CN111556460A - 非理想毫米波无线供电通信无人机网络的功率分配方法 - Google Patents
非理想毫米波无线供电通信无人机网络的功率分配方法 Download PDFInfo
- Publication number
- CN111556460A CN111556460A CN202010350962.5A CN202010350962A CN111556460A CN 111556460 A CN111556460 A CN 111556460A CN 202010350962 A CN202010350962 A CN 202010350962A CN 111556460 A CN111556460 A CN 111556460A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- probability
- user
- ideal
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004891 communication Methods 0.000 title claims abstract description 40
- 230000014509 gene expression Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000005571 horizontal transmission Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/001—Energy harvesting or scavenging
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/20—Circuit arrangements or systems for wireless supply or distribution of electric power using microwaves or radio frequency waves
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种非理想毫米波无线供电通信无人机网络的功率分配方法,基于考虑的非理想毫米波的无线供电通信无人机网络,先得到该模型的能量覆盖概率表达式和信息覆盖概率表达式,然后根据实际需求问题得到一个功率分配系数的优化问题,接着求解该优化问题,最后得到符合要求的最优功率分配系数。本发明给出了在包含非理想硬件和非理想波束条件下的毫米波无人机无线供能通信网络的最优功分系数的求解方法,提高了网络的效率。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种非理想毫米波无线供电通信无人机网络的功率分配方法。
背景技术
在无线供电通信网络中,部署的基站和用户以及网络中其它节点的位置很大程度决定了整个网络的特性。一般利用随机几何的方法来建模网络中的节点,从而根据推导出的表征系统性能的表达式来衡量网络的性能好坏。无线供电是从环境中的射频信号中收集能量从而保证节点的寿命。但它的一个比较大的缺点是效率比较低,收集到的电量一般都在毫瓦级别。毫米波具有高度定向天线阵列,但极易受障碍物影响;无人机网络由于其高度原因,链路不受障碍物影响的概率较高,同时灵活性很高,可以提高网络的性能。
在能量收集过程中,过往的研究主要研究能量收集是从专门布置的能量源网络中收集能量的,很少考虑到环境中存在同频的射频信号也可以作为能量源。同时,在信息传输阶段,毫米波设备极易受障碍物影响,使用廉价设备也很容易存在硬件损伤的影响,对于网络的性能会造成影响。
目前的研究中,还没有关于硬件损伤噪声对无人机毫米波系统的影响的工作。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种非理想毫米波无线供电通信无人机网络的功率分配方法,假设残余失真噪声服从循环对称复高斯随机变量,与平均信号功率成正比,通过一个误差矢量级(Error Vector Magnitude,EVM)参数表示失真程度,提高了用户收集能量的效率,解决了在实际非理想毫米波无线供电通信无人机网络建设中,设置最优的接收机功率分配系数的问题。
本发明采用以下技术方案:
非理想毫米波无线供电通信无人机网络的功率分配方法,包括以下步骤:
S1、无人机和地面用户端组成非理想毫米波无线供电通信网络,无人机向地面用户端发射信号,地面用户端将接收到的信号根据功分系数分配,一部分转化为能量用于自身信息传输和其它操作,另一部分用于信息解码获得信息;
S2、采用基于余弦函数的一种近似天线模型确定发射机的定向天线增益,根据非关联波束增益的模型确定非关联链路波束增益的概率密度函数;
S3、基于考虑的毫米波无人机网络模型,求解得到包含收发机硬件损伤噪声的信息覆盖概率,信息覆盖概率表达式中包含功分系数;
S4、基于考虑的网络模型,求解得到包含收发机硬件损伤噪声的能量覆盖概率,能量覆盖概率表达式中包含功分系数;
S5、基于考虑的非理想毫米波无人机网络模型,得到的信息覆盖概率和能量覆盖概率表达式,在保证能量覆盖概率大于设定值的条件下,计算得到信息覆盖概率最大的功分系数ρ*作为功分系数的最优值,优化系统性能。
具体的,步骤S1具体为:
S101、假设无人机分布在高度为hv的平面上,水平坐标为v,并且在平面上服从一个强度为λ的齐次泊松点过程Φ,用户的高度为hu,水平坐标为u,每个无人机的三维坐标可以分别表示为V=(v,hv),U=(u,hu), 表示三维空间,表示二维平面,随机选择一个地面用户作为典型用户并设典型用户位于原点,用户与其对应的关联无人机通信,关联无人机坐标为V0=(v0,hv),典型用户与其关联的无人机的水平距离为r0=||v0||;
