CN111031513B - 一种多无人机辅助物联网通信方法及其系统 - Google Patents

一种多无人机辅助物联网通信方法及其系统 Download PDF

Info

Publication number
CN111031513B
CN111031513B CN201911214359.8A CN201911214359A CN111031513B CN 111031513 B CN111031513 B CN 111031513B CN 201911214359 A CN201911214359 A CN 201911214359A CN 111031513 B CN111031513 B CN 111031513B
Authority
CN
China
Prior art keywords
energy consumption
iot device
unmanned aerial
communication
iot
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.)
Expired - Fee Related
Application number
CN201911214359.8A
Other languages
English (en)
Other versions
CN111031513A (zh
Inventor
王莹
陈康华
费子轩
赵俊伟
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201911214359.8A priority Critical patent/CN111031513B/zh
Publication of CN111031513A publication Critical patent/CN111031513A/zh
Application granted granted Critical
Publication of CN111031513B publication Critical patent/CN111031513B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供的一种多无人机辅助物联网通信方法及其系统，该方法包括：以每个基站为中心构建物联网通信系统，该物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点；对物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对总能耗函数进行最优解的求取；基于最优解，对物联网通信系统进行资源分配。本发明实施例提供的多无人机辅助物联网通信方法及其系统，利用无人机辅助地面基站为地面IoT设备提供符合时延和可靠性要求的服务，解决了IoT设备的电池寿命、通信时延和可靠性问题。

