CN110417456B - 基于无人机的信息传输方法 - Google Patents

Abstract

本发明提供了一种基于无人机的信息传输方法。该方法包括：当利用无人机的中继传送在源节点和目的节点之间传送分组包时，根据源节点的发射能量、无人机的发射能量、无人机的飞行轨迹和分组包的传输时间建立分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄PAoI最小；采用连续凸优化算法求解分组包的传输模型，得到分组包的传输方案，基于分组包的传输方案在源节点和所述目的节点之间传输分组包。本发明的方法在算法的鲁棒性、迭代速度等方面都要远远优于传统的交替优化算法。使用该算法能快速得出特定场景下器件的最小PAoI，方便检验传感器间的信息传输是否满足用户的时延需求，该算法可以有效地应用在物联网和5G场景中。

Description

基于无人机的信息传输方法

技术领域

本发明涉及信息传输技术领域，尤其涉及一种基于无人机的信息采集方法。

背景技术

科学技术的不断创新与发展，为物联网的发展提供了可靠的技术保障。物联网(Internet of Things)是互联网、传统电信网等信息承载体，让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网，而由于每个人周围的设备可以达到一千至五千个，所以物联网可能要包含500 兆至一千兆个物体。在物联网上，每个人都可以应用电子标签将真实的物体上网联结，在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制，也可以对家庭设备、汽车进行遥控，以及搜索位置、防止物品被盗等，类似自动化操控系统，同时透过收集这些小事的数据，最后可以聚集成大数据，包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变，实现物和物相联。

物联网将现实世界数字化，应用范围十分广泛。物联网拉近分散的信息，统整物与物的数字信息，物联网的应用领域主要包括以下方面：运输和物流领域、工业制造、健康医疗领域范围、智能环境(家庭、办公、工厂) 领域、个人和社会领域等，具有十分广阔的市场和应用前景。

由于物联网需要实时交换传感器的信息，所以信息的实时性这项指标变得越来越重要。如果信息无法及时传达，无人驾驶汽车可能会发生车祸。如果信息无法及时传达，控制系统可能会利用迟来的数据做出错误的判断。所以研究如何提高信息的实时性是很有价值的。

图1为现有技术中的源节点在无人机中继下向目的节点发送信息的示意图。考虑的是源节点与目的节点相距较远，所以研究的是一个源节点在无人机中继下向目的节点发送信息的场景，定义源节点向无人机发送信息为上行传输过程，无人机向目的节点发送信息为下行传输过程。整个系统采用的是先解码再转发方案和TDD机制。

现有技术中的一种无人机的信息采集方法为：采用固定无人机的飞行轨迹这个变量来优化能量分配和每个分组包的服务时间，然后根据上一步得出的优化值固定住能量分配和每个分组包的服务时间再优化无人机的飞行轨迹来提高信息的实时性的算法。

上述现有技术中的一种无人机的信息采集方法的缺点为：该算法的运算过程复杂，迭代过程慢，鲁棒性不佳。

发明内容

本发明的实施例提供了一种基于无人机的信息采集方法，以克服现有技术的问题。

为了实现上述目的，本发明采取了如下技术方案。

一种基于无人机的信息传输方法，包括：

当利用无人机的中继传送在源节点和目的节点之间传送分组包时，根据源节点的发射能量、无人机的发射能量、无人机的飞行轨迹和分组包的传输时间建立分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄PAoI最小；

采用连续凸优化算法求解所述分组包的传输模型，得到所述分组包的传输方案，基于所述分组包的传输方案在所述源节点和所述目的节点之间传输分组包。

进一步地，所述分组包的信息年龄AoI的计算公式为：

a(t)＝t-u(t) (1)

其中u(t)代表目的节点最新接收到的分组包在源节点的产生时间，t为当前时间，a(t)为分组包的AoI，所述AoI的峰值为峰值信息年龄PAoI。

进一步地，所述的当利用无人机的中继传送在源节点和目的节点之间传送分组包时，根据源节点的发射能量、无人机的发射能量、无人机的飞行轨迹和分组包的传输时间建立分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄PAoI最小，包括：

假定a(0)＝0，在该场景中采用即时传输策略，即时传输策略指当目的节点接收到分组包时源节点立即产生一个新的分组包，a(t)在t_n时刻的值为T_n，且 t_n如下所示：

