CN111200824B - 无人机基站的最优部署方法、装置、无人机基站及介质 - Google Patents

无人机基站的最优部署方法、装置、无人机基站及介质 Download PDF

Info

Publication number
CN111200824B
CN111200824B CN202010021137.0A CN202010021137A CN111200824B CN 111200824 B CN111200824 B CN 111200824B CN 202010021137 A CN202010021137 A CN 202010021137A CN 111200824 B CN111200824 B CN 111200824B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
coordinate
optimal
formula
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
Application number
CN202010021137.0A
Other languages
English (en)
Other versions
CN111200824A (zh
Inventor
周发升
周绚
路德杨
邹旭
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202010021137.0A priority Critical patent/CN111200824B/zh
Publication of CN111200824A publication Critical patent/CN111200824A/zh
Application granted granted Critical
Publication of CN111200824B publication Critical patent/CN111200824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种无人机基站的最优部署方法、装置、无人机基站及介质，方法包括获取与无人机进行通信的N个地面用户的位置数据；根据N个所述地面用户的位置数据构建无人机的位置坐标、N个所述地面用户的位置坐标、无人机与地面用户之间的通信终端的对应关系式；基于N个所述地面用户的通信中断率的最小平均值求解所述对应关系式，得到无人机的最优坐标位置；控制所述无人机飞行至与所述无人机的最优坐标位置相对应的空间位置。本发明能够实现无人机位置的最优化，使得无人机基站使用效率最佳，提高通信质量。

