CN111010223A - 一种毫米波全双工无人机通信中继传输方法 - Google Patents

Abstract

本发明公开了一种毫米波全双工无人机通信中继传输方法，属于毫米波通信技术领域。所述方法包括构建以无人机为中继的地面基站到地面用户的通信场景，利用空间位置模型，建立以无人机为中继的地面基站到用户的下行通信系统的信道模型；在同时同频全双工模式下，地面基站向无人机发射信号，无人机向用户设备发射信号；在理想波束赋形条件下设计无人机的最优位置，给定无人机的位置优化波束赋形向量，给定波束赋形向量最优化基站和无人机发射信号的功率。该方法针对以无人机为中继的下行传输系统，扩大了毫米波通信的覆盖范围，提升了系统通信容量，提出了给定任意无人机中继位置及波束赋形下的最优功率控制。

Description

一种毫米波全双工无人机通信中继传输方法

技术领域

本发明属于毫米波通信技术领域，具体是一种毫米波全双工无人机通信中继传输方法。

背景技术

随着第五代通信系统的发展，高数据传输速率已经成为无线通信系统的关键性性能要求之一，传输数据的爆炸性增长为未来移动通信带来了巨大的挑战。据预测，在2030年前个人数据速率将会超过100Gbps，总数据传输量将达到5ZB/月。高数据速率、低延迟、低成本、高系统容量和大规模设备连接成为5G的目标。

为满足5G更高的性能需求，需要探索具有丰富频带资源(30-300GHz)的毫米波通信，为后5G和6G网络提供技术支持。由于毫米波通信有较高的传播损耗，可以采用波束赋形技术有效提高信噪比，而且，毫米波信号波长短，可实现在较小空间内部署大规模天线以实现高阵列增益。然而，地面障碍物经常阻碍视距链路的建立，导致即使应用波束赋形技术，接收信号功率依然衰减严重，限制了毫米波移动通信系统的覆盖能力。

另一方面，无人机通信在近些年引起了广泛关注，无人机将在后5G和6G通信中发挥重要作用。得益于无人机的机动性，它们可以灵活部署于沙漠、海洋和受灾地区等没有基础设施覆盖或基础设施被毁坏的区域。相比传统的地面基站，无人机可以在更高的空中运作，更有可能与地面用户建立视距通信链路。然而，无人机可能受到来自邻近设施、设备的强干扰，如邻近基站、地面设备和其他飞行器等，干扰控制成为了无人机通信的关键性挑战。

基于毫米波通信和无人机通信各自的特点，二者的结合将会具有独特的优势。首先，毫米波信号的弱绕射能力和高传播损耗导致覆盖范围受限，而无人机可以灵活部署，建立多跳网络，扩大毫米波通信网络覆盖范围。其次，无人机相比于地面基站作业高度更高，更容易建立视距链路。此外，毫米波通信采用大规模天线阵列，获取的定向波束可有效提高信道增益，并有效抑制无人机的干扰。但用作通信中继的无人机的空间部署、波束赋形以及资源分配方式还有待进一步探索。

发明内容

本发明提出一种毫米波全双工无人机通信中继传输方法，在毫米波通信中采用全双工无人机中继技术，通过优化无人机位置、波束赋形以及功率控制，增大通信容量。

具体步骤如下：

步骤一、建立基站、无人机和用户的空间位置模型；

空间位置模型包括基站到无人机的距离，发射角和到达角；以及无人机到用户的距离、发射角和到达角；

基站到无人机的距离、发射角和到达角：

(x_V,y_V,h_V)为无人机坐标；d_B2V为基站到无人机的距离；θ_B代表基站处的发射俯仰角；φ_B代表基站处的发射方位角；θ_r代表无人机处的到达俯仰角；φ_r代表无人机处的到达方位角；

无人机到用户的距离、发射角和到达角：

(x_U,y_U,0)为用户坐标，d_V2U为无人机到用户的距离，θ_t代表无人机处的发射俯仰角，φ_t代表无人机处的发射方位角，θ_U代表用户处的到达俯仰角，φ_U代表用户处的到达方位角。