其中t_n代表第n个分组包被接收的时刻，T_n代表第n个分组包的服务时间， N代表源节点在无人机的辅助下向目的节点发送的总的分组包数量，a_n为a(t) 的峰值；

a_n＝T_n+T_n+1，n＝1，..，N-1 (3)

第n个分组包的服务时间T_n被分成两个部分：

1)T_n1指源节点传送第n个分组包给无人机的上行服务时间；

2)T_n2指无人机传送第n个分组包给目的节点的下行服务时间；

在该场景中无人机固定飞行在高度h；无人机的最大速度为V_max＞0；源节点和目的节点的三维坐标分别用q_S，q_D来表示；无人机的飞行轨迹用q(t)来表示，当t∈[t_n-1，t_n-1+T_n1]时，q(t)＝q_n1；当t∈[t_n-1+T_n1，t_n]时，q(t)＝q_n2，当上行信息传输阶段切换到下行信息传输阶段的那个时刻时，无人机飞行轨迹在地面的投影是不变的，无人机的飞行轨迹用Q＝{q₁₁，q₁₂，q₂₁，q₂₂，...，q_N1，q_N2}来表示，无人机的初始位置为u，无人机的最终位置为v，即q₁₁＝u，q_N2＝v；

那么根据上述的定义，无人机的移动性约束如下：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (4)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (5)

源节点到无人机的上行信道和无人机到目的节点的下行信道都为视距链路，所以信道服从自由空间路径损耗模型，那么上行信道功率增益和下行信道功率增益分别如下所示：

其中β₀为参考距离1m时的信道功率增益，不同信道的参考信道功率增益都是相同的，||q_n1-q_S||²指源节点位置与传输第n个分组包时的无人机上行位置之间的大尺度衰落；

根据香农定理，上行阶段和下行阶段可达的最大吞吐量为：

其中

E_n1为源节点发送第n个分组包给无人机时需要消耗的能量， E_n2为无人机发送第n个分组包给目的节点时需要消耗的能量，σ²为噪声功率，Γ为信噪比间隔且信噪比间隔的大小与调制和解码方案有关；

联合优化分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹来建立分组包的传输模型，该分组包的传输模型的数学表达式表示如下：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (10e)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (10f)

q₁₁＝u，q_N2＝v (10g)

[q_ni]₃＝h，i∈{1，2}，n＝1，...，N (10h)

其中的E_S代表源节点处的发射总能量，E_U代表无人机处的中继发射总能量，

s_n代表第n个分组包的大小，B代表信道带宽，无人机的初始位置为u，无人机的最终位置为v，无人机一直飞行于高度h。

进一步地，所述的采用连续凸优化算法求解所述分组包的传输模型，得到所述分组包的传输方案，包括：

引入了一个辅助变量T_max来简化目标函数，新增了一个约束条件

则约束(10a)将变成如下形式：

约束(10d)-(10h)都是凸约束，由于变量{T_nj，E_nj，q_nj}，j＝{1，2}耦合在一起，约束(10b)-(10c)是非凸约束，对约束(10b)进行处理，处理后的约束 (10b)如下所示：

不等式(12)是非凸的，引入了一个辅助变量x_n1将约束(12)拆成了两部分来处理，约束(12)将变成如下形式：

关于||q_n1-q_S||₂和γ₀E_n1是凸的，但是

是非凹的，通过基于一阶泰勒展开的连续凸逼近算法SCA方法来解决

的非凹问题，在定点

对

进行一阶泰勒展开，其中m表示第m次迭代，得到如下表达式：

在进行了上述近似后，得到如下凸的表达式：

通过对约束(10c)进行相同的处理，得到约束(10c)近似处理后的凸的表达式如下：

分别是上行过程和下行过程一阶泰勒展开的定点，通过采用SCA方法，定点的第m次迭代如下所示：

根据上述的近似转换，优化问题(10)已被转换成一个凸优化问题，如下所示：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (15g)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (15h)

q₁₁＝u，q_N2＝v (15i)

[q_ni]₃＝h，i∈{1，2}，n＝1，...，N (15k)