Description

无人机基站的最优部署方法、装置、无人机基站及介质
技术领域
本发明涉及无线通信技术领域，尤其是涉及一种无人机基站的最优部署方 法、装置、无人机基站及介质。
背景技术
新一代移动宽带网络业务正在向空间扩展，实现空地信息一体化及空中信号 无处不在的信号覆盖。在空地通信的场景下，无人机辅助通信扮演着重要角色。 无人机辅助通信是指无人机作为无线移动通信网络的基站，向地面用户提供网络 服务的一种应用技术。通过无人机辅助通信构建空中移动蜂窝网络，是实现空地 信息一体化的主要思路。无人机基站具有移动灵活性的优势，且其与地面用户之 间无障碍的视距信道，可以提高信号覆盖率，以及提高网络传输速率、可靠性和 安全性。除此之外，无人机还可用于提供灾害或边远地区的无线信号覆盖，提供 边缘缓存及计算、数据采集等等。
然而，在无人机基站的实际应用中，受限于信号衰减的影响，如何实现无人 机位置的最优化，使无人机基站使用效率最佳、使所服务用户信号最好、速率最 大，是应用性强且值得研究的问题。
发明内容
本发明提供一种无人机基站的最优部署方法、装置及无人机基站，以解决现 有技术并未对无人机基站的空中位置进行优化的技术问题，本发明能够实现无人 机位置的最优化，使得无人机基站使用效率最佳，提高通信质量。
为了解决上述技术问题，本发明实施例提供了一种无人机基站的最优部署方 法，包括以下步骤：
获取与无人机进行通信的N个地面用户的位置数据，其中，N为大于1的整 数；
根据N个所述地面用户的位置数据构建无人机的位置坐标、N个所述地面用 户的位置坐标、无人机与地面用户之间的通信终端的对应关系式；
基于N个所述地面用户的通信中断率的最小平均值求解所述对应关系式，得 到无人机的最优坐标位置；
控制所述无人机飞行至与所述无人机的最优坐标位置相对应的空间位置。
作为优选方案，所述对应关系式为以下公式(1)：
Figure BDA0002360485030000021
其中，(x*,y*,H)为无人机的最优坐标位置；κ为视距链路的路径衰减系数；c1为常数，且
Figure BDA0002360485030000022
R0为设定的通信中断阈值，ρ2为地面用户的噪声功率， pj为第j地面用户请求通信服务的概率，j＝1,...,N。
作为优选方案，所述基于N个所述地面用户的通信中断率的最小平均值求解 所述对应关系式，得到无人机的最优坐标位置，具体为：
根据所述公式(1)设定公式(2)：
z＝f(x,y)＝c1·((x-xj)2+(y-yj)2)κ (2)
利用迭代算法求解所述公式(1)和所述公式(2)以得到多个可行解，并将 在多个所述可行解中寻找到的极值解作为所述无人机的最优坐标位置。
作为优选方案，所述利用迭代算法求解所述公式(1)和所述公式(2)以得 到多个可行解，并以多个所述可行解中的极值解作为所述无人机的最优坐标位 置，具体为：
S1、随机选择z＝f(x,y)图像中的一个坐标作为迭代坐标；
S2、当判断所述迭代坐标为极值点时，则以该极值点作为所述无人机的最优 坐标位置，而当判断所述迭代坐标不是极值点时，则执行以下步骤：
S3、构建所述迭代坐标在z＝f(x,y)图像上的相切平面，并根据所述相切平面 与x-y平面的夹角确定搜寻方向，并以所述迭代坐标沿所述搜寻方向走预设的步 长d，得到下一轮搜索的迭代坐标；
S4、重复步骤S2至S3直至达到预设的迭代次数阈值，得到极值点；
其中，所述极值点的坐标为(x*,y*,f(x*,y*))。
作为优选方案，所述根据所述相切平面与x-y平面的夹角确定搜寻方向，包 括：
当判断所述相切平面与x-y平面的夹角的正切值为异号时，所述搜寻方向为 反向；
当判断所述相切平面与x-y平面的夹角的正切值为同号时，所述搜寻方向为 正向。
本发明实施例还提供一种无人机基站的最优部署装置，包括：
数据获取模块，用于获取与无人机进行通信的N个地面用户的位置数据，其 中，N为大于1的整数；
第一处理模块，用于根据N个所述地面用户的位置数据构建无人机的位置坐 标、N个所述地面用户的位置坐标、无人机与地面用户之间的通信终端的对应关 系式；
第二处理模块，用于基于N个所述地面用户的通信中断率的最小平均值求解 所述对应关系式，得到无人机的最优坐标位置；
执行模块，用于控制所述无人机飞行至与所述无人机的最优坐标位置相对应 的空间位置。
作为优选方案，所述对应关系式为以下公式(1)：