Description

一种多无人机辅助物联网通信方法及其系统
技术领域
本发明涉及通信技术领域，尤其涉及一种多无人机辅助物联网通信方法。
背景技术
大规模5G商业部署正在紧锣密鼓地进行中，5G不仅研究诸如增强移动宽带(eMBB)之类的人与人之间的通信，还研究物与物之间的通信。超可靠和低延迟通信(URLLC)作为5G的三项关键服务之一，被广泛应用于物联网(IoT)场景，尤其是任务关键型应用，例如工业制造和控制，自动驾驶汽车、远程手术和智慧交通等。以现代自动化工业为例，必须在延迟和可靠性的极端要求下传输工业控制信息和警报信号。相比之前的蜂窝移动通信技术， 5GURLLC在时延和可靠性方面有了极大程度的提升，要求实现基站和终端间上下行均为0.5ms的用户面时延。该用户面时延是指：成功传送应用层IP 数据包/消息所花费的时间，具体是从发送方5G无线协议层入口点，经由5G 无线传输，到接收方5G无线协议层出口点的时间。
基于URLLC对时延和可靠性的严格要求，工业界和学术界进行了诸多努力。尤其是考虑到URLLC对低时延的通信需求，短传输时间间隔(TTI)、免授权上行接入、eMBB/URLLC复用、快速自动请求重传(HARQ和快速动态调度被进行了广泛地研究。其中，包括通过有限块长编码、免授权的非正交多址接入(NOMA)和抢占eMBB传输来减少链路时延。随着研究的深入，为了满足URLLC对通信可靠性的需求，采用多连接方案和增大设备的发射功率等方法被提出。但是在工业物联网、远程物联网等应用场景中，考虑到地面，地面终端设备的电池容量有限，仅通过部署地面基站采用蜂窝网络是很难满足URLLC的通信需求的。
考虑到现有蜂窝网络部署架构的局限性和成本问题，提出使用无人机来辅助IoT网络。无人机具有机动灵活、低成本和按需部署的优势，可以通过部署无人机获得高概率的视距(LoS)链路，通过提高信道质量来满足能量受限的物联网设备进行URLLC通信的需求。通过在被服务区域的上空部署多架无人机可以最大程度的降低物联网设备进行URLLC通信所需的最小发射功率。但目前，通过部署无人机(UAV)来解决URLLC通信中的时延和可靠性问题是存在较少研究，且当前的研究更多的停留子单个UAV作为中继辅助单个用户跨越障碍物的简单场景，但对于复杂的工业环境，使用单架无人机是难以满足整个系统的可靠性和时延需求。
发明内容
有鉴于此，本发明实施例提供一种多无人机辅助物联网通信方法及其系统，用以解决多无人机辅助能量受限的物联网设备URLLC通信中，无人机的部署位置、轨迹、电池容量，地面IoT设备的上行接入选择和功率控制相比较于单无人机辅助通信场景都有更复杂的要求限制的技术难题；通过对联合设备调度选择、功率控制和无人机部署位置优化的系统总能耗最小化等问题解决，实现物联网应用场景中的超可靠低时延通信。
第一方面，本发明实施例提供一种多无人机辅助物联网通信方法，包括：以每个基站为中心构建物联网通信系统，该物联网通信系统包括多个IoT 设备、一个地面基站以及多个无人机节点；对物联网通信系统基于实现 URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对总能耗函数进行最优解的求取；基于最优解，对物联网通信系统进行资源分配。
进一步地，上述建立URLLC通信的总能耗函数，包括，综合衡量以下约束条件，分别为：每个IoT设备的链路建立方式、每个IoT设备的误块率、每个IoT设备的能耗以及每个无人机的部署区域。
进一步地，上述对物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数，包括：
基于3GPP的信道模型，获取每个IoT设备与地面基站之间的第一路径损耗表达式；基于自由空间路径损耗计算方法，获取每个IoT设备与每个无人机节点的第二路径损耗表达式；基于第一路径损耗表达式与第二路径损耗表达式的比较，获取每个IoT设备与每个无人机之间的通信链路的误块率，信噪比和最大信道可达速率的关系，进而获取每条通信链路的误块率表达式；结合通信链路的误块率表达式，确定约束条件的具体表达式。
进一步地，上述URLLC通信的总能耗函数为：
Figure BDA0002299072650000031
Figure BDA0002299072650000032
Figure BDA0002299072650000033
Figure BDA0002299072650000034
C4:0≤Pi≤Pmax,
C5:xmin≤xj≤xmax,
C6:ymin≤yj≤ymax.
其中，C1-C6均为约束条件的具体表达式，A为IoT设备的连接变量；R 为无人机的部署位置变量，P表示IoT设备的发射功率变量，K为IoT设备的数量，Pi为第i个IoT设备的能耗，Pmax为IoT设备的能耗阈值，aij为自定义二元变量，aij＝1表示第i个IoT设备由第j个无人机提供服务，ai0＝1表示第 i个IoT设备由地面基站提供服务，
Figure BDA0002299072650000036
表示IoT设备的数量的集合，U为无人机的数量，εi为第i个IoT设备的误块率，εmax为IoT设备的误块率阈值，
Figure BDA0002299072650000035
为任一取值运算符，(xmin、ymin)为无人机的最小部署区域平面坐标，(xmax、ymax)为无人机的极限部署区域平面坐标，(xj、yj) 为第j个无人机的平面坐标。
进一步地，IoT设备调度选择优化算法，包括：
固定所述无人机的位置及调度选择，基于Q函数的函数性质转化方法，获取转化后的第一总能耗函数为：
Figure BDA0002299072650000041
Figure BDA0002299072650000042
Figure BDA0002299072650000043
C3:f(γij)≥Q-1(εmax)，
C4:0≤Pi≤Pmax·
其中，
Figure BDA0002299072650000044
A1＝Bτ,
Figure BDA0002299072650000045
Figure BDA0002299072650000046
j＝0,1,…,U，εij＝Q(f(γij)),j＝0,1,…,U，B为通信链路的信道带宽，τ为IoT设备的时延，L为IoT设备发送数据包的时延大小，A1和A2为中间计算量，Q为Q函数方程且
Figure BDA0002299072650000047
