CN112074012A - 无人机位置优化方法、无人机终端、用户端及存储介质 - Google Patents

无人机位置优化方法、无人机终端、用户端及存储介质 Download PDF

Info

Publication number
CN112074012A
CN112074012A CN202010672655.9A CN202010672655A CN112074012A CN 112074012 A CN112074012 A CN 112074012A CN 202010672655 A CN202010672655 A CN 202010672655A CN 112074012 A CN112074012 A CN 112074012A
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
vehicle terminal
energy efficiency
user side
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
CN202010672655.9A
Other languages
English (en)
Other versions
CN112074012B (zh
Inventor
李豪健
张泽中
王锐
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.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
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 Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202010672655.9A priority Critical patent/CN112074012B/zh
Publication of CN112074012A publication Critical patent/CN112074012A/zh
Application granted granted Critical
Publication of CN112074012B publication Critical patent/CN112074012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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]
    • 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)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了无人机位置优化方法、无人机终端、用户端及存储介质，其中方法由无人机终端执行，包括：与随机分布的用户端建立通信连接；获取用户端的吞吐率数据，并获取自身的总能源消耗；根据所有连接用户端的吞吐率数据计算吞吐率之和，利用吞吐率之和与自身的总能源消耗计算得到能源效率；将能源效率以自身轨迹为自变量进行求导，以能源效率最大值时的无人机终端三维位置作为优化位置。本发明通过获取吞吐率数据和总能源消耗，然后利用吞吐率之和与总能源消耗进行计算得到能源效率，将能源效率以无人机终端的自身轨迹为自变量进行求导，因此计算出无人机终端在优化位置处，能源效率最大，以提高无人机终端和用户端的通信性能。