问题(15)对于任意给定的

都是凸的，将所述问题(15)写成对应的MATLAB代码，并下载CVX工具包，通过MATLAB和CVX工具包对上述问题(15)进行求解，得到该场景下的分组包的传输方案，该传输方案包括分组包的最小峰值AoI，以及该最小峰值AoI对应的最优的分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例提出的基于无人机的信息采集方法在算法的鲁棒性、迭代速度等方面都要远远优于传统的交替优化算法。使用该算法能快速得出特定场景下最小PAoI，方便检验传感器间的信息传输是否满足用户的需求，该算法可以有效地应用在物联网和5G场景中。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为现有技术中的源节点在无人机中继下向目的节点发送信息的示意图；

图2为本发明实施例提供的一种基于无人机的信息传输方法的处理流程图；

图3为本发明实施例提供的一种PAoI随着时间的变化过程示意图；

图4为本发明实施例提供的一种解决凸优化问题的迭代算法的示意图。

图5为本发明实施例提供的一种PAoI随着能量的变化示意图；

图6为本发明实施例提供的一种PAoI随着分组包大小的变化示意图；

图7为本发明实施例提供的一种无人机飞行轨迹随着能量的变化示意图；

图8为本发明实施例提供的算法的迭代速度示意图；

图9为本发明实施例提供的算法和传统算法的迭代速度对比示意图；

图10为本发明实施例提供的算法在不同的初始化过程下的PAoI示意图；

图11为传统的算法在不同的初始化过程下的PAoI示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语 (包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本发明实施例建立了一个联合优化无人机和源节点的能量分配、无人机的飞行轨迹、每个分组包的服务时间来提高信息的实时性的算法。该算法成功将实际的非凸问题转换成了可以用凸优化工具包CVX高效解决的凸优化问题。该算法将整个问题用连续凸优化方法解决，运算过程简单，可快速迭代收敛，对不同的初始化鲁棒性性能好。

图2为本发明实施例提供的一种基于无人机的信息传输方法的处理流程图，包括如下的处理步骤：

步骤S21、当利用无人机的中继传送在源节点和目的节点之间传送分组包时，根据源节点的发射能量、无人机的发射能量、无人机的飞行轨迹和分组包的服务时间建立分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄PAoI最小。

在本发明实施例中，用AoI(信息年龄，age of information)来衡量信息传输的实时性。即AoI越小，代表信息的实时性越高。其中AoI的定义如下：

a(t)＝t-u(t) (1)

其中u(t)代表目的节点最新接收到的分组包在源节点的产生时间，t为当前时间。为了方便，假定a(0)＝0。在该场景中采用即时传输策略。所述AoI的峰值为峰值信息年龄PAoI。

即时传输策略指当目的节点接收到分组包时源节点立即产生一个新的分组包。根据上述AoI的定义本发明实施例可以得出如下推导过程：

1、处于0-t₁时，目的节点会在t₁时刻接收到第一个分组包同时在t₁时刻产生第二个分组包，且前面规定了a(0)＝0，所以在这一段时间内a(t)＝t；

2、t₁-t₂时，目的节点会在t₂时刻接收到第二个分组包同时在t₂时刻产生第三个分组包，那么这段时间的u(t)＝t₁，所以在t₂时刻会有一个衰减，衰减后的值为a(t)＝t-t₁。

3.处于t₂-t₃时，目的节点会在t₃时刻接收到第三个分组包同时在t₃时刻产生第四个分组包，那么这段时间的u(t)＝t₂，所以在t₃时刻会有一个衰减，衰减后的值为a(t)＝t-t₂。之后的过程以此类推。所以本发明实施例根据上述的过程可以得到AoI随着时间的变化过程如图3所示。根据图3可知，a(t)在t_n时刻的值为T_n，且t_n如下所示：

其中t_n代表第n个分组包被接收的时刻，T_n代表第n个分组包的服务时间， N代表源节点在无人机的辅助下向目的节点发送的总的分组包数量，a_n为a(t) 的峰值。图3中0到t₁之间的时间段为T₁，T₁即第一个分组包的服务时间。图3中 t₁到t₂之间的时间段为T₂，T₂即第二个分组包的服务时间，其他的时间段以此类推。

根据图3以及上述的分析，本发明实施例可知a_n如下所示：

a_n＝T_n+T_n+1，n＝1，...，N-1 (3)

