CN112636804A - 一种基于毫米波阵列的多无人机基站协同传输方法 - Google Patents

一种基于毫米波阵列的多无人机基站协同传输方法 Download PDF

Info

Publication number
CN112636804A
CN112636804A CN202011409594.3A CN202011409594A CN112636804A CN 112636804 A CN112636804 A CN 112636804A CN 202011409594 A CN202011409594 A CN 202011409594A CN 112636804 A CN112636804 A CN 112636804A
Authority
CN
China
Prior art keywords
user
unmanned aerial
aerial vehicle
beam forming
matrix
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
CN202011409594.3A
Other languages
English (en)
Other versions
CN112636804B (zh
Inventor
肖振宇
朱立鹏
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Publication of CN112636804A publication Critical patent/CN112636804A/zh
Application granted granted Critical
Publication of CN112636804B publication Critical patent/CN112636804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
    • 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
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • 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)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于毫米波阵列的多无人机基站协同传输方法，属于移动通信领域，包括：建立无人机基站和用户的通信场景；无人机采用模拟‑数字混合波束赋形结构，用户端采用模拟波束赋形结构建立信道模型；根据用户的接收信号，计算各用户的可达率，并构建系统总可达率达到最大时的目标函数，设计无人机位置、用户分组、收发端波束赋形和可达率的约束条件；通过引入视距信道和理想波束赋形，计算理想的用户可达率；进而设计用户功率分配、无人机位置部署以及用户分组；在给定的无人机位置及用户分组下，设计无人机模拟波束、数字波束赋形矩阵和用户模拟波束赋形向量。该方法扩大了地面移动通信网络的覆盖范围，提升了系统通信容量。

