CN111610495A - 基于资源分配与功率控制的uav网络雷达干扰抑制方法 - Google Patents
基于资源分配与功率控制的uav网络雷达干扰抑制方法 Download PDFInfo
- Publication number
- CN111610495A CN111610495A CN202010488593.6A CN202010488593A CN111610495A CN 111610495 A CN111610495 A CN 111610495A CN 202010488593 A CN202010488593 A CN 202010488593A CN 111610495 A CN111610495 A CN 111610495A
- Authority
- CN
- China
- Prior art keywords
- uav
- channel
- uavs
- power control
- ith
- 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 88
- 238000013468 resource allocation Methods 0.000 title claims abstract description 31
- 230000001629 suppression Effects 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims description 15
- 230000009191 jumping Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000116 mitigating effect Effects 0.000 claims 4
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及基于资源分配与功率控制的UAV网络雷达干扰抑制方法，属于无人机网络与雷达干扰抑制技术领域。所述方法，具体为:1)基于GCAA方法遍历所有UAV，并为其分配信道，产生信道分配初始方案；2)基于几何规划方法进行功率控制以最大化UAV网络雷达回波信号的最小SINR值，即
3)将信道分配矩阵C的搜索空间等效为一个K叉树；4)基于广度优先搜索进行分支定界，生成更优的信道分配方案；5)判断
值是否收敛或达到最大迭代次数，若是，则结束本方法，否则跳至2)。所述方法能有效抑制UAV雷达网络的干扰问题，回波信号的最小SINR得到了显著提高，有效提高了UAV网络对远距离目标的探测能力。
Description
技术领域
本发明涉及基于资源分配与功率控制的UAV网络雷达干扰抑制方法，属于无人机网络与雷达干扰抑制技术领域。
背景技术
在过去的几年中，无人机(unmanned aerial vehicle,UAV)越来越受到人们的关注，并且正在成为5G移动网络的重要组成部分。无人机通信是在紧急情况下提高高速临时连接的一种很有前景的方法，相比于传统的固定基础设施，无人机可以按需灵活部署，实现更大的服务覆盖范围。此外，通过无人机的路径规划还可以获得额外的自由度，以提高更高的吞吐量与覆盖范围。
目前已经存在很多关于无人机感知方面的研究，S.Zhang提出了一种无人机协同感知发送协议，帮助无人机采集数据并上传到基站，在该协议中信道分配和无人机路径被联合优化。A.Guerra中设计了无人机编队的分布式控制方案，以提高对目标的高精度定位能力，J.Gu提出了一种多无人机系统监视网络平台和系统结构，并在此基础上设计了资源调度与任务分配方案。现有的这些无人机感知研究方法主要将重心放在如何提高目标定位能力或如何收集节点的数据，然而在一些复杂的环境中，预先设计的路径不能完全避免碰撞的可能性，无人机必须感知环境，以避免潜在的攻击或碰撞.
为避免无人机群的碰撞问题，雷达传感技术被应用在无人机上，Y.Kwag设计了一种小型，轻型雷达传感器，用于实现无人机对障碍物的感知与规避。在这之后，Y.A.Nijsure基于UWB-MIMO波形设计了一种有助于无人机自主导航的认知探测与规避雷达系统。Z.Wu通过计算无人机在给定任务空间和数量下的碰撞概率，研究了无人机集群的冲突避免问题。上述的无人机雷达技术的研究虽然可以实现碰撞避免，但是都会面临一个基本问题就是多个雷达在同一频谱上同时工作时可能产生相互干扰，降低目标检测性能，本发明的目的是致力于解决无人机雷达技术中同频干扰严重的技术缺陷，提出一种复杂环境下UAV网络中的雷达干扰抑制方法。
发明内容