S102、对于一个坐标为V=(v,hv)的无人机,它服务的用户位置为U=(u,hu),则两者之间的水平传输距离为z=||v-u||;当水平传输距离为z时,根据链路视距概率PL(δ(z))确定基于毫米波的无人机无线供电通信网络的路径损耗函数L(z),δ(z)是一个关于水平传输距离的函数, 表示向下取整,λa表示障碍物的密度,λb表示建筑物区域在研究区域的占比;
S103、考虑每条链路的信道为Nakagami信道,每条链路的小尺度增益服从不同参数的独立的伽马分布,无人机获得由于信道反馈受限导致的非理想估计信道状态信息,确定关联无人机的信道。
进一步的,步骤S102中,链路视距概率为:
其中,hv为无人机的高度;hu为用户的高度;Δh为无人机与用户的高度差,Δh=||hv-hu||;每个建筑物的高度是服从尺度参数为∈的瑞利分布的随机变量;基于毫米波的无人机无线供电通信网络的路径损耗函数表示为:
其中,为一个成功概率为t的伯努利随机变量;PL(δ)是视距概率;CL是视距路径损耗截距;z为无人机与用户的水平距离;Δh为无人机与用户的高度差;αL是视距路径损耗指数;CN是视距路径损耗截距;αN是视距路径损耗指数。
进一步的,步骤S103中,关联无人机的信道h为:
具体的,步骤S2中,非关联链路波束增益的概率密度函数为
具体的,步骤S3中,根据实际测量结果,将硬件失真噪声建模为与平均信号功率成比例的高斯分布变量,得到典型用户接收到的信号y;定义信干噪比覆盖概率为一个典型用户接收到的信干噪比大于一个预定义阈值γth的概率,确定信干噪比覆盖概率Pcov(γth);利用非关联链路波束增益的概率密度函数对波束增益求平均;得到用户关联视距无人机条件下,条件信息覆盖概率的结果。
a=M(M!)-1/M
其中,M为关联链路小尺度增益的伽马分布参数;m为从1到M的整数值;s为拉普拉斯变换的参数,γth为预定义信息门限,C0为关联链路路径损耗截距,r0为关联链路距离,G0为关联链路波束增益,α0为关联链路路径损耗指数,k为无人机与用户硬件损伤的程度,τ为关联无人机的信道估计的质量,τ∈[0,1];e为指数项;Nnormal为标准化后的噪声功率;为干扰的拉普拉斯变换;为信道估计误差的拉普拉斯变换。
具体的,步骤S4中,典型用户接收到的能量为S,令S1和S2分别表示从关联无人机和其它非关联无人机接收到的功率,计算能量覆盖概率能量接收门限为Sth,然后分别求解S1和S2的拉普拉斯变换,得到包含功分系数的条件能量覆盖概率表达式为:
其中,N为伪伽马随机变量的参数;令β=N(N!)1/N;ξ是线性能量转换效率,ξ∈[0,1];ρ是功分系数;Sth是能量接收门限;为S1的拉普拉斯变换形式;为S2的拉普拉斯变换形式;两者的拉普拉斯变换形式分别为
其中
其中,为S1的拉普拉斯变换,为S2的拉普拉斯变换,μ为与功分系数有关的变量,λ为无人机的密度,Nt为天线数量,Pt为无人机发射功率,PL(δ)为视距概率,CL为视距路径损耗截距,z为水平传输距离,Δh为无人机与用户的高度差,αL为视距路径损耗指数,G0为关联链路波束增益,NL为视距小尺度增益参数,kt为无人机硬件损伤程度的参数,为视距无人机干扰的拉普拉斯变换,为自定义的函数形式,为整数集,R为无人机与用户之间距离的平方,3F2(·)为广义超几何函数,a(δ),b(δ)为积分范围的边界,为自定义的函数形式,NN为非视距小尺度增益参数,CN为非视距路径损耗截距,αN为非视距路径损耗指数。
具体的,步骤S5具体为:
S501、根据约束条件得到功分系数的取值范围,第一步问题转换为根据Ps L(ρ)-P0≥0求出ρ的范围,根据方程Ps L(ρ)-P0=0求解得到功分系数的边界值;
S502、求出使得目标函数一阶导数,再求解得到目标函数的二阶导数,给出最后利用有约束的牛顿迭代法得到最优解ρ*。
进一步的,根据权利要求9所述的非理想毫米波无线供电通信无人机网络的功率分配方法,其特征在于,优化问题描述为:
s.t.Ps L(ρ)≥P0
与现有技术相比,本发明至少具有以下有益效果:
本发明一种非理想毫米波无线供电通信无人机网络的功率分配方法,考虑一个无人机和地面用户端组成的非理想毫米波无线供电通信网络。利用随机几何的空间点过程建模无人机和地面用户的位置,设为齐次泊松点过程,无人机和用户两端的设备因为电路原因在传输信号的过程中存在硬件损伤,考虑这个非理想因素的情况下,同时考虑到存在信道估计误差的情况。基于以上,无人机向地面用户端发射信号,地面用户端将接收到的信号根据功分系数分配,一部分转化为能量用于自身信息传输和其它操作,另一部分用于信息解码获得信息;基于以上推导出地面用户的能量覆盖概率和信息覆盖概率,其中都包含功分系数,也就是说,功分系数会影响系统的能量覆盖概率和信息覆盖概率,即整个系统的整体性能。
进一步的,考虑毫米波特殊的信道特征,利用其独特的障碍物模型,并考虑对应的视距和非视距情况下不同的路径损耗,为实际毫米波网络的设置提供指导。
进一步的,考虑一个符合实际的波束增益模型,同时也能更好的进行数学分析,为系统性能的优化提供一些有意义的指导。并考虑到波束不对准对实际通信的影响。
进一步的,基于考虑的非理想毫米波无人机网络模型,考虑从无人机和地面用户的硬件损伤影响下,求解得到包含收发机硬件损伤噪声的信息覆盖概率,信息覆盖概率表达式中包含功分系数。
进一步的,对于一个无线供电通信网络来说,除了评估信息覆盖的性能之外,能量覆盖的性能也是一个衡量系统性能的重要指标。基于非理想的条件,求解得到包含收发机硬件损伤噪声的能量覆盖概率,能量覆盖概率表达式中包含功分系数。