Figure BDA0002360485030000031
其中，(x*,y*,H)为无人机的最优坐标位置；κ为常数，表示视距链路的路径衰 减系数；c1为一个常数，
Figure BDA0002360485030000041
R0为设定的通信中断阈值，ρ2为地面用 户的噪声功率，pj为第j地面用户请求通信服务的概率，j＝1,...,N。
作为优选方案，所述第二执行模块，还用于：
根据所述公式(1)设定公式(2)：
z＝f(x,y)＝c1·((x-xj)2+(y-yj)2)κ (2)
利用迭代算法求解所述公式(1)和所述公式(2)以得到多个可行解，并将 在多个所述可行解中寻找到的极值解作为所述无人机的最优坐标位置。
本发明实施例还提供一种无人机基站，包括无人机以及安装在所述无人机上 的处理器、存储器以及存储在所述存储器内的可执行代码，所述可执行代码能够 被所述处理器执行，以实现如上述的无人机基站的最优部署方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包 括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储 介质所在设备执行如上述的无人机基站的最优部署方法。
综上，本发明实施例提供了一种无人机基站的最优部署方法、装置、无人机 基站及介质，其任一实施例的有益效果在于，通过考虑无人机与地面用户之间的 无线通信链路出现的衰落影响，构建所述对应关系式并进行求解，以通信中断率 的最小平均值来确定无人机的最优坐标位置，使得部署在该位置上的无人机基站 达到最高的系统速率和信号覆盖率。
附图说明
图1是本发明实施例提供的无人机基站的最优部署方法的流程步骤图；
图2是本发明实施例提供的无人机基站的最优部署方法的无人机辅助通信网 络的示意图；
图3是本发明实施例提供的无人机基站的最优部署方法的设计算法的机理示 意图；
图4展示了应用本发明实施例的无人机基站的最优部署方法的三个目标用户 节点场景下的无人机最优位置的示意图；
图5是图4中三目标用户场景下的通信系统平均中断率的比较示意图；
图6是图4中三目标用户场景下的通信系统平均中断性能的比较示意图；
图7是本发明实施例提供的无人机基站的最优部署装置的结构示意图。
具体实施方式
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，所描述的实施例仅仅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。
请参见图1，本发明第一实施例提供了一种无人机基站的最优部署方法，其 可由无人机的控制中心或地面控制中心来执行，并至少包括如下步骤：
S101、获取与无人机进行通信的N个地面用户的位置数据，其中，N为大于 1的整数；在本实施例中，如图2所示，地面有N位已知位置的用户，无人机在 固定高度H与这N位用户进行数据交互。
S102、根据N个地面用户的位置数据构建无人机的位置坐标、N个地面用户 的位置坐标、无人机与地面用户之间的通信终端的对应关系式；
S103、基于N个地面用户的通信中断率的最小平均值求解对应关系式，得到 无人机的最优坐标位置；
S104、控制无人机飞行至与无人机的最优坐标位置相对应的空间位置。
本实施例通过考虑无人机与地面用户之间的无线通信链路出现的衰落影响， 构建对应关系式并进行求解，以通信中断率的最小平均值来确定无人机的最优坐 标位置，使得部署在该位置上的无人机基站达到最高的系统速率和信号覆盖率。
在其中一种可行的设计中，对应关系式为以下公式(1)：
Figure BDA0002360485030000061
其中，(x*,y*,H)为无人机的最优坐标位置；κ为常数，表示视距链路的路径衰 减系数；c1为一个常数，
Figure BDA0002360485030000062
R0为设定的通信中断阈值，ρ2为地面用 户的噪声功率，pj为第j地面用户请求通信服务的概率，j＝1,...,N。
在其中一种可行的设计中，基于N个地面用户的通信中断率的最小平均值求 解对应关系式，得到无人机的最优坐标位置，具体为：
根据公式(1)设定公式(2)：
z＝f(x,y)＝c1·((x-xj)2+(y-yj)2)κ (2)
利用迭代算法求解公式(1)和公式(2)计算得到多个可行解，并以多个可 行解中寻找得到的极值解作为无人机的最优坐标位置。
