CN112672371A - 一种异构需求下的空地协同分层部署模型及其接入方法 - Google Patents
一种异构需求下的空地协同分层部署模型及其接入方法 Download PDFInfo
- Publication number
- CN112672371A CN112672371A CN202011540836.2A CN202011540836A CN112672371A CN 112672371 A CN112672371 A CN 112672371A CN 202011540836 A CN202011540836 A CN 202011540836A CN 112672371 A CN112672371 A CN 112672371A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- ground
- user
- access
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种异构需求下的空地协同分层部署模型及其接入方法。具体而言:在空地融合网络中,构建了一个空地分层博弈模型。无人机群根据地面用户的异构需求分布,调整其三维位置达到覆盖效果最优;地面用户根据无人机群所部署的位置选择接入哪架无人机以获得更高的服务满意度;循环交替迭代无人机位置部署和用户的接入无人机选择,直至无人机群位置和地面用户的接入点均收敛至最优解。本发明方法完备,物理意义清晰,能够很好地应用于无人机辅助地面通信网络中。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种异构需求下的空地协同分层部署接入方法。
背景技术
随着移动用户需求的逐渐增长,第五代(5G)无线接入网有望提供无处不在的、可持续的高数据率通信服务。传统的无线通信系统主要由地面基站、接入点和中继等固定的地面基础设施组成。但是,地面基站的部署是静态的,有时可能限制它们应付某些情况的能力。现有文献对无人机通信增强有了广泛的研究,其中大多数以优化吞吐量为中心。(参考文献:Jiang B,Yang J,Xu H,et al.Multimedia Data Throughput Maximization inInternet-of-Things System Based on Optimization of Cache-Enabled UAV[J].IEEEInternet of Things Journal,2019,6(2):3525-3532.)。考虑到用户的个性化需求,我们可以探索增益的另一个维度,即用户需求满意度增益。用户需求满意度是建立在不同吞吐量需求的基础上的。根据请求数据类型和用户首选项的不同,在相同的吞吐量下,用户可能获得不同的满意程度。与现有的以用户吞吐量为中心的优化方法相比,如果我们能够将不同的用户需求与异构无线网络的带宽资源进行适当匹配,则存在潜在的性能增益(参考文献:Du Z,Wu Q,Yang P,et al.Exploiting User Demand Diversity in HeterogeneousWireless Networks[J].IEEE Transactions on Wireless Communications,2015,14(8):4142-4155.)
然而,上述提到的研究中都没有将异构需求满意度用于无人机辅助通信网络中,而在实际的无人机通信场景中,地面用户的个性化需求是一个不容忽视的因素。此外,多无人机之间因位置变动产生的耦合问题也没有得到解决。因此,联合优化无人机群的位置部署和地面用户的无人机接入选择以实现地面用户满意度最大化非常符合现实意义。
发明内容
本发明的目的在于构建一种更加符合实际的无人机通信网络场景中的覆盖部署模型,以及提供一种异构需求下的空地协同分层部署接入方法。
实现本发明目的的技术解决方案为:一种异构需求下的空地协同分层部署接入方法。在空地融合网络中,构建了一个空地分层博弈模型。无人机群根据地面用户的异构需求分布,调整其三维位置达到覆盖效果最优;地面用户根据无人机群所部署的位置选择接入哪架无人机以获得更高的服务满意度;循环交替迭代无人机位置部署和用户的接入无人机选择,直至无人机群位置和地面用户的接入点均收敛至最优解。
一种异构需求下的空地协同分层部署接入方法,包括以下步骤:
步骤1,将空地协同传输问题,建模为斯坦伯格博弈模型,博弈的参与者是无人机群和地面用户;
步骤2,固定无人机群位置以一定功率进行空地通信,地面用户根据无人机群的覆盖位置,主动选择接入哪架无人机,计算在当前无人机群位置下的用户自身需求满意度,并将此时的接入无人机选择,作为最优接入策略集;
