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 PDFInfo
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000005562 fading Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 101100161752 Mus musculus Acot11 gene Proteins 0.000 claims description 2
- 241000170489 Upis Species 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims description 2
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000003068 static effect Effects 0.000 abstract 1
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 2
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
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);
S4.阶段2:无人机位置部署
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);
S4.阶段2:无人机位置部署
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:
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,表示当无人机位置在l0时与联盟头节点hw通信成功概率,该如公式(2)所示:
其中,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,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,表示距离为的两点,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:
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:
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,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:
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:
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:
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其中,k1=10.39,k2=0.05,g1=29.06,g2=0.03,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:
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);
S4.阶段2:无人机位置部署
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:
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,表示当无人机位置在l0时与联盟头节点hw通信成功概率,该如公式(2)所示:
其中,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,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,表示距离为的两点,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:
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。
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:
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)
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)
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 |
-
2020
- 2020-07-06 CN CN202010641863.2A patent/CN111800185A/zh active Pending
Patent Citations (9)
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)
Title |
---|
XINGYU YU等: "Air–ground integrated deployment for UAVenabled mobile edge computing: A hierarchical game approac", 《IET COMMUNICATIONS》 * |
Cited By (13)
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 |