f(γij)为关于信噪比的函数，Q-1为Q函数的逆函数；
求取函数f(γij)的一阶导数f′(γij)为：
Figure BDA0002299072650000048
基于所述一阶导数f′(γij)，结合所述第一总能耗函数，获取第二总能耗函数P1，所述第二总能耗函数P1为混合整数约束凸规划函数，包括：
Figure BDA0002299072650000051
Figure BDA0002299072650000052
Figure BDA0002299072650000053
Figure BDA0002299072650000054
C4:0≤Pi≤Pmax.
其中，gij为空对地信道的增益，N0为噪声功率谱密度；
将传统的凸优化算法和穷举搜索相结合，对所述第二总能耗函数P1进行求解，获取IoT设备调度优化方案。
进一步地，上述无人机部署位置优化算法，包括：
固定每个所述IoT设备的位置及调度选择，基于Q函数的函数性质转化方法，获取转化后的第三总能耗函数P2为：
Figure BDA0002299072650000055
Figure BDA0002299072650000056
C4:0≤Pi≤Pmax,
C5:xmin≤xj≤xmax,
C6:ymin≤yj≤ymax.
其中，
Figure BDA0002299072650000057
为上一迭代过程中第三总能耗函数P1取得最优解时的调度选择变量取值，
Figure BDA0002299072650000058
为节点i至节点j距离的路阻指数，N0为噪声功率谱密度f-1为函数f(x)的逆函数；
利用CVX工具箱对上述第三总能耗函数P2进行求解，获取无人机部署位置优化方案。
进一步地，上述采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取，包括：
S31：获取所述IoT设备调度优化方案，并根据所述IoT设备调度优化方案完成所有IoT设备调度，此时所有无人机的位置为固定不变；
S32：获取所述无人机部署位置优化方案，并根据所述无人机部署位置优化方案完成所有无人机位置部署，此时所有IoT设备的位置和调度连接固定不变；
S33：迭代执行上述S31-S32，直至所述IoT设备调度选择优化算法和无人机部署位置优化算法的计算结果收敛，获取所述最优解。
第二方面，本发明实施例提供一种多无人机辅助物联网通信系统，包括：效用构建子模块、模型构建子模块、最优解运算子模块以及最优解仿真模块，其中：
效用构建子模块，用于以每个基站为中心构建物联网通信系统，所述物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点；
模型构建子模块，用于对所述物联网通信系统进行实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；
最优解运算子模块，采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取；
最优解仿真模块，用于基于所述最优解，对所述物联网通信系统进行资源分配。
第三方面，本发明实施例提供一种电子设备，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计算机程序时实现如上述第一方面任一项所述的多无人机辅助物联网通信方法的步骤。
第四方面，本发明实施例提供一种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上述第一方面任一项所述的多无人机辅助物联网通信方法的步骤。
本发明实施例提供的多无人机辅助物联网通信方法及其系统，利用无人机辅助地面基站为地面IoT设备提供符合时延和可靠性要求的服务，并通过对物联网设备实现高可靠低时延通信所需的最小能量进行建模，通过对模型的最优解的获取，解决了IoT设备的电池寿命、通信时延和可靠性问题。
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作一简单地介绍，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一种多无人机辅助物联网通信方法的流程示意图；
图2为本发明实施例提供的一种物联网场景示意图；
图3为本发明实施例提供的一种对总能耗函数进行最优解的求取时迭代算法的流程示意图；
图4为本发明实施例提供的一种多无人机辅助物联网通信系统的结构示意图；
图5为本发明实施例提供的一种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作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。
URLLC作为5G三大智能应用场景之一，被广泛应用于物联网场景，尤其是任务关键型应用。考虑到地面5G基站的覆盖范围限制以及物联网设备的电池容量限制，只通过地面基站来实现URLLC服务是具有很大挑战的。本发明实施例针对物联网通信中的关键任务场景，主要解决物联网设备的电池寿命、通信时延和可靠性问题，提出了一种多无人机辅助物联网通信方法，主要是利用多架无人机最为通信节点，辅助地面基站为所有的地面IoT设备提供符合时延和可靠性要求的服务，综合考虑考虑IoT设备的调度选择问题、功率控制问题、以及无人机的位置部署优化问题，结合联合调度选择，功率分配和无人机位置部署优化的优化算法，研究在满足URLLC通信要求下，物联网设备的总能耗优化问题，通过对地面IoT设备实现高可靠低时延通信所需的最小总能耗进行建模并求取最优解，以实现合理的资源分配及调度，如图1所示，该方法包括但不限于：
步骤S1：以每个基站为中心构建物联网通信系统，该物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点。
步骤S2：对物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数。
步骤S3：采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取。
步骤S4：基于最优解，对物联网通信系统进行资源分配。
