CN111800185A - 一种无人机辅助通信中的分布式空地联合部署方法 - Google Patents

一种无人机辅助通信中的分布式空地联合部署方法 Download PDF

Info

Publication number
CN111800185A
CN111800185A CN202010641863.2A CN202010641863A CN111800185A CN 111800185 A CN111800185 A CN 111800185A CN 202010641863 A CN202010641863 A CN 202010641863A CN 111800185 A CN111800185 A CN 111800185A
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
ground
alliance
user
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
Application number
CN202010641863.2A
Other languages
English (en)
Inventor
徐煜华
陈瑾
刘典雄
俞星月
龚玉萍
杨晓琴
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.)
Army Engineering University of PLA
Original Assignee
Army Engineering University of PLA
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 Army Engineering University of PLA filed Critical Army Engineering University of PLA
Priority to CN202010641863.2A priority Critical patent/CN111800185A/zh
Publication of CN111800185A publication Critical patent/CN111800185A/zh
Pending legal-status Critical Current

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
    • H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • 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
    • H04W16/24—Cell structures
    • H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • 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)
  • 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辅助通信中的分布式空地联合部署方法。首先将无人机与地面节点网络的关系建模为斯坦伯格博弈，无人机为领导者，地面节点为跟随者。其次在每次迭代下，无人机根据地面节点的联盟形成计算覆盖效用，进行一次位置部署更新，地面节点再根据无人机的位置选择联盟头，形成最佳的联盟结构，上下层结果相互迭代，逐渐收敛到最佳状态。本发明考虑到单架无人机对布设在其任务区域内的个静态地面节点执行数据分发任务场景，空中无人机根据地面节点网络的数据分布探索最佳部署位置，地面节点根据空中无人机的位置按照距离远近主动地形成多个联盟。模型完整，物理意义明确，能够很好地解决无人机通信中存在的能耗与覆盖范围延伸问题。

