CN111405571B - 卫星无人机混合网络的频谱共享方法 - Google Patents
卫星无人机混合网络的频谱共享方法 Download PDFInfo
- Publication number
- CN111405571B CN111405571B CN202010172357.3A CN202010172357A CN111405571B CN 111405571 B CN111405571 B CN 111405571B CN 202010172357 A CN202010172357 A CN 202010172357A CN 111405571 B CN111405571 B CN 111405571B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- model
- distribution result
- power distribution
- 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
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
- H04W16/14—Spectrum sharing arrangements between different 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明实施例提供一种卫星无人机混合网络的频谱共享方法,该方法包括:基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配结果与无人机群悬停时间分配结果;无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,基于无人机群的功率分配结果和无人机群悬停时间分配结果控制无人机群与卫星共用同一个频段服务无人机用户和卫星用户。本发明实施例提供的方法,使得卫星无人机混合网络中无人机对卫星用户的干扰控制在一定范围内,无人机群与卫星能共用同一个频段服务无人机用户和卫星用户。
Description
技术领域
本发明涉及卫星无人机混合网络技术领域,尤其涉及一种卫星无人机混合网络的频谱共享方法。
背景技术
在灾难监控、应急抢险、科学探测等缺少地面网络覆盖的领域,卫星通信目前已获得了广泛的应用。然而,卫星通信网络的普遍问题是数据传输速率较低,已经很难满足这些领域的业务对于通信速率和时延的需求。考虑到无人机的灵活性以及能够实现高速通信的性质,将无人机引入卫星通信网络,也就是通过建立卫星无人机混合网络,从而能够提升通信速率,是一个可行的手段。但是,在卫星网络中引入无人机会遇到频谱资源受限的问题。为了解决这一问题,一种方法是共享卫星和无人机的频谱。尽管在卫星地面混合网络中现在已有大量的工作解决频谱共享的问题,然而这些方法没有充分考虑到无人机的动态特性,难以用在卫星无人机混合网络中。
因此,需要获取无人机对卫星用户的干扰信号强度处于一定范围内的无人机群的功率分配结果和所述无人机群悬停时间分配结果,而在该无人机群的功率分配结果和所述无人机群悬停时间分配结果下控制无人机群的行进可以使得无人机对卫星用户的干扰不超过规定门限,使得无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
因此,如何避免现有的卫星地面混合网络中解决频谱共享技术的无法充分考虑无人机的动态特性,难以用在卫星无人机混合网络中,仍然是本领域技术人员亟待解决的问题。
发明内容
本发明实施例提供一种卫星无人机混合网络的频谱共享方法,用以解决现有的卫星地面混合网络中解决频谱共享技术的无法充分考虑无人机的动态特性,难以用在卫星无人机混合网络中的问题。
第一方面,本发明实施例提供一种卫星无人机混合网络的频谱共享方法,包括:
基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果;其中,所述无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,所述数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,所述约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件;
基于所述无人机群的功率分配优化结果和所述无人机群悬停时间分配优化结果控制所述无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
优选地,该方法中,所述基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果,之前还包括:
基于所述无人机群的总数据量,获取无人机通信数据传输效率公式;其中,所述无人机群的总数据量是基于每一无人机用户的大尺度信道信息表示的;
基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型。
优选地,该方法中,所述基于所述无人机群的总数据量,获取无人机通信数据传输效率公式,具体包括:
通过如下公式表示所述无人机群的总数据量D(P,T):
上式中,P为无人机群的功率分配结果,T为无人机群悬停时间分配结果,Tn为无人机群在服务第n个无人机用户时的悬停时间,N为无人机用户总数,In为单位矩阵,为高斯噪声功率,Ln和Sn分别为第n个无人机用户的大尺度信道信息和小尺度信道信息,Pn为无人机群在服务第n个无人机用户时的发射功率集合;
基于所述无人机群的总数据量,获取无人机通信数据传输效率公式De(P,T)如下:
De(P,T)=ES{D(P,T)}
其中,S={S1,...,SN}为所有小尺度信道信息的集合,ES{D(P,T)}为总传输数据量D(P,T)对小尺度信息的期望。