图2为本发明实施例提供的一种物联网场景示意图，如图2所示，在步骤S1中，首先基于实际的通信状况，将真个通信总区域按照每个地面基站为中心划分为不同的子区域，并进一步的在每个子区域内构建一个物联网通信系统；该物联网通信系统中包括位于该子区域内的所有地面IoT设备以及位于中心的地面基站。进一步的，根据实际通信场景的需要，在该子区域被布置多个无人机作为通信节点。由于无人机(UAV)的激动灵活和高视距(LoS) 链路概率等特性，使用UAV辅助通信可以获得更好的空对地信道状况，满足物联网设备对URLLC通信的时延和可靠性需求。
如图2所示，在本发明实施例中，为了示例了由一个地面基站(ground BaseStation)、三个无人机节点(UAV1-UAV3)和所有地面IoT设备(IoT device)组成的具有工业控制和安全警报功能的物联网通信系统，其中每个IoT 设备可根据距离地面基站以及无人机节点的远近，自主选择接入地面基站或者无人机节点中的一个，其中接入地面基站实现的是地对地连接 (ground-to-ground link)；当接入任一UAV时，则实现(ground-to-airlink)。
具体地，为研究的方便，在本发明实施例中，假设有K个IoT设备，
Figure BDA0002299072650000081
需要在延迟和可靠性的约束下上传固定大小的数据包。这K 个设备均匀随机分布在一个正方形区域中，地面基站(GBS)放置在该区域的中心。由于存在地面建筑物的障碍，任意一个IoT设备和地面基站之间的信道质量可能不足以满足URLLC通信对延迟和可靠性的要求。因此，可以在该子区域的上空部署U个无人机，
Figure BDA0002299072650000091
来辅助IoT设备的通信连接，以满足URLLC通信对时延和可靠性的要求。每个IoT设备可以采用正交频分多址(OFDMA)接入方式，以避免各IoT设备之间的信号干扰。
其中，IoT设备的位置坐标可以通过全球定位系统(GPS)提前获取，由于地面基站(GBS)位于整个子区域的中心，可以将GBS的坐标表示为 [0,0,hGBS]，并将第i(i∈K)个IoT设备和第j(j∈U)个无人机的三维坐标分别表示为[xi,yi,hUT]和qj＝[xj,yj,H]，其中hGBS为GBS的高度，hUT为IoT设备的高度，H为UAV的飞行高度。
步骤S2具体可以包括以下内容：
一方面，建立URLLC通信的总能耗函数，可以包括，综合衡量以下几个约束条件：每个IoT设备的链路建立方式、每个IoT设备的误块率、每个 IoT设备的能耗以及每个无人机的部署区域。
另一方面，其中对物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数，可以包括但不限于以下步骤：基于3GPP的信道模型，获取每个IoT设备与地面基站之间的第一路径损耗表达式；基于自由空间路径损耗计算方法，获取每个IoT设备与每个无人机节点的第二路径损耗表达式；基于第一路径损耗表达式与第二路径损耗表达式的比较，获取每个IoT设备与每个无人机之间的通信链路的误块率，信噪比和最大信道可达速率的关系，进而获取每条通信链路的误块率表达式；结合通信链路的误块率表达式，确定约束条件的具体表达式。
具体地，按照3GPP的信道模型计算地面基站GBS的下标序号为0，第i 个IoT设备和该地面基站之间的路径损耗(即第一路径损耗)，其中第一路径损耗表达式为：
PLi0＝13.54+39.08log10(di0)+20log10(f)-0.6(hUT-1.5) 公式1
其中，PLi0为第i个IoT设备和地面基站之间的路径损耗，di0为第i个IoT 设备和地面基站之间的距离，f为载波频率。
进一步地，第i个IoT设备和第j个无人机之间的空对地信道的路径损耗采用自由空间路径损耗(即第二路径损耗)，其中第二路径损耗表达式为：
Figure BDA0002299072650000101
其中，PLij为第i个IoT设备和第j个无人机之间的空对地信道的路径损耗，α为路径损耗指数，c为光速度，dij为第i个IoT设备和第j个无人机之间的3D距离
Figure BDA0002299072650000102
ξ为与环境相关的额外路径损耗。
进一步地，有上述公式2可以获取到第i个IoT设备和第j个无人机之间的空对地信道的增益为：
Figure BDA0002299072650000103
其中
Figure BDA0002299072650000104
其中，gij为空对地信道的增益，G为中间运算变量。
进一步地，每个地面IoT设备可以根据自身所处地理位置的不同，自动的选择接入地面GBS或者空中的UVA，以获得最好的信道质量，从而满足 URLLC通信对时延和可靠性的要求。
进一步地，在URLLC通信中，发送的数据包多为短包，为了降低通信时延，有限长编码机制被采用。不失一般性地，考虑AWGN传输信道下的 URLLC通信，在有限块长编码机制下，第i个IoT设备和第j个无人机之间通信链路的误块率εij、信噪比γij和最大信道可达速率R的关系可以表示为：
Figure 1
Figure BDA0002299072650000106
其中，Q-1为通信Q函数的逆函数，n为编码块的长度，V为信道差量， e为自然常数。
进一步地，由于每个IoT设备要发送Lbits的数据包，要求数据包的时延不可以超过τ。为了最小化系统的总能耗，IoT设备的时延可以约束为等于τ，假设每条通信链路的信道带宽为B，所以根据公式3可以获取每条通信链路的误块率表达：
Figure BDA0002299072650000111
其中，B为为通信链路的信道带宽，τ为IoT设备的时延，L为IoT设备发送数据包的大小，U为无人机的数量，εij为每条通信链路的误块率。
进一步的，基于所述第一路径损耗表达式与所述第二路径损耗表达式的比较，定义一个二元变量aij，若aij＝1，则表示第i个IoT设备由第j个无人机提供服务；若ai0＝1表示第i个IoT设备由地面基站提供服务；否则，aij＝0。从而，每条通信链路的信噪比γij可以表示为：
Figure BDA0002299072650000112
其中，gij为空对地信道的增益，Pi为第i个IoT设备的能耗，NO为噪声功率谱密度，B为为通信链路的信道带宽。
基于上述实施例的内容，URLLC通信的总能耗函数为：
Figure BDA0002299072650000113
Figure BDA0002299072650000114
Figure BDA0002299072650000115