进一步的,在包含非理想硬件,非理想波束的毫米波无人机网络中,优化功分系数,提高整体网络性能;在保证要求的能量覆盖性能的前提下,即能量覆盖概率大于一定值,调整功分系数,使得信息覆盖概率尽可能得最大,提供优化算法寻找使信息覆盖概率最大的功分系数,即为功分系数的最优值。我们利用基于前面步骤得到的表征系统性能的表达式,求解该优化问题,并给出该优化问题的解决方案,最后得到最优的功分系数,为实际网络的设计提供指导。
综上所述,本发明给出了在包含非理想硬件和非理想波束条件下的毫米波无人机无线供能通信网络的最优功分系数的求解方法,提高了网络的效率。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的系统模型图;
图2为信息覆盖概率关于接收门限的关系图。
具体实施方式
本发明提供了一种非理想毫米波无线供电通信无人机网络的功率分配方法,基于考虑的非理想毫米波的无线供电通信无人机网络,先得到该模型的能量覆盖概率表达式和信息覆盖概率表达式,然后根据实际需求问题得到一个功率分配系数的优化问题,接着求解该优化问题,最后得到符合要求的最优功率分配系数。
接收机是功分结构,即用户将收集到的信号一部分转换为能量作为自身使用,另一部分作为信息信号解码。用功分系数分配转换为能量信号和信息信号的比例,基于以上,寻找最优的功分系数,在保证能量覆盖概率的要求下,使得系统信息覆盖概率最大。
本发明一种非理想毫米波无线供电通信无人机网络的功率分配方法,包括以下步骤:
S1、考虑一个通用的随机几何网络模型,由无人机,地面用户组成的非理想毫米波无线供电通信网络。无人机向地面用户发射信号,用户端将接收到的信号根据功分系数分配,一部分转化为能量用于自身信息传输和其它操作,另一部分用于信息解码获得信息。
S101、假设无人机分布在高度为hv的平面上,水平坐标为v,并且在平面上服从一个强度为λ的齐次泊松点过程Φ,用户的高度为hu,水平坐标为u,每个无人机的三维坐标可以分别表示为V=(v,hv),U=(u,hu), 表示三维空间,表示二维平面,随机选择一个地面用户作为典型用户并设典型用户位于原点,用户与其对应的关联无人机通信,关联无人机坐标为V0=(v0,hv),典型用户与其关联的无人机的水平距离为r0=||v0||。
S102、毫米波信道与传统低频信道主要的区别之一在于障碍物效应,毫米波信号更易受障碍物影响,因此障碍物的建模在无人机毫米波网络中是很重要的。由于无人机一般远高于地面用户,因此考虑采用一个包含高度信息的三维障碍物模型。假设障碍物(建筑物)的密度为λb,建筑物区域在研究区域的占比为λa,每个建筑物的高度是服从尺度参数为∈的瑞利分布的随机变量。
对于一个坐标为V=(v,hv)的无人机,它服务的用户位置为U=(u,hu),则两者之间的水平传输距离为z=||v-u||。基于采用的障碍物模型,z可以被分成参数为δ的多段范围,(表示向下取整),(表示非负整数的集合)因此,当水平传输距离为z时,链路视距概率为:
其中,hv为无人机的高度;hu为用户的高度;Δh为无人机与用户的高度差,Δh=|hv-hu|。用δ代替δ(z),然后根据上式,得到非视距概率为PN(δ)=1-PL(δ)。
根据一些毫米波通信的传播测量工作得到的数据,假设一条水平传输距离为z的链路,路径损耗截距为Cs,路径损耗指数为αs,s∈{L,N}分别表示链路是视距传输状态和非视距传输状态;那么基于毫米波的无人机无线供电通信网络的路径损耗函数表示为:
S103、在实际系统中,收发机与散射体的移动是很常见的行为,这样就会导致原本学习估计得到的信道与用于预编码或检测的信道发生变化,这叫做信道衰老。此外,信道反馈不准确或者估计算法的不精确性,都可能导致发射机端可用的信道状态信息与实际信道存在偏差。本发明中考虑非理想的信道状态信息(信道状态信息)。因为毫米波对于传播环境是非常敏感的,所以在研究中考虑非理想信道估计是相当有意义的。
考虑每条链路的信道为Nakagami信道,这是一个通用的小尺度衰落模型,包含了常用的瑞利衰落信道。因此每条链路的小尺度增益服从不同参数的独立的伽马分布。无人机可获得由于信道反馈受限导致的非理想估计信道状态信息。因此,关联无人机的信道为
S2、根据毫米波的特性,毫米波设备一般配备高度定向天线阵列,因此会有定向波束增益。考虑一个多输入单输出的系统。位于v的无人机到地面典型用户的传输信道上,需要考虑三维天线模型,对应的方位角和俯仰角分别用θv和φv表示,注意θv∈(-π,π],φv∈(-π/2,π/2],为了方便分析,考虑简化天线模型,即研究在固定一个俯仰角φ的情况下的天线增益分布。实际天线阵列增益可由Fejér kernel简单表示,但是由于分子分母都包含正弦函数,无法进行下一步分析,因此采用基于余弦函数的一种近似天线模型,称之为余弦天线模型,发射机的定向天线增益表示为:
其中,x∈(-1,1],Nt表示天线数量。
根据波束模型,得到非关联波束增益的概率密度函数为,已知x∈(-1,1],均匀分布,故其概率密度函数为:
S201、先求波束增益的累积分布函数为FG(g)
g<0,FG(g)=0
g>1,FG(g)=1
S202、对波束增益的累积分布函数求导,可得非关联链路波束增益的概率密度函数为
S3、基于考虑的毫米波无人机网络模型,求解得到包含收发机硬件损伤噪声的信息覆盖概率,信息覆盖概率表达式中包含功分系数。
尽管收发机两端会实现消除噪声的解决方案,但为了经济效益,实际网络设备中采用的低廉设备仍会产生HI(硬件损伤)问题,这将导致发射机预期发射信号和实际发射的信号会存在不完全匹配的情况,接收机端接收的信号会因此出现失真,最终对网络系统性能产生影响。在大多数工作中,基本都假设收发机硬件是理想的,也就是说并没有考虑收发机设备的硬件损伤问题,这样会使得理论结果与实际存在偏差。因为在实际网络设计中,需要将硬件损伤问题考虑在内。
根据实际测量结果,将硬件失真噪声建模为与平均信号功率成比例的高斯分布变量。假设所有无人机的发射功率相同,均为Pt,则典型用户接收到的信号为