步骤3,无人机群内各无人机根据感知到的用户接入策略集,调整各自的三维位置,计算在当前用户接入策略下的无人机效用值,使其最大,此时对应的无人机三维位置为当前无人机的最优位置;
步骤4,当无人机位置和地面用户接入选择均完成上述调整,算法完成一次迭代。当所有无人机位置和地面用户接入选择收敛到斯坦伯格均衡,或者达到设定迭代次数时,算法结束。
进一步地,步骤1所述将空地协同传输问题,建模为斯坦伯格博弈模型,博弈的参与者是无人机群和地面用户,具体如下:
在该博弈模型中,地面用户为跟随者,其效用函数集合为{u11,u12,...,u1k},无人机群为领导者,其效用函数集合为{u21,u22,…,u2n},下标为用户编号。
其中,r′k,n表示地面用户k的数据传输需求,V是常数,设为V>7。λk,n表示f(k,n)变化趋势,反映了传输任务的紧迫程度,λk,n越大意味着任务越紧急。当地面用户k所获得的传输速率高于所需要的传输速率即rk,n>r′k,n时,fk(ak,aJk)>[1+exp(-7)]-1≈1。rk,n表示地面用户k在无人机n的覆盖下实际获得的信道容量,数学表达式为:
其中,fc为无人机载波频率,为无人机n到地面用户k的直线距离,c是电磁波传播速率,ηLoS和ηNLoS分别是LoS和NLoS链路的阴影衍射损失,b1和b2是取决于环境的常量,是地面用户k与无人机n之间的仰角。
地面用户k的效用函数是对其接入无人机进行优化,优化目标为:
进一步地,步骤3中所述在当前地面用户接入策略A=(a1,a2,…,ak)下,(a1,a2,…,ak)代表地面用户接入的无人机的编号,调整无人机群的三维位置,使无人机用户效用值最大。第n个无人机的效用函数的定义式如(6)所示:
其中qn是无人机n的三维位置qn=(xn,yn,hn),xn,yn,hn分别表示无人机n的横坐标、纵坐标、高度。J2n={Jn∪Jn′},Jn表示无人机n在当前位置下的邻居节点,Jn′表示无人机n在期望位置下的邻居节点。
以式(6)的效用函数对每个无人机的三维位置进行优化,如式((7)所示:
进一步地,步骤2、步骤3中,无人机群以及地面用户的博弈优化目标为最大化各自的效用函数,此时对应的无人机位置部署与接入策略,即为最优策略组合。使用基于对数线性学习的位置部署与接入算法,进行如下求解步骤:
1)给定无人机群初始位置策略Q,随机选择一个地面用户k,识别邻居节点Jk,将他们的接入无人机策略代入公式(5),选择使得地面用户k的满意度最高的无人机编号ak *。再随机选择一个地面用户,循环迭代,求出地面用户群的最佳接入无人机策略集
2)随机选择一架无人机n,识别邻居节点Jn,将步骤1)求得的最佳接入无人机策略集带入公式(6),求出此条件下无人机n的覆盖效用将无人机n当前位置改为qn′,识别当前邻居节点Jn′,求出此条件下无人机n的覆盖效用根据公式(8)-(9),依概率更新无人机n的位置,具体更新规则如下:在无人机的下一次位置更新前,公式(8)计算选择当前位置下的概率,公式(9)计算的是选择期望位置下的概率,如果公式(8)计算出来的结果大于一个随机概率或者大于0.95,那么无人机就保持原位置不动,否则,无人机位置更新成期望的位置,并将期望的位置作为下一次迭代的状态;
3)循环步骤1)、2),直到公式(8)计算出的无人机的位置更新概率总是大于0.95,也就是说,无人机一直保持当前位置状态不动了,可以认为算法已经收敛,此时的收敛解集合,即为此时无人机群位置部署和地面用户接入无人机选择的最优策略(A*,Q*);
其中,α是学习系数,j是迭代次数。
附图说明
图1是斯坦伯格分层博弈算法的流程示意图。
图2是本发明多无人机覆盖接入模型图。
图3是本发明实施例中用户满意度的迭代收敛图。
图4是本发明实施例中无人机与地面节点的初始分布图。
图5是本发明实施例中无人机群的最佳部署与地面节点的最优接入图。
具体实施方式
本发明旨在构建一种更加符合实际的无人机通信网络场景中的覆盖部署模型,具体设计了一种异构需求下的空地协同分层部署接入方法。在空地融合网络中,构建了一个空地分层博弈模型。无人机群根据地面用户的异构需求分布,调整其三维位置达到覆盖效果最优;地面用户根据无人机群所部署的位置选择接入哪架无人机以获得更高的服务满意度;循环交替迭代无人机位置部署和用户的接入无人机选择,直至无人机群位置和地面用户的接入点均收敛至最优解。
图1是斯坦伯格分层博弈算法的流程示意图。该示意图中,多无人机视为领导者,地面用户视为跟随着。无人机调整位置覆盖地面用户,用户改变接入无人机的选择,以获得最佳用户满意度。