Description

一种基于毫米波阵列的多无人机基站协同传输方法
技术领域
本发明属于移动通信技术领域，具体是一种基于毫米波阵列的多无人机基站协同传输方法。
背景技术
近年来，无人机辅助的无线通信引起了广泛关注，并被认为是后5G时代的关键技术之一。由于其灵活的部署能力和较低的人力成本，无人机可以用作空中基站，扩大地面网络的覆盖范围并提高地面用户的服务质量。然而，单个无人机受自身载荷和功率的限制，作为空中基站服务能力十分有限。随着用户数量的增长以及用户分布范围的扩大，单无人机基站往往难以满足多用户通信业务的需求，无法为所有用户提供实时的通信覆盖和接入服务。相反，由多个无人机基站组成的协同网络可以有效地扩大覆盖范围并提高服务用户的数量。因此，多无人机辅助的移动通信技术具有很大的发展潜力，有望在应急通信、偏远地区通信以及突发热点区域通信等领域发挥重要作用。
另一方面，地面移动通信速率需求呈现爆炸式增长，传统的微波频段(小于6GHz)频谱资源使用非常拥挤，难以满足日益增长的通信需求，开发高频段已成为学术界和业界的共识，毫米波频段(30-300GHz)具有丰富的频谱资源，有大量连续频段尚未使用，有望支持大带宽、低时延的移动通信业务。
随着毫米波器件的工艺水平不断提高，毫米波通信技术已经具备了应用的条件。在毫米波通信中，由于信号空间传播损耗大，通常采用定向传输方式，在收发端搭载大规模天线阵列，通过波束赋形获取空间增益，典型的波束赋形结构包括模拟波束赋形和数字波束赋形。
模拟波束赋形结构多采用相控阵结构，仅需要一个射频，每一个天线分支安装一个相位转换器，可以调节模拟信号的相位，弥补多天线发射/到达信号的相位差，实现在空间特定方向上信号功率的增强，硬件成本相对较低，但波束赋形自由度也受到相应的限制；数字波束赋形结构中射频数量与天线数量相等，每一个天线连接一个独立的射频，可以对数字信号进行幅度和相位的灵活调整，具有更高的自由度，但硬件成本和功耗也非常高。
为了应对模拟波束赋形和数字波束赋形结构的缺点，模拟-数字混合波束赋形结构被提出并受到广泛关注，该结构将少量射频与大规模天线通过相位转换器连接，实现硬件复杂度与波束赋形性能的折中。
将毫米波通信技术应用到无人机平台，可以显著提升通信带宽，解决频谱稀缺的难题。由于毫米波信号波长较短，在多无人机基站组成的协同网络中，可以搭载大规模天线阵列提升接收信号功率，获取空分复用增益，并通过灵活的波束赋形有效改善无人机平台的干扰问题。多无人机基站的位置部署、无人机与用户关联以及波束赋形等因素对通信性能都有重要影响，需要综合设计。
发明内容
针对上述问题，本发明提出一种基于毫米波阵列的多无人机基站协同传输方法，采用多个无人机作为空中基站，协同为地面多用户提供通信服务，在无人机端采用模拟-数字混合波束赋形结构，在用户端采用模拟波束赋形结构，设计无人机位置部署、无人机-用户关联以及收发端波束赋形，提高了网络容量。
所述的多无人机基站协同传输方法，具体步骤如下：
步骤一、建立无人机基站和用户集合以及空间位置的通信场景；
场景中包括：
K个用户分布在地面，用户集合记为
Figure BDA0002817315580000021
用户k的水平位置坐标记为uk＝[xk,yk]；M个无人机基站的集合记为
Figure BDA0002817315580000022
其中M<K，无人机的高度统一记为H，无人机m的水平位置坐标记为vm＝[Xm,Ym]。
每个无人机至多服务Mmax个用户，而每个用户只能被一个无人机服务，记无人机m所服务用户的集合为
Figure BDA0002817315580000023
步骤二、无人机采用模拟-数字混合波束赋形结构，用户端采用模拟波束赋形结构，建立无人机与用户间的信道模型；
无人机m与用户k之间的信道矩阵表示为：
Figure BDA0002817315580000024
其中，指数
Figure BDA00028173155800000221
表示视距路径，
Figure BDA00028173155800000222
表示非视距路径；Lm,k表示无人机m与用户k信道的非视距路径总个数，
Figure BDA0002817315580000025
表示第
Figure BDA00028173155800000223
条路径的复增益系数，NB表示无人机端搭载的均匀平面阵列的天线个数，
Figure BDA0002817315580000026
Figure BDA0002817315580000027
和
Figure BDA0002817315580000028
分别表示x方向和y方向天线个数；NU表示用户端单个射频连接的天线个数，
Figure BDA0002817315580000029
Figure BDA00028173155800000210
和
Figure BDA00028173155800000211
分别表示用户端均匀平面阵列在x方向和y方向天线个数；
Figure BDA00028173155800000212
表示第
Figure BDA00028173155800000224
条路径的分离俯仰角，
Figure BDA00028173155800000225
表示第
Figure BDA00028173155800000226
条路径的分离方位角；
Figure BDA00028173155800000227
表示第
Figure BDA00028173155800000217
条路径的到达俯仰角；
Figure BDA00028173155800000218
表示第
Figure BDA00028173155800000228
条路径的到达方位角；
a(·)为均匀平面阵列天线的阵列响应向量：
Figure BDA00028173155800000220
其中，M表示水平方向天线阵元个数，N表示垂直方向天线阵元个数，θ表示无人机到用户信道可达路径的俯仰角，φ表示无人机到用户信道可达路径的方位角，d是相邻天线之间的距离，λ是毫米波信号波长，对半波间距天线阵列有d＝λ/2；
所有无人机和所有地面用户之间的信道矩阵，共同组成信道模型；
步骤三、针对被无人机m服务的每个用户，利用各用户的信道模型和信干噪比，计算各用户对应的可达率；
针对无人机m服务的第n个用户km,n，首先计算该用户的信干噪比：
Figure BDA0002817315580000031
其中，
Figure BDA0002817315580000032
表示用户km,n的接收波束赋形向量；
Figure BDA0002817315580000033
表示无人机m与用户km,n之间的信道响应矩阵；
Figure BDA0002817315580000034
为无人机m的模拟波束赋形矩阵；dm,n表示数字波束赋形矩阵Dm的第n列，dm,i表示数字波束赋形矩阵Dm的第i列；
Figure BDA0002817315580000035
为无人机m的数字波束赋形矩阵；
Figure BDA0002817315580000036
表示无人机j与用户km,n之间的信道响应矩阵；
Figure BDA0002817315580000037
为无人机j的模拟波束赋形矩阵，
Figure BDA0002817315580000038
为无人机j的数字波束赋形矩阵；σ2为用户高斯白噪声的平均功率。
然后，利用用户的信干噪比计算用户km,n的可达率Rm,n：
Rm,n＝log2(1+γm,n)
步骤四、利用各用户的可达率构建系统总可达率达到最大时的目标函数，并设计无人机位置、用户分组、收发端波束赋形和可达率的约束条件；
目标函数如下：
Figure BDA0002817315580000039
无人机位置的约束条件为：
Figure BDA00028173155800000310
其中
Figure BDA00028173155800000311
表示无人机备选位置的集合，设置为[Xmin,Xmax]×[Ymin,Ymax]的矩形区域；
用户分组的约束条件为：
Figure BDA00028173155800000312
其中第一项约束为每个用户至少被一个无人机服务；
第二项约束为每个用户至多被一个无人机服务，Φ表示空集；
第三项约束为每个无人机的最大服务用户数约束，最大服务用户数Mmax设置为无人机的射频数NRF；
波束赋形的约束条件为：
Figure BDA0002817315580000041
Figure BDA0002817315580000042
Figure BDA0002817315580000043
其中第一项约束为发射端模拟波束赋形矩阵/向量的恒模约束；
第二项约束为接收端模拟波束赋形矩阵/向量的恒模约束；
第三项约束表示无人机发射端总功率不超过最大值P；
可达率的约束条件为：
Figure BDA0002817315580000044
其中rm,n表示用户km,n的最小可达率需求；
该约束限制了每个用户可达率都能满足最低需求，保证了各用户的公平性。
步骤五、利用无人机和各用户的视距信道和理想波束赋形，得到各用户理想的用户可达率；
针对用户km,n，定义理想波束赋形
Figure BDA0002817315580000045
使得目标信号获得全部阵列增益，而干扰信号增益全部为0，具体表示为：
Figure BDA0002817315580000046
其中
Figure BDA0002817315580000047
为无人机m与用户k的视距信道矩阵；pm,n表示用户km,n所分配的功率；
在视距信道和理想波束赋形下，得到用户km,n的理想可达率为：
Figure BDA0002817315580000048
Figure BDA0002817315580000051
表示参考距离1米处的信道增益幅度，c0表示光速常数，fc表示载波频率，pm,n表示用户km,n所分配的功率，且
Figure BDA0002817315580000052
α表示大尺度路径衰减系数。
步骤六、在满足无人机位置、用户分组、发射功率和理想可达率的约束条件下，最大化所有用户的理想可达率之和，对用户功率进行分配，对无人机的位置进行部署以及对用户进行分组；
具体步骤如下：
步骤601、将K个用户按照水平位置初始化分成M组；
采用K均值算法，使得分组后各组用户到该组中心位置的欧氏距离之和最小，得到初始化用户分组
Figure BDA0002817315580000053
将无人机水平坐标设置为K均值算法中各组的中心位置，得到初始化无人机位置
Figure BDA0002817315580000054
步骤602、计数器t＝1开始迭代，利用第(t-1)轮迭代中的用户分组