本发明的目的在于针对多无人机网络中存在的潜在碰撞可能，以及严重的雷达同频干扰的技术缺陷，提出了基于资源分配与功率控制的UAV网络雷达干扰抑制方法，包括频谱资源分配、功率控制以及联合优化UAV网络中雷达回波信号的最小信噪比。
所述基于资源分配以及功率控制的UAV网络雷达干扰抑制方法，具体包括以下步骤：
步骤一、基于贪心信道分配方法GCAA遍历所有UAV，将每一个UAV都进行信道分配，产生一个信道分配初始方案；
具体包括如下子步骤：
步骤1.A：设定UAV网络中UAV以及可分配信道的数量；
其中，UAV的个数，记为N个，可分配信道的个数，记为K个；
其中，K小于N；
步骤1.B：从N个UAV中选择相距最近两个的UAV；
步骤1.C:从未被选择的N-2个UAV中选择距离与步骤1.B所选UAV最近的1个UAV；
步骤1.D:重复步骤1.C，直到一共选择K个UAV；
步骤1.E:将K条信道随机分配给经步骤1.D后选择的K个UAV，并将已经分配第k条信道的UAV的集合，记为：Nk；
至此，还有N-K个UAV未被分配信道，称此N-K个UAV为未分配信道UAV；
步骤1.F:从未分配信道UAV中，通过下式(1)选择一个要分配信道的UAV，记为
其中，
表示与第j个UAV对第i个UAV的干扰强度度量，Gj表示第j个UAV的发射天线增益，Ri,j表示第j个UAV与第i个UAV之间的距离，Ae,i表示第i个UAV接收天线的有效孔径，
表示第i个UAV在分别被分配K个信道情况下，对已分配相同信道UAV的干扰强度度量之和，
表示第i个UAV在分别被分配K个信道情况下，对已分配相同信道UAV最小的干扰强度度量；
至此，步骤1.F执行一次后，未分配信道UAV的数量减少1个；
步骤1.G:通过下式(2)，选择分配给UAV
的信道
步骤1.H:将第
个UAV加入分配信道
的UAV的集合
步骤1.I:判断未分配信道UAV的数量是否为0，如果为0，则输出初始信道分配方案；如果不为0，则跳至步骤1.F；
其中，初始信道分配方案为步骤一GCAA方法完成后得到的K条信道与N个UAV的对应关系；
步骤二、基于几何规划方法进行功率控制以最大化UAV网络雷达回波信号最小SINR值，得到每个UAV的功率控制结果，具体为：
步骤2.A：设定一信道分配矩阵C，C的维度为N×K；其中的元素cn,k代表信道分配矩阵中第n行第k列元素；
其中，C中的元素通过信道分配方案确定，具体为：当信道k被分配给第i个UAV时，ci,k＝1，否则，ci,k＝0；
ci表示C的第i行所有元素构成的矩阵，
的值如果为1，则说明第i个UAV与第j个UAV之间存在干扰，否则，不存在干扰；
步骤2.B：将k的初始值设为1；
步骤2.C：对于分配第k条信道的UAV的集合，提出以最小SINR为目标函数，功率为约束条件的优化问题，如下式(3)：
其中，
表示已分配第k个信道的UAV的发射功率，Pi表示第i个无人机的发射功率，σ2表示零均值加性高斯白噪声的方差，Pmin表示UAV最小发射功率，Pmax表示UAV最大发射功率，
均为常数，α表示雷达散射截面；
步骤2.D：对步骤2.C中优化问题的目标函数进行取倒数操作，并设目标函数的倒数为t，问题转变为下式(4)：
此问题用几何规划方法进行求解；
步骤2.E：分别设k为2到K，重复步骤2.C和步骤2.D，完成对所有信道的优化问题的求解，得到每个UAV的功率控制结果，即
的值，其中k＝1,2,…K；
步骤三、将信道分配矩阵C的搜索空间等效为一个K叉树；
其中，K叉树每一个节点都代表一个N×K的信道分配矩阵，根节点代表元素全为0的信道分配矩阵；
K叉树每一个节点与其分支节点所代表的信道分配矩阵有且仅有一个元素不同，该不同元素的位置由节点的层数l与其分支k决定，第l层中节点与其第k个分支节点代表信道分配矩阵不同的元素为第l列第k个元素cl,k，将该元素从0置为1，其中l取值为1,2，…N，其中k取值为1,2，…K；
步骤四、采用一种分支定界方法对步骤三中的K叉树进行广度优先搜索，生成更优的信道分配方案，具体步骤如下：
步骤4.A:将步骤一中GCAA方法获得的信道分配方案用信道分配矩阵表示，将其与步骤二中获得的功率控制结果代入下式(5)计算得到一个最小SINR的全局上界
步骤4.B:设定一个最大搜索宽度M；
步骤4.C:i初始值设为2；
步骤4.D:将K叉树中第i层中每一个节点代表的信道分配矩阵代入步骤二，得到不同信道分配矩阵的功率控制结果；
步骤4.E：将步骤4.D得到的K叉树中第i层每一个节点的功率控制结果与信道分配矩阵代入下式(6)，得到每一个节点的最小SINR值；
步骤4.F:对步骤4.E得到的不同节点的最小SINR值进行从大到小排序；
步骤4.G：对步骤4.F得到的排序后节点进行遍历，若节点的最小SINR值小于全局上界
则将其舍弃；剩余节点个数若大于M，则保留前M个节点，否则，保留本层剩余全部节点；