Description

无人机位置优化方法、无人机终端、用户端及存储介质
技术领域
本发明涉及无线通信技术领域，尤其是涉及一种无人机位置优化方法、无人机终端、用户端及存储介质。
背景技术
目前，在无线通信领域，由于无人机终端的灵活性、移动性和较好的空-地信道条件，无人机终端逐渐开始用作基站服务于地面用户。
由于无人机终端的通信性能与无人机终端的位置相关，因此，一般通过调节无人机终端位置来调节无人机终端和用户之间的通信性能。但是目前无人机终端位置的优化方法都是假设用户位置已知，再计算无人机的优化位置。实际上，用户位置不会被无人机终端预先知道，而且对于一些热点地区，用户的分布性更加不确定，因此，计算得到无人机终端位置的准确性低，容易出现无人机终端移动位置过多的情况。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出无人机位置优化方法，能够计算出准确的优化位置，且提高无人机终端和用户端的通信性能。
本发明还提出一种无人机终端。
本发明还提出一种用户端。
本发明还提出一种计算机可读存储介质。
第一方面，本发明的一个实施例提供了无人机位置优化方法，由无人机终端执行，包括：
与随机分布的用户端建立通信连接；
获取所述用户端的吞吐率数据，并获取自身的总能源消耗；
根据所有连接用户端的所述吞吐率数据计算吞吐率之和，利用所述吞吐率之和与自身的所述总能源消耗计算得到能源效率；
将所述能源效率以自身轨迹为自变量进行求导，以所述能源效率最大值时的无人机终端三维位置作为优化位置。
本发明实施例的无人机位置优化方法至少具有如下有益效果：通过获取用户端的吞吐率数据和无人机终端的总能源消耗，然后将吞吐率之和与总能源消耗进行计算得到能源效率，能源效率以无人机终端的自身轨迹为自变量进行求导，以计算出无人机终端处于哪一个位置下，能源效率最大；因此当计算出优化位置为能源效率最大时，则无人机终端飞往优化位置后提高了无人机终端和用户端的通信性能。
根据本发明的另一些实施例的无人机位置优化方法，还包括：
当所述优化位置满足约束条件，确定所述优化位置为最优位置。
根据本发明的另一些实施例的无人机位置优化方法，所述用户端的位置具体以泊松分布方式分布。
根据本发明的另一些实施例的无人机位置优化方法，所述获取自身的总能源消耗，具体为：
根据叶片剖面功率、诱导功率、旋翼的半径、空气密度、旋翼的转动面积、旋翼叶片的外末端的线速度、悬停时旋翼的平均诱导速度、无人机终端前进速度、旋翼的体积和机身阻力比进行计算，得到推进机体功率；
根据所述推进机体功率和运行时间进行计算，得到推进机体消耗能源；
根据所述推进机体消耗能源得到总能源消耗。
根据本发明的另一些实施例的无人机位置优化方法，所述能源效率最大值时的无人机终端三维位置的计算方式为随机梯度下降法。
根据本发明的另一些实施例的无人机位置优化方法，还包括：
预设通信连接次数，并根据预设的所述通信连接次数与所述用户端重复建立通信连接。
第二方面，本发明的一个实施例提供了无人机位置优化方法，包括：
与无人机终端建立通信连接；
发送吞吐率数据至所述无人机终端，所述无人机终端计算各个用户端发送的吞吐率数据得到吞吐率之和，所述吞吐率之和与无人机终端的总能源消耗进行计算得到能源效率，将所述能源效率以无人机终端的自身轨迹为自变量进行求导，将所述能源效率为最大值时无人机终端的三维位置作为优化位置。
本发明实施例的无人机位置优化方法至少具有如下有益效果：通过获取用户端的吞吐率数据和无人机终端的总能源消耗，然后将吞吐率之和与总能源消耗进行计算得到能源效率，能源效率以无人机终端的自身轨迹为自变量进行求导，以计算出无人机终端处于那一个位置下，能源效率最大；因此计算出优化位置是能源效率最大时，则无人机终端飞往优化位置后提高了无人机终端和用户端的通信性能。
第三方面，本发明的一个实施例提供了无人机终端，包括：
第一通信建立模块，用于与用户端建立通信连接；
第一获取模块，用于获取所述用户端的吞吐率数据和自身的总能源消耗；
第一计算模块，用于计算所有连接用户端的吞吐率数据以得到吞吐率之和，利用所述吞吐率之和与自身的所述总能源消耗进行计算，得到能源效率；
第二计算模块，用于将所述能源效率以自身轨迹为自变量进行求导，以能源效率最大时的无人机终端三维位置作为优化位置。
本发明实施例的无人机终端至少具有如下有益效果：通过根据吞吐率数据计算出吞吐率之和，然后将吞吐率之和与总能源消耗计算得到能源效率，再将能源效率以自身轨迹为自变量进行求导，得到无人机终端位于哪一个位置时能源效率最大，则计算得到的优化位置能够提高无人机终端和用户端的通信性能。
第四方面，本发明的一个实施例提供了用户端，包括：
第二通信建立模块，用于与无人机终端建立通信连接；
第二发送模块，用于发送吞吐率数据至无人机终端；所述无人机终端计算所有连接的用户端的吞吐率数据以得到吞吐率之和，并利用所述吞吐率之和与无人机终端的总能源消耗进行计算，得到能源效率，将所述能源效率以无人机终端的自身轨迹为自变量进行求导，以所述能源效率最大值时的无人机终端三维位置作为优化位置。
本发明实施例的用户端至少具有如下有益效果：通过根据吞吐率数据计算出吞吐率之和，然后将吞吐率之和与总能源消耗计算得到能源效率，再将能源效率以无人机终端的自身轨迹为自变量进行求导，得到无人机终端位于哪一个位置时能源效率最大，则计算得到的优化位置能够提高无人机终端和用户端的通信性能。
第五方面，本发明的一个实施例提供了计算机可读存储介质:所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的无人机位置优化方法或如第二方面所述的无人机位置优化方法。