Description

一种无人机辅助通信中的分布式空地联合部署方法
技术领域
本发明属于无线通信技术领域，特别是一种无人机辅助通信中的分布式空地联合部署方法。
背景技术
由于无人机的灵活性和机敏性，可以为大范围，高紧急，多任务的复杂环境提供覆盖通信服务。在大多数无人机部署问题中，都集中于通过寻找无人机的最优位置来优化无人机的覆盖效用。(参考文献：M.Alzenad,et al.,“3-D Placement of an UnmannedAerial Vehicle Base Station(UAV-BS)for Energy-Efficient Maximal Coverage,”IEEE Wireless Communications Letters,vol.6,no.4,pp.434-437,2017.)然而，传统的无人机部署策略大都忽略了地面节点的主观能动性，当地面节点只是被动覆盖时，如果一个节点处于边缘位置，不在无人机有限的覆盖范围内，那么它与无人机之间的通信通常就会被切断，这非常不利于无人机的覆盖效率。
为了使更多的节点能够实现数据的分流，本发明让地面节点主动地形成联盟以此来提高通信接入的可能性。将无人机与地面节点之间的关系建模为斯坦伯格博弈，在此模型中，无人机作为领导者最先调整位置策略，地面节点作为跟随者，根据无人机的位置建立地面节点间数据采集的联盟形成博弈(参考文献：L.Ruan,et al.,“Energy-EfficientMulti-UAV Coverage Deployment in UAV Networks:A Game-Theoretic Framework,”China Communications,vol.15,no.10,pp.194-209,2018.)。考虑到无人机位置对空-地信道传输质量和联盟形成结构的影响，进行了地面联盟形成和无人机位置部署的联合优化。
发明内容
本发明的目的在于提供一种无人机辅助通信中的分布式空地联合部署方法，能很好地解决无人机通信中存在的能耗与覆盖范围延伸问题。
实现本发明目的的技术解决方案为：一种无人机辅助通信中的分布式空地联合部署方法，包括如下步骤：
S1.初始化：输入无人机初始位置l0和地面用户联盟选择{an}n∈N，初始化覆盖场景,设置迭代次数i、j；
S2.循环：每次迭代次数j，依次执行地面用户联盟选择的阶段1、无人机位置部署的阶段2；
S3.阶段1：地面用户联盟选择
步骤31：保持无人机位置l0不变，每次迭代次数i，随机选择一个地面用户n，读取用户n的联盟选择an(i)，得到用户n的数据吞吐量rn(l0(i),an(i))；
步骤32：改变地面用户n的联盟选择策略为
Figure BDA00025717800600000213
再次计算用户n的数据吞吐量
Figure BDA00025717800600000214
步骤33：地面用户n执行策略更新an(i)，第i+1次迭代时的用户联盟选择为an(i+1)＝an(i)；
通过阶段1的联盟选择迭代出地面用户的最佳联盟选择集合
Figure BDA0002571780060000021
保存当前无人机位置l0下，地面用户联盟选择的最佳策略组合
Figure BDA0002571780060000022
并将此结果代入阶段2；
S4.阶段2：无人机位置部署
步骤41：读取阶段1得出的最佳策略组合
Figure BDA0002571780060000023
计算无人机吞吐量
Figure BDA0002571780060000024
步骤42：把无人机的当前位置l0(j)改成预期位置策略
Figure BDA0002571780060000025
将此位置坐标
Figure BDA0002571780060000026
代入阶段1，同样得到用户最佳联盟策略集合
Figure BDA0002571780060000027
再次计算无人机吞吐量
Figure BDA0002571780060000028
步骤43：无人机执行策略更新l0(j)，
Figure BDA0002571780060000029
表示无人机选择当前位置策略l0(j)的概率；
步骤44：j＝j+1，满足停止准则或达到最大迭代次数时结束循环，所述停止准则为
Figure BDA00025717800600000210
连续5次大于0.98；
S5.输出：空地分层部署混合策略组合
Figure BDA00025717800600000211
本发明的涉及思路：考虑单架无人机覆盖地面多节点场景，该场景由单架无人机和随机部署在任务区域I∈R2的静态地面节点组成，其中R为任务区域边长。地面节点集合定义为
Figure BDA00025717800600000212
无人机的位置用l0＝(x0,y0,h0)表示，假设无人机的高度保持不变。由于无人机天线波束宽度和传输能量有限，只能覆盖任务区域I内的一小部分用户，无人机覆盖范围之外的用户无法直接连接到无人机上进行数据分发。将无人机与地面节点之间的关系建模为斯坦伯格博弈，在此模型中，无人机作为领导者最先调整位置策略，地面节点作为跟随者，根据无人机的位置建立地面节点间数据采集的联盟形成博弈模型。地面联盟头和无人机之间的数据分发通过视距链路实现，地面联盟成员通过设备到设备(D2D)链路与联盟头之间通信。考虑无人机位置对空地信道传输质量和联盟形成结构的影响，对地面节点联盟编队和无人机部署进行联合优化。
本发明与现有技术相比，其显著优点在于：(1)研究了一种空地联合覆盖部署模型，设计了一种无人机与地面节点吞吐量协同优化的方法；(2)建立了描述无人机与地面节点关系的斯坦伯格博弈模型，建立了地面节点间数据采集的联盟形成博弈模型；(3)提出了一种分布式空地联合部署算法，仿真结果表明，该算法收敛于最优的联盟结构；(4)能够很好地解决无人机通信中存在的能耗与覆盖范围延伸问题。
附图说明