步骤4.H:判断i是否等于N+1，若是，则跳至步骤4.J，若否，则跳至步骤4.I；
步骤4.I:将步骤4.G中保留的节点分支到下一层，令i＝i+1,重复步骤4.D到步骤4.I；
步骤4.J：从步骤4.G保留的M个节点中选择最小SINR值最大的节点，并设其最小SINR值为
步骤4.K：根据最小SIRN值为
的节点得到更优的信道分配矩阵，进而得到更优的信道分配方案；
步骤五：判断
值是否收敛或达到最大迭代次数，若是，则结束本方法，否则跳至步骤二进行迭代计算；
至此，经过步骤一到步骤五，完成了基于资源分配与功率控制的UAV网络雷达干扰抑制方法。
有益效果
本发明提出的基于资源分配以及功率控制的UAV网络雷达干扰抑制方法，与现有技术相比，具有以下有益效果：
1、所述雷达干扰抑制方法，能够有效抑制UAV雷达网络中的干扰问题，回波信号的最小信号与干扰加噪声比(SINR)得到了显著提高；
2、所述方法采用一种低复杂度的分支定界进行信道分配，有效的提高了UAV网络对远距离目标的探测能力。
附图说明
图1是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中GCAA方法的流程图；
图2是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中功率控制流程图；
图3是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中分支定界方法3叉树前两层的示意图；
图4是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中分支定界方法流程图；
图5是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中实施方法后的最小SINR仿真结果图。
图6是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中实施方法后的对目标成功探测概率仿真结果图。
具体实施方式
下面结合附图和具体实施例对本发明所述的基于资源分配以及功率控制的UAV网络雷达干扰抑制方法进行详细说明。
实施例1
本实施例详细阐述了本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法在不同UAV数量情况下具体实施时的步骤。
本实施例考虑UAV在2km*2km的区域随机分布，每一个UAV装载雷达传感器以感知非合作目标，同时避免碰撞；UAV发射雷达信号，利用回波信号进行雷达探测，由于频谱资源有限以及良好距离分辨率的要求，部分UAV将被分配相同的频谱资源，在此情形下不同无人机雷达传感器之间存在干扰，并且干扰随UAV数量的增加而增加，为此，采用基于资源分配以及功率控制的UAV网络雷达干扰抑制方法以抑制UAV间的同频干扰；
图1是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中GCAA方法的流程图；
从图1可以看出本发明中基于贪心信道分配方法GCAA产生一个信道分配初始方案的详细流程，具体到本实施例，方法操作流程如下：
步骤1.A：设定UAV网络中UAV以及可分配信道的数量；
其中，UAV的个数，记为N个，可分配信道的个数，记为K个；
步骤1.A具体实施时，信道数量K为3，UAV数量N依次设为9,12,15,18,21；
步骤1.B：从N个UAV中选择相距最近两个的UAV；
步骤1.C:从未被选择的N-2个UAV中选择距离与步骤1.B所选UAV最近的1个UAV；
步骤1.D:重复步骤1.C，直到一共选择3个UAV；
步骤1.E:将3条信道随机分配给经步骤1.D后选择的3个UAV，并将已经分配第k条信道的UAV的集合，记为：Nk；
至此，还有N-3个UAV未被分配信道，称此N-3个UAV为未分配信道UAV；
步骤1.F:从未分配信道UAV中，通过下式选(1)选择一个要分配信道的UAV，记为
其中，
表示与第j个UAV对第i个UAV的干扰强度度量，Gj表示第j个UAV的发射天线增益，Ri,j表示第j个UAV与第i个UAV之间的距离，Ae,i表示第i个UAV接收天线的有效孔径，
表示第i个UAV在分别被分配3个信道情况下，对已分配相同信道UAV的干扰强度度量之和，
表示第i个UAV在分别被分配3个信道情况下，对已分配相同信道UAV最小的干扰强度度量；
至此，步骤1.F执行一次后，未分配信道UAV的数量减少1个；
步骤1.F具体实施时，天线增益Gj为38dB，接收天线的有效孔径Ae,i为0.037；
步骤1.G:通过下式(2)，选择分配给UAV
的信道
通过计算公式(3)，将第
条信道分配给UAV
以获得最小的干扰强度；
