CN112566066A - 一种中继无人机通信与运动耗能联合优化方法 - Google Patents
一种中继无人机通信与运动耗能联合优化方法 Download PDFInfo
- Publication number
- CN112566066A CN112566066A CN202011391208.2A CN202011391208A CN112566066A CN 112566066 A CN112566066 A CN 112566066A CN 202011391208 A CN202011391208 A CN 202011391208A CN 112566066 A CN112566066 A CN 112566066A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- relay
- communication
- data
- 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
Images
Classifications
-
- 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]
-
- 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
- H04W16/14—Spectrum sharing arrangements between different networks
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/46—TPC being performed in particular situations in multi hop networks, e.g. wireless relay 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)
- Quality & Reliability (AREA)
- Radio Relay Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种中继无人机通信与运动耗能联合优化方法,目的是解决无人机中继系统总耗能优化的问题。技术方案是:构建由地面移动机器人、空中移动无人机中继U和固定空中基站BS组成无人机中继系统;地面移动机器人将执行任务结果发送给U;U根据地面移动机器人的当前时间步终点位置、总数据信息、环境中障碍物信息和通信环境规划出U最优航迹、最优通信功率和地面移动机器人的最优通信功率。U及地面移动机器人间以最优通信功率进行数据传输;U将接收的数据同步转发给BS,BS处理数据并根据U的剩余电量发送控制指令给U。本发明可满足有障碍物环境中最低通信需求,最小化通信与运动总耗能,延长服务时长,保障U的航迹更准确。
Description
技术领域
本发明涉及无人机无线通信技术领域,更具体地,涉及一种中继无人机通信与运动耗能联合优化方法。
背景技术
在多机器人系统中,保持机器人与基站间的无线通信质量非常重要。而基站通常远离任务执行现场,环境中的障碍物很可能导致通信发生严重延迟、通信质量受损或者通信范围受限。由于无人机的高速移动性和灵活性,在移动机器人与基站之间部署移动无人机中继是提高通信质量的一种方式。
一般来说,无人机中继系统包括若干链路对,每队链路对包括地面移动机器人、无人机中继和空中基站。由地面移动机器人在地面执行任务,比如采集数据,并将任务数据发送给空中无人机中继。然后空中无人机中继对数据进行转发,发送回基站。但是移动无人机由于本身尺寸与重量限制,电池容量很有限,因此如何合理规划移动无人机航迹和通信功率分配,从而在满足任务需求的同时最大限度地降低系统总耗能以延长系统提供服务的时长,这是多机器人系统中无人机辅助中继通信领域面临的一个挑战。
目前,已有部分研究提出关于无人机航迹和通信功率优化的方法。公开号为CN111107515A,公开日为2020.05.05的发明专利“无人机多链路中继通信系统的功率分配与飞行路线优化方法”,提供了一种联合优化信源/无人机的发射功率以及无人机的飞行轨迹从而最大化多对信源-目标用户链路的最小平均速率的方法,提高了频带利用率,但该方法未考虑无人机的运动能耗问题。S.Zhang和H.Zhang发表在IEEE WirelessCommunications Letters的论文“Joint trajectory and power optimizationforUAVrelay networks”提供了一种联合优化信源/无人机的发射功率和无人机航迹从而提高通信质量的方法,但是该方法未考虑环境中存在障碍物的情况。J.Chen和D.Gesbert发表在IEEE international conference on communications的论文“Optimal positioningof flying relays for wireless networks:ALOS map approach”考虑了环境中存在障碍物的情况,提供了一种考虑直视通信和非直视通信的优化无人机的航迹以提高通信质量的方法,但是该方法只考虑了通信耗能的优化,未考虑无人机运动耗能的优化。
综上所述,现有的无人机中继航迹和通信功率优化方法主要是考虑环境中不存在障碍物的情况,或者只考虑通信能耗的优化,在实际情况下都有性能缺陷。在有障碍物的环境中,最小化无人机中继系统总耗能优化的问题还没有公开文献涉及。
发明内容
本发明要解决的技术问题是提供一种中继无人机通信与运动耗能联合优化方法,解决存在障碍物的环境中无人机中继系统总耗能优化的问题,通过地面移动机器人、无人机通信功率分配和无人机航迹规划,满足有障碍物环境中系统最低通信需求,最小化无人机中继系统通信与运动总耗能。
为解决上述技术问题,本发明的技术方案是:构建由num个地面移动机器人、空中移动无人机中继U和固定空中基站BS组成无人机中继系统,将任务执行时间量化为多个时间步T,地面移动机器人在地面执行预规划好路线的任务,将执行任务的结果发送给U。在一个时间步内,地面移动机器人从起点到达终点,U根据地面移动机器人发送的当前时间步终点位置、总数据信息、环境中障碍物信息和当前通信环境规划出U最优航迹、最优通信功率和地面移动机器人的最优通信功率。当U及所有地面移动机器人都到达规划的最优航迹位置或当前时间步的终点位置后,U将地面移动机器人的最优通信功率发给地面移动机器人,U及所有地面移动机器人间以最优通信功率进行数据传输;U将接收的数据同步转发给BS,BS接收数据并处理数据,同时接收U的剩余电量,判断是否需要发送返回控制指令给无人机。至此,当前时间步结束,下一个时间步开始,直到空中基站发送返回控制指令给无人机中继,无人机中继返回充电。
本发明包括以下步骤:
第一步,构建无人机中继系统,无人机中继系统由num个地面移动机器人、一个空中移动无人机中继(用U表示)和一个固定空中基站(用BS表示)组成。地面移动机器人是同构或异构机器人,如无人车、人形机器人等。空中移动无人机中继是具有数据转发功能的旋翼无人机。空中基站是具有良好计算能力的资源可控的计算设备,可以运行计算密集型或者知识密集型的机器人应用,主要用于处理接收的数据信息。地面移动机器人与空中移动无人机中继之间通过存在障碍物的空对地通信链路进行通信,空中移动无人机中继和固定空中基站之间通过存在障碍物的空对空通信链路进行通信。
num个地面移动机器人上安装的软件相同,第i个地面移动机器人Mi(i=1,2,...,num)除了装有操作系统(如Ubuntu16.04)、机器人操作系统(ROS)、定位装置外,还装有数据采集模块(如Kinect传感器、摄像头这样的数据采集设备)和通信功率控制模块。时间被离散为多个时间步T。地面移动机器人根据预规划的任务路线前进。数据采集模块进行数据采集,将采集数据信息存储起来,在第t个时间步起点位置处将预规划好的第t个时间步的终点位置信息和数据采样率信息δMi(Kinect传感器或摄像头自带)发送给空中移动无人机中继U。通信功率控制模块接收空中移动无人机中继U规划出的第t个时间步的最优发射功率并将地面移动机器人Mi的通信发射功率调成数据采集模块在终点位置处以向空中移动无人机中继U发送在T内的采集数据信息(Kinect传感器获取的图片数据信息)。