步骤二、利用空间位置模型，建立以无人机为中继的地面基站到用户的下行通信系统的信道模型；

信道模型包括基站到无人机链路的信道矩阵，以及无人机到用户链路的信道矩阵；

基站到无人机链路的信道矩阵H_B2V为：

其中，

为基站发射天线的数量；

是无人机中继配备的接收天线数量；基站发射天线和无人机接收天线都采用均匀平面阵列。α是大尺度衰减系数，β是信道矩阵功率归一化常数。a(·)为均匀平面阵列天线的指向向量：

其中，d是相邻天线之间的距离，λ是毫米波波长，特别地，对半波间距天线阵列来说d＝λ/2。

无人机到用户链路的信道矩阵H_V2U为：

其中，

为用户接收天线的数量；

为无人机中继配备的发射天线数量；用户接收天线和无人机发射天线都采用均匀平面阵列。

步骤三、利用信道模型在同时同频全双工模式下，地面基站向无人机发射信号，无人机向用户设备发射信号；

无人机接收到的信号y₁为：

代表无人机接收端波束赋形向量，

代表基站波束赋形向量，P_B为基站发射信号功率；s₁为基站发射信号，

是无人机中继收发天线之间的自干扰信道矩阵，

代表无人机发送端波束赋形向量，P_V为无人机发射信号功率；s₂为无人机发射信号，n₁是无人机处功率为

的零均值高斯白噪声；

用户设备接收的信号y₂为：

其中

是用户设备的波束赋形向量，n₂是用户设备处功率为

的零均值高斯白噪声。

步骤四、根据无人机接收信号以及用户设备的接收信号，计算基站到无人机链路的可达率R_B2V，无人机到用户链路的可达率R_V2U和基站到用户的可达率R_B2U；

基站到无人机链路的可达率R_B2V表示为：

无人机到用户链路的可达率R_V2U表示为：

基站到用户的可达率R_B2U为：R_B2U＝min{R_B2V,R_V2U}；

步骤五、构建基站到用户的可达率R_B2U达到最大时的目标函数，设计无人机位置、波束赋形以及信号功率分配的约束条件；

目标函数如下：

无人机位置范围的约束条件为：

(x_V,y_V)∈[0,x_U]×[0,y_U]