步骤1.H:将第
个UAV加入已分配信道
的UAV的集合
步骤1.I:判断未分配信道UAV的数量是否为0，如果为0，则输出初始信道分配方案；如果不为0，则跳至步骤1.F；
至此，从步骤1.A到步骤1.I，完成了本实施例产生信道分配初始方案的GCAA方法；
图2是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中功率控制流程图；
从图2可以看出本发明中基于几何规划方法进行功率控制的详细流程，具体到本实施例，方法操作流程如下：
步骤2.A：设定一信道分配矩阵C，C的维度为N×K；其中元素cn,k代表信道分配矩阵中第n行第k列元素；
其中，C中的元素通过信道分配结果确定，信道分配结果的获得方法包括但不限于图1中的GCAA方法，当信道k被分配给第i个UAV时，ci,k＝1，否则，ci,k＝0，ci表示C的第i行的所有元素构成的矩阵，
的值如果为1，则说明第i个UAV与第j个UAV之间存在干扰，否则，不存在干扰；
步骤2.A具体实施时，信道分配矩阵维度是N×3；
步骤2.B：将k的初始值设为1，
步骤2.C：对于分配第k条信道的UAV的集合，提出以最小SINR为目标函数，功率为约束条件的优化问题，如下式(3)：
其中，
代表已分配第k个信道的UAV的发送功率，Pi表示第i个无人机的发射功率，σ2表示零均值加性高斯白噪声的方差，Pmin表示UAV最小发射功率，Pmax表示UAV最大发射功率，
均为常数，α表示雷达散射截面；
步骤2.C具体实施时，雷达散射α为30dB，高斯白噪声功率σ2为-60dBm，UAV最大发射功率Pmax为47dBm，最小发射功率Pmin为30dBm；
步骤2.D：对步骤2.C中优化问题的目标函数进行取倒数操作，并设目标函数的倒数为t，问题转变为下式(4)：
此问题用几何规划方法进行求解，得到分配第k条信道的UAV的功率控制分配结果；
步骤2.E：将k分别设为2,3，重复步骤2.C，步骤2.D，完成对所有信道优化问题的求解，得到每个UAV的功率控制结果；
至此，从步骤2.A到步骤2.E，完成了本实施例基于几何规划方法的功率控制；
图3是本发明一种基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中分支定界方法3叉树前两层的示意图；
从图3可以看出，将信道分配矩阵C的搜索空间等效为一个K叉树；
其中，K叉树每一个节点都代表一个N×K的信道分配矩阵，根节点代表元素全为0的信道分配矩阵；
K叉树每一个节点与其分支节点所代表的信道分配矩阵有且仅有一个元素不同，该不同元素的位置由节点的层数l与其分支k决定，第l层中节点与其第k个分支节点代表信道分配矩阵不同的元素为第l列第k个元素cl,k，将该元素从0置为1，其中l取值为1,2，…N，其中k取值为1,2，…K；
具体到本实施例，信道分配矩阵C的搜索空间看作一个3叉树，图2中第1层的根节点代表元素全为0的信道分配矩阵，它的分支节点{2}，{3}，{4}分别代表c1,1，c1,2，c1,3为1，其他元素为0的信道分配矩阵，同理，第2层的节点{2}的分支节点{5}，{6}，{7}分别代表c2,1，c2,2，c2,3为1，其他元素与节点{2}中元素相同的信道分配矩阵；
图4是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中分支定界方法流程图；
从图4可以看出本发明中基于分支定界方法生成更优的信道分配方案，具体到本实施例，方法操作流程如下：
步骤4.A:将步骤一中GCAA方法获得的信道分配结果用信道分配矩阵表示，将其与步骤二中获得的功率分配结果代入下式(5)计算得到一个最小SINR的全局上界
步骤4.B:设定一个最大搜索宽度M；
其中，步骤4.B具体实施时，最大搜索宽度M设为8；
步骤4.C:i初始值设为2；
步骤4.D:将3叉树中第i层中每一个节点代表的信道分配矩阵代入步骤二，得到不同信道分配矩阵的功率控制结果；
步骤4.E：将步骤4.D得到的K叉树中第i层每一个节点的功率控制结果与信道分配矩阵代入下式(6)，得到每一个节点的最小SINR值；
步骤4.F:对步骤4.E得到的不同节点的最小SINR值进行从大到小排序；
步骤4.G：对步骤4.F得到的排序后节点进行遍历，若节点的最小SINR值小于全局上界
则将其舍弃；剩余节点个数若大于8，则保留前8个节点，否则，保留本层剩余全部节点；
步骤4.H:判断i是否等于N+1，若是，则跳至步骤4.J，若否，则跳至步骤4.I；
步骤4.I:将步骤4.G中保留的节点分支到下一层，令i＝i+1,重复步骤4.D到步骤4.I；
步骤4.J：从步骤4.G保留的8个节点中选择最小SINR值最大的节点，并设其最小SINR值为
