CN112887993A - 基于时隙优先级的全双工无人机基站安全能效优化方法 - Google Patents

基于时隙优先级的全双工无人机基站安全能效优化方法 Download PDF

Info

Publication number
CN112887993A
CN112887993A CN202110041459.6A CN202110041459A CN112887993A CN 112887993 A CN112887993 A CN 112887993A CN 202110041459 A CN202110041459 A CN 202110041459A CN 112887993 A CN112887993 A CN 112887993A
Authority
CN
China
Prior art keywords
time slot
aerial vehicle
unmanned aerial
variable
optimization
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
CN202110041459.6A
Other languages
English (en)
Other versions
CN112887993B (zh
Inventor
欧阳键
贾丽燕
林敏�
陈玉婷
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202110041459.6A priority Critical patent/CN112887993B/zh
Publication of CN112887993A publication Critical patent/CN112887993A/zh
Application granted granted Critical
Publication of CN112887993B publication Critical patent/CN112887993B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/14—Two-way operation using the same type of signal, i.e. duplex
    • 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
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
    • H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/06—Airborne or Satellite Networks
    • 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)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了基于时隙优先级的全双工无人机基站安全能效优化方法，所述方法包括：根据全双工无人机基站的通信架构和全双工无人机的运行数据，建立基于时隙优先级的加权安全能效和性能指标；以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先级的加权安全能效和性能指标最大化为优化目标，对各时隙发射功率变量和无人机轨迹变量进行联合优化计算，获得最优的各时隙发射功率变量和无人机轨迹变量。本发明能够获得无人机最优的各时隙的功率变量和轨迹变量，实现全双工无人机基站安全能效最大化。