优选地,该方法中,所述基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型,具体包括:
无人机群信号对卫星用户的干扰约束条件:In,i(P)≤εp;
单个无人机发射功率约束条件:0≤pn,k≤pmax,n=1,...,N,k=1,...,K;
无人机群在单个用户上的悬停时间约束条件:0≤Tn≤Tmax,n=1,...,N;
其中,εp为表示干扰门限,pmax为任一无人机的最大发射功率,Tmax为任一无人机在单个用户上的最大悬停时间,Ttotal为最大总悬停时间,pn,k为第k个无人机在服务第n个无人机用户时的发射功率,K为无人机总数,Ek为第k个无人机能发出的最大通信能量,Tn为无人机群在服务第n个用户时的悬停时间,N为无人机用户总数;
无人机群在服务第n个无人机用户时对第i个卫星用户的干扰In,i(P)通过如下公式得到:
在服务第n个无人机用户时对第i个卫星用户的干扰hni通过如下公式得到:
hni=sniLni,n=1,...,N,i=1,...,Ns
其中,Ns为卫星用户总数,Lni=diag{lni,1,...,lni,K}。
优选地,该方法中,所述基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果,具体包括:
将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型;
对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果。
优选地,该方法中,所述将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型,具体包括:
对所述数据传输效率最大化函数进行简化,得到简化最大化函数如下:
其中,P为功率分配结果,T为无人机群悬停时间分配结果,K为无人机总数,w为由P决定的变量,Da(P,T,w)为化简后的总传输数据量;
分解所述简化最大化函数和所述约束条件,得到以所述无人机群的功率分配结果为自变量的第一模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr-1为第r-1次迭代下的T,wr为第r次迭代下的w;所述第一模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
以所述无人机群悬停时间分配结果为自变量的第二模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr为第r次迭代下的T,wr为第r次迭代下的w;所述第二模型对应的约束条件包括单个无人机通信能量约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件。
优选地,该方法中,所述对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果,具体包括:
求解所述第一模型,获取当前无人机群的功率分配结果;
若所述当前无人机群的功率分配结果和上一无人机群的功率分配结果不满足第一预设条件,则基于所述当前无人机群的功率分配结果迭代更新所述第二模型,并求解所述第二模型,获取当前无人机群悬停时间分配结果;否则,将所述当前无人机群的功率分配结果作为无人机群的功率分配结果,将所述第二模型中的上一无人机群悬停时间分配结果作为无人机群悬停时间分配结果。
优选地,该方法中,所述求解所述第一模型,获取当前无人机群的功率分配结果,具体包括:
将所述第一模型分解为以所述无人机群的功率分配结果为自变量的第三模型和以人为引入的松弛优化变量为自变量的第四模型;
所述第三模型中的最大化函数为:
上式中,Tr-1为第r-1次迭代下的T,Pt为第r次迭代下的第t次迭代的P,v为w决定的变量,vt-1为第r次迭代下的第t-1次迭代的v;所述第三模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
所述第四模型中的最大化函数为:
求解所述第三模型,获取此刻无人机群的功率分配结果;
若所述此刻无人机群的功率分配结果和上一刻无人机群的功率分配结果不满足第一预设条件,则基于所述此刻无人机群的功率分配结果迭代更新所述第四模型,并求解所述第四模型,获取此刻无人机松弛优化结果;否则,将所述此刻无人机群的功率分配结果作为当前无人机群的功率分配结果,将所述第二模型中的上一刻无人机松弛优化结果作为当前无人机松弛优化结果。
第二方面,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,所述处理器执行所述程序时实现如第一方面所提供的卫星无人机混合网络的频谱共享方法的步骤。
第三方面,本发明实施例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如第一方面所提供的卫星无人机混合网络的频谱共享方法的步骤。
本发明实施例提供的方法,通过基于包含数据传输效率最大化函数,以及无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件的无人机通信数据传输效率最大化模型,获取无人机功率分配优化结果与无人机群悬停时间分配优化结果,使得卫星无人机混合网络中无人机对卫星用户的干扰控制在一定范围内,无人机群与卫星能共用同一个频段服务无人机用户和卫星用户。
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做一简单地介绍,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卫星无人机混合网络的频谱共享方法的流程示意图;
图2为本发明实施例提供的卫星无人机混合网络的频谱共享方法在不同无人机群规模下其数据传输效率随无人机总数变化的曲线示意图;
图3为本发明实施例提供的卫星无人机混合网络的频谱共享装置的结构示意图;