步骤4.K：根据最小SIRN值为
的节点得到更优的信道分配矩阵，进而得到更优的信道分配方案；
至此，从步骤4.A到步骤4.K，完成了本实施例得到更优信道分配方案的分支定界方法；
对图2中的功率控制方法，图4的分支定界方法进行迭代计算，直到
值收敛或达到最大迭代次数，输出
值；
至此，完成了本实施例一种基于资源分配以及功率控制的UAV网络雷达干扰抑制方法的流程；
图5是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中实施方法后的最小SINR仿真结果图；
图5横坐标为无人机数量N，依次取值为9,12,15,18,21，纵坐标为最小SINR，单位为dB，仿真实验对迭代信道分配与功率控制方法，GCAA方法与功率控制优化，随机信道分配与最大功率设置，随机信道分配与功率控制优化四种情况进行了对比分析，由图5可以看出本发明提出方法可以获得更大的最小SINR，即UAV雷达网络中的干扰得到了最有效的抑制，回波信号的最小信号与干扰加噪声比(SINR)得到了显著提高；
图6是本发明基于资源分配以及功率控制的UAV网络雷达干扰抑制方法及实施例1中实施方法后的对目标成功探测概率仿真结果图；
图6横坐标为探测距离，纵坐标为对目标的成功探测概率，信道数量K为3，UAV数量N设为21,仿真实验对迭代信道分配与功率控制方法，GCAA方法与功率控制优化，随机信道分配与最大功率设置，随机信道分配与功率控制优化四种情况进行了对比分析，由图6可以看出本发明提出方法在相同的探测距离下可以获得更大的成功探测概率，即有效的提高了UAV网络对远距离目标的探测能力；
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。
Claims (5)
1.基于资源分配与功率控制的UAV网络雷达干扰抑制方法，其特征在于：包括频谱资源分配、功率控制以及联合优化UAV网络中雷达回波信号的最小信噪比，具体包括以下步骤：
步骤一、基于贪心信道分配方法GCAA遍历所有UAV，将每一个UAV都进行信道分配，产生一个信道分配初始方案；
具体包括如下子步骤：
步骤1.A：设定UAV网络中UAV以及可分配信道的数量；
其中，UAV的个数，记为N个，可分配信道的个数，记为K个；
步骤1.B：从N个UAV中选择相距最近两个的UAV；
步骤1.C:从未被选择的N-2个UAV中选择距离与步骤1.B所选UAV最近的1个UAV；
步骤1.D:重复步骤1.C，直到一共选择K个UAV；
步骤1.E:将K条信道随机分配给经步骤1.D后选择的K个UAV，并将已经分配第k条信道的UAV的集合，记为：Nk；
至此，还有N-K个UAV未被分配信道，称此N-K个UAV为未分配信道UAV；
步骤1.F:从未分配信道UAV中，通过下式(1)选择一个要分配信道的UAV，记为
其中，
表示与第j个UAV对第i个UAV的干扰强度度量，Gj表示第j个UAV的发射天线增益，Ri,j表示第j个UAV与第i个UAV之间的距离，Ae,i表示第i个UAV接收天线的有效孔径，
表示第i个UAV在分别被分配K个信道情况下，对已分配相同信道UAV的干扰强度度量之和，
表示第i个UAV在分别被分配K个信道情况下，对已分配相同信道UAV最小的干扰强度度量；
至此，步骤1.F执行一次后，未分配信道UAV的数量减少1个；
步骤1.G:通过下式(2)，选择分配给UAV
的信道
步骤1.H:将第
个UAV加入分配信道
的UAV的集合
步骤1.I:判断未分配信道UAV的数量是否为0，如果为0，则输出初始信道分配方案；如果不为0，则跳至步骤1.F；
步骤二、基于几何规划方法进行功率控制以最大化UAV网络雷达回波信号最小SINR值，得到每个UAV的功率控制结果，具体为：
步骤2.A：设定一信道分配矩阵C，C的维度为N×K；其中的元素cn,k代表信道分配矩阵中第n行第k列元素；
其中，C中的元素通过信道分配方案确定，具体为：当信道k被分配给第i个UAV时，ci,k＝1，否则，ci,k＝0；
ci表示C的第i行所有元素构成的矩阵，
的值如果为1，则说明第i个UAV与第j个UAV之间存在干扰，否则，不存在干扰；
步骤2.B：将k的初始值设为1；
步骤2.C：对于分配第k条信道的UAV的集合，提出以最小SINR为目标函数，功率为约束条件的优化问题，如下式(3)：
其中，
表示已分配第k个信道的UAV的发射功率，Pi表示第i个无人机的发射功率，σ2表示零均值加性高斯白噪声的方差，Pmin表示UAV最小发射功率，Pmax表示UAV最大发射功率，
均为常数，α表示雷达散射截面；
步骤2.D：对步骤2.C中优化问题的目标函数进行取倒数操作，并设目标函数的倒数为t，问题转变为下式(4)：
