CN111510192A - 一种具有高能效的无人机多维资源管理方法 - Google Patents
一种具有高能效的无人机多维资源管理方法 Download PDFInfo
- Publication number
- CN111510192A CN111510192A CN202010202441.5A CN202010202441A CN111510192A CN 111510192 A CN111510192 A CN 111510192A CN 202010202441 A CN202010202441 A CN 202010202441A CN 111510192 A CN111510192 A CN 111510192A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- user
- energy efficiency
- speed
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种具有高能效的无人机多维资源管理方法,属于无线通信技术领域,具体包括以下步骤:确定用户类型;根据用户类型,选择无人机或地面基站为边缘或中心用户服务;无人机推进能耗大,建立联合无人机高度、速度、航迹半径和发射功率多维资源管理的优化能效模型;模型目标函数是非凸函数分解为四个子问题分别求解;功率求解使用Dinkelbach算法将分式优化问题转为减式优化问题,再利用拉格朗日和次梯度法求解优化变量;其余优化变量求解可利用函数导数与极值关系求得;重复上述步骤,判断目标函数是否收敛,若是,停止迭代,若否,重复上述步骤;本发明在保证用户通信质量的前提下,提高无人机网络辅助边缘用户的系统能效。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种具有高能效的无人机多维资源管理方法。
背景技术
无人机在军事和民用方面有广泛的应用,比如农业喷药,图像传输,快递运输和军事作战,由于无人机有灵活的移动性和一定的高度,在无人机在通信领域也发挥着越来越重要的作用。
目前无人机辅助通信网络有三种场景,无人机辅助中继、无人机辅助信息传播和数据收集以及无人机提供通信覆盖,但是无人机需要靠电池供电,能源非常有限;另外,近年来温室效应问题日益加剧,节能、减排成为了大势所趋,为了走绿色可持续发展道路,节能、减排已经成为通信行业研究的一个热点问题,也就是绿色通信,其中,无人机提供覆盖的场景包含两类,一种是由于自然灾害等突发情况,只有无人机基站提供紧急通信的场景;另外一种是无人机在流量密集的地区比如体育场等协助地面基站用用服务;在上述场景中,无人机与地面间的信道模型大多使用的是自由空间损耗模型,没有在系统能效优化问题中使用可视链路和非可视链路概率结合的信道模型,另外,能效优化仅考虑单变量优化或者部分变量的联合优化,考虑变量不全面,基于此,本发明结合无人机网络中通信的实际环境,使用一种高能效的多维资源联合分配方法提升系统能效。
Meng Hua等人在其发表的论文”Energy-Efficient Cooperative SecureTransmission in Multi-UAV-Enabled Wireless Networks”中提出了多无人机协作的节能安全传输方法。该方法的实施步骤是:步骤一为建立无人机的航迹,发射功率和用户调度关系;步骤二为建立目标函数为系统最大安全能效;步骤三为优化问题是非凸和混合的整数分数,将原始问题分解为3个子问题求解,该方法存在的不足之处是,在建立模型时没有考虑无人机的高度优化,且信道模型使用的不是符合无人机实际环境通信的信道模型。
Aunas Manzoor等人在论文”Energy Efficient Resource Allocation in UAV-based Heterogeneous Networks”中提出一种基于能效的无人机辅助异构网络的加权功率分配方法。该方法的实施步骤是:步骤一为使用启发方法,基于SINR级别得无人机基站和空中基站的比例权重;步骤二为建立目标函数为系统能耗,以速率和功率为约束条件;步骤三为根据步骤二所求得的解为基站发射功率最优解,该方法存在的不足之处是模型建立未考虑功率上限值约束,也没有考虑无人机高度、速度、航迹半径的优化。
发明内容
为解决上述背景技术中提出的问题。本发明提供了一种具有高能效的无人机多维资源管理方法,具有在流量密集的场景下可使用无人机为小区中的边缘用户服务,考虑到无人机靠电池供电能源有限,联合无人机的高度、速度、飞行半径和发射功率联合优化,提高无人机系统能效,提升了用户通信质量的特点。
为实现上述目的,本发明提供如下技术方案:一种具有高能效的无人机多维资源管理方法,具体包括以下步骤:
(1)确定无人机服务的用户:
(1a)按照下式,计算无人机航迹半径约束:
(1b)上式不等式若是成立,则用户k是无人机基站提供通信服务,考虑到无人机推进能耗远远大于地面基站的电路损耗,在地面基站服务半径固定的情况下,仅考虑无人机为网络中边缘用户服务时的系统能效;
(2)建立无人机高能效的多维资源管理模型:
上式中max表示求最大值操作,EE表示系统能效,∑表示求和操作,表达式表示无人机的推进能耗,无人机轨迹是半径为ru的圆,速度为v,g是重力加速度,c1和c2是空气动力学中的常数,w表示子载波带宽,puk表示无人机U给用户k分配的发射功率,huk表示无人机U和地面用户k链路间的信道功率增益,N0表示噪声功率谱密度;优化问题是非凸规划问题,分解为多个子变量的优化问题求解;
(3)无人机高度H优化:
(3a)无人机高度H作为优化的变量,确定地面用户与无人机间的仰角θ;
其中r表示无人机U的投影点与地面用户k的距离;
(3b)按照下式,计算无人机与地面用户k的可视链路概率PrLoS与非可视链路概率PrNLoS;
PrNLoS=1-PrLoS
上式中a和b是与环境有关的常数;
(3c)通过下式计算无人机与地面用户k的信道功率增益guk(H);
(3d)在无人机航迹半径、飞行速度以发射功率固定的条件下,要使能效最大,则无人机与用户k间的信道功率增益guk(H)应在无人机高度H的约束条件下,取得最大值,对应的高度,也就是无人机的最优高度;
Hmin≤H≤Hmax
上式中Hmin表示无人机的最小高度,Hmax表示无人机的最大高度;若无人机高度过高,路径损耗偏大,用户若能正常的接收信号,无人机需要更大的发射功率;若无人机高度低,可视链路的概率减小;当H0<Hmin时或者H0>Hmax时,无人机的最优高度应为Hmin;否则为H0;
(4)无人机速度v优化:
(4a)根据无人机自身能量的以及空气动力学等,无人机的飞行速度有一定的约束条件,满足下式:
Vmin≤v≤Vmax
上式中Vmin表示无人机U的最小飞行速度,Vmax表示无人机的最大飞行速度;
(4b)对等式E0关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E0′(v)=0处取得速度最小值,即极小值点为再结合(4a)中速度的限制,当无人机的速度v0<Vmin或者v0>Vmax时,无人机的最优速度为Vmin;否则为v0;
(5)无人机半径ru优化:
由能效模型中目标函数知,在无人机高度、飞行速度和发射功率固定条件下,无人机的能效EE要达到最大,那么目标函数中的分母第二项要取最小值,即
(5a)由于网络半径rG大小是固定的,地面基站服务中心用户的半径rg未知,无人机基站服务的是边缘用户,结合(1a)和rg+2ru=rG和关系可以确定ru约束;
(5b)对等式E1关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E0′(v)=0处取得速度最小值,即极小值点为再结合(5a)中航迹半径ru的限制,当无人机的速度ru<rumin或者ru>rumax时,无人机的最优飞行半径为rumin;否则为ru0;
(6)无人机发射功率puk优化:
在无人机高度、飞行速度和飞行半径固定条件下,优化无人机的发射无人机发射功率puk使得能效EE最大;
(6a)无人机为用户k提供通信服务时,其速度要大于用户接收端的速率阈值,用下面的式子表示;
上式中Rmin表示用户满足通信的速率阈值,Rk表示用户实际通信中达到的速率,上面不等式若成立则用户可正常通信,否则,通信中断;
(6b)在求系统能效EE时,由于目标函数非凸,不能直接用解决凸规划问题的方法求解,使用Dinkelbach算法将分式优化问题转换为减式优化问题,表达式如下;
(7)完成所有子问题中变量的优化,即基于能效的多维资源联合优化分配完成。
在本发明中进一步的,所述步骤(3c)中的指数函数和对数函数的泰勒近似展开求解,步骤如下:
③:利用三次不等式方程可求得无人机高度H。
在本发明中进一步的,所述步骤(6b)中的Dinkelbach算法,具体应用步骤如下:
①:初始化迭代次数iter和迭代次数最大值,无人机高度,速度,飞行半径和其趋于0的q;
②:判断|R(iter)-q(iter)(p(iter)+P)|<ε,其中ε表示前后两次迭代差值的大小;
③:如果上式中不等式成立,则q就是要求的系统能效值;否则,迭代次数加1,继续判断;
④:若迭代次数大于最大迭代次数或者不满足ε,退出迭代。
与现有技术相比,本发明的有益效果是:
1、本发明在无人机为边缘用户服务,地面基站为中心用户服务的场景下研究无人机系统能效的优化,考虑无人机多维资源联合优化的分配,克服了现有技术考虑单个或者部分变量优化的系统能效低问题,以及不符合实际通信环境的链路问题,使得本发明适用于体育场等热点地区流量密集的场景,提高了用户的体验质量。
2、本发明采用基于无人机系统能效联合多维资源优化的模型,高度优化过程中采用与实际通信环境更加符合的可视链路与非可视链路概率结合的模型,由于计算的复杂性使用泰勒公式近似求解;功率优化时,由于分子是凹函数,分母是仿射函数,难以直接用凸规划知识求解,使用Dinkelbach算法将分式优化问题转换为减式优化问题。