其中,ρ为功分系数;s为发射信号,平均功率为∈0为收发机残余失真噪声, 表示复合HI的程度(参数kt和kr描述了无人机与用户的HI程度,在实际应用中满足EVM);si为干扰信号,平均功率为∈i为干扰链路上收发机的HI噪声,w为高斯噪声,
LTE标准提供了kt和kr的范围大致为[0.08,0.175],但在毫米波系统中鼓励使用廉价设备,因此本发明中考虑的相关参数将会更大。因此在考虑HI的系统中,典型用户接收到的信干噪比为:
其中,ρ为功分系数,Pt为无人机发射功率,C0是关联链路路径损耗截距,r0为关联链路距离,G0为关联链路波束增益,α0是关联链路路径损耗指数,H0为关联信道增益,H0=|h0|2;Hi为干扰信道增益,Hi=|hi|2;Cs是干扰链路路径损耗截距,ri为干扰链路距离,Gi为干扰链路的波束增益。
定义信干噪比覆盖概率为,一个典型用户接收到的信干噪比大于一个预定义阈值γth的概率,从而衡量系统信息传输的质量,信干噪比覆盖概率表示为
Pcov(γth)=Pr(γ≥γth)
然后根据定义计算信干噪比覆盖概率,为了保证系统性能,假设用户关联的无人机为视距,信干噪比覆盖概率为
故信息覆盖概率可进一步表示为:
根据伽马变量H1的概率密度函数近似表达式,进一步计算得到:
然后利用二项式展开定理,可得
已知H2~N(0,1),利用高斯随机变量的矩母函数可得
为了看起来清楚,将用s代替s(m)。假设每条链路的视距概率是独立的,因此泊松点过程可以被稀疏成两个独立的泊松点过程,分别表示视距无人机集合ΦL和非视距无人机集合ΦN。因此干扰的拉普拉斯变换可以表示为:
以ΦL为例,计算视距干扰部分的拉普拉斯变换:
然后根据泊松点过程的概率母函数得到:
然后通过交换积分与期望顺序,得到:
因为H是伽马变量,H~Γ(NL,1/NL),根据其矩母函数可得
在上式的基础上进一步对干扰的波束增益G求平均,前面已经推导出干扰无人机与典型用户之间波束增益的分布fG(g),直接利用概率密度函数对波束增益求平均可得到:
将上述结果代入原式得:
然后采用换元计算上式,令R=z2+Δh2,则上式表示为:
注意m为从1到M的整数值,M为小尺度增益的伽马分布参数,e为指数项,s为拉普拉斯变换的参数,G0为关联链路波束增益,r0为关联链路距离,Nnormal为标准化后的噪声功率,为干扰的拉普拉斯变换,为信道估计误差的拉普拉斯变换。
S4、对于一个无线供电通信网络来说,除了评估信息覆盖的性能之外,能量覆盖的性能也是一个衡量系统性能的重要指标。基于考虑的网络模型,求解得到包含收发机硬件损伤噪声的能量覆盖概率,能量覆盖概率表达式中包含功分系数。
由于毫米波系统采用高度定向天线阵列,用户收集到的能量主要来源于关联的无人机,忽略非关联无人机的硬件损耗对收集能量产生的影响,对于典型用户来说,接收到的能量为
其中,ξ为线性能量转换效率,ξ∈[0,1];C0为路径损耗截距,当用户关联视距无人机时,C0=CL;当用户关联非视距无人机时,C0=CN;α0为路径损耗指数,当用户关联视距无人机时,α0=αL;当用户关联非视距无人机时,α0=αN;为关联链路的小尺度增益,H0~Γ(M,1/M);当用户关联视距无人机时,M=NL;当用户关联非视距无人机时,M=NN;为关联无人机的硬件损耗程度。
采用伽马变量近似法,即利用一个伪随机伽马变量u代替1,u~Γ(N,1/N),然后根据伽马变量的CDF近似式得到
其中,β=N(N!)1/N。
然后利用二项式定理展开上式,可得
注意上式中的期望部分分别是S1和S2的拉普拉斯变换形式,将结果用拉普拉斯变换表示为:
H0是一个伽马随机变量,H0~Γ(M,1/M)(当用户关联视距无人机时,M=NL;当用户关联非视距无人机时,M=NN),利用H0的矩母函数可得
仿照前面信息覆盖概率部分的计算,此处省略具体推导过程,得到这部分结果为:
其中,为S1的拉普拉斯变换,为S2的拉普拉斯变换,μ为与功分系数有关的变量,λ是无人机的密度,Nt是天线数量,Pt为无人机发射功率,PL(δ)是视距概率,CL为视距路径损耗截距,z为水平传输距离,Δh为无人机与用户的高度差,αL为视距路径损耗指数,G0为关联链路波束增益,NL为视距小尺度增益参数,kt表示无人机硬件损伤程度的参数,为视距无人机干扰的拉普拉斯变换,为自定义的函数形式,为整数集,R为无人机与用户之间距离的平方,3F2(·)是广义超几何函数,a(δ),b(δ)为积分范围的边界,为自定义的函数形式,NN为非视距小尺度增益参数,CN为非视距路径损耗截距,αN为非视距路径损耗指数。
S5、优化功分系数;在保证要求的能量覆盖性能的前提下,即能量覆盖概率大于一定值,调整功分系数,使得信息覆盖概率尽可能得最大,提供优化算法寻找使信息覆盖概率最大的功分系数ρ*,即为功分系数的最优值。
因此优化问题描述为:
s.t.Ps L(ρ)≥P0
假设要求系统的能量覆盖概率不得低于P0,根据得到的能量覆盖概率和信息覆盖概率表达式,提出算法来解决以上优化问题。能使得目标函数最大值的值必是目标函数导数等于0的点,首先求出使得目标函数导数为零的点,然后判断是否符合约束条件,最后得到最优解ρ*。
S501、首先根据约束条件得到功分系数的取值范围,即第一步问题转换为根据Ps L(ρ)-P0≥0求出ρ的范围,根据方程Ps L(ρ)-P0=0求解,得到功分系数的边界值;
令F(ρ)=Ps L(ρ)-P0,信息覆盖概率是关于功分系数的单调函数,因此方程只有一个根,利用二分法求解该问题。算法简述如下:
S5011、取初始值,ρ(0)=0,ρ(1)=1,设定终止误差精度Δ;
S5012、for k=0:N;
S5013、判断F(ρ(k+1))F(ρ(k))<0,若是则转(4);否则无解,退出;
S5015、若F(ρ(k))F(m)<0,ρ(k+1)=m;若F(ρ(k))F(m)>0,ρ(k)=m;