本发明实施例的计算机可读存储介质至少具有如下有益效果：通过计算机可读存储介质执行无人机位置优化方法，使无人机位置优化方法计算简易。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明实施例中无人机位置优化方法的一具体实施例流程示意图；
图2是本发明实施例中无人机位置优化方法的另一具体实施例流程示意图；
图3是本发明实施例中无人机位置优化方法的另一具体实施例流程示意图；
图4是本发明实施例中无人机位置优化方法的另一具体实施例流程示意图；
图5是本发明实施例中无人机终端的一具体实施例模块框图；
图6是本发明实施例中用户端的一具体实施例模块框图。
附图标记：110、第一通信建立模块；120、第一获取模块；130、第一计算模块；140、第二计算模块；210、第二通信建立模块；220、第二发送模块。
具体实施方式
以下将结合实施例对本发明的构思及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
在本发明实施例的描述中，如果涉及到“若干”，其含义是一个以上，如果涉及到“多个”，其含义是两个以上，如果涉及到“大于”、“小于”、“超过”，均应理解为不包括本数，如果涉及到“以上”、“以下”、“以内”，均应理解为包括本数。如果涉及到“第一”、“第二”，应当理解为用于区分技术特征，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
由于不同的无人机终端位置对通信性能的影响有差异，因此需要计算无人机终端的三维位置进行优化来提升无人机终端与用户之间的通信性能，但是目前对于无人机位置优化的方法都是基于当前时刻所有用户的位置开展，而且是假设用户的位置为已知。通过假设用户的分布是已知的前提下，然后无人机终端计算各个用户的信息吞吐率，以最大化信息吞吐率之和或最大化信息吞吐率为目标，优化自身的三维位置。但是在实际应用中，用户的位置多数不能被无人机基站预先知道，所以无人机终端无法获取准确的用户位置。对于一些热点地区，比如一些办公楼和住宅区，由于用户分布的不确定性，计算出的无人机终端位置并不是最优位置，则导致无人机终端移动距离过多，进而使无人机终端的能源消耗过快。
本申请公开了一种无人机位置优化方法，且该无人机位置优化方法应用于无人机终端，且该无人机终端为旋翼无人机，主要通过无人机位置优化方法计算出旋翼无人机悬停的位置，使无人机终端在未知用户位置的情况下，充分考虑各个时刻用户的位置分布情况，计算出无人机终端准确的最优位置，以提升无人机终端的能源效率。
第一方面，参照图1，本发明实施例公开了一种无人机位置优化方法，具体包括步骤：
S100、与随机分布的用户端建立通信连接；
S200、获取用户端的吞吐率数据，并获取自身的总能源消耗；
S300、根根据所有连接用户端的所述吞吐率数据计算吞吐率之和，利用吞吐率之和与自身的总能源消耗计算得到能源效率；
S400、将能源效率以自身轨迹为自变量进行求导，以能源效率最大值时的无人机终端三维位置作为优化位置。
由于用户端是随机分布的，只要与用户端建立通信连接后，即可获取到无人机终端与用户端之间传输的吞吐率数据。计算所有连接的用户端和无人机终端之间的吞吐率数据以得到吞吐率之和，将吞吐率之和与无人机终端的总能源消耗进行计算得到能源效率，然后将能源效率以无人机终端的自身轨迹进行求导，得到能源效率和无人机终端自身轨迹的关系式，然后计算在能源效率的取值最高时，无人机终端的三维位置作为优化位置。通过计算无人机终端的能源效率和自身轨迹求导，以在不清楚用户端的分布位置的情况下，计算出无人机终端的三维位置即为优化位置，且计算出来的优化位置准确，无人机终端的能源效率也最高，以提高无人机终端和用户端的通信性能。
其中，无人机终端和用户端之间的吞吐率数据跟无人机终端的运行时间相关，且无人机终端的自身轨迹也与无人机终端的运行时间相关，以能源效率和无人机终端自身轨迹求导得到能源效率最大时，运行时间的取值，计算出该时间无人机终端的三维位置为优化位置，因此计算出的优化位置即不需要获取用户端的位置信息，也能够计算出准确的优化位置。
在一些实施例中，用户端具体以泊松分布方式分布。由于用户端处于一种随机分布的状态，且用户端和无人机终端连接也是动态连接。泊松分布适合描述单位时间内随机时间的发生次数的概率分布，因此用户端以泊松分布的方式来定义，符合无人机终端和用户端的连接方式，以提高无人机终端优化位置的准确性。
在一些实施例中，参照图2，无人机位置优化方法还包括：
S500、预设通信连接次数，并根据预设的通信连接次数与用户端重复建立通信连接。
其中，无人机终端根据通信连接次数与泊松分布的用户端完成通信，也即无人机终端在同一个位置根据通信连接次数完成与用户端的多次通信。具体地，无人机终端根据通信连接次数与不同的用户端以建立多次通信连接，且无人机终端可以与同一个用户端完成多次通信连接。
在一些实施例中，无人机终端的优化位置并不是针对某一时刻的用户端计算的，因此无人机终端连接的用户端并不固定，且用户端是随机出现的，因此用户端的数量和位置都是随机的。假设用户端的集合为
Figure BDA0002582894430000078
则用户端的二维位置标记为
Figure BDA0002582894430000071
其中R为实数空间。
其中，获取用户端的吞吐率数据，其中吞吐率数据具体计算过程为：
用户端根据无人机基站发送的发射功率、信号带宽计算得到无人机基站和用户端的最大信息传输速率；
根据无人机轨迹、用户调度变量、数据运行时间和最大信息传输速率进行计算，得到吞吐率数据。
通过无人机基站发送的发射功率和信号带宽能够计算无人机基站和用户端的最大信息传输速率，然后根据无人机轨迹、用户调度变量和数据运行时间能够计算出无人机从起点飞到目的地的吞吐率数据，从而计算吞吐率数据简易。