空中移动无人机中继U上除了装有操作系统(如Ubuntu16.04)、机器人操作系统(ROS)、定位装置外,还装有数据转发模块、航迹规划和通信功率规划模块。航迹规划和通信功率规划模块接收地面移动机器人在第t个时间步终点位置信息和数据采样率信息,根据第t个时间步终点位置信息和数据采样率信息规划出满足通信条件且能最小化无人机中继系统通信运动总耗能的无人机航迹、第t个时间步的满足通信条件且能最小化无人机中继系统通信运动总耗能的最优无人机通信功率和地面移动机器人Mi的最优发射功率将发送给地面移动机器人的通信功率控制模块。空中移动无人机中继U按照规划出的航迹飞行且将自身通信功率调为同时,航迹规划和通信功率规划模块还接收固定空中基站传来的控制指令并规划出空中移动无人机中继U的相应路径。数据转发模块接收num个地面移动机器人分别发送的采集数据信息(称为总数据信息,即总图片数据信息)并转发给固定空中基站的数据接收处理模块。同时,数据转发模块将空中移动无人机中继U的剩余电量信息发送给固定空中基站。
固定空中基站上除了装有操作系统(如Ubuntu16.04)外,还装有数据接收处理模块。数据接收处理模块接收并处理空中移动无人机中继发送来的总数据信息和空中移动无人机中继U剩余电量信息,根据总数据信息和空中移动无人机中继U剩余电量信息判断是否发送返回控制指令或降落控制指令。
第二步,初始化时间步变量t=1;初始化一个时间步T,T以秒为单位,一般设置为15秒,即一个时间步的长度为T。
第三步,num个地面移动机器人进行数据采集的方法相同,都是数据采集模块进行图片数据信息的采集。但是num个地面移动机器人的数据采集能力不同,用δMi表示地面移动机器人Mi(i=1,2,…,num)的数据采样率,即每秒采集的数据量(单位为bit/s),根据数据采集模块(即Kinect传感器或摄像头)的采样速率获得。在第t个时间步开始时,地面移动机器人Mi的数据采集模块将数据采样率信息δMi和第t个时间步终点位置信息发送给空中移动无人机中继的航迹规划和通信功率规划模块。
第四步,空中移动无人机中继U的航迹规划和通信功率规划模块接收地面移动机器人Mi传来的数据采样率信息δMi和第t个时间步终点位置信息,根据环境中障碍物信息和当前通信环境规划出空中移动无人机中继U的最优航迹、最优通信功率和地面移动机器人的最优通信功率。方法是:
4.1航迹规划和通信功率规划模块接收地面移动机器人Mi传来的数据采样率信息δMi和第t个时间步终点位置信息,计算出地面移动机器人Mi在T内预计采集的信息总量TδMi,构建以最小化无人机中继系统通信运动总耗能为目标的中继无人机航迹规划及地面移动机器人、无人机通信功率分配的数学模型,该数学模型由式⑴表示:
其中,表示空中移动无人机中继U在第t个时间步的终点位置;表示空中移动无人机中继U在第t个时间步的通信发射功率,表示第t个时间步地面移动机器人Mi的通信发射功率。Jt表示第t个时间步无人机中继系统的通信和运动总耗能。tU,i表示空中移动无人机中继U的数据转发模块向固定空中基站转发地面移动机器人Mi发送数据的传输时长,tMi表示地面移动机器人Mi向空中移动无人机中继U发送采集数据的传输时长,由式⑵和式⑶计算:
tU,i=TδMi/B1SU ⑵
tMi=TδMi/B2SM i⑶
其中,SU表示空中移动无人机中继U传输数据的频谱效率,SMi表示地面移动机器人Mi传输数据的频谱效率。B1表示存在障碍物的空对空通信链路信道带宽,B2表示存在障碍物的空对地通信链路信道带宽。
Emove表示空中移动无人机中继U的飞行耗能。空中移动无人机中继U在传输数据时为悬停状态,Ehover表示空中移动无人机中继U的悬停耗能,由下面式⑷和式⑸计算:
其中,k是空中移动无人机中继U相关运动耗能参数,根据无人机厂家提供的飞行放电曲线获得。是空中移动无人机中继U在第t个时间步移动的距离。k’是空中移动无人机中继U相关悬停耗能参数,根据无人机厂家提供的悬停放电曲线获得。vU为空中移动无人机中继U的飞行速度,twait为空中移动无人机中继U等待地面移动机器人到达第t个时间步终点位置的时间,由式⑹计算:
式(1)中的pmax是无人机中继系统能容忍的端到端包容错率的阈值,一般根据经验设置为0到0.2之间的数字,数字越小表示对通信链路通信质量的要求越高。式(7)中的αn是传输模式相关因子,具体数值可参考由ZENG Duan-yang等人2004年发表在IEEETransactions on Wireless Communications第三期的论文“Cross-layer combining ofadaptive modulation and coding with truncated ARQ over wireless links(无线链路上自适应调制编码与截断ARQ的跨层组合)”第三页的表格一。CMi,U表示地面移动机器人Mi与空中移动无人机中继U间通信链路的平均信道功率增益,CU,BS表示空中移动无人机中继U与固定空中基站BS间通信链路的平均信道功率增益,由式⑻和式⑼计算:
CMi,U=||xMi-xU||-β/N0B2ΨMi,U ⑻
CU,BS=||xU-xBS||-β/N0B1ΨU,BS ⑼
其中,xMi表示地面移动机器人Mi所在的位置,xU表示空中移动无人机中继U所在的位置,xBS表示固定空中基站BS所在的位置,||xU-xBS||表示空中移动无人机中继U与固定空中基站BS之间的欧氏距离,||xMi-xU||表示地面移动机器人Mi与空中移动无人机中继U之间的欧氏距离,N0表示加性高斯白噪声的功率谱密度,β表示路径损耗指数。ΨMi,U表示地面移动机器人Mi与空中移动无人机中继U间的考虑衍射和多径的阴影衰落参数,ΨU,BS表示空中移动无人机中继U与固定空中基站BS间的考虑衍射和多径的阴影衰落参数。ΨMi,U和ΨU,BS这两个参数可以统一表示为信息发送方m与信息接收方n(m可以代表地面移动机器人Mi、固定空中基站、空中移动无人机中继中任意一个,n可以代表地面移动机器人Mi、空中移动无人机中继、固定空中基站中任意一个)之间的考虑衍射和多径的阴影衰落参数Ψmn,Ψmn服从高斯随机分布,由式⑽计算:
其中,当通信信道不经过障碍物时,为直视通信(line of sight,LOS)时,Ψmn的高斯分布参数均值为μmn,LOS,方差为Ψmn,LOS表示直视通信时的Ψmn;当通信信道经过障碍物时,为非直视通信(none line of sight,NLOS)时,Ψmn的高斯分布参数均值为mmn,NLOS,方差为Ψmn,NLOS表示非直视通信时的Ψmn。上述参数由信息发送方m与信息接收方n之间的通信夹角共同决定,具体数值与计算方法可以参考P.Ladosz和H.Oh等人2009年发表在IEEE Robotics and Automation Letters第四期的论文“A hybrid approach oflearning and model-based channel prediction for communication relay UAVs indynamic urban environments(动态城市环境下一种基于学习和模型的中继无人机通信信道的混合预测方法)”第三页的公式(4)、公式(5)和第七页的表格四。
4.2航迹规划和通信功率规划模块固定空中移动无人机中继U航迹,将4.1中公式(1)简化为地面机器人Mi、空中移动无人机中继U通信功率分配问题,由目标函数式⑾和约束函数式⑿表示:
其中,函数h的海森矩阵H为正定矩阵,因此函数h为凸函数。因此,地面移动机器人Mi、空中移动无人机中继U通信功率分配问题为凸优化问题,采用经典的凸优化问题求解方法(如内点法)对地面机器人Mi、空中移动无人机中继U通信功率分配问题(即式⑾和式⑿)进行求解,得到固定中继无人机航迹的通信功率分配方案(即如式⒁和式⒂所示的用表示和)。地面移动机器人Mi在第t个时间步的最优通信功率以及空中移动无人机中继U在第t个时间步的最优通信功率如式⒁和式⒂所示:
4.4航迹规划和通信功率规划模块将目标函数式⒅定义域划分为直视通信区域和非直视通信区域,并将直视通信区域和非直视通信区域分别划分为N个凸子区域,N为正整数,方法是:
4.4.1航迹规划和通信功率规划模块将环境中障碍物(例如树木或者建筑物)简化为凸长方体,假设通信链路是直线,且通信链路能被障碍物阻挡。由于约束函数式⒆的限制,无人机航迹规划问题定义域D为以空中移动无人机中继U当前位置为圆心,以最大飞行速度与时间步周期乘积为半径的圆。从地面移动机器人Mi和固定空中基站分别沿直线与空中移动无人机中继U通信,则定义域D可被划分为与地面移动机器人Mi不能通信的部分、与固定空中基站不能通信的部分以及与地面移动机器人Mi、固定空中基站都能通信的部分。则直视区域DLOS为与地面移动机器人Mi、固定空中基站都能通信的部分,非直视区域DNLOS=D-DLOS。
4.4.2航迹规划和通信功率规划模块将直视区域DLOS与非直视区域DNLOS分别通过三角划分方法划分为凸子区域,一共有N个凸子区域(D1,D2,…,Dj,…,DN)。三角划分方法可参考Franz等人在2013年经世界科学出版社出版的图书《Voronoi diagrams and delaunaytriangulations(泰森多边形和三角划分)》和matlab中polyshape相关的triangulation函数。将无人机航迹规划问题的定义域D限定在任意一个凸子区域(令为Dj,j=1,2,…,N)之后,无人机航迹规划问题为凸优化问题,其目标函数为凸函数的证明由式⒇给出,令
其中,在凸子区域Dj内,空中移动无人机中继U与固定空中基站间、空中移动无人机中继U与地面移动机器人Mi间的通信信道是直视或者非直视的情况固定,因此参数ΨMi,U,ΨU,BS都为确定的值,可以作为常数处理。因此U和BS间的距离函数Mi和U之间距离相关的函数U第t个时间步起点与终点间的距离函数都是关于优化变量的凸函数。根据Stephen Boyd和LievenVandenberghe所著,在2004年剑桥大学出版社出版的图书《Convex optimization(凸优化)》中第87页的证明,如果给出凸函数f1(x),f2(x),...,fN(x)且β≥1,则也是凸函数。此外,变量aA=k-k′A/vU,是与A相关的变量。当twait=0时,A=0,aA=k是正数且b'A为常数;twait≠0时A=1,根据无人机平台提供的实际参数k和k’,可以计算出aA=k-k′/vU,是正数且b'A为常数。综上两种情况,式⒇在凸子区域Dj内时都为凸函数。
4.4.3利用经典的凸优化问题求解方法(如内点法)求解得到无人机航迹规划问题(式⒅和式⒆)在多个凸子区域内的最优解,为{(J1,x1),(J2,x2),…,(Jj,xj),…,(JN,xN)},通过对比J1,J2,…,Jj,…,JN的数值,得到耗能最少的最优解,令为Jk,k=1,2,…,N,则对应的解xk即为第t个时间步最优的无人机终点位置将离散的时间连续起来看,多个时间步的最优的无人机终点位置共同构成了空中移动无人机中继的最优航迹。这样做的正确性证明如下:若给出非凸函数f(x),若其定义域x∈D'被分为多个子区域(D'j,∪D'j=D'),而且这些子区域内的函数f(xj)xj∈D'j为凸函数。对于每个子区域内的函数f(xj),其利用经典凸优化问题解法求出的函数值为且其对应解为因此,对于非凸函数f(x)函数而言,其最小值可以表示为minf(x)=min{f(xj),因此整个函数的最优解对应于函数值最小的子区域的子问题的解。
第五步,空中移动无人机中继U飞行到航迹规划和通信功率规划模块规划出的第t个时间步的最优航迹处(即处),待地面移动机器人Mi也到第t个时间步的终点位置时,航迹规划和通信功率规划模块将地面移动机器人Mi在第t个时间步的最优通信功率发送给地面移动机器人Mi,地面移动机器人Mi的通信功率控制模块接收并将自身的通信功率调成同时航迹规划和通信功率规划模块将空中移动无人机中继U的通信功率调为
第六步,num个地面移动机器人的数据采集模块按照各自的最优通信功率将各自采集的数据信息(如Kinect传感器或摄像机采集的图片数据信息)发送给空中移动无人机中继U的数据转发模块。
第七步,空中移动无人机中继U的数据转发模块从num个地面移动机器人的数据采集模块接收采集数据信息(这些信息简称总数据信息),按照空中移动无人机中继U的最优通信功率将总数据信息转发给固定空中基站的数据接收处理模块。同时,空中移动无人机中继U的数据转发模块将U的剩余电量信息发给固定空中基站。
第八步,固定空中基站的数据接收处理模块一边接收空中移动无人机中继U发送的总数据信息和空中移动无人机中继U的剩余电量信息,对总数据信息和剩余电量信息进行处理;一边判断U剩余电量是否充足,并发送相应控制指令给U。具体方法是:
8.1数据接收处理模块接收空中移动无人机中继发送的总数据信息和剩余电量信息。
8.2数据接收处理模块对空中移动无人机中继U转发的总数据信息(即地面移动机器人利用Kinect采集的图片数据信息)进行图像识别,得到图像识别结果;同时数据接收处理模块根据空中移动无人机中继U的剩余电量信息判断无人机中继U的电量是否充足,若剩余电量大于等于剩余电量阈值,表示剩余电量充足,转至8.3;若剩余电量小于剩余电量阈值,表示不充足,转至8.4。根据经验,剩余电量阈值范围一般设置为20%。
8.3第t个时间步结束,令t=t+1,转至第三步,进入下一时间步的中继处理过程。
8.4数据接收处理模块根据空中移动无人机中继U发送的剩余电量信息和无人机中继当前定位判断U剩余电量是否能支撑U飞到固定空中基站。用Eleft表示剩余电量信息,若则认为可以飞到固定空中基站。若不能飞到固定空中基站,转至8.5;若能飞到固定空中基站,转至8.6。
8.5数据接收处理模块发送降落控制指令给空中移动无人机中继U,空中移动无人机中继U的航迹规划和通信功率规划模块接收降落控制指令,原地降落,转第九步。
8.6数据接收处理模块发送返回控制指令给无人机中继U,空中移动无人机中继U的航迹规划和通信功率规划模块接收返回控制指令,返回固定空中基站所在位置,转第九步。
第九步,结束。
本发明提供的技术方案的有益效果是:
1、本发明联合考虑地面移动机器人、空中移动无人机中继通信功率分配和无人机航迹规划,与其他方法相比在保障中继任务的前提下,可节省更多系统耗能,能延长整个系统提供服务的时长。
2、本发明考虑空对空通信与空对地通信间存在障碍物的情况,考虑了直视通信与非直视通信的处理,比现有研究只考虑直视通信的方法更符合实际情况且更有实际应用价值。
3、本发明方法第四步通过对定义域的划分,将数学模型转化为凸优化问题进行求解,降低了计算复杂度的同时且能求出无人机航迹、通信功率和地面移动机器人通信功率的最优解,保障了更准确的空中移动无人机中继的航迹,使得最终构建的通信链路更可靠。
附图说明
图1为本发明总体流程图;
图2是本发明第一步构建的无人机中继系统总体逻辑结构图;
图3为本发明第四步的一个实施例的中继场景示意图;
图4为本发明第四步将直视通信区域划分为多个凸区域的划分结果示意图;
图5为本发明与背景技术中J.Chen和D.Gesbert2017年发表在IEEEinternational conference on communications的论文“Optimal positioning offlying relays for wireless networks:A LOS map approach(最优无线中继位置部署:一种视距方法)”只优化通信耗能的方法规划出的无人机航迹结果对比图;
图6为本发明在地面移动机器人不同数据采样率下,本发明对比背景技术中J.Chen和D.Gesbert2017年发表在IEEE international conference on communications的论文
“Optimal positioning of flying relays for wireless networks:A LOS mapapproach(最优无线中继位置部署:一种视距方法)”中方法的能耗节能比结果图;
具体实施方式
下面将结合附图和实施例对本发明的技术方案作进一步的说明。
实施例1
以下以单无人机中继单地面移动机器人监测场景为例说明本发明的具体实施方式。本发明中选取改装的轮式移动机器人Turtlebot作为地面移动机器人,地面移动机器人上装载定位装置、Kinect传感器、摄像头、数据信号发射接收器。选取四旋翼无人机作为空中移动无人机中继,并装载定位装置、数据信号发射接收器。
