CN112702713B - 一种多约束条件下的低空无人机通信部署方法 - Google Patents

一种多约束条件下的低空无人机通信部署方法 Download PDF

Info

Publication number
CN112702713B
CN112702713B CN202011564602.1A CN202011564602A CN112702713B CN 112702713 B CN112702713 B CN 112702713B CN 202011564602 A CN202011564602 A CN 202011564602A CN 112702713 B CN112702713 B CN 112702713B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
user
communication
drone
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.)
Active
Application number
CN202011564602.1A
Other languages
English (en)
Other versions
CN112702713A (zh
Inventor
李宇萌
王涛
杜文博
曹先彬
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
Priority to CN202011564602.1A priority Critical patent/CN112702713B/zh
Publication of CN112702713A publication Critical patent/CN112702713A/zh
Application granted granted Critical
Publication of CN112702713B publication Critical patent/CN112702713B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多约束条件下的低空无人机通信部署方法，属于无人机通信领域。首先确定任务区域和用户集合，在任务区域内无人机群对地面多用户进行下行链路通信。然后在同时满足多约束和用户覆盖率最大的情况下，优化无人机空中位置问题，并将该优化问题转化为粒子群优化算法的目标函数，将无人机的空中位置抽象为粒子。对每个粒子代表的无人机群进行无人机‑用户匹配，并根据每个匹配结果分别计算目标函数值，最后当目标函数值达到最优时，得到无人机最佳部署位置。无人机群按照最佳部署位置，与用户进行通信，从而实现用户覆盖率最大。本发明的适用范围更广，能找到无人机的最佳3D部署位置，为用户提供充足的通信覆盖服务。