Figure BDA0002299072650000116
C4:0≤Pi≤Pmax
C5:xmin≤xj≤xmax
C6:ymin≤yj≤ymax
其中，C1-C6均为约束条件的具体表达式，A为IoT设备的连接变量；R 为无人机的部署位置变量，P表示IoT设备的发射功率变量，K为IoT设备的数量，Pi为第i个IoT设备的能耗，Pmax为IoT设备的能耗阈值，aij为自定义二元变量，aij＝1表示第i个IoT设备由第j个无人机提供服务，ai0＝1表示第 i个IoT设备由地面基站提供服务，
Figure BDA0002299072650000117
表示IoT设备的数量的集合，U为无人机的数量，εi为第i个IoT设备的误块率，εmax为IoT设备的误块率阈值，
Figure BDA0002299072650000121
为任一取值运算符，(xmin、ymin)为无人机的最小部署区域平面坐标，(xmax、ymax)为无人机的极限部署区域平面坐标，(xj、yj) 为第j个无人机的平面坐标。
由于，在本发明实施例中每个IoT设备通过地面GBS或UAV单联接的，即每个IoT设备最多被一个UAV或地面基站服务，且IoT设备必须保证被服务，这就产生了以下C1约束和C2约束：
Figure BDA0002299072650000122
Figure BDA0002299072650000123
进一步地，定义每个IoT设备的误块率(可靠性指标)为：
Figure BDA0002299072650000124
为了满足URLLC通信对可靠性的要求，则需要满足以下约束C3：
Figure BDA0002299072650000125
令
Figure BDA0002299072650000126
并假设地面IoT设备的位置对基站和无人机来说都是已知的，在本发明实施例中，通过联合优化地面IoT设备的连接A，无人机的部署位置R和IoT设备的发射功率P来最小化系统进行URLLC通信的总能耗，则可以获取到最优总能耗函数：
Figure BDA0002299072650000127
由于连接限制aij是一个二值变量，因此，约束C1和C2是一个关于IoT 设备的链路建立方式约束，属于整数约束。同时，约束C3中的误块率εij是一个关于Q函数的复杂表达式，该函数是非凸的，所以约束C3是一个非凸约束，因此该问题是一个混合整数非凸优化问题，直接找到问题的解是困难的；约束C4是每个IoT设备的最大发射功率相关的设备的能耗约束，约束 C5和约束C6是无人机的部署区域约束。
基于上述实施例的内容，在本发明实施例中，步骤S3所述的采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取，可以包括以下内容：
其中，IoT设备调度选择优化算法，包括但不限于以下步骤：
第一、固定所述无人机的位置及调度选择，基于Q函数的函数性质转化方法，获取转化后的第一总能耗函数为：
Figure BDA0002299072650000131
Figure BDA0002299072650000132
Figure BDA0002299072650000133
C3:f(γij)≥Q-1(εmax)
C4:0≤Pi≤Pmax
其中，
Figure BDA0002299072650000134
A1＝Bτ,
Figure BDA0002299072650000135
Figure BDA0002299072650000136
j＝0,1,...,U，εij＝Q(f(γij)),j＝0,1,…,U，B为通信链路的信道带宽，τ为IoT设备的时延，L为IoT设备发送数据包的时延大小，A1和A2为中间计算量，Q为Q函数方程且
Figure BDA0002299072650000137
f(γij)为关于信噪比的函数，Q-1为Q函数的逆函数；
第二、求取函数f(γij)的一阶导数f′(γij)为：
Figure BDA0002299072650000141
第三、基于所述一阶导数f′(γij)，结合所述第一总能耗函数，获取第二总能耗函数P1，所述第二总能耗函数P1为混合整数约束凸规划函数，包括：
Figure BDA0002299072650000142
其中，gij为空对地信道的增益，N0为噪声功率谱密度；
将传统的凸优化算法和穷举搜索相结合，对所述第二总能耗函数P1进行求解，获取IoT设备调度优化方案。
具体地，由于C3约束是关于能耗P的非凸非线性约束，为了使得上述对于总能耗函数的最小值的求解更易于处理，在本发明实施例中根据Q函数的函数性质，对其进行等价转化，以将C3约束转化为凸约束。由于IoT设备的连接变量A和无人机的部署位置变量R是相互影响的，无人机处于不同位置时，地面IoT设备的连接选择也会发生变化。在本实施例中，通过固定无人机的位置R，即给定无人机在空中的位置，并保持不变。将原总能耗函数转化为第一总能耗函数P1，具体为公式11所示。
其中，针对C3约束，引入参数A1＝Bτ，
Figure BDA0002299072650000143
和函数f(γ)，令
Figure BDA0002299072650000151
则可以将公式4转化为：εij＝Q(f(γij)),j＝0,1,...,U，其中f(γ)是关于信噪比的函数。
进一步地，根据Q函数的单调性，即：
Figure BDA0002299072650000152
是关于变量x的单调减函数，所以约束C3的等价为：
f(γij)≥Q-1(εmax) 公式12
进一步地，通过对函数f(γ)求一阶导数：
Figure BDA0002299072650000153
并通过求导以及函数单调性的判断，可以获知f'(γ)＞0，即函数f(γ)是单调递增的。同时，结合公式11，可以将C3约束进一步等价为：
γij≥f-1(Q-1(εmax)) 公式14
其中，f-1是函数f(x)的逆函数，Q-1是函数Q的逆函数，因此，上述第一总能耗函数可以进一步被转化成第二总能耗函数P1。
由于第二总能耗函数P1是一个有关混合整数约束凸规划(MIDCP)问题，其目标函数和C1、C3以及C4约束都是凸的，C1、C2约束中的aij被约束为取整数值，因此通过将传统的凸优化算法和穷举搜索相结合，比如采用分支定界算法，则第二总能耗函数P1就可以被求解。进一步地，凸优化工具 CVX提供了相应的解决器可以求解MIDCP问题。