在其中一种可行的设计中，利用迭代算法求解公式(1)和公式(2)计算得 到多个可行解，并以多个可行解中的极值解作为无人机的最优坐标位置，具体为：
S1、随机选择z＝f(x,y)图像中的一个坐标作为迭代坐标；
S2、当判断迭代坐标为极值点时，则以该极值点作为无人机的最优坐标位置， 而当判断迭代坐标不是极值点时，则执行以下步骤：
S3、构建迭代坐标在z＝f(x,y)图像上的相切平面，并根据相切平面与x-y平面 的夹角确定搜寻方向，并以迭代坐标沿搜寻方向走预设的步长d，得到下一轮搜 索的迭代坐标；
S4、重复步骤S2至S3直至达到预设的迭代次数阈值，得到极值点；
其中，极值点的坐标为(x*,y*,f(x*,y*))。
在其中一种可行的设计中，当判断相切平面与x-y平面的夹角的正切值为异 号时，搜寻方向为反向；当判断相切平面与x-y平面的夹角的正切值为同号时， 搜寻方向为正向。
本发明实施例提供的无人机基站的最优部署方法适用于诸多应用场景，比 如：无人机飞行到灾难地区，为困扰在N处已知位置的人们提供无线通信服务； 无人机飞行到N个地面数据中心，为这些数据中心提供计算服务；无人机在空中， 对地面N个传感节点进行数据采集服务等等。无论是以上任何一种实际应用，对 无人机和地面用户节点来说，需要最好的通信信道，使得两者之间的信息交互性 能最佳。
为了便于本领域技术人员理解本发明技术，以下对本发明实施例的原理及实 施方式进行详细说明：
考虑一个典型的无线通信链路，该链路连接源节点和端节点(或称发送机和 接收机)。从信号传输物理意义来理解，该链路也称为无线信道。信号从源到端 节点，通过典型的无线信道传输，其幅值电压会经历衰落。而典型的衰落包括三 部分：电压快速衰减(由无线信号经不同路径的反射效应引起)；电压阴影衰落 (由障碍物的遮挡导致)；电压路径衰减(信号传播路径越长衰落越大)。此外， 如图2所示，由于无人机与地面物体是视距链路，受障碍物的遮挡影响可以忽略。
因此，在无人机的通信网络中，可忽略阴影衰落，而仅考虑快速衰落和路径 衰落两个系数的影响。
其中，快速衰减系数是独立同分布的高斯随机变量。一般地，无人机飞行高 度较低，因此，该随机变量概率服从瑞利分布，其功率值的概率则服从指数分布。
令hj(1≤j≤N)表示无人机到第j用户的小尺度衰落系数，则hj满足瑞利分 布，且||hj||2满足指数分布，式中||hj||表示复变量hj的欧式范数。
令αj代表无人机到第j用户的路径衰落，则
αj＝dj -κ. (1.1)
式中，dj表示无人机到第j地面用户的距离，κ表示路径衰减系数，κ是常数 一般取值在2至4之间，在视距链路中可取κ＝2。
接下来，讨论信号衰落系数后，又令
Figure BDA0002360485030000081
表示无人机传送给用户的复信号。 为了不失一般性，将该信号的平均功率归一化为1，令E代表求期望的运算符， 则由假设可得E{||x||2}＝1，式中||x||2即为复信号x的功率。
令yj表示用户j接收到的信号，PT表示无人机信号发射功率(单位W)，则
Figure BDA0002360485030000082
上式中，nj表示第j地面用户的高斯白噪声，指频带内热噪声等所产生干扰。
其分布满足nj～CN(0,ρ2)，其平均功率即为ρ2。
令γj表示第j用户接收信号的瞬时信号功率与噪声功率的比值(简称信噪 比)，则由公式(2)，γj可表示为
Figure BDA0002360485030000083
同样地，上式中||z||表示复变量z的欧式范数，||z||2即为复信号z的功率。
考虑到αj和hj是独立分布的随机变量，则(3)可展开为：
Figure BDA0002360485030000084
而信噪比的期望为：
Figure BDA0002360485030000085
令
Figure BDA0002360485030000086
表示地面用户的平均通信中断率，则经过系列推导、运算和转换可获得
Figure BDA0002360485030000087
式中，
Figure BDA0002360485030000088
是一个常数，其中R0是用户要求的最小速率，或称为中 断阈值(小于该速率即等同于通信中断)，而pj则表示第j用户请求服务的概率。 相对应地，将要解决的问题描述为：
Figure BDA0002360485030000091
即需要根据N个用户坐标(xj,yj)，寻找一个最优的坐标点(x*,y*,H)，使无人机 在该坐标点部署，用户所获得的平均中断率