图2是本发明所提出的多无人机覆盖接入模型。在这一模型中,地面用户随机分布在任务区域内并向空中无人机发出数据请求。无人机通过地理位置部署将数据传输给用户,以缓解网络覆盖问题,每架无人机采用频分多址接入技术。只有处在重复覆盖区域内的用户才有主动匹配无人机的能力,只被一架无人机覆盖的用户没有选择接入无人机的权限。假设每个用户只能选择一架无人机接入且无人机之间没有干扰。
本发明在传统空地传输模型的基础上,结合无人机通信网络的实际情况,考虑多个无人机的位置耦合关系以及地面用户群的异构需求,设计了对应的效用函数并求解,分别使无人机及地面用户效用函数最大化,得到此时的最优联合决策。
本发明基于一种异构需求下的空地协同分层部署接入方法,包括以下步骤:
步骤1,将空地协同传输问题,建模为斯坦伯格博弈模型,博弈的参与者是无人机群和地面用户;
步骤2,固定无人机群位置以一定功率进行空地通信,地面用户根据无人机群的覆盖位置,主动选择接入哪架无人机,计算在当前无人机群位置下的用户自身需求满意度,并将此时的接入无人机选择,作为最优接入策略集;
步骤3,无人机群内各无人机根据感知到的用户接入策略集,调整各自的三维位置,计算在当前用户接入策略下的无人机效用值,使其最大,此时对应的无人机三维位置为当前无人机的最优位置;
步骤4,当无人机位置和地面用户接入选择均完成上述调整,算法完成一次迭代。当所有无人机位置和地面用户接入选择收敛到斯坦伯格均衡,或者达到设定迭代次数时,算法结束。
进一步地,步骤1所述将空地协同传输问题,建模为斯坦伯格博弈模型,博弈的参与者是无人机群和地面用户,具体如下:
在该博弈模型中,地面用户为跟随者,其效用函数集合为{u11,u12,...,u1k},无人机群为领导者,其效用函数集合为{u21,u22,…,u2n},下标为用户编号。
其中,r′k,n表示地面用户k的数据传输需求,V是常数,设为V>7。λk,n表示f(k,n)变化趋势,反映了传输任务的紧迫程度,λk,n越大意味着任务越紧急。当地面用户k所获得的传输速率高于所需要的传输速率即rk,n>r′k,n时,fk(ak,aJk)>[1+exp(-7)]-1≈1。rk,n表示地面用户k在无人机n的覆盖下实际获得的信道容量,数学表达式为:
其中,fc为无人机载波频率,为无人机n到地面用户k的直线距离,c是电磁波传播速率,ηLoS和ηNLoS分别是LoS和NLoS链路的阴影衍射损失,b1和b2是取决于环境的常量,是地面用户k与无人机n之间的仰角。
地面用户k的效用函数是对其接入无人机进行优化,优化目标为:
进一步地,步骤3中所述在当前地面用户接入策略A=(a1,a2,…,ak)下,(a1,a2,…,ak)代表地面用户接入的无人机的编号,调整无人机群的三维位置,使无人机用户效用值最大。第n个无人机的效用函数的定义式如(6)所示:
其中qn是无人机n的三维位置qn=(xn,yn,hn),xn,yn,hn分别表示无人机n的横坐标、纵坐标、高度。J2n={Jn∪Jn′},Jn表示无人机n在当前位置下的邻居节点,Jn′表示无人机n在期望位置下的邻居节点。
以式(6)的效用函数对每个无人机的三维位置进行优化,如式((7)所示:
进一步地,步骤2、步骤3中,无人机群以及地面用户的博弈优化目标为最大化各自的效用函数,此时对应的无人机位置部署与接入策略,即为最优策略组合。使用基于对数线性学习的位置部署与接入算法,进行如下求解步骤:
1)给定无人机群初始位置策略Q,随机选择一个地面用户k,识别邻居节点Jk,将他们的接入无人机策略代入公式(5),选择使得地面用户k的满意度最高的无人机编号ak *。再随机选择一个地面用户,循环迭代,求出地面用户群的最佳接入无人机策略集
2)随机选择一架无人机n,识别邻居节点Jn,将步骤1)求得的最佳接入无人机策略集带入公式(6),求出此条件下无人机n的覆盖效用将无人机n当前位置改为qn′,识别当前邻居节点Jn′,求出此条件下无人机n的覆盖效用根据公式(8)-(9),依概率更新无人机n的位置,具体更新规则如下:在无人机的下一次位置更新前,公式(8)计算选择当前位置下的概率,公式(9)计算的是选择期望位置下的概率,如果公式(8)计算出来的结果大于一个随机概率或者大于0.95,那么无人机就保持原位置不动,否则,无人机位置更新成期望的位置,并将期望的位置作为下一次迭代的状态;
3)循环步骤1)、2),直到公式(8)计算出的无人机的位置更新概率总是大于0.95,也就是说,无人机一直保持当前位置状态不动了,可以认为算法已经收敛,此时的收敛解集合,即为此时无人机群位置部署和地面用户接入无人机选择的最优策略(A*,Q*);
其中,α是学习系数,j是迭代次数。
实施例1