Description

一种多约束条件下的低空无人机通信部署方法
技术领域
本发明属于无人机通信领域，具体涉及一种多约束条件下的低空无人机通信部署方法。
背景技术
近年来，随着社会对高质量无线通信服务的需求日益增长，由于无人机具有低能耗和灵活机动等独特优势，加上低空小型无人机逐渐普及民用，使其在无线通信领域的应用得到了广泛关注。目前，应用于无线通信的无人机主要可分为高空无人机和低空无人机。高空无人机分布在10千米以上的高空，通信覆盖范围较广，续航时间较长，能够提供可靠通信链路，但是其制造成本高昂，难以实时响应多变的，难以预测的地面通信业务需求。低空无人机因为在控制和能耗等方面具有独特的优势，正逐渐作为一种新型通信工具纳入空间信息网络体系之中。
低空无人机分布在几百至几千米的低空空域，是一种重要的也是应用极为广泛的低空通信平台。可在无人机上搭载收发机来作为空中基站，在地面基站由灾害出现损坏时提供通信覆盖，或缓解地面用户需求分布密集导致的通信拥塞，提高数据传输的速率和容量。
无人机应用于通信，主要还面临着一些挑战，例如无人机的大小、重量和发射机功率的限制；无人机飞行高度和速度的限制；城市复杂多变环境下的信号传输的建模等等，如何在诸多限制因素制约下优化无人机的部署，以实现更好的通信覆盖，成为了亟待解决的问题。
国内外研究学者针对通信场景下无人机部署问题做了深入和精彩的工作，引入了基于统计方法的信道衰减模型，考虑到了城市建筑物的遮挡作用导致的视距传输和非视距传输的损耗差异。基于此模型，可以对问题进行建模和分析，但此类问题往往难以建模成凸优化问题，解决起来也较为复杂。虽然采用粒子群优化算法可以降低算法设计的难度，但是目标函数形式的设计难以兼顾到各种限制因素，基于启发式算法的无人机部署方法通常需要准确知道地面用户的分布位置，并根据用户的分布密度进行子区域划分，这在实际应用中较难实现。
发明内容
本发明针对目前无人机部署建模和计算难度高，限制因素太多的问题，提出了一种多约束条件下的低空无人机通信部署方法，目的是在无人机通信带宽、传输功率和飞行高度的限制下，找到无人机在空中的最佳部署位置。
所述的多约束条件下的低空无人机通信部署方法，具体步骤如下：
步骤一：将无人机群作为移动基站，对地面多用户构建下行链路通信的任务区域，并确定任务区域和用户集合。
所述任务区域为[xmin,xmax]×[ymin,ymax]，其中包含ND个无人机(UAV)和NU个用户，集合表示为：
Figure BDA0002861490640000021
每个用户在同一时刻只与一个无人机建立通信，同一个无人机与不同用户之间采用频分复用方式分别建立通信。
步骤二：在同时满足多约束和用户覆盖率最大的情况下，构建无人机与用户之间的匹配模型；
匹配模型描述为如下形式：
Figure BDA0002861490640000022
subject to C1
Figure BDA0002861490640000023
C2
Figure BDA0002861490640000024
C3
Figure BDA0002861490640000025
C4
Figure BDA0002861490640000026
其中，无人机j的位置坐标记作
Figure BDA0002861490640000027
无人机群的空中位置为(xuav,yuav,huav)；hmin和hmax分别表示无人机飞行的最低高度和最高高度；用户i和无人机j之间的通信带宽矩阵
Figure BDA0002861490640000028
其中aij＝{0,1}，aij＝0表示用户i和无人机j没有建立通信，aij＝1表示用户i和无人机j建立了通信连接；
Figure BDA0002861490640000029
表示用户i向无人机j请求的通信带宽；Bw为无人机的通信带宽；
定义向量
Figure BDA00028614906400000210
其中，Ii表示用户i是否与每个无人机建立了连接：
Figure BDA00028614906400000211
约束条件C4表示：无人机j与所有已连接用户之间的通信宽带之和不大于无人机j的通信带宽。
步骤三：将匹配模型中的目标函数，转化为粒子群优化算法的目标函数，并将无人机抽象为粒子；
粒子群优化算法具体为：
首先生成L个粒子，每个粒子分别代表一个无人机；
每个粒子的位置记为W(l)，l＝1,…,L，维度为3×ND，记录无人机群中每个无人机的3D位置坐标：其中，W(l)(0：ND-1)为各无人机的x坐标，W(l)(ND：2ND-1)为各无人机的y坐标，W(l)(2ND：3ND-1)为各无人机的高度h。
定义目标函数为：
Figure BDA0002861490640000031
步骤四、对每个粒子代表的无人机进行无人机-用户匹配，并根据匹配结果分别计算目标函数值，当目标函数值达到全局最优时，得到无人机最佳部署位置。
计算过程具体为：
步骤401，当用户i和无人机j匹配时，分别计算两者之间的视距传输概率和非视距传输概率；
视距传输的概率PLoS近似表示为：
Figure BDA0002861490640000032
其中，
Figure BDA0002861490640000033
为无人机j相对用户i平面的仰角，hj为无人机j的飞行高度，r是无人机j的平面投影和用户i之间的距离，a和b是与城市环境相关的参数。
非视距传输概率：PNLoS＝1-PLoS；
步骤402，通过视距传输和非视距传输的传输概率，结合各自相应的信道衰减计算传输损耗；