图1是本发明的整体流程图。如图1所示,本发明包括以下步骤:
第一步,构建如图2所示的无人机中继系统,无人机中继系统由num个地面移动机器人(如轮式移动机器人Turtlebot,用Mi表示)、一个空中移动无人机中继(如四旋翼无人机,用U表示)和一个固定空中基站(服务器,用BS表示)组成。每个地面移动机器人都装有操作系统Ubuntu16.04版本、机器人操作系统ROS,定位装置、数据采集模块(如Kinect传感器)和通信功率控制模块。空中移动无人机中继上装有操作系统Ubuntu16.04版本、机器人操作系统ROS,定位装置、航迹规划和通信功率规划模块和数据转发模块。固定空中基站上装有操作系统Ubuntu16.04版本,数据接收处理模块。
第二步,初始化时间步变量t=1;初始化一个时间步T,T以秒为单位,一般设置为15秒,即一个时间步的长度为T。
第三步,num个地面移动机器人进行数据采集的方法相同,都是数据采集模块进行图片数据信息的采集。但是num个地面移动机器人的数据采集能力不同,用δMi表示地面移动机器人Mi(i=1,2,…,num)的数据采样率,即每秒采集的数据量(单位为bit/s),根据数据采集模块(即Kinect传感器)的采样速率获得。在第t个时间步开始时,地面移动机器人Mi的数据采集模块将它在第t个时间步周期中数据采样率信息δMi和和第t个时间步终点位置信息发给空中移动无人机中继的航迹规划和通信功率规划模块。
第四步,空中移动无人机中继U的航迹规划和通信功率规划模块接收地面移动机器人Mi传来的数据采样率信息δMi和和第t个时间步终点位置信息,根据环境中障碍物信息和当前通信环境规划出空中移动无人机中继U的最优航迹、最优通信功率和地面移动机器人的最优通信功率。方法是:
4.1航迹规划和通信功率规划模块接收地面移动机器人Mi传来的数据采样率信息δMi和第t个时间步终点位置信息,计算出地面移动机器人Mi在T内预计采集的信息总量TδMi,构建以最小化无人机中继系统通信运动总耗能为目标的中继无人机航迹规划及地面移动机器人、无人机通信功率分配的数学模型,该数学模型由式⑴表示:
其中,表示空中移动无人机中继U在第t个时间步的终点位置;表示空中移动无人机中继U在第t个时间步的通信发射功率,表示第t个时间步地面移动机器人Mi的通信发射功率。Jt表示第t个时间步无人机中继系统的通信和运动总耗能。tU,i表示空中移动无人机中继U的数据转发模块向固定空中基站转发地面移动机器人Mi发送数据的传输时长,tMi表示地面移动机器人Mi向空中移动无人机中继U发送采集数据的传输时长,由式⑵和式⑶计算:
tU,i=TδMi/B1SU ⑵
tMi=TδMi/B2SMi ⑶
其中,SU表示空中移动无人机中继U传输数据的频谱效率,SMi表示地面移动机器人Mi传输数据的频谱效率。B1表示存在障碍物的空对空通信链路信道带宽,B2表示存在障碍物的空对地通信链路信道带宽。
Emove表示空中移动无人机中继U的飞行耗能。空中移动无人机中继U在传输数据时为悬停状态,Ehover表示空中移动无人机中继U的悬停耗能,由下面式⑷和式⑸计算:
其中,k是空中移动无人机中继U相关运动耗能参数,根据无人机厂家提供的飞行放电曲线获得。是空中移动无人机中继U在第t个时间步移动的距离。k’是空中移动无人机中继U相关悬停耗能参数,根据无人机厂家提供的悬停放电曲线获得。vU为空中移动无人机中继U的飞行速度,twait为空中移动无人机中继U等待地面移动机器人到达第t个时间步终点位置的时间,由式⑹计算:
式(1)中的pmax是无人机中继系统能容忍的端到端包容错率的阈值,一般根据经验设置为0到0.2之间的数字,数字越小表示对通信链路通信质量的要求越高。式(7)中的αn是传输模式相关因子,具体数值可参考由ZENG Duan-yang等人2004年发表在IEEETransactions on Wireless Communications第三期的论文“Cross-layer combining ofadaptive modulation and coding with truncated ARQ over wireless links(无线链路上自适应调制编码与截断ARQ的跨层组合)”第三页的表格一。CMi,U表示地面移动机器人Mi与空中移动无人机中继U间通信链路的平均信道功率增益,CU,BS表示空中移动无人机中继U与固定空中基站BS间通信链路的平均信道功率增益,由式⑻和式⑼计算:
CMi,U=||xMi-xU||-β/N0B2ΨMi,U ⑻
CU,BS=||xU-xBS||-β/N0B1ΨU,BS ⑼
其中,xMi表示地面移动机器人Mi所在的位置,xU表示空中移动无人机中继U所在的位置,xBS表示固定空中基站BS所在的位置,||xU-xBS||表示空中移动无人机中继U与固定空中基站BS之间的欧氏距离,||xMi-xU||表示地面移动机器人Mi与空中移动无人机中继U之间的欧氏距离,N0表示加性高斯白噪声的功率谱密度,β表示路径损耗指数。ΨMi,U表示地面移动机器人Mi与空中移动无人机中继U间的考虑衍射和多径的阴影衰落参数,ΨU,BS表示空中移动无人机中继U与固定空中基站BS间的考虑衍射和多径的阴影衰落参数。ΨMi,U和ΨU,BS这两个参数可以统一表示为信息发送方m与信息接收方n(m可以代表地面移动机器人Mi、固定空中基站、空中移动无人机中继中任意一个,n可以代表地面移动机器人Mi、空中移动无人机中继、固定空中基站中任意一个)之间的考虑衍射和多径的阴影衰落参数Ψmn,Ψmn服从高斯随机分布,由式⑽计算:
其中,当通信信道不经过障碍物时,为直视通信(line of sight,LOS)时,Ψmn的高斯分布参数均值为μmn,LOS,方差为Ψmn,LOS表示直视通信时的Ψmn;当通信信道经过障碍物时,为非直视通信(none line of sight,NLOS)时,Ψmn的高斯分布参数均值为μmn,NLOS,方差为Ψmn,NLOS表示非直视通信时的Ψmn。上述参数由信息发送方m与信息接收方n之间的通信夹角共同决定,具体数值与计算方法可以参考P.Ladosz和H.Oh等人2009年发表在IEEE Robotics and Automation Letters第四期的论文“A hybrid approach oflearning and model-based channel prediction for communication relay UAVs indynamic urban environments(动态城市环境下一种基于学习和模型的中继无人机通信信道的混合预测方法)”第三页的公式(4)、公式(5)和第七页的表格四。
4.2航迹规划和通信功率规划模块固定空中移动无人机中继U航迹,将4.1中公式(1)简化为地面机器人Mi、空中移动无人机中继U通信功率分配问题,由目标函数式⑾和约束函数式⑿表示:
其中,函数h的海森矩阵H为正定矩阵,因此函数h为凸函数。因此,地面移动机器人Mi、空中移动无人机中继U通信功率分配问题为凸优化问题,采用经典的凸优化问题求解方法(如内点法),对地面机器人Mi、空中移动无人机中继U通信功率分配问题(即式⑾和式⑿)进行求解,得到固定中继无人机航迹的通信功率分配方案(即如式⒁和式⒂所示的用表示和)。地面移动机器人Mi在第t个时间步的最优通信功率以及空中移动无人机中继U在第t个时间步的最优通信功率如式⒁和式⒂所示:
4.4航迹规划和通信功率规划模块将目标函数式⒅定义域划分为直视通信区域和非直视通信区域,并将直视通信区域和非直视通信区域分别划分为N个凸子区域,N为正整数,方法是:
4.4.1航迹规划和通信功率规划模块将环境中障碍物(例如树木或者建筑物)简化为凸长方体,如图3所示,假设通信链路是直线,且通信链路能被障碍物阻挡。由于约束函数式⒆的限制,无人机航迹规划问题定义域D为以空中移动无人机中继U当前位置为圆心,以最大飞行速度与时间步周期乘积为半径的圆。从地面移动机器人Mi和固定空中基站分别沿直线与空中移动无人机中继U通信,则定义域D(图3中的圆圈)可被划分为与地面移动机器人Mi不能通信的部分(如图3圆圈左侧斜线阴影部分所示)、与固定空中基站不能通信的部分(如图3圆圈右侧斜线阴影部分所示)以及与地面移动机器人Mi、固定空中基站都能通信的部分(如图3圆圈中阴影部分所示)。则直视区域DLOS为与地面移动机器人Mi、固定空中基站都能通信的部分(如图3圆圈中阴影部分所示),非直视区域DNLOS=D-DLOS(如图3圆圈中斜线阴影部分所示)。具体操作时沿直线通信这一步,拿与地面移动机器人Mi不能通信的区域举例为:每个地面移动机器人与障碍物的上方顶点的连线的延长线与空中移动无人机中继所在平面的交点point1、point2以及每个地面移动机器人与障碍物侧边的4/5高处的连线的延长线与空中移动无人机中继所在平面的交点point3、point4所构成的多边形与定义域D的交集是与地面移动机器人Mi不能通信的区域。