本发明的第一个实施例具体描述如下,系统仿真采用Matlab软件,参数设定不影响一般性。该实施例验证所提模型与方法的收敛和与有效性,图3验证收敛性,图4~5验证了有效性。每个算法要运行1000次取平均值以避免偶然性。无人机携带的载波频率fc=2GHz,功率pn=30dBm,环境常量(b1,b2)=(9.6,0.28),电磁波传输速度c=3×108m/s,阴影损失(ηLoS,ηNLoS)=(1dB,10dB),功率谱密度N0=-174dBm/Hz,用户需求分布范围r′k,n=[D,2D],表示在[D,2D]中随机生成,D=4or 8。传输任务的紧迫程度的范围λk,n=[1,3]。
图3是用户满意度的迭代收敛图,在保持无人机数量、地面用户数量、用户需求分布一定的情况下,我们可以发现,在所提算法下,全网用户满意度先快速增长而随后慢慢收敛。这是因为无人机位置部署和用户接入选择的混合策略已收敛至均衡状态,近似收敛到最优值,即获得了最优策略。所提算法在均衡收敛性能上比BR(最优响应)算法优越很多,收敛到满意度约29.5,近似全网最优解,几乎完全覆盖了全网的通信业务,而BR算法仅仅收敛到25.2,性能有所损失。
图4是无人机与地面节点的初始分布图。在所研究的场景中随机生成30个地面用户、6架无人机。小圆点表示地面设备,大圆圈表示无人机的覆盖范围,由其高度决定,我们设定无人机群的初始高度均相同。
图5给出了无人机群的最佳部署与地面节点的最优接入策略。与图4对比,从图中可以看出,我们所提的算法很好地执行了无人机群的三维位置部署任务,几乎覆盖了地面的所有地面用户,只有12号设备没有被覆盖,查看程序运行结果可以得出以下原因。首先,是因为它的紧迫程度很小;其次由于其附近的2架无人机负载过多,分配资源时,心有余而力不足。高度可调的部署方法大大提高了无人机的覆盖能力,同时结合地面设备的自主接入机制,无人机群网络能够很好为地面物联网设备提供质量较高的服务。
综上所述,本发明提出的空地协同通信中的覆盖接入模型,充分考虑了实际空地通信中多无人机之间的位置耦合关系以及地面用户的个性化需求的情况,构造了一个更为实际、更为合理的无人机通信的覆盖接入模型;提出的异构需求下的空地协同分层部署接入方法,能够实现对提出模型的有效求解,求出无人机群最佳位置部署策略以及地面用户的最优接入选择,避免了以往传统模型及算法的缺陷和不足,更加适用于无人机通信网络。因此,联合优化无人机群的位置部署和地面用户的无人机接入选择以实现地面用户满意度最大化非常符合现实意义。
以上以用实施例说明的方式对本发明作了描述,本领域的技术人员应当理解,本公开不限于以上描述的实施例,在不偏离本发明的范围的情况下,可以做出各种变化、改变和替换。
Claims (6)
1.一种异构需求下的空地协同分层部署模型,其特征在于,多架具有内容缓存的无人机执行覆盖任务,尽可能地满足地面用户的通信需求,其中不同类型的用户有不同的数据需求。地面用户随机分布在任务区域内并向空中无人机发出数据请求。无人机通过地理位置部署将数据传输到用户设备上以缓解网络覆盖压力,地面用户主动选择接入无人机以获得最大满意度。每架无人机采用频分多址接入技术服务每个地面用户。假设每个用户只能选择一架无人机接入且无人机之间没有干扰。
2.一种基于权利要求1所述的一种异构需求下的空地协同分层部署接入方法,其特征在于,包括以下步骤:
步骤1,将空地协同传输问题,建模为斯坦伯格博弈模型,博弈的参与者是无人机群和地面用户;
步骤2,固定无人机群位置以一定功率进行空地通信,地面用户根据无人机群的覆盖位置,主动选择接入哪架无人机,计算在当前无人机群位置下的用户自身需求满意度,使用户自身满意度最大,并将此时用户的接入无人机选择,作为最优接入策略集;
步骤3,无人机群内各无人机根据感知到的用户接入策略集,调整各自的三维位置,计算在当前用户接入策略下的无人机覆盖收益值,使无人机覆盖收益值最大,此时对应的无人机三维位置为当前无人机的最优位置;
步骤4,当无人机位置和地面用户接入选择均完成上述调整,算法完成一次迭代。当所有无人机位置和地面用户接入选择收敛到斯坦伯格均衡,或者达到设定迭代次数时,算法结束。
3.根据权利要求2所述的异构需求下的空地协同分层部署接入方法,其特征在于,步骤1所述将空地协同传输问题,建模为斯坦伯格博弈模型,博弈的参与者是无人机群和地面用户,具体如下:
在该博弈模型中,地面用户为跟随者,其效用函数集合为{u11,u12,...,u1k},无人机群为领导者,其效用函数集合为{u21,u22,…,u2n},下标为用户编号。
4.根据权利要求2所述的异构需求下的空地协同分层部署接入方法,其特征在于,步骤2中所述在当前无人机群位置部署Q={q1,q2,…,qn}下,由于地面用户之间存在资源竞争的关系,我们将地面用户k,的效用函数定义如下:
其中表示用户k自身的需求满意度,表示用户w自身的需求满意度,用户w是用户k的邻居,Jk表示用户k的邻居用户集合,代表用户w,w∈Jk与用户k处于同一架无人机的覆盖范围内,也就是说,用户k的效用函数受自身的需求满意度和它的邻居满意度的影响;ak为地面用户k的接入无人机策略选择,代表用户k所接入的无人机编号;表示地面用户k的邻居节点的接入无人机编号。表示如下:
其中,r′k,n表示地面用户k的传输速率需求,V是常数,设为V>7;λk,n表示公式(2)的变化趋势,反映了传输任务的紧迫程度,λk,n越大意味着任务越紧急;当地面用户k所获得的传输速率高于所需要的传输速率即rk,n>r′k,n时,rk,n表示地面用户k在无人机n的覆盖下实际获得的传输速率,数学表达式为:
其中,fc为无人机载波频率,为无人机n到地面用户k的直线距离,c是电磁波传播速率,ηLoS和ηNLoS分别是LoS和NLoS链路的阴影衍射损失,b1和b2是取决于环境的常量,是地面用户k与无人机n之间的仰角;
地面用户k的效用函数是对其接入哪架无人机ak进行优化,优化目标为:
5.根据权利要求2所述的异构需求下的空地协同分层部署接入方法,其特征在于,步骤3中所述在当前地面用户群的无人机接入选择A=(a1,a2,…,ak)下,(a1,a2,…,ak)代表地面用户接入的无人机的编号,调整无人机群的三维位置,使无人机用户效用值最大;第n个无人机的效用函数u2n,的定义式如(6)所示:
无人机n的邻居,也就是说,无人机n的效用函数受自身的覆盖收益和它的邻居无人机的覆盖收益影响;J2n={Jn∪Jn′},Jn表示无人机n在当前位置下的邻居无人机集合,Jn′表示无人机n在期望位置下的邻居无人机集合。qn是无人机n的三维位置qn=(xn,yn,hn),xn,yn,hn分别表示无人机n的横坐标、纵坐标、高度,同理,qm是无人机m的三维位置qm=(xm,ym,hm);qJm是无人机m的邻居无人机的三维位置。以式(6)的效用函数对每个无人机的三维位置进行优化,如式((7)所示:
6.根据权利要求2所述的异构需求下的空地协同分层部署接入方法,其特征在于,步骤2、步骤3中,无人机群以及地面用户的博弈优化目标为最大化各自的效用函数,此时对应的无人机位置部署与接入策略,即为最优策略组合。使用基于对数线性学习的位置部署与接入算法,进行如下求解步骤:
1)给定无人机群初始位置策略Q,随机选择一个地面用户k,识别邻居节点Jk,将他们的接入无人机策略代入公式(5),选择使得地面用户k的满意度最高的无人机编号ak *。再随机选择一个地面用户,循环迭代,求出地面用户群的最佳接入无人机策略集
2)随机选择一架无人机n,识别邻居节点Jn,将步骤1)求得的最佳接入无人机策略集带入公式(6),求出此条件下无人机n的覆盖效用将无人机n当前位置改为qn′,识别当前邻居节点Jn′,求出此条件下无人机n的覆盖效用根据公式(8)-(9),依概率更新无人机n的位置,具体更新规则如下:在无人机的下一次位置更新前,公式(8)计算选择当前位置下的概率,公式(9)计算的是选择期望位置下的概率,如果公式(8)计算出来的结果大于一个随机概率或者大于0.95,那么无人机就保持原位置不动,否则,无人机位置更新成期望的位置,并将期望的位置作为下一次迭代的状态;
3)循环步骤1)、2),直到公式(8)计算出的无人机的位置更新概率总是大于0.95,也就是说,无人机一直保持当前位置状态不动了,可以认为算法已经收敛,此时的收敛解集合,即为此时无人机群位置部署和地面用户接入无人机选择的最优策略(A*,Q*);
其中,α是学习系数,j是迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011540836.2A CN112672371B (zh) | 2020-12-23 | 2020-12-23 | 一种异构需求下的空地协同分层部署模型及其接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011540836.2A CN112672371B (zh) | 2020-12-23 | 2020-12-23 | 一种异构需求下的空地协同分层部署模型及其接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112672371A true CN112672371A (zh) | 2021-04-16 |
CN112672371B CN112672371B (zh) | 2023-03-24 |
Family
