬停时间约束条件以及用户悬停时间约束条件，即：
此外，
基于上述任一实施例，该方法中，步骤112具体包括：
步骤1121，求解第一模型，获取当前功率分配结果。
具体地，第一模型中，用户悬停时间为固定值，在此基础上，求解功率分配结果，将当前求解得到的功率分配结果作为当前分配结果。
步骤1122，若当前功率分配结果和上一功率分配结果不满足第一预设条件，则基于所述当前功率分配结果迭代更新所述第二模型，并求解所述第二模型，获取当前用户悬停时间分配结果；否则，将当前功率分配结果作为功率分配优化结果，将第一模型中的用户悬停时间分配结果作为用户悬停时间分配优化结果。
具体地，上一功率分配结果是在当前的第一模型更新前，对更新前的第一模型进行求解得到的功率分配结果。通过比较当前功率分配结果和上一功率分配结果，判断当前功率分配结果和上一功率分配结果是否满足第一预设条件。此处，第一预设条件为预先设定的条件，第一预设条件可以是当前功率分配结果和上一功率分配结果分别对应的能量效率之间的差值小于预设阈值，如果差值小于预设阈值则满足第一预设条件，否则，不满足预设条件。
若当前功率分配结果和上一功率分配结果不满足第一预设条件，则说明当前功率分配结果不是最优解，需要继续进行计算和迭代。此时，将当前功率分配结果作为第二模型中的功率分配结果，对第二模型进行更新，并基于更新后的第二模型进行求解，将当前求解得到的用户悬停时间分配结果作为当前用户悬停时间分配结果，并执行步骤1123。
若当前功率分配结果和上一功率分配结果满足第一预设条件，则说明当前功率分配结果即为最优解，将当前功率分配结果作为功率分配优化结果，将第一模型中的用户悬停时间分配结果作为用户悬停时间分配优化结果，并退出循环。
步骤1123，基于当前用户悬停时间分配结果，迭代更新第一模型，并再次求解第一模型。
具体地，在得到当前用户悬停时间分配结果后，将当前用户悬停时间分配结果作为第一模型中的用户悬停时间分配结果，对第一模型进行更新，并针对更新后的第一模型执行步骤1121，重新求解第一模型，直至当前功率分配结果和上一功率分配结果满足第一预设条件。
基于上述任一实施例，该方法中，步骤1121具体包括：
将第一模型等价转换为两个可直接求解的优化问题，得到第一问题模型和第二问题模型，其中第一问题模型如下：
第二问题模型如下：
式中，t为迭代次数，v为由P决定的变量。v＝(v1,...,vN)T，v1,...,vN分别对应第1至N个用户。
式中，
针对第一问题模型和第二问题模型求解时，首先求解第一问题模型，获取第一问题模型下的当前功率分配结果；随即求解第二问题模型，获取第二问题模型下的当前v值，并判断基于当前功率分配结果和当前v值得到的能量效率与上一功率分配结果和上一v值得到的能量效率之差是否大于预设阈值；
如果大于，则基于当前v值更新第一问题模型，并重复上述步骤获取当前功率分配结果和当前v值，再次判断基于当前功率分配结果和当前v值得到的能量效率与上一功率分配结果和上一v值得到的能量效率之差是否大于预设阈值；
如果小于等于，则退出循环，并更新基于更新后的完成第一问题模型和第二问题模型的更新。
在此之后，重新求解第一问题模型，获取第一问题模型下的当前功率分配结果；随即求解第二问题模型，获取第二问题模型下的当前v值，并判断基于当前功率分配结果和当前v值得到的能量效率与上一功率分配结果和上一v值得到的能量效率之差是否大于预设阈值；
如果大于，则基于当前v值更新第一问题模型，并重复上述步骤获取当前功率分配结果和当前v值，再次判断基于当前功率分配结果和当前v值得到的能量效率与上一功率分配结果和上一v值得到的能量效率之差是否大于预设阈值；
如果小于，则跳出循环，并判断当前目标函数G(P,T,v)是否大于预设阈值。如果大于，则更新并基于的值重复上述求解第一问题模型与第二问题模型的步骤；如果小于，则将当前功率分配结果作为最优值输出。
基于上述任一实施例，该方法中，步骤1122中求解第二模型，获取当前用户悬停时间分配结果可通过如下方法实现：
将第二模型等价转换为如下模型：
z≥0
上述模型中，z为参数。上述模型为线性规划问题，可以用经典凸优化工具求解。上述模型的解为则第二模型对应的最优解即当前用户悬停时间分配结果为
