CN111836271A - 一种多无人机通信基站的3d位置部署方法 - Google Patents

一种多无人机通信基站的3d位置部署方法 Download PDF

Info

Publication number
CN111836271A
CN111836271A CN202010736835.9A CN202010736835A CN111836271A CN 111836271 A CN111836271 A CN 111836271A CN 202010736835 A CN202010736835 A CN 202010736835A CN 111836271 A CN111836271 A CN 111836271A
Authority
CN
China
Prior art keywords
circle
unmanned aerial
aerial vehicle
radius
cell
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
Application number
CN202010736835.9A
Other languages
English (en)
Other versions
CN111836271B (zh
Inventor
李旭杰
张亚轩
胡居荣
顾燕
张云飞
李建霓
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010736835.9A priority Critical patent/CN111836271B/zh
Publication of CN111836271A publication Critical patent/CN111836271A/zh
Application granted granted Critical
Publication of CN111836271B publication Critical patent/CN111836271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18515—Transmission equipment in satellites or space-based relays
    • 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
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Astronomy & Astrophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多无人机通信基站的3D位置部署方法。本发明首先在路径损耗取最大值的情况下，得到无人机的高度和覆盖圆半径的关系式，利用遗传算法找到无人机通信基站的最大覆盖圆的半径；然后将目标区域划分为多个正六边形小区，小区为无人机最大覆盖圆的内接正六边形，达到每个小区内的用户可以被一台无人机基站完全覆盖的目的；再在每个小区内找到覆盖所有用户的最小圆的半径与圆心，最小圆的圆心即为无人机的2D坐标，当圆的半径确定时，根据空对地信道模型得到无人机的高度与路径损耗的关系，找到最佳高度使路径损耗最小。本发明在覆盖指定范围所有用户的情况下，部署无人机3D位置并有效降低了无人机基站的发射功率，应用范围广泛。