ID=75409144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011540836.2A Active CN112672371B (zh) | 2020-12-23 | 2020-12-23 | 一种异构需求下的空地协同分层部署模型及其接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112672371B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113993101A (zh) * | 2021-10-21 | 2022-01-28 | 北京邮电大学 | 一种用户为中心无人机辅助网络的分布式Cache部署方法 |
CN116320990A (zh) * | 2023-05-18 | 2023-06-23 | 北京航空航天大学 | 一种空基导航增强自组网的节点动态协同感知方法 |
CN113934224B (zh) * | 2021-10-19 | 2024-01-23 | 西北工业大学 | 一种基于异构博弈方法的无人机弹性策略设计方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092729A (zh) * | 2017-12-29 | 2018-05-29 | 中国人民解放军陆军工程大学 | 无人机通信中的抗干扰模型及斯坦伯格博弈次梯度算法 |
CN108616302A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种功率控制下的无人机多重覆盖模型及部署方法 |
CN111193536A (zh) * | 2019-12-11 | 2020-05-22 | 西北工业大学 | 一种多无人机基站轨迹优化和功率分配方法 |
CN111800185A (zh) * | 2020-07-06 | 2020-10-20 | 中国人民解放军陆军工程大学 | 一种无人机辅助通信中的分布式空地联合部署方法 |
-
2020
- 2020-12-23 CN CN202011540836.2A patent/CN112672371B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092729A (zh) * | 2017-12-29 | 2018-05-29 | 中国人民解放军陆军工程大学 | 无人机通信中的抗干扰模型及斯坦伯格博弈次梯度算法 |
CN108616302A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种功率控制下的无人机多重覆盖模型及部署方法 |
CN111193536A (zh) * | 2019-12-11 | 2020-05-22 | 西北工业大学 | 一种多无人机基站轨迹优化和功率分配方法 |
CN111800185A (zh) * | 2020-07-06 | 2020-10-20 | 中国人民解放军陆军工程大学 | 一种无人机辅助通信中的分布式空地联合部署方法 |
Non-Patent Citations (1)
Title |
---|
崔岩等: "移动边缘计算系统中无人机和用户的分层博弈优化方法", 《通信技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934224B (zh) * | 2021-10-19 | 2024-01-23 | 西北工业大学 | 一种基于异构博弈方法的无人机弹性策略设计方法及系统 |
CN113993101A (zh) * | 2021-10-21 | 2022-01-28 | 北京邮电大学 | 一种用户为中心无人机辅助网络的分布式Cache部署方法 |
CN116320990A (zh) * | 2023-05-18 | 2023-06-23 | 北京航空航天大学 | 一种空基导航增强自组网的节点动态协同感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112672371B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112672371B (zh) | 一种异构需求下的空地协同分层部署模型及其接入方法 | |
Wu et al. | Cooperative UAV cluster-assisted terrestrial cellular networks for ubiquitous coverage | |
Zhang et al. | 3D deployment of multiple UAV-mounted base stations for UAV communications | |