Figure BDA0002817315580000055
和无人机m的位置
Figure BDA0002817315580000056
求解优化问题更新第t轮的用户功率分配；
优化问题如下：
Figure BDA0002817315580000057
Figure BDA0002817315580000058
Figure BDA0002817315580000059
Figure BDA00028173155800000510
其中
Figure BDA00028173155800000511
为无人机m的功率分配向量，通过注水法求解得到最优功率分配为：
Figure BDA00028173155800000512
其中
Figure BDA00028173155800000513
λm,n为注水高度，满足
Figure BDA00028173155800000514
步骤603、利用第(t-1)轮迭代中的用户分组
Figure BDA00028173155800000515
和无人机m的位置
Figure BDA00028173155800000516
以及第t轮迭代中的功率分配
Figure BDA00028173155800000517
求解如下优化问题更新无人机m第t轮的位置；
优化问题如下：
Figure BDA0002817315580000061
Figure BDA0002817315580000062
Figure BDA0002817315580000063
首先，对优化问题的目标函数及约束条件放缩，形成局部区域内的位置优化问题；
优化问题如下：
Figure BDA0002817315580000064
Figure BDA0002817315580000065
Figure BDA0002817315580000066
Figure BDA0002817315580000067
其中
Figure BDA0002817315580000068
为
Figure BDA0002817315580000069
在
Figure BDA00028173155800000610
处的泰勒展开式，Γm,n在局部为fm,n的下界；
Figure BDA00028173155800000611
表示
Figure BDA00028173155800000612
在
Figure BDA00028173155800000613
处的泰勒展开式，Υm,n在局部为
Figure BDA00028173155800000614
的下界；由于
Figure BDA00028173155800000615
在局部范围内log2(Γm,n)+Υm,n为
Figure BDA00028173155800000616
的下界；
d(t)表示第t次循环中位置更新的最大半径，以保证泰勒展开的局部性质，其取值设置为
Figure BDA00028173155800000617
κ1＞1为半径缩小因子，迭代过程中半径逐渐减小以加快算法收敛速度。
然后、采用内点法求解局部区域内的位置优化问题，得到无人机位置
Figure BDA00028173155800000618
步骤604、利用第(t-1)轮迭代中的用户分组
Figure BDA00028173155800000619
第t轮迭代中的无人机m的位置
Figure BDA00028173155800000620
和功率分配
Figure BDA00028173155800000621
更新第t轮的用户分组；
具体分组过程为：
针对当前用户分组，判断将某一用户转移到其他组后，进行功率分配更新，是否所有用户满足最小可达率约束且总可达率增大，如果是，则进行用户转移；否则，继续判断将不同组的任意两个用户交换分组后，进行功率分配更新，是否所有用户满足最小可达率约束且总可达率增大，如果是，则进行用户分组交换；否则，继续判断；
遍历所有用户进行转移和交换，直至可达率不再增长，得到新的用户分组
Figure BDA00028173155800000622
步骤605、每次迭代过后令计数器t自增1，重复迭代步骤602至604直至收敛，最终得到无人机的位置
Figure BDA0002817315580000071
和用户分组
Figure BDA0002817315580000072
步骤七、在无人机部署的位置及用户分组下，在满足收发端波束赋形和可达率的约束条件下，设计无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵以及用户模拟波束赋形向量；
具体步骤如下：
步骤701、初始化波束赋形矩阵/向量；
具体为：
首先，对无人机m与其服务的第n个用户间的信道矩阵
Figure BDA0002817315580000073
进行奇异值分解，得到最大奇异值对应的左奇异向量lm,n和右奇异向量rm,n；
然后，将无人机m模拟波束赋形矩阵的第n列初始化为与右奇异向量rm,n相同的相位，将用户km,n的模拟波束赋形向量初始化为与左奇异向量lm,n相同的相位；将无人机m的数字波束赋形矩阵初始化为对角阵，使得总发射功率为P；
步骤702、计数器t＝1开始迭代，利用第(t-1)轮迭代中的无人机模拟波束赋形矩阵
Figure BDA0002817315580000074
无人机数字波束赋形矩阵
Figure BDA0002817315580000075
以及用户模拟波束赋形向量
Figure BDA0002817315580000076
依次更新第t轮无人机模拟波束赋形矩阵的每一列，求解如下优化问题：
Figure BDA0002817315580000077
Figure BDA0002817315580000078
Figure BDA0002817315580000079
Figure BDA00028173155800000710
其中
Figure BDA00028173155800000711
Figure BDA00028173155800000712
表示第t次迭代中用户km,n的信号对用户km,i造成干扰的上界；
Figure BDA00028173155800000713
表示第t次迭代中用户km,n的信号对用户kj,q造成干扰的上界。
无人机m的模拟波束赋形矩阵的第n列更新为：
Figure BDA00028173155800000714
Figure BDA00028173155800000715
为内点法求得优化问题的最优解；
步骤703、利用第t轮迭代中的无人机模拟波束赋形矩阵
Figure BDA00028173155800000716
第(t-1)轮迭代中的无人机数字波束赋形矩阵
Figure BDA00028173155800000717
和用户模拟波束赋形向量
Figure BDA00028173155800000718
更新无人机数字波束赋形矩阵，求解如下优化问题：
Figure BDA0002817315580000081
Figure BDA0002817315580000082
Figure BDA0002817315580000083
引入松弛变量并根据信干噪比和最小均方误差等价关系，使用内点法得到最优解
Figure BDA0002817315580000084
步骤704、利用第t轮迭代中的无人机模拟波束赋形矩阵
Figure BDA0002817315580000085
和数字波束赋形矩阵
Figure BDA0002817315580000086
以及第(t-1)轮迭代中的用户模拟波束赋形向量
Figure BDA0002817315580000087
更新用户模拟波束赋形向量，依次对每个用户求解如下优化问题：
Figure BDA0002817315580000088
Figure BDA0002817315580000089
Figure BDA00028173155800000810
依次更新模拟波束赋形向量
Figure BDA00028173155800000811
的每个元素，为最大化用户可达率，在固定其他元素的情况下，向量
Figure BDA00028173155800000812
的第l个元素的相位设计为
Figure BDA00028173155800000813
其中
Figure BDA00028173155800000814
且
Figure BDA00028173155800000815
Figure BDA00028173155800000816
Figure BDA00028173155800000817
Figure BDA00028173155800000818
Figure BDA00028173155800000819
Figure BDA00028173155800000820
步骤705、每次迭代过后令计数器t自增1，重复步骤702至704至收敛，最终得到无人机模拟波束赋形矩阵
Figure BDA00028173155800000821
无人机数字波束赋形矩阵
Figure BDA00028173155800000822
和用户模拟波束赋形向量
Figure BDA00028173155800000823
步骤八、基于在无人机部署的位置及用户分组，按照无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵以及用户模拟波束赋形向量，进行多无人机基站的协同传输。
本发明的优点在于：
1、本发明提出了一种基于毫米波阵列的多无人机基站协同传输方法，采用多无人机作为空中基站协同覆盖地面用户，扩大了地面移动蜂窝网络覆盖范围；
2、本发明提出了一种基于毫米波阵列的多无人机基站协同传输方法，收发端采用大规模天线阵列，对抗信号衰减，抑制多小区干扰，提升了系统通信容量；
3、本发明提出了一种基于毫米波阵列的多无人机基站协同传输方法，在理想波束赋形条件下，通过低复杂度迭代优化获得了无人机位置部署和用户分组；
4、本发明提出了一种基于毫米波阵列的多无人机基站协同传输方法，在给定无人机位置部署和用户分组条件下，通过低复杂度迭代优化获得了无人机混合波束赋形和用户模拟波束赋形。
附图说明
图1是本发明一种基于毫米波阵列的多无人机基站协同传输方法的流程图；
图2是本发明构建的多无人机基站服务地面用户的下行通信场景示意图；
图3是本发明无人机基站与用户采用的天线阵列结构示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。
