CN111103894B - 一种无人机移动数据采集场景中三维航迹的优化方法 - Google Patents
一种无人机移动数据采集场景中三维航迹的优化方法 Download PDFInfo
- Publication number
- CN111103894B CN111103894B CN201911127443.6A CN201911127443A CN111103894B CN 111103894 B CN111103894 B CN 111103894B CN 201911127443 A CN201911127443 A CN 201911127443A CN 111103894 B CN111103894 B CN 111103894B
- Authority
- CN
- China
- Prior art keywords
- track
- aerial vehicle
- unmanned aerial
- coordinates
- height
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人机航迹规划及通信技术领域,公开了一种无人机移动数据采集场景中三维航迹的优化方法,根据初始航迹高度,采用非直射的大尺度信道增益替代大尺度平均信道增益优化水平航迹坐标,根据优化后的水平航迹坐标,计算优化当前航迹点的高度时平均吞吐率最小的用户,确定当前航迹点高度搜索范围,并确定时平均吞吐率最小用户信道增益最大的高度,以此计算前向各航迹点和后向各航迹点的最佳高度;通过比较前向航迹最佳高度和后向航迹最佳高度,获得航迹最佳优化高度;输出优化后的三维航迹点坐标。本发明的方法以最小用户平均吞吐率为准则的三维航迹,考虑同时存在直射路径与非直射路径的信道环境,可以显著提升系统最小用户平均吞吐率。
Description
技术领域
本发明涉及无人机航迹规划及通信技术领域,具体涉及一种无人机移动数据采集场景中三维航迹的优化方法。
背景技术
无人机(UnmannedAerialVehicle,无人机)辅助通信正受到越来越广泛的关注。相比于地面固定设备或高空平台,低空无人机系统具有造价低廉、易于部署和灵活配置等优势,因此无人机被广泛地应用于无线通信系统当中,例如空中基站、中继和数据采集。
目前,在无人机作为静态/准静态空中基站的场景中,资源分配问题已经得到广泛研究。然而,在无人机作为移动数据采集节点场景下的资源分配问题还处于初级阶段。在无人机移动数据采集应用场景中,为了充分利用无人机移动特性,航迹优化技术获得了越来越多的关注度。航迹优化可以为无人机数据采集提供一种全新的资源优化自由度。
现有无人机在移动数据采集应用场景下的航迹优化均假设无人机在整个飞行过程中航迹高度不变,即仅对航迹的水平坐标进行优化。这是因为现有方法仅考虑直射(lineofsight,LOS)信道。在直射信道下,无线信道增益仅与无人机到用户的距离有关,此时无人机飞行的高度越低越好,所以无须对无人机航迹点高度进行优化。然而,在实际环境中无人机对地面用户的信道同时存在直射路径与非直射(Nonline ofsight,NLOS)路径,无线信道增益不仅与无人机到用户的距离有关,还同无人机到用户连线与参考水平面的夹角有关,此时无线信道增益将与无人机到参考水平面高度呈现复杂的非线性函数关系,高度变化对无人机与地面用户之间的通信性能产生显著影响,因此研究无人机移动数据采集场景中三维航迹优化方法具有重要的理论和实际价值。
发明内容
基于以上问题,本发明提供一种无人机移动数据采集场景中三维航迹的优化方法,以最小用户平均吞吐率为准则的三维航迹,考虑同时存在直射路径与非直射路径的信道环境,可以显著提升系统最小用户平均吞吐率。
为解决以上技术问题,本发明提供了一种无人机移动数据采集场景中三维航迹的优化方法,包括如下步骤:
S1、初始化无人机航迹;
S2、根据初始航迹高度,采用非直射的大尺度信道增益替代大尺度平均信道增益,优化水平航迹坐标;
S3、根据优化后的水平航迹坐标,计算优化后当前航迹点的高度时平均吞吐率最小的用户,确定当前航迹点高度搜索范围,并确定时平均吞吐率最小用户信道增益最大的高度,以此计算前向各航迹点和后向各航迹点的最佳高度;
S4、通过比较前向航迹最佳高度和后向航迹最佳高度,获得航迹最佳优化高度;
S5、输出优化后的三维航迹点坐标。
进一步地,步骤S2中采用迭代方法优化水平航迹坐标{(x[m],y[m])}m=1,...,M,第 k次迭代的优化问题如下:
s.t.