Zhan et al. | Energy-efficient data uploading for cellular-connected UAV systems | |
Sohail et al. | Energy-efficient non-orthogonal multiple access for UAV communication system | |
Zhao et al. | RIS-aided ground-aerial NOMA communications: A distributionally robust DRL approach | |
CN111800185A (zh) | 一种无人机辅助通信中的分布式空地联合部署方法 | |
El Hammouti et al. | The optimal and the greedy: Drone association and positioning schemes for Internet of UAVs | |
Ji et al. | Trajectory and communication design for cache-enabled UAVs in cellular networks: A deep reinforcement learning approach | |
CN110312265B (zh) | 无人机编队通信覆盖的功率分配方法及系统 | |
CN113395706B (zh) | 基于粒子群算法的异构无人机三维空间部署方法及设备 | |
Yu et al. | Air–ground integrated deployment for UAV‐enabled mobile edge computing: A hierarchical game approach | |
Hajiakhondi-Meybodi et al. | Joint transmission scheme and coded content placement in cluster-centric UAV-aided cellular networks | |
CN111970713A (zh) | 一种面向密集城区的无人机基站部署方法与三维参数设定 | |
CN115499921A (zh) | 面向复杂无人机网络的三维轨迹设计及资源调度优化方法 | |
Zhao et al. | MADRL-based 3D deployment and user association of cooperative mmWave aerial base stations for capacity enhancement | |
Dang et al. | Low-latency mobile virtual reality content delivery for unmanned aerial vehicle-enabled wireless networks with energy constraints | |
Zhang et al. | Distortion minimization for multimedia transmission in NOMA HAP-UAV integrated aerial access networks | |
CN116073924B (zh) | 基于Stackelberg博弈的抗干扰信道分配方法及系统 | |
Xu et al. | Resource management of GEO relays for real-time remote sensing | |
CN113676917B (zh) | 基于博弈论的无人机分层移动边缘计算网络的能耗优化方法 | |
CN113468819B (zh) | 基于遗传算法的无人机辅助边缘计算的能耗优化方法 | |
Ismail et al. | Enhancing vehicular network performance through integrated RSU and UAV deployment | |
Sabino et al. | NSGA-II based joint topology and routing optimization of flying backhaul networks | |
Na et al. | Joint trajectory and power optimization for NOMA-based high altitude platform relaying system |
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 |