图1是本发明斯坦伯格博弈建模的示意图。
图2是本发明中空地联合部署系统模型图。
图3是本发明中空地部署流程图。
图4是本发明中无人机部署和地面节点联盟图。
图5是本发明实施例1中不同算法下的网络吞吐量对比图。
具体实施方式
本发明所提出的一种无人机辅助通信中的分布式空地联合部署方法，旨在提供方案以解决无人机通信部署问题。本发明将无人机与地面节点网络的关系建模为斯坦伯格博弈，无人机为领导者，地面节点为跟随者。其次，在每次迭代下，领导者无人机根据地面节点的联盟形成计算覆盖效用，进行一次位置部署更新，地面节点再根据无人机的位置选择联盟头，形成最佳的联盟结构，上下层结果相互迭代，相互促进，逐渐收敛到最佳状态。
本发明旨在解决无人机数据分发时的位置部署问题，地面节点根据空中无人机的位置按照距离远近主动地形成多个联盟，能够有效扩展无人机的覆盖范围，降低无人机能耗。考虑无人机位置对空地信道传输质量和联盟形成结构的影响，对地面节点联盟编队和无人机部署进行联合优化。
一种无人机辅助通信中的分布式空地联合部署方法，包括如下步骤：
S1.初始化：输入无人机初始位置l0和地面用户联盟选择{an}n∈N，初始化覆盖场景,设置迭代次数i、j；
S2.循环：每次迭代次数j，依次执行地面用户联盟选择的阶段1、无人机位置部署的阶段2；
S3.阶段1：地面用户联盟选择
步骤31：保持无人机位置l0不变，每次迭代次数i，随机选择一个地面用户n，读取用户n的联盟选择an(i)，得到用户n的数据吞吐量rn(l0(i),an(i))；
步骤32：改变地面用户n的联盟选择策略为
Figure BDA00025717800600000412
再次计算用户n的数据吞吐量
Figure BDA00025717800600000413
步骤33：地面用户n执行策略更新an(i)，第i+1次迭代时的用户联盟选择为an(i+1)＝an(i)；
通过阶段1的联盟选择迭代出地面用户的最佳联盟选择集合
Figure BDA0002571780060000041
保存当前无人机位置l0下，地面用户联盟选择的最佳策略组合
Figure BDA0002571780060000042
并将此结果代入阶段2；
S4.阶段2：无人机位置部署
步骤41：读取阶段1得出的最佳策略组合
Figure BDA0002571780060000043
计算无人机吞吐量
Figure BDA0002571780060000044
步骤42：把无人机的当前位置l0(j)改成预期位置策略
Figure BDA0002571780060000045
将此位置坐标
Figure BDA0002571780060000046
代入阶段1，同样得到用户最佳联盟策略集合
Figure BDA0002571780060000047
再次计算无人机吞吐量
Figure BDA0002571780060000048
步骤43：无人机执行策略更新l0(j)，
Figure BDA0002571780060000049
表示无人机选择当前位置策略l0(j)的概率；
步骤44：j＝j+1，满足停止准则或达到最大迭代次数时结束循环，所述停止准则为
Figure BDA00025717800600000410
连续5次大于0.98；
S5.输出：空地分层部署混合策略组合
Figure BDA00025717800600000411
进一步的，本发明步骤31、步骤32中得到用户n的数据吞吐量的具体过程为：
设定
Figure BDA0002571780060000051
是所有选择联盟w的节点用户集合，地面节点
Figure BDA0002571780060000052
的数据吞吐量定义为：
Figure BDA0002571780060000053
其中，an为节点n的联盟选择，rn(l0,w)表示当无人机的位置为l0时，节点n的联盟选择an＝w时，地面节点n的数据吞吐量，βn为数据平均传输速率，
Figure BDA0002571780060000054
表示当无人机位置在l0时与联盟头节点hw通信成功概率，该
Figure BDA0002571780060000055
如公式(2)所示：
Figure BDA0002571780060000056
其中，
Figure BDA0002571780060000057
表示无人机n的视距链路概率，b1和b2是取决于环境的常量，
Figure BDA0002571780060000058
是地面任务的区域与无人机n之间的仰角；无人机n的非视距链路概率PNLos,n可表示为：PNLos,n＝1-PLos,n；pmin则是无人机n一次成功探测所需要的最小传输功率，LdB＝10·n0log(4πfcdn,i/c)且LdB表示无人机n的空对地通信传输的路径损耗，n0表示路径损耗系数，fc表示无人机n的工作载频，dn,i表示无人机n和任务区域点i的直线距离，c代表电磁波传输速率；pn表示无人机n的传输功率，G是无人机n的天线增益，当无人机n的通信信号在天线波束宽度θ内时，天线增益由主瓣增益G≈29000/θ2决定，当无人机n的通信超过天线的波束宽度时，天线增益由旁瓣增益
Figure BDA0002571780060000059
决定，N0代表无人机天线数量，(μLos,σLos)和(μNLos,σNLos)分别表示视距链路视距下阴影衰落的均值与方差以及非视距链路N视距下阴影衰落的均值与方差；Q(.)表示标准正态分布的右尾函数，
Figure BDA00025717800600000510
表示距离为
Figure BDA00025717800600000511
的两点，地面联盟头节点hw与联盟内成员n通信成功概率，具体定义如下：
Figure BDA00025717800600000512
其中，d是两节点之间的距离，Kα＝π·Γ(1+2/α)Γ(1-2/α)，Γ(·)为伽马函数，α为路径损失指数，λ是节点密度，τ是信噪比门限值。Pr(d)∈(0,1]，当距离为0时，传输成功概率为1，当相距非常远时，几乎不能通信。