附图说明
图1为本发明的流程图。
图2为本发明实施例的场景图。
图3为本发明无人机速度随系统能效值改变的示意图。
图4为本发明无人机高度随系统能效值改变的示意图。
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做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。
实施例1
请参阅图1-4,本发明提供以下技术方案:一种具有高能效的无人机多维资源管理方法,具体包括以下步骤:
(1)确定无人机服务的用户:
(1a)按照下式,计算无人机航迹半径约束:
(1b)上式不等式若是成立,则用户k是无人机基站提供通信服务,考虑到无人机推进能耗远远大于地面基站的电路损耗,在地面基站服务半径固定的情况下,仅考虑无人机为网络中边缘用户服务时的系统能效;
(2)建立无人机高能效的多维资源管理模型:
上式中max表示求最大值操作,EE表示系统能效,∑表示求和操作,表达式表示无人机的推进能耗,无人机轨迹是半径为ru的圆,速度为v,g是重力加速度,c1和c2是空气动力学中的常数,w表示子载波带宽,puk表示无人机U给用户k分配的发射功率,huk表示无人机U和地面用户k链路间的信道功率增益,N0表示噪声功率谱密度;优化问题是非凸规划问题,分解为多个子变量的优化问题求解;
(3)无人机高度H优化:
(3a)无人机高度H作为优化的变量,确定地面用户与无人机间的仰角θ;
其中r表示无人机U的投影点与地面用户k的距离;
(3b)按照下式,计算无人机与地面用户k的可视链路概率PrLoS与非可视链路概率PrNLoS;
PrNLoS=1-PrLoS
上式中a和b是与环境有关的常数;
(3c)通过下式计算无人机与地面用户k的信道功率增益guk(H);
(3d)在无人机航迹半径、飞行速度以发射功率固定的条件下,要使能效最大,则无人机与用户k间的信道功率增益guk(H)应在无人机高度H的约束条件下,取得最大值,对应的高度,也就是无人机的最优高度;
Hmin≤H≤Hmax
上式中Hmin表示无人机的最小高度,Hmax表示无人机的最大高度;若无人机高度过高,路径损耗偏大,用户若能正常的接收信号,无人机需要更大的发射功率;若无人机高度低,可视链路的概率减小;当H0<Hmin时或者H0>Hmax时,无人机的最优高度应为Hmin;否则为H0;
(4)无人机速度v优化:
(4a)根据无人机自身能量的以及空气动力学等,无人机的飞行速度有一定的约束条件,满足下式:
Vmin≤v≤Vmax
上式中Vmin表示无人机U的最小飞行速度,Vmax表示无人机的最大飞行速度;
(4b)对等式E0关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E0′(v)=0处取得速度最小值,即极小值点为再结合(4a)中速度的限制,当无人机的速度v0<Vmin或者v0>Vmax时,无人机的最优速度为Vmin;否则为v0;
(5)无人机半径ru优化:
由能效模型中目标函数知,在无人机高度、飞行速度和发射功率固定条件下,无人机的能效EE要达到最大,那么目标函数中的分母第二项要取最小值,即
(5a)由于网络半径rG大小是固定的,地面基站服务中心用户的半径rg未知,无人机基站服务的是边缘用户,结合(1a)和rg+2ru=rG和关系可以确定ru约束;
(5b)对等式E1关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E0′(v)=0处取得速度最小值,即极小值点为再结合(5a)中航迹半径ru的限制,当无人机的速度ru<rumin或者ru>rumax时,无人机的最优飞行半径为rumin;否则为ru0;
(6)无人机发射功率puk优化:
在无人机高度、飞行速度和飞行半径固定条件下,优化无人机的发射无人机发射功率puk使得能效EE最大;
(6a)无人机为用户k提供通信服务时,其速度要大于用户接收端的速率阈值,用下面的式子表示;
上式中Rmin表示用户满足通信的速率阈值,Rk表示用户实际通信中达到的速率,上面不等式若成立则用户可正常通信,否则,通信中断;
(6b)在求系统能效EE时,由于目标函数非凸,不能直接用解决凸规划问题的方法求解,使用Dinkelbach算法将分式优化问题转换为减式优化问题,表达式如下;
(7)完成所有子问题中变量的优化,即基于能效的多维资源联合优化分配完成。
本实施例中,优选的,步骤(3c)中的指数函数和对数函数的泰勒近似展开求解,步骤如下:
③:利用三次不等式方程可求得无人机高度H。
本实施例中,优选的,步骤(6b)中的Dinkelbach算法,具体应用步骤如下:
①:初始化迭代次数iter和迭代次数最大值,无人机高度,速度,飞行半径和其趋于0的q;
②:判断|R(iter)-q(iter)(p(iter)+P)|<ε,其中ε表示前后两次迭代差值的大小;