基于上述任一实施例，图2为本发明实施例提供的无人机通信网络的能量效率优化方法与传统算法的能量效率随总发射能量变化的曲线示意图，如图2所示，用户天线数M＝8，无人机数量K＝8，用户数N＝10，最大总悬停时间Ttotal＝100s，服务单用户时的最大悬停时间Tmax＝15s时，在总发射能量相同的情况下，传统算法下的无人机通信网络的能量效率远低于本发明实施例提供的方法下的能量效率。
图3为本发明实施例提供的无人机通信网络的能量效率优化方法在不同无人机群规模下其能量效率随总发射能量变化的曲线示意图，如图3所示，在相同的总发射能量下，无人机群的规模越大，无人机数量越多，则应用本发明实施例提供的方法实现的能量效率越高。
基于上述任一实施例，图4为本发明实施例提供的无人机通信网络的能量效率优化装置的结构示意图，如图4所示，该装置包括优化单元410和执行单元420；
其中，优化单元410用于基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；
执行单元420用于基于所述功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。
本发明实施例提供的装置，基于包含能量效率最大化函数，以及单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种的无人机通信能量效率最大化模型，获取功率分配优化结果与用户悬停时间分配优化结果，使得无人机通信网络的能量效率得到了极大的提升，削弱了电池供电对无人机通信网络的能量限制给无人机通信网络带来的影响，有效延长了无人机通信网络的续航时间。
基于上述任一实施例，该装置还包括公式获取单元和建模单元；
其中，公式获取单元用于基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式；其中，所述无人机群的总数据量是基于每一用户的大尺度信道信息表示的；
建模单元用于基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型。
基于上述任一实施例，公式获取单元具体用于：
通过如下公式表示所述无人机的总数据量D(P,T)：
式中，P为功率分配结果，T为用户悬停时间分配结果；Tn为无人机群在服务第n个用户时的悬停时间，N为用户总数；In为单位矩阵，为高斯噪声功率；Ln和Sn分别为第n个用户的大尺度信道信息和小尺度信道信息；Pn为无人机群在服务第n个用户时的发射功率集合；
通过如下公式表示所述无人机群的总消耗能量E(P,T)：
式中，c为功率衰减系数，pn,k为第k个无人机在服务第n个用户时的发射功率，K为无人机总数；ηk为第k个无人机的发射效率；Pind为无人机群的悬停消耗功率，Ttotal为最大总悬停时间；
基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式如下：
式中，η(P,T)为无人机通信能量效率，ES{D(P,T)}为传输总数据量D(P,T)所需的能量。
基于上述任一实施例，建模单元具体用于：
基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型，包括：
能量效率最大化函数：
单机通信能量约束条件：
单机发射功率约束条件：0≤pn,k≤pmax,n＝1,...,N,k＝1,...,K；
机群悬停时间约束条件：
用户悬停时间约束条件：0≤Tn≤Tmax,n＝1,...,N；
其中，Ek为第k个无人机能发出的最大通信能量，pmax为任一无人机的最大发射功率，Tmax为最大悬停时间。
基于上述任一实施例，优化单元410具体包括分解单元和迭代单元；
其中，分解单元用于将所述无人机通信能量效率最大化模型分解为以所述功率分配结果为自变量的第一模型和以所述用户悬停时间分配结果为自变量的第二模型；
迭代单元用于对所述第一模型和所述第二模型进行迭代求解，获取所述功率分配优化结果与用户悬停时间分配优化结果。
基于上述任一实施例，分解单元具体用于：
对所述能量效率最大化函数进行简化，得到简化最大化函数如下：
式中，P为功率分配结果，T为用户悬停时间分配结果，w为由P决定的变量；Da(P,T,w)为传输总数据量所需的能量，E(P,T)为无人机群的总消耗能量；
分解所述简化最大化函数和所述约束条件，得到以所述功率分配结果为自变量的第一模型中的最大化函数如下：