Figure BDA0002360485030000097
最小，此时相对应所获得的系统速 率和信号覆盖率也最高。
基于此，进一步讨论关系式式(2.1)所定义问题的解，以得到无人机最优位 置的空中坐标。
首先，分析关系式(2.1)等号右边连加号中的任意单项：
Figure BDA0002360485030000092
从表达式看很难断定函数式(2.2)的可解性。
为了进一步分析，对
Figure BDA0002360485030000093
进行二次求导，其结果等于一个海森(Hessian) 矩阵，其结果表达式比较复杂，很难判定是否为正定矩阵。
为了转换问题，不妨令hj(x,y)＝(x-xj)2+(y-yj)2，先对hj(x,y)进行二次求导，此时结果为：
Figure BDA0002360485030000094
式(2.3)给出的矩阵是正定矩阵，即
h″j(x,y)＞0 (2.4)
接着，将
Figure BDA0002360485030000095
表达为以下复合函数的形式：
Figure BDA0002360485030000096
对比(2.2)及(2.5)可知，g(X)＝Xκ；注意到X≥0，因此当κ≥1时，g'＝κXκ-1≥0， g″＝κ(κ-1)Xκ-2≥0。
在这些结论的基础上，对复合函数g(h(x,y))进行二次求导得到：
g(h)”＝g”h'2+g'h” (2.6)
式中，已知g”＞0，h”＞0,g'＞0，因此可以判定，即g”＞0。
因此在式(2.4)的前提下，函数fj”(x,y)＝g”＞0，因此
Figure BDA0002360485030000101
是一个凸函数。
再进一步，考虑概率pj≥0且对于任意j，
Figure BDA0002360485030000102
是凸函数，由于正系数保持 凸性质，因此，式(2.2)所给出的非线性规划问题具有凸性，即(2.2)所给出 的非线性规划问题是一个可解问题。
这个结论说明问题(2.1)可解，接着提出解问题(2.1)的方法和算法。
算法机理解析如图3所示：
令z＝f(x,y)是由公式(2.1)所描述的非线性问题，其图像由图3曲面所示。 所设计算法需要在无数多个可行解中找到其极值解(x*,y*,f(x*,y*))，该点是公式 (2.1)等式右侧的返回值，无人机以(x*,y*,H)作为空中部署的坐标点将使无人机 与地面信息交互获得最好的性能。因此，寻找最优部署点的算法的步骤为：
(1)首先随机选择一个坐标点(x1,y1)，并在z＝f(x,y)图像中找到与该坐标相 对应的P1点，该点坐标为(x1,y1,f(x1,y1))，确定搜寻方向和步长d；
(2)判断P1是否极值点，是则退出并返回；否则构建与P1相切平面：
Figure BDA0002360485030000103
(3)判断H1与x-y平面的夹角，夹角的正切值与搜寻方向，异号则反向搜 寻，同号则正向搜寻，P1沿搜寻方向走步长d得到P2点，完成第一次迭代。
(4)以P2点坐标为第二次迭代的输入坐标，进行新一轮搜索直到最后P*点 坐标为(x*,y*,f(x*,y*))。
其中，其中一种可行的算法伪代码如下：
1：input(randomP1(x1,y1),p＝[p1,...,pN],H,κ,c1,ε,d)；
2：
Figure BDA0002360485030000111
3：dowhile{(f′(x1,y1)>ε)
4：calculategradient
Figure BDA0002360485030000112
5：
Figure BDA0002360485030000113
6：end do
7：P*＝P1；
8:return P*；
(注：在该算法中，输入参数ε为求解精度)
基于上述算法，对无人机基站进行部署，部署机制如下：
(1)无人机通过导频(仅用少许数据进行预通信)采集地面各个用户节点 的GPS坐标；
(2)通过算法计算获得，无人机通过GPS导航飞到坐标点，并保持在该坐 标点提供用户的通信服务；
(3)定期更新用户坐标，如果用户坐标变化，则回到步骤(2)。
在实施上述实施例后，得到如下实验结果和数据，验证看本发明实施例的可 行性和技术效果。