Description

一种多无人机通信基站的3D位置部署方法
技术领域
本发明属于无人机通信领域，涉及一种多无人机通信基站的3D位置部署方法，该部署方法可以达到对指定区域用户的全覆盖，并节约发射功率。
背景技术
由于地震、风暴等原因地面基站损坏，导致通信网无法被建立时，有效的应急通信可以极大减少人员的伤亡和财产的损失，所以无人机作为应急通信基站具有被广泛使用。无人机作为一种飞行器，有良好的移动性，多无人机可以对指定区域进行有效的覆盖，从而达到辅助地面通信的目的。
近年来，无人机作为研究热点，针对无人机部署的方案获得较多的讨论，利用机器学习、博弈论等方法，优化无人机通信的时延、发射功率、信噪比等，以及研究无人机对特定场景的覆盖，如高层建筑物、体育场等。3D位置的部署通常是在不损失最优解的情况下，在垂直和水平维度对无人机的部署问题进行解耦，部署问题可以在水平维度上被建模为一个圆形布局问题和一个最小的包围圆问题。现有研究讨论单无人机的部署较多，对于多无人机的部署，主要是对于无人机覆盖范围最大、覆盖目标最多的优化，对覆盖所有目标、覆盖全部区域的多无人机部署问题研究较少。本发明提出了一种无人机基站的3D位置部署方法，利用多无人机进行对指定区域的全覆盖，并节约发射功率。
发明内容
发明目的：针对地面设施损坏的应急通信，本发明提出一种多无人机通信基站的3D位置部署方法，这种部署方法可以让每架无人机均有最大覆盖面积，多个无人机基站达到对指定区域用户的全覆盖，并节约发射功率。
技术方案：为实现上述发明目的，本发明所提出的一种多无人机通信基站的3D位置部署方法，包括以下步骤：
(1)设无人机覆盖的平面区域是一个圆，利用空对地信道衰减模型得到无人机的高度、无人机覆盖的圆半径和传输信号的路径损耗的关系式，在路径损耗取最大值的情况下，得到无人机的高度和覆盖圆半径的关系式，利用遗传算法找到无人机通信基站的最大覆盖圆的半径；
(2)将目标区域划分为多个正六边形小区，小区为无人机最大覆盖圆的内接正六边形，达到每个小区内的用户可以被一台无人机基站完全覆盖的目的；
(3)在每个小区内找到覆盖所有用户的最小圆的半径与圆心，最小圆的圆心即为无人机的2D坐标，当圆的半径确定时，根据空对地信道模型得到无人机的高度与路径损耗的关系，找到最佳高度使路径损耗最小；
(4)结合每架无人机的2D位置与高度，即完成无人机通信基站的3D部署。
步骤(1)中的目标区域内空对地信道衰减模型如下：
Figure BDA0002605390730000021
其中，hi表示无人机i的高度；ri表示无人机i的覆盖半径；a、b是与环境有关的常数；A与B表示两个常量，表示为：
A＝ηLoS-ηNLoS
Figure BDA0002605390730000022
其中，ηLoS和ηNLoS分别表示视距通信和非视距通信的额外损耗；fc为载波频率；c为光速；
当L(hi,ri)＝Lmax时，无人机高度与覆盖圆的半径的关系：
Figure BDA0002605390730000023
Lmax为信道允许的最大衰减，取值为无人机最大发射功率与用户最小接收功率的差值。
无人机飞行高度的范围为(0,hmax)，当
Figure BDA0002605390730000024
时，高度达到最大值，即：
Figure BDA0002605390730000025
由此可得hmax。
步骤(1)中的利用遗传算法计算无人机通信基站的最大覆盖圆半径的步骤包括：
(1.1)初始化，输入空对地信道衰减模型参数；
(1.2)对染色体进行编码，编码方式为：每个染色体共有m个基因位，表示将(0,hmax)分解为10m个部分，每个基因位的取值为0到9之间的整数，每个染色体表示无人机高度的值在(0,hmax)中10m个部分中的一个；
(1.3)随机产生一定规模的染色体作为初始种群；
(1.4)计算每个染色体对应的覆盖半径，根据空对地信道衰减模型设置适应度函数，覆盖半径越大的个体适应度越高，适应度函数为包含hi和ri的隐函数：
Figure BDA0002605390730000031
(1.5)使用排名法进行染色体选择，在已设置的交叉和变异概率下进行染色体的交叉和变异；