在一些实施例中，假设无人机基站传输信息时的发射功率为P、信号带宽为 B，则当无人机基站向用户端k传输信息时，在运行时间为t时，无人机基站和用户端能够达到的最大信息传输速率也即吞吐率数据为
Figure BDA0002582894430000072
其中，σ为环境噪声，hk(t)为信道，且hk(t)定义如下：
Figure BDA0002582894430000073
Figure BDA0002582894430000077
是一个均值为1的随机变量，即
Figure BDA0002582894430000074
代表小尺度衰落。PLk(t)为用户端k到无人机基站之间的路径损耗，自身的总能源消耗由于无人机基站的特点采用空-地信道模型计算，因此，信道分为LOS视距信道和NLOS非视距信道，且LOS视距信道和NLOS非视距信道的路径损耗具体计算公式为：
Figure RE-GDA0002767055420000071
其中ηk，LOS、ηk，NLOS为额外损耗，dk(t)为时刻t用户端k到无人机终端的距离，λ为信号波长。而LOS信道出现的概率为
Figure BDA0002582894430000081
其中
Figure BDA0002582894430000082
表示在时刻t，用户端k到无人机基站的仰角。a 和b分别是两个与环境有关的常数，H为无人机高度，一般无人机高度为设定值。
由于利用概率密度函数的归一性，可以得到NLOS信道出现的概率为
Pk，NLOS(t)＝1-Pk，LOS(t) (5)
根据公式(3)至(5)，则用户端k到无人机基站之间的平均路径损耗为：
Figure BDA0002582894430000083
由于信道是由随机变量组成的，要确定其概率密度函数比较复杂，而期望值比较具有实际意义，则信道的期望值为：
Figure BDA0002582894430000084
在接入方式上，地面的用户端与无人机终端之间通过TDMA时分复用的多址接入方式。在每个frame内，无人机终端轮询地面的用户端，与用户端之间进行通信。由于每个传输时刻t至多只有一个用户端与无人机基站连接，则可以得到所有的用户调度变量为：
Figure BDA0002582894430000091
在无人机基站从起点飞行到终点的过程中，对于用户k，其吞吐率之和是一个与无人机轨迹q(t)、时间Tt，还有用户调度变量λk(t)相关的函数，吞吐率之和如下：
Figure BDA0002582894430000092
由于信道增益hk(t)是一个随机变量，因此吞吐率之和
Figure RE-GDA0002767055420000082
也是一个随机变量，并且其概 率密度函数比较难以获得。但是，取
Figure RE-GDA0002767055420000083
的平均值，也就是其数学期望。我们定义
Figure RE-GDA0002767055420000084
由于log函数是凹函数的特性，利用Jensen不等式，我们可以得到吞吐率之和为：
Figure BDA0002582894430000094
因此，将公式(6)、(7)和(8)代入公式(10)，得到吞吐率之和为
Figure BDA0002582894430000095
通过根据公式(1)至(10)，无人机终端在起飞到降落过程中，计算无人机终端与多个用户端之间的吞吐率之和简易。
在一些实施例中，获取自身的总能源消耗具体为：
根据叶片剖面功率、诱导功率、旋翼的半径、空气密度、旋翼的转动面积、旋翼叶片的外末端的线速度、悬停时旋翼的平均诱导速度、无人机终端前进速度、旋翼的体积和机身阻力比进行计算，得到推进机体功率；
根据推进机体功率和运行时间进行计算，得到推进机体消耗能源；
根据推进机体消耗能源得到总能源消耗。
其中，对于飞行速度为V的无人机终端，无人机终端的推进机体功率的计算公式为：
Figure BDA0002582894430000101
其中,PO和Pi分别代表叶片剖面功率和诱导功率，定义分别为
Figure RE-GDA0002767055420000089
和
Figure RE-GDA0002767055420000091
其中，W和k是固有参数，δ为剖面阻力系数；ρ为空气密度；R为旋翼的半径；A为旋翼的转动面积；Utip为旋翼叶片的外末端的线速度；为悬停时旋翼的平均诱导速度；V为无人机的前进速度；S为旋翼的体积，其定义为旋翼的体积占旋翼转动面积的比例；d0为机身阻力比，其定义为与机身等同的平面面积与旋翼体积之比。
因此，根据叶片剖面功率、诱导功率、空气密度、旋翼的半径、旋翼的转动面积、旋翼叶片的外末端的线速度、悬停时旋翼的平均诱导速度、无人机前进速度、旋翼的体积、机身阻力比代入公式(11)计算得到推进机体功率。
且无人机终端的推进机体消耗的能源为
Figure BDA0002582894430000104
因此无人机终端总的消耗能源为
Figure BDA0002582894430000105
Figure BDA0002582894430000111
其中，PC为通信相关的功率，k为优化间隔内的用户个数。
当无人机终端以最远距离速度Vmr飞行时，能够使无人机基站飞行单位距离时消耗的能源最小，因而能够保证无人机基站用于推进的能源消耗最少。因而用于无人机基站的总能源消耗为：
Figure BDA0002582894430000112
通过公式(14)，将公式(13)的积分式转换为了乘式，大大简化了计算过程。因此，最终总能源消耗为
Figure BDA0002582894430000113
通过叶片剖面功率、诱导功率、空气密度、旋翼的半径、旋翼的转动面积、旋翼叶片的外末端的线速度、悬停时旋翼的平均诱导速度、无人机前进速度、旋翼的体积、机身阻力比代入公式(11)至公式(14)后计算得到无人机终端的总能源消耗，使无人机终端的总能源消耗简易。
