CN110417458B - 面向uav能量信息双中继系统的联合位置和时间优化方法 - Google Patents

Abstract

本发明公开了面向UAV能量信息双中继系统的联合位置和时间优化方法，属于电通信的技术领域。该方法建立了以最大化UAV能量信息双中继系统的信息速率为目标且包含视距链路保障约束的最优化问题，对于最优化问题中独立于时间分配的UAV位置优化子问题，根据最高障碍物与视距链路的关系并以最大化UAV接收信噪比和基站接收信噪比中的较小者为目标确定UAV位置，再将UAV位置带入最优化问题得到时间分配子问题并采用凸优化方法获得最优时间切换因子。UAV从基站获得能量并作为功率中继为传感器提供能量从而延长上行链路信息传输的时间，UAV作为信息中继辅助传感器到基站的上行链路信息传输从而提高系统通信质量。

Description

面向UAV能量信息双中继系统的联合位置和时间优化方法

技术领域

本发明公开了面向UAV能量信息双中继系统的联合位置和时间优化方法，属于电通信的技术领域。

背景技术

由于移动性强、配置灵活以及视距链路等优点，无人机(Unmanned AerialVehicle，UAV)在无线通信领域的应用日益广泛，如通过UAV的临时配置卸载热点地区的基站负荷以保障移动用户的服务质量，在灾区将UAV作为移动基站实现应急通信等。然而，UAV因其有限的能量供给限制了通信服务时间，而无线能量传输技术可以为能量受限系统提供稳定可靠的能量来源。因此，采用无线能量传输技术的UAV通信系统已成为无线通信的研究热点。

2018年，Liang Yang等人在IEEE Communications Letters上发表的“OutagePerformance of UAV-Assisted Relaying Systems with RF Energy Harvesting”中提出了利用无线能量传输技术的UAV中继通信系统，并分析了不同城市场景下的通信中断概率。在该系统中，UAV作为中继可以从基站获得稳定的能量来源，只辅助完成基站到目的节点的下行链路信息传输。

2019年，Lifeng Xie等人在IEEE Internet of Things Journal上发表的“Throughput Maximization for UAV-Enabled Wireless Powered CommunicationNetworks”中通过联合路径规划和无线资源分配最大化了基于UAV的无线充电通信网络吞吐量。2019年，Miao Jiang等人在IEEE Transactions On Communications上发表的“JointPosition and Time Allocation Optimization of UAV Enabled Wireless PoweredCommunication Networks”中通过联合UAV位置优化和时间分配来最大化无线充电通信网络的上行链路总速率。这两种无线充电通信系统都将UAV看作为传感器提供能量的能量源。但是，UAV通常由电池供电因而能量有限，难以作为能量源长时间提供服务。

上述三种基于UAV的无线充电通信系统均难以实现长时间的上行链路信息传输。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了面向UAV能量信息双中继系统的联合位置和时间优化方法，通过联合位置和时间优化方法实现了系统信息速率的最大化，解决了现有基于UAV的无线充电通信系统均难以实现长时间上行链路信息传输的技术问题。

本发明为实现上述发明目的采用如下技术方案：

一种面向UAV能量信息双中继系统的联合位置和时间优化方法所使用的系统模型包括一个基站、一个UAV和一个传感器；以基站为原点，基站到传感器的射线为水平坐标轴，过原点与地面垂直的射线为垂直坐标轴建立水平-垂直二维坐标系；基站、UAV和传感器在水平-垂直二维坐标系下的位置坐标分别为(0,0)、(L_u,H_u)和(L,0)；UAV到基站和传感器的距离分别为L_b和L_s；最高障碍物由其与水平坐标轴交点(L_hb,0)和其顶点(L_hb,H_hb)所形成的连线表示；UAV和传感器都没有外部能量供给且都是通过无线能量传输技术从基站获得能量的。

在UAV能量信息双中继系统中，UAV既可以作为能量中继辅助基站到传感器的无线能量传输，也可以作为信息中继完成传感器到基站的无线信息传输，系统的整个传输过程可以分为三个阶段。