4.4.2航迹规划和通信功率规划模块将直视区域DLOS与非直视区域DNLOS分别通过三角划分方法划分为凸子区域,一共有N个凸子区域(D1,D2,…,Dj,…,DN),如图4所示(直视区域DLOS为黑色部分与非直视区域DNLOS为白色区域)。三角划分方法可参考Franz等人在2013年经世界科学出版社出版的图书《Voronoi diagrams and delaunay triangulations(泰森多边形和三角划分)》和matlab中polyshape相关的triangulation函数。将无人机航迹规划问题的定义域D限定在任意一个凸子区域(令为Dj,j=1,2,…,N)之后,该问题为凸优化问题,其目标函数为凸函数的证明由式⒇给出,令
其中,在凸子区域Dj内,空中移动无人机中继U与固定空中基站间、空中移动无人机中继U与地面移动机器人Mi间的通信信道是直视或者非直视的情况固定,因此参数ΨMi,U,ΨU,BS都为确定的值,可以作为常数处理。因此U和BS间的距离函数Mi和U之间距离相关函数U第t个时间步起点与终点间的距离函数都是关于优化变量的凸函数。根据Stephen Boyd和LievenVandenberghe所著,在2004年剑桥大学出版社出版的图书《Convex optimization(凸优化)》中第87页的证明,如果给出凸函数f1(x),f2(x),...,fN(x)且β≥1,则也是凸函数。此外,变量aA=k-k′A/vU,是与A相关的变量。当twait=0时,A=0,aA=k是正数且b'A为常数;twait≠0时A=1,根据无人机平台提供的实际参数k和k’,可以计算出aA=k-k′/vU,是正数且b'A为常数。综上两种情况,式⒇在在凸子区域Dj内时都为凸函数。
4.4.3利用经典的凸优化问题求解方法(如内点法)求解得到无人机航迹规划问题(式⒅和式⒆)在多个凸子区域内的最优解,为{(J1,x1),(J2,x2),…,(Jj,xj),…,(JN,xN)},通过对比J1,J2,…,Jj,…,JN的数值,得到耗能最少的最优解,令为Jk,k=1,2,…,N,则对应的解xk即为第t个时间步最优的无人机终点位置将离散的时间连续起来看,多个时间步的最优的无人机终点位置共同构成了空中移动无人机中继的最优航迹。
第五步,空中移动无人机中继U飞行到航迹规划和通信功率规划模块规划出的第t个时间步的最优航迹处(即处),待地面移动机器人Mi也到第t个时间步的终点位置时,航迹规划和通信功率规划模块首先将地面移动机器人Mi在第t个时间步的最优通信功率发送给地面移动机器人Mi,地面移动机器人Mi的通信功率控制模块接收并将自身的通信功率调成
第六步,num个地面移动机器人的数据采集模块按照各自的最优通信功率将采集数据信息(如Kinect采集的图片数据信息或摄像机采集的图片信息)发送给空中移动无人机中继U的数据转发模块。
第七步,空中移动无人机中继U的数据转发模块从num个地面移动机器人的数据采集模块接收采集数据信息(这些信息简称总数据信息),并按照空中移动无人机中继U的最优通信功率将总数据信息转发给固定空中基站的数据接收处理模块。同时,空中移动无人机中继U的数据转发模块还将U的剩余电量信息发给固定空中基站。
第八步,固定空中基站的数据接收处理模块一边接收空中移动无人机中继U发送的总数据信息和空中移动无人机中继U的剩余电量信息,对总数据信息和剩余电量信息进行处理;一边判断U剩余电量是否充足,并发送相应控制指令给U。具体方法是:
8.1数据接收处理模块接收空中移动无人机中继U发送的总数据信息和U的剩余电量信息。
8.2数据接收处理模块对空中移动无人机中继U转发的总数据信息(即地面移动机器人利用Kinect采集的图片数据信息)进行图像识别,得到图像识别结果;同时数据接收处理模块根据空中移动无人机中继U的剩余电量信息判断无人机中继U的电量是否充足,若剩余电量大于等于剩余电量阈值,表示剩余电量充足,转至8.3;若剩余电量小于剩余电量阈值,表示不充足,转至8.4。根据经验,阈值范围一般设置为20%。
8.3第t个时间步结束,令t=t+1,转至第三步,进入下一时间步的中继处理过程。
8.4数据接收处理模块根据空中移动无人机中继U发送的剩余电量信息和无人机中继当前定位判断U剩余电量是否能支撑U飞到固定空中基站。用Eleft表示剩余电量信息,若则认为可以飞到固定空中基站。若不能飞到固定空中基站,转至8.5;若能飞到固定空中基站,转至8.6。
8.5数据接收处理模块发送降落控制指令给空中移动无人机中继U,空中移动无人机中继U的航迹规划和通信功率规划模块接收降落控制指令,原地降落,转第九步。
8.6数据接收处理模块发送返回控制指令给无人机中继U,空中移动无人机中继U的航迹规划和通信功率规划模块接收返回控制指令,返回固定空中基站所在位置,转第九步。
第九步,结束。
本实施例中将背景技术中J.Chen和D.Gesbert在2017年发表在IEEEinternational conference on communications的论文“Optimal positioning offlying relays for wireless networks:A LOS map approach(最优无线中继位置部署:一种视距方法)”中只优化通信耗能的方法作为对照组,图5给出了实施例中设置时间步T=15秒,只有一个地面移动机器人且其数据采样率为1-20Mbit/s时,在4个时间步内,本发明与只优化通信耗能的方法(对照组)规划出的无人机航迹结果图。如图5所示,长方体代表环境中的障碍物,三角形代表固定空中基站,地面的正方形代表地面移动机器人在4个时间步内的移动轨迹,空中的圆形代表本发明在4个时间步内规划出的空中移动无人机中继的航迹,空中的五角星代表对照方法在4个时间步内规划出的空中移动无人机中继的航迹。从图5可以看到,本发明能在有障碍物的环境中规划出合适的空中移动无人机中继航迹,且规划的空中移动无人机中继大部分都是采用的直视通信(从空中移动无人机中继与固定空中基站、地面移动机器人的连线不经过障碍物可以看出),这样能更好的满足地面移动机器人的通信需求;通过与对照组规划出的航迹对比可以发现,对照组规划出的空中移动无人机中继则随着地面移动机器人的移动运动到了更远的地方,而本发明规划的空中移动无人机中继倾向于待在同一个位置,这样能节省更多运动能耗,在空中移动无人机中继电量固定的条件下,能延长系统提供服务的时长。
如图6所示,利用节能比进一步定量的比较本发明与对照组方法的能耗,定义本发明耗能为J1(J1可以代表本发明总能耗、通信耗能、运动耗能中任意一个),定义对照组方法耗能为J2(J2可以对应的代表对照组方法总能耗、通信耗能、运动耗能),则能耗节能比Esave可以表示为Esave=(J2-J1)/J2。图6给出了实施例中,设置时间步T=15秒,只有一个地面移动机器人且其在不同数据采样率时(δM=32、64、128、256、512、1000、2000、4000、7000、12000、20000kbit/s),本发明对比对照组方法的能耗节能比。图6中带有三角形的线代表总能耗的节能比,带有圆形的线代表通信能耗节能比,带有“x”的线代表运动能耗的节能比。从图6中可以看到,相较于对照组,本发明虽然通信耗能多消耗8%左右(带有圆形的线在纵坐标为-8处),但是总耗能节约了最高25%(带有三角形的线在纵坐标为25处),有明显的性能增益。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种中继无人机通信与运动耗能联合优化方法,其特征在于包括以下步骤:
第一步,构建无人机中继系统,无人机中继系统由num个地面移动机器人、一个空中移动无人机中继U和一个固定空中基站BS组成;地面移动机器人是同构或异构机器人;空中移动无人机中继U是具有数据转发功能的旋翼无人机;空中基站BS是计算设备,用于处理接收的数据信息;地面移动机器人与空中移动无人机中继U之间通过存在障碍物的空对地通信链路进行通信,空中移动无人机中继U和固定空中基站BS之间通过存在障碍物的空对空通信链路进行通信;
num个地面移动机器人上安装的软件相同,第i个地面移动机器人Mi除了装有操作系统、机器人操作系统、定位装置外,还装有数据采集模块和通信功率控制模块,i=1,2,...,num;将时间离散为多个时间步周期T,地面移动机器人根据预规划的任务路线前进;数据采集模块进行数据采集,将采集数据信息存储起来,在第t个时间步起点位置处将预规划好的第t个时间步的终点位置信息和数据采样率信息δMi发送给空中移动无人机中继U;通信功率控制模块接收空中移动无人机中继U规划出的第t个时间步的最优发射功率并将地面移动机器人Mi的通信发射功率调成数据采集模块在终点位置处以向空中移动无人机中继U发送在T内的采集数据信息;
空中移动无人机中继U上除了装有操作系统、机器人操作系统、定位装置外,还装有数据转发模块、航迹规划和通信功率规划模块;航迹规划和通信功率规划模块接收地面移动机器人在第t个时间步终点位置信息和数据采样率信息,根据第t个时间步终点位置信息和数据采样率信息规划出满足通信条件且能最小化无人机中继系统通信运动总耗能的无人机航迹、最优无人机通信功率和地面移动机器人Mi的最优发射功率并将发送给地面移动机器人的通信功率控制模块;空中移动无人机中继U按照规划出的航迹飞行且将自身通信功率调为同时,航迹规划和通信功率规划模块还接收固定空中基站传来的控制指令并规划出空中移动无人机中继U的相应路径;数据转发模块接收num个地面移动机器人分别发送的采集数据信息即总数据信息并转发给固定空中基站的数据接收处理模块,同时,数据转发模块将空中移动无人机中继U的剩余电量信息发送给固定空中基站;
固定空中基站上除了装有操作系统外,还装有数据接收处理模块;数据接收处理模块接收并处理空中移动无人机中继发送来的总数据信息和空中移动无人机中继U剩余电量信息,根据总数据信息和空中移动无人机中继U剩余电量信息判断是否发送返回控制指令或降落控制指令;
第二步,初始化时间步变量t=1;初始化一个时间步的长度为T,T以秒为单位;
第三步,num个地面移动机器人进行数据采集的方法相同,都是数据采集模块进行图片数据信息的采集;δMi表示地面移动机器人Mi的数据采样率,即每秒采集的数据量,单位为bit/s,根据数据采集模块的采样速率获得;在第t个时间步开始时,地面移动机器人Mi的数据采集模块将数据采样率信息δMi和第t个时间步终点位置信息发送给空中移动无人机中继U的航迹规划和通信功率规划模块;
第四步,空中移动无人机中继U的航迹规划和通信功率规划模块接收地面移动机器人Mi传来的数据采样率信息δMi和第t个时间步终点位置信息,根据环境中障碍物信息和当前通信环境规划出空中移动无人机中继U的最优航迹、最优通信功率和地面移动机器人的最优通信功率,方法是:
4.1航迹规划和通信功率规划模块接收地面移动机器人Mi传来的数据采样率信息δMi和第t个时间步终点位置信息,计算出地面移动机器人Mi在T内预计采集的信息总量TδMi,构建以最小化无人机中继系统通信运动总耗能为目标的中继无人机航迹规划及地面移动机器人、无人机通信功率分配的数学模型,该数学模型由式⑴表示:
其中,表示空中移动无人机中继U在第t个时间步的终点位置;表示空中移动无人机中继U在第t个时间步的通信发射功率,表示第t个时间步地面移动机器人Mi的通信发射功率;Jt表示第t个时间步无人机中继系统的通信和运动总耗能。tU,i表示空中移动无人机中继U的数据转发模块向固定空中基站转发地面移动机器人Mi发送数据的传输时长,tMi表示地面移动机器人Mi向空中移动无人机中继U发送采集数据的传输时长,由式⑵和式⑶计算:
tU,i=TδMi/B1SU ⑵
tMi=TδMi/B2SMi ⑶
其中,SU表示空中移动无人机中继U传输数据的频谱效率,SMi表示地面移动机器人Mi传输数据的频谱效率,B1表示存在障碍物的空对空通信链路信道带宽,B2表示存在障碍物的空对地通信链路信道带宽;
Emove表示空中移动无人机中继U的飞行耗能;空中移动无人机中继U在传输数据时为悬停状态,Ehover表示空中移动无人机中继U的悬停耗能,由下面式⑷和式⑸计算:
其中,k是空中移动无人机中继U相关运动耗能参数,根据无人机厂家提供的飞行放电曲线获得;是空中移动无人机中继U在第t个时间步移动的距离;k’是空中移动无人机中继U相关悬停耗能参数,根据无人机厂家提供的悬停放电曲线获得;vU为空中移动无人机中继U的飞行速度,twait为空中移动无人机中继U等待地面移动机器人到达第t个时间步终点位置的时间,由式⑹计算:
式(1)中的pmax是无人机中继系统能容忍的端到端包容错率的阈值,数字越小表示对通信链路通信质量的要求越高;式(7)中的αn是传输模式相关因子,CMi,U表示地面移动机器人Mi与空中移动无人机中继U间通信链路的平均信道功率增益,CU,BS表示空中移动无人机中继U与固定空中基站BS间通信链路的平均信道功率增益,由式⑻和式⑼计算:
CMi,U=||xMi-xU||-β/N0B2ΨMi,U ⑻
CU,BS=||xU-xBS||-β/N0B1ΨU,BS ⑼
其中,xMi表示地面移动机器人Mi所在的位置,xU表示空中移动无人机中继U所在的位置,xBS表示固定空中基站BS所在的位置,||xU-xBS||表示空中移动无人机中继U与固定空中基站BS之间的欧氏距离,||xMi-xU||表示地面移动机器人Mi与空中移动无人机中继U之间的欧氏距离,N0表示加性高斯白噪声的功率谱密度,β表示路径损耗指数;ΨMi,U表示地面移动机器人Mi与空中移动无人机中继U间的考虑衍射和多径的阴影衰落参数,ΨU,BS表示空中移动无人机中继U与固定空中基站BS间的考虑衍射和多径的阴影衰落参数;ΨMi,U和ΨU,BS这两个参数统一表示为信息发送方m与信息接收方n之间的考虑衍射和多径的阴影衰落参数Ψmn,m代表地面移动机器人Mi、固定空中基站、空中移动无人机中继中任意一个,n代表地面移动机器人Mi、空中移动无人机中继、固定空中基站中任意一个,Ψmn服从高斯随机分布,由式⑽计算:
其中,当通信信道不经过障碍物时,为直视通信即LOS时,Ψmn的高斯分布参数均值为μmn,LOS,方差为Ψmn,LOS表示直视通信时的Ψmn;当通信信道经过障碍物时,为非直视通信即NLOS时,Ψmn的高斯分布参数均值为μmn,NLOS,方差为Ψmn,NLOS表示非直视通信时的Ψmn;上述参数由信息发送方m与信息接收方n之间的通信夹角共同决定;
4.2航迹规划和通信功率规划模块固定空中移动无人机中继U航迹,将公式(1)简化为地面机器人Mi、空中移动无人机中继U通信功率分配问题,由目标函数式⑾和约束函数式⑿表示:
采用凸优化问题求解方法对式⑾和式⑿进行求解,得到固定中继无人机航迹的通信功率分配方案,即如式⒁和式⒂所示的用表示和地面移动机器人Mi在第t个时间步的最优通信功率以及空中移动无人机中继U在第t个时间步的最优通信功率如式⒁和式⒂所示:
4.4航迹规划和通信功率规划模块将目标函数式⒅定义域划分为直视通信区域DLOS和非直视通信区域DNLOS,并将直视通信区域和非直视通信区域分别划分为凸子区域,得到N个凸子区域即D1,D2,…,Dj,…,DN,j=1,2,…,N,N为正整数,将无人机航迹规划问题的定义域D限定在任意一个凸子区域Dj,无人机航迹规划问题成为凸优化问题;
4.5利用凸优化问题求解方法求解公式(18)和(19),将定义域D限定在任意一个凸子区域Dj内的子问题,得到无人机航迹规划问题即式⒅和式⒆在多个凸子区域内的最优解,令为{(J1,x1),(J2,x2),…,(Jj,xj),…,(JN,xN)},通过对比J1,J2,…,Jj,…,JN的数值,得到耗能最少的最优解,令为Jk,k=1,2,…,N,则对应的解xk即为第t个时间步最优的无人机终点位置将离散的时间连续起来看,多个时间步的最优的无人机终点位置共同构成了空中移动无人机中继的最优航迹;