在一些实施例中，吞吐率之和总能源消耗进行计算，得到能源效率具体为：
吞吐率之和除以总能源消耗，得到能源效率。然后根据能源效率与无人机终端的自身轨迹进行求导，且无人机轨迹为q(t)，因此计算能源效率的取值最大的公式为
Figure BDA0002582894430000121
因此计算能源效率最大时，无人机终端在哪一个运行时间，且根据运行时间计算出无人机终端的优化位置。
通过获取无人机终端的吞吐率数据后，计算无人机终端连接的所有用户端的吞吐率之和，再根据无人机终端的总能源消耗，将吞吐率之和除以总能源消耗后得到能源效率，再将能源效率以无人机终端的自身轨迹为自变量进行求导，然后取能源效率最大时，无人机终端所在的运行时间，根据运行时间计算出无人机终端的优化位置，因此无需知道每一个用户的位置也可以准确计算出无人机终端的优化位置，以提高无人机终端的能源效率，从而提高无人机终端和用户端的通信性能。
在一些实施例中，能源效率最大值时的无人机终端三维位置的计算方式为随机梯度下降法，采用随机梯度下降法计算出的能源效率最大值，进而计算出的优化位置更加准确。
在一些实施例中，若在多台无人机终端的场景，则无人机终端m与用户k 之间的吞吐率数据为
Figure BDA0002582894430000122
而优化位置则变为
Figure BDA0002582894430000123
因此，公式(18)计算到无人机终端的优化位置，则无人机终端飞行到优化位置。通过考虑到用户端可能出现在一个热点地区，无人机终端飞行到优化位置，能够使无人机保持一个较高的能源效率。
在一些实施例中，参照图3，无人机位置优化方法还包括：
S600、当优化位置满足约束条件，确定所述优化位置为最优位置；
S700、当优化位置不满足约束条件，根据约束条件重新计算优化位置。
其中约束条件为速度约束条件，若优化位置不满足约束条件，则根据约束条件重新计算优化位置，若优化位置满足约束条件，则优化位置为最优位置，且无人机终端飞往最优位置，以保持无人机终端保持较高的通信性能。
下面参考图1和图2以一个具体的实施例详细描述根据本发明实施例的无人机位置优化方法。值得理解的是，下述描述仅是示例性说明，而不是对发明的具体限制。
无人机终端与泊松分布的用户端建立通信连接，无人机终端根据通信连接次数与不同的无人机终端建立通信连接。用户端根据无人机基站的发射功率和信号带宽计算无人机基站在运行时间t时的最大信息传输速率，然后根据最大信号传输速率、无人机轨迹以及无人机终端从起点飞行到终端的时间计算得到吞吐率数据，然后计算无人机终端连接所有用户端的吞吐率数据以得到吞吐率之和。根据叶片剖面功率、诱导功率、空气密度、旋翼的半径、旋翼的转动面积、旋翼叶片的外末端的线速度、悬停时旋翼的平均诱导速度、无人机前进速度、旋翼的体积和机身阻力比代入公式(11)计算得到推进机体功率。然后根据推动机体功率和运行时间得到推进机体消耗能源，根据推进机体消耗能源计算得到总能源消耗。将吞吐率之和除以总能源消耗后得到能源效率，根据能源效率求导无人机终端的自身轨迹，然后采用随机梯度下降法计算出能源效率取值最大时，无人机终端的优化位置，若优化位置满足约束条件，则优化位置为最优位置。无人机终端飞往最优位置，以保证用户端分布在热点地区的情况下，无人机终端和用户端都能保持较高的通信性能，以提升无人机终端的能源效率。
第二方面，参照图4，本发明实施例公开了无人机位置优化方法，由用户端执行，包括：
S800、与无人机终端建立通信连接；
S900、发送吞吐率数据至无人机终端，无人机终端计算各个用户端发送的吞吐率数据得到吞吐率之和，吞吐率之和与无人机终端的总能源消耗进行计算得到能源效率，将能源效率以无人机终端的自身轨迹为自变量进行求导，将能源效率为最大值时无人机终端的三维位置作为优化位置。
其中当无人机终端只有一台时，用户端直接与该无人机终端对应的无人机基站建立连接，若无人机终端设置多台时，用户端根据接收无人机信号强弱接入无人机基站，然后通过无人机基站和无人机终端连接以实现用户端和无人机终端的通信连接。
其中，用户端采用时分复用方式接入相应的无人机终端，与无人机终端完成通信，以便于用户端能够与无人机终端连接稳定。
第三方面，参照图5，本发明实施例公开无人机终端，包括：
第一通信建立模块110，用于与用户端建立通信连接；
第一获取模块120，用于获取用户端的吞吐率数据和自身的总能源消耗；
第一计算模块130，用于计算所有连接用户端的吞吐率数据以得到吞吐率之和，利用吞吐率之和与自身的总能源消耗进行计算，得到能源效率；
第二计算模块140，用于将能源效率以自身轨迹求导为自变量进行求导，以能源效率最大时的无人机终端三维位置作为优化位置。
无人机终端执行如第一方面的无人机位置优化方法，因此，无人机终端的操作方法具体参照第一方面所述的无人机位置优化方法，此处不再赘述。
第四方面，参照图6，本发明实施例公开了用户端，包括：
第二通信建立模块210，用于与无人机终端建立通信连接；
第二发送模块220，用于发送吞吐率数据至无人机终端，无人机终端计算连接的所有用户端的吞吐率数据以得到吞吐率之和，利用吞吐率之和与无人机终端的总能源消耗进行计算得到能源效率，将能源效率以无人机终端的自身轨迹为自变量进行求导，以能源效率最大值时的无人机终端三维位置作为优化位置。
其中，用户端执行如第一方面的无人机位置优化方法，因此用户端的操作方法具体参照第二方面的无人机位置优化方法，此处不再赘述。
第五方面，本发明实施例公开了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如第一方面的无人机位置优化方法或第二方面的无人机位置优化方法。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