在第一个阶段ρT(0≤ρ≤1，ρ和T分别为时间切换因子和一帧时长)内，基站通过无线能量传输技术为UAV充电，UAV收集到的能量为：

E_u＝ηP_b|g|²(ρT) (1)，

式(1)中，0＜η≤1表示能量转换效率；P_b为基站的发射功率；

(μ为单位距离下的信道增益)表示从基站到UAV的信道增益。

在第二个阶段(1-ρ)T/2内，传感器将会向UAV发送信号用于信息传输。UAV接收到的信噪比为：

式(2)中，P_s表示传感器的发射功率；

代表了从传感器到UAV的信道增益；

表示UAV的加性高斯白噪声功率。

在第三个阶段(1-ρ)T/2内，UAV将同时分别向基站和传感器传输信息和能量。UAV的发射功率为：

P_u＝2ηP_b|g|²ρ/(1-ρ) (3)，基站接收到的信噪比可以写为：

式(4)中，

表示基站的加性高斯白噪声功率，传感器所获得的能量为E_s≈ηP_u|h|²(1-ρ)T/2。因此，在第三个阶段，传感器的发射功率为：

P_s＝2η²P_b|g|²|h|²ρ/(1-ρ) (5)。

基于解码转发协议的中继系统信噪比是由中继节点和目的节点所接收到的信噪比中较小者决定的。因此，UAV能量信息双中继系统的信息速率可以表示为：

注意到

以及加性高斯白噪声功率

UAV到基站和传感器的连线与水平坐标轴所形成的夹角分别为α和β。最高障碍物的顶点到基站和传感器的连线与水平坐标轴所形成的夹角分别为α₀＝arctan H_hb/L_hb和β₀＝arctan H_hb/(L-L_hb)。为了确保通信质量，需要保障UAV到基站和传感器之间存在视距链路，即α₀≤α≤π/2和β₀≤β≤π/2。因此，我们可以构建出如下的最优化问题P1：

从问题P1的表达式可以看出，UAV的位置最优化是独立于时间分配的，因此，我们可以将最优化问题P1分解为UAV位置子问题P2和时间分配子问题P3进行求解。子问题P2可以写为：

当α₀＝β₀＝0(即H_hb＝0)时，α＝β＝0，子问题P2可以写为问题P2a。

式(9)中，

f_b(L_s)＝(L-L_s)⁴。分析f_u(L_s)和f_b(L_s)的导数，可知f_u(L_s)在(0,2L/3]和[2L/3,L)内分别单调递增和递减，f_b(L_s)在(0,L)内为单调递减函数，且f_u(L_s)和f_b(L_s)在(0,L)内存在一个交点L_cr。因此，通过求解问题P2a可以得出结论：为了提高系统的信息速率，UAV需要配置在靠近基站的位置。

当α₀≠0且β₀≠0(即H_hb≠0)时，子问题P2可以写为问题P2b。

式(10)中，f_u(α,β)＝(cosα+sinαcotβ)(cosβ+sinβcotα)²，f_b(α,β)＝cosα+sinαcotβ。对f_b(α,β)求Hessian矩阵可得：

注意到二阶顺序主子式小于0，H_b为不定矩阵，f_b(α,β)既不是凹函数也不是凸函数。

对f_u(α,β)求α的二阶导数：

可以看出很难判断二阶导数是否大于0，难以判断f_u(α,β)是不是凸函数。基于对f_b(α,β)和f_u(α,β)的分析，很难获得问题P2b的最优解。因此，利用问题P2a的结论以及点到直线的距离公式，我们提出了如下UAV位置方案：当α₀+β₀＜π/2时，α＝π/2-β₀，β＝β₀；当α₀+β₀≥π/2时，α＝α₀,β＝β₀。当α₀+β₀＜π/2时，L_b＝Lsinβ₀，L_s＝Lcosβ₀；当α₀+β₀≥π/2时，L_b＝L/(cosα₀+sinα₀cotβ₀)，L_s＝L/(cosβ₀+sinβ₀cotα₀)。

通过对子问题P2的分析，将所提UAV位置方案获得的

带入问题P1，可以得到时间分配子问题P3。

对目标函数求导可得：

求目标函数的二阶导数：

由于

问题P3的目标函数在范围[0,1]内为一个严格的凹函数。注意到，ρ趋于1时，

当ρ＝0时，

因此，最大化系统信息速率的最优时间切换因子ρ必然存在于区间[0,1]内，可以采用凸优化的方法获得最优的时间分配。

本发明采用上述技术方案，具有以下有益效果：

(1)针对基于UAV的无线充电通信系统难以实现长时间上行链路信息传输的问题，考虑了UAV通信的视距链路保障，结合现有无线能量和信息传输模型，构建了UAV能量信息双中继系统模型，通过联合位置和时间优化方法实现了系统信息速率的最大化，UAV从基站获得能量并作为功率中继为传感器提供能量从而延长上行链路信息传输的时间，UAV作为信息中继辅助传感器到基站的上行链路信息传输从而提高系统通信质量，实现了系统最大信息速率下的能量信息双中继。