本发明公开了一种基于毫米波阵列的多无人机基站协同传输方法，采用多个无人机作为空中基站，协同为地面多用户提供通信服务。所述方法包括建立无人机基站和用户集合以及空间位置的下行通信场景；无人机采用模拟-数字混合波束赋形结构，用户端采用模拟波束赋形结构，建立无人机与用户间的信道模型；根据用户的接收信号，计算各用户的可达率，并构建系统总可达率达到最大时的目标函数，设计无人机位置、用户分组、收发端波束赋形和可达率的约束条件；引入视距信道和理想波束赋形，得到理想的用户可达率；在理想可达率下，设计用户功率分配、无人机位置部署、以及用户分组；在给定的无人机位置及用户分组下，设计无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵和用户模拟波束赋形向量。该方法以多无人机为空中基站的下行传输系统，扩大了地面移动通信网络的覆盖范围，提升了系统通信容量。
如图1所示，具体步骤如下：
步骤一、建立无人机基站和用户集合以及空间位置的通信场景；
如图2所示，场景中包括：
K个用户分布在地面，用户集合记为
Figure BDA0002817315580000101
用户k的水平位置坐标记为uk＝[xk,yk]。M个无人机基站的集合记为
Figure BDA0002817315580000102
其中M<K，无人机的高度统一记为H，无人机m的水平位置坐标记为vm＝[Xm,Ym]。
每个无人机至多可以服务Mmax个用户，而每个用户只能被一个无人机服务，记无人机m所服务用户的集合为
Figure BDA0002817315580000103
根据无人机与用户关联的限制条件可以得到：
Figure BDA0002817315580000104
其中Φ表示空集，
Figure BDA0002817315580000105
表示所有无人机服务的用户总个数，子式1表示所有用户都被无人机服务，子式2表示任意用户只能与一个无人机关联，子式3表示任意无人机服务用户数不超过最大值Mmax。
步骤二、无人机采用模拟-数字混合波束赋形结构，用户端采用模拟波束赋形结构，建立无人机与用户间的信道模型；
如图3所示，无人机采用模拟-数字混合波束赋形结构，搭载均匀平面阵列，天线个数记为
Figure BDA0002817315580000106
其中
Figure BDA0002817315580000107
和
Figure BDA0002817315580000108
分别表示x方向和y方向天线个数，无人机搭载的射频数量记为NRF，射频与天线之间采用NBNRF个相位转换器全连接。
由于尺寸和功耗限制，用户端采用模拟波束赋形结构，即单个射频连接
Figure BDA0002817315580000109
根天线，其中
Figure BDA00028173155800001010
和
Figure BDA00028173155800001011
分别表示用户端均匀平面阵列在x方向和y方向天线个数。
根据毫米波信道的稀疏性和方向性，无人机m与用户k之间的信道矩阵可以表示为多径分量的叠加，即
Figure BDA00028173155800001012
其中指数
Figure BDA00028173155800001013
表示视距路径(Line of Sight,LoS)，
Figure BDA00028173155800001014
表示非视距路径(Non-Line of Sight,NLoS)，Lm,k表示无人机m与用户k信道的非视距路径总个数，
Figure BDA00028173155800001015
表示第
Figure BDA00028173155800001022
条路径的复增益系数，
Figure BDA00028173155800001017
分别表示第
Figure BDA00028173155800001018
条路径的分离俯仰角和分离方位角(无人机基站侧)，
Figure BDA00028173155800001019
分别表示第
Figure BDA00028173155800001020
条路径的到达俯仰角和到达方位角(用户侧)，a(·)为均匀平面阵列天线的阵列响应向量：
Figure BDA00028173155800001021
其中，M表示水平方向天线阵元个数，N表示垂直方向天线阵元个数，θ表示无人机到用户信道可达路径的俯仰角，φ表示无人机到用户信道可达路径的方位角，d是相邻天线之间的距离，λ是毫米波信号波长，对半波间距天线阵列有d＝λ/2。m表示水平方向第m个天线，n表示垂直方向第n个天线。
步骤三、针对被无人机m服务的每个用户，利用各用户的信道模型和信干噪比，计算各用户对应的可达率；
首先，对于任意被无人机m服务的用户k，即
Figure BDA0002817315580000111
计算该用户的接收信号，为：
Figure BDA0002817315580000112
其中，
Figure BDA0002817315580000113
表示用户k的接收波束赋形向量，Hm,k和Hj,k分别表示无人机m和j与用户k之间的信道响应矩阵，
Figure BDA0002817315580000114
分别为无人机m和j的模拟波束赋形矩阵，
Figure BDA0002817315580000115
分别为无人机m和j的数字波束赋形矩阵，
Figure BDA0002817315580000116
分别为无人机m和j的循环对称复高斯信号，每一个元素对应该无人机发送给相应用户的信号，各元素服从均值为0功率为1的复高斯分布，
Figure BDA0002817315580000117
为用户k处的高斯白噪声，平均功率记为σ2。
然后、根据各用户的接收信号，计算各用户的可达率；
记km,n为无人机m服务的第n个用户，根据信号模型，计算得到用户km,n的信干噪比为
Figure BDA0002817315580000118
其中dm,n,dm,i分别表示矩阵Dm的第n列和第i列，|·|,||·||2分别表示绝对值和向量的2-范数；由此，得到用户km,n的可达率为：
Rm,n＝log2(1+γm,n)
步骤四、利用各用户的可达率构建系统总可达率达到最大时的目标函数，设计无人机位置、用户分组、收发端波束赋形和可达率的约束条件；
目标函数如下：
Figure BDA0002817315580000119
无人机位置的约束条件为：
Figure BDA00028173155800001110
其中
Figure BDA00028173155800001111
表示无人机备选位置的集合，设置为[Xmin,Xmax]×[Ymin,Ymax]的矩形区域；
用户分组的约束条件为：
Figure BDA0002817315580000121
波束赋形的约束条件为：
Figure BDA0002817315580000122
Figure BDA0002817315580000123
Figure BDA0002817315580000124
其中前两项分别为发射端和接收端模拟波束赋形矩阵/向量的恒模约束，表示模拟波束赋形矩阵/向量各元素模长恒定，仅能够调整相位，第三项约束表示无人机发射端总功率不超过最大值P；
可达率的约束条件为：
Figure BDA0002817315580000125
其中rm,n表示用户的最小可达率需求，该约束限制了每个用户可达率都能满足最低需求，保证了各用户的公平性。
步骤五、利用无人机和各用户的视距信道和理想波束赋形，得到各用户理想的用户可达率；
由于无人机飞行高度较高，易于与地面用户建立视距链路，且毫米波信道非视距路径衰减较大，可以忽略不计，得到无人机m与用户k的视距信道矩阵为：
Figure BDA0002817315580000126
其中复增益系数
Figure BDA0002817315580000127
的幅度可以根据无人机与用户距离计算得到，即
Figure BDA0002817315580000128
其中
Figure BDA0002817315580000129
表示参考距离1米处的信道增益幅度，c0表示光速常数，fc表示载波频率，α表示大尺度路径衰减系数。
针对用户kmn，定义理想波束赋形
Figure BDA00028173155800001210
使得目标信号获得全部阵列增益，而干扰信号增益全部为0，具体表示为：
Figure BDA0002817315580000131
其中pm,n表示用户km,n所分配的功率，且
Figure BDA0002817315580000132
在视距信道和理想波束赋形下，得到用户理想可达率为
Figure BDA0002817315580000133
步骤六、在满足无人机位置、用户分组、发射功率和理想可达率的约束条件下，最大化所有用户的理想可达率之和，对用户功率进行分配，对无人机的位置进行部署以及对用户进行分组；
具体步骤如下：
步骤601、将K个用户按照水平位置初始化分成M组。
采用K均值算法，使得分组后各组用户到该组中心位置的欧氏距离之和最小，得到初始化用户分组
Figure BDA0002817315580000134
将无人机水平坐标设置为K均值算法中各组的中心位置，得到初始化无人机位置
Figure BDA0002817315580000135
步骤602、计数器t＝1开始迭代，利用第(t-1)轮迭代中的用户分组
Figure BDA0002817315580000136
和无人机位置
Figure BDA0002817315580000137
通过求解如下优化问题更新用户功率分配：
Figure BDA0002817315580000138
Figure BDA0002817315580000139
Figure BDA00028173155800001310
Figure BDA00028173155800001311
其中
Figure BDA00028173155800001312
为无人机m的功率分配向量，该问题为凸优化问题，通过注水法求解得到最优功率分配为：
Figure BDA0002817315580000141
其中
Figure BDA0002817315580000142
λm,n为注水高度满足
Figure BDA0002817315580000143
可以通过二分法求得；
步骤603、利用第(t-1)轮迭代中的用户分组
Figure BDA0002817315580000144
和无人机位置
Figure BDA0002817315580000145
以及第t轮迭代中的功率分配
Figure BDA0002817315580000146
通过求解如下优化问题更新无人机位置：