波束赋形的约束条件为：

发射信号功率分配的约束条件为：

其中

为基站的最大发射功率，

为全双工无人机中继的最大发射功率。

步骤六、在理想波束赋形的约束条件下计算无人机的最优位置；

具体步骤如下：

首先、定义理想波束赋形下，基站到无人机链路和无人机到用户链路获得全部阵列增益，并且全双工无人机中继的自干扰为0，即：

然后，将理想波束赋形下的阵列增益代入基站到无人机链路及无人机到用户链路的可达率表达式中，得到理想波束赋形下基站到无人机可达率的上界

和无人机到用户的可达率的上界

计算公式如下：

最后，根据理想波束赋形下的可达率上界，得到无人机最优位置的闭式解：

参数a，b，c由如下公式计算：

步骤七、按照最优位置固定无人机，分别计算基站的波束赋形向量、用户的波束赋形向量、以及无人机的发送端和接收端的波束赋形向量；

具体步骤如下：

步骤701、将基站和用户的最优波束赋形向量设定为指向无人机中继的指向向量；

公式如下：

步骤702、将无人机中继的接收端波束赋形向量和发送端波束赋形向量，分别初始化为指向基站和用户的指向向量：

公式如下：

步骤703、计数器k＝1开始迭代，利用基站和用户的最优波束赋形向量，交替优化无人机发送端波束赋形向量和接收端波束赋形向量；

首先，给定发送端波束赋形向量，优化接收端波束赋形向量使得基站到无人机链路的接收端信号功率最大化，同时抑制自干扰：

其中

是在第(k-1)轮迭代中求得的确定的接收端波束赋形向量，

是第k轮迭代中无人机接收端波束赋形向量w_r的自干扰抑制因子；

然后，给定第k轮迭代得到的接收端波束赋形向量

优化发送端波束赋形向量使得无人机到用户链路的接收端信号功率最大化，同时抑制自干扰：

其中

是第k轮迭代中无人机发送端波束赋形向量w_t的自干扰抑制因子；

针对自干扰抑制因子，通过设计减小步长κ，使得全双工无人机中继自干扰抑制每次迭代减小κ倍，最终趋近于0；

每次迭代过后令计数器k自增1，重复优化过程直至收敛；最终得到无人机中继的发射端波束赋形向量优化结果为

和接收端波束赋形向量优化结果为

步骤704、分别对无人机中继的发射端波束赋形向量优化结果

和接收端波束赋形向量优化结果

进行恒模归一化：

步骤八、将无人机最优位置和收发两端的最优波束赋形向量代入目标函数中，计算基站和无人机的最优发射功率，以最大化系统可达率，并减小功率浪费。

首先，在无人机收发两端所得的最优波束赋形向量的条件下，分别计算基站到无人机链路和无人机到用户链路的可达率：

其中

然后，对最大化基站到用户的可达率

这个目标函数进行求解，得到无人机最优位置和收发两端波最优束赋形向量下的最优功率设置，保证在相同的可达率下，基站和无人机的总发射功率最小。

此时，基站和无人机的最优发射功率为：

其中a′＝G_SIG_V2U，

本发明的优点在于：

1、本发明一种毫米波全双工无人机通信中继传输方法，采用全双工无人机中继，扩大了毫米波通信的覆盖范围，提升了系统通信容量；

2、本发明一种毫米波全双工无人机通信中继传输方法，提出了理想波束下的最优无人机中继位置部署；

3、本发明一种毫米波全双工无人机通信中继传输方法，提出了一种交替自干扰抑制算法，交替最优化无人机发射波束赋形向量和接收波束赋形向量；

4、本发明一种毫米波全双工无人机通信中继传输方法，提出了给定任意无人机中继位置及波束赋形下的最优功率控制。

附图说明

图1是本发明一种毫米波全双工无人机通信中继传输方法的流程图；

图2是本发明构建的无人机中继克服地面建筑物阻挡的下行通信链路模型；

图3是本发明展示了当

时，几种不同方法下系统可达率随基站发射信号功率的变化图；

图4是本发明展示了当

时，几种不同方法下系统可达率随全双工无人机中继发射信号功率的变化图；

图5是本发明展示了当

M_t＝N_t＝M_r＝N_r＝N_a时，几种不同方法下系统可达率随双工无人机中继天线阵列规模的变化图。

图6是本发明展示了当

时，几种不同方法下系统可达率随基站到用户的距离的变化图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

本发明公开了一种毫米波全双工无人机通信中继传输方法，所述方法包括构建以无人机为中继的地面基站到地面用户的通信场景，在理想波束赋形条件下设计无人机的最优位置，给定无人机的位置优化波束赋形向量，给定波束赋形向量最优化基站和无人机发射信号的功率，减小无人机中继自干扰，扩大了毫米波通信的覆盖范围，提升了系统通信容量；是一种全双工无人机中继位置部署、波束赋形及功率控制技术。

如图1所示，具体步骤如下：

步骤一、建立基站、无人机和用户的空间位置模型。

如图2所示，以基站为原点，x，y，z轴分别指向东、北、垂直向上，假设基站和用户的高度均为零，各平面天线阵列与xOy平面平行。用户坐标为(x_U,y_U,0)，无人机坐标为(x_V,y_V,h_V)，由此可以得到基站到无人机的距离、发射角和到达角：

d_B2V为基站到无人机的距离；θ_B代表基站处的发射俯仰角；φ_B代表基站处的发射方位角；θ_r代表无人机处的到达俯仰角；φ_r代表无人机处的到达方位角；

同理可得无人机到用户的距离、发射角和到达角：

其中，d_V2U为无人机到用户的距离，θ_t代表无人机处的发射俯仰角，φ_t代表无人机处的发射方位角，θ_U代表用户处的到达俯仰角，φ_U代表用户处的到达方位角。