用户i和无人机j之间的传输损耗计算公式为：
Figure BDA0002861490640000034
其中：Lij表示用户i和无人机j之间的信道增益，fc为载波频率，c表示真空中的光速；dij为用户i和无人机j之间的距离，
Figure BDA0002861490640000035
ηLoS为视距传输信道衰减；ηNLoS为非视距传输信道衰减；
Figure BDA0002861490640000036
为用户i的坐标；
步骤403，通过用户i和无人机j通信的传输损耗，计算用户i和无人机j的通信带宽；
用户i向无人机j请求的通信带宽
Figure BDA0002861490640000041
计算方式如下：
Figure BDA0002861490640000042
其中，σ2为加性高斯白噪声的方差。
Figure BDA0002861490640000043
为用户i的数据率需求；P为无人机信号传输功率；
步骤404，同理，计算用户i和每个无人机通信之间的通信带宽；以及每个无人机获知所有用户请求的带宽；
用户i和所有无人机通信所需的带宽集合为：
Figure BDA0002861490640000044
无人机j获知所有用户请求的带宽：
Figure BDA0002861490640000045
步骤405，每个用户和无人机分别根据通信带宽建立服务质量的优先级序列；
具体为：
针对当前无人机，按照向自身请求的各用户的带宽大小，将所有用户进行升序排列，排在前面的用户享有更高的服务优先级；
针对当前用户，根据自身与各无人机通信所需的带宽大小，将所有无人机进行降序排列，排在前面的无人机能够实现更高的频谱资源利用率；
步骤406，基于Gale-Shapley匹配算法，按照优先级序列对当前粒子所代表的无人机a1进行无人机-用户匹配；
具体为：针对无人机a1，按优先级排序后的各用户依次进行选择作为当前用户；
首先，判断当前用户是否与无人机a1建立通信，如果是，顺序选择下一个用户重复判断；否则，将未与无人机a1建立通信的用户b1，按照用户b1的无人机优先级排序，选择最前的无人机a2进行通信请求；
无人机a2如果有剩余带宽资源，直接分配给用户b1；
如果无人机a2没有剩余的带宽，则无人机a2会遍历自身所有已经连接用户，对用户b1与所有已连接用户再次进行优先级排序，选择已连接用户中比用户b1优先级低的用户b2，断开用户b2替换成用户b1，用户b2将在下次重新参与分配；同时被替换掉的用户b2把断开连接的无人机a2标记为“已拒绝”，从用户b2的优先级序列中移除。
如果无人机a2中没有连接用户比用户b1优先级低，则用户b1按照自身的无人机优先级排序，选择下一个无人机a3，重复判断是否有宽带资源可分配，直至用户b1被成功分配或被所有无人机拒绝。
按照上述方式进行迭代，选择无人机a1的下一个未与无人机a1建立通信的用户c重复用户b1的过程，直至遍历完无人机a1的所有用户，实现无人机a1与所有用户的通信匹配完成；
同理，将所有无人机的所有用户按照上述过程完成通信匹配。
步骤407，针对粒子无人机a1，当无人机a1与每个用户匹配成功一次，对应粒子a1的位置更新一次，同时得到粒子a1的一个目标函数值，在粒子a1的所有目标函数值中找到最佳目标函数值，此时粒子位置记为W(l,local)。
步骤408，遍历L个粒子，得到L个最佳目标函数值，分别代入目标函数中，当目标函数值达到全局最优值时，对应的粒子位置记为W(global)；
步骤409，利用各粒子最佳目标函数值对应的粒子位置W(l,local)和全局最优值对应的粒子位置W(global)更新各粒子在迭代过程中的运动速度和位置；
对于粒子l，在第t次迭代中对应的位置为
Figure BDA0002861490640000051
运动速度记为
Figure BDA0002861490640000052
该粒子的运动速度根据以下方式更新：
Figure BDA0002861490640000053
其中，φ代表惯性系数，c1，c2是学习系数，φ1，φ2是两个随机数。
该粒子的位置根据以下方式更新：
Figure BDA0002861490640000054
步骤410，根据更新后的粒子运动速度和位置，返回步骤406重新进行无人机-用户匹配，计算全局最优值，并更新各粒子的运动速度及位置；
步骤411，当全局最优值前后两次的计算值未发生改变时，重复上述循环，判断全局最优值未发生改变次数是否达到MaxStallTime次，如果是，则目标函数值达到最优值，结束迭代，此时的
Figure BDA0002861490640000055
即为无人机群的最佳部署位置。否则继续循环，直至全局最优值达到MaxStallTime次不改变。
步骤五、无人机群按照最佳部署位置，与用户进行通信，从而实现用户覆盖率最大。
本发明的优点及其有益效果在于：
(1)本发明一种多约束条件下的低空无人机通信部署方法，采用了智能无人机-用户匹配算法，较现有的同类算法而言，具有目标函数不依赖于地面用户分布的特点，因此本发明的适用范围更广。
(2)本发明一种多约束条件下的低空无人机通信部署方法，能够找到无人机的最佳3D部署位置，以便为该地区的用户提供充足的通信覆盖服务，使得在实际工程中利用无人机实现地面通信覆盖成为了可能。
附图说明
图1是本发明一种多约束条件下的低空无人机通信部署方法的整体流程图；
图2是本发明一种多约束条件下的低空无人机通信部署方法中计算每个粒子的目标函数值的流程图。