(1.6)到达最大迭代次数后输出最优解，得到无人机基站的最大覆盖圆的半径。
步骤(2)中的正六边形小区划分方法包括：
(2.1)创建空集B，随机选取指定区域内的一点(xD,yD)，设无人机最大覆盖圆的半径为r，由于采用最大覆盖圆的内接正六边形铺设，每个小区中心与其相邻小区距离相同，均为
Figure BDA0002605390730000032
(2.2)以(xD,yD)为一个小区的中心，从(xD,yD)开始，完成对所有符合要求的小区的中心点的遍历，直到小区覆盖范围在目标区域外，将所有小区的中心点放入B中；
(2.3)判断B内各个小区中是否存在用户，如果小区内不存在用户，则从集合B中删除掉该小区；
(2.4)输出集合B为最终的小区划分的中心点的集合，由于每个小区由一架无人机覆盖，小区的数量等于需要部署的无人机的数量。
所述步骤(3)中在每个小区内找到能覆盖所有用户的最小圆的方法包括：
(3.1)初始化：i、j、k、m为计数器，N表示小区的数量，将小区进行编码，每个小区内的用户进行编码，N[i]表示第i小区内用户的数量，u[i][j]表示第i个小区内第j个用户的坐标，创建空集P用于存放所有圆心与半径；令i＝0；
(3.2)若i<N，进入步骤(3.3)，否则进入步骤(3.11)；
(3.3)在一个小区i内，如果N[i]＝1，表示此小区仅有一用户，则以这个用户的坐标作为无人机的2D坐标，半径设为常数，并放入P中，i＝i+1，进入步骤(3.2)；否则进入步骤(3.4)；
(3.4)以u[i][0],u[i][1]作为直径构造圆，更新圆心坐标与圆的半径；
(3.5)判断剩余的点是否都在圆内或圆上，如果都在，则将圆心坐标与圆的半径放入P中，i＝i+1，进入步骤(3.2)；否则进入步骤(3.6)；
(3.6)设第一个不在圆内或圆上的点为j，用u[i][0],u[i][j]为直径构造圆；
(3.7)再从1到j-1判断是否有点不在这个圆上，如果都在，则找到覆盖的圆与圆心坐标，将圆心坐标与圆的半径更新，并返回步骤(3.5)；否则进入步骤(3.8)；
(3.8)设第一个不在这个圆内或圆上的点为k，k<j，用u[i][j],u[i][k]为直径构造圆；
(3.9)如果从0到k中，所有点都在圆内，则将圆心坐标与半径更新，并返回步骤(3.7)；否则进入步骤(3.10)；
(3.10)设第m个点不在圆内，m<k，求过u[i][j]、u[i][k]、u[i][m]三个点的圆，这个圆一定覆盖前m个点，将圆心坐标与圆的半径更新，并返回步骤(3.7)；
(3.11)输出集合P即为各个无人机的2D坐标与半径的集合。
步骤(3)中找到每架无人机高度的方法如下：
在找到每个小区内无人机覆盖所有用户最小圆的半径后，利用空对地信道衰减模型：
Figure BDA0002605390730000041
当ri确定后，得到hi和L(hi,ri)的函数关系，此函数为凹函数，可直接求解得到最佳高度hopt使L(hi,ri)达到最小值。
有益效果：本发明通过无人机最大覆盖圆半径设置蜂窝网，实现多个无人机通信基站对指定范围内的用户的全覆盖，在每个小区内找到能覆盖所有用户的最小圆后，通过调整无人机的高度使路径损耗最小，达到节约无人机发射功率的目的。
附图说明
图1为多无人机通信基站的3D位置部署方法的场景图。
图2为多无人机通信基站的3D位置部署方法的流程图。
图3为采用遗传算法寻找无人机最佳高度的流程图。
图4为正六边形小区的部署方法的流程图。
图5为寻找无人机2D坐标的方法的流程图。
图6为找到最小覆盖圆之前无人机消耗的总功率与找到最小圆之后无人机消耗的总功率对比图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明实施例结合具体场景详细分析多无人机通信基站的3D位置部署，但本发明的方法不局限于本发明实施例中具体的场景与参数的设定。
1、场景与参数的设置：