根据以上算法得到约束条件的范围,即满足能量覆盖概率要求值的功分系数范围为ρ≤ρ0(0≤ρ0≤1)。
S502、求解目标函数的极值点,采用有约束的牛顿迭代法来解决。首先求出使得目标函数一阶导数,再求解得到目标函数的二阶导数,给出最后利用有约束的牛顿迭代法得到最优解ρ*。
S5021、目标函数关于ρ的导数为
寻找使导数为0的值的集合,即求下面方程的解
首先给出关于目标函数的二阶导数,具体为:
(1)取初始点ρ(0)=0,ρ(1)=1,设定终止误差Δ;
(2)对于k=0:N;
(3)计算||ρ(k+1)-ρ(k)||≤Δ,若满足,则结束循环,得到值ρ*,否则执行(4);
其中,N是最大迭代次数,根据以上算法最后得到最优功分系数ρ*。因此根据以上方法在基于非理想毫米波的无线供电通信无人机网络中,指导硬件设计,根据实际网络的能量覆盖概率要求值,通过推导出的理论表达式,并利用基于表达式的特殊性质提出相应的算法,最后求解得到最优的功分系数,优化系统性能。
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。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
请参阅图1,研究一个无人机和地面用户端组成的非理想毫米波无线供电通信网络。利用随机几何的空间点过程建模无人机和地面用户的位置,设为齐次泊松点过程,无人机和用户两端的设备因为电路原因在传输信号的过程中存在硬件损伤,考虑这个非理想因素的情况下,同时考虑到关联链路信道估计存在误差的情况。
基于以上,无人机向地面用户端发射信号,地面用户端将接收到的信号根据功分系数分配,一部分转化为能量用于自身信息传输和其它操作,另一部分用于信息解码获得信息;基于以上推导出地面用户的能量覆盖概率和信息覆盖概率,其中都包含功分系数,也就是说,功分系数会影响系统的能量覆盖概率和信息覆盖概率,即整个系统的整体性能。
然后根据提出的非理想毫米波无人机网络模型,结合随机几何推导出,网络中节点的能量覆盖概率和信息覆盖概率的理论表达式。得到的表达式当中是包含功分系数的,这对于参考接收机的硬件设计具有指导意义。然后根据推导出的表达式提出解决方法,以保证在达到要求的能量覆盖概率的前提下,能使得网络的信息覆盖概率最大,并给出求解最优功分系数的方法。
请参阅图2,图中可以看到随着信息门限的提高,信息覆盖概率是逐渐降低的。理论和仿真的曲线结果是一致的,验证了理论推导的正确性。对于接收机结构来说,如果功分系数较大的话,那么信息覆盖概率就会比较大,能量覆盖概率就会比较低。要保证能量覆盖概率有一定的要求,那么就会对最优功分系数有一个限制,在此基础上需要求一个折衷的最优功分系数,使得在这个条件下信息覆盖概率最大。验证了理论推导正确后,根据推导得到的表达式来解决求最优功分系数的问题。按照给出的解决方案,求出符合条件的最优功分系数,解决了这种条件下最优功率分配的问题。
综上所述,本发明一种非理想毫米波无线供电通信无人机网络的功率分配方法,考虑毫米波无人机网络中存在非理想情况,包括硬件损伤噪声,非理想波束,信道估计误差。假设残余硬件失真噪声服从循环对称复高斯随机变量,与平均信号功率成正比,通过一个误差矢量级(Error Vector Magnitude,EVM)参数表示失真程度。然后在这种情况下得到系统的能量覆盖概率和信息覆盖概率的表达式,根据此转换为求解使得保证网络能量覆盖概率的前提下,提供算法求解最优接收机功分系数,给出求解最优功分系数的方法,使得信息覆盖概率最大。本发明提高了用户收集能量的效率,解决了在实际非理想毫米波无线供电通信无人机网络建设中,设置最优的接收机功率分配系数的问题。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.非理想毫米波无线供电通信无人机网络的功率分配方法,其特征在于,包括以下步骤:
S1、无人机和地面用户端组成非理想毫米波无线供电通信网络,无人机向地面用户端发射信号,地面用户端将接收到的信号根据功分系数分配,一部分转化为能量用于自身信息传输和其它操作,另一部分用于信息解码获得信息;
S2、采用基于余弦函数的一种近似天线模型确定发射机的定向天线增益,根据非关联波束增益的模型确定非关联链路波束增益的概率密度函数;
S3、基于考虑的毫米波无人机网络模型,求解得到包含收发机硬件损伤噪声的信息覆盖概率,信息覆盖概率表达式中包含功分系数;
S4、基于考虑的网络模型,求解得到包含收发机硬件损伤噪声的能量覆盖概率,能量覆盖概率表达式中包含功分系数;
S5、基于考虑的非理想毫米波无人机网络模型,得到的信息覆盖概率和能量覆盖概率表达式,在保证能量覆盖概率大于设定值的条件下,计算得到信息覆盖概率最大的功分系数ρ*作为功分系数的最优值,优化系统性能。
2.根据权利要求1所述的非理想毫米波无线供电通信无人机网络的功率分配方法,其特征在于,步骤S1具体为:
S101、假设无人机分布在高度为hv的平面上,水平坐标为v,并且在平面上服从一个强度为λ的齐次泊松点过程Φ,用户的高度为hu,水平坐标为u,每个无人机的三维坐标可以分别表示为V=(v,hv),U=(u,hu),V,v, 表示三维空间,表示二维平面,随机选择一个地面用户作为典型用户并设典型用户位于原点,用户与其对应的关联无人机通信,关联无人机坐标为V0=(v0,hv),典型用户与其关联的无人机的水平距离为r0=||v0||;
S102、对于一个坐标为V=(v,hv)的无人机,它服务的用户位置为U=(u,hu),则两者之间的水平传输距离为z=||v-u||;当水平传输距离为z时,根据链路视距概率PL(δ(z))确定基于毫米波的无人机无线供电通信网络的路径损耗函数L(z),δ(z)是一个关于水平传输距离的函数, 表示向下取整,λa表示障碍物的密度,λb表示建筑物区域在研究区域的占比;