步骤二、利用空间位置模型，针对以无人机为中继的地面基站到地面用户的下行通信系统建立信道模型。

如图2所示，基站、无人机中继和用户设备为克服路径损耗都配备均匀平面天线阵列，基站发射天线数为M_B×N_B，用户接收天线数为M_U×N_U，无人机中继配备M_t×N_t的发射天线和M_r×N_r的接收天线。由于远场毫米波信道的方向性和稀疏性，基站到无人机链路和无人机到用户链路可以表示为具有不同发射角和到达角的多径分量的叠加，且空对地通信的视距链路是很容易实现的，因此假设空对地传输是视距路径占优的。

基站到无人机链路和无人机到用户链路的信道矩阵定义分别为：

其中，

α是大尺度衰减系数，β是信道矩阵功率归一化常数。定义a(·)为均匀平面阵列天线的指向向量：

其中，d是相邻天线之间的距离，λ是毫米波波长，特别地，对半波间距天线阵列来说d＝λ/2。

而远场条件，即R≥2D²/λ，在无人机中继自干扰信道视距路径中不再成立，这里R是收发天线之间的距离，D是天线孔径直径。因此自干扰信道需要使用近场模型：

其中r_m,n是第m根发射天线和第n根接收天线之间的距离。

步骤三、在同时同频全双工模式下，地面基站以一定功率向无人机发射信号，无人机以一定功率向用户设备发射信号。

基站以功率P_B向无人机发射信号s₁，同时，无人机以功率P_V向用户设备发射信号s₂，其中s_i满足

i＝1,2。

无人机接收到的信号为：

其中

是基站与无人机之间的信道矩阵，

是无人机中继收发天线之间的自干扰信道矩阵，n₁是无人机处功率为

的零均值高斯白噪声，

代表基站波束赋形向量，

代表无人机接收端波束赋形向量，

代表无人机发送端波束赋形向量，n₁是无人机处功率为

的零均值高斯白噪声。

用户设备接收到的信号为：

其中

是无人机与用户设备之间的信道矩阵，

是用户设备的波束赋形向量，n₂是用户设备处功率为

的零均值高斯白噪声。

步骤四、根据无人机接收信号以及用户设备的接收信号，计算基站到无人机链路和无人机到用户链路的可达率。

基站到无人机链路和无人机到用户链路的可达率分别表示为：

因此基站到用户的可达即为基站无人机链路和无人机到用户链路可达率的最小值，即：

R_B2U＝min{R_B2V,R_V2U}

步骤五、构建目标函数：当系统的可达率达到最大时，设计无人机位置部署、波束赋形以及信号功率分配。

对于本发明提出的毫米波全双工无人机中继，由于无人机电池容量受限，使用模拟波束赋形比数字波束赋形更为合适，模拟波束赋形向量有恒模约束：

基站到用户的可达率之和达到最大化，也就是目标函数如下：

需要满足上述恒模约束，无人机位置范围约束以及最大发射功率约束：

(x_V,y_V)∈[0,x_U]×[0,y_U]