由于无人机采用TDD(Time Division Duplex，时分双工)机制，那么第 n个分组包的服务时间被分成两个部分：

1)T_n1指源节点传送第n个分组包给无人机的上行服务时间；

2)T_n2指无人机传送第n个分组包给目的节点的下行服务时间；在该场景中无人机固定飞行在高度h；无人机的最大速度为V_max＞0；源节点和目的节点的三维坐标分别用q_S，q_D来表示；无人机的飞行轨迹用q(t)来表示，当 t∈[t_n-1，t_n-1+T_n1]时，q(t)＝q_n1；当t∈[t_n-1+T_n1，t_n]时，q(t)＝q_n2，这意味着当上行信息传输阶段切换到下行信息传输阶段的那个时刻时，无人机飞行轨迹在地面的投影是不变的。所以无人机的飞行轨迹可以近似用 Q＝{q₁₁，q₁₂，q₂₁，q₂₂，...，q_N1，q_N2}来表示；无人机的初始位置为u；无人机的最终位置为v；即q₁₁＝u，q_N2＝v。

那么根据上述的定义，无人机的移动性约束如下：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (4)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (5)

由于源节点与目的节点相距较远，所以源节点到无人机的上行信道和无人机到目的节点的下行信道都假定为视距链路，所以信道服从自由空间路径损耗模型，那么上行信道功率增益和下行信道功率增益分别如下所示：

其中β₀为参考距离1m时的信道功率增益。为了不失一般性，不同信道的参考信道功率增益都是相同的。||q_n1-q_S||²指源节点位置与传输第n个分组包时的无人机上行位置之间的大尺度衰落。

根据香农定理，上行阶段和下行阶段可达的最大吞吐量为：

其中

E_n1为源节点发送第n个分组包给无人机时需要消耗的能量， E_n2为无人机发送第n个分组包给目的节点时需要消耗的能量，σ²为噪声功率，Γ为信噪比间隔且信噪比间隔的大小与调制和解码方案有关。

根据上述的分析，本发明实施例可将联合优化分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹来建立如下的分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄 PAoI最小。采用连续凸优化算法求解所述分组包的传输模型，得到所述分组包的传输方案。然后，基于所述分组包的传输方案在所述源节点和所述目的节点之间传输分组包。

基于分组包的峰值信息年龄PAoI最小的目标条件的分组包的传输模型的数学表达式表示如下：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (10e)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (10f)

q₁₁＝u，q_N2＝v (10g)

[q_ni]₃＝h，i∈{1，2}，n＝1，...，N (10h)

其中的E_S代表源节点处的发射总能量，E_U代表无人机处的中继发射总能量，

s_n代表第n个分组包的大小，B代表信道带宽。约束(10b)和约束(10c)保证信道能够传输每个分组包；约束(10d)代表了源节点和无人机处的能量约束；约束(10e)和约束(10f)代表无人机的移动性约束；约束(10g) 表明无人机的初始位置为u；无人机的最终位置为v；约束(10h)表明无人机一直飞行于高度h。

步骤S22、采用连续凸优化算法求解所述分组包的传输模型，得到所述分组包的传输方案。

从问题(10)可以看出整个优化问题的目标函数为凸函数，本发明实施例引入了一个辅助变量T_max来简化目标函数，由于引入了这个辅助变量，本发明实施例新增了一个约束条件

那么(10a)将变成如下形式：

约束(10d)-(10h)都是凸约束，由于变量{T_nj，E_nj，q_nj}，j＝{1，2}耦合在一起，约束(10b)-(10c)是非凸约束，本发明实施例要对这两个非凸约束进行处理。容易看出约束(10b)和(10c)具有相同的结构，所以本发明实施例先对约束(10b)进行处理，那么约束(10c)的处理同理。

约束(10b)如下所示：

不等式(12)是非凸的。本发明实施例引入了一个辅助变量x_n1将约束(12) 拆成了两部分来处理。那么约束(12)将变成如下形式：

关于||q_n1-q_S||²和γ₀E_n1是凸的，但是

是非凹的，本发明实施例通过基于一阶泰勒展开的SCA方法来解决

的非凹问题，当本发明实施例在定点

对

进行一阶泰勒展开，其中m表示第m次迭代，本发明实施例能得到如下表达式：

在进行了上述近似后，本发明实施例得到如下表达式：

近似后的表达式是凸的是由于近似后的表达式是关于T_n1的透视函数；透视函数的凹凸性和未进行透视操作前的函数的凹凸性是一致的，由于log函数是凹函数，所以近似后的表达式是凹的。通过对约束(10c)进行相同的处理，可得约束(10c)近似处理后的表达式如下：