Figure BDA0002817315580000147
Figure BDA0002817315580000148
Figure BDA0002817315580000149
上述问题为非凸优化问题，首先通过连续凸逼近，形成局部区域内的位置优化问题，近似为如下优化问题：
Figure BDA00028173155800001410
Figure BDA00028173155800001411
Figure BDA00028173155800001412
其中
Figure BDA00028173155800001413
为
Figure BDA00028173155800001414
在
Figure BDA00028173155800001415
处的泰勒展开式，由于fm,n是关于
Figure BDA00028173155800001416
的凸函数，而
Figure BDA00028173155800001417
是关于vm的凸函数，Γm,n在局部为fm,n的下界；
Figure BDA00028173155800001418
表示
Figure BDA00028173155800001419
在
Figure BDA00028173155800001420
处的泰勒展开式，同理，Υm,n在局部为
Figure BDA00028173155800001421
的下界；由于
Figure BDA00028173155800001422
在局部范围内log2(Γm,n)+Υm,n为
Figure BDA00028173155800001423
的下界；
d(t)表示第t次循环中位置更新的最大半径，以保证泰勒展开的局部性质，其取值设置为
Figure BDA00028173155800001424
κ1＞1为半径缩小因子，迭代过程中半径逐渐减小以加快算法收敛速度。上述问题为标准凸优化问题，可以通过内点法求解得到无人机位置
Figure BDA00028173155800001425
本发明这样设计可以恰好保证泰勒展开满足局部不等关系。此外，额外引入的最大半径约束既能够保证局部性质，又能加快收敛。
步骤604、利用第(t-1)轮迭代中的用户分组
Figure BDA0002817315580000151
第t轮迭代中的无人机位置
Figure BDA0002817315580000152
和功率分配
Figure BDA0002817315580000153
更新用户分组；
在上一轮用户分组的基础上，如果将某一用户转移到其他组后(根据602更新功率分配)，能保证所有用户满足最小可达率约束且总可达率增大，则进行用户转移；如果将任意不同组的任意两个用户交换分组后(根据602更新功率分配)，能保证所有用户满足最小可达率约束且总可达率增大，则进行用户分组交换；遍历所有可能的用户转移和交换，直至可达率不再增长，得到新的用户分组为
Figure BDA0002817315580000154
步骤605、每次迭代过后令计数器t自增1，重复迭代步骤602至604直至收敛；最终得到无人机的位置为
Figure BDA0002817315580000155
用户分组为
Figure BDA0002817315580000156
步骤七、在给定的无人机位置及用户分组下，在满足收发端波束赋形和可达率的约束条件下，设计无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵以及用户模拟波束赋形向量；
具体步骤如下：
步骤701、初始化波束赋形矩阵/向量；
首先，对无人机m与其服务的第n个用户间的信道矩阵
Figure BDA0002817315580000157
进行奇异值分解，得到最大奇异值对应的左奇异向量lm,n和右奇异向量rm,n；
然后，将无人机m模拟波束赋形矩阵的第n列初始化为与rm,n相同的相位，将用户km,n的模拟波束赋形向量初始化为与lm,n相同的相位，即：
Figure BDA0002817315580000158
Figure BDA0002817315580000159
其中∠(·)表示对复向量各个元素取相位操作，与此同时，将无人机m的数字波束赋形矩阵初始化为对角阵，使得总发射功率为P，即
Figure BDA00028173155800001510
其中
Figure BDA00028173155800001516
表示维度为
Figure BDA00028173155800001512
的单位矩阵，||·||F表示矩阵的Frobenius范数；
步骤702、计数器t＝1开始迭代，利用第(t-1)轮迭代中的无人机模拟波束赋形矩阵
Figure BDA00028173155800001513
无人机数字波束赋形矩阵
Figure BDA00028173155800001514
以及用户模拟波束赋形向量
Figure BDA00028173155800001515
依次更新第t轮无人机模拟波束赋形矩阵的每一列，求解如下优化问题：
Figure BDA0002817315580000161
Figure BDA0002817315580000162
Figure BDA0002817315580000163
Figure BDA0002817315580000164
其中
Figure BDA0002817315580000165
Figure BDA0002817315580000166
和
Figure BDA0002817315580000167
分别表示第t次迭代中用户km,n的信号对用户km,i和用户kj,q造成干扰的上界，在迭代过程中逐渐减小使得干扰降低，取值统一设置为
Figure BDA0002817315580000168
其中κ2＞1为干扰缩小因子。
上述问题为凸优化问题，可以用内点法求得最优解为
Figure BDA0002817315580000169
为保证恒模约束，无人机m的模拟波束赋形矩阵的第n列更新为：
Figure BDA00028173155800001610
步骤703、利用第t轮迭代中的无人机模拟波束赋形矩阵
Figure BDA00028173155800001611
第(t-1)轮迭代中的无人机数字波束赋形矩阵
Figure BDA00028173155800001612
和用户模拟波束赋形向量
Figure BDA00028173155800001613
更新无人机数字波束赋形矩阵，求解如下优化问题：
Figure BDA00028173155800001614
Figure BDA00028173155800001615
Figure BDA00028173155800001616
该问题是非凸优化问题，通过引入松弛变量将该问题松弛为凸问题，记cm,n为接收端均衡器单抽头系数，对应均方误差为
Figure BDA00028173155800001617
其中，
Figure BDA00028173155800001618
表示模拟波束赋形后的等信道向量，
Figure BDA00028173155800001619
表示干扰加噪声功率，
Figure BDA00028173155800001620
表示第n个元素为1其他元素为0的向量。
为使得接收端均方误差最小，最优取值为
Figure BDA0002817315580000171
在以上均衡系数下，信干噪比与最小均方误差值恰好相等，数字波束赋形问题等效为：
Figure BDA0002817315580000172
Figure BDA0002817315580000173
Figure BDA0002817315580000174
上述问题仍然非凸，再引入辅助函数
Figure BDA0002817315580000175
该函数在
Figure BDA0002817315580000176
处恰好取得最小值log2εm,n，因此，数字波束赋形可以松弛为
Figure BDA0002817315580000177
Figure BDA0002817315580000178
Figure BDA0002817315580000179
对于给定的
Figure BDA00028173155800001710
及
Figure BDA00028173155800001711
该问题关于{Dm}是凸的，可以用内点法得到最优解
Figure BDA00028173155800001712
步骤704、利用第t轮迭代中的无人机模拟波束赋形矩阵
Figure BDA00028173155800001713
和数字波束赋形矩阵
Figure BDA00028173155800001714
以及第(t-1)轮迭代中的用户模拟波束赋形向量
Figure BDA00028173155800001715
更新用户模拟波束赋形向量，依次对每个用户求解如下优化问题：
Figure BDA00028173155800001716
Figure BDA00028173155800001717
Figure BDA00028173155800001718
该问题是非凸优化问题，依次更新模拟波束赋形向量
Figure BDA00028173155800001719
的每个元素，为最大化用户可达率，在固定其他元素的情况下，向量
Figure BDA00028173155800001720
的第l个元素的相位设计为
Figure BDA00028173155800001721
其中
Figure BDA00028173155800001722
且
Figure BDA0002817315580000181
Figure BDA0002817315580000182
Figure BDA0002817315580000183
Figure BDA0002817315580000184
Figure BDA0002817315580000185
Figure BDA0002817315580000186
步骤705、每次迭代过后令计数器t自增1，重复步骤702至704至收敛，最终得到无人机模拟波束赋形矩阵
Figure BDA0002817315580000187
无人机数字波束赋形矩阵
Figure BDA0002817315580000188
和用户模拟波束赋形向量
Figure BDA0002817315580000189
步骤八、基于在无人机部署的位置及用户分组，按照无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵以及用户模拟波束赋形向量，进行多无人机基站的协同传输。