式中，Pi和wi分别为第i次迭代下的P和w，Ti-1为第i-1次迭代下的T；所述第一模型对应的约束条件包括所述单机通信能量约束条件和所述单机发射功率约束条件；
以所述用户悬停时间分配结果为自变量的第二模型中的最大化函数如下：
式中，Pi、Ti和wi分别为第i次迭代下的P、T和w；所述第二模型对应的约束条件包括所述单机通信能量约束条件、所述机群悬停时间约束条件以及所述用户悬停时间约束条件。
基于上述任一实施例，迭代单元具体用于：
求解所述第一模型，获取当前功率分配结果；
若所述当前功率分配结果和上一功率分配结果不满足第一预设条件，则基于所述当前功率分配结果迭代更新所述第二模型，并求解所述第二模型，获取当前用户悬停时间分配结果；否则，将所述当前功率分配结果作为功率分配优化结果，将所述第一模型中的用户悬停时间分配结果作为用户悬停时间分配优化结果；
基于所述当前用户悬停时间分配结果，迭代更新所述第一模型，并再次求解所述第一模型。
图5为本发明实施例提供的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储在存储器503上并可在处理器501上运行的计算机程序，以执行上述各实施例提供的无人机通信网络的能量效率优化方法，例如包括：基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；基于所述功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的无人机通信网络的能量效率优化方法，例如包括：基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；基于所述功率分配优化结果与用户悬停时间分配优化结果控制无人机群建立通信网络。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种无人机通信网络的能量效率优化方法，其特征在于，包括：
基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；
基于所述功率分配优化结果与所述用户悬停时间分配优化结果控制所述无人机群建立通信网络。
2.根据权利要求1所述的无人机通信网络的能量效率优化方法，其特征在于，所述基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果，之前还包括：
基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式；其中，所述无人机群的总数据量是基于每一用户的大尺度信道信息表示的；
基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型。
3.根据权利要求2所述的无人机通信网络的能量效率优化方法，其特征在于，所述基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式，具体包括：
通过如下公式表示所述无人机的总数据量D(P,T)：
式中，P为功率分配结果，T为用户悬停时间分配结果；Tn为无人机群在服务第n个用户时的悬停时间，N为用户总数；In为单位矩阵，为高斯噪声功率；Ln和Sn分别为第n个用户的大尺度信道信息和小尺度信道信息；Pn为无人机群在服务第n个用户时的发射功率集合；
通过如下公式表示所述无人机群的总消耗能量E(P,T)：
式中，c为功率损失系数，pn,k为第k个无人机在服务第n个用户时的发射功率，K为无人机总数；ηk为第k个无人机的发射效率；Pind为无人机群的悬停消耗功率，Ttotal为最大总悬停时间；
基于所述无人机群的总数据量和总消耗能量，获取无人机通信能量效率公式如下：
式中，η(P,T)为无人机通信能量效率，ES{D(P,T)}为传输总数据量D(P,T)所需的能量。
4.根据权利要求3所述的无人机通信网络的能量效率优化方法，其特征在于，所述基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型，具体包括：
基于所述无人机通信能量效率公式构建所述无人机通信能量效率最大化模型，包括：
能量效率最大化函数：
单机通信能量约束条件：