③:如果上式中不等式成立,则q就是要求的系统能效值;否则,迭代次数加1,继续判断;
④:若迭代次数大于最大迭代次数或者不满足ε,退出迭代。
本实施例的工作原理:(1)确定无人机服务的用户:
(1a)按照下式,计算无人机航迹半径约束:
(1b)上式不等式若是成立,则用户k是无人机基站提供通信服务,考虑到无人机推进能耗远远大于地面基站的电路损耗,在地面基站服务半径固定的情况下,仅考虑无人机为网络中边缘用户服务时的系统能效;
(2)建立无人机高能效的多维资源管理模型:
上式中max表示求最大值操作,EE表示系统能效,∑表示求和操作,表达式表示无人机的推进能耗,无人机轨迹是半径为ru的圆,速度为v,g是重力加速度,c1和c2是空气动力学中的常数,w表示子载波带宽,puk表示无人机U给用户k分配的发射功率,huk表示无人机U和地面用户k链路间的信道功率增益,N0表示噪声功率谱密度;优化问题是非凸规划问题,分解为多个子变量的优化问题求解;
(3)无人机高度H优化:
(3a)无人机高度H作为优化的变量,确定地面用户与无人机间的仰角θ;
其中r表示无人机U的投影点与地面用户k的距离;
(3b)按照下式,计算无人机与地面用户k的可视链路概率PrLoS与非可视链路概率PrNLoS;
PrNLoS=1-PrLoS
上式中a和b是与环境有关的常数;
(3c)通过下式计算无人机与地面用户k的信道功率增益guk(H);
(3d)在无人机航迹半径、飞行速度以发射功率固定的条件下,要使能效最大,则无人机与用户k间的信道功率增益guk(H)应在无人机高度H的约束条件下,取得最大值,对应的高度,也就是无人机的最优高度;
Hmin≤H≤Hmax
上式中Hmin表示无人机的最小高度,Hmax表示无人机的最大高度;若无人机高度过高,路径损耗偏大,用户若能正常的接收信号,无人机需要更大的发射功率;若无人机高度低,可视链路的概率减小;当H0<Hmin时或者H0>Hmax时,无人机的最优高度应为Hmin;否则为H0;
(4)无人机速度v优化:
(4a)根据无人机自身能量的以及空气动力学等,无人机的飞行速度有一定的约束条件,满足下式:
Vmin≤v≤Vmax
上式中Vmin表示无人机U的最小飞行速度,Vmax表示无人机的最大飞行速度;
(4b)对等式E0关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E0′(v)=0处取得速度最小值,即极小值点为再结合(4a)中速度的限制,当无人机的速度v0<Vmin或者v0>Vmax时,无人机的最优速度为Vmin;否则为v0;
(5)无人机半径ru优化:
由能效模型中目标函数知,在无人机高度、飞行速度和发射功率固定条件下,无人机的能效EE要达到最大,那么目标函数中的分母第二项要取最小值,即
(5a)由于网络半径rG大小是固定的,地面基站服务中心用户的半径rg未知,无人机基站服务的是边缘用户,结合(1a)和rg+2ru=rG和关系可以确定ru约束;
(5b)对等式E1关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E0′(v)=0处取得速度最小值,即极小值点为再结合(5a)中航迹半径ru的限制,当无人机的速度ru<rumin或者ru>rumax时,无人机的最优飞行半径为rumin;否则为ru0;
(6)无人机发射功率puk优化:
在无人机高度、飞行速度和飞行半径固定条件下,优化无人机的发射无人机发射功率puk使得能效EE最大;
(6a)无人机为用户k提供通信服务时,其速度要大于用户接收端的速率阈值,用下面的式子表示;
上式中Rmin表示用户满足通信的速率阈值,Rk表示用户实际通信中达到的速率,上面不等式若成立则用户可正常通信,否则,通信中断;
(6b)在求系统能效EE时,由于目标函数非凸,不能直接用解决凸规划问题的方法求解,使用Dinkelbach算法将分式优化问题转换为减式优化问题,表达式如下;
(7)完成所有子问题中变量的优化,即基于能效的多维资源联合优化分配完成;
本发明可通过以下仿真实验结果进一步说明:
1.仿真实验的条件
仿真工具是matlab2014,在固定半径大小中有地面基站和无人机基站,地面基站为中心用户服务,无人机基站为边缘用户服务,由于无人机的推进能耗远大于地面基站的电路损耗,所以本发明主要考虑无人机系统能效。仿真参数如下表所示:
参数(Parameter) | 值(Value) |
半径大小(m) | 500 |
信道带宽(MHz) | 1 |
噪声功率谱密度(dBm/Hz) | -174 |
无人机最大发射功率(w) | 5 |
c1 | 9.26*10^(-4) |
c2 | 2250 |
a | 0.136 |
b | 11.95 |
2.仿真实验内容及分析