步骤2.E：分别设k为2到K，重复步骤2.C和步骤2.D，完成对所有信道的优化问题的求解，得到每个UAV的功率控制结果，即
的值，其中k＝1,2,…K；
步骤三、将信道分配矩阵C的搜索空间等效为一个K叉树；
步骤四、采用一种分支定界方法对步骤三中的K叉树进行广度优先搜索，生成更优的信道分配方案，具体步骤如下：
步骤4.A:将步骤一中GCAA方法获得的信道分配方案用信道分配矩阵表示，将其与步骤二中获得的功率控制结果代入下式(5)计算得到一个最小SINR的全局上界
步骤4.B:设定一个最大搜索宽度M；
步骤4.C:i初始值设为2；
步骤4.D:将K叉树中第i层中每一个节点代表的信道分配矩阵代入步骤二，得到不同信道分配矩阵的功率控制结果；
步骤4.E：将步骤4.D得到的K叉树中第i层每一个节点的功率控制结果与信道分配矩阵代入下式(6)，得到每一个节点的最小SINR值；
步骤4.F:对步骤4.E得到的不同节点的最小SINR值进行从大到小排序；
步骤4.G：对步骤4.F得到的排序后节点进行遍历，若节点的最小SINR值小于全局上界
则将其舍弃；剩余节点个数若大于M，则保留前M个节点，否则，保留本层剩余全部节点；
步骤4.H:判断i是否等于N+1，若是，则跳至步骤4.J，若否，则跳至步骤4.I；
步骤4.I:将步骤4.G中保留的节点分支到下一层，令i＝i+1,重复步骤4.D到步骤4.I；
步骤4.J：从步骤4.G保留的M个节点中选择最小SINR值最大的节点，并设其最小SINR值为
步骤4.K：根据最小SINR值为
的节点得到更优的信道分配矩阵，进而得到更优的信道分配方案；
步骤五：判断
值是否收敛或达到最大迭代次数，若是，则结束本方法，否则跳至步骤二进行迭代计算。
2.根据权利要求1所述的基于资源分配与功率控制的UAV网络雷达干扰抑制方法，其特征在于：步骤1.A中，K小于N。
3.根据权利要求1所述的基于资源分配与功率控制的UAV网络雷达干扰抑制方法，其特征在于：步骤1.I中，初始信道分配方案为步骤一GCAA方法完成后得到的K条信道与N个UAV的对应关系。
4.根据权利要求1所述的基于资源分配与功率控制的UAV网络雷达干扰抑制方法，其特征在于：步骤2.D的问题用几何规划方法进行求解。
5.根据权利要求1所述的基于资源分配与功率控制的UAV网络雷达干扰抑制方法，其特征在于：步骤三中，K叉树每一个节点都代表一个N×K的信道分配矩阵，根节点代表元素全为0的信道分配矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010488593.6A CN111610495B (zh) | 2020-06-02 | 2020-06-02 | 基于资源分配与功率控制的uav网络雷达干扰抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010488593.6A CN111610495B (zh) | 2020-06-02 | 2020-06-02 | 基于资源分配与功率控制的uav网络雷达干扰抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111610495A true CN111610495A (zh) | 2020-09-01 |
| CN111610495B CN111610495B (zh) | 2022-11-29 |
Family
ID=72197783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010488593.6A Active CN111610495B (zh) | 2020-06-02 | 2020-06-02 | 基于资源分配与功率控制的uav网络雷达干扰抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111610495B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822534A (zh) * | 2021-08-25 | 2021-12-21 | 中山大学 | 多无人机协同的干扰资源优化分配方法 |
| CN114444398A (zh) * | 2022-02-08 | 2022-05-06 | 扬州宇安电子科技有限公司 | 一种基于灰狼算法的组网雷达协同干扰资源分配方法 |
| WO2023011201A1 (zh) * | 2021-07-31 | 2023-02-09 | 华为技术有限公司 | 一种通信方法及通信装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101881822A (zh) * | 2010-06-07 | 2010-11-10 | 电子科技大学 | 一种针对共享谱雷达同频干扰的抑制方法 |