第五步,空中移动无人机中继U飞行到航迹规划和通信功率规划模块规划出的第t个时间步的最优航迹处即处,待地面移动机器人Mi也到第t个时间步的终点位置时,航迹规划和通信功率规划模块将Mi在第t个时间步的最优通信功率发送给Mi,Mi的通信功率控制模块接收并将Mi的通信功率调成同时航迹规划和通信功率规划模块将U的通信功率调为
第六步,num个地面移动机器人的数据采集模块按照各自的最优通信功率将各自采集的数据信息发送给空中移动无人机中继U的数据转发模块;
第七步,空中移动无人机中继U的数据转发模块从num个地面移动机器人的数据采集模块接收各自发送的采集数据信息即总数据信息,按照U的最优通信功率将总数据信息转发给固定空中基站BS的数据接收处理模块;同时,U的数据转发模块将U的剩余电量信息发给固定空中基站BS;
第八步,固定空中基站BS的数据接收处理模块一边接收空中移动无人机中继U发送的总数据信息和U的剩余电量信息,对总数据信息和剩余电量信息进行处理;一边判断U剩余电量是否充足,发送相应控制指令给U;具体方法是:
8.1数据接收处理模块接收U发送的总数据信息和剩余电量信息;
8.2数据接收处理模块对U转发的总数据信息进行图像识别,得到图像识别结果;同时数据接收处理模块根据U的剩余电量信息判断U的电量是否充足,若剩余电量大于等于剩余电量阈值,表示剩余电量充足,转至8.3;若剩余电量小于剩余电量阈值,表示不充足,转至8.4;
8.3第t个时间步结束,令t=t+1,转至第三步,进入下一时间步的中继处理过程;
8.5数据接收处理模块发送降落控制指令给空中移动无人机中继U,U的航迹规划和通信功率规划模块接收降落控制指令,U原地降落,转第九步;
8.6数据接收处理模块发送返回控制指令给无人机中继U,U的航迹规划和通信功率规划模块接收返回控制指令,U返回固定空中基站所在位置,转第九步。
第九步,结束。
2.如权利要求1所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于所述地面移动机器人、空中移动无人机中继U、固定空中基站上安装的操作系统为Ubuntu16.04,地面移动机器人、空中移动无人机中继U上安装的机器人操作系统为ROS。
3.如权利要求1所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于所述数据采集模块指Kinect传感器或摄像头这样的数据采集设备。
4.如权利要求1所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于所述时间步T为15秒,所述剩余电量阈值范围设置为20%。
5.如权利要求1所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于所述公式(1)中的pmax设置为0到0.2之间的数字。
6.如权利要求1所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于4.2步和4.5步所述凸优化问题求解方法选择内点法。
7.如权利要求1所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于4.4步所述航迹规划和通信功率规划模块将目标函数式⒅定义域划分为直视通信区域和非直视通信区域,并将直视通信区域和非直视通信区域分别划分为N个凸子区域的方法是:
4.4.1航迹规划和通信功率规划模块将环境中障碍物简化为凸长方体,假设通信链路是直线,且通信链路能被障碍物阻挡;无人机航迹规划问题定义域D为以U当前位置为圆心,以最大飞行速度与时间步周期乘积为半径的圆;从地面移动机器人Mi和固定空中基站BS分别沿直线与U通信,将定义域D划分为与Mi不能通信的部分、与BS不能通信的部分以及与Mi、BS都能通信的部分;直视通信区域DLOS为与Mi、BS都能通信的部分,非直视通信区域DNLOS=D-DLOS;
4.4.2航迹规划和通信功率规划模块将DLOS与DNLOS分别划分为凸子区域,一共有N个凸子区域即D1,D2,…,Dj,…,DN,将无人机航迹规划问题的定义域D限定在任意一个凸子区域Dj,j=1,2,…,N。
8.如权利要求7所述的一种中继无人机通信与运动耗能联合优化方法,其特征在于4.4.2步所述将DLOS与DNLOS划分为凸子区域的方法是三角划分方法或类似能将区域划分为凸子区域的划分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011391208.2A CN112566066B (zh) | 2020-12-02 | 2020-12-02 | 一种中继无人机通信与运动耗能联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011391208.2A CN112566066B (zh) | 2020-12-02 | 2020-12-02 | 一种中继无人机通信与运动耗能联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112566066A true CN112566066A (zh) | 2021-03-26 |
CN112566066B CN112566066B (zh) | 2022-03-15 |
Family
ID=75047017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011391208.2A Active CN112566066B (zh) | 2020-12-02 | 2020-12-02 | 一种中继无人机通信与运动耗能联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112566066B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552896A (zh) * | 2021-06-02 | 2021-10-26 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于无人机中继通信的无人平台远程遥控系统及方法 |
CN114035240A (zh) * | 2021-09-29 | 2022-02-11 | 中南大学 | 一种基于蛇形机器人的充填未接顶空区探测装置及方法 |
CN114945182A (zh) * | 2022-04-29 | 2022-08-26 | 中国人民解放军国防科技大学 | 一种城市环境中多无人机中继优化部署方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190061869A (ko) * | 2017-11-28 | 2019-06-05 | 주식회사 로보 | 저전력 장거리 무선통신 기술을 활용한 복수의 무인 비행체 관제 시스템 |
CN109991998A (zh) * | 2018-12-06 | 2019-07-09 | 华南理工大学 | 一种基于接收信号强度的无人机中继航迹优化方法 |
CN110138443A (zh) * | 2019-06-05 | 2019-08-16 | 南京邮电大学 | 面向无线中继的无人机航迹和信号发射功率联合优化方法 |
US20200317339A1 (en) * | 2017-12-19 | 2020-10-08 | Hanwha Defense Co., Ltd. | Wireless communication relay system using unmanned device and method therefor |
CN111865395A (zh) * | 2020-06-12 | 2020-10-30 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种面向无人机编队通信的轨迹生成与跟踪方法及系统 |
CN111970709A (zh) * | 2020-07-10 | 2020-11-20 | 西北农林科技大学 | 一种基于粒子群优化算法的无人机中继部署方法及系统 |
-
2020