图4为本发明实施例提供的电子设备的实体结构示意图。
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付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。
现有的卫星地面混合网络中解决频谱共享技术,普遍存在无法充分考虑无人机的动态特性,难以用在卫星无人机混合网络中的问题。对此,本发明实施例提供了一种卫星无人机混合网络的频谱共享方法。图1为本发明实施例提供的卫星无人机混合网络的频谱共享方法的流程示意图,如图1所示,该方法包括:
步骤110,基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果;其中,所述无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,所述数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,所述约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的悬停时间约束条件。
具体地,无人机通信传输数据效率最大化模型用于实现无人机通信网络的数据传输效率的最大化,通过求解无人机通信数据传输效率最大化模型,即可得到无人机通信网络的数据传输效率最大时对应的自变量。
无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,其中,数据传输效率最大化函数为目标函数,功率分配结果与无人机群悬停时间分配结果为所述数据传输效率最大化函数的自变量,通过选取合适的功率分配结果与无人机群悬停时间分配结果即可实现无人机通信数据传输效率的最大化。此处,功率分配结果用于指示无人机群中的每一无人机服务于每一无人机用户的发射功率,无人机群悬停时间分配结果用于指示无人机群服务于每一无人机用户的时间。
约束条件用于对功率分配结果与无人机群悬停时间分配结果的取值范围进行约束。其中,单个无人机通信能量约束条件针对无人机群中的任一无人机,其服务于所有无人机用户消耗的通信能量不能大于该无人机的可用于通信的最大通信能量,单个无人机发射功率约束条件针对无人机群中的任一无人机,其发射功率不能大于无人机的最大发射功率;无人机群总悬停时间约束条件针对无人机群,无人机群服务于每一无人机用户的时间之和不能超过最大总悬停时间;无人机群在单个用户上的最大悬停时间约束针对于无人机群,无人机群服务于任一无人机用户的时间,即无人机群为任一无人机用户服务时的悬停时间,不能超过最大悬停时间。
步骤120,基于所述无人机群的功率分配优化结果和所述无人机群悬停时间分配优化结果控制所述无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
具体地,在得到无人机群的功率分配优化结果与无人机群悬停时间分配优化结果后,基于无人机群的功率分配优化结果与无人机群悬停时间分配优化结果控制无人机与卫星建立卫星无人机混合网络,能够使无人机对卫星用户信号强度的干扰被控制的同时通信网络的数据传输效率达到最大,使得无人机群与卫星能共用同一个频段服务无人机用户和卫星用户。
本发明实施例提供的卫星无人机混合网络的频谱共享方法,通过基于包含数据传输效率最大化函数,以及无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的悬停时间约束条件的无人机通信数据传输效率最大化模型,获取无人机功率分配优化结果与无人机群悬停时间分配优化结果,使得卫星无人机混合网络中无人机对卫星用户的干扰控制在一定范围内,无人机群与卫星能共用同一个频段服务无人机用户和卫星用户。
基于上述实施例,该方法中,步骤110之前还包括:
步骤101,基于所述无人机群的总数据量,获取无人机通信数据传输效率公式;其中,所述无人机群的总数据量是基于每一无人机用户的大尺度信道信息表示的。
具体地,考虑到无人机群仅能够获取部分信道信息的特性,即在发端只能获取大尺度信道信息的具体值,而无法获取小尺度信道信息的特性,本发明实施例中,仅通过功率分配结果、无人机群悬停时间分配结果以及各个无人机用户信道的大尺度信道信息表征无人机群的总数据量。此处,无人机群的总数据量即无人机群建立的通信网络在各个无人机用户连接后承载的数据总量。
此处将所述无人机群的总数据量作为无人机通信数据传输效率。
步骤102,基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型。
具体地,在得到无人机通信数据传输效率公式后,求无人机通信数据传输效率的最大值即得到数据传输效率最大化函数。在此基础上,通过设置约束条件即可构建无人机通信数据传输效率最大化模型。
本发明实施例提供的方法,通过各个无人机用户信道的大尺度信道信息表征无人机群的总数据量,进而得到无人机通信数据传输效率最大化模型,充分考虑了无人机群仅能够获取部分信道信息的特性的问题,在信道条件不完全已知的情况下实现了无人机通信网络的数据传输效率的提升。
基于上述任一实施例,该方法中,所述基于所述无人机群的总数据量,获取无人机通信数据传输效率公式,具体包括:
通过如下公式表示所述无人机群的总数据量D(P,T):
上式中,P为无人机群的功率分配结果,T为无人机群悬停时间分配结果,Tn为无人机群在服务第n个无人机用户时的悬停时间,N为无人机用户总数,IM为单位矩阵,为高斯噪声功率,Ln和Sn分别为第n个无人机用户的大尺度信道信息和小尺度信道信息,Pn为无人机群在服务第n个无人机用户时的发射功率集合;
其中,第n个用户的信道可以表示为Hn=SnLn,Sn为M×K的矩阵,M为每个无人机用户拥有的接收天线数量,K为无人机数量,矩阵Sn中每一元素均为标准复高斯随机变量,为矩阵Sn的共轭矩阵,Ln是一个K×K的对角阵,Ln=diag{ln,1,...,ln,K},其中每一元素均为正实数。