| CN103634846A (zh) * | 2012-08-29 | 2014-03-12 | 上海交通大学 | 在多信道多跳无线网络中用贪心算法分配信道资源的方法 |
| CN106646410A (zh) * | 2017-01-06 | 2017-05-10 | 天津大学 | 宽带认知被动雷达架构下的学习‑感知‑决策‑响应方法 |
| US20170358221A1 (en) * | 2016-06-10 | 2017-12-14 | ETAK Systems, LLC | Air traffic control of unmanned aerial vehicles via wireless networks |
| CN108123772A (zh) * | 2017-12-22 | 2018-06-05 | 南京航空航天大学 | 一种基于梯度投影的无人机时频资源分配方法 |
| CN108243431A (zh) * | 2017-08-28 | 2018-07-03 | 南京邮电大学 | 基于能效最优准则的无人机中继系统的功率分配算法 |
| CN108562892A (zh) * | 2018-04-09 | 2018-09-21 | 中国人民解放军海军航空大学 | 一种无人机载无源双基地雷达装置及目标定位方法 |
| CN110213815A (zh) * | 2019-04-15 | 2019-09-06 | 浙江大学 | 一种基于统计信道状态信息的中继系统功率控制方法 |
| CN110764078A (zh) * | 2019-01-25 | 2020-02-07 | 中国航空无线电电子研究所 | 一种低空无人机综合探测处置方法及其装置 |
-
2020
- 2020-06-02 CN CN202010488593.6A patent/CN111610495B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101881822A (zh) * | 2010-06-07 | 2010-11-10 | 电子科技大学 | 一种针对共享谱雷达同频干扰的抑制方法 |
| CN103634846A (zh) * | 2012-08-29 | 2014-03-12 | 上海交通大学 | 在多信道多跳无线网络中用贪心算法分配信道资源的方法 |
| US20170358221A1 (en) * | 2016-06-10 | 2017-12-14 | ETAK Systems, LLC | Air traffic control of unmanned aerial vehicles via wireless networks |
| CN106646410A (zh) * | 2017-01-06 | 2017-05-10 | 天津大学 | 宽带认知被动雷达架构下的学习‑感知‑决策‑响应方法 |
| CN108243431A (zh) * | 2017-08-28 | 2018-07-03 | 南京邮电大学 | 基于能效最优准则的无人机中继系统的功率分配算法 |
| CN108123772A (zh) * | 2017-12-22 | 2018-06-05 | 南京航空航天大学 | 一种基于梯度投影的无人机时频资源分配方法 |
| CN108562892A (zh) * | 2018-04-09 | 2018-09-21 | 中国人民解放军海军航空大学 | 一种无人机载无源双基地雷达装置及目标定位方法 |
| CN110764078A (zh) * | 2019-01-25 | 2020-02-07 | 中国航空无线电电子研究所 | 一种低空无人机综合探测处置方法及其装置 |
| CN110213815A (zh) * | 2019-04-15 | 2019-09-06 | 浙江大学 | 一种基于统计信道状态信息的中继系统功率控制方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023011201A1 (zh) * | 2021-07-31 | 2023-02-09 | 华为技术有限公司 | 一种通信方法及通信装置 |
| CN113822534A (zh) * | 2021-08-25 | 2021-12-21 | 中山大学 | 多无人机协同的干扰资源优化分配方法 |
| CN113822534B (zh) * | 2021-08-25 | 2022-10-14 | 中山大学 | 多无人机协同的干扰资源优化分配方法 |