其中

和

分别为基站和全双工无人机中继的最大发射功率。

步骤六、求解理想波束赋形条件下无人机的最优位置；

具体步骤如下：

步骤601、定义在理想波束赋形下，基站到无人机链路和无人机到用户链路可以获得全部阵列增益，并且全双工无人机中继的自干扰为0，即：

步骤602、在理想波束赋形下，计算基站到无人机和无人机到用户的可达率的上界：

步骤603、在理想波束赋形下，求解无人机的最优位置：

其中参数a，b，c可由如下公式计算：

步骤七、按照最优位置固定无人机，分别计算基站的波束赋形向量、用户的波束赋形向量、以及无人机的发送端和接收端的波束赋形向量；

具体步骤如下：

步骤701、为了分别最大化基站到无人机链路的有效信道增益

及无人机到用户链路的有效信道增益

先计算基站和用户处的最优波束赋形向量，为指向无人机中继的指向向量：

步骤702、在无人机中继处，为了最大化基站到无人机链路的有效信道增益

及无人机到用户链路的有效信道增益

初始化无人机中继的接收端波束赋形向量和发送端波束赋形向量，分别为指向基站和用户的指向向量：

步骤703、开始迭代过程，从计数器k＝1开始，交替优化无人机发送端波束赋形向量和接收端波束赋形向量；

给定发送端波束赋形向量，优化接收端波束赋形向量使得基站到无人机链路的接收端信号功率最大化，同时抑制自干扰：

其中

是在第(k-1)轮迭代中求得的确定的发送端波束赋形向量，

是第k轮迭代中w_r的自干扰抑制因子，该抑制因子在每轮迭代中逐渐减小，具体在步骤705中说明；该问题可用标准凸优化工具求解，记为

步骤704、给定步骤703中求得的接收端波束赋形向量

优化发送端波束赋形向量使得无人机到用户链路的接收端信号功率最大化，同时抑制自干扰：

其中

是第k轮迭代中w_t的自干扰抑制因子，抑制因子在每轮迭代中逐渐减小，具体在步骤705中说明。该问题可用标准凸优化工具求解，记为

步骤705、设计自干扰抑制因子，保证在迭代过程中全双工无人机中继自干扰逐渐减小：

其中κ是自干扰抑制因子的减小步长，使得全双工无人机中继自干扰抑制因此每次迭代减小κ倍，最终趋近于0；

步骤706、重复步骤703和704直至收敛，即可达率不再上升，每次迭代过后令计数器k增大1个单位:k＝k+1。

步骤707、迭代终止后，得到无人机中继的发射波束赋形向量

和接收波束赋形向量

并分别进行恒模归一化：

步骤八、将步骤六中的无人机最优位置和步骤七中的收发两端的最优波束赋形向量代入步骤五的目标函数中，计算基站和无人机的最优发射功率，以最大化系统可达率，并减小功率浪费。

首先、计算在所得波束赋形向量的条件下基站到无人机链路和无人机到用户链路的可达率：

其中

然后、为了最大化可达率

求解给定无人机位置和波束赋形向量的条件下的最优功率设置，并保证在相同的可达率条件下，基站和无人机的总发射功率最小，避免功率浪费。

此时，基站和无人机的最优发射功率为：

其中a′＝G_SIG_V2U，

实施例：

本发明全双工无人机通信中继位置部署，波束赋形以及功率控制方法的系统可达率性能，仿真参数设置如下：无人机高度h_V＝100m，无人机和用户处的噪声功率相同，即σ₁＝σ₂＝σ，信道矩阵中大尺度衰减系数α＝3，信道矩阵功率归一化常数β在距离d＝100m时满足归一化条件

载波频率为38GHz，基站和用户端的天线规模为M_B×N_B＝M_U×N_U＝16×16，减小步长κ＝10，用户分布在以基站为圆心，半径为500m的圆盘内，曲线中的所有点均为10³次用户随机分布和信道生成计算得到的平均可达率。

图3到图6中的四条曲线，“理想上界”对应步骤六中的理想波束赋形下的可达率上界；“发明方法”对应本发明所提的位置部署，波束赋形以及及功率控制方法所得的可达率；“随机位置+交替波束赋形”对应无人机在区域(x_V,y_V)∈[0,x_U]×[0,y_U]内随机分布，并采用步骤七中的波束赋形和步骤八中的最优功率控制得到的可达率；“最优位置+指向波束赋形”对应无人机部署在步骤六中最优位置，并采用指向向量作为波束赋形向量和步骤八中的最优功率控制得到的可达率。

如图3所示，当

M_t×N_t＝M_r×N_r＝4×4时，几种不同方法下系统可达率随基站发射信号功率的变化，“发明方法”非常接近理想波束赋形下的可达率上界，并且性能明显优于“随机位置+交替波束赋形”和“最优位置+指向波束赋形”两种方法，体现了本发明毫米波全双工无人机中继系统中位置部署，波束赋形以及功率控制方法的优势；