由附图3可知,横坐标表示无人机的速度,纵坐标表示系统能限值,三角形曲线代表本发明所提出的方法,圆形曲线代表传统方法,从图中曲线可以得出本发明系统能效大于传统的,且在速度大于为40m/s时,系统能效值最大;
由附图4可知,从曲线可看出系统能效随着无人机高度的增加是先增大后减小,而不是大多采用的自由空间损耗下高度增加,能效减小,本发明的信道模型更适合无人机通信的实际环境,综上,本发明是有效的。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种具有高能效的无人机多维资源管理方法,具体包括以下步骤:
(1)确定无人机服务的用户:
(1a)按照下式,计算无人机航迹半径约束:
(1b)上式不等式若是成立,则用户k是无人机基站提供通信服务,考虑到无人机推进能耗远远大于地面基站的电路损耗,在地面基站服务半径固定的情况下,仅考虑无人机为网络中边缘用户服务时的系统能效;
(2)建立无人机高能效的多维资源管理模型:
上式中max表示求最大值操作,EE表示系统能效,∑表示求和操作,表达式表示无人机的推进能耗,无人机轨迹是半径为ru的圆,速度为v,g是重力加速度,c1和c2是空气动力学中的常数,w表示子载波带宽,puk表示无人机U给用户k分配的发射功率,huk表示无人机U和地面用户k链路间的信道功率增益,N0表示噪声功率谱密度;优化问题是非凸规划问题,分解为多个子变量的优化问题求解;
(3)无人机高度H优化:
(3a)无人机高度H作为优化的变量,确定地面用户与无人机间的仰角θ;
其中r表示无人机U的投影点与地面用户k的距离;
(3b)按照下式,计算无人机与地面用户k的可视链路概率PrLoS与非可视链路概率PrNLoS;
PrNLoS=1-PrLoS
上式中a和b是与环境有关的常数;
(3c)通过下式计算无人机与地面用户k的信道功率增益guk(H);
(3d)在无人机航迹半径、飞行速度以发射功率固定的条件下,要使能效最大,则无人机与用户k间的信道功率增益guk(H)应在无人机高度H的约束条件下,取得最大值,对应的高度,也就是无人机的最优高度;
Hmin≤H≤Hmax
上式中Hmin表示无人机的最小高度,Hmax表示无人机的最大高度;若无人机高度过高,路径损耗偏大,用户若能正常的接收信号,无人机需要更大的发射功率;若无人机高度低,可视链路的概率减小;当H0<Hmin时或者H0>Hmax时,无人机的最优高度应为Hmin;否则为H0;
(4)无人机速度v优化:
(4a)根据无人机自身能量的以及空气动力学等,无人机的飞行速度有一定的约束条件,满足下式:
Vmin≤v≤Vmax
上式中Vmin表示无人机U的最小飞行速度,Vmax表示无人机的最大飞行速度;
(4b)对等式E0关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E′0(v)=0处取得速度最小值,即极小值点为再结合(4a)中速度的限制,当无人机的速度v0<Vmin或者v0>Vmax时,无人机的最优速度为Vmin;否则为v0;
(5)无人机半径ru优化:
由能效模型中目标函数知,在无人机高度、飞行速度和发射功率固定条件下,无人机的能效EE要达到最大,那么目标函数中的分母第二项要取最小值,即
(5a)由于网络半径rG大小是固定的,地面基站服务中心用户的半径rg未知,无人机基站服务的是边缘用户,结合(1a)和rg+2ru=rG和关系可以确定ru约束;
(5b)对等式E1关于变量速度v分别求一阶导数和二阶导数,结果分别如下式;
由于二阶导数非负,函数是凸函数,可以在E′0(v)=0处取得速度最小值,即极小值点为再结合(5a)中航迹半径ru的限制,当无人机的速度ru<rumin或者ru>rumax时,无人机的最优飞行半径为rumin;否则为ru0;
(6)无人机发射功率puk优化:
在无人机高度、飞行速度和飞行半径固定条件下,优化无人机的发射无人机发射功率puk使得能效EE最大;
(6a)无人机为用户k提供通信服务时,其速度要大于用户接收端的速率阈值,用下面的式子表示;
上式中Rmin表示用户满足通信的速率阈值,Rk表示用户实际通信中达到的速率,上面不等式若成立则用户可正常通信,否则,通信中断;
(6b)在求系统能效EE时,由于目标函数非凸,不能直接用解决凸规划问题的方法求解,使用Dinkelbach算法将分式优化问题转换为减式优化问题,表达式如下;
(7)完成所有子问题中变量的优化,即基于能效的多维资源联合优化分配完成。
3.根据权利要求1所述的一种具有高能效的无人机多维资源管理方法,其特征在于:所述步骤(6b)中的Dinkelbach算法,具体应用步骤如下:
①:初始化迭代次数iter和迭代次数最大值,无人机高度,速度,飞行半径和其趋于0的q;
②:判断|R(iter)-q(iter)(p(iter)+P)|<ε,其中ε表示前后两次迭代差值的大小;
③:如果上式中不等式成立,则q就是要求的系统能效值;否则,迭代次数加1,继续判断;