Claims (4)

1.一种基于毫米波阵列的多无人机基站协同传输方法，其特征在于，具体步骤如下：
步骤一、建立无人机基站和用户集合以及空间位置的通信场景；
步骤二、无人机采用模拟-数字混合波束赋形结构，用户端采用模拟波束赋形结构，建立无人机与用户间的信道模型；
无人机m与用户k之间的信道矩阵表示为：
Figure FDA0002817315570000011
其中，指数
Figure FDA00028173155700000118
表示视距路径，
Figure FDA00028173155700000119
表示非视距路径；Lm,k表示无人机m与用户k信道的非视距路径总个数，
Figure FDA0002817315570000012
表示第
Figure FDA00028173155700000120
条路径的复增益系数，NB表示无人机端搭载的均匀平面阵列的天线个数，
Figure FDA0002817315570000013
Figure FDA0002817315570000014
和
Figure FDA0002817315570000015
分别表示x方向和y方向天线个数；NU表示用户端单个射频连接的天线个数，
Figure FDA0002817315570000016
Figure FDA0002817315570000017
和
Figure FDA0002817315570000018
分别表示用户端均匀平面阵列在x方向和y方向天线个数；
Figure FDA0002817315570000019
表示第
Figure FDA00028173155700000121
条路径的分离俯仰角，
Figure FDA00028173155700000110
表示第
Figure FDA00028173155700000122
条路径的分离方位角；
Figure FDA00028173155700000123
表示第
Figure FDA00028173155700000124
条路径的到达俯仰角；
Figure FDA00028173155700000112
表示第
Figure FDA00028173155700000125
条路径的到达方位角；
a(·)为均匀平面阵列天线的阵列响应向量：
Figure FDA00028173155700000113
其中，M表示水平方向天线阵元个数，N表示垂直方向天线阵元个数，θ表示无人机到用户信道可达路径的俯仰角，φ表示无人机到用户信道可达路径的方位角，d是相邻天线之间的距离，λ是毫米波信号波长，对半波间距天线阵列有d＝λ/2；
所有无人机和所有地面用户之间的信道矩阵，共同组成信道模型；
步骤三、针对被无人机m服务的每个用户，利用各用户的信道模型和信干噪比，计算各用户对应的可达率；
步骤四、利用各用户的可达率构建系统总可达率达到最大时的目标函数，并设计无人机位置、用户分组、收发端波束赋形和可达率的约束条件；
目标函数如下：
Figure FDA00028173155700000114
vm为无人机m的水平位置坐标；
Figure FDA00028173155700000115
为无人机m所服务用户的集合；Am为无人机m的模拟波束赋形矩阵；Dm为无人机m的数字波束赋形矩阵；wn表示用户n的接收波束赋形向量；Rm,n为用户的信干噪比计算用户km,n的可达率；
无人机位置的约束条件为：
Figure FDA00028173155700000116
其中
Figure FDA00028173155700000117
表示所有无人机备选位置的集合，设置为[Xmin,Xmax]×[Ymin,Ymax]的矩形区域；
用户分组的约束条件为：
Figure FDA0002817315570000021
其中第一项约束为每个用户至少被一个无人机服务；
Figure FDA0002817315570000022
表示所有用户的集合；
第二项约束为每个用户至多被一个无人机服务，Φ表示空集；
第三项约束为每个无人机的最大服务用户数约束，最大服务用户数Mmax设置为无人机的射频数NRF；
波束赋形的约束条件为：
Figure FDA0002817315570000023
Figure FDA0002817315570000024
Figure FDA0002817315570000025
其中第一项约束为发射端模拟波束赋形矩阵/向量的恒模约束；
第二项约束为接收端模拟波束赋形矩阵/向量的恒模约束；
Figure FDA0002817315570000026
表示向量
Figure FDA0002817315570000027
的第l个元素；
第三项约束表示无人机发射端总功率不超过最大值P；
可达率的约束条件为：
Figure FDA0002817315570000028
其中rm,n表示用户km,n的最小可达率需求；
步骤五、利用无人机和各用户的视距信道和理想波束赋形，得到各用户理想的用户可达率；
步骤六、在满足无人机位置、用户分组、发射功率和理想可达率的约束条件下，最大化所有用户的理想可达率之和，对用户功率进行分配，对无人机的位置进行部署以及对用户进行分组；
具体步骤如下：
步骤601、将K个用户按照水平位置初始化分成M组；
采用K均值算法，使得分组后各组用户到该组中心位置的欧氏距离之和最小，得到初始化用户分组
Figure FDA0002817315570000029
将无人机水平坐标设置为K均值算法中各组的中心位置，得到初始化无人机位置
Figure FDA00028173155700000210
步骤602、计数器t＝1开始迭代，利用第(t-1)轮迭代中的用户分组
Figure FDA0002817315570000031
和无人机m的位置
Figure FDA0002817315570000032
求解优化问题更新第t轮的用户功率分配；
优化问题如下：
Figure FDA0002817315570000033
Figure FDA0002817315570000034
Figure FDA0002817315570000035
Figure FDA0002817315570000036
其中
Figure FDA0002817315570000037
为无人机m的功率分配向量，通过注水法求解得到最优功率分配为：
Figure FDA0002817315570000038
其中
Figure FDA0002817315570000039
λm,n为注水高度，满足
Figure FDA00028173155700000310
步骤603、利用第(t-1)轮迭代中的用户分组
Figure FDA00028173155700000311
和无人机m的位置
Figure FDA00028173155700000312
以及第t轮迭代中的功率分配
Figure FDA00028173155700000313
求解如下优化问题更新无人机m第t轮的位置；
优化问题如下：
Figure FDA00028173155700000314
Figure FDA00028173155700000315
Figure FDA00028173155700000316
首先，对优化问题的目标函数及约束条件放缩，形成局部区域内的位置优化问题；
优化问题如下：
Figure FDA00028173155700000317
Figure FDA00028173155700000318
Figure FDA00028173155700000319
Figure FDA00028173155700000320
其中
Figure FDA00028173155700000321
为
Figure FDA00028173155700000322
在
Figure FDA0002817315570000041
处的泰勒展开式，Γm,n在局部为fm,n的下界；
Figure FDA0002817315570000042
表示
Figure FDA0002817315570000043
在
Figure FDA0002817315570000044
处的泰勒展开式，Υm,n在局部为
Figure FDA0002817315570000045
的下界；由于
Figure FDA0002817315570000046
在局部范围内log2(Γm,n)+Υm,n为
Figure FDA0002817315570000047
的下界；
d(t)表示第t次循环中位置更新的最大半径；
然后、采用内点法求解局部区域内的位置优化问题，得到无人机位置
Figure FDA0002817315570000048
步骤604、利用第(t-1)轮迭代中的用户分组
Figure FDA0002817315570000049
第t轮迭代中的无人机m的位置
Figure FDA00028173155700000410
和功率分配
Figure FDA00028173155700000411
更新第t轮的用户分组；
具体分组过程为：