基于上述实施例的内容，作为一种可选实施例，上述无人机部署位置优化算法，包括但不限于以下步骤：
第一、固定每个IoT设备的位置及调度选择，基于Q函数的函数性质转化方法，获取转化后的第三总能耗函数P2为：
Figure BDA0002299072650000161
Figure BDA0002299072650000162
C4:0≤Pi≤Pmax
C5:xmin≤xj≤xmax
C6:ymin≤yj≤ymax
其中，
Figure BDA0002299072650000163
为上一迭代过程中第三总能耗函数P1取得最优解时的调度选择变量取值，
Figure BDA0002299072650000164
为节点i至节点j距离的路阻指数，N0为噪声功率谱密度f-1为函数f(x)的逆函数；
利用CVX工具箱对上述第三总能耗函数P2进行求解，获取无人机部署位置优化方案，从而获取IoT设备调度优化方案
对于任意给定的IoT设备连接，即所述IoT设备的位置A，可以联合优化IoT设备的发射功率和无人机的部署位置，最小化系统的总能耗，则最优总能耗函数(公式10)可以被简化为：
Figure BDA0002299072650000165
s.t.C3～C6
进一步地，可以通过Q函数单调性的判断，对C3约束进行等价转化，进而获取到第三总能耗函数P2。其中，
Figure BDA0002299072650000166
是上一次迭代过程中子第二总能耗函数P1取得最优解时的调度选择变量取值。不等式约束C3的左侧是关于IoT 设备发射功率变量P的线性表达，右侧是关于无人机位置变量R的二次凸规划，即约束C3是关于{R,P}的联合凸约束，所以子第三总能耗函数P2是一个关于标准凸优化问题，也可以通过CVX工具箱进行求解，从而获取无人机部署位置优化方案。
基于上述实施例的内容，作为一种可选实施例，上述步骤S3中，采用IoT 设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对总能耗函数进行最优解的求取，包括但不限于以下步骤：
S31：获取所述IoT设备调度优化方案，并根据所述IoT设备调度优化方案完成所有IoT设备调度，此时所有无人机的位置为固定不变；
S32：获取所述无人机部署位置优化方案，并根据所述无人机部署位置优化方案完成所有无人机位置部署，此时所有IoT设备的位置以及调度连接均固定不变；
S33：迭代执行上述S31-S32，直至所述IoT设备调度选择优化算法和无人机部署位置优化算法的计算结果收敛，获取所述最优解。
具体地，如图3所示，在建立了最小系统能量模型之后，输入基本的仿真参数至该模型，主要包括IoT设备的能耗阈值Pmax、IoT设备的误块率阈值εmax以及飞行器定位高度H。
进一步地，初始化优化变量以及迭代参数，包括对所有IoT设备部署位置的初始化(设为A0)、无人机部署位置的初始化(设为R0)以及对于IoT 设备能耗的初始化(设为P0)。
进一步地，固定无人机部署位置(即R不变)，解决调度选择问题；然后固定IoT设备部署位置(即A不变)，解决无人机位置优化问题。
进一步地，在每经过上述两个步骤后，做一次收敛判断，即判断：
Figure BDA0002299072650000171
其中，t为迭代的次数，R(t)为每次计算后，无人机的部署位置，δ为设定收敛阈值。
若上述计算结果为收敛，则可以获取到有该模型输出的关于IoT设备部署位置、无人机部署位置以及IoT设备能耗的最优解。
进一步地，在步骤S4中，可以基于所述最优解，对整个物联网通信系统进行资源分配。
本发明实施例提供一种多无人机辅助物联网通信系统，如图4所示，包括：效用构建子模块11、模型构建子模块12、最优解运算子模块13以及最优解仿真模块14，其中：
效用构建子模块11，用于以每个基站为中心构建物联网通信系统，该物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点。
模型构建子模块12，用于对效用构建子模块11构建的物联网通信系统进行实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数。
最优解运算子模块13，采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对模型构建子模块12构建的总能耗函数进行最优解[A*、P*、R*]的求取。
最优解仿真模块14，用于基于最优解运算子模块13获取的最优解，对效用构建子模块11构建的物联网通信系统进行资源分配。
本发明实施例提供的多无人机辅助物联网通信系统，利用无人机辅助地面基站为地面IoT设备提供符合时延和可靠性要求的服务，并通过对物联网设备实现高可靠低时延通信所需的最小能量进行建模，通过对模型的最优解的获取，解决了IoT设备的电池寿命、通信时延和可靠性问题。
图5示例了一种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)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器 530中的逻辑指令，以执行如下步骤：以每个基站为中心构建物联网通信系统，所述物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点；对所述物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取；基于所述最优解，对所述物联网通信系统进行资源分配。
此外，上述的存储器530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。
另一方面，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传输方法，例如包括以下步骤：以每个基站为中心构建物联网通信系统，所述物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点；对所述物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取；基于所述最优解，对所述物联网通信系统进行资源分配。
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 (7)