(2)联合优化位置和时间的过程中，将最优化问题分解为两个独立的子优化问题，以较为简单的算法实现了UAV位置和时间切换因子的优化。

附图说明

图1(a)、图1(b)分别为本发明中α₀+β₀＜π/2和α₀+β₀≥π/2时的UAV位置示意图。

图2为本发明UAV位置和最优位置下的系统信息速率仿真对比图。

图3为本发明方法在不同最高障碍物高度下系统信息速率的仿真效果图。

具体实施方式

下面结合附图对发明的技术方案进行详细说明。

本发明公开的联合位置和时间优化方法，其使用的系统模型包括：一个基站、一个UAV和一个传感器。其中，基站、UAV和传感器的位置分别为(0,0)、(L_u,H_u)和(L,0)；UAV到基站和传感器的距离分别为L_b和L_s，且UAV到基站和传感器的连线与水平坐标轴所形成的夹角分别为α和β；UAV和传感器都通过无线能量传输技术从基站获得能量；基站和传感器之间不存在直连链路，最高障碍物的顶点为(L_hb,H_hb)，且最高障碍物的顶点到基站和传感器的连线与水平坐标轴所形成的夹角分别为α₀＝arctanH_hb/L_hb和β₀＝arctanH_hb/(L-L_hb)。

UAV能量信息双中继系统的传输过程可以分为三个阶段。在第一个阶段ρT(0≤ρ≤1，ρ和T分别为时间切换因子和一帧时长)内，基站通过无线能量传输技术为UAV充电，UAV收集到的能量为：

E_u＝ηP_b|g|²(ρT) (1)，

式(1)中，0＜η≤1表示能量转换效率；P_b为基站的发射功率；

(μ为单位距离下的信道增益)表示从基站到UAV的信道增益。

在第二个阶段(1-ρ)T/2内，传感器将会向UAV发送信号用于信息传输。UAV接收到的信噪比为

式(2)中，P_s表示传感器的发射功率；

代表了从传感器到UAV的信道增益；

表示UAV的加性高斯白噪声功率。

在第三个阶段(1-ρ)T/2内，UAV同时分别向基站和传感器传输信息和能量。UAV的发射功率为：

P_u＝2ηP_b|g|²ρ/(1-ρ) (3)，基站接收到的信噪比为：

式(4)中，

表示基站的加性高斯白噪声功率。传感器所获得的能量为E_s≈ηP_u|h|²(1-ρ)T/2。因此，在第三个阶段，传感器的发射功率为：

P_s＝2η²P_b|g|²|h|²ρ/(1-ρ) (5)。

因此，UAV能量信息双中继系统的信息速率可以表示为

注意到

以及加性高斯白噪声功率

为了最大化系统的信息速率，本发明的联合位置和时间优化方法，其实现的步骤如下：

步骤1，首先确定UAV的位置。

如图1(a)所示，当α₀+β₀＜π/2时，令α＝π/2-β₀和β＝β₀，L_b＝Lsinβ₀和L_s＝Lcosβ₀；如图1(b)所示，当α₀+β₀≥π/2时，令α＝α₀和β＝β₀，L_b＝L/(cosα₀+sinα₀cotβ₀)和L_s＝L/(cosβ₀+sinβ₀cotα₀)；因此，可以获得

步骤2，确定最优的时间切换因子ρ，具体包括以下步骤：

2a、设置∈为趋近于0的正实数，ρ_a＝0和ρ_b＝1；

2b、当|ρ_b-ρ_a|＜∈时，转到步骤2f；否则，令

计算

2c、当ω＝0时，设置

并转到步骤2f；

2d、当ω＞0时，设置

并转到步骤2b；

2e、当ω＜0时，设置

并转到步骤2b；

2f、ρ_a为最优的时间切换因子。

本发明的方法所带来的有益效果可以通过以下仿真来进一步进行说明。

一、仿真条件

传感器的位置为(50,0)，最高障碍物的位置为(25,0)，噪声功率为σ²＝-60dBm，能量转化效率为η＝0.5。

二、仿真内容及仿真结果

仿真1，分别采用本发明的方法和穷搜方法，在不同最高障碍物的高度H_hb下进行系统信息速率的仿真对比。

仿真结果：如图2所示，本发明方法和穷搜方法分别获得的UAV位置和最优位置条件下的系统信息速率很接近，尤其是在基站发射功率较低的情况下。这说明本发明的方法可以在低复杂度的条件下获得较高的系统信息速率。

仿真2，将基站发射功率设置为30dBm。在不同最高障碍物的高度H_hb条件下，图3给出了系统的信息速率随时间切换因子ρ的变化，五角星对应着获得最大信息速率的最优时间切换因子。