Claims (10)

1.无人机位置优化方法，其特征在于，由无人机终端执行，包括：
与随机分布的用户端建立通信连接；
获取所述用户端的吞吐率数据，并获取自身的总能源消耗；
根据所有连接用户端的所述吞吐率数据计算吞吐率之和，利用所述吞吐率之和与自身的所述总能源消耗计算得到能源效率；
将所述能源效率以自身轨迹为自变量进行求导，以所述能源效率最大值时的无人机终端三维位置作为优化位置。
2.根据权利要求1所述的无人机位置优化方法，其特征在于，还包括：
当所述优化位置满足约束条件，确定所述优化位置为最优位置。
3.根据权利要求1或2所述的无人机位置优化方法，其特征在于，所述用户端的位置具体以泊松分布方式分布。
4.根据权利要求1或2所述的无人机位置优化方法，其特征在于，所述获取自身的总能源消耗，具体为：
根据叶片剖面功率、诱导功率、旋翼的半径、空气密度、旋翼的转动面积、旋翼叶片的外末端的线速度、悬停时旋翼的平均诱导速度、无人机终端前进速度、旋翼的体积和机身阻力比进行计算，得到推进机体功率；
根据所述推进机体功率和运行时间进行计算，得到推进机体消耗能源；
根据所述推进机体消耗能源得到总能源消耗。
5.根据权利要求1或2所述的无人机位置优化方法，其特征在于，所述能源效率最大值时的无人机终端三维位置的计算方式为随机梯度下降法。
6.根据权利要求1或2所述的无人机位置优化方法，其特征在于，还包括：
预设通信连接次数，并根据预设的所述通信连接次数与所述用户端重复建立通信连接。
7.无人机位置优化方法，其特征在于，由用户端执行，包括：
与无人机终端建立通信连接；
发送吞吐率数据至所述无人机终端，所述无人机终端计算各个用户端发送的吞吐率数据得到吞吐率之和，所述吞吐率之和与无人机终端的总能源消耗进行计算得到能源效率，将所述能源效率以无人机终端的自身轨迹为自变量进行求导，将所述能源效率为最大值时无人机终端的三维位置作为优化位置。
8.无人机终端，其特征在于，包括：
第一通信建立模块，用于与用户端建立通信连接；
第一获取模块，用于获取所述用户端的吞吐率数据和自身的总能源消耗；
第一计算模块，用于计算所有连接用户端的吞吐率数据以得到吞吐率之和，利用所述吞吐率之和与自身的所述总能源消耗进行计算，得到能源效率；
第二计算模块，用于将所述能源效率以自身轨迹为自变量进行求导，以能源效率最大时的无人机终端三维位置作为优化位置。
9.用户端，其特征在于，包括：
第二通信建立模块，用于与无人机终端建立通信连接；
第二发送模块，用于发送吞吐率数据至无人机终端；所述无人机终端计算所有连接的用户端的吞吐率数据以得到吞吐率之和，并利用所述吞吐率之和与无人机终端的总能源消耗进行计算，得到能源效率，将所述能源效率以无人机终端的自身轨迹为自变量进行求导，以所述能源效率最大值时的无人机终端三维位置作为优化位置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至6任一项所述的无人机位置优化方法或如权利要求7所述的无人机位置优化方法。
CN202010672655.9A 2020-07-14 2020-07-14 无人机位置优化方法、无人机终端、用户端及存储介质 Active CN112074012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010672655.9A CN112074012B (zh) 2020-07-14 2020-07-14 无人机位置优化方法、无人机终端、用户端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010672655.9A CN112074012B (zh) 2020-07-14 2020-07-14 无人机位置优化方法、无人机终端、用户端及存储介质