基于所述无人机群的总数据量,获取无人机通信数据传输效率公式De(P,T)如下:
De(P,T)=ES{D(P,T)}
其中,S={S1,...,SN}为所有小尺度信道信息的集合,ES{D(P,T)}为总传输数据量D(P,T)对小尺度信息的期望。
基于上述任一实施例,该方法中,所述基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型,具体包括:
无人机群信号对卫星用户的干扰约束条件:In,i(P)≤εp;
单个无人机发射功率约束条件:0≤pn,k≤pmax,n=1,...,N,k=1,...,K;
无人机群在单个用户上的最大悬停时间约束条件:0≤Tn≤Tmax,n=1,...,N;
其中,εp为表示干扰门限,pmax为任一无人机的最大发射功率,Tmax为任一无人机在单个用户上的最大悬停时间,Ttotal为最大总悬停时间,pn,k为第k个无人机在服务第n个无人机用户时的发射功率,K为无人机总数,Ek为第k个无人机能发出的最大通信能量,Tn为无人机群在服务第n个用户时的悬停时间,N为无人机用户总数;
无人机群在服务第n个无人机用户时对第i个卫星用户的干扰In,i(P)通过如下公式得到:
在服务第n个无人机用户时对第i个卫星用户的干扰hni通过如下公式得到:
hni=sniLni,n=1,...,N,i=1,...,Ns
其中,Ns为卫星用户总数,Lni=diag{lni,1,...,lni,K}。
基于上述任一实施例,该方法中,步骤110,具体包括:
步骤111,将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型。
具体地,无人机通信数据传输效率最大化模型包含功率分配结果和无人机群悬停时间分配结果两个自变量,两个自变量共同影响无人机通信数据传输效率的大小。为了简化功率分配优化结果与无人机群悬停时间分配优化结果的求解过程,对无人机通信数据传输效率最大化模型进行分解,得到两个模型。
其中,第一模型仅将功率分配结果作为自变量,而将无人机群悬停时间分配结果作为固定值,第二模型仅将无人机群悬停时间分配结果作为自变量,而将功率分配结果作为固定值。需要说明的是,第一模型和第二模型中的功率分配结果和无人机群悬停时间分配结果的取值依然受到原无人机通信数据传输效率最大化模型中的约束条件的限制。
步骤112,对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果。
具体地,在完成第一模型和第二模型的分解后,分别对第一模型和第二模型进行迭代求解,进而得到功率分配优化结果与无人机群悬停时间分配优化结果。
基于上述任一实施例,该方法中,步骤111,具体包括:
对所述数据传输效率最大化函数进行简化,得到简化最大化函数如下:
其中,P为功率分配结果,T为无人机群悬停时间分配结果,K为无人机总数,w为由P决定的变量,Da(P,T,w)为化简后的总传输数据量;w=(w1,...,wN)T,w1,...,wN分别对应第1至第N个无人机用户。
所述简化最大化函数进一步可以通过如下公式描述:
其中,N为无人机用户总数,K为无人机总数,Tn为无人机群在服务第n个无人机用户时的悬停时间,M为任一无人机用户拥有的接收天线数量;ln,k为第k个无人机在服务第n个无人机用户时的大尺度信道消息,pn,k为第k个无人机在服务第n个无人机用户时的发射功率,wn为对应第n个无人机用户的变量,σ2m为高斯噪声功率。
分解所述简化最大化函数和所述约束条件,得到以所述无人机群的功率分配结果为自变量的第一模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr-1为第r-1次迭代下的T,wr为第r次迭代下的w。
所述第一模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件,即:
以所述无人机群悬停时间分配结果为自变量的第二模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr为第r次迭代下的T,wr为第r次迭代下的w。
所述第二模型对应的约束条件包括单个无人机通信能量约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件,即:
基于上述任一实施例,该方法中,步骤112,具体包括:
步骤1121,求解所述第一模型,获取当前无人机群的功率分配结果。
具体地,第一模型中无人机用户的悬停时间为固定值,在此基础上,求解功率分配结果,将当前求解到的功率分配结果作为当前无人机群的功率分配结果。
步骤1122,若所述当前无人机群的功率分配结果和上一无人机群的功率分配结果不满足第一预设条件,则基于所述当前无人机群的功率分配结果迭代更新所述第二模型,并求解所述第二模型,获取当前无人机群悬停时间分配结果;否则,将所述当前无人机群的功率分配结果作为无人机群的功率分配结果,将所述第二模型中的上一无人机群悬停时间分配结果作为无人机群悬停时间分配结果
具体地,上一无人机群的功率分配结果是在当前的第一模型更新前,对更新前的第一模型进行求解得到的无人机群的功率分配结果。通过比较当前功率分配结果和上一功率分配结果,判断当前功率分配结果和上一功率分配结果是否满足第一预设条件。此处,第一预设条件为预先设定的条件,第一预设条件可以当前功率分配结果和上一功率分配结果分别对应的数据传输效率之间的差值小于预设阈值,如果差值小于预设阈值则满足第一预设条件,否则,不满足预设条件。
若当前功率分配结果和上一功率分配结果不满足第一预设条件,则说明当前功率分配结果不是最优解,需要继续进行计算和迭代。此时,当前功率分配结果作为第二模型中的功率分配结果,对第二模型进行更新,并基于更新后的第二模型进行求解,将当前求解得到的用户悬停时间分配结果作为当前无人机用户悬停分配结果,并执行步骤1123.