进一步的，本发明步骤33得到用户联盟选择an(i+1)＝an(i)的具体过程为：
所述的地面节点依概率选择要加入的联盟，其联盟策略更新方式为：
Figure BDA00025717800600000513
其中，δ是地面节点n的学习参数。an为节点用户n的当前联盟选择，即选择加入的联盟序号，a-n为其他用户的联盟选择，
Figure BDA00025717800600000514
为节点用户n的预期联盟选择。rn(an(i),a-n(i))表示在第i次迭代时，节点用户n的数据吞吐量，e是自然对数。
进一步的，本发明步骤41、步骤42中得到无人机数据吞吐量的具体过程为：
领导者无人机所获得的总吞吐量效用为：
Figure BDA0002571780060000061
其中，
Figure BDA0002571780060000062
表示所有地面节点联盟策略选择的集合，an表示地面节点n选择的联盟，联盟集合
Figure BDA0002571780060000063
W代表所有可用联盟总数，对于任意的联盟
Figure BDA0002571780060000064
定义
Figure BDA0002571780060000065
为所有选择联盟w的节点集合。
进一步的，本发明步骤43中得到无人机执行策略更新的具体过程为：
无人机依概率调整位置部署，其位置策略更新方式为：
Figure BDA0002571780060000066
其中，β为无人机的学习参数，l0表示无人机的当前位置部署，也就是无人机的三维坐标点，
Figure BDA0002571780060000067
表示无人机的预期位置选择，
Figure BDA0002571780060000068
表示在第j次迭代时，无人机的数据吞吐量，e是自然对数。
如图1所示，本发明将无人机与地面节点之间的关系建模为斯坦伯格博弈；首先，无人机作为领导者最先确定位置，地面节点作为跟随者，根据无人机已确定的位置形成地面节点间数据采集的联盟，通过联盟选择算法迭代得到稳定且最优的联盟分区，使得地面用户数据吞吐量最大化；其次，改变无人机的部署位置，地面节点通过联盟选择算法迭代同样可以形成一个稳定且最优的联盟分区，通过无人机部署算法迭代得到无人机的最优位置，使得无人机的数据吞吐量最大化；
对于地面节点而言，在合作机制的激励下，地面节点不再处于单独的作战状态，根据无人机的位置形成稳定的联盟，提高无人机的覆盖性能；通过优化地面节点的联盟选择
Figure BDA0002571780060000069
提高整个网络的数据分发性能；优化目标为:
Figure BDA00025717800600000610
Figure BDA00025717800600000611
为所有地面用户的最佳联盟选择集合；
对于无人机而言，无人机的位置决定了空地之间数据分发的质量；通过优化位置部署l0＝(x0,y0,h0)提高数据吞吐量，优化目标表示如下:
Figure BDA0002571780060000071
Figure BDA0002571780060000072
为无人机的最优位置部署。
以下将结合具体实施例对本发明做进一步地说明。
实施例1
本发明的第一个实施例具体描述如下，运行无人机辅助通信中的分布式空地联合部署的系统仿真采用Matlab语言，参数设定不影响一般性。该实施例验证所提模型与方法的有效性，本实施例对上述参数作以下设置：路径损失指数α＝4，节点密度λ＝0.00003，信噪比门限值τ＝2dB，视距链路视距和非视距链路N视距下阴影衰落的均值分别为μLos＝1dB，μNLos＝20dB，视距链路视距和非视距链路N视距下阴影衰落的方差分别为
Figure BDA0002571780060000073
其中，k1＝10.39,k2＝0.05，g1＝29.06,g2＝0.03，
Figure BDA0002571780060000074
是作为地面目标点的地面任务的区域与无人机n之间的仰角。视距链路下的环境常量为C＝11.9，D＝0.13,路径损耗系数为n0＝2.5。无人机携带的载波频率均设置为fc＝2GHz，天线数量N0设置为N0＝16，无人机的传输功率为51dBm。
图2是空地联合部署系统模型图。该模型中，考虑单架无人机覆盖地面多节点场景，无人机作为领导者最先调整位置策略，地面节点作为跟随者，根据无人机的位置建立地面节点间数据采集的联盟形成博弈模型。联盟头和无人机之间的数据分发通过视距链路实现，联盟成员通过D2D链路与联盟头之间通信。
图3是空地部署流程图。如图所示，建立了以无人机为领导者，地面网络为跟随者的斯坦伯格博弈模型。针对跟随者(地面节点)的吞吐量优化问题，构造了一个联盟形成博弈来分析数据的路径关系，通过地面和空中的联合优化，使整个网络的数据分发速率最大化。
图4是实施例1中无人机部署和地面节点联盟图。将正方形地形划分为100×100个网格，每个网格为50m。左图为无人机与地面节点的初始分布，绿点为地面节点的分布，红色五角星表示无人机在地面的投影。右图为实施上述算法后的空地联合部署示意图。14个地面节点最终形成4个联盟。从图中可以看出，受覆盖概率影响，无人机倾向于覆盖点数比较密集的区域，这样覆盖的概率较高，联盟内成员获得的数据分发速率就越大，覆盖效用就越高。
图5是实施例1中不同算法下的网络吞吐量对比图，从图中可以看出，不采用联盟形成算法和不采用分层博弈的无人机部署所获得的总数据吞吐量远低于本发明所提的算法，其收敛性能也远不如所提算法。同时随着无人机位置探测的不断深入，它们在总吞吐量上的差距越来越明显。
以上以用实施例说明的方式对本发明作了描述，本领域的技术人员应当理解，本公开不限于以上描述的实施例，在不偏离本发明的范围的情况下，可以做出各种变化、改变和替换。