仿真结果：所有的信息速率曲线都是凹的，在[0,1]区间内必然存在最优的时间切换因子。这说明采用本发明的方法可以获得系统的最优时间分配。

Claims (7)

1.面向UAV能量信息双中继系统的联合位置和时间优化方法，其特征在于，建立了以最大化UAV能量信息双中继系统的信息速率为目标且包含视距链路保障约束的最优化问题，对于最优化问题中独立于时间分配的UAV位置优化子问题，根据最高障碍物与视距链路的关系并以最大化UAV接收信噪比和基站接收信噪比中的较小者为目标确定UAV位置，再将UAV位置带入最优化问题得到时间分配子问题，求解时间分配子问题确定最优时间切换因子ρ，所述最优时间切换因子将一帧时长T划分为时长分别为ρT、(1-ρ)T/2、(1-ρ)T/2的基站向UAV充电的第一阶段、传感器向UAV传输信息的第二阶段、UAV向基站传输信息并同时向传感器传送能量的第三阶段，其中，

所述最优化问题在水平-垂直二维坐标系下建立，所述水平-垂直二维坐标系以基站为原点，以基站到传感器的射线为水平坐标轴，以过原点与地面垂直的射线为垂直坐标轴，最优化问题为：

其中，R(α，β，ρ)为与α、β、ρ相关的UAV能量信息双中继系统的信息速率，α为UAV和基站的连线与水平坐标轴的夹角，β为UAV和传感器的连线与水平坐标轴的夹角，ρ为时间切换因子，η为能量转换效率，P_b为基站的发射功率，μ为单位距离下的信道增益，σ²为加性高斯白噪声功率，L_b和L_s分别为UAV到基站和传感器的距离，L为基站到传感器的距离，H_u为UAV的高度，α₀为最高障碍物的顶点到基站连线与水平坐标轴所形成的夹角，β₀为最高障碍物的顶点到传感器连线与水平坐标轴所形成的夹角。

2.根据权利要求1所述面向UAV能量信息双中继系统的联合位置和时间优化方法，其特征在于，所述UAV位置优化子问题为：

当α₀＝β₀＝0时，α＝β＝0，UAV位置优化子问题简化为：

f_b(L_s)＝(L-L_s)⁴，

当α₀≠0且β₀≠0时，UAV位置优化子问题简化为：

f_u(α,β)＝(cosα+sinαcotβ)(cosβ+sinβcotα)²，

f_b(α，β)＝cosα+sinαcotβ。

3.根据权利要求2所述面向UAV能量信息双中继系统的联合位置和时间优化方法，其特征在于，根据最高障碍物与视距链路的关系并以最大化UAV接收信噪比和基站接收信噪比中的较小者为目标确定UAV位置的方法为：

当α₀+β₀＜π/2时，α＝π/2-β₀，β＝β₀；

当α₀+β₀≥π/2时，α＝α₀，β＝β₀；

当α₀+β₀＜π/2时，L_b＝Lsinβ₀，L_s＝Lcosβ₀；

当α₀+β₀≥π/2时，L_b＝L/(cosα₀+sinα₀cotβ₀)，L_s＝L/(cosβ₀+sinβ₀cotα₀)。

4.根据权利要求1所述面向UAV能量信息双中继系统的联合位置和时间优化方法，其特征在于，将UAV位置带入最优化问题得到的时间分配子问题为：

5.根据权利要求4所述面向UAV能量信息双中继系统的联合位置和时间优化方法，其特征在于，采用凸优化方法求解时间分配子问题。

6.根据权利要求5所述面向UAV能量信息双中继系统的联合位置和时间优化方法，其特征在于，采用凸优化方法求解时间分配子问题的具体步骤如下：

A、设置∈为趋近于0的正实数、ρ_a＝0、ρ_b＝1；

B、当|ρ_b-ρ_a|＜∈时，转步骤F；否则，令

计算时间分配子问题关于时间切换因子的偏导数值ω；

C、ω＝0时，

并转步骤F；

D、ω＞0时，

并转到步骤B；

E、ω＜0时，

并转到步骤B；

F、ρ_a为最优时间切换因子。

7.采用权利要求1至6中任意一项所述联合位置和时间优化方法的UAV能量信息双中继系统，包括：

基站，在系统工作于第一阶段时向UAV充电，

传感器，在系统工作于第二阶段时向UAV传输信息，及，

UAV，在系统工作于第三阶段时向基站传输信息，同时向传感器传送能量，所述UAV工作于所述优化方法确定的位置，系统各工作阶段按照所述优化方法确定的最优时间切换因子进行切换。

Images