其中无人机起始点坐标是(x0,y0,h0),终点坐标是(xF,yF,hF),无人机由起点至终点的整个航迹表示为航迹点坐标集合{x[m],y[m],h[m]}m=1,...,M;M表示整个航迹持续时间T划分为M+1段时隙δ,即存在M个航迹点,δ=T/(M+1),m为其中任意一个航迹点,无人机的最大飞行速度为V;(xk[m],yk[m])表示第k次迭代的无人机的水平坐标;分别表示第k+1次迭代后无人机的水平航迹坐标相较于第k次迭代无人机水平航迹坐标变化值;/>表示第k次迭代航迹点(xk[m],yk[m],h[m])到第n个地面用户(xn,yn,0)距离的平方;
其中B为无线传输所用的频带宽度,σ2为无人机接收机的高斯白噪声功率, pn[m]表示无人机处于m航迹点时地面用户n的发送功率,β0表示在参考距离1 米处的信道功率,η为非直射信道衰减因子,s为松弛因子;地面上第n个用户的坐标是(xn,yn,0),n=1,…,N,N为地面用户总数;定义K为算法总迭代次数,经过K次迭代后,得到x*[m]=xK[m],y*[m]=yK[m],m=1,2,...,M;优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M。
进一步地,步骤S3中根据优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照 m=1,2,...,M的顺序依次计算最佳高度,优化航迹点高度{h[m]}m=1,...,M,得到前向各航迹点的最佳高度具体计算流程如下:
A1:引入前向过程高度集合
其前m-1个元素为已优化的航迹点高度,后M-m+1个元素为待优化的航迹点高度;根据航迹 {(x*[m],y*[m],h1[m])}m=1,...,M,计算优化m航迹点高度时平均吞吐率最小的用户 n*[m]:
其中:表示可以使函数f(n)达到最小值时的n的取值;log2()表示以2为底的对数函数,gn[m](x*[m],y*[m],h1[m])表示根据无人机航迹点坐标 (x*[m],y*[m],h1[m])计算出的无人机处于m航迹点时地面用户n到无人机之间的大尺度平均信道增益,具体表达式为:
PrLOS(n,m)表示无人机处于m航迹点时地面用户n到无人机为直射(line ofsight,LOS)信道的概率,PrLOS(n,m)的表达式为/>a和b为信道环境参数;
B1:根据无人机m-1航迹点三维坐标(x*[m-1],y*[m-1],h1[m-1])以及无人机m 航迹点水平坐标(x*[m],y*[m]),确定无人机m航迹点的最佳高度的搜索范围:
其中,如果m=1,则:
如果2≤m≤M-1,则
如果m=M,则:
C1:在高度区间至/>采用一维搜索法求解使用户n*[m]信道增益/>最大的最佳高度/>
进一步地,根据优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照 m=M,M-1,...,1的顺序依次计算最佳高度,优化高度航迹{h[m]}m=1,...,M,得到后向航迹最佳高度具体过程如下:
A2:引入后向过程高度
{h2[m]}m=1,...,M={h[1],h[2],...,h[m-1],h[m],其前m个元素为待优化的航迹点高度,后M-m个元素为待优化的航迹点高度;根据航迹点 {(x*[m],y*[m],h2[m])}m=1,...,M,计算优化m航迹点高度时平均吞吐率最小的用户 n*[m];
B2:根据无人机m+1航迹点三维坐标(x*[m+1],y*[m+1],h2[m+1])以及无人机m 航迹点水平坐标(x*[m],y*[m]),确定无人机m航迹点的最佳高度的搜索范围
其中,如果m=1,则:
如果2≤m≤M-1,则:
如果m=M,则:
C2:在高度区间至/>采用一维搜索法求解使用户n*[m]信道增益/>最大的最佳高度/>
进一步地,按照m=1,2,...,M的顺序依次比较前向最佳高度和后向最佳高度/>当首次/>时,令Num=m,τ定义为误差系数,于是得到最终最佳高度{h*[m]}m=1,...,M,
与现有技术相比,本发明的有益效果是:
1)本发明的方法以最小用户平均吞吐率为准则的三维航迹,考虑同时存在直射路径与非直射路径的信道环境,可以显著提升系统最小用户平均吞吐率。本发明提出的方法可以显著提升单架无人机对多用户进行移动数据采集应用场景中系统最小用户平均吞吐率;