分别是上行过程和下行过程一阶泰勒展开的定点，通过采用SCA(successive convex approximation，连续凸逼近算法)方法，定点的第m 次迭代如下所示：

根据上述的近似转换，优化问题(10)已被转换成一个凸优化问题，如下所示：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (15g)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (15h)

q₁₁＝u，q_N2＝v (15i)

[q_ni]₃＝h，i∈{1，2}，n＝1，...，N (15k)

问题(15)对于任意给定的

都是凸的，凸问题能有效地被凸优化工具CVX解决。为了解决这个凸优化问题，本发明实施例提出的一种图4所述的迭代算法，

将上述问题(15)写成对应的MATLAB代码，并下载CVX工具包，通过MATLAB 和CVX工具包对上述问题(15)进行求解。

图4所述的迭代算法的处理过程包括：

1.先对优化变量x_n1，x_n2，E_n1，E_n2，q_n1，q_n2进行初始化得到优化变量的初始值

2.将根据第一步的初始化值去运行基于问题(15)的MATLAB代码，可得到对应的第一次的峰值AoI，然后将相对精度(本次得到的最优值减去上一次的最优值的结果除以上一次的最优值)与设定的精度进行对比；

3.当相对精度大于设定的精度时，会再次运行程序去进行迭代，直到相对精度小于设定的精度，输出最终的最优峰值AoI。

通过求解上述问题(15)，可以得到该场景下的分组包的传输方案，该传输方案包括分组包的最小峰值AoI(即最优AoI)，以及该最优AoI对应的最优的分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹，以便方便去校验该传感器的时延能否满足应用场景的需求。

步骤S23、利用分组包的传输方案在所述源节点和所述目的节点之间传输分组包。

源节点和目的节点利用上述分组包的传输方案中的最小PAoI对应的最优的分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹来传输分组包。

对实际问题建模完成后，本发明实施例需要判断优化问题的可行性。从优化问题的目标函数的结构可以看出当T_n+T_n+1越大，优化问题的约束条件越宽松，即该优化问题的可行性越大。很容易看出

和

结构类似，当x＝T_n1

两个等式相等。所以当T_n无穷时，x无穷。

根据上述定义和转换关系，当T_n趋于无穷时，

的极限值为

那么约束(10b)可以写成如下表达式：

在这个场景中，本发明实施例假定无人机的飞行轨迹为：

q₁₁＝u，q_n1＝q_S，n＝2，...，N (18)

q_N2＝v，q_n2＝q_D，n＝1，...，N-1 (19)

根据(17)-(19),本发明实施例得到如下表达式：

决定该优化问题是否可行的核心约束为能量约束，如下所示：

根据(18)-(22)，本发明实施例得到如下不等式：

如果不等式(23)和(24)能够被满足，那么该优化问题可行。

初始化过程

为了解决上述优化问题，本发明实施例需要获得

的初始值

和

的初始值

然后从等式(25)和等式(26)中，可以看出想要求得

本发明实施例需要先获得

其中

被定义如下：

其中

被定义如下：

仿真场景设置

仿真场景为：源节点的坐标q_S＝[-800，800，0]，目的节点的坐标 q_D＝[800，800，0]，无人机的初始位置q₁₁＝u＝[-800，0，100]，无人机的最终位置q_N2＝v＝[800，0，100]，无人机飞行在固定的高度h＝100，无人机的最大速度 V_max＝25meter/sec,从源节点传送到目的节点的分组包的总数N＝10,分组包的大小S＝1Mbits,信道带宽B＝1MHz,源节点处的发射能量和无人机处的中继发射能量E_S＝E_U＝1.25 joules,γ₀＝10^7.3,Γ＝10dB,噪声功率σ²＝-100 dBm。