Description

基于时隙优先级的全双工无人机基站安全能效优化方法
技术领域
本发明涉及基于时隙优先级的全双工无人机基站安全能效优化方法，属于 无人机通信技术领域。
背景技术
作为一种最近兴起的无线通信方式，无人机基站因其功能兼顾性强、可根 据任务需求灵活搭建通信设备、不存在通信盲点、低成本、广覆盖等特点，已 成为一种灵活的、续航可靠的通信基站，特别是作为台风、塌方、地震自然灾 害、极端条件下的应急通信平台。
由于无线通信具有开放和动态特性，导致无线通信网络很容易受到非法用 户的恶意攻击，侦查和监听，对无人机无线通信系统而言，由于无人机与地面 用户之间含有较强的视距链路，更容易受到非法用户的窃听，因此无人机无线 通信安全问题至关重要。除了安全性能，由于无人机的机载能量有限，能效性 也成为无人机通信系统重点研究性能。目前对无人机安全和能耗的研究主要集 中在以网络为中心的全局安全能效和性能指标，未考虑到无人机飞行过程中的 时隙优先级，无法根据权值灵活提升各时隙安全能效性能。
发明内容
本发明的目的在于克服现有技术中的不足，提供基于时隙优先级的全双工 无人机基站安全能效优化方法，能够获得无人机最优的各时隙的功率变量和轨 迹变量，实现全双工无人机基站安全能效最大化。为达到上述目的，本发明是 采用下述技术方案实现的：
第一方面，本发明提供了基于时隙优先级的全双工无人机基站安全能效优 化方法，所述方法包括如下步骤：
根据全双工无人机基站的通信架构和全双工无人机的运行数据，建立基于 时隙优先级的加权安全能效和性能指标；
以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先级的加 权安全能效和性能指标最大化为优化目标，对各时隙发射功率变量和无人机轨 迹变量进行联合优化计算，获得最优的各时隙发射功率变量和无人机轨迹变量。
结合第一方面，进一步地，对无人机各时隙的功率变量和轨迹变量进行联 合优化计算，包括如下步骤：
利用交替迭代法处理约束条件和优化目标，将约束条件和优化目标分解为 各时隙发射功率变量优化的子优化问题和各时隙无人机轨迹变量优化的子优化 问题；
采用连续凸近似方法，将各时隙发射功率变量优化的子优化问题和对各时 隙无人机轨迹变量优化的子优化问题转化为各时隙发射功率变量优化的凸优化 问题和各时隙无人机轨迹变量优化的凸优化问题；
初始化发射功率集P(i)和无人机轨迹集Q(i)，以及辅助变量 {ψ(i)[n],m(i)[n],z(i)[n]}，设置迭代次数i＝0、迭代精确度ε＝10-3；
给定轨迹变量Q(i)，在发射功率变量P(i)和辅助变量ψ(i)[n]的基础上根据各时 隙发射功率变量优化的凸优化问题计算出最优的发射功率变量P(i+1)和辅助变量 ψ(i+1)[n]；
给定发射功率变量P(i+1)，在轨迹变量Q(i)和辅助变量{m(i)[n],z(i)[n]}基础上根据各时隙无人机轨迹变量优化的凸优化问题计算最优的轨迹变量Q(i+1)和辅助变 量{m(i+1)[n],z(i+1)[n]}；
计算各时隙的加权安全能效和性能指标，判断前后两次迭代的指标相差是 否小于迭代精确度ε＝10-3：
若前后两次迭代的指标相差≥迭代精确度ε＝10-3，则迭代次数加1：i＝i+1， 重复计算最优的发射功率变量P(i+1)和最优的轨迹变量Q(i+1)，并计算各时隙的加权 安全能效和性能指标，再次判断前后两次迭代的指标相差是否小于迭代精确度 ε＝10-3，直到前后两次迭代的指标相差＜迭代精确度ε＝10-3；
若前后两次迭代的指标相差＜迭代精确度ε＝10-3，获得最优的各时隙发射功 率变量和无人机轨迹变量；
获得最优的各时隙发射功率变量和无人机轨迹变量的过程，即为基于时隙 优先级的全双工无人机基站安全能效最大化的方案。
结合第一方面，进一步地，建立时隙优先级的加权安全能效和性能指标， 包括：
计算各时隙的加权安全能效和ηWS_SEE：
Figure BDA0002895503780000031
公式(1)中，wn表示各时隙的优先级权重，
Figure BDA0002895503780000032
表示各时隙的安全能 效，
Figure BDA0002895503780000033
表示各时隙的系统安全容量，通过以下公式计算得到：
Figure BDA0002895503780000034
公式(2)中，Ru[n]表示无人机端接收的可达速率，通过以下公式计算得到：
Figure BDA0002895503780000035
公式(2)中，
Figure BDA0002895503780000036
表示窃听端接收的可达速率上界，通过以下公式计算 得到：
Figure BDA0002895503780000041
公式(4)中，K表示窃听用户数，K取非负整数。
公式(3)和公式(4)中，ISI表示全双工无人机发射天线到接收天线的自 干扰，取值为-130dbm，β0表示参考距离为1时的路径损耗，σ2表示噪声功率； α为路径损耗指数，取值为2-6；Ps[n]表示源节点的传输功率，Pu[n]表示无人机 基站节点的传输功率；dsu[n]表示空中节点与源节点之间的距离，
Figure BDA0002895503780000042
表示空 中节点与窃听节点之间的距离，
Figure BDA0002895503780000043
表示源节点与窃听节点之间的距离；
公式(1)中，Ptot[n]表示各时隙全双工无人机的飞行能量消耗，通过以下 公式计算得到：
Figure BDA0002895503780000044
公式(5)中，ΔK表示无人机动能变化，通过以下公式计算得到：
Figure BDA0002895503780000045
公式(5)和公式(6)中，v[n]表示无人机最终时隙的飞行速度，v[1]表示 无人机初始时隙的飞行速度，a[n]表示无人机的飞行加速度，g为重力加速度， m表示无人机的质量，包括无人机的所有有效载荷，c1、c2为与无人机机翼面 积、空气密度、无人机重量相关的常数参数；
使用各时隙的加权安全能效和ηWS_SEE表示基于时隙优先级的加权安全能效 和性能指标。
结合第一方面，进一步地，以各时隙发射功率和无人机飞行轨迹为约束条 件，以基于时隙优先级的加权安全能效和性能指标最大化为优化目标，通过以 下公式表示：
Figure BDA0002895503780000051
s.t.||a[n]||2≤amax,n∈N (7b)
vmin≤||v[n]||2≤vmax,n∈N (7c)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (7d)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (7e)
Figure BDA0002895503780000052
Figure BDA0002895503780000053
Figure BDA0002895503780000054
其中，
Figure BDA0002895503780000055
表示系统中各时隙功率的集合，
Figure BDA0002895503780000056
表示系统中各时隙无人机轨迹的集合；Ps[n]表示地面源节 点的发射功率，Pu[n]表示无人机基站节点的发射功率；q[n]表示无人机的飞行 轨迹矢量，v[n]表示无人机的速度矢量，a[n]表示无人机的加速度矢量；
vmin、vmax、amax分别表示无人机最小飞行速度、最大飞行速度和最大飞行加速 度，
Figure BDA0002895503780000057
和
Figure BDA0002895503780000058