假设在某区域内随机分布着n个用户，用户所需的最小接受功率相同，由于某种原因导致地面基站无法运行时，需要使用无人机基站对所有用户进行覆盖，每架无人机均有一个圆形覆盖区域，如图1所示。无人机最大发射功率Ptmax，单位为dBm，用户允许最小接受功率为Pr，单位为dBm，允许最大衰减Lmax＝Ptmax-Pr，ηLoS和ηNLoS分别表示视距通信和非视距通信的额外损耗，单位为dB，fc为载波频率，单位为Hz，c为光速，单位为m/s，无人机的高度为h，单位为m，覆盖半径为r，单位为m，与环境有关的常数a、b，其中a、b、ηLoS、ηNLoS取值如下表所示：
Figure BDA0002605390730000051
2、空对地信道衰减模型的建立：
无人机i的视距通信的概率函数为：
Figure BDA0002605390730000052
其中，a、b取决于环境，环境不同时，视距通信的概率不同。
无人机i的非视距通信的概率为：Pi NLoS＝1-Pi LoS
无人机i的视距通信的衰减模型为：
Figure BDA0002605390730000061
无人机i的非视距通信衰减模型为：
Figure BDA0002605390730000062
所以无人机i的路径损耗的期望为：L(hi,ri)＝Qi LoS×Pi LoS+Qi NLoS×Pi NLoS
化简后得：
Figure BDA0002605390730000063
其中：
A＝ηLoS-ηNLoS
Figure BDA0002605390730000064
当L(hi,ri)＝Lmax时，无人机达到覆盖边界，这样有无人机高度与覆盖圆的半径的关系：
Figure BDA0002605390730000065
基于上述基础，以覆盖所有用户并节约无人机的发射功率为目标，对本发明的一种多无人机通信基站的3D位置部署方法进行设计。
如图2所示，本发明实施例公开的一种多无人机通信基站的3D位置部署方法，包括以下步骤：
(1)在假定无人机覆盖的平面区域是一个圆，并且所有无人机型号相同的情况下，利用空对地信道衰减模型得到三个变量——无人机的高度、无人机覆盖的圆半径和传输信号的路径损耗——的关系式。当用户在圆内时，被所覆盖的无人机服务。在路径损耗取最大值的情况下，得到无人机的高度和覆盖圆半径的关系式，利用遗传算法找到无人机通信基站的最大覆盖圆的半径；
(2)将目标区域划分为多个正六边形小区，小区为无人机最大覆盖圆的内接正六边形，达到每个小区内的用户可以被一台无人机基站完全覆盖的目的；
(3)在每个小区内找到覆盖所有用户的最小圆的半径与圆心，最小圆的圆心即为无人机的2D(二维)坐标，当圆的半径确定时，根据空对地信道模型得到无人机的高度与路径损耗的关系，找到最佳高度使路径损耗最小。在用户最小接受功率不变的情况下，路径损耗减小，无人机的发射功率减小，达到节约发射功率的目的；
(4)结合每架无人机的2D位置与高度，即完成无人机通信基站的3D(三维)部署。
如图3所示，遗传算法寻找无人机最佳高度包括以下步骤：
(1.1)初始化，输入参数：
输入的参数包括允许最大衰减Lmax＝Ptmax-Pr，视距通信额外损耗ηLoS，非视距通信额外损耗ηNLoS，载波频率fc，光速c，常数a，b；
(1.2)对染色体进行编码，编码方式为：每个染色体共有m个基因位，表示将(0,hmax)分解为10m个部分，每个基因位的取值为0到9之间的整数，每个染色体表示无人机高度的值在(0,hmax)中10m个部分中的一个；
假设共有两个基因位，即将(0,hmax)分成100份，如染色体的基因分别为1，5，即代表高度
Figure BDA0002605390730000071
(1.3)产生一定规模的染色体作为初始种群，本例中种群数量为q＝60，染色体随机产生；
(1.4)计算每个染色体对应的覆盖半径，根据空对地信道衰减模型设置适应度函数，覆盖半径越大的个体适应度越高，适应度函数为包含hi和ri的隐函数：
Figure BDA0002605390730000072
(1.5)选择，使用排名法进行选择，即将个体适应度排名，适应度较低的个体淘汰，当种群数量q超过设定值q0时，淘汰第q0个个体之后的个体。
(1.6)交叉，采用单点交叉，基因概率P1下在两个染色体之间交换；