Publications (2)

Publication Number Publication Date
CN112074012A true CN112074012A (zh) 2020-12-11
CN112074012B CN112074012B (zh) 2022-07-12

Family

ID=73657344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010672655.9A Active CN112074012B (zh) 2020-07-14 2020-07-14 无人机位置优化方法、无人机终端、用户端及存储介质

Country Status (1)

Country Link
CN (1) CN112074012B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104581957A (zh) * 2014-12-15 2015-04-29 北京邮电大学 针对卫星回程受限的空中平台能效最优功率分配方法
CN108768497A (zh) * 2018-04-27 2018-11-06 郑州航空工业管理学院 无人机辅助无线传感网及其节点调度与飞行参量设计方法
CN109151718A (zh) * 2018-09-17 2019-01-04 南昌大学 基于物理层安全的无人机能效最大化资源分配方法
CN109275094A (zh) * 2018-11-02 2019-01-25 北京邮电大学 一种高能效无人机覆盖点连续覆盖方法和装置
US20190150167A1 (en) * 2017-11-15 2019-05-16 Research & Business Foundation Sungkyunkwan Univer Sity Methods and apparatuses for scheduling service area in drone network environment
CN109839955A (zh) * 2019-02-25 2019-06-04 南京航空航天大学 一种无人机与多个地面终端进行无线通信的轨迹优化方法
CN110418286A (zh) * 2018-04-28 2019-11-05 北京邮电大学 信息与能量协同传输的通信方法、装置、无人机及系统
US20200007384A1 (en) * 2016-07-01 2020-01-02 Intel Corporation Internet-of-things swarm management
WO2020015214A1 (zh) * 2018-07-16 2020-01-23 深圳大学 一种基于无人机的无线信息和能量传输的优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104581957A (zh) * 2014-12-15 2015-04-29 北京邮电大学 针对卫星回程受限的空中平台能效最优功率分配方法
US20200007384A1 (en) * 2016-07-01 2020-01-02 Intel Corporation Internet-of-things swarm management
US20190150167A1 (en) * 2017-11-15 2019-05-16 Research & Business Foundation Sungkyunkwan Univer Sity Methods and apparatuses for scheduling service area in drone network environment
CN108768497A (zh) * 2018-04-27 2018-11-06 郑州航空工业管理学院 无人机辅助无线传感网及其节点调度与飞行参量设计方法
CN110418286A (zh) * 2018-04-28 2019-11-05 北京邮电大学 信息与能量协同传输的通信方法、装置、无人机及系统
WO2020015214A1 (zh) * 2018-07-16 2020-01-23 深圳大学 一种基于无人机的无线信息和能量传输的优化方法
CN109151718A (zh) * 2018-09-17 2019-01-04 南昌大学 基于物理层安全的无人机能效最大化资源分配方法
CN109275094A (zh) * 2018-11-02 2019-01-25 北京邮电大学 一种高能效无人机覆盖点连续覆盖方法和装置
CN109839955A (zh) * 2019-02-25 2019-06-04 南京航空航天大学 一种无人机与多个地面终端进行无线通信的轨迹优化方法