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。
本发明首先基于城市低空需求对信号传输损耗进行了建模，随后引入传输功率、带宽和飞行高度等约束条件，通过优化无人机群在空中的部署位置，以实现用户覆盖率目标函数最优，具体是一种多约束条件下的低空无人机通信部署方法，无人机群对地面的通信覆盖率不仅与无人机群部署的位置有关，还与无人机与用户的匹配方式有关，本发明基于Gale-Shapley匹配算法，能够在给定一个无人机群部署位置后，实现无人机-用户智能匹配，使得该位置下的覆盖率最大化，最后通过优化无人机群的部署位置对通信覆盖率进行优化。
一种多约束条件下的低空无人机通信部署方法，如图1所示，包括如下步骤：
步骤一：确定任务区域和用户集合。在平面上的矩形任务区域内，无人机群作为移动基站对地面多用户进行下行链路通信，即无人机把大小固定的文件广播给分布在地面的用户。
所述任务区域为[xmin,xmax]×[ymin,ymax]，其中包含ND个无人机(UAV)，NU个用户。
无人机具有移动能力，携带有发射功率和总带宽一定的信号收发机，可以很好地追踪用户的通信需求，每个用户在同一时刻只与一个无人机建立通信，同一个无人机的不同用户之间采用频分复用方式，使用不同频段分别与每个用户连接。
所述任务区域内，无人机和用户的集合分别记作：
Figure BDA0002861490640000061
和
Figure BDA0002861490640000062
无人机j的所有用户组成的集合记作
Figure BDA0002861490640000063
根据每个用户在同一时刻只与一个无人机建立通信的前提，显然有
Figure BDA0002861490640000064
且对任意的j1,j2∈{1,2,...,ND},j1≠j2满足：
Figure BDA0002861490640000065
Figure BDA0002861490640000066
表示空集。
步骤二：在同时满足多约束和用户覆盖率最大的情况下，构建无人机与用户之间的匹配模型。
无人机j的直角坐标系坐标记作
Figure BDA0002861490640000067
用户i的坐标为
Figure BDA0002861490640000068
设无人机j飞行的高度hj限制为
Figure BDA0002861490640000071
hmin和hmax分别表示无人机飞行的最低高度和最高高度，由无人机自身参数决定。
设所有无人机的通信带宽完全相等，均为Bw。无人机的发射功率固定为P。无人机的接收天线和发射天线的增益为定值，为便于表达，此处将无人机的接收天线和发射天线的增益均设为1。
定义用户i和无人机j之间的通信带宽矩阵
Figure BDA0002861490640000072
其中aij＝{0,1}，aij＝0表示用户i和无人机j没有建立通信，aij＝1表示用户i和无人机j建立了通信连接。
记无人机群的空中位置为(xuav,yuav,huav)，其中
Figure BDA0002861490640000073
Figure BDA0002861490640000074
基于每个用户在同一时刻只与一个无人机建立通信，定义向量
Figure BDA0002861490640000075
其中，Ii表示用户i是否与至少一个无人机建立了连接：
Figure BDA0002861490640000076
本发明的目标是在无人机通信带宽、传输功率和飞行高度的限制下，找到无人机在空中的最佳部署位置，从而优化通信覆盖率，即与无人机成功建立连接的用户总数
Figure BDA0002861490640000077
取得最大值，建立无人机空中位置优化问题模型，如下：
Figure BDA0002861490640000078
subject to C1
Figure BDA0002861490640000079
C2
Figure BDA00028614906400000710
C3
Figure BDA00028614906400000711
C4
Figure BDA00028614906400000712
其中，
Figure BDA00028614906400000713
表示用户i向无人机j请求的通信带宽。约束条件C4表示：无人机j与所有已连接用户之间的通信宽带之和不大于无人机j的通信带宽。
步骤三：将匹配模型中的目标函数，转化为粒子群优化算法的目标函数，将无人机的空中位置抽象为粒子。
粒子群优化算法具体为：
首先生成L个粒子，每个粒子分别代表一个无人机；每个粒子的位置记为W(l)，l＝1,…,L，维度为3×ND，记录无人机群的3D位置坐标：其中，W(l)(0：ND-1)为无人机j的x坐标，W(l)(ND：2ND-1)为无人机j的y坐标，W(l)(2ND：3ND-1)为无人机j的高度h。
定义目标函数为：
Figure BDA0002861490640000081
本发明的目的是得到最小化目标函数U。
步骤四、对每个粒子代表的无人机群进行无人机-用户匹配，并根据每个匹配结果分别计算目标函数值，当目标函数值达到全局最优时，得到无人机最佳部署位置。
对每个粒子的目标函数值的计算过程如图2所示，具体为：
步骤401，当用户i和无人机j匹配时，分别计算两者之间的视距传输概率和非视距传输概率；