(1.7)变异，在变异概率P2下选择染色体进行基因变异，变异方法为，在同一染色体上随机选择两个基因进行位置的交换；
(1.8)到达最大迭代次数后输出最优解，得到无人机基站的最大覆盖半径。
如图4所示，正六边形小区划分方法如下:
(2.1)创建空集B，随机选取指定区域内的一点(xD,yD)，所有无人机型号相同，所以无人机最大覆盖圆的半径相同，设为r，由于采用最大覆盖圆的内接正六边形铺设，每个小区中心与其相邻小区距离相同，均为
Figure BDA0002605390730000081
(2.2)以(xD,yD)为一个小区的中心，从(xD,yD)开始，完成对所有符合要求的小区的中心点的遍历，直到小区覆盖范围在目标区域外，将所有小区的中心点放入B中；
(2.3)判断B内各个小区中是否存在用户，如果小区内不存在用户，则从集合B中删除掉该小区；
(2.4)输出集合B为最终的小区划分的中心点的集合，由于每个小区由一架无人机覆盖，小区的数量等于需要部署的无人机的数量。
如图5所示，寻找最小圆的方法如下：
(3.1)初始化：i,j,k,m,为计数器，N表示小区的数量，将小区进行编码，每个小区内的用户进行编码，N[i]表示第i小区内用户的数量，u[i][j]表示第i个小区内第j个用户的坐标，创建空集P用于存放所有圆心与半径；令i＝0。
(3.2)若i<N，进入步骤(3.3)，否则进入步骤(3.11)。
(3.3)在一个小区i内，如果N[i]＝0，表示此小区仅有一用户，则以这个点的坐标作为无人机的2D坐标，半径为常数a，并放入P中，i＝i+1，进入步骤(3.2)；否则进入步骤(3.4)。
(3.4)以u[i][0],u[i][1]作为直径构造圆，更新圆心坐标与圆的半径。
(3.5)判断剩余的点是否都在圆内(或圆上)，如果都在，则将圆心坐标与圆的半径放入P中，i＝i+1，进入步骤(3.2)。否则进入步骤(3.6)。
(3.6)设第一个不在圆内(或圆上)的点为j，用u[i][0],u[i][j]为直径构造圆。
(3.7)再从1到j-1判断是否有点不在这个圆上，如果都在，则找到覆盖的圆与圆心坐标，将圆心坐标与圆的半径更新,并返回步骤(3.5)。否则进入步骤(3.8)。
(3.8)设第一个不在这个圆内(或圆上)的点为k(k<j)，用u[i][j],u[i][k]为直径构造圆。
(3.9)如果从0到k中，所有点都在圆内，则将圆心坐标与半径更新，并返回步骤(3.7)。否则进入步骤(3.10)。
(3.10)设第m个点不在圆内(m<k)，求过u[i][j]、u[i][k]、u[i][m]三个点的圆，这个圆一定覆盖前m个点，将圆心坐标与圆的半径更新，并返回步骤(3.7)。
(3.11)输出集合P即为无人机的2D坐标。
步骤(3)中找到每架无人机高度的方法如下：
在找到每个小区内无人机覆盖的半径后，利用空对地信道衰减模型：
Figure BDA0002605390730000091
当ri确定后，得到hi和L(hi,ri)的函数关系，此函数为凹函数，可直接求解得到最佳高度
Figure BDA0002605390730000092
使L(hi,ri)达到最小值。
由于Pti＝Pr+L(hi,ri)，在用户最小接收功率Pr不变的情况下，L(hi,ri)减小使发射功率减小，达到节约功率的目的，无人机i节约的功率为Pi＝Ptmax-Pti，节约的总功率为:
Figure BDA0002605390730000093
其中M为无人机数量。
如图6所示，为验证本发明效果，采用如下仿真参数，最大发射功率Pt为30dBm,最小接收功率Pr为-70dBm,常数a和b分别为9.61,0.16，视距通信额外损耗ηLoS为1dB，非视距通信额外损耗ηNLoS为20dB，载频fc为2GHz。在3km×3km的矩形范围内随机分布密度为σ人/km2。当密度不同时，消耗的总发射功率不同。图6将选择最小圆之前和选择最小圆之后消耗的总功率进行比较。选择最小圆之前无人机坐标为小区中心，发射功率恒定为30dBm。选择最小圆之后，覆盖半径减小，无人机高度不变，路径损耗变小，最终在最小接收功率不变的情况下减少发射功率，达到节约发射功率的目的。