不失一般性，假设路径衰减系数κ＝2,无人机发射功率等于15-150W，天线 增益等于3dB，用户噪声为0.01mW，速率中断阈值R0＝1bps/Hz无人机飞行高度 为20米。首先假设地面有三个目标用户A、B和C，坐标分别为 (0,0,0),(0,20,0),(0,0,20)，每个地面用户通信概率相等。利用上述算法可获得 P*＝(7.1,7.1)，即无人机在空中部署的最优位置应为(7.1,7.1,20)，如图4所示。
此时系统获得最佳的通信中断率和信号覆盖率性能。为了说明问题，不妨选 择无人机分别在三个用户点三方部署，所获得的性能与最优位置点比较，图5为 传输速率(频谱效率)比较，通过调整无人机发射功率，使信噪比逐渐增加。可 以看到，系统平均传输速率随着信噪比增大而增加，在不同的部署位置，所提出 机制确定的部署位置获得的性能最高。图5为系统通信中断率比较。同理可以看 到，所提出机制使系统获得最小的平均中断率。为了进一步说明问题，参考蒙地 卡罗(Monte Carlo)实验方法随机生成6个用户节点，坐标分别为表1所示。
表1随机生成6个用户节点坐标及算法所获得的无人机坐标
P1点 P2点 P3点 P4点 P5点 P6点 无人机
X坐标 37.2 42.2 35.3 65.6 41.1 15.9 39.0
Y坐标 19.6 8.5 1.6 13.6 4.85 34.7 16.8
Z坐标 0 0 0 0 0 0 20.0
此时，通过所提出机制和算法所获得的无人机部署最优点坐标为(39.0,16.8,20.0)。继续如图6所示，随机生成坐标的6个用户节点，通过所提出机制同样可 以获得最佳的中断率性能。即无人机空中基站在坐标点(39.0,16.8,20.0)部署，系 统即可获得最小中断率、最大信号覆盖率及最高的传输速率。
对应上述方法，本发明实施例还提供一种无人机基站的最优部署装置，如图 7所示，包括：
数据获取模块1，用于获取与无人机进行通信的N个地面用户的位置数据， 其中，N为大于1的整数；
第一处理模块2，用于根据N个所述地面用户的位置数据构建无人机的位置 坐标、N个所述地面用户的位置坐标、无人机与地面用户之间的通信终端的对应 关系式；
第二处理模块3，用于基于N个所述地面用户的通信中断率的最小平均值求 解所述对应关系式，得到无人机的最优坐标位置；
执行模块4，用于控制所述无人机飞行至与所述无人机的最优坐标位置相对 应的空间位置。
在其中一种可行的设计中，对应关系式为以下公式(1)：
Figure BDA0002360485030000121
其中，(x*,y*,H)为无人机的最优坐标位置；κ为常数，表示视距链路的路径衰 减系数；c1为一个常数，
Figure BDA0002360485030000131
R0为设定的通信中断阈值，ρ2为地面用 户的噪声功率，pj为第j地面用户请求通信服务的概率，j＝1,...,N。
在其中一种可行的设计中，第二执行模块3，还用于：
根据公式(1)设定公式(2)：
z＝f(x,y)＝c1·((x-xj)2+(y-yj)2)κ (2)
利用迭代算法求解公式(1)和公式(2)计算得到多个可行解，并以多个可 行解中的极值解作为无人机的最优坐标位置；
本发明实施例还提供一种无人机基站，包括无人机以及安装在无人机上的处 理器、存储器以及存储在存储器内的可执行代码，可执行代码能够被处理器执行， 以实现如上述的无人机基站的最优部署方法。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质包括存 储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备 执行如上述的无人机基站的最优部署方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术 人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改 进和变形也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是 可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可 读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中， 所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM) 或随机存储记忆体(RandomAccess Memory，RAM)等。