Claims (6)

1.一种无人机辅助通信中的分布式空地联合部署方法，其特征在于，包括如下步骤：
S1.初始化：输入无人机初始位置l0和地面用户联盟选择
Figure FDA0002571780050000011
初始化覆盖场景,设置迭代次数i、j；
S2.循环：每次迭代次数j，依次执行地面用户联盟选择的阶段1、无人机位置部署的阶段2；
S3.阶段1：地面用户联盟选择
步骤31：保持无人机位置l0不变，每次迭代次数i，随机选择一个地面用户n，读取用户n的联盟选择an(i)，得到用户n的数据吞吐量rn(l0(i),an(i))；
步骤32：改变地面用户n的联盟选择策略为
Figure FDA0002571780050000012
再次计算用户n的数据吞吐量
Figure FDA0002571780050000013
步骤33：地面用户n执行策略更新an(i)，第i+1次迭代时的用户联盟选择为an(i+1)＝an(i)；
通过阶段1的联盟选择迭代出地面用户的最佳联盟选择集合
Figure FDA0002571780050000014
保存当前无人机位置l0下，地面用户联盟选择的最佳策略组合
Figure FDA0002571780050000015
并将此结果代入阶段2；
S4.阶段2：无人机位置部署
步骤41：读取阶段1得出的最佳策略组合
Figure FDA0002571780050000016
计算无人机吞吐量
Figure FDA0002571780050000017
步骤42：把无人机的当前位置l0(j)改成预期位置策略
Figure FDA0002571780050000018
将此位置坐标
Figure FDA0002571780050000019
代入阶段1，同样得到用户最佳联盟策略集合
Figure FDA00025717800500000110
再次计算无人机吞吐量
Figure FDA00025717800500000111
步骤43：无人机执行策略更新l0(j)，
Figure FDA00025717800500000112
表示无人机选择当前位置策略l0(j)的概率；
步骤44：j＝j+1，满足停止准则或达到最大迭代次数时结束循环，所述停止准则为
Figure FDA00025717800500000113
连续5次大于0.98；
S5.输出：空地分层部署混合策略组合
Figure FDA00025717800500000114
2.根据权利要求1所述的无人机辅助通信中的分布式空地联合部署方法，其特征在于，上述步骤31、步骤32得到用户n的数据吞吐量的具体过程为：
设定
Figure FDA00025717800500000115
是所有选择联盟w的节点用户集合，地面节点
Figure FDA00025717800500000116
的数据吞吐量定义为：
Figure FDA00025717800500000117
其中，an为节点n的联盟选择，rn(l0,w)表示当无人机的位置为l0时，节点n的联盟选择an＝w时，地面节点n的数据吞吐量，βn为数据平均传输速率，
Figure FDA0002571780050000021
表示当无人机位置在l0时与联盟头节点hw通信成功概率，该
Figure FDA0002571780050000022
如公式(2)所示：
Figure FDA0002571780050000023
其中，
Figure FDA0002571780050000024
表示无人机n的视距链路概率，b1和b2是取决于环境的常量，
Figure FDA0002571780050000025
是地面任务的区域与无人机n之间的仰角；无人机n的非视距链路概率PNLos,n可表示为：PNLos,n＝1-PLos,n；pmin则是无人机n一次成功探测所需要的最小传输功率，LdB＝10·n0log(4πfcdn,i/c)且LdB表示无人机n的空对地通信传输的路径损耗，n0表示路径损耗系数，fc表示无人机n的工作载频，dn,i表示无人机n和任务区域点i的直线距离，c代表电磁波传输速率；pn表示无人机n的传输功率，G是无人机n的天线增益，当无人机n的通信信号在天线波束宽度θ内时，天线增益由主瓣增益G≈29000/θ2决定，当无人机n的通信超过天线的波束宽度时，天线增益由旁瓣增益
Figure FDA0002571780050000026
决定，N0代表无人机天线数量，(μLos,σLos)和(μNLos,σNLos)分别表示视距链路视距下阴影衰落的均值与方差以及非视距链路N视距下阴影衰落的均值与方差；Q(.)表示标准正态分布的右尾函数，
Figure FDA0002571780050000027
表示距离为