Claims (7)

1.一种多无人机通信基站的3D位置部署方法，其特征在于，所述方法包括以下步骤：
(1)设无人机覆盖的平面区域是一个圆，利用空对地信道衰减模型得到无人机的高度、无人机覆盖的圆半径和传输信号的路径损耗的关系式，在路径损耗取最大值的情况下，得到无人机的高度和覆盖圆半径的关系式，利用遗传算法找到无人机通信基站的最大覆盖圆的半径；
(2)将目标区域划分为多个正六边形小区，小区为无人机最大覆盖圆的内接正六边形，达到每个小区内的用户可以被一台无人机基站完全覆盖的目的；
(3)在每个小区内找到覆盖所有用户的最小圆的半径与圆心，最小圆的圆心即为无人机的2D坐标，当圆的半径确定时，根据空对地信道模型得到无人机的高度与路径损耗的关系，找到最佳高度使路径损耗最小；
(4)结合每架无人机的2D位置与高度，即完成无人机通信基站的3D部署。
2.根据权利要求1中所述的一种多无人机通信基站的3D位置部署方法，其特征在于，所述步骤(1)中的目标区域内空对地信道衰减模型如下：
Figure FDA0002605390720000011
其中，hi表示无人机i的高度；ri表示无人机i的覆盖半径；a、b是与环境有关的常数；A与B表示两个常量，表示为：
A＝ηLoS-ηNLoS
Figure FDA0002605390720000012
其中，ηLoS和ηNLoS分别表示视距通信和非视距通信的额外损耗；fc为载波频率；c为光速；
当L(hi,ri)＝Lmax时，无人机高度与覆盖圆的半径的关系：
Figure FDA0002605390720000013
Lmax为信道允许的最大衰减，取值为无人机最大发射功率与用户最小接收功率的差值。
3.根据权利要求2中所述的一种多无人机通信基站的3D位置部署方法，其特征在于，无人机飞行高度的范围为(0,hmax)，当
Figure FDA0002605390720000021
时，高度达到最大值，即：
Figure FDA0002605390720000022
由此可得hmax。
4.根据权利要求3中所述的一种多无人机通信基站的3D位置部署方法，其特征在于，所述步骤(1)中的利用遗传算法计算无人机通信基站的最大覆盖圆半径的步骤包括：
(1.1)初始化，输入空对地信道衰减模型参数；
(1.2)对染色体进行编码，编码方式为：每个染色体共有m个基因位，表示将(0,hmax)分解为10m个部分，每个基因位的取值为0到9之间的整数，每个染色体表示无人机高度的值在(0,hmax)中10m个部分中的一个；
(1.3)随机产生一定规模的染色体作为初始种群；
(1.4)计算每个染色体对应的覆盖半径，根据空对地信道衰减模型设置适应度函数，覆盖半径越大的个体适应度越高，适应度函数为包含hi和ri的隐函数：
Figure FDA0002605390720000023
(1.5)使用排名法进行染色体选择，在已设置的交叉和变异概率下进行染色体的交叉和变异；
(1.6)到达最大迭代次数后输出最优解，得到无人机基站的最大覆盖圆的半径。
5.根据权利要求1中所述的一种多无人机通信基站的3D位置部署方法，其特征在于，所述步骤(2)中的正六边形小区划分方法包括：
(2.1)创建空集B，随机选取指定区域内的一点(xD,yD)，设无人机最大覆盖圆的半径为r，由于采用最大覆盖圆的内接正六边形铺设，每个小区中心与其相邻小区距离相同，均为
Figure FDA0002605390720000024
(2.2)以(xD,yD)为一个小区的中心，从(xD,yD)开始，完成对所有符合要求的小区的中心点的遍历，直到小区覆盖范围在目标区域外，将所有小区的中心点放入B中；
(2.3)判断B内各个小区中是否存在用户，如果小区内不存在用户，则从集合B中删除掉该小区；
(2.4)输出集合B为最终的小区划分的中心点的集合，由于每个小区由一架无人机覆盖，小区的数量等于需要部署的无人机的数量。
6.根据权利要求1中所述的一种多无人机通信基站的3D位置部署方法，其特征在于，所述步骤(3)中在每个小区内找到能覆盖所有用户的最小圆的方法包括：
(3.1)初始化：i、j、k、m为计数器，N表示小区的数量，将小区进行编码，每个小区内的用户进行编码，N[i]表示第i小区内用户的数量，u[i][j]表示第i个小区内第j个用户的坐标，创建空集P用于存放所有圆心与半径；令i＝0；
(3.2)若i<N，进入步骤(3.3)，否则进入步骤(3.11)；
(3.3)在一个小区i内，如果N[i]＝1，表示此小区仅有一用户，则以这个用户的坐标作为无人机的2D坐标，半径设为常数，并放入P中，i＝i+1，进入步骤(3.2)；否则进入步骤(3.4)；
(3.4)以u[i][0],u[i][1]作为直径构造圆，更新圆心坐标与圆的半径；
(3.5)判断剩余的点是否都在圆内或圆上，如果都在，则将圆心坐标与圆的半径放入P中，i＝i+1，进入步骤(3.2)；否则进入步骤(3.6)；
(3.6)设第一个不在圆内或圆上的点为j，用u[i][0],u[i][j]为直径构造圆；
(3.7)再从1到j-1判断是否有点不在这个圆上，如果都在，则找到覆盖的圆与圆心坐标，将圆心坐标与圆的半径更新，并返回步骤(3.5)；否则进入步骤(3.8)；
(3.8)设第一个不在这个圆内或圆上的点为k，k<j，用u[i][j],u[i][k]为直径构造圆；
(3.9)如果从0到k中，所有点都在圆内，则将圆心坐标与半径更新，并返回步骤(3.7)；否则进入步骤(3.10)；
(3.10)设第m个点不在圆内，m<k，求过u[i][j]、u[i][k]、u[i][m]三个点的圆，这个圆一定覆盖前m个点，将圆心坐标与圆的半径更新，并返回步骤(3.7)；
(3.11)输出集合P即为各个无人机的2D坐标与半径的集合。
7.根据权利要求2中所述的一种多无人机通信基站的3D位置部署方法，其特征在于，所述步骤(3)中找到每架无人机高度的方法如下：
在找到每个小区内无人机覆盖所有用户最小圆的半径后，利用空对地信道衰减模型：
Figure FDA0002605390720000041
当ri确定后，得到hi和L(hi,ri)的函数关系，此函数为凹函数，可直接求解得到最佳高度hopt使L(hi,ri)达到最小值。
CN202010736835.9A 2020-07-28 2020-07-28 一种多无人机通信基站的3d位置部署方法 Active CN111836271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010736835.9A CN111836271B (zh) 2020-07-28 2020-07-28 一种多无人机通信基站的3d位置部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010736835.9A CN111836271B (zh) 2020-07-28 2020-07-28 一种多无人机通信基站的3d位置部署方法