2)单架无人机沿某三维空间航迹由起始点出发经过目标区域到达终点,对地面上多个用户信息进行采集,各个航迹点的高度可以不同;在优化航迹过程中考虑同时存在直射路径和非直射路径的信道环境,航迹优化结果更适用于实际环境;
3)引入航迹点高度优化,可以根据不同航迹点周围地形环境与无人机飞行速度的限制,灵活调整各个航迹点的飞行高度,增加了优化维度,进一步提升航迹优化效果。
附图说明
图1为实施例中无人机数据采集示场景意图;
图2为实施例中无人机移动数据采集场景中三维航迹的优化方法流程图;
图3为实施例中航迹优化仿真对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例:
场景描述:本实施例中选择目标区域的地面坐标系Ogxgygzg,原点Og位于目标区域地面任意选定的某固定点;Ogxg轴指向地平面某任意选定方向;Ogzg轴铅垂向上;Ogyg轴铅垂直Ogxgzg平面,按右手定则确定。根据地面坐标系Ogxgygzg,地面上第n个用户的坐标是(xn,yn,0),n=1,…,N,N为地面用户总数。单架无人机飞行沿着某航迹通过目标区域,无人机起始点坐标是(x0,y0,h0),终点坐标是 (xF,yF,hF)。将整个航迹持续时间T划分为M+1段时隙δ,即存在M个航迹点,δ=T/(M+1),因此,整个航迹可以近似表示为航迹点坐标集合 {x[m],y[m],h[m]}m=1,...,M。无人机的最大飞行速度为V。hmin[m]和hmax[m]分别表示无人机在航迹点m时受地形和建筑物影响的最小高度和最大高度。
参见图1和图2,一种无人机移动数据采集场景中三维航迹的优化方法,包括如下步骤:
S1、初始化无人机航迹{x[m],y[m],h[m]}m=1,...,M;
S2、对于给定的高度{h[m]}m=1,...,M,采用非直射(Nonlineofsight,NLOS)的大尺度信道增益替代大尺度平均信道增益,优化水平航迹坐标{(x[m],y[m])}m=1,...,M,优化后的结果表示为{(x*[m],y*[m])}m=1,...,M;引入松弛因子s,采用迭代方法求解水平航迹坐标{(x[m],y[m])}m=1,...,M,第k次迭代的优化问题如下:
s.t.
其中无人机起始点坐标是(x0,y0,h0),终点坐标是(xF,yF,hF),无人机由起点至终点的整个航迹表示为航迹点坐标集合{x[m],y[m],h[m]}m=1,...,M;M表示整个航迹持续时间T划分为M+1段时隙δ,即存在M个航迹点,δ=T/(M+1),m为其中任意一个航迹点,无人机的最大飞行速度为V;(xk[m],yk[m])表示第k次迭代的无人机的水平坐标;分别表示第k+1次迭代后无人机的水平航迹坐标相较于第k次迭代无人机水平航迹坐标变化值;/>表示第k次迭代航迹点 (xk[m],yk[m],h[m])到第n个地面用户(xn,yn,0)距离的平方;
其中B为无线传输所用的频带宽度,σ2为无人机接收机的高斯白噪声功率, pn[m]表示无人机处于m航迹点时地面用户n的发送功率,β0表示在参考距离1 米处的信道功率,η为非直射信道衰减因子,s为松弛因子;地面上第n个用户的坐标是(xn,yn,0),n=1,…,N,N为地面用户总数;定义K为算法总迭代次数,经过K次迭代后,得到x*[m]=xK[m],y*[m]=yK[m],m=1,2,...,M;优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M;
S3、根据优化后的水平航迹坐标,计算优化后当前航迹点的高度时平均吞吐率最小的用户,确定当前航迹点高度搜索范围,并确定时平均吞吐率最小用户信道增益最大的高度,以此计算前向各航迹点和后向各航迹点的最佳高度;
根据优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照m=1,2,...,M的顺序依次计算最佳高度,优化航迹点高度{h[m]}m=1,...,M,得到前向各航迹点的最佳高度具体计算流程如下:
A1:引入前向过程高度集合
其前m-1个元素为已优化的航迹点高度,后M-m+1个元素为待优化的航迹点高度;根据航迹 {(x*[m],y*[m],h1[m])}m=1,...,M,计算优化m航迹点高度时平均吞吐率最小的用户 n*[m]:
其中:表示可以使函数f(n)达到最小值时的n的取值;log2()表示以2为底的对数函数,gn[m](x*[m],y*[m],h1[m])表示根据无人机航迹点坐标 (x*[m],y*[m],h1[m])计算出的无人机处于m航迹点时地面用户n到无人机之间的大尺度平均信道增益,具体表达式为:
PrLOS(n,m)表示无人机处于m航迹点时地面用户n到无人机为直射(line ofsight,LOS)信道的概率,PrLOS(n,m)的表达式为/>a和b为信道环境参数;
B1:根据无人机m-1航迹点三维坐标(x*[m-1],y*[m-1],h1[m-1])以及无人机m 航迹点水平坐标(x*[m],y*[m]),确定无人机m航迹点的最佳高度的搜索范围:
其中,如果m=1,则:
如果2≤m≤M-1,则
如果m=M,则:
C1:在高度区间至/>采用一维搜索法求解使用户n*[m]信道增益/>最大的最佳高度/>
优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照m=M,M-1,...,1的顺序依次计算最佳高度,优化高度航迹{h[m]}m=1,...,M,得到后向航迹最佳高度具体过程如下:
A2:引入后向过程高度
{h2[m]}m=1,...,M={h[1],h[2],...,h[m-1],其前m个元素为待优化的航迹点高度,后M-m个元素为待优化的航迹点高度;根据航迹点{(x*[m],y*[m],h2[m])}m=1,...,M,计算优化m航迹点高度时平均吞吐率最小的用户 n*[m];
B2:根据无人机m+1航迹点三维坐标(x*[m+1],y*[m+1],h2[m+1])以及无人机m 航迹点水平坐标(x*[m],y*[m]),确定无人机m航迹点的最佳高度的搜索范围
其中,如果m=1,则:
如果2≤m≤M-1,则:
如果m=M,则:
C2:在高度区间至/>采用一维搜索法求解使用户n*[m]信道增益/>最大的最佳高度/>
S4、通过比较前向航迹最佳高度和后向航迹最佳高度,获得航迹最佳优化高度;具体按照m=1,2,...,M的顺序依次比较前向最佳高度和后向最佳高度/>当首次/>时,令Num=m,τ定义为误差系数。于是得到最终最佳高度{h*[m]}m=1,...,M:
S5、输出优化后的三维航迹点坐标。
下面通过仿真,对本实施例的效果作进一步说明:
1)依据仿真条件:
定义地面方形区域S,所有距离和坐标单位为米。让地面用户数N=4,用户的坐标分别为(100,300,0)、(200,100,0)、(300,300,0)、(400,100,0)。B=1兆赫兹,σ2=-110dBm,β0=-50dB,γ0=β0/σ2=60dBm,其中σ2为无人机通信设备的高斯白噪声。进一步地,所有用户各个航段采用相同发送功率pn[m]=1dBw。无人机起始点坐标(x0,y0,h0)=(0,200,100),终点坐标(xF,yF,hF)=(450,200,100),航迹点数 M=50,T=50秒,最大移动速度V=30米/秒,各个航迹点高度限制均为hmin[m]=5 和hmax[m]=1000,非直射衰减因子η=0.01,信道参数a=11.95,b=0.136。
2)仿真内容:
使用本发明的方法进行三维航迹优化,并分别与直线航迹、水平二维航迹优化方法进行仿真对比,航迹仿真对比图如图3所示,其中带有“□”的曲线表示专利涉及的三维航迹优化方法,带有“○”曲线表示水平二维航迹优化结果,带有“*”的曲线表示直线水平航迹。从图中可以看出本发明的方法可以在满足最大移动速度与高度限制的基础上完成从起始点到终点的三维航迹优化。经仿真计算,三维航迹优化、水平二维航迹优化和直线水平航迹的最小用户平均吞吐率分别为4.1×106、3.95×106和3.44×106,单位为比特。可以看出本发明涉及的三维航迹优化方法可以显著提升最小用户平均吞吐率。
如上即为本发明的实施例。上述实施例以及实施例中的具体参数仅是为了清楚表述发明验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (4)
1.一种无人机移动数据采集场景中三维航迹的优化方法,其特征在于:包括如下步骤:
S1、初始化无人机航迹{(x[m],y[m],h[m])}m=1,...,m;
S2、根据初始航迹高度{h[m]}m=1,...,M,采用非直射的大尺度信道增益替代大尺度平均信道增益,优化水平航迹坐标{(x[m],y[m])}m=1,...,M,优化后的结果表示为{(x*[m],y*[m])}m=1,...,M;采用迭代方法优化水平航迹坐标{(x[m],y[m])}m=1,...,M,第k次迭代的优化问题如下:
s.t.