④:若迭代次数大于最大迭代次数或者不满足ε,退出迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202441.5A CN111510192A (zh) | 2020-03-20 | 2020-03-20 | 一种具有高能效的无人机多维资源管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202441.5A CN111510192A (zh) | 2020-03-20 | 2020-03-20 | 一种具有高能效的无人机多维资源管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111510192A true CN111510192A (zh) | 2020-08-07 |
Family
ID=71874140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010202441.5A Pending CN111510192A (zh) | 2020-03-20 | 2020-03-20 | 一种具有高能效的无人机多维资源管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111510192A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034981A (zh) * | 2021-04-14 | 2021-06-25 | 北京航空航天大学 | 一种不确定信道环境中多中继无人机航迹规划方法、系统及存储介质 |
CN113238570A (zh) * | 2021-05-25 | 2021-08-10 | 北京科技大学 | 基于任务优先级的太阳能无人机飞行管理与控制方法 |
CN117295077A (zh) * | 2023-11-24 | 2023-12-26 | 北京航空航天大学 | 一种多小区协同多址地空数据传输方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160046387A1 (en) * | 2014-08-18 | 2016-02-18 | Sunlight Photonics Inc. | Methods and apparatus for a distributed airborne wireless communications fleet |
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108990158A (zh) * | 2018-07-12 | 2018-12-11 | 南昌大学 | 基于二元加载机制下无人机充电边缘计算网络的资源分配方法 |
CN109275094A (zh) * | 2018-11-02 | 2019-01-25 | 北京邮电大学 | 一种高能效无人机覆盖点连续覆盖方法和装置 |
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 |
-
2020
- 2020-03-20 CN CN202010202441.5A patent/CN111510192A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160046387A1 (en) * | 2014-08-18 | 2016-02-18 | Sunlight Photonics Inc. | Methods and apparatus for a distributed airborne wireless communications fleet |
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108990158A (zh) * | 2018-07-12 | 2018-12-11 | 南昌大学 | 基于二元加载机制下无人机充电边缘计算网络的资源分配方法 |
CN109275094A (zh) * | 2018-11-02 | 2019-01-25 | 北京邮电大学 | 一种高能效无人机覆盖点连续覆盖方法和装置 |
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 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034981A (zh) * | 2021-04-14 | 2021-06-25 | 北京航空航天大学 | 一种不确定信道环境中多中继无人机航迹规划方法、系统及存储介质 |
CN113238570A (zh) * | 2021-05-25 | 2021-08-10 | 北京科技大学 | 基于任务优先级的太阳能无人机飞行管理与控制方法 |