针对当前用户分组，判断将某一用户转移到其他组后，进行功率分配更新，是否所有用户满足最小可达率约束且总可达率增大，如果是，则进行用户转移；否则，继续判断将不同组的任意两个用户交换分组后，进行功率分配更新，是否所有用户满足最小可达率约束且总可达率增大，如果是，则进行用户分组交换；否则，继续判断；
遍历所有用户进行转移和交换，直至可达率不再增长，得到新的用户分组
Figure FDA00028173155700000412
步骤605、每次迭代过后令计数器t自增1，重复迭代步骤602至604直至收敛，最终得到无人机的位置
Figure FDA00028173155700000413
和用户分组
Figure FDA00028173155700000414
步骤七、在无人机部署的位置及用户分组下，在满足收发端波束赋形和可达率的约束条件下，设计无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵以及用户模拟波束赋形向量；
具体步骤如下：
步骤701、初始化波束赋形矩阵/向量；
具体为：
首先，对无人机m与其服务的第n个用户间的信道矩阵
Figure FDA00028173155700000415
进行奇异值分解，得到最大奇异值对应的左奇异向量lm,n和右奇异向量rm,n；
然后，将无人机m模拟波束赋形矩阵的第n列初始化为与右奇异向量rm,n相同的相位，将用户km,n的模拟波束赋形向量初始化为与左奇异向量lm,n相同的相位；将无人机m的数字波束赋形矩阵初始化为对角阵，使得总发射功率为P；
步骤702、计数器t＝1开始迭代，利用第(t-1)轮迭代中的无人机模拟波束赋形矩阵
Figure FDA00028173155700000416
无人机数字波束赋形矩阵
Figure FDA00028173155700000417
以及用户模拟波束赋形向量
Figure FDA00028173155700000418
依次更新第t轮无人机模拟波束赋形矩阵的每一列，求解如下优化问题：
Figure FDA0002817315570000051
Figure FDA0002817315570000052
Figure FDA0002817315570000053
Figure FDA0002817315570000054
其中
Figure FDA0002817315570000055
Figure FDA0002817315570000056
表示第t次迭代中用户km,n的信号对用户km,i造成干扰的上界；
Figure FDA0002817315570000057
表示第t次迭代中用户km,n的信号对用户kj,q造成干扰的上界；
无人机m的模拟波束赋形矩阵的第n列更新为：
Figure FDA0002817315570000058
Figure FDA0002817315570000059
为内点法求得优化问题的最优解；
步骤703、利用第t轮迭代中的无人机模拟波束赋形矩阵
Figure FDA00028173155700000510
第(t-1)轮迭代中的无人机数字波束赋形矩阵
Figure FDA00028173155700000511
和用户模拟波束赋形向量
Figure FDA00028173155700000512
更新无人机数字波束赋形矩阵，求解如下优化问题：
Figure FDA00028173155700000513
Figure FDA00028173155700000514
Figure FDA00028173155700000515
引入松弛变量并根据信干噪比和最小均方误差等价关系，使用内点法得到最优解
Figure FDA00028173155700000516
步骤704、利用第t轮迭代中的无人机模拟波束赋形矩阵
Figure FDA00028173155700000517
和数字波束赋形矩阵
Figure FDA00028173155700000518
以及第(t-1)轮迭代中的用户模拟波束赋形向量
Figure FDA00028173155700000519
更新用户模拟波束赋形向量，依次对每个用户求解如下优化问题：
Figure FDA00028173155700000520
Figure FDA00028173155700000521
Figure FDA00028173155700000522
依次更新模拟波束赋形向量
Figure FDA00028173155700000523
的每个元素，为最大化用户可达率，在固定其他元素的情况下，向量
Figure FDA00028173155700000524
的第l个元素的相位设计为
Figure FDA00028173155700000525
其中
Figure FDA00028173155700000526
且
Figure FDA0002817315570000061
Figure FDA0002817315570000062
Figure FDA0002817315570000063
Figure FDA0002817315570000064
Figure FDA0002817315570000065
Figure FDA0002817315570000066
步骤705、每次迭代过后令计数器t自增1，重复步骤702至704至收敛，最终得到无人机模拟波束赋形矩阵
Figure FDA0002817315570000067
无人机数字波束赋形矩阵
Figure FDA0002817315570000068
和用户模拟波束赋形向量
Figure FDA0002817315570000069
步骤八、基于在无人机部署的位置及用户分组，按照无人机模拟波束赋形矩阵、无人机数字波束赋形矩阵以及用户模拟波束赋形向量，进行多无人机基站的协同传输。
2.如权利要求1所述的一种基于毫米波阵列的多无人机基站协同传输方法，其特征在于，所述步骤一中的场景包括：
K个用户分布在地面，用户集合记为
Figure FDA00028173155700000610
用户k的水平位置坐标记为uk＝[xk,yk]；M个无人机基站的集合记为
Figure FDA00028173155700000611
其中M<K，无人机的高度统一记为H，无人机m的水平位置坐标记为vm＝[Xm,Ym]；
每个无人机至多服务Mmax个用户，而每个用户只能被一个无人机服务，记无人机m所服务用户的集合为
Figure FDA00028173155700000612
3.如权利要求1所述的一种基于毫米波阵列的多无人机基站协同传输方法，其特征在于，所述步骤三具体为：
针对无人机m服务的第n个用户km,n，首先计算该用户的信干噪比：
Figure FDA00028173155700000613
其中，
Figure FDA00028173155700000614
表示用户km,n的接收波束赋形向量；
Figure FDA00028173155700000615
表示无人机m与用户km,n之间的信道响应矩阵；dm,n表示数字波束赋形矩阵Dm的第n列，dm,i表示数字波束赋形矩阵Dm的第i列；
Figure FDA00028173155700000616
表示无人机j与用户km,n之间的信道响应矩阵；
Figure FDA00028173155700000617
为无人机j的模拟波束赋形矩阵，
Figure FDA00028173155700000618
为无人机j的数字波束赋形矩阵；σ2为用户高斯白噪声的平均功率；
然后，利用用户的信干噪比计算用户km,n的可达率Rm,n：
Rm,n＝log2(1+γm,n)。
4.如权利要求1所述的一种基于毫米波阵列的多无人机基站协同传输方法，其特征在于，所述步骤五具体为：
针对用户km,n，定义理想波束赋形
Figure FDA0002817315570000071
使得目标信号获得全部阵列增益，而干扰信号增益全部为0，具体表示为：
Figure FDA0002817315570000072
其中
Figure FDA0002817315570000073
为无人机m与用户k的视距信道矩阵；计算公式如下：
Figure FDA0002817315570000074
Figure FDA0002817315570000075
表示复增益系数的幅度；pm,n表示用户km,n所分配的功率；
在视距信道和理想波束赋形下，得到用户km,n的理想可达率为：
Figure FDA0002817315570000076
Figure FDA0002817315570000077
表示参考距离1米处的信道增益幅度，c0表示光速常数，fc表示载波频率，pm,n表示用户km,n所分配的功率，且
Figure FDA0002817315570000078
α表示大尺度路径衰减系数。
CN202011409594.3A 2020-11-12 2020-12-04 一种基于毫米波阵列的多无人机基站协同传输方法 Active CN112636804B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011262594 2020-11-12
CN2020112625945 2020-11-12