其中无人机起始点坐标是(x0,y0,h0),终点坐标是(xF,yF,hF),无人机由起点至终点的整个航迹表示为航迹点坐标集合{(x[m],y[m],h[m])}m=1,...,m;M表示整个航迹持续时间T划分为M+1段时隙δ,即存在M个航迹点,δ=T/(M+1),m为其中任意一个航迹点,无人机的最大飞行速度为V;(xk[m],yk[m])表示第k次迭代的无人机的水平坐标;分别表示第k+1次迭代后无人机的水平航迹坐标相较于第k次迭代无人机水平航迹坐标变化值;/>表示第k次迭代航迹点(xk[m],yk[m],h[m])到第n个地面用户(xn,yn,0)距离的平方;
其中B为无线传输所用的频带宽度,σ2为无人机接收机的高斯白噪声功率,pn[m]表示无人机处于m航迹点时地面用户n的发送功率,β0表示在参考距离1米处的信道功率,η为非直射信道衰减因子,s为松弛因子;地面上第n个用户的坐标是(xn,yn,0),n=1,,N,N为地面用户总数;定义K为算法总迭代次数,经过K次迭代后,得到x*[m]=xK[m],y*[m]=yK[m],m=1,2,...,M;优化后的水平航迹坐标{(x*[m],y*[m])}m=1,,M;
S3、根据优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照m=1,2,...,M的顺序依次计算最佳高度,优化航迹点高度{h[m]}m=1,...,M,得到前向各航迹点的最佳高度
S4、通过比较前向航迹最佳高度和后向航迹最佳高度/>获得航迹最佳优化高度{h*[m]}m=1,...,M;
S5、输出优化后的三维航迹点坐标。
2.根据权利要求1所述的一种无人机移动数据采集场景中三维航迹的优化方法,其特征在于,步骤S3中根据优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照m=1,2,...,M的顺序依次计算最佳高度,优化航迹点高度{h[m]}m=1,...,M,得到前向各航迹点的最佳高度具体计算流程如下:
A1:引入前向过程高度集合
其前m-1个元素为已优化的航迹点高度,后M-m+1个元素为待优化的航迹点高度;根据航迹{(x*[m],y*[m],h1[m])}m=1,...,M,计算优化m航迹点高度时平均吞吐率最小的用户n*[m]:
其中:表示可以使函数f(n)达到最小值时的n的取值;log2()表示以2为底的对数函数,gn[m](x*[m],y*[m],h1[m])表示根据无人机航迹点坐标(x*[m],y*[m],h1[m])计算出的无人机处于m航迹点时地面用户n到无人机之间的大尺度平均信道增益,具体表达式为:
PrLOS(n,m)表示无人机处于m航迹点时地面用户n到无人机为直射(line of sight,LOS)信道的概率,PrLOS(n,m)的表达式为/>a和b为信道环境参数;
B1:根据无人机m-1航迹点三维坐标(x*[m-1],y*[m-1],h1[m-1])以及无人机m航迹点水平坐标(x*[m],y*[m]),确定无人机m航迹点的最佳高度的搜索范围:
其中,如果m=1,则:
如果2≤m≤M-1,则
如果m=M,则:
C1:在高度区间至/>采用一维搜索法求解使用户n*[m]信道增益/>最大的最佳高度/>
3.根据权利要求2所述的一种无人机移动数据采集场景中三维航迹的优化方法,其特征在于,根据优化后的水平航迹坐标{(x*[m],y*[m])}m=1,...,M,按照m=M,M-1,...,1的顺序依次计算最佳高度,优化高度航迹{h[m]}m=1,...,M,得到后向航迹最佳高度具体过程如下:
A2:引入后向过程高度
其前m个元素为待优化的航迹点高度,后M-m个元素为待优化的航迹点高度;根据航迹点{(x*[m],y*[m],h2[m])}m=1,...,M,计算优化m航迹点高度时平均吞吐率最小的用户n*[m];
B2:根据无人机m+1航迹点三维坐标(x*[m+1],y*[m+1],h2[m+1])以及无人机m航迹点水平坐标(x*[m],y*[m]),确定无人机m航迹点的最佳高度的搜索范围
其中,如果m=1,则:
如果2≤m≤M-1,则:
如果m=M,则:
C2:在高度区间至/>采用一维搜索法求解使用户n*[m]信道增益/>最大的最佳高度/>
4.根据权利要求3所述的一种无人机移动数据采集场景中三维航迹的优化方法,其特征在于,按照m=1,2,...,M的顺序依次比较前向最佳高度和后向最佳高度当首次/>时,令Num=m,τ定义为误差系数,于是得到最终最佳高度{h*[m]}m=1,...,M,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911127443.6A CN111103894B (zh) | 2019-11-18 | 2019-11-18 | 一种无人机移动数据采集场景中三维航迹的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911127443.6A CN111103894B (zh) | 2019-11-18 | 2019-11-18 | 一种无人机移动数据采集场景中三维航迹的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111103894A CN111103894A (zh) | 2020-05-05 |
CN111103894B true CN111103894B (zh) | 2023-07-21 |
Family