Publications (2)

Publication Number Publication Date
CN111836271A true CN111836271A (zh) 2020-10-27
CN111836271B CN111836271B (zh) 2021-08-20

Family

ID=72925699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010736835.9A Active CN111836271B (zh) 2020-07-28 2020-07-28 一种多无人机通信基站的3d位置部署方法

Country Status (1)

Country Link
CN (1) CN111836271B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532303A (zh) * 2020-11-27 2021-03-19 重庆金美通信有限责任公司 一种低轨卫星波束高效调度方法
CN112770330A (zh) * 2020-12-31 2021-05-07 河南机电职业学院 一种无人机群区域无线覆盖部署方法
CN112965369A (zh) * 2021-01-29 2021-06-15 电子科技大学 无人机三维无线通信网络的分布式部署方法
CN113395706A (zh) * 2021-06-17 2021-09-14 郑州大学 基于粒子群算法的异构无人机三维空间部署方法及设备
CN113595619A (zh) * 2021-07-30 2021-11-02 中国电子科技集团公司第五十四研究所 一种无人机群通联与覆盖组合优化方法
CN115209424A (zh) * 2022-06-30 2022-10-18 北京邮电大学 一种基于椭圆覆盖模型的无人机基站分流部署方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106716872A (zh) * 2016-11-10 2017-05-24 深圳达闼科技控股有限公司 飞行器及其控制方法、装置和电子设备
CN107466045A (zh) * 2017-09-19 2017-12-12 东北大学 一种5g超密集网络虚拟小区构建方法
CN108347733A (zh) * 2017-12-13 2018-07-31 杭州容大智造科技有限公司 一种基于人群分布的基站动态部署系统及方法
US20190159037A1 (en) * 2016-12-01 2019-05-23 T-Mobile Usa, Inc. Tactical rescue wireless base station
CN109819453A (zh) * 2019-03-05 2019-05-28 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN109960279A (zh) * 2019-04-10 2019-07-02 中国人民解放军陆军工程大学 一种基于启发式算法的无人机盘旋半径优化方法
WO2020094259A1 (en) * 2018-11-06 2020-05-14 Telefonaktiebolaget Lm Ericsson (Publ) Methods, apparatus and machine-readable mediums for mitigating power failures in a communication network
CN111194038A (zh) * 2020-01-07 2020-05-22 北京航空航天大学 多无人机移动基站位置部署方法
CN111193536A (zh) * 2019-12-11 2020-05-22 西北工业大学 一种多无人机基站轨迹优化和功率分配方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106716872A (zh) * 2016-11-10 2017-05-24 深圳达闼科技控股有限公司 飞行器及其控制方法、装置和电子设备
US20190159037A1 (en) * 2016-12-01 2019-05-23 T-Mobile Usa, Inc. Tactical rescue wireless base station
CN107466045A (zh) * 2017-09-19 2017-12-12 东北大学 一种5g超密集网络虚拟小区构建方法
CN108347733A (zh) * 2017-12-13 2018-07-31 杭州容大智造科技有限公司 一种基于人群分布的基站动态部署系统及方法
WO2020094259A1 (en) * 2018-11-06 2020-05-14 Telefonaktiebolaget Lm Ericsson (Publ) Methods, apparatus and machine-readable mediums for mitigating power failures in a communication network
CN109819453A (zh) * 2019-03-05 2019-05-28 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN109960279A (zh) * 2019-04-10 2019-07-02 中国人民解放军陆军工程大学 一种基于启发式算法的无人机盘旋半径优化方法
CN111193536A (zh) * 2019-12-11 2020-05-22 西北工业大学 一种多无人机基站轨迹优化和功率分配方法
CN111194038A (zh) * 2020-01-07 2020-05-22 北京航空航天大学 多无人机移动基站位置部署方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIALIUYUAN LI等: "Post-Disaster Unmanned Aerial Vehicle Base Station Deployment Method Based on Artificial Bee Colony Algorithm", 《 IEEE ACCESS》 *
XUJIE LI等: "Deployment Optimization Based on Hybrid Intelligent Algorithms for UAV Communications", 《2019 IEEE GLOBECOM WORKSHOPS (GC WKSHPS)》 *
王超: "无人机基站部署与位置更新研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532303A (zh) * 2020-11-27 2021-03-19 重庆金美通信有限责任公司 一种低轨卫星波束高效调度方法
CN112770330A (zh) * 2020-12-31 2021-05-07 河南机电职业学院 一种无人机群区域无线覆盖部署方法
CN112965369A (zh) * 2021-01-29 2021-06-15 电子科技大学 无人机三维无线通信网络的分布式部署方法
CN112965369B (zh) * 2021-01-29 2022-02-01 电子科技大学 无人机三维无线通信网络的分布式部署方法
CN113395706A (zh) * 2021-06-17 2021-09-14 郑州大学 基于粒子群算法的异构无人机三维空间部署方法及设备
CN113395706B (zh) * 2021-06-17 2022-07-22 郑州大学 基于粒子群算法的异构无人机三维空间部署方法及设备
CN113595619A (zh) * 2021-07-30 2021-11-02 中国电子科技集团公司第五十四研究所 一种无人机群通联与覆盖组合优化方法
CN113595619B (zh) * 2021-07-30 2022-09-02 中国电子科技集团公司第五十四研究所 一种无人机群通联与覆盖组合优化方法
CN115209424A (zh) * 2022-06-30 2022-10-18 北京邮电大学 一种基于椭圆覆盖模型的无人机基站分流部署方法
CN115209424B (zh) * 2022-06-30 2023-12-29 北京邮电大学 一种基于椭圆覆盖模型的无人机基站分流部署方法