S103、考虑每条链路的信道为Nakagami信道,每条链路的小尺度增益服从不同参数的独立的伽马分布,无人机获得由于信道反馈受限导致的非理想估计信道状态信息,确定关联无人机的信道。
8.根据权利要求1所述的非理想毫米波无线供电通信无人机网络的功率分配方法,其特征在于,步骤S4中,典型用户接收到的能量为S,令S1和S2分别表示从关联无人机和其它非关联无人机接收到的功率,计算能量覆盖概率能量接收门限为Sth,然后分别求解S1和S2的拉普拉斯变换,得到包含功分系数的条件能量覆盖概率表达式为:
其中,N为伪伽马随机变量的参数;令β=N(N!)1/N;ξ是线性能量转换效率,ξ∈[0,1];ρ是功分系数;Sth是能量接收门限;为S1的拉普拉斯变换形式;为S2的拉普拉斯变换形式;两者的拉普拉斯变换形式分别为
其中
9.根据权利要求1所述的非理想毫米波无线供电通信无人机网络的功率分配方法,其特征在于,步骤S5具体为:
S501、根据约束条件得到功分系数的取值范围,第一步问题转换为根据Ps L(ρ)-P0≥0求出ρ的范围,根据方程Ps L(ρ)-P0=0求解得到功分系数的边界值;
S502、求出使得目标函数一阶导数,再求解得到目标函数的二阶导数,给出最后利用有约束的牛顿迭代法得到最优解ρ*。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350962.5A CN111556460B (zh) | 2020-04-28 | 2020-04-28 | 非理想毫米波无线供电通信无人机网络的功率分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350962.5A CN111556460B (zh) | 2020-04-28 | 2020-04-28 | 非理想毫米波无线供电通信无人机网络的功率分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111556460A true CN111556460A (zh) | 2020-08-18 |
CN111556460B CN111556460B (zh) | 2021-07-13 |
Family
ID=72008248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350962.5A Active CN111556460B (zh) | 2020-04-28 | 2020-04-28 | 非理想毫米波无线供电通信无人机网络的功率分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111556460B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271141A (zh) * | 2021-05-18 | 2021-08-17 | 中南大学 | 无人机辅助无线供电的毫米波网络通信方法 |
CN114285504A (zh) * | 2021-12-22 | 2022-04-05 | 西安邮电大学 | 一种大规模无线供能反向散射通信网络传输性能研究方法 |
CN114364007A (zh) * | 2022-01-10 | 2022-04-15 | 西南科技大学 | 低轨道卫星与无人机蜂窝融合网络的子载波功率控制方法 |
CN114430296A (zh) * | 2022-04-03 | 2022-05-03 | 江西师范大学 | 用于无人机中继站的多天线通信方法和系统 |
CN114665995A (zh) * | 2022-02-16 | 2022-06-24 | 南京航空航天大学 | 一种考虑硬件损伤的无人机辅助无线通信的安全性能分析方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554780A (zh) * | 2015-12-23 | 2016-05-04 | 哈尔滨工业大学 | 毫米波下Massive MIMO多小区协作波束分配方法 |
CN106602196A (zh) * | 2016-11-16 | 2017-04-26 | 中山大学 | 支持微波毫米波频段协同工作的功率分配器及其设计方法 |
CN108419286A (zh) * | 2018-01-18 | 2018-08-17 | 北京邮电大学 | 一种面对5g无人机通信联合波束与功率的分配算法 |
CN109547135A (zh) * | 2019-01-08 | 2019-03-29 | 南京邮电大学 | 毫米波系统中基于保密概率的功率分配方法 |
CN109586773A (zh) * | 2018-11-16 | 2019-04-05 | 北京航空航天大学 | 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 |
CN110224215A (zh) * | 2019-06-06 | 2019-09-10 | 天通凯美微电子有限公司 | 一种毫米波天线阵及射频前端器件集成的电子设备 |
US20190342012A1 (en) * | 2018-05-04 | 2019-11-07 | Massachusetts Institute Of Technology | Methods and Apparatus for Cross-Medium Communication |
CN110493804A (zh) * | 2019-09-23 | 2019-11-22 | 北京邮电大学 | 一种毫米波系统的波束和功率分配方法 |