1.一种多无人机辅助物联网通信方法，其特征在于，包括：
以每个基站为中心构建物联网通信系统，所述物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点；
对所述物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；
采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取；
基于所述最优解，对所述物联网通信系统进行资源分配；
所述建立URLLC通信的总能耗函数，包括，综合衡量以下约束条件：每个所述IoT设备的链路建立方式、每个所述IoT设备的误块率、每个所述IoT设备的能耗以及每个所述无人机的部署区域；
所述对所述物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数，包括：
基于3GPP的信道模型，获取每个所述IoT设备与所述地面基站之间的第一路径损耗表达式；
基于自由空间路径损耗计算方法，获取每个所述IoT设备与每个所述无人机节点的第二路径损耗表达式；
基于所述第一路径损耗表达式与所述第二路径损耗表达式的比较，获取每个所述IoT设备与每个所述无人机之间的通信链路的误块率，信噪比和最大信道可达速率的关系，进而获取每条所述通信链路的误块率表达式；
结合所述通信链路的误块率表达式，确定所述约束条件的具体表达式；
所述URLLC通信的总能耗函数为：
Figure FDA0002749807290000021
s.t.C1:
Figure FDA0002749807290000022
C2:
Figure FDA0002749807290000023
C3:
Figure FDA0002749807290000024
C4:0≤Pi≤Pmax
C5:xmin≤xj≤xmax
C6:ymin≤yj≤ymax
其中，C1-C6均为约束条件的具体表达式，A为IoT设备的连接变量；R为无人机的部署位置变量，P表示IoT设备的发射功率变量，K为IoT设备的数量，Pi为第i个IoT设备的能耗，Pmax为IoT设备的能耗阈值，aij为自定义二元变量，aij＝1表示第i个IoT设备由第j个无人机提供服务，ai0＝1表示第i个IoT设备由地面基站提供服务，
Figure FDA0002749807290000025
Figure FDA0002749807290000026
表示IoT设备的数量的集合，U为无人机的数量，εi为第i个IoT设备的误块率，εmax为IoT设备的误块率阈值，
Figure FDA0002749807290000027
为任一取值运算符，(xmin、ymin)为无人机的最小部署区域平面坐标，(xmax、ymax)为无人机的极限部署区域平面坐标，(xj、yj)为第j个无人机的平面坐标。
2.根据权利要求1所述的多无人机辅助物联网通信方法，其特征在于，所述IoT设备调度选择优化算法，包括：
固定所述无人机的位置及调度选择，基于Q函数的函数性质转化方法，获取转化后的第一总能耗函数为：
Figure FDA0002749807290000028
其中，
Figure FDA0002749807290000031
A1＝Bτ,
Figure FDA0002749807290000032
Figure FDA0002749807290000033
εij＝Q(f(γij)),j＝0,1,...,U，B为通信链路的信道带宽，τ为IoT设备的时延，L为IoT设备发送数据包的时延大小，A1和A2为中间计算量，Q为Q函数方程且
Figure FDA0002749807290000034
f(γij)为关于信噪比的函数，Q-1为Q函数的逆函数；
求取函数f(γij)的一阶导数f′(γij)为：
Figure FDA0002749807290000035
基于所述一阶导数f′(γij)，结合所述第一总能耗函数，获取第二总能耗函数P1，所述第二总能耗函数P1为混合整数约束凸规划函数，包括：
(P1:)
Figure FDA0002749807290000041
s.t.C1:
Figure FDA0002749807290000042
C2:
Figure FDA0002749807290000043
C3:
Figure FDA0002749807290000044
C4:0≤Pi≤Pmax
其中，gij为空对地信道的增益，N0为噪声功率谱密度；
将传统的凸优化算法和穷举搜索相结合，对所述第二总能耗函数P1进行求解，获取IoT设备调度优化方案。
3.根据权利要求2所述的多无人机辅助物联网通信方法，其特征在于，所述无人机部署位置优化算法，包括：
固定每个所述IoT设备的位置及调度选择，基于Q函数的函数性质转化方法，获取转化后的第三总能耗函数P2为：
(P2:)
Figure FDA0002749807290000045
s.t.C3:
Figure FDA0002749807290000046
C4:0≤Pi≤Pmax
C5:xmin≤xj≤xmax
C6:ymin≤yj≤ymax
其中，
Figure FDA0002749807290000047
为上一迭代过程中第三总能耗函数P1取得最优解时的调度选择变量取值，
Figure FDA0002749807290000048
为节点i至节点j距离的路阻指数，N0为噪声功率谱密度f-1为函数f(x)的逆函数；
利用CVX工具箱对上述第三总能耗函数P2进行求解，获取无人机部署位置优化方案。
4.根据权利要求3所述的多无人机辅助物联网通信方法，其特征在于，所述采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取，包括：
S31：获取所述IoT设备调度优化方案，并根据所述IoT设备调度优化方案完成所有IoT设备调度，此时所有无人机的位置为固定不变；
S32：获取所述无人机部署位置优化方案，并根据所述无人机部署位置优化方案完成所有无人机位置部署，此时所有IoT设备的位置和调度连接固定不变；
S33：迭代执行上述S31-S32，直至所述IoT设备调度选择优化算法和无人机部署位置优化算法的计算结果收敛，获取所述最优解。
5.一种多无人机辅助物联网通信系统，其特征在于，包括：
效用构建子模块，用于以每个基站为中心构建物联网通信系统，所述物联网通信系统包括多个IoT设备、一个地面基站以及多个无人机节点；
模型构建子模块，用于对所述物联网通信系统进行实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数；
最优解运算子模块，采用IoT设备调度选择优化算法和无人机部署位置优化算法相互交替迭代对所述总能耗函数进行最优解的求取；
最优解仿真模块，用于基于所述最优解，对所述物联网通信系统进行资源分配；
所述建立URLLC通信的总能耗函数，包括，综合衡量以下约束条件：每个所述IoT设备的链路建立方式、每个所述IoT设备的误块率、每个所述IoT设备的能耗以及每个所述无人机的部署区域；
所述对所述物联网通信系统基于实现URLLC通信的最小系统能量问题进行建模，建立URLLC通信的总能耗函数，包括：
基于3GPP的信道模型，获取每个所述IoT设备与所述地面基站之间的第一路径损耗表达式；
基于自由空间路径损耗计算方法，获取每个所述IoT设备与每个所述无人机节点的第二路径损耗表达式；
基于所述第一路径损耗表达式与所述第二路径损耗表达式的比较，获取每个所述IoT设备与每个所述无人机之间的通信链路的误块率，信噪比和最大信道可达速率的关系，进而获取每条所述通信链路的误块率表达式；
结合所述通信链路的误块率表达式，确定所述约束条件的具体表达式；
所述URLLC通信的总能耗函数为：
Figure FDA0002749807290000061
s.t.C1:
Figure FDA0002749807290000062
C2:
Figure FDA0002749807290000063
C3:
Figure FDA0002749807290000064
C4:0≤Pi≤Pmax
C5:xmin≤xj≤xmax
C6:ymin≤yj≤ymax
其中，C1-C6均为约束条件的具体表达式，A为IoT设备的连接变量；R为无人机的部署位置变量，P表示IoT设备的发射功率变量，K为IoT设备的数量，Pi为第i个IoT设备的能耗，Pmax为IoT设备的能耗阈值，aij为自定义二元变量，aij＝1表示第i个IoT设备由第j个无人机提供服务，ai0＝1表示第i个IoT设备由地面基站提供服务，
Figure FDA0002749807290000065
Figure FDA0002749807290000066
表示IoT设备的数量的集合，U为无人机的数量，εi为第i个IoT设备的误块率，εmax为IoT设备的误块率阈值，
Figure FDA0002749807290000067
为任一取值运算符，(xmin、ymin)为无人机的最小部署区域平面坐标，(xmax、ymax)为无人机的极限部署区域平面坐标，(xj、yj)为第j个无人机的平面坐标。
6.一种电子设备，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计算机程序时实现如权利要求1至4任一项所述的多无人机辅助物联网通信方法的步骤。
7.一种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4任一项所述的多无人机辅助物联网通信方法的步骤。
CN201911214359.8A 2019-12-02 2019-12-02 一种多无人机辅助物联网通信方法及其系统 Expired - Fee Related CN111031513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911214359.8A CN111031513B (zh) 2019-12-02 2019-12-02 一种多无人机辅助物联网通信方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911214359.8A CN111031513B (zh) 2019-12-02 2019-12-02 一种多无人机辅助物联网通信方法及其系统