如图4所示，当

M_t×N_t＝M_r×N_r＝4×4时，几种不同方法下系统可达率随全双工无人机中继发射信号功率的变化，“发明方法”非常接近理想波束赋形下的可达率上界，并且性能明显优于“随机位置+交替波束赋形”和“最优位置+指向波束赋形”两种方法，体现了本发明毫米波全双工无人机中继系统中位置部署，波束赋形以及功率控制方法的优势；

如图5所示，当

M_t＝N_t＝M_r＝N_r＝N_a时，几种不同方法下系统可达率随双工无人机中继天线阵列规模的变化，“发明方法”非常接近理想波束赋形下的可达率上界，并且性能明显优于“随机位置+交替波束赋形”和“最优位置+指向波束赋形”两种方法，体现了本发明毫米波全双工无人机中继系统中位置部署，波束赋形以及功率控制方法的优势，随着天线数增大，可达率提高，并且更接近理想上界，证明了天线数量提升有利于消除自干扰，提升基站到无人机链路和无人机到用户链路的有效信道增益；

如图6所示，当

M_t×N_t＝M_r×N_r＝4×4时，几种不同方法下系统可达率随基站到用户的距离的变化，“发明方法”非常接近理想波束赋形下的可达率上界，并且性能明显优于“随机位置+交替波束赋形”和“最优位置+指向波束赋形”两种方法，体现了本发明毫米波全双工无人机中继系统中位置部署，波束赋形以及功率控制方法的优势。

Claims (4)

1.一种毫米波全双工无人机通信中继传输方法，其特征在于，具体步骤如下：

步骤一、建立基站、无人机和用户的空间位置模型；

空间位置模型包括基站到无人机的距离，发射角和到达角；以及无人机到用户的距离、发射角和到达角；

步骤二、利用空间位置模型，建立以无人机为中继的地面基站到用户的下行通信系统的信道模型；

信道模型包括基站到无人机链路的信道矩阵，以及无人机到用户链路的信道矩阵；

基站到无人机链路的信道矩阵H_B2V为：

其中，

为基站发射天线的数量；

是无人机中继配备的接收天线数量；基站发射天线和无人机接收天线都采用均匀平面阵列；α是大尺度衰减系数，β是信道矩阵功率归一化常数；a(·)为均匀平面阵列天线的指向向量：

其中，d是相邻天线之间的距离，λ是毫米波波长，特别地，对半波间距天线阵列来说d＝λ/2；

θ_B代表基站处的发射俯仰角；φ_B代表基站处的发射方位角；θ_r代表无人机处的到达俯仰角；φ_r代表无人机处的到达方位角；

无人机到用户链路的信道矩阵H_V2U为：

其中，

为用户接收天线的数量；

为无人机中继配备的发射天线数量；用户接收天线和无人机发射天线都采用均匀平面阵列；

θ_t代表无人机处的发射俯仰角，φ_t代表无人机处的发射方位角，θ_U代表用户处的到达俯仰角，φ_U代表用户处的到达方位角；

步骤三、利用信道模型在同时同频全双工模式下，地面基站向无人机发射信号，无人机向用户设备发射信号；

无人机接收到的信号y₁为：

代表无人机接收端波束赋形向量，

代表基站波束赋形向量，P_B为基站发射信号功率；s₁为基站发射信号，

是无人机中继收发天线之间的自干扰信道矩阵，

代表无人机发送端波束赋形向量，P_V为无人机发射信号功率；s₂为无人机发射信号，n₁是无人机处功率为

的零均值高斯白噪声；

用户设备接收的信号y₂为：

其中

是用户设备的波束赋形向量，n₂是用户设备处功率为

的零均值高斯白噪声；

步骤四、根据无人机接收信号以及用户设备的接收信号，计算基站到无人机链路的可达率R_B2V，无人机到用户链路的可达率R_V2U和基站到用户的可达率R_B2U；

基站到无人机链路的可达率R_B2V表示为：

无人机到用户链路的可达率R_V2U表示为：

基站到用户的可达率R_B2U为：R_B2U＝min{R_B2V,R_V2U}；

步骤五、构建基站到用户的可达率R_B2U达到最大时的目标函数，设计无人机位置、波束赋形以及信号功率分配的约束条件；

目标函数如下：

(x_V,y_V,h_V)为无人机坐标；

无人机位置范围的约束条件为：

(x_V,y_V)∈[0,x_U]×[0,y_U]