在较高频率下，地面建筑物等遮挡物会对信号传输造成影响，无人机和用户之间存在两种传输模式：视距传输(Line of Sight)和非视距(Non-Line of Sight)传输。视距传输信道衰减和非视距传输信道衰减可分别记作ηLoS和ηNLoS。无人机和用户建立视距传输的概率PLoS可近似表示为：
Figure BDA0002861490640000082
其中，
Figure BDA0002861490640000083
为无人机相对用户平面的仰角，hj为无人机j的飞行高度，r是无人机的平面投影和用户之间的距离，a和b是与城市环境相关的参数。
非视距传输概率：PNLoS＝1-PLoS；
步骤402，通过视距传输和非视距传输的传输概率，结合各自相应的信道衰减计算传输损耗；
本发明中采用空对地信道的平均衰减来表示传输损耗，公式为：
Figure BDA0002861490640000084
其中：Lij表示用户i和无人机j之间的信道增益，fc为载波频率，c表示真空中的光速；dij为无人机和用户之间的距离，
Figure BDA0002861490640000091
步骤403，通过无人机j与用户i通信的传输损耗，计算用户i和无人机j的通信带宽；
Figure BDA0002861490640000092
表示用户i向无人机j请求的通信带宽，其计算方式如下：
Figure BDA0002861490640000093
其中，σ2为加性高斯白噪声的方差，P为无人机信号传输功率。
因为无人机的带宽资源限制，可能无法同时满足所有用户的通信请求。
步骤404，同理，计算用户i和每个无人机通信之间的通信带宽；以及每个无人机获知所有用户请求的带宽；
用户i和所有无人机通信所需的带宽为：
Figure BDA0002861490640000094
无人机j获知所有用户请求的带宽：
Figure BDA0002861490640000095
步骤405，每个用户和无人机分别根据通信带宽建立服务质量的优先级序列；
具体为：
针对当前无人机，按照向自身请求的各用户的带宽大小，将所有用户进行升序排列，排在前面的用户享有更高的服务优先级；
针对当前用户，根据自身与各无人机通信所需的带宽大小，将所有无人机进行降序排列，排在前面的无人机能够实现更高的频谱资源利用率；
步骤406：基于Gale-Shapley匹配算法，按照优先级序列对当前粒子所代表的无人机a1进行无人机-用户匹配；
匹配流程具体说明如下：
针对无人机a1，按优先级排序后的各用户依次进行选择作为当前用户；
首先，判断当前用户是否与无人机a1建立通信，如果是，顺序选择下一个用户重复判断；否则，将未与无人机a1建立通信的用户b1，按照用户b1的无人机优先级排序，选择最前的无人机a2进行通信请求；
无人机a2如果有剩余带宽资源，直接分配给用户b1；
如果无人机a2没有剩余的带宽，则无人机a2会遍历自身所有已经连接用户，对用户b1与所有已连接用户再次进行优先级排序，选择已连接用户中比用户b1优先级低的用户b2，断开用户b2替换成用户b1，用户b2将在下次重新参与分配；同时被替换掉的用户b2把断开连接的无人机a2标记为“已拒绝”，从用户b2的优先级序列中移除。
如果无人机a2中没有连接用户比用户b1优先级低，则用户b1按照自身的无人机优先级排序，选择下一个无人机a3，重复判断是否有宽带资源可分配，直至用户b1被成功分配或被所有无人机拒绝。
按照上述方式进行迭代，选择无人机a1的下一个未与无人机a1建立通信的用户c重复用户b1的过程，直至遍历完无人机a1的所有用户，实现无人机a1与所有用户的通信匹配完成；
同理，将所有无人机的所有用户按照上述过程完成通信匹配，匹配完成后所有用户的匹配结果分为两种：与某个无人机建立通信，或者被所有无人机拒绝。
步骤407，针对粒子无人机a1，当无人机a1与每个用户匹配成功一次，对应该粒子的位置更新一次，同时得到该粒子的一个目标函数值，在无人机a1的所有目标函数值中找到最佳目标函数值，此时粒子位置记为W(l,local)。
步骤408，遍历L个粒子，得到L个最佳目标函数值，分别代入目标函数中，当目标函数达到全局最优值时，对应的粒子位置记为W(global)；
步骤409，利用各粒子最佳目标函数值对应的粒子位置W(l,local)和全局最优值对应的粒子位置W(global)更新各粒子在迭代过程中的运动速度和位置；
对于粒子群中的粒子l，在第t次迭代中对应的位置为
Figure BDA0002861490640000101
运动速度记为
Figure BDA0002861490640000102
该粒子的运动速度根据以下方式更新：
Figure BDA0002861490640000103
其中，φ代表惯性系数，c1，c2是学习系数，φ1，φ2是两个随机数。
该粒子的位置根据以下方式更新：
Figure BDA0002861490640000104
步骤410：根据更新后的粒子运动速度和位置，返回步骤406重新进行迭代，再次进行无人机-用户匹配，计算全局最优值和各粒子的运动速度及位置；
步骤411，当全局最优值前后两次计算值未发生改变时，重复上述循环，判断全局最优值未发生改变次数是否达到MaxStallTime次，若否，则继续正常迭代，直至全局最优值达到MaxStallTime次不改变。若是，则目标函数值达到最优值，结束迭代，此时的
Figure BDA0002861490640000105
即为无人机群的最佳部署位置。
步骤五、无人机群按照最佳部署位置，与用户进行通信，从而实现用户覆盖率最大。