Non-Patent Citations (14)

* Cited by examiner, † Cited by third party
Title
AVISHAI ADLER等: "Optimal flight paths for engine-out emergency landing", 《2012 24TH CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 *
AVISHAI ADLER等: "Optimal flight paths for engine-out emergency landing", 《2012 24TH CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》, 19 July 2012 (2012-07-19) *
LIANG ZHANG等: "3-D Drone-Base-Station Placement With In-Band Full-Duplex Communications", 《IEEE COMMUNICATIONS LETTERS》 *
LIANG ZHANG等: "3-D Drone-Base-Station Placement With In-Band Full-Duplex Communications", 《IEEE COMMUNICATIONS LETTERS》, 28 June 2018 (2018-06-28) *
MOHAMED ALZENAD等: "3-D Placement of an Unmanned Aerial Vehicle Base Station (UAV-BS) for Energy-Efficient Maximal Coverage", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 *
MOHAMED ALZENAD等: "3-D Placement of an Unmanned Aerial Vehicle Base Station (UAV-BS) for Energy-Efficient Maximal Coverage", 《IEEE WIRELESS COMMUNICATIONS LETTERS》, 3 May 2017 (2017-05-03) *
MUHAMMAD I. KHALIL等: "Energy Efficiency Maximization of Relay Aerial Robotic Networks", 《IEEE TRANSACTIONS ON GREEN COMMUNICATIONS AND NETWORKING》 *
MUHAMMAD I. KHALIL等: "Energy Efficiency Maximization of Relay Aerial Robotic Networks", 《IEEE TRANSACTIONS ON GREEN COMMUNICATIONS AND NETWORKING》, 7 July 2020 (2020-07-07) *
YONG ZENG等: "Energy-Efficient UAV Communication With Trajectory Optimization", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 *
YONG ZENG等: "Energy-Efficient UAV Communication With Trajectory Optimization", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》, 28 March 2017 (2017-03-28) *
张瑞瑞: "基于无人机的无线传感器网络优化技术研究", 《中国优秀硕士论文电子期刊网》 *
张瑞瑞: "基于无人机的无线传感器网络优化技术研究", 《中国优秀硕士论文电子期刊网》, 15 September 2019 (2019-09-15) *
沈旭: "作为空中基站的无人机覆盖与资源分配研究", 《中国优秀硕士论文电子期刊网》 *
沈旭: "作为空中基站的无人机覆盖与资源分配研究", 《中国优秀硕士论文电子期刊网》, 15 November 2018 (2018-11-15) *

Also Published As

Publication number Publication date
CN112074012B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
You et al. Hybrid offline-online design for UAV-enabled data harvesting in probabilistic LoS channels
Hsu et al. Reinforcement learning-based collision avoidance and optimal trajectory planning in UAV communication networks
CN109286913B (zh) 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法
CN109839955B (zh) 一种无人机与多个地面终端进行无线通信的轨迹优化方法
Ghdiri et al. Energy-efficient multi-UAV data collection for IoT networks with time deadlines
CN109327252B (zh) 一种基于联系上下文的在线学习波束选择方法
CN109885088A (zh) 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法
CN113433967A (zh) 一种可充电无人机路径规划方法及系统
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
CN111381499A (zh) 基于三维空间射频地图学习的网联飞行器自适应控制方法
Hu et al. Distributed trajectory design for cooperative internet of UAVs using deep reinforcement learning
CN116700343A (zh) 一种无人机路径规划方法、设备和存储介质
CN115802318A (zh) 一种基于无人机辅助车联网资源优化方法、设备和介质
Li et al. Deep reinforcement learning for real-time trajectory planning in UAV networks
CN113255218B (zh) 无线自供电通信网络的无人机自主导航及资源调度方法
WO2023015053A1 (en) Data gathering and data selection to train a machine learning algorithm
Liang et al. Age of information based scheduling for UAV aided emergency communication networks
CN112074012B (zh) 无人机位置优化方法、无人机终端、用户端及存储介质
Wang et al. Three-dimensional aerial cell partitioning based on optimal transport theory
CN111479240A (zh) 无人机通信系统及基于用户分簇的无线传输方法
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
Wu et al. Resource allocation optimization of UAVs-enabled air-ground collaborative emergency network in disaster area
Yang et al. UAV-based collaborative electronic reconnaissance network for 6G
CN114374951A (zh) 一种多无人机动态预部署方法
Khodaparast et al. Deep reinforcement learning based data collection in IoT networks

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