单机发射功率约束条件：0≤pn,k≤pmax,n＝1,...,N,k＝1,...,K；
机群悬停时间约束条件：
用户悬停时间约束条件：0≤Tn≤Tmax,n＝1,...,N；
其中，Ek为第k个无人机能发出的最大通信能量，pmax为任一无人机的最大发射功率，Tmax为最大悬停时间。
5.根据权利要求1所述的无人机通信网络的能量效率优化方法，其特征在于，所述基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果，具体包括：
将所述无人机通信能量效率最大化模型分解为以所述功率分配结果为自变量的第一模型和以所述用户悬停时间分配结果为自变量的第二模型；
对所述第一模型和所述第二模型进行迭代求解，获取所述功率分配优化结果与所述用户悬停时间分配优化结果。
6.根据权利要求5所述的无人机通信网络的能量效率优化方法，其特征在于，所述将所述无人机通信能量效率最大化模型分解为以所述功率分配结果为自变量的第一模型和以所述用户悬停时间分配结果为自变量的第二模型，具体包括：
对所述能量效率最大化函数进行简化，得到简化最大化函数如下：
式中，P为功率分配结果，T为用户悬停时间分配结果，w为由P决定的变量；Da(P,T,w)为传输总数据量所需的能量，E(P,T)为无人机群的总消耗能量；
分解所述简化最大化函数和所述约束条件，得到以所述功率分配结果为自变量的第一模型中的最大化函数如下：
式中，Pi和wi分别为第i次迭代下的P和w，Ti-1为第i-1次迭代下的T；所述第一模型对应的约束条件包括所述单机通信能量约束条件和所述单机发射功率约束条件；
以所述用户悬停时间分配结果为自变量的第二模型中的最大化函数如下：
式中，Pi、Ti和wi分别为第i次迭代下的P、T和w；所述第二模型对应的约束条件包括所述单机通信能量约束条件、所述机群悬停时间约束条件以及所述用户悬停时间约束条件。
7.根据权利要求5所述的无人机通信网络的能量效率优化方法，其特征在于，所述对所述第一模型和所述第二模型进行迭代求解，获取所述功率分配优化结果与用户悬停时间分配优化结果，具体包括：
求解所述第一模型，获取当前功率分配结果；
若所述当前功率分配结果和上一功率分配结果不满足第一预设条件，则基于所述当前功率分配结果迭代更新所述第二模型，并求解所述第二模型，获取当前用户悬停时间分配结果；否则，将所述当前功率分配结果作为功率分配优化结果，将所述第一模型中的用户悬停时间分配结果作为用户悬停时间分配优化结果；
基于所述当前用户悬停时间分配结果，迭代更新所述第一模型，并再次求解所述第一模型。
8.一种无人机通信网络的能量效率优化装置，其特征在于，包括：
优化单元，用于基于无人机通信能量效率最大化模型，获取无人机群的功率分配优化结果与用户悬停时间分配优化结果；其中，所述无人机通信能量效率最大化模型包括能量效率最大化函数和约束条件，所述能量效率最大化函数的自变量包括功率分配结果与用户悬停时间分配结果，所述约束条件包括单机通信能量约束条件、单机发射功率约束条件、机群悬停时间约束条件以及用户悬停时间约束条件中的至少一种；
执行单元，用于基于所述功率分配优化结果与所述用户悬停时间分配优化结果控制所述无人机群建立通信网络。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的无人机通信网络的能量效率优化方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的无人机通信网络的能量效率优化方法的步骤。
CN201910384002.8A 2019-05-09 2019-05-09 无人机通信网络的能量效率优化方法和装置 Active CN110300417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910384002.8A CN110300417B (zh) 2019-05-09 2019-05-09 无人机通信网络的能量效率优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910384002.8A CN110300417B (zh) 2019-05-09 2019-05-09 无人机通信网络的能量效率优化方法和装置