| CN114444398A (zh) * | 2022-02-08 | 2022-05-06 | 扬州宇安电子科技有限公司 | 一种基于灰狼算法的组网雷达协同干扰资源分配方法 |
| CN114444398B (zh) * | 2022-02-08 | 2022-11-01 | 扬州宇安电子科技有限公司 | 一种基于灰狼算法的组网雷达协同干扰资源分配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111610495B (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111610495B (zh) | 基于资源分配与功率控制的uav网络雷达干扰抑制方法 | |
| CN113162682A (zh) | 一种基于pd-noma的多波束leo卫星系统资源分配方法 | |
| US20160006499A1 (en) | Apparatus and method for prediction of radio interference | |
| CN108135002B (zh) | 一种基于块坐标下降的无人机频谱资源分配方法 | |
| JP2002204468A (ja) | 移動電話システムの成長管理のための経路損失データ正規化方法 | |
| 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 | |
| CN109962727B (zh) | 临空通信混合波束赋形及非正交多址接入传输方法 | |
| CN112153593B (zh) | 一种无人机辅助的高能效物联网数据收集方法 | |
| CN108040368B (zh) | 一种基于块坐标下降的无人机时频资源分配方法 | |
| CN111323772B (zh) | 基于射频隐身的有/无人机混合编队协同任务分配方法 | |
| Yao et al. | Joint sensing and communications for deep reinforcement learning-based beam management in 6g | |
| CN115236611A (zh) | 一种针对雷达系统的多干扰机协同压制资源调度方法 | |
| Wang et al. | Joint resource allocation and power control for radar interference mitigation in multi-UAV networks | |
| CN107682812A (zh) | 一种异构多通信链路融合网络的链路适配方法及装置 | |
| CN116009590A (zh) | 无人机网络分布式轨迹规划方法、系统、设备及介质 | |
| US11589362B2 (en) | Radio frequency spectrum management systems and methods in a manufacturing environment | |
| Yang et al. | Medium Access control for unmanned aerial vehicle based mission critical wireless sensor networks in 3D monitoring networks | |
| CN110856193B (zh) | 基于空间信息网络的中继通信系统和通信方法 | |
| JP7534638B2 (ja) | 端末制御システム、制御装置、端末制御方法、および、端末制御プログラム | |
| Singh et al. | Minimizing ground risk in cellular-connected drone corridors with mmwave links | |
| WO2023199438A1 (ja) | 端末、無線通信方法及び基地局 | |
| WO2023199437A1 (ja) | 端末、無線通信方法及び基地局 | |
| WO2023199439A1 (ja) | 端末、無線通信方法及び基地局 | |
| JP7505569B2 (ja) | 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム | |
| WO2024004194A1 (ja) | 端末、無線通信方法及び基地局 |
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 |