Also Published As

Publication number Publication date
CN111836271B (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN111836271B (zh) 一种多无人机通信基站的3d位置部署方法
CN109819453B (zh) 基于改进遗传算法的成本最优化无人机基站部署方法
CN109275094B (zh) 一种高能效无人机覆盖点连续覆盖方法和装置
Lin et al. An adaptive UAV deployment scheme for emergency networking
CN111194038B (zh) 多无人机移动基站位置部署方法
Huang et al. Deployment of heterogeneous UAV base stations for optimal quality of coverage
CN110290537B (zh) 一种基于平均场型博弈的多类型无人机移动基站部署方法
CN110049566B (zh) 一种基于多无人机辅助通信网络的下行功率分配方法
CN113873434B (zh) 面向通信网络热点区域容量增强的多空中基站部署方法
CN109960279B (zh) 一种基于启发式算法的无人机盘旋半径优化方法
Qin et al. Edge-prior placement algorithm for UAV-mounted base stations
Liu et al. Efficient deployment of UAVs for maximum wireless coverage using genetic algorithm
Akarsu et al. Fairness aware multiple drone base station deployment
CN103873146B (zh) 室内分布式可见光通信系统中的资源调度方法
CN109511134A (zh) 基于能效最优的无人机辅助无线通信系统负载分流方法
Dai et al. Efficient deployment of multiple UAVs for IoT communication in dynamic environment
CN114268903B (zh) 一种地理信息辅助的无人机中继位置部署以及功率分配方法
Sawalmeh et al. Providing wireless coverage in massively crowded events using UAVs
CN112333767B (zh) 一种在灾后地区部署无人机应急通信系统的方法
CN112203289A (zh) 一种集群无人机区域覆盖的空中基站网络部署方法
Liu et al. Multiobjective optimization for improving throughput and energy efficiency in UAV-enabled IoT
CN101959202A (zh) 基于遗传算法的平流层飞艇布局优化方法
CN114039652A (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
CN114025361A (zh) 面向协同中继任务的多无人机网络拓扑构造与规划方法
CN113395706B (zh) 基于粒子群算法的异构无人机三维空间部署方法及设备

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