若当前功率分配结果和上一功率分配结果满足第一预设条件,则说明当前功率分配结果即为最优解,将当前功率分配结果作为无人机群的功率分配优化结果,将第二模型中的无人机群悬停时间分配结果作为无人机群悬停时间分配优化结果,并退出循环。
步骤1123,基于当前无人机群悬停时间分配结果,迭代更新第一模型,并在此求解第一模型。
具体地,在得到当前无人机群悬停时间分配结果后,将当前无人机群悬停时间分配结果作为第一模型中的无人机群悬停时间分配结果,对第一模型进行更新,并针对更新后的第一模型执行步骤1121,重新求解第一模型,直至当前功率分配结果和上一功率分配结果满足第一预设条件。
基于上述任一实施例,该方法中,步骤1121,具体包括:
将所述第一模型分解为以所述无人机群的功率分配结果为自变量的第三模型和以人为引入的松弛优化变量为自变量的第四模型;
所述第三模型中的最大化函数为:
上式中,Tr-1为第r-1次迭代下的T,Pt为第r次迭代下的第t次迭代的P,v为w决定的变量,vt-1为第r次迭代下的第t-1次迭代的v;所述第三模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
所述第四模型中的最大化函数为:
求解所述第三模型,获取此刻无人机群的功率分配结果;
若所述此刻无人机群的功率分配结果和上一刻无人机群的功率分配结果不满足第一预设条件,则基于所述此刻无人机群的功率分配结果迭代更新所述第四模型,并求解所述第四模型,获取此刻无人机松弛优化结果;否则,将所述此刻无人机群的功率分配结果作为当前无人机群的功率分配结果,将所述第二模型中的上一刻无人机松弛优化结果作为当前无人机松弛优化结果。
具体地,将第一模型分解为第三模型和第四模型,其中,第三模型如下:
第四模型如下:
其中,t为迭代次数,v为由w决定的变量,v=(v1,...,vN)T,v1,...,vN分别对应第1至第N个无人机用户
针对第三模型和第四模型的求解时,首先求解第三模型,获取第三模型下的此刻功率分配结果,随即求解第四模型,获取第四模型下的此刻v值,并判断基于此刻功率分配结果和此刻v值得到的数据传输效率与上一刻功率分配结果和上一刻v值得到的数据传输效率之差是否大于预设阈值;
如果大于,则基于此刻v值更新第三模型,并重复上述步骤获取此刻功率分配结果和此刻v值,再次判断基于此刻功率分配结果和此刻v值得到的数据传输效率与上一刻功率分配结果和上一刻v值得到的数据传输效率之差是否大于预设阈值;
如果小于等于,则退出循环,并将最后一次循环得到的此刻功率分配结果作为当前无人机群的功率分配结果。
基于上述任一实施例,图2为本发明实施例提供的卫星无人机混合网络的频谱共享方法在不同无人机群规模下其数据传输效率随无人机总数变化的曲线示意图。通过设置如下参数进行仿真得到图2结果图:无人机用户的天线数M=8,一个无人机群中的无人机数量为K=8,服务的无人机用户数为N=10,卫星用户总数为Ns=10,最大总悬停时间为Ttotal=100s,服务单个无人机用户时的最大悬停时间为Tmax=15s。如图2所示,E为无人机群中无人机的总发射能量,在相同的总发射能量下,无人机群的规模越大,无人机数量越多,则应用本发明实施例提供的方法实现的数据传输效率越高。
基于上述任一实施例,本发明实施例提供一种卫星无人机混合网络的频谱共享装置,图3为本发明实施例提供的卫星无人机混合网络的频谱共享装置的结构示意图。如图3所示,该装置中,包括优化单元310和执行单元320,其中,
所述优化单元310,用于基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果;其中,所述无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,所述数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,所述约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件;
所述执行单元320,用于基于所述无人机群的功率分配优化结果和所述无人机群悬停时间分配优化结果控制所述无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
本发明实施例提供的装置,通过基于包含数据传输效率最大化函数,以及无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的悬停时间约束条件的无人机通信数据传输效率最大化模型,获取无人机功率分配优化结果与无人机群悬停时间分配优化结果,使得卫星无人机混合网络中无人机对卫星用户的干扰控制在一定范围内,无人机群与卫星能共用同一个频段服务无人机用户和卫星用户。
基于上述任一实施例,该装置中,所述基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果,之前还包括:
基于所述无人机群的总数据量,获取无人机通信数据传输效率公式;其中,所述无人机群的总数据量是基于每一无人机用户的大尺度信道信息表示的;
基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型。
基于上述任一实施例,该装置中,所述基于所述无人机群的总数据量,获取无人机通信数据传输效率公式,具体包括:
通过如下公式表示所述无人机群的总数据量D(P,T):
上式中,P为无人机群的功率分配结果,T为无人机群悬停时间分配结果,Tn为无人机群在服务第n个无人机用户时的悬停时间,N为无人机用户总数,IM为单位矩阵,为高斯噪声功率,Ln和Sn分别为第n个无人机用户的大尺度信道信息和小尺度信道信息,Pn为无人机群在服务第n个无人机用户时的发射功率集合;
基于所述无人机群的总数据量,获取无人机通信数据传输效率公式De(P,T)如下:
De(P,T)=ES{D(P,T)}
其中,S={S1,...,SN}为所有小尺度信道信息的集合,ES{D(P,T)}为总传输数据量D(P,T)对小尺度信息的期望。
基于上述任一实施例,该装置中,所述基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型,具体包括:
无人机群信号对卫星用户的干扰约束条件:In,i(P)≤εp;
单个无人机发射功率约束条件:0≤pn,k≤pmax,n=1,...,N,k=1,...,K;
无人机群在单个用户上的最大悬停时间约束条件:0≤Tn≤Tmax,n=1,...,N;
其中,εp为表示干扰门限,pmax为任一无人机的最大发射功率,Tmax为任一无人机在单个用户上的最大悬停时间,Ttotal为最大总悬停时间,pn,k为第k个无人机在服务第n个无人机用户时的发射功率,K为无人机总数,Ek为第k个无人机能发出的最大通信能量,Tn为无人机群在服务第n个用户时的悬停时间,N为无人机用户总数;
无人机群在服务第n个无人机用户时对第i个卫星用户的干扰In,i(P)通过如下公式得到:
在服务第n个无人机用户时对第i个卫星用户的干扰hni通过如下公式得到:
hni=sniLni,n=1,...,N,i=1,...,Ns
其中,Ns为卫星用户总数,Lni=diag{lni,1,...,lni,K}。