Publications (2)

Publication Number Publication Date
CN112636804A true CN112636804A (zh) 2021-04-09
CN112636804B CN112636804B (zh) 2022-08-26

Family

ID=75307919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011409594.3A Active CN112636804B (zh) 2020-11-12 2020-12-04 一种基于毫米波阵列的多无人机基站协同传输方法

Country Status (1)

Country Link
CN (1) CN112636804B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113541757A (zh) * 2021-07-13 2021-10-22 北京航空航天大学 一种基于毫米波波束赋形的无人机机间安全通信方法
CN113595603A (zh) * 2021-07-05 2021-11-02 东莞理工学院 基于部分连接天线阵的无人机毫米波波束成形设计方法
CN113691294A (zh) * 2021-09-27 2021-11-23 中国人民解放军空军预警学院 一种近场稀疏阵列天线波束建立方法及装置
CN114039652A (zh) * 2021-11-24 2022-02-11 西北大学 基于建筑物几何分析的毫米波抗阻挡多无人机部署方法
CN114245448A (zh) * 2021-11-18 2022-03-25 国网福建省电力有限公司漳州供电公司 一种用于电力5g微基站的功率分配方法
CN114567399A (zh) * 2022-02-11 2022-05-31 北京航空航天大学 一种空中基站的多天线多径信道状态信息建模与反馈方法
CN114629545A (zh) * 2022-03-11 2022-06-14 北京航空航天大学 一种无人机毫米波鲁棒性混合波束赋形设计方法
CN115694602A (zh) * 2022-09-26 2023-02-03 电子科技大学 一种毫米波全双工无人机通信系统的联合优化方法
CN117674938A (zh) * 2023-12-07 2024-03-08 天津师范大学 一种基于单载波的无人机方向调制设计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170126309A1 (en) * 2015-10-30 2017-05-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing mu-massive-miso-based uav communication
CN108419286A (zh) * 2018-01-18 2018-08-17 北京邮电大学 一种面对5g无人机通信联合波束与功率的分配算法
CN110708108A (zh) * 2019-08-07 2020-01-17 西北工业大学 一种多无人机毫米波网络的波束控制优化方法
CN111010223A (zh) * 2019-12-17 2020-04-14 北京航空航天大学 一种毫米波全双工无人机通信中继传输方法
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
CN111224699A (zh) * 2019-11-21 2020-06-02 南京航空航天大学 一种面向无人机基站通信的毫米波波束生成方法
CN111245485A (zh) * 2020-01-16 2020-06-05 北京航空航天大学 机载毫米波通信波束赋形与位置部署方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170126309A1 (en) * 2015-10-30 2017-05-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing mu-massive-miso-based uav communication
CN108419286A (zh) * 2018-01-18 2018-08-17 北京邮电大学 一种面对5g无人机通信联合波束与功率的分配算法
CN110708108A (zh) * 2019-08-07 2020-01-17 西北工业大学 一种多无人机毫米波网络的波束控制优化方法
CN111224699A (zh) * 2019-11-21 2020-06-02 南京航空航天大学 一种面向无人机基站通信的毫米波波束生成方法
CN111010223A (zh) * 2019-12-17 2020-04-14 北京航空航天大学 一种毫米波全双工无人机通信中继传输方法
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
CN111245485A (zh) * 2020-01-16 2020-06-05 北京航空航天大学 机载毫米波通信波束赋形与位置部署方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HONGYING WU等，: "Location Information Assisted mmWave Hybrid Beamforming Scheme for 5G-Enabled UAVs", 《ICC 2020 - 2020 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》 *
ZHENYU XIAO等，: "Unmanned Aerial Vehicle Base Station (UAV-BS) Deployment With Millimeter-Wave Beamforming", 《 IEEE INTERNET OF THINGS JOURNAL 》 *
王磊等，: "面向无人机毫米波基站的多波束优化设计", 《航空科学技术》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595603A (zh) * 2021-07-05 2021-11-02 东莞理工学院 基于部分连接天线阵的无人机毫米波波束成形设计方法
CN113595603B (zh) * 2021-07-05 2022-08-02 东莞理工学院 基于部分连接天线阵的无人机毫米波波束成形设计方法
CN113541757A (zh) * 2021-07-13 2021-10-22 北京航空航天大学 一种基于毫米波波束赋形的无人机机间安全通信方法
CN113691294A (zh) * 2021-09-27 2021-11-23 中国人民解放军空军预警学院 一种近场稀疏阵列天线波束建立方法及装置
CN114245448A (zh) * 2021-11-18 2022-03-25 国网福建省电力有限公司漳州供电公司 一种用于电力5g微基站的功率分配方法
CN114039652A (zh) * 2021-11-24 2022-02-11 西北大学 基于建筑物几何分析的毫米波抗阻挡多无人机部署方法
CN114039652B (zh) * 2021-11-24 2024-03-08 西北大学 基于建筑物几何分析的毫米波抗阻挡多无人机部署方法
CN114567399A (zh) * 2022-02-11 2022-05-31 北京航空航天大学 一种空中基站的多天线多径信道状态信息建模与反馈方法
CN114567399B (zh) * 2022-02-11 2023-01-31 北京航空航天大学 一种空中基站的多天线多径信道状态信息建模与反馈方法
CN114629545A (zh) * 2022-03-11 2022-06-14 北京航空航天大学 一种无人机毫米波鲁棒性混合波束赋形设计方法
CN115694602A (zh) * 2022-09-26 2023-02-03 电子科技大学 一种毫米波全双工无人机通信系统的联合优化方法
CN117674938A (zh) * 2023-12-07 2024-03-08 天津师范大学 一种基于单载波的无人机方向调制设计方法

Also Published As

Publication number Publication date
CN112636804B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN112636804B (zh) 一种基于毫米波阵列的多无人机基站协同传输方法
CN111010223B (zh) 一种毫米波全双工无人机通信中继传输方法
CN108419286B (zh) 一种面对5g无人机通信联合波束与功率的分配方法
CN110266362B (zh) 一种基于毫米波的星群多波束接收的干扰抑制方法
CN102378205B (zh) 微小区创建方法及基站
US20040162115A1 (en) Wireless antennas, networks, methods, software, and services
US20130171998A1 (en) Method, Micro Base Station, and Communications System for Creating Microcell
CN110365388B (zh) 一种低复杂度毫米波多播波束成形方法
CN104639217A (zh) 天线系统、天线和基站
CN114513237B (zh) 一种面向大规模阵列通信的子阵结构设计方法
CN115225124A (zh) 一种无人机辅助noma网络的路径规划和功率分配方法
CN110233649B (zh) 一种基于毫米波mimo系统的动态子阵列设计方法
Vaigandla et al. Millimeter wave communications: propagation characteristics, beamforming, architecture, standardization, challenges and applications
CN114629545A (zh) 一种无人机毫米波鲁棒性混合波束赋形设计方法
Islam et al. Suitable beamforming technique for 5G wireless communications
Al-Falahy et al. The impact of base station antennas configuration on the performance of millimetre wave 5G networks
Lavdas et al. Throughput based adaptive beamforming in 5G millimeter wave massive MIMO cellular networks via machine learning
Shibata et al. Two-step dynamic cell optimization algorithm for HAPS mobile communications
Tashiro et al. Cylindrical massive MIMO system with low-complexity angle-based user selection for high-altitude platform stations
CN113301532B (zh) 一种用于无人机辅助毫米波应急通信网的信道分配方法
US11923613B2 (en) Fixed wireless systems and methods incorporating a beam steering antenna
GB2367188A (en) Shaped antenna beam
CN112636800B (zh) 基于毫米波大规模mimo多用户场景的混合预编码方法
CN115209422A (zh) 一种密集城区下无人机基站协同组网参数配置方法
KR20190058057A (ko) 밀리미터파 기반의 인빌딩 릴레이 동작 방법 및 장치

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