CN117295077A (zh) * | 2023-11-24 | 2023-12-26 | 北京航空航天大学 | 一种多小区协同多址地空数据传输方法 |
CN117295077B (zh) * | 2023-11-24 | 2024-02-13 | 北京航空航天大学 | 一种多小区协同多址地空数据传输方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhan et al. | Energy minimization in Internet-of-Things system based on rotary-wing UAV | |
CN111510192A (zh) | 一种具有高能效的无人机多维资源管理方法 | |
CN109067490B (zh) | 蜂窝网联下多无人机协同移动边缘计算系统资源分配方法 | |
CN109286913B (zh) | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 | |
WO2022160554A1 (zh) | 高能效无人机绿色数据采集系统设计方法 | |
Ye et al. | Optimization for wireless-powered IoT networks enabled by an energy-limited UAV under practical energy consumption model | |
CN110213826A (zh) | 一种非理想信道下异构携能通信网络鲁棒资源分配方法 | |
CN113625751B (zh) | 面向空地一体联邦学习的无人机位置与资源联合优化方法 | |
CN113625761B (zh) | 一种通信任务驱动的多无人机路径规划方法 | |
Wu et al. | 3D aerial base station position planning based on deep Q-network for capacity enhancement | |
CN108834049A (zh) | 无线供能通信网络及确定其工作状态的方法、装置 | |
CN212785420U (zh) | 一种基于云边协同和5g网络的无人机巡检系统 | |
CN112564767A (zh) | 无人机网络中基于自组织优化协作的连续覆盖方法 | |
Qin et al. | Joint trajectory plan and resource allocation for UAV-enabled C-NOMA in air-ground integrated 6 G heterogeneous network | |
CN108599831A (zh) | 一种云无线接入网的鲁棒波束成型设计方法 | |
CN113613198A (zh) | 无人机辅助的无线携能d2d网络资源分配方法 | |
Demir et al. | Energy-efficient rotary-wing UAV deployment under flight dynamics and QoS constraints | |
Wu et al. | An FSO-based drone charging system for emergency communications | |
CN115002800A (zh) | 一种无人机辅助的noma反向散射通信系统和速率最大化方法 | |
Ali et al. | Dynamic aerial wireless power transfer optimization | |
CN113473580A (zh) | 异构网络中基于深度学习的用户关联联合功率分配策略 | |
Wang et al. | An efficient and robust UAVs’ path planning approach for timely data collection in wireless sensor networks | |
Tiwari et al. | Performance analysis of UABS assisted heterogeneous network for disaster management | |
CN113179126B (zh) | 联合自由空间激光回程和能量传输的多播无人机通信系统 | |
Xu et al. | Energy optimization in multi-UAV-assisted edge data collection system |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200807 |
|
WD01 | Invention patent application deemed withdrawn after publication |