Publications (2)

Publication Number Publication Date
CN111031513A CN111031513A (zh) 2020-04-17
CN111031513B true CN111031513B (zh) 2020-12-15

Family

ID=70207698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911214359.8A Expired - Fee Related CN111031513B (zh) 2019-12-02 2019-12-02 一种多无人机辅助物联网通信方法及其系统

Country Status (1)

Country Link
CN (1) CN111031513B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111885504B (zh) * 2020-08-05 2022-08-02 广州大学 一种辅助移动车辆无线通信的无人机轨迹优化方法
CN112104502B (zh) * 2020-09-16 2021-10-12 云南大学 时敏多任务边缘计算与缓存协作卸载策略方法
CN112866368B (zh) * 2021-01-12 2022-03-18 北京邮电大学 一种空天地远程物联网设计方法及系统
CN112888004B (zh) * 2021-02-08 2022-10-25 华南理工大学 一种物联网中多源节点信息更新的信息年龄优化方法
CN112969157B (zh) * 2021-02-22 2022-10-18 重庆邮电大学 一种无人机网络负载均衡方法
CN113194443B (zh) * 2021-03-11 2023-03-24 西北工业大学深圳研究院 一种基于非正交多址的无人机中继车联网安全传输方法
CN112883525A (zh) * 2021-03-12 2021-06-01 新奥数能科技有限公司 物联方案确定方法、装置及计算机可读存储介质
CN113194446B (zh) * 2021-04-21 2022-03-15 北京航空航天大学 一种无人机辅助机器类通信方法
CN113285777B (zh) * 2021-05-25 2023-08-08 重庆邮电大学 一种5g通信系统用户关联、无人机部署及资源分配方法
CN113973281B (zh) * 2021-10-26 2022-09-27 深圳大学 无人机物联网系统和均衡传感器的能耗和寿命的方法
CN114268391B (zh) * 2021-11-26 2023-07-25 重庆邮电大学 一种noma增强的无人机辅助建模分析方法
CN114615759B (zh) * 2022-03-04 2023-11-03 大连理工大学 一种非正交多址接入网络中无人机辅助通信的方法
CN116249191B (zh) * 2022-12-14 2024-03-01 中国矿业大学 保障QoS的无人机辅助物联网联合功率分配与部署方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107404347A (zh) * 2017-07-25 2017-11-28 福州大学 一种基于NB‑IoT的无人机远程监控系统及方法
CN107508875A (zh) * 2017-08-15 2017-12-22 北京佰才邦技术有限公司 一种数据传输方法、系统、无人机及装置
CN108520375A (zh) * 2018-03-30 2018-09-11 陆英玮 一种基于基站的分布式物流系统和方法
CN108566670A (zh) * 2018-04-19 2018-09-21 郑州航空工业管理学院 无人机辅助无线传感网及其节点调度与路径规划功率分配设计方法
CN110380776A (zh) * 2019-08-22 2019-10-25 电子科技大学 一种基于无人机的物联网系统数据收集方法
CN110392357A (zh) * 2019-06-21 2019-10-29 广东工业大学 一种无人机辅助物联网通信装置的资源分配控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10548165B2 (en) * 2017-04-25 2020-01-28 Qualcomm Incorporated Flexible scheduling in new radio (NR) networks
CN108966286B (zh) * 2018-07-11 2021-09-21 郑州航空工业管理学院 无人机辅助移动边缘计算系统及其信息比特分配方法
CN109743099A (zh) * 2019-01-10 2019-05-10 深圳市简智联信息科技有限公司 移动边缘计算系统及其资源分配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107404347A (zh) * 2017-07-25 2017-11-28 福州大学 一种基于NB‑IoT的无人机远程监控系统及方法
CN107508875A (zh) * 2017-08-15 2017-12-22 北京佰才邦技术有限公司 一种数据传输方法、系统、无人机及装置
CN108520375A (zh) * 2018-03-30 2018-09-11 陆英玮 一种基于基站的分布式物流系统和方法
CN108566670A (zh) * 2018-04-19 2018-09-21 郑州航空工业管理学院 无人机辅助无线传感网及其节点调度与路径规划功率分配设计方法
CN110392357A (zh) * 2019-06-21 2019-10-29 广东工业大学 一种无人机辅助物联网通信装置的资源分配控制方法
CN110380776A (zh) * 2019-08-22 2019-10-25 电子科技大学 一种基于无人机的物联网系统数据收集方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Improved UAV-PHD Filter-Based Trajectory Tracking Algorithm for Multi-UAVs in Future 5G IoT Scenarios;Tao Tang;《Electronics》;20191018;全文 *
UAV-Assisted Uplnk Transmission for Ultra-Reliable and Low-Latency;Changyang She;《2018 IEEE International Conference on Communications Workshops(ICC Workshops)》;20180705;全文 *

Also Published As

Publication number Publication date
CN111031513A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN111031513B (zh) 一种多无人机辅助物联网通信方法及其系统
Huang et al. Cognitive UAV communication via joint maneuver and power control
CN108924791B (zh) 一种无线通信方法、装置、设备及可读存储介质
Liu et al. 3D trajectory and transmit power optimization for UAV-enabled multi-link relaying systems
Wu et al. Common throughput maximization in UAV-enabled OFDMA systems with delay consideration
Zeng et al. Throughput maximization for UAV-enabled mobile relaying systems
Sabzehali et al. Optimizing number, placement, and backhaul connectivity of multi-UAV networks
CN112737842B (zh) 空地一体化车联网中基于最小化时延的任务安全卸载方法
US11070410B1 (en) Transmitter
Strinati et al. 6G in the sky: On-demand intelligence at the edge of 3D networks
You et al. Joint task scheduling, resource allocation, and UAV trajectory under clustering for FANETs
Zhang et al. Power control and trajectory planning based interference management for UAV-assisted wireless sensor networks
US20240022927A1 (en) Systems, methods, and apparatus on wireless network architecture and air interface
Mayor et al. QoS‐Aware Multilayer UAV Deployment to Provide VoWiFi Service over 5G Networks
Fan et al. Optimal relay selection for UAV-assisted V2V communications
Wang et al. Joint altitude, power control, and bandwidth allocation optimization for unmanned aerial vehicle‐enabled reliable communications
Calvanese Strinati et al. 6G in the sky: on‐demand intelligence at the edge of 3D networks
Goel et al. Listen to others’ failures: Cooperative ARQ schemes for low-latency communication over multi-hop networks
Guan et al. MAPPO-based cooperative UAV trajectory design with long-range emergency communications in disaster areas
CN111064501B (zh) 基于无人机双中继通信系统的资源优化方法
Cai et al. Trajectory design and resource allocation for UAV-enabled data collection in wireless sensor networks with 3D blockages
Liu et al. Routing and resource scheduling for air-ground integrated mesh networks
CN116390117A (zh) 无人机中继上行通信的资源分配与轨迹优化方法及装置
Hassan et al. Resource allocation for joint interference management and security enhancement in cellular-connected Internet-of-Drones networks
Ngene et al. Power allocation strategies for 6G communication in VL-NOMA systems: an overview

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201215

Termination date: 20211202