CN110708108A (zh) * | 2019-08-07 | 2020-01-17 | 西北工业大学 | 一种多无人机毫米波网络的波束控制优化方法 |
US20200059284A1 (en) * | 2018-08-20 | 2020-02-20 | Sony Corporation | Allocation and directional information distribution in millimeter wave wlan networks |
US10594517B1 (en) * | 2018-10-26 | 2020-03-17 | Wistron Neweb Corporation | Channel estimation system and method thereof |
CN111010223A (zh) * | 2019-12-17 | 2020-04-14 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
CN111698045A (zh) * | 2019-03-14 | 2020-09-22 | 南京航空航天大学 | 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法 |
-
2020
- 2020-04-28 CN CN202010350962.5A patent/CN111556460B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554780A (zh) * | 2015-12-23 | 2016-05-04 | 哈尔滨工业大学 | 毫米波下Massive MIMO多小区协作波束分配方法 |
CN106602196A (zh) * | 2016-11-16 | 2017-04-26 | 中山大学 | 支持微波毫米波频段协同工作的功率分配器及其设计方法 |
CN108419286A (zh) * | 2018-01-18 | 2018-08-17 | 北京邮电大学 | 一种面对5g无人机通信联合波束与功率的分配算法 |
US20190342012A1 (en) * | 2018-05-04 | 2019-11-07 | Massachusetts Institute Of Technology | Methods and Apparatus for Cross-Medium Communication |
US20200059284A1 (en) * | 2018-08-20 | 2020-02-20 | Sony Corporation | Allocation and directional information distribution in millimeter wave wlan networks |
US10594517B1 (en) * | 2018-10-26 | 2020-03-17 | Wistron Neweb Corporation | Channel estimation system and method thereof |
CN109586773A (zh) * | 2018-11-16 | 2019-04-05 | 北京航空航天大学 | 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 |
CN109547135A (zh) * | 2019-01-08 | 2019-03-29 | 南京邮电大学 | 毫米波系统中基于保密概率的功率分配方法 |
CN111698045A (zh) * | 2019-03-14 | 2020-09-22 | 南京航空航天大学 | 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法 |
CN110224215A (zh) * | 2019-06-06 | 2019-09-10 | 天通凯美微电子有限公司 | 一种毫米波天线阵及射频前端器件集成的电子设备 |
CN110708108A (zh) * | 2019-08-07 | 2020-01-17 | 西北工业大学 | 一种多无人机毫米波网络的波束控制优化方法 |
CN110493804A (zh) * | 2019-09-23 | 2019-11-22 | 北京邮电大学 | 一种毫米波系统的波束和功率分配方法 |
CN111010223A (zh) * | 2019-12-17 | 2020-04-14 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
Non-Patent Citations (3)
Title |
---|
CHAO ZHANG等: "Wideband 39 GHz Millimeter-Wave Channel Measurements under Diversified Vegetation", 《2018 IEEE 29TH ANNUAL INTERNATIONAL SYMPOSIUM ON PERSONAL, INDOOR, AND MOBILE RADIO COMMUNICATIONS (PIMRC)》 * |
徐磊: "面向无人机毫米波通信的混合波束成形技术研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
施若楠: "面向毫米波大规模多天线异构网络的无线回传技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271141A (zh) * | 2021-05-18 | 2021-08-17 | 中南大学 | 无人机辅助无线供电的毫米波网络通信方法 |