Claims (7)

1.一种多约束条件下的低空无人机通信部署方法，其特征在于，具体步骤如下：
步骤一：将无人机群作为移动基站，对地面多用户构建下行链路通信的任务区域，并确定任务区域和用户集合；
所述任务区域为[xmin,xmax]×[ymin,ymax]，其中包含ND个无人机(UAV)和NU个用户，集合表示为：
Figure FDA0002861490630000011
步骤二：在同时满足多约束和用户覆盖率最大的情况下，构建无人机与用户之间的匹配模型；
匹配模型描述为如下形式：
Figure FDA0002861490630000012
Figure FDA0002861490630000013
Figure FDA0002861490630000014
Figure FDA0002861490630000015
Figure FDA0002861490630000016
其中，无人机j的位置坐标记作
Figure FDA0002861490630000017
无人机群的空中位置为(xuav,yuav,huav)；hmin和hmax分别表示无人机飞行的最低高度和最高高度；用户i和无人机j之间的通信带宽矩阵
Figure FDA0002861490630000018
其中aij＝{0,1}，aij＝0表示用户i和无人机j没有建立通信，aij＝1表示用户i和无人机j建立了通信连接；
Figure FDA0002861490630000019
表示用户i向无人机j请求的通信带宽；
定义向量
Figure FDA00028614906300000110
其中，Ii表示用户i是否与每个无人机建立了连接：
Figure FDA00028614906300000111
Bw为无人机的通信带宽；
最后一个约束条件C4表示：无人机j与所有已连接用户之间的通信宽带之和不大于无人机j的通信带宽；
步骤三：将匹配模型中的目标函数，转化为粒子群优化算法的目标函数，并将无人机抽象为粒子；
步骤四、对每个粒子代表的无人机进行无人机-用户匹配，并根据匹配结果分别计算目标函数值，当目标函数值达到全局最优时，得到无人机最佳部署位置；
计算过程具体为：
步骤401，当用户i和无人机j匹配时，分别计算两者之间的视距传输概率和非视距传输概率；
步骤402，通过视距传输和非视距传输的传输概率，结合各自相应的信道衰减计算传输损耗；
步骤403，通过用户i和无人机j通信的传输损耗，计算用户i和无人机j的通信带宽；
用户i向无人机j请求的通信带宽
Figure FDA0002861490630000021
计算方式如下：
Figure FDA0002861490630000022
其中，σ2为加性高斯白噪声的方差；
Figure FDA0002861490630000023
为用户i的数据率需求；P为无人机信号传输功率；
步骤404，同理，计算用户i和每个无人机通信之间的通信带宽，以及每个无人机获取所有用户请求的带宽；
用户i和所有无人机通信所需的带宽集合为：
Figure FDA0002861490630000024
无人机j获知所有用户请求的带宽：
Figure FDA0002861490630000025
步骤405，每个用户和无人机分别根据通信带宽建立服务质量的优先级序列；
步骤406，基于Gale-Shapley匹配算法，按照优先级序列对当前粒子所代表的无人机a1进行无人机-用户匹配；
具体为：针对无人机a1，按优先级排序后的各用户依次进行选择作为当前用户；
首先，判断当前用户是否与无人机a1建立通信，如果是，顺序选择下一个用户重复判断；否则，将未与无人机a1建立通信的用户b1，按照用户b1的无人机优先级排序，选择最前的无人机a2进行通信请求；
无人机a2如果有剩余带宽资源，直接分配给用户b1；
如果无人机a2没有剩余的带宽，则无人机a2会遍历自身所有已经连接用户，对用户b1与所有已连接用户再次进行优先级排序，选择已连接用户中比用户b1优先级低的用户b2，断开用户b2替换成用户b1，用户b2将在下次重新参与分配；同时被替换掉的用户b2把断开连接的无人机a2标记为“已拒绝”，从用户b2的优先级序列中移除；
如果无人机a2中没有连接用户比用户b1优先级低，则用户b1按照自身的无人机优先级排序，选择下一个无人机a3，重复判断是否有宽带资源可分配，直至用户b1被成功分配或被所有无人机拒绝；
按照上述方式进行迭代，选择无人机a1的下一个未与无人机a1建立通信的用户c重复用户b1的过程，直至遍历完无人机a1的所有用户，实现无人机a1与所有用户的通信匹配完成；
同理，将所有无人机的所有用户按照上述过程完成通信匹配；