- 2020-12-02 CN CN202011391208.2A patent/CN112566066B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190061869A (ko) * | 2017-11-28 | 2019-06-05 | 주식회사 로보 | 저전력 장거리 무선통신 기술을 활용한 복수의 무인 비행체 관제 시스템 |
US20200317339A1 (en) * | 2017-12-19 | 2020-10-08 | Hanwha Defense Co., Ltd. | Wireless communication relay system using unmanned device and method therefor |
CN109991998A (zh) * | 2018-12-06 | 2019-07-09 | 华南理工大学 | 一种基于接收信号强度的无人机中继航迹优化方法 |
CN110138443A (zh) * | 2019-06-05 | 2019-08-16 | 南京邮电大学 | 面向无线中继的无人机航迹和信号发射功率联合优化方法 |
CN111865395A (zh) * | 2020-06-12 | 2020-10-30 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种面向无人机编队通信的轨迹生成与跟踪方法及系统 |
CN111970709A (zh) * | 2020-07-10 | 2020-11-20 | 西北农林科技大学 | 一种基于粒子群优化算法的无人机中继部署方法及系统 |
Non-Patent Citations (1)
Title |
---|
邓嘉辉等: "一种适用于微型无人机的移动MUAV-MTP协议", 《计算机工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552896A (zh) * | 2021-06-02 | 2021-10-26 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于无人机中继通信的无人平台远程遥控系统及方法 |
CN113552896B (zh) * | 2021-06-02 | 2024-02-27 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于无人机中继通信的无人平台远程遥控系统及方法 |
CN114035240A (zh) * | 2021-09-29 | 2022-02-11 | 中南大学 | 一种基于蛇形机器人的充填未接顶空区探测装置及方法 |
CN114035240B (zh) * | 2021-09-29 | 2022-08-23 | 中南大学 | 一种基于蛇形机器人的充填未接顶空区探测装置及方法 |
CN114945182A (zh) * | 2022-04-29 | 2022-08-26 | 中国人民解放军国防科技大学 | 一种城市环境中多无人机中继优化部署方法 |
CN114945182B (zh) * | 2022-04-29 | 2023-11-03 | 中国人民解放军国防科技大学 | 一种城市环境中多无人机中继优化部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112566066B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112566066B (zh) | 一种中继无人机通信与运动耗能联合优化方法 | |
CN110364031B (zh) | 地面传感器网络中无人机集群的路径规划和无线通信方法 | |
Kim et al. | Coordinated trajectory planning for efficient communication relay using multiple UAVs | |
Ghazzai et al. | Energy-efficient management of unmanned aerial vehicles for underlay cognitive radio systems | |
Bulut et al. | Trajectory optimization for cellular-connected UAVs with disconnectivity constraint | |
Lee et al. | Integrating LEO satellite and UAV relaying via reinforcement learning for non-terrestrial networks | |
CN111107515B (zh) | 无人机多链路中继通信系统的功率分配与飞行路线优化方法 | |
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 | |
Chen et al. | Edge computing assisted autonomous flight for UAV: Synergies between vision and communications | |
CN108668257B (zh) | 一种分布式无人机邮差中继轨迹优化方法 | |
WO2020209935A2 (en) | Software defined drone network control system | |
CN113055078B (zh) | 有效信息年龄确定方法、以及无人机飞行轨迹优化方法 | |
CN111953397B (zh) | 一种面向自由信道的全双工无人机中继通信方法 | |
US20220212789A1 (en) | Method Of Flight Plan Optimization Of A High Altitude Long Endurance Aircraft | |
Indu et al. | Trajectory planning and optimization for UAV communication: a review | |
Licea et al. | Optimum trajectory planning for multi-rotor UAV relays with tilt and antenna orientation variations | |
Park et al. | Joint trajectory and resource optimization of MEC-assisted UAVs in sub-THz networks: A resources-based multi-agent proximal policy optimization DRL with attention mechanism | |
CN114945182B (zh) | 一种城市环境中多无人机中继优化部署方法 | |
CN116545515A (zh) | 一种基于无人机群的高效数据传输方法 | |
CN114339667B (zh) | 基于混合无人机空中移动基站的中继方法和装置 | |
CN116208968B (zh) | 基于联邦学习的轨迹规划方法及装置 | |
Sazak et al. | UAV-BS trajectory optimization under coverage, backhaul and QoS constraints using Q-learning | |
Qin et al. | Fair-energy trajectory plan for reconnaissance mission based on UAVs cooperation | |
Oh et al. | Coordinated trajectory planning for efficient communication relay using multiple UAVs | |
CN114665947A (zh) | 一种无人机支持的中继通信系统联合功率控制及位置规划的优化设计方法 |
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 |