Publications (2)

Publication Number Publication Date
CN110300417A true CN110300417A (zh) 2019-10-01
CN110300417B CN110300417B (zh) 2021-04-13

Family

ID=68026746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910384002.8A Active CN110300417B (zh) 2019-05-09 2019-05-09 无人机通信网络的能量效率优化方法和装置

Country Status (1)

Country Link
CN (1) CN110300417B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111405571A (zh) * 2020-03-12 2020-07-10 清华大学 卫星无人机混合网络的频谱共享方法
CN111669758A (zh) * 2020-05-18 2020-09-15 清华大学 一种卫星无人机融合网络资源分配方法及装置
CN112423304A (zh) * 2020-11-06 2021-02-26 北京隆普智能科技有限公司 一种多无人机调度通信频段分配方法及系统
CN113904743A (zh) * 2021-10-11 2022-01-07 重庆邮电大学 一种无人机中继系统的安全通信资源优化设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426806A (zh) * 2011-11-07 2012-04-25 同济大学 一种基于动态小区划分的区域路网无人机巡航方法
US20170126309A1 (en) * 2015-10-30 2017-05-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing mu-massive-miso-based uav communication
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
CN109275094A (zh) * 2018-11-02 2019-01-25 北京邮电大学 一种高能效无人机覆盖点连续覆盖方法和装置
CN109511134A (zh) * 2018-10-23 2019-03-22 郑州航空工业管理学院 基于能效最优的无人机辅助无线通信系统负载分流方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426806A (zh) * 2011-11-07 2012-04-25 同济大学 一种基于动态小区划分的区域路网无人机巡航方法
US20170126309A1 (en) * 2015-10-30 2017-05-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing mu-massive-miso-based uav communication
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
CN109511134A (zh) * 2018-10-23 2019-03-22 郑州航空工业管理学院 基于能效最优的无人机辅助无线通信系统负载分流方法
CN109275094A (zh) * 2018-11-02 2019-01-25 北京邮电大学 一种高能效无人机覆盖点连续覆盖方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHENYU ZHOU，JUNHAO FENG，ETC.: "Energy-Efficient Mobile Crowd Sensing Based on Unmanned Aerial Vehicles", 《2018 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》 *
孙雨: "小型无人机通信系统的研究与构建", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111405571A (zh) * 2020-03-12 2020-07-10 清华大学 卫星无人机混合网络的频谱共享方法
CN111405571B (zh) * 2020-03-12 2022-08-12 清华大学 卫星无人机混合网络的频谱共享方法
CN111669758A (zh) * 2020-05-18 2020-09-15 清华大学 一种卫星无人机融合网络资源分配方法及装置
CN111669758B (zh) * 2020-05-18 2022-10-21 清华大学 一种卫星无人机融合网络资源分配方法及装置
CN112423304A (zh) * 2020-11-06 2021-02-26 北京隆普智能科技有限公司 一种多无人机调度通信频段分配方法及系统
CN112423304B (zh) * 2020-11-06 2021-11-16 北京隆普智能科技有限公司 一种多无人机调度通信频段分配方法及系统
CN113904743A (zh) * 2021-10-11 2022-01-07 重庆邮电大学 一种无人机中继系统的安全通信资源优化设计方法
CN113904743B (zh) * 2021-10-11 2023-11-21 重庆邮电大学 一种无人机中继系统的安全通信资源优化设计方法

Also Published As

Publication number Publication date
CN110300417B (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN110300417A (zh) 无人机通信网络的能量效率优化方法和装置
CN112911534B (zh) 高能效无人机绿色数据采集系统设计方法
CN109067490B (zh) 蜂窝网联下多无人机协同移动边缘计算系统资源分配方法
CN111628855B (zh) 基于深度强化学习的工业5g动态多优先级多接入方法
CN113296963B (zh) 一种考虑用户移动性的无人机辅助的边缘计算方法
Chen et al. Swarm intelligence application to UAV aided IoT data acquisition deployment optimization
Cai et al. Resource allocation and 3D trajectory design for power-efficient IRS-assisted UAV-NOMA communications
CN112766813A (zh) 一种空天协同观测复杂任务调度方法及系统
CN113032904B (zh) 模型构建方法、任务分配方法、装置、设备及介质
Huang et al. Energy-efficient trajectory planning for a multi-UAV-assisted mobile edge computing system
CN113312177B (zh) 一种基于联邦学习的无线边缘计算系统、优化方法
CN108171315A (zh) 基于smc粒子群算法的多无人机任务分配方法
CN109120457A (zh) 基于分布式软件定义架构的智能云的业务处理方法
CN114565237B (zh) 用于多能组合发电站的综合能源低碳调度方法及系统
CN113485409B (zh) 一种面向地理公平性的无人机路径规划分配方法及系统
CN113098714A (zh) 一种基于深度强化学习的低时延网络切片的方法
CN109151027A (zh) 星空地协同物联网通信方法及装置
CN110290542A (zh) 海上无人机通信覆盖优化方法及系统
CN114298178A (zh) 一种多智能体的通信学习方法
CN114565239A (zh) 用于产业园区的综合低碳能源调度方法及系统
CN114638155A (zh) 一种基于智能机场的无人机任务分配与路径规划方法
Al-Habob et al. Energy-efficient spatially-correlated data aggregation using unmanned aerial vehicles
CN103995749B (zh) 小区云系统的计算任务分配方法和系统
CN111157002A (zh) 基于多智能体进化算法的飞行器3d路径规划方法
CN111405571B (zh) 卫星无人机混合网络的频谱共享方法

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