Figure FDA0002571780050000028
的两点，地面联盟头节点hw与联盟内成员n通信成功概率，具体定义如下：
Figure FDA0002571780050000029
其中，d是两节点之间的距离，Kα＝π·Γ(1+2/α)Γ(1-2/α)，Γ(·)为伽马函数，α为路径损失指数，λ是节点密度，τ是信噪比门限值。Pr(d)∈(0,1]，当距离为0时，传输成功概率为1，当相距非常远时，几乎不能通信。
3.根据权利要求1所述的无人机辅助通信中的分布式空地联合部署方法，其特征在于，上述步骤33得到用户联盟选择an(i+1)＝an(i)的具体过程为：
所述的地面节点依概率选择要加入的联盟，其联盟策略更新方式为：
Figure FDA00025717800500000210
其中，δ是地面节点n的学习参数。an为节点用户n的当前联盟选择，即选择加入的联盟序号，a-n为其他用户的联盟选择，
Figure FDA00025717800500000211
为节点用户n的预期联盟选择；rn(an(i),a-n(i))表示在第i次迭代时，节点用户n的数据吞吐量，e是自然对数。
4.根据权利要求1所述的无人机辅助通信中的分布式空地联合部署方法，其特征在于，上述步骤41、步骤42得到无人机数据吞吐量的具体过程为：
领导者无人机所获得的总吞吐量效用为：
Figure FDA0002571780050000031
其中，
Figure FDA0002571780050000032
表示所有地面节点联盟策略选择的集合，an表示地面节点n选择的联盟，联盟集合
Figure FDA0002571780050000033
W代表所有可用联盟总数，对于任意的联盟
Figure FDA0002571780050000034
定义
Figure FDA0002571780050000035
为所有选择联盟w的节点集合。
5.根据权利要求1所述的无人机辅助通信中的分布式空地联合部署方法，其特征在于，上述步骤43得到无人机执行策略更新的具体过程为：
无人机依概率调整位置部署，其位置策略更新方式为：
Figure FDA0002571780050000036
其中，β为无人机的学习参数，l0表示无人机的当前位置部署，也就是无人机的三维坐标点，
Figure FDA0002571780050000037
表示无人机的预期位置选择，
Figure FDA0002571780050000038
表示在第j次迭代时，无人机的数据吞吐量，e是自然对数。
6.根据权利要求1所述的无人机辅助通信中的分布式空地联合部署方法，其特征在于，将无人机与地面节点之间的关系建模为斯坦伯格博弈；首先，无人机作为领导者最先确定位置，地面节点作为跟随者，根据无人机已确定的位置形成地面节点间数据采集的联盟，通过联盟选择算法迭代得到稳定且最优的联盟分区，使得地面用户数据吞吐量最大化；其次，改变无人机的部署位置，地面节点通过联盟选择算法迭代同样可以形成一个稳定且最优的联盟分区，通过无人机部署算法迭代得到无人机的最优位置，使得无人机的数据吞吐量最大化；
对于地面节点而言，在合作机制的激励下，地面节点不再处于单独的作战状态，根据无人机的位置形成稳定的联盟，提高无人机的覆盖性能；通过优化地面节点的联盟选择
Figure FDA0002571780050000039
提高整个网络的数据分发性能；优化目标为:
Figure FDA00025717800500000310
Figure FDA00025717800500000311
为所有地面用户的最佳联盟选择集合；
对于无人机而言，无人机的位置决定了空地之间数据分发的质量；通过优化位置部署l0＝(x0,y0,h0)提高数据吞吐量，优化目标表示如下:
Figure FDA0002571780050000041
Figure FDA0002571780050000042
为无人机的最优位置部署。
CN202010641863.2A 2020-07-06 2020-07-06 一种无人机辅助通信中的分布式空地联合部署方法 Pending CN111800185A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010641863.2A CN111800185A (zh) 2020-07-06 2020-07-06 一种无人机辅助通信中的分布式空地联合部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010641863.2A CN111800185A (zh) 2020-07-06 2020-07-06 一种无人机辅助通信中的分布式空地联合部署方法