步骤407，针对粒子无人机a1，当无人机a1与每个用户匹配成功一次，对应该粒子的位置更新一次，同时得到该粒子的一个目标函数值，在无人机a1的所有目标函数值中找到最佳目标函数值，此时粒子位置记为W(l,local)；
步骤408，遍历L个粒子，得到L个最佳目标函数值，分别代入目标函数中，当目标函数值达到全局最优值时，对应的粒子位置记为W(global)；
步骤409，利用各粒子最佳目标函数值对应的粒子位置W(l,local)和全局最优值对应的粒子位置W(global)更新各粒子在迭代过程中的运动速度和位置；
步骤410，根据更新后的粒子运动速度和位置，返回步骤406重新进行无人机-用户匹配，计算全局最优值，并更新各粒子的运动速度及位置；
步骤411，当全局最优值前后两次的计算值未发生改变时，重复上述循环，判断全局最优值未发生改变次数是否达到MaxStallTime次，若否，则继续循环，直至全局最优值达到MaxStallTime次不改变；若是，则目标函数值达到最优值，结束迭代，此时的Ww (global)即为无人机群的最佳部署位置；
步骤五、无人机群按照最佳部署位置，与用户进行通信，从而实现用户覆盖率最大。
2.如权利要求1所述的一种多约束条件下的低空无人机通信部署方法，其特征在于，所述的用户在同一时刻只与一个无人机建立通信，同一个无人机与不同用户之间采用频分复用方式分别建立通信。
3.如权利要求1所述的一种多约束条件下的低空无人机通信部署方法，其特征在于，所述的粒子群优化算法具体为：
首先生成L个粒子，每个粒子分别代表一个无人机；
每个粒子的位置记为W(l)，l＝1,…,L，维度为3×ND，记录无人机群中每个无人机的3D位置坐标：其中，W(l)(0：ND-1)为各无人机的x坐标，W(l)(ND：2ND-1)为各无人机的y坐标，W(l)(2ND：3ND-1)为各无人机的高度h；
定义目标函数为：
Figure FDA0002861490630000031
4.如权利要求1所述的一种多约束条件下的低空无人机通信部署方法，其特征在于，所述的视距传输概率PLoS表示为：
Figure FDA0002861490630000032
其中，
Figure FDA0002861490630000033
为无人机j相对用户i平面的仰角，hj为无人机j的飞行高度，r是无人机j的平面投影和用户i之间的距离，a和b是与城市环境相关的参数；
非视距传输概率：PNLoS＝1-PLoS。
5.如权利要求1所述的一种多约束条件下的低空无人机通信部署方法，其特征在于，所述的步骤402中用户i和无人机j之间的传输损耗计算公式为：
Figure FDA0002861490630000041
其中：Lij表示用户i和无人机j之间的信道增益，fc为载波频率，c表示真空中的光速；dij为用户i和无人机j之间的距离，
Figure FDA0002861490630000042
ηLoS为视距传输信道衰减；ηNLoS为非视距传输信道衰减；
Figure FDA0002861490630000043
为用户i的坐标。
6.如权利要求1所述的一种多约束条件下的低空无人机通信部署方法，其特征在于，所述的步骤405具体为：
针对当前无人机，按照向自身请求的各用户的带宽大小，将所有用户进行升序排列，排在前面的用户享有更高的服务优先级；
针对当前用户，根据自身与各无人机通信所需的带宽大小，将所有无人机进行降序排列，排在前面的无人机能够实现更高的频谱资源利用率。
7.如权利要求1所述的一种多约束条件下的低空无人机通信部署方法，其特征在于，所述的步骤409中，对于粒子l，在第t次迭代中对应的位置为
Figure FDA0002861490630000044
运动速度记为
Figure FDA0002861490630000045
该粒子的运动速度根据以下方式更新：
Figure FDA0002861490630000046
其中，φ代表惯性系数，c1，c2是学习系数，φ1，φ2是两个随机数；
该粒子的位置根据以下方式更新：
Figure FDA0002861490630000047
CN202011564602.1A 2020-12-25 2020-12-25 一种多约束条件下的低空无人机通信部署方法 Active CN112702713B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011564602.1A CN112702713B (zh) 2020-12-25 2020-12-25 一种多约束条件下的低空无人机通信部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011564602.1A CN112702713B (zh) 2020-12-25 2020-12-25 一种多约束条件下的低空无人机通信部署方法