仿真结果分析

图5为本发明实施例提供的一种PAoI随着能量的变化示意图，图6为本发明实施例提供的一种PAoI随着分组包大小的变化示意图，从图5和图6可以看出,本发明实施例提出的算法比传统的交替优化变量的算法的性能要好，且 PAoI会随着能量的增大而减少，最后趋于平稳。从源节点传送给目的节点的分组包的大小越大，PAoI越大。

图7为本发明实施例提供的一种无人机飞行轨迹随着能量的变化示意图，从图7可以看出当能量足够大时，无人机会直接从初始位置飞到最终位置。

图8为本发明实施例提供的算法的迭代速度示意图，从图8可以看出当能量足够大时，算法很快就能够收敛。

从图9可以看出本发明实施例提出的算法的迭代速度要比传统算法的迭代速度快的多，证明提出的算法的性能更好。

图10为本发明实施例提供的算法在不同的初始化过程下的PAoI示意图，图10中的第一次无人机初始化飞行轨迹是无人机从无人机的初始位置飞到源节点的上方接收源节点发送来的信息，然后再飞到目的节点的上方将信息转发给目的节点，接着返回源节点上方接收下一个分组包的信息，再飞到目的节点上方转发分组包的信息，以此类推，直到传送完所有的分组包，再飞到无人机的最终位置。

第二次无人机初始化飞行轨迹是无人机从无人机的初始位置飞到 [0,500,100]再飞到无人机的最终位置。

第三次无人机初始化飞行轨迹是无人机从无人机的初始位置直接飞到目的节点。

从图10可以看出，提出的算法在不同的初始化过程下PAoI(peak age ofinformation)没有什么变化，可以得出提出的算法的鲁棒性好。

图11为传统的算法在不同的初始化过程下的PAoI示意图，图11中的第一次初始化过程、第二次初始化过程、第三次初始化过程和图10中3种初始化过程是一样的。但是从图11可以看出不同的初始化过程会对传统的算法造成不同的影响，所以本发明实施例可以得出传统的算法的鲁棒性能不太好。

综上所述，本发明实施例提出的算法在算法的鲁棒性、迭代速度等方面都要远远优于传统的交替优化算法。使用该算法能快速得出特定场景下最小峰值AoI，方便检验传感器间的信息传输是否满足用户的需求，该算法可以有效地应用在物联网和5G场景中。

本发明实施例提出的算法能快速算出传感器发送数据时所需的最小峰值 AoI，方便技术人员快速验证所使用的传感器件能否满足应用场景的时延要求。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的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)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统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劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种基于无人机的信息传输方法，其特征在于，包括：

当利用无人机的中继传送在源节点和目的节点之间传送分组包时，根据源节点的发射能量、无人机的发射能量、无人机的飞行轨迹和分组包的传输时间建立分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄PAoI最小；

采用连续凸优化算法求解所述分组包的传输模型，得到所述分组包的传输方案，基于所述分组包的传输方案在所述源节点和所述目的节点之间传输分组包；

所述的当利用无人机的中继传送在源节点和目的节点之间传送分组包时，根据源节点的发射能量、无人机的发射能量、无人机的飞行轨迹和分组包的传输时间建立分组包的传输模型，所述分组包的传输模型的目标条件为分组包的峰值信息年龄PAoI最小，包括：

假定a(0)＝0，在该场景中采用即时传输策略，即时传输策略指当目的节点接收到分组包时源节点立即产生一个新的分组包，a(t)在t_n时刻的值为T_n，且t_n如下所示：

其中t_n代表第n个分组包被接收的时刻，T_n代表第n个分组包的服务时间，N代表源节点在无人机的辅助下向目的节点发送的总的分组包数量，a_n为a(t)的峰值；

a_n＝T_n+T_n+1，n＝1，..，N-1 (3)

第n个分组包的服务时间T_n被分成两个部分：

1)T_n1指源节点传送第n个分组包给无人机的上行服务时间；

2)T_n2指无人机传送第n个分组包给目的节点的下行服务时间；

在该场景中无人机固定飞行在高度h；无人机的最大速度为V_max＞0；源节点和目的节点的三维坐标分别用q_S，q_D来表示；无人机的飞行轨迹用q(t)来表示，当t∈[t_n-1，t_n-1+T_n1]时，q(t)＝q_n1；当t∈[t_n-1+T_n1，t_n]时，q(t)＝q_n2，当上行信息传输阶段切换到下行信息传输阶段的那个时刻时，无人机飞行轨迹在地面的投影是不变的，无人机的飞行轨迹用Q＝{q₁₁，q₁₂，q₂₁，q₂₂，...，q_N1，q_N2}来表示，无人机的初始位置为u，无人机的最终位置为v，即q₁₁＝u，q_N2＝v；