Claims (5)

1.一种无人机基站的最优部署方法，其特征在于，包括以下步骤：
获取与无人机进行通信的N个地面用户的位置数据，其中，N为大于1的整数；
根据N个所述地面用户的位置数据构建无人机的位置坐标、N个所述地面用户的位置坐标、无人机与地面用户之间的通信终端的对应关系式，所述对应关系式为以下公式(1)：
Figure FDA0003858622500000011
其中，(x*,y*,H)为无人机的最优坐标位置；κ为视距链路的路径衰减系数；c1为常数，且
Figure FDA0003858622500000012
R0为设定的通信中断阈值，ρ2为地面用户的噪声功率，pj为第j地面用户请求通信服务的概率，j＝1,...,N；
基于N个所述地面用户的通信中断率的最小平均值求解所述对应关系式，得到无人机的最优坐标位置，包括：根据所述公式(1)设定公式(2)：z＝f(x,y)＝c1·((x-xj)2+(y-yj)2)κ(2)，利用迭代算法求解所述公式(1)和所述公式(2)以得到多个可行解，并将在多个所述可行解中寻找到的极值解作为所述无人机的最优坐标位置；所述利用迭代算法求解所述公式(1)和所述公式(2)以得到多个可行解，并将在多个所述可行解中寻找到的极值解作为所述无人机的最优坐标位置，包括：S1、随机选择z＝f(x,y)图像中的一个坐标作为迭代坐标；S2、当判断所述迭代坐标为极值点时，则以该极值点作为所述无人机的最优坐标位置；而当判断所述迭代坐标不是极值点时，则执行以下步骤：S3、构建所述迭代坐标在z＝f(x,y)图像上的相切平面，并根据所述相切平面与x-y平面的夹角确定搜寻方向，并以所述迭代坐标沿所述搜寻方向走预设的步长d，得到下一轮搜索的迭代坐标；S4、重复步骤S2至S3直至达到预设的迭代次数阈值，得到极值点；其中，所述极值点的坐标为(x*,y*,f(x*,y*))；
控制所述无人机飞行至与所述无人机的最优坐标位置相对应的空间位置。
2.如权利要求1所述的无人机基站的最优部署方法，其特征在于，所述根据所述相切平面与x-y平面的夹角确定搜寻方向，包括：
当判断所述相切平面与x-y平面的夹角的正切值为异号时，所述搜寻方向为反向；
当判断所述相切平面与x-y平面的夹角的正切值为同号时，所述搜寻方向为正向。
3.一种无人机基站的最优部署装置，其特征在于，包括：
数据获取模块1，用于获取与无人机进行通信的N个地面用户的位置数据，其中，N为大于1的整数；
第一处理模块2，用于根据N个所述地面用户的位置数据构建无人机的位置坐标、N个所述地面用户的位置坐标、无人机与地面用户之间的通信终端的对应关系式，所述对应关系式为以下公式(1)：
Figure FDA0003858622500000021
其中，(x*,y*,H)为无人机的最优坐标位置；κ为视距链路的路径衰减系数；c1为常数，且
Figure FDA0003858622500000022
R0为设定的通信中断阈值，ρ2为地面用户的噪声功率，pj为第j地面用户请求通信服务的概率，j＝1,...,N；
第二处理模块3，用于基于N个所述地面用户的通信中断率的最小平均值求解所述对应关系式，得到无人机的最优坐标位置；具体用于：根据所述公式(1)设定公式(2)：z＝f(x,y)＝c1·((x-xj)2+(y-yj)2)κ (2)，利用迭代算法求解所述公式(1)和所述公式(2)以得到多个可行解，并将在多个所述可行解中寻找到的极值解作为所述无人机的最优坐标位置；所述利用迭代算法求解所述公式(1)和所述公式(2)以得到多个可行解，并将在多个所述可行解中寻找到的极值解作为所述无人机的最优坐标位置，包括：S1、随机选择z＝f(x,y)图像中的一个坐标作为迭代坐标；S2、当判断所述迭代坐标为极值点时，则以该极值点作为所述无人机的最优坐标位置；而当判断所述迭代坐标不是极值点时，则执行以下步骤：S3、构建所述迭代坐标在z＝f(x,y)图像上的相切平面，并根据所述相切平面与x-y平面的夹角确定搜寻方向，并以所述迭代坐标沿所述搜寻方向走预设的步长d，得到下一轮搜索的迭代坐标；S4、重复步骤S2至S3直至达到预设的迭代次数阈值，得到极值点；其中，所述极值点的坐标为(x*,y*,f(x*,y*))；
执行模块4，用于控制所述无人机飞行至与所述无人机的最优坐标位置相对应的空间位置。
4.一种无人机基站，其特征在于，包括无人机以及安装在所述无人机上的处理器、存储器以及存储在所述存储器内的可执行代码，所述可执行代码能够被所述处理器执行，以实现如权利要求1至2任意一项所述的无人机基站的最优部署方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至2任意一项所述的无人机基站的最优部署方法。
CN202010021137.0A 2020-01-09 2020-01-09 无人机基站的最优部署方法、装置、无人机基站及介质 Active CN111200824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010021137.0A CN111200824B (zh) 2020-01-09 2020-01-09 无人机基站的最优部署方法、装置、无人机基站及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010021137.0A CN111200824B (zh) 2020-01-09 2020-01-09 无人机基站的最优部署方法、装置、无人机基站及介质