(x_U,y_U,0)为用户坐标；

波束赋形的约束条件为：

发射信号功率分配的约束条件为：

其中

为基站的最大发射功率，

为全双工无人机中继的最大发射功率；

步骤六、在理想波束赋形的约束条件下计算无人机的最优位置；

具体如下：

首先、定义理想波束赋形下，基站到无人机链路和无人机到用户链路获得全部阵列增益，并且全双工无人机中继的自干扰为0，即：

然后，将理想波束赋形下的阵列增益代入基站到无人机链路及无人机到用户链路的可达率表达式中，得到理想波束赋形下基站到无人机可达率的上界

和无人机到用户的可达率的上界

计算公式如下：

最后，根据理想波束赋形下的可达率上界，得到无人机最优位置的闭式解：

参数a，b，c由如下公式计算：

步骤七、按照最优位置固定无人机，分别计算基站的波束赋形向量、用户的波束赋形向量、以及无人机的发送端和接收端的波束赋形向量；

步骤八、将无人机最优位置和收发两端的最优波束赋形向量代入目标函数中，计算基站和无人机的最优发射功率，以最大化系统可达率，并减小功率浪费；

首先，在无人机收发两端所得的最优波束赋形向量的条件下，分别计算基站到无人机链路和无人机到用户链路的可达率：

其中

然后，对最大化基站到用户的可达率

这个目标函数进行求解，得到无人机最优位置和收发两端波最优束赋形向量下的最优功率设置，保证在相同的可达率下，基站和无人机的总发射功率最小；

此时，基站和无人机的最优发射功率为：

其中a′＝G_SIG_V2U，

2.如权利要求1所述的一种毫米波全双工无人机通信中继传输方法，其特征在于，所述的步骤一中，基站到无人机的距离、发射角和到达角计算如下：

d_B2V为基站到无人机的距离；

无人机到用户的距离、发射角和到达角计算如下：

d_V2U为无人机到用户的距离。

3.如权利要求1所述的一种毫米波全双工无人机通信中继传输方法，其特征在于，所述的步骤七具体如下：

步骤701、将基站和用户的最优波束赋形向量设定为指向无人机中继的指向向量；

公式如下：

步骤702、将无人机中继的接收端波束赋形向量和发送端波束赋形向量，分别初始化为指向基站和用户的指向向量：

公式如下：

步骤703、计数器k＝1开始迭代，利用基站和用户的最优波束赋形向量，交替优化无人机发送端波束赋形向量和接收端波束赋形向量；

步骤704、分别对无人机中继的发射端波束赋形向量优化结果

和接收端波束赋形向量优化结果

进行恒模归一化：

4.如权利要求1所述的一种毫米波全双工无人机通信中继传输方法，其特征在于，所述的步骤703具体为：

首先，给定发送端波束赋形向量，优化接收端波束赋形向量使得基站到无人机链路的接收端信号功率最大化，同时抑制自干扰：

其中

是在第(k-1)轮迭代中求得的确定的接收端波束赋形向量，

是第k轮迭代中无人机接收端波束赋形向量w_r的自干扰抑制因子；

然后，给定第k轮迭代得到的接收端波束赋形向量

优化发送端波束赋形向量使得无人机到用户链路的接收端信号功率最大化，同时抑制自干扰：

其中

是第k轮迭代中无人机发送端波束赋形向量w_t的自干扰抑制因子；

针对自干扰抑制因子，通过设计减小步长κ，使得全双工无人机中继自干扰抑制每次迭代减小κ倍，最终趋近于0；

每次迭代过后令计数器k自增1，重复优化过程直至收敛；最终得到无人机中继的发射端波束赋形向量优化结果为

和接收端波束赋形向量优化结果为

Images