那么根据上述的定义，无人机的移动性约束如下：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (4)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (5)

源节点到无人机的上行信道和无人机到目的节点的下行信道都为视距链路，所以信道服从自由空间路径损耗模型，那么上行信道功率增益和下行信道功率增益分别如下所示：

其中β₀为参考距离1m时的信道功率增益，不同信道的参考信道功率增益都是相同的，||q_n1-q_s||²指源节点位置与传输第n个分组包时的无人机上行位置之间的大尺度衰落；

根据香农定理，上行阶段和下行阶段可达的最大吞吐量为：

其中

E_n1为源节点发送第n个分组包给无人机时需要消耗的能量，E_n2为无人机发送第n个分组包给目的节点时需要消耗的能量，σ²为噪声功率，Γ为信噪比间隔且信噪比间隔的大小与调制和解码方案有关；

联合优化分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹来建立分组包的传输模型，该分组包的传输模型的数学表达式表示如下：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (10e)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (10f)

q₁₁＝u，q_N2＝v (10g)

[q_ni]₃＝h，i∈{1，2}，n＝1，...，N (10h)

其中的E_S代表源节点处的发射总能量，E_U代表无人机处的中继发射总能量，

s_n代表第n个分组包的大小，B代表信道带宽，无人机的初始位置为u，无人机的最终位置为v，无人机一直飞行于高度h。

2.根据权利要求1所述的方法，其特征在于，所述分组包的信息年龄AoI的计算公式为：

a(t)＝t-u(t) (1)

其中u(t)代表目的节点最新接收到的分组包在源节点的产生时刻，t为当前时间，a(t)为分组包的AoI；

所述AoI的峰值为峰值信息年龄PAoI。

3.根据权利要求1所述的方法，其特征在于，所述的采用连续凸优化算法求解所述分组包的传输模型，得到所述分组包的传输方案，包括：

引入了一个辅助变量T_max来简化目标函数，新增了一个约束条件

则约束(10a)将变成如下形式：

约束(10d)-(10h)都是凸约束，由于变量{T_nj，E_nj，q_nj}，j＝{1，2}耦合在一起，约束(10b)-(10c)是非凸约束，对约束(10b)进行处理，处理后的约束(10b)如下所示：

不等式(12)是非凸的，引入了一个辅助变量x_n1将约束(12)拆成了两部分来处理，约束(12)将变成如下形式：

关于||q_n1-q_S||²和γ₀E_n1是凸的，但是

是非凹的，通过基于一阶泰勒展开的连续凸逼近算法SCA方法来解决

的非凹问题，在定点

对

进行一阶泰勒展开，其中m表示第m次迭代，得到如下表达式：

在进行了上述近似后，得到如下凸的表达式：

通过对约束(10c)进行相同的处理，得到约束(10c)近似处理后的凸的表达式如下：

分别是上行过程和下行过程一阶泰勒展开的定点，通过采用SCA方法，定点的第m次迭代如下所示：

根据上述的近似转换，优化问题(10)已被转换成一个凸优化问题，如下所示：

||q_n2-q_n1||≤T_n1V_max，n＝1，...，N (15g)

||q_(n+1)1-q_n2||≤T_n2V_max，n＝1，...，N-1 (15h)

q₁₁＝u，q_N2＝v (15i)

[q_ni]₃＝h，i∈{1，2}，n＝1，...，N (15k)

问题(15)对于任意给定的

都是凸的，将所述问题(15)写成对应的MATLAB代码，并下载CVX工具包，通过MATLAB和CVX工具包对所述问题(15)进行求解，得到该场景下的分组包的传输方案，该传输方案包括分组包的最小峰值AoI，以及该最小峰值AoI对应的最优的分组包的服务时间、源节点的发射能量、无人机的发射能量和无人机的飞行轨迹。

Images