基于上述任一实施例,该装置中,所述基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果,具体包括:
将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型;
对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果。
基于上述任一实施例,该装置中,所述将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型,具体包括:
对所述数据传输效率最大化函数进行简化,得到简化最大化函数如下:
其中,P为功率分配结果,T为无人机群悬停时间分配结果,K为无人机总数,w为由P决定的变量,Da(P,T,w)为化简后的总传输数据量;
分解所述简化最大化函数和所述约束条件,得到以所述无人机群的功率分配结果为自变量的第一模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr-1为第r-1次迭代下的T,wr为第r次迭代下的w;所述第一模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
以所述无人机群悬停时间分配结果为自变量的第二模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr为第r次迭代下的T,wr为第r次迭代下的w;所述第二模型对应的约束条件包括单个无人机通信能量约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件。
基于上述任一实施例,该装置中,所述对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果,具体包括:
求解所述第一模型,获取当前无人机群的功率分配结果;
若所述当前无人机群的功率分配结果和上一无人机群的功率分配结果不满足第一预设条件,则基于所述当前无人机群的功率分配结果迭代更新所述第二模型,并求解所述第二模型,获取当前无人机群悬停时间分配结果;否则,将所述当前无人机群的功率分配结果作为无人机群的功率分配结果,将所述第二模型中的上一无人机群悬停时间分配结果作为无人机群悬停时间分配结果。
基于上述任一实施例,该装置中,所述求解所述第一模型,获取当前无人机群的功率分配结果,具体包括:
将所述第一模型分解为以所述无人机群的功率分配结果为自变量的第三模型和以人为引入的松弛优化变量为自变量的第四模型;
所述第三模型中的最大化函数为:
上式中,Tr-1为第r-1次迭代下的T,Pt为第r次迭代下的第t次迭代的P,v为w决定的变量,vt-1为第r次迭代下的第t-1次迭代的v;所述第三模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
所述第四模型中的最大化函数为:
求解所述第三模型,获取此刻无人机群的功率分配结果;
若所述此刻无人机群的功率分配结果和上一刻无人机群的功率分配结果不满足第一预设条件,则基于所述此刻无人机群的功率分配结果迭代更新所述第四模型,并求解所述第四模型,获取此刻无人机松弛优化结果;否则,将所述此刻无人机群的功率分配结果作为当前无人机群的功率分配结果,将所述第二模型中的上一刻无人机松弛优化结果作为当前无人机松弛优化结果。
图4为本发明实施例提供的电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序,以执行上述各实施例提供的卫星无人机混合网络的频谱共享方法,例如包括:基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果;其中,所述无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,所述数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,所述约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件;基于所述无人机群的功率分配优化结果和所述无人机群悬停时间分配优化结果控制所述无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
此外,上述的存储器403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,本发明实施例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。
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卫星无人机混合网络的频谱共享方法,例如包括:基于无人机通信数据传输效率最大化模型,获取无人机群的功率分配优化结果与无人机群悬停时间分配优化结果;其中,所述无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,所述数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,所述约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件;基于所述无人机群的功率分配优化结果和所述无人机群悬停时间分配优化结果控制所述无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
以上所描述的系统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)
1.一种卫星无人机混合网络的频谱共享方法,其特征在于,包括:
通过如下公式表示无人机群的总数据量D(P,T):
上式中,P为无人机群的功率分配结果,T为无人机群悬停时间分配结果,Tn为无人机群在服务第n个无人机用户时的悬停时间,N为无人机用户总数,IM为单位矩阵,为高斯噪声功率,Ln和Sn分别为第n个无人机用户的大尺度信道信息和小尺度信道信息,Pn为无人机群在服务第n个无人机用户时的发射功率集合;
基于所述无人机群的总数据量,获取无人机通信数据传输效率公式De(P,T)如下:
De(P,T)=ES{D(P,T)}
其中,S={S1,...,SN}为所有小尺度信道信息的集合,ES{D(P,T)}为总传输数据量D(P,T)对小尺度信息的期望;
其中,所述无人机群的总数据量是基于每一无人机用户的大尺度信道信息表示的;
基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型;
将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型;
对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果;其中,所述无人机通信数据传输效率最大化模型包括数据传输效率最大化函数和约束条件,所述数据传输效率最大化函数的自变量包括无人机群的功率分配结果和无人机群悬停时间分配结果,所述约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件、单个无人机发射功率约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件;