Publications (1)

Publication Number Publication Date
CN111800185A true CN111800185A (zh) 2020-10-20

Family

ID=72810301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010641863.2A Pending CN111800185A (zh) 2020-07-06 2020-07-06 一种无人机辅助通信中的分布式空地联合部署方法

Country Status (1)

Country Link
CN (1) CN111800185A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112511978A (zh) * 2020-12-02 2021-03-16 南京森林警察学院 一种用于收集森林防火监控数据的无人机部署方法
CN112564766A (zh) * 2020-11-27 2021-03-26 江苏科技大学 一种无人机网络连通修复方法
CN112672371A (zh) * 2020-12-23 2021-04-16 中国人民解放军陆军工程大学 一种异构需求下的空地协同分层部署模型及其接入方法
CN112672361A (zh) * 2020-12-17 2021-04-16 东南大学 一种基于无人机集群部署的大规模mimo容量提升方法
CN112947583A (zh) * 2021-03-29 2021-06-11 清华大学 无人机通信网络拓扑优化方法及系统
CN113342060A (zh) * 2021-06-02 2021-09-03 南京臻融软件科技有限公司 一种基于相对定位的无人机群中继网络构建方法
CN113676917A (zh) * 2021-08-25 2021-11-19 南京航空航天大学 基于博弈论的无人机分层移动边缘计算网络的能耗优化方法
CN113867418A (zh) * 2021-09-17 2021-12-31 南京信息工程大学 一种无人机集群自主协同侦察任务调度方法
CN116319511A (zh) * 2022-12-21 2023-06-23 南京航空航天大学 基于最短路径树图联盟形成算法的通信连接方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170041183A1 (en) * 2014-03-27 2017-02-09 Brillianetor Ltd. System and method for operating an artificial social network
US20170324469A1 (en) * 2016-05-06 2017-11-09 Ubiqomm Llc Unmanned aerial vehicle (uav) beam pointing and data rate optimization for high throughput broadband access
WO2017193083A1 (en) * 2016-05-06 2017-11-09 Ubiqomm Llc Unmanned aerial vehicle (uav) beam pointing and data rate optimization for high throughput broadband access
CN107979846A (zh) * 2017-12-29 2018-05-01 中国人民解放军陆军工程大学 一种情景知觉下的重叠联盟博弈模型及空间自适应算法
CN108092729A (zh) * 2017-12-29 2018-05-29 中国人民解放军陆军工程大学 无人机通信中的抗干扰模型及斯坦伯格博弈次梯度算法
CN108616916A (zh) * 2018-04-28 2018-10-02 中国人民解放军陆军工程大学 一种合作抗干扰分层博弈模型及抗干扰学习算法
CN108616302A (zh) * 2018-04-28 2018-10-02 中国人民解放军陆军工程大学 一种功率控制下的无人机多重覆盖模型及部署方法
CN109327514A (zh) * 2018-09-26 2019-02-12 中国人民解放军陆军工程大学 一种基于内容复用的数据下载开销博弈优化模型及方法
CN110049566A (zh) * 2019-04-29 2019-07-23 西北工业大学 一种基于多无人机辅助通信网络的下行功率分配方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170041183A1 (en) * 2014-03-27 2017-02-09 Brillianetor Ltd. System and method for operating an artificial social network
US20170324469A1 (en) * 2016-05-06 2017-11-09 Ubiqomm Llc Unmanned aerial vehicle (uav) beam pointing and data rate optimization for high throughput broadband access
WO2017193083A1 (en) * 2016-05-06 2017-11-09 Ubiqomm Llc Unmanned aerial vehicle (uav) beam pointing and data rate optimization for high throughput broadband access
CN107979846A (zh) * 2017-12-29 2018-05-01 中国人民解放军陆军工程大学 一种情景知觉下的重叠联盟博弈模型及空间自适应算法
CN108092729A (zh) * 2017-12-29 2018-05-29 中国人民解放军陆军工程大学 无人机通信中的抗干扰模型及斯坦伯格博弈次梯度算法
CN108616916A (zh) * 2018-04-28 2018-10-02 中国人民解放军陆军工程大学 一种合作抗干扰分层博弈模型及抗干扰学习算法
CN108616302A (zh) * 2018-04-28 2018-10-02 中国人民解放军陆军工程大学 一种功率控制下的无人机多重覆盖模型及部署方法
CN109327514A (zh) * 2018-09-26 2019-02-12 中国人民解放军陆军工程大学 一种基于内容复用的数据下载开销博弈优化模型及方法
CN110049566A (zh) * 2019-04-29 2019-07-23 西北工业大学 一种基于多无人机辅助通信网络的下行功率分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XINGYU YU等: "Air–ground integrated deployment for UAVenabled mobile edge computing: A hierarchical game approac", 《IET COMMUNICATIONS》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564766A (zh) * 2020-11-27 2021-03-26 江苏科技大学 一种无人机网络连通修复方法
CN112511978B (zh) * 2020-12-02 2024-01-30 南京森林警察学院 一种用于收集森林防火监控数据的无人机部署方法
CN112511978A (zh) * 2020-12-02 2021-03-16 南京森林警察学院 一种用于收集森林防火监控数据的无人机部署方法
CN112672361A (zh) * 2020-12-17 2021-04-16 东南大学 一种基于无人机集群部署的大规模mimo容量提升方法
CN112672361B (zh) * 2020-12-17 2022-12-02 东南大学 一种基于无人机集群部署的大规模mimo容量提升方法
CN112672371A (zh) * 2020-12-23 2021-04-16 中国人民解放军陆军工程大学 一种异构需求下的空地协同分层部署模型及其接入方法
CN112947583A (zh) * 2021-03-29 2021-06-11 清华大学 无人机通信网络拓扑优化方法及系统
CN112947583B (zh) * 2021-03-29 2024-06-14 清华大学 无人机通信网络拓扑优化方法及系统
CN113342060A (zh) * 2021-06-02 2021-09-03 南京臻融软件科技有限公司 一种基于相对定位的无人机群中继网络构建方法
CN113676917A (zh) * 2021-08-25 2021-11-19 南京航空航天大学 基于博弈论的无人机分层移动边缘计算网络的能耗优化方法
CN113867418A (zh) * 2021-09-17 2021-12-31 南京信息工程大学 一种无人机集群自主协同侦察任务调度方法
CN116319511B (zh) * 2022-12-21 2023-11-10 南京航空航天大学 基于最短路径树图联盟形成算法的通信连接方法和系统
CN116319511A (zh) * 2022-12-21 2023-06-23 南京航空航天大学 基于最短路径树图联盟形成算法的通信连接方法和系统