ID=70420546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911127443.6A Active CN111103894B (zh) | 2019-11-18 | 2019-11-18 | 一种无人机移动数据采集场景中三维航迹的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111103894B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485438B (zh) * | 2021-07-30 | 2022-03-18 | 南京石知韵智能科技有限公司 | 一种无人机空间监测路径智能规划方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016154551A1 (en) * | 2015-03-26 | 2016-09-29 | Matternet, Inc. | Route planning for unmanned aerial vehicles |
CN107844123A (zh) * | 2017-10-11 | 2018-03-27 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种非线性飞行器航迹控制方法 |
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 |
CN108616303A (zh) * | 2018-05-03 | 2018-10-02 | 广东工业大学 | 无人机基站通信系统的控制方法、系统、装置及存储介质 |
CN108667504A (zh) * | 2018-03-22 | 2018-10-16 | 佛山市顺德区中山大学研究院 | 一种基于交替方向乘子法的无人飞行器中继系统分布式资源优化方法 |
WO2019029574A1 (zh) * | 2017-08-11 | 2019-02-14 | 索尼公司 | 无线通信系统中的装置和方法、计算机可读存储介质 |
CN109857143A (zh) * | 2019-04-09 | 2019-06-07 | 大连大学 | 一种吞吐量最大化的无人机轨迹规划方法 |
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 |
CN110430550A (zh) * | 2019-08-06 | 2019-11-08 | 北京邮电大学 | 一种面向无人机辅助蜂窝网络的宏站用户分流方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2993063B1 (fr) * | 2012-07-05 | 2014-08-22 | Thales Sa | Procede d'aide a la navigation permettant de gerer une contrainte verticale de maniere anticipee |
US9818303B2 (en) * | 2015-06-16 | 2017-11-14 | Verizon Patent And Licensing Inc. | Dynamic navigation of UAVs using three dimensional network coverage information |
-
2019
- 2019-11-18 CN CN201911127443.6A patent/CN111103894B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016154551A1 (en) * | 2015-03-26 | 2016-09-29 | Matternet, Inc. | Route planning for unmanned aerial vehicles |
WO2019029574A1 (zh) * | 2017-08-11 | 2019-02-14 | 索尼公司 | 无线通信系统中的装置和方法、计算机可读存储介质 |
CN107844123A (zh) * | 2017-10-11 | 2018-03-27 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种非线性飞行器航迹控制方法 |
CN108667504A (zh) * | 2018-03-22 | 2018-10-16 | 佛山市顺德区中山大学研究院 | 一种基于交替方向乘子法的无人飞行器中继系统分布式资源优化方法 |
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 |
CN108616303A (zh) * | 2018-05-03 | 2018-10-02 | 广东工业大学 | 无人机基站通信系统的控制方法、系统、装置及存储介质 |
CN109857143A (zh) * | 2019-04-09 | 2019-06-07 | 大连大学 | 一种吞吐量最大化的无人机轨迹规划方法 |
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 |
CN110430550A (zh) * | 2019-08-06 | 2019-11-08 | 北京邮电大学 | 一种面向无人机辅助蜂窝网络的宏站用户分流方法 |
Non-Patent Citations (7)
Title |
---|
Nguyen Trong Tuan等.Collaborative Transmission Schemes in Industrial Wireless Sensor Networks.《2016 IEEE 21st International Conference on Emerging Technologies and Factory Automation (ETFA)》.2016,第1-8页. * |