基于所述无人机群的功率分配优化结果和所述无人机群悬停时间分配优化结果控制所述无人机群与卫星共用同一个频段服务无人机用户和卫星用户。
2.根据权利要求1所述的卫星无人机混合网络的频谱共享方法,其特征在于,所述基于所述无人机通信数据传输效率公式构建所述无人机通信数据传输效率最大化模型,具体包括:
无人机群信号对卫星用户的干扰约束条件:In,i(P)≤εp;
单个无人机发射功率约束条件:0≤pn,k≤pmax,n=1,...,N,k=1,...,K;
无人机群在单个用户上的最大悬停时间约束条件:0≤Tn≤Tmax,n=1,...,N;
其中,εp为表示干扰门限,pmax为任一无人机的最大发射功率,Tmax为任一无人机在单个用户上的最大悬停时间,Ttotal为最大总悬停时间,pn,k为第k个无人机在服务第n个无人机用户时的发射功率,K为无人机总数,Ek为第k个无人机能发出的最大通信能量,Tn为无人机群在服务第n个用户时的悬停时间,N为无人机用户总数;
无人机群在服务第n个无人机用户时对第i个卫星用户的干扰In,i(P)通过如下公式得到:
在服务第n个无人机用户时对第i个卫星用户的干扰hni通过如下公式得到:
hni=sniLni,n=1,...,N,i=1,...,Ns
其中,Ns为卫星用户总数,Lni=diag{lni,1,...,lni,K}。
3.根据权利要求1所述的卫星无人机混合网络的频谱共享方法,其特征在于,所述将所述无人机通信数据传输效率最大化模型分解为以所述无人机群的功率分配结果为自变量的第一模型和以所述无人机群悬停时间分配结果为自变量的第二模型,具体包括:
对所述数据传输效率最大化函数进行简化,得到简化最大化函数如下:
其中,P为功率分配结果,T为无人机群悬停时间分配结果,K为无人机总数,w为由P决定的变量,Da(P,T,w)为简化后的总传输数据量;
分解所述简化最大化函数和所述约束条件,得到以所述无人机群的功率分配结果为自变量的第一模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr-1为第r-1次迭代下的T,wr为第r次迭代下的w;所述第一模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
以所述无人机群悬停时间分配结果为自变量的第二模型中的最大化函数如下:
上式中,Pr为第r次迭代下的P,Tr为第r次迭代下的T,wr为第r次迭代下的w;所述第二模型对应的约束条件包括单个无人机通信能量约束条件、无人机群总悬停时间约束条件和无人机群在单个用户上的最大悬停时间约束条件。
4.根据权利要求3所述的卫星无人机混合网络的频谱共享方法,其特征在于,所述对所述第一模型和所述第二模型进行迭代求解,获取所述无人机群的功率分配结果和所述无人机群悬停时间分配结果,具体包括:
求解所述第一模型,获取当前无人机群的功率分配结果;
若所述当前无人机群的功率分配结果和上一无人机群的功率分配结果不满足第一预设条件,则基于所述当前无人机群的功率分配结果迭代更新所述第二模型,并求解所述第二模型,获取当前无人机群悬停时间分配结果;否则,将所述当前无人机群的功率分配结果作为无人机群的功率分配结果,将所述第二模型中的上一无人机群悬停时间分配结果作为无人机群悬停时间分配结果。
5.根据权利要求4所述的卫星无人机混合网络的频谱共享方法,其特征在于,所述求解所述第一模型,获取当前无人机群的功率分配结果,具体包括:
将所述第一模型分解为以所述无人机群的功率分配结果为自变量的第三模型和以人为引入的松弛优化变量为自变量的第四模型;
所述第三模型中的最大化函数为:
上式中,Tr-1为第r-1次迭代下的T,Pt为第r次迭代下的第t次迭代的P,v为w决定的变量,vt-1为第r次迭代下的第t-1次迭代的v;所述第三模型对应的约束条件包括无人机群信号对卫星用户的干扰约束条件、单个无人机通信能量约束条件和单个无人机发射功率约束条件;
所述第四模型中的最大化函数为:
求解所述第三模型,获取此刻无人机群的功率分配结果;
若所述此刻无人机群的功率分配结果和上一刻无人机群的功率分配结果不满足第一预设条件,则基于所述此刻无人机群的功率分配结果迭代更新所述第四模型,并求解所述第四模型,获取此刻无人机松弛优化结果;否则,将所述此刻无人机群的功率分配结果作为当前无人机群的功率分配结果,将所述第二模型中的上一刻无人机松弛优化结果作为当前无人机松弛优化结果。
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程序时实现如权利要求1-5中任一项所述的卫星无人机混合网络的频谱共享方法的步骤。
7.一种非暂态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1-5中任一项所述的卫星无人机混合网络的频谱共享方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172357.3A CN111405571B (zh) | 2020-03-12 | 2020-03-12 | 卫星无人机混合网络的频谱共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172357.3A CN111405571B (zh) | 2020-03-12 | 2020-03-12 | 卫星无人机混合网络的频谱共享方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111405571A CN111405571A (zh) | 2020-07-10 |
CN111405571B true CN111405571B (zh) | 2022-08-12 |
Family
ID=71436148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010172357.3A Active CN111405571B (zh) | 2020-03-12 | 2020-03-12 | 卫星无人机混合网络的频谱共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111405571B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112532310B (zh) * | 2020-12-21 | 2022-11-15 | 国网浙江省电力有限公司信息通信分公司 | 卫星应急通信与泛在卫星物联网频谱共享方法及装置 |
CN115361052B (zh) * | 2022-07-29 | 2023-07-25 | 南京邮电大学 | 一种兼顾能效和谱效的卫星波束成形方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6021309A (en) * | 1997-05-22 | 2000-02-01 | Globalstar L.P. | Channel frequency allocation for multiple-satellite communication network |