Similar Documents

Publication Publication Date Title
CN111800185A (zh) 一种无人机辅助通信中的分布式空地联合部署方法
Cao et al. Deep reinforcement learning for channel and power allocation in UAV-enabled IoT systems
CN111970709B (zh) 一种基于粒子群优化算法的无人机中继部署方法及系统
CN112672361B (zh) 一种基于无人机集群部署的大规模mimo容量提升方法
CN110312265B (zh) 无人机编队通信覆盖的功率分配方法及系统
CN111711960A (zh) 一种能量效率知觉的无人机群三维部署方法
CN112672371B (zh) 一种异构需求下的空地协同分层部署模型及其接入方法
CN114039652B (zh) 基于建筑物几何分析的毫米波抗阻挡多无人机部署方法
CN115441939A (zh) 基于maddpg算法的多波束卫星通信系统资源分配方法
Hajiakhondi-Meybodi et al. Joint transmission scheme and coded content placement in cluster-centric UAV-aided cellular networks
CN115499921A (zh) 面向复杂无人机网络的三维轨迹设计及资源调度优化方法
Zhong et al. Deployment optimization of UAV relays for collecting data from sensors: A potential game approach
CN117270559A (zh) 一种基于强化学习的无人机集群部署与轨迹规划方法
Yu et al. 3D deployment of Multi-UAV for energy-saving: A game-based learning approach
CN115119174A (zh) 灌区场景中基于能耗优化的无人机自主部署方法
CN112947583B (zh) 无人机通信网络拓扑优化方法及系统
Jain et al. Co-channel interference suppression for cellular-connected uav using noma
CN111683379B (zh) 多无人机合作的空基无线信号覆盖部署方法及装置
CN111491315B (zh) 基于扩展无人机网络中的延时与能耗折中模型的系统
Abeywickrama et al. An adaptive UAV network for increased user coverage and spectral efficiency
Sazak et al. UAV-BS trajectory optimization under coverage, backhaul and QoS constraints using Q-learning
CN114979135B (zh) 基于移动边缘计算的无人机飞行高度和任务分配控制方法
Catté et al. Cost-efficient and QoS-aware user association and 3D placement of 6G aerial mobile access points
Wang et al. Active-IRS-Enabled Energy-Efficiency Optimizations for UAV-Based 6G Mobile Wireless Networks
CN115225142A (zh) 多无人机通信中用户匹配与频谱资源联合优化方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201020