Publications (2)

Publication Number Publication Date
CN111200824A CN111200824A (zh) 2020-05-26
CN111200824B true CN111200824B (zh) 2022-11-22

Family

ID=70747646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010021137.0A Active CN111200824B (zh) 2020-01-09 2020-01-09 无人机基站的最优部署方法、装置、无人机基站及介质

Country Status (1)

Country Link
CN (1) CN111200824B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111918337A (zh) * 2020-06-30 2020-11-10 西安理工大学 一种业务负载均衡的无人机基站最优部署方法
CN112738883B (zh) * 2020-12-16 2022-05-20 北京邮电大学 一种空中基站位置确定方法及装置
CN114268967B (zh) * 2021-12-30 2024-04-02 杭州电子科技大学 无人机辅助移动边缘网络用户匹配方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150129600A (ko) * 2014-05-12 2015-11-20 고려대학교 산학협력단 드론을 이용한 네트워크 서비스 제공 방법 및 그 장치
CN107017940A (zh) * 2017-04-25 2017-08-04 中国民航大学 无人机中继广播通信系统航迹优化方法
US10007265B1 (en) * 2016-08-17 2018-06-26 Amazon Technologies, Inc. Hostile takeover avoidance of unmanned vehicles
CN109991998A (zh) * 2018-12-06 2019-07-09 华南理工大学 一种基于接收信号强度的无人机中继航迹优化方法
CN110381444A (zh) * 2019-06-24 2019-10-25 广东工业大学 一种无人机轨迹优化及资源分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150129600A (ko) * 2014-05-12 2015-11-20 고려대학교 산학협력단 드론을 이용한 네트워크 서비스 제공 방법 및 그 장치
US10007265B1 (en) * 2016-08-17 2018-06-26 Amazon Technologies, Inc. Hostile takeover avoidance of unmanned vehicles
CN107017940A (zh) * 2017-04-25 2017-08-04 中国民航大学 无人机中继广播通信系统航迹优化方法
CN109991998A (zh) * 2018-12-06 2019-07-09 华南理工大学 一种基于接收信号强度的无人机中继航迹优化方法
CN110381444A (zh) * 2019-06-24 2019-10-25 广东工业大学 一种无人机轨迹优化及资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"作为空中基站的无人机覆盖与资源分配研究";沈旭;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20181115;全文 *

Also Published As

Publication number Publication date
CN111200824A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN111200824B (zh) 无人机基站的最优部署方法、装置、无人机基站及介质
KR102204783B1 (ko) 딥러닝 기반의 빔포밍 통신 시스템 및 방법
Farajzadeh et al. UAV data collection over NOMA backscatter networks: UAV altitude and trajectory optimization
Zhan et al. Wireless relay communications with unmanned aerial vehicles: Performance and optimization
CN111163511A (zh) 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法
CN107094044B (zh) 一种空时分组编码的无人机中继通信航迹规划方法
CN113873575B (zh) 智能反射面辅助的非正交多址无人机空地通信网络节能优化方法
JP2000244386A (ja) 適応アンテナ指向性制御方法及びそのシステム
Kim et al. Outage probability of UAV communications in the presence of interference
CN104320174A (zh) 一种基于部分信道信息的卫星多波束协作传输方法
CN105636215B (zh) 基于功率动态分配的干扰中和方法
CN110753354B (zh) 基于无人机协作星地联合noma通信系统位置部署方法
CN111711960A (zh) 一种能量效率知觉的无人机群三维部署方法
Venugopal et al. Location based performance model for indoor mmWave wearable communication
CN102355290B (zh) 基于智能天线技术的无线多跳网络数据发送、接收方法
Ghorbel et al. An energy efficient overlay cognitive radio approach in UAV-based communication
Budhiraja et al. Energy-efficient optimization scheme for RIS-assisted communication underlaying UAV with NOMA
CN115694581A (zh) 一种基于智能反射面辅助的星地一体化网络用户终端接入优化方法
Tran et al. Approaching K-means for multiantenna UAV positioning in combination with a max-SIC-min-rate framework to enable aerial IoT networks
Khosravi et al. Efficient beamforming for mobile mmwave networks
Liu et al. A dynamic subarray structure in reconfigurable intelligent surfaces for terahertz communication systems
WO2022011510A1 (zh) 一种通信方法、通信装置及存储介质
Nguyen et al. Secrecy Performance Optimization For UAV-Based Cognitive Relay NOMA System
Cao et al. Proactive eavesdropping strategies using hybrid reflecting-backscatter intelligent surface
Teng Outage probability and ergodic capacity analysis of satellite–terrestrial NOMA system with mixed RF/mmWave relaying

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