US9973261B1 (en) * | 2016-12-28 | 2018-05-15 | Echostar Technologies Llc | Rapidly-deployable, drone-based wireless communications systems and methods for the operation thereof |
CN109889302A (zh) * | 2019-03-29 | 2019-06-14 | 周波 | 对小型无人机的便携式三通道阻塞式干扰装置及方法 |
CN110083175A (zh) * | 2019-04-22 | 2019-08-02 | 清华大学 | 无人机编队网络协同调度方法及装置 |
CN110300417A (zh) * | 2019-05-09 | 2019-10-01 | 清华大学 | 无人机通信网络的能量效率优化方法和装置 |
-
2020
- 2020-03-12 CN CN202010172357.3A patent/CN111405571B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6021309A (en) * | 1997-05-22 | 2000-02-01 | Globalstar L.P. | Channel frequency allocation for multiple-satellite communication network |
US9973261B1 (en) * | 2016-12-28 | 2018-05-15 | Echostar Technologies Llc | Rapidly-deployable, drone-based wireless communications systems and methods for the operation thereof |
CN109889302A (zh) * | 2019-03-29 | 2019-06-14 | 周波 | 对小型无人机的便携式三通道阻塞式干扰装置及方法 |
CN110083175A (zh) * | 2019-04-22 | 2019-08-02 | 清华大学 | 无人机编队网络协同调度方法及装置 |
CN110300417A (zh) * | 2019-05-09 | 2019-10-01 | 清华大学 | 无人机通信网络的能量效率优化方法和装置 |
Non-Patent Citations (3)
Title |
---|
Aerial_Small_Cells_Using_Coordinated_Multiple_UAVs_An_Energy_Efficiency_Optimization_Perspective;Chengxiao Liu等;《IEEE Access》;20190830;全文 * |
无人机使能的空地协同信息分发优化技术;吴允桢等;《通信技术》;20190510(第05期);全文 * |
认知中继网络中的功率分配算法;唐小岚等;《数据采集与处理》;20200115(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111405571A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102034955B1 (ko) | 무선 통신 시스템에서 신경망 기반의 송신전력 제어 방법 및 장치 | |
CN110300417B (zh) | 无人机通信网络的能量效率优化方法和装置 | |
CN111405571B (zh) | 卫星无人机混合网络的频谱共享方法 | |
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 | |
CN111526592B (zh) | 一种用于无线干扰信道中的非协作多智能体功率控制方法 | |
CN110290542B (zh) | 海上无人机通信覆盖优化方法及系统 | |
CN111224905B (zh) | 一种大规模物联网中基于卷积残差网络的多用户检测方法 | |
CN113312177B (zh) | 一种基于联邦学习的无线边缘计算系统、优化方法 | |
US20220318412A1 (en) | Privacy-aware pruning in machine learning | |
CN107172701A (zh) | 一种非正交多址接入系统的功率分配方法 | |
US10455636B2 (en) | Link packing in mmWave networks | |
US11742901B2 (en) | Deep learning based beamforming method and apparatus | |
Jiao et al. | Deep reinforcement learning-based optimization for RIS-based UAV-NOMA downlink networks | |
CN114204971A (zh) | 一种迭代的聚合波束成形设计和用户设备选择方法 | |
CN110224782B (zh) | 一种基于主动干扰的无人机编队网络安全通信方法及系统 | |
CN115426635B (zh) | 一种不可靠传输场景下无人机通信网络推断方法及系统 | |
US20230246887A1 (en) | Training in Communication Systems | |
CN111669758B (zh) | 一种卫星无人机融合网络资源分配方法及装置 | |
US20240088952A1 (en) | Beamforming method and apparatus using deep neural network in wireless communication system | |
CN111741050A (zh) | 一种基于路边单元的数据分发方法及系统 | |
CN115834580B (zh) | 面向海洋大数据的分布式数据处理方法、装置和设备 | |
CN114745693B (zh) | 基于pso-ga混合算法的uav辅助车联网资源分配方法 | |
CN116634388B (zh) | 面向电力融合网络大数据边缘缓存与资源调度方法及系统 | |
US20230379949A1 (en) | Apparatus and method for signal transmission in wireless communication system | |
CN117202310A (zh) | mMTC场景中终端设备的接入方法、装置及网络设备 |
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 |