CN114285504A (zh) * | 2021-12-22 | 2022-04-05 | 西安邮电大学 | 一种大规模无线供能反向散射通信网络传输性能研究方法 |
CN114285504B (zh) * | 2021-12-22 | 2023-11-28 | 西安邮电大学 | 一种大规模无线供能反向散射通信网络传输性能研究方法 |
CN114364007A (zh) * | 2022-01-10 | 2022-04-15 | 西南科技大学 | 低轨道卫星与无人机蜂窝融合网络的子载波功率控制方法 |
CN114665995A (zh) * | 2022-02-16 | 2022-06-24 | 南京航空航天大学 | 一种考虑硬件损伤的无人机辅助无线通信的安全性能分析方法 |
CN114665995B (zh) * | 2022-02-16 | 2024-05-24 | 南京航空航天大学 | 一种考虑硬件损伤的无人机辅助无线通信的安全性能分析方法 |
CN114430296A (zh) * | 2022-04-03 | 2022-05-03 | 江西师范大学 | 用于无人机中继站的多天线通信方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111556460B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111556460B (zh) | 非理想毫米波无线供电通信无人机网络的功率分配方法 | |
CN111010219B (zh) | 可重构智能表面辅助的多用户mimo上行链路传输方法 | |
CN114025425B (zh) | 一种智能超表面辅助的无线通信与感知定位一体化方法 | |
Ge et al. | Wireless fractal cellular networks | |
CN113315560B (zh) | 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法 | |
CN115278526A (zh) | 终端定位方法、装置、电子设备及存储介质 | |
CN111262617B (zh) | 一种基于多颗低轨卫星协作的频谱感知方法 | |
CN116155412A (zh) | 无线信道评估方法及系统 | |
Hinga et al. | Deterministic 5G mmwave large-scale 3D path loss model for Lagos Island, Nigeria | |
Dieng et al. | Comparing and adapting propagation models for LoRa networks | |
Zhang et al. | K-nearest neighbors gaussian process regression for urban radio map reconstruction | |
CN102833848B (zh) | 一种移动台定位方法、装置和系统 | |
Salem et al. | Rethinking dense cells for integrated sensing and communications: A stochastic geometric view | |
Sun et al. | Trade-off between positioning and communication for millimeter wave systems with Ziv-Zakai bound | |
CN115696437A (zh) | 基于irs的无线能量传输网络的用户总速率最大化方法 | |
CN116800320A (zh) | 一种star-ris辅助无线通信系统波束成形设计方法 | |
Krause et al. | Network planning and coverage optimization for mobile campus networks | |
Izydorczyk et al. | Angular distribution of cellular signals for UAVs in urban and rural scenarios | |
Adebo et al. | A hybrid localization scheme for detection of primary user emulator in cognitive radio networks | |
Fink et al. | Refinement of weighted centroid localization using a regular infrastructure topology | |
CN112367674B (zh) | 一种有效的三维环境下毫米波通信系统性能建模方法 | |
Lei et al. | Resarching on urban radio wave transmission Attenuation | |
Gunathillake et al. | Topology preserving map for wireless sensor networks equipped with directional antennas | |
CN117119498B (zh) | 一种反馈受限下ris辅助的通信系统下行传输方法及装置 | |
CN117793663B (zh) | 一种基于LoRa的农机作业信息远距离传输方法 |
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 |