Yirga Yayeh Munaye等.Deep Learning-Based Throughput Estimation for UAV-Assisted Network.《2019 IEEE 90th Vehicular Technology Conference (VTC2019-Fall)》.2019,第1-5页. * |
Yue Ling Che等.Spectrum Sharing Based Cognitive UAV Networks via Optimal Beamwidth Allocation.《ICC 2019 - 2019 IEEE International Conference on Communications (ICC)》.2019,第1-6页. * |
吕思运.空地传输组网关键技术研究.《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2018,(第03(2018)期),第C031-470页. * |
吕雪.无人机数据链中基于MIMO的联合编码调制技术研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2018,(第08(2018)期),第I136-157页. * |
罗文翠.无人机协作多输入多输出技术研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2018,(第04(2018)期),第I136-692页. * |
陈侠 ; 艾宇迪 ; 梁红利 ; .基于改进蚁群算法的无人机三维航迹规划研究.战术导弹技术.(第02期),第59-66页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111103894A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109831797B (zh) | 一种推动功率受限的无人机基站带宽和轨迹联合优化方法 | |
CN107040982B (zh) | 一种面向无人机中继网络的用户调度与功率分配联合优化方法 | |
CN107017940B (zh) | 无人机中继广播通信系统航迹优化方法 | |
CN110543185A (zh) | 一种基于最小化信息年龄的无人机数据收集方法 | |
CN108616303B (zh) | 无人机基站通信系统的控制方法、系统、装置及存储介质 | |
CN111479239B (zh) | 一种多天线无人机数据采集系统的传感器发射能耗优化方法 | |
CN109660292B (zh) | 一种基于多无人机覆盖的无线通信系统飞行高度设计方法 | |
CN113055078B (zh) | 有效信息年龄确定方法、以及无人机飞行轨迹优化方法 | |
CN109885088A (zh) | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 | |
Chen et al. | Optimal UAV relay placement for single user capacity maximization over terrain with obstacles | |
CN111103894B (zh) | 一种无人机移动数据采集场景中三维航迹的优化方法 | |
Zhang et al. | Power control and trajectory planning based interference management for UAV-assisted wireless sensor networks | |
CN113014310A (zh) | 一种基于dvb-rcs2的机载宽带卫星通信信道仿真系统及应用方法 | |
CN114039652B (zh) | 基于建筑物几何分析的毫米波抗阻挡多无人机部署方法 | |
CN114124705A (zh) | 无人机辅助反向散射通信系统基于max-min公平的资源分配方法 | |
CN105356930B (zh) | 基于定时机制的全局最优中继位置搜寻方法及系统 | |
CN111835401B (zh) | 一种无人机通信网络中的无线资源与路径联合优化的方法 | |
CN109586773A (zh) | 临空通信毫米波非正交多址接入技术联合收发端波束赋形及功率分配方法 | |
CN113552898B (zh) | 一种非确定干扰环境下的无人机鲁棒轨迹规划方法 | |
CN114221726A (zh) | ka频段无人机通信系统的下行链路同频干扰表征方法 | |
CN112996121B (zh) | 一种面向集群内通信的u2u分布式动态资源分配方法 | |
Chenxiao et al. | Energy-efficiency maximization for fixed-wing UAV-enabled relay network with circular trajectory | |
Li et al. | Derivative-free placement optimization for multi-UAV wireless networks with channel knowledge map | |
CN114374424B (zh) | 一种多无人机辅助的空地协作边缘计算方法 | |
CN114979135B (zh) | 基于移动边缘计算的无人机飞行高度和任务分配控制方法 |
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 |