Publications (2)

Publication Number Publication Date
CN112702713A CN112702713A (zh) 2021-04-23
CN112702713B true CN112702713B (zh) 2021-11-16

Family

ID=75510839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011564602.1A Active CN112702713B (zh) 2020-12-25 2020-12-25 一种多约束条件下的低空无人机通信部署方法

Country Status (1)

Country Link
CN (1) CN112702713B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240066B (zh) * 2021-05-14 2023-01-13 中国民航大学 一种基于Shapley值的改进蚁群算法的无人机冲突解脱方法
CN113395706B (zh) * 2021-06-17 2022-07-22 郑州大学 基于粒子群算法的异构无人机三维空间部署方法及设备
CN114430296B (zh) * 2022-04-03 2022-07-01 江西师范大学 用于无人机中继站的多天线通信方法和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104890861B (zh) * 2015-05-05 2017-05-31 高域（北京）智能科技研究院有限公司 多旋翼飞行器的控制方法及多旋翼飞行器
CA3049793A1 (en) * 2017-01-10 2018-07-19 AIRSHARE, Inc. System and method for communicating with a uav
CN107517158B (zh) * 2017-08-29 2019-05-17 北京航空航天大学 无人机通信网络联合路由协议的设计方法
CN110912604B (zh) * 2019-11-14 2022-02-08 南京邮电大学 一种基于多用户调度的无人机安全通信方法
CN110996293B (zh) * 2019-11-29 2021-04-02 北京邮电大学 一种无人机的网络部署和资源分配的方法及其系统
CN111194038B (zh) * 2020-01-07 2021-07-02 北京航空航天大学 多无人机移动基站位置部署方法
CN111683379B (zh) * 2020-06-08 2023-06-27 上海特金无线技术有限公司 多无人机合作的空基无线信号覆盖部署方法及装置

Also Published As

Publication number Publication date
CN112702713A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
CN112702713B (zh) 一种多约束条件下的低空无人机通信部署方法
CN111786713B (zh) 一种基于多智能体深度强化学习的无人机网络悬停位置优化方法
CN110430577B (zh) 一种基于时间相关性的无人机基站群组部署方法
CN111194038B (zh) 多无人机移动基站位置部署方法
CN109885088B (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
CN109275094A (zh) 一种高能效无人机覆盖点连续覆盖方法和装置
CN112153593B (zh) 一种无人机辅助的高能效物联网数据收集方法
CN113359480B (zh) 基于mappo算法多无人机与用户协同通信优化方法
CN113872661B (zh) 面向接入用户分级服务的无人机网络三维部署方法及系统
Sawalmeh et al. Providing wireless coverage in massively crowded events using UAVs
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
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
CN113206701A (zh) 一种无人机飞行基站的三维部署和功率分配联合优化方法
CN114980169A (zh) 一种基于轨迹与相位联合优化的无人机辅助地面通信方法
CN114173359B (zh) 一种用于工业物联网环境下的异构网络资源调度方法
CN115441939A (zh) 基于maddpg算法的多波束卫星通信系统资源分配方法
Montero et al. Clustering users for the deployment of UAV as base station to improve the quality of the data
Zhang et al. QoS maximization scheduling of multiple UAV base stations in 3D environment
CN113727278B (zh) 一种路径规划方法、接入网设备及飞行控制设备
CN115225142B (zh) 多无人机通信中用户匹配与频谱资源联合优化方法及系统
CN115276768B (zh) 融合干扰缓解与资源分配的无人机时延最小化方法
Li et al. Derivative-free placement optimization for multi-UAV wireless networks with channel knowledge map
Fu et al. Joint speed and bandwidth optimized strategy of UAV-assisted data collection in post-disaster areas
CN114448537B (zh) 一种通信网络中能量效率和频谱效率的折中方法
CN114173304B (zh) 一种三维无人机通信网络吞吐量和时延的权衡方法

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