分别表示地面源节点和无人机基站节点允许发射的最大 平均功率和最大瞬时功率，且满足
Figure BDA0002895503780000059
δ＝T/N表示每个时隙时 间长度，T为无人机飞行周期，N为时隙个数；q0表示无人机初始飞行轨迹水平 坐标，q[1]和q[N]分别表示无人机初始时隙和最终时隙的水平坐标；
公式(7)中，约束(7d)-(7f)表示固定翼无人机飞行过程中的运动方程。
结合第一方面，进一步地，将约束条件和优化目标分解为对各时隙发射功 率变量优化的子优化问题和各时隙无人机轨迹变量优化的子优化问题，通过以 下公式表示：
其中各时隙发射功率变量优化的子优化问题，通过以下公式表示：
Figure BDA0002895503780000061
Figure BDA0002895503780000062
Figure BDA0002895503780000063
其中，vn＝wn/Ptot[n]；
其中各时隙无人机轨迹变量优化的子优化问题，通过以下公式表示：
Figure BDA0002895503780000064
s.t.||a[n]||2≤amax,n∈N (9b)
vmin≤||v[n]||2≤vmax,n∈N (9c)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (9d)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (9e)
Figure BDA0002895503780000065
结合第一方面，优选地，采用连续凸近似方法，将各时隙发射功率变量优 化的子优化问题转化为各时隙发射功率变量优化的凸优化问题，包括：
Figure BDA0002895503780000066
Figure BDA0002895503780000067
Figure BDA0002895503780000068
Figure BDA0002895503780000069
Figure BDA0002895503780000071
Figure BDA0002895503780000072
其中，
Figure BDA0002895503780000073
且ζ[n]、ψ[n]、μ[n]为辅助变量，ψi[n]、μi[n]为辅助变量第i次迭代的可行解。
结合第一方面，优选地，采用连续凸近似方法，将各时隙无人机轨迹变量 优化的子优化问题转化为各时隙无人机轨迹变量优化的凸优化问题，包括：
Figure BDA0002895503780000074
Figure BDA0002895503780000075
Figure BDA0002895503780000076
Figure BDA0002895503780000077
Figure BDA0002895503780000078
Figure BDA0002895503780000079
cnu[n]+1≥bn,kl[n],n∈N,k∈K (11g)
t2[n]≤vi[n]T(2v[n]-vi[n]),n∈N (11h)
cnu[n]+1≥bn,kl[n],n∈N,k∈K (11i)
s.t.||a[n]||2≤amax,n∈N (11j)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (11k)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (11l)
Figure BDA0002895503780000081
其中，an＝β0Ps[n]/(ISI+σ2)，
Figure RE-GDA0003016956780000082
cn＝β0Pu[n]/σ2，且 z[n]，r[n]，m[n]，l[n]，s[n]，u[n]，t[n]为辅助变量，qi[n]，vi[n]，mi[n]，zi[n]为相 应变量第i次迭代的可行解；H为无人机的固定飞行高度，qs和
Figure RE-GDA0003016956780000083
分别为地面 源节点和地面窃听节点的水平坐标。
第二方面，本发明提供了基于时隙优先级的全双工无人机基站安全能效优 化系统，包括：
预计算模块：用于根据全双工无人机基站的通信架构和全双工无人机的运 行数据，建立基于时隙优先级的加权安全能效和性能指标；
优化计算模块：用于以各时隙发射功率和无人机飞行轨迹为约束条件，以 基于时隙优先级的加权安全能效和性能指标最大化为优化目标，对各时隙发射 功率变量和无人机轨迹变量进行联合优化计算，获得最优的各时隙发射功率变 量和无人机轨迹变量。
第三方面，本发明提供了基于时隙优先级的全双工无人机基站安全能效优 化系统，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程 序，该程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比，本发明实施例所提供的基于时隙优先级的全双工无人机 基站安全能效优化方法所达到的有益效果包括：
本发明利用全双工无人机基站的通信架构和全双工无人机的运行数据，建 立基于时隙优先级的加权安全能效和性能指标，考虑了无人机飞行过程中各时 隙的优先级，能够灵活调整各时隙的性能，能够通过调整各时隙的优先级，获 得与全局安全能效一致的优化结构，能够适应时隙敏感性应急弹性场景，能够 兼顾了无人机基站的安全性和能量消耗；
本发明以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先 级的加权安全能效和性能指标最大化为优化目标，对无人机各时隙的功率变量 和轨迹变量进行联合优化计算，获得最优的各时隙发射功率变量和无人机轨迹 变量，本发明对功率和轨迹进行联合分配，能够平衡了实际应用中无人机通信 系统对安全性和能效性最佳折中问题。
附图说明
图1是本发明实施例一提供的基于时隙优先级的全双工无人机基站安全能 效优化方法的流程图；
图2是本发明实施例一提供的基于时隙优先级的全双工无人机基站安全能 效优化方法的无人机通信系统模型图；
图3是本发明实施例一提供的基于时隙优先级的全双工无人机基站安全能 效优化方法联合优化计算的流程图；
图4是无人机在不同方案下的无人机轨迹以及性能仿真示意图，其中(a) 图为轨迹仿真图，(b)图为性能仿真图；
图5是无人机在不同权值下的无人机轨迹以及性能仿真示意图，其中(a) 图为轨迹仿真图，(b)图为性能仿真图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明 本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
本实施例是采用本发明提供的基于时隙优先级的全双工无人机基站安全能 效优化系统的具体应用场景，以下实施例仅用于更加清楚地说明本发明的技术 方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明提供了基于时隙优先级的全双工无人机基站安全能效 优化方法，包括如下步骤：
根据全双工无人机基站的通信架构和全双工无人机的运行数据，建立基于 时隙优先级的加权安全能效和性能指标；
以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先级的加 权安全能效和性能指标最大化为优化目标，对各时隙发射功率变量和无人机轨 迹变量进行联合优化计算，获得最优的各时隙发射功率变量和无人机轨迹变量。
具体包括如下步骤为：
根据无人机基站与地面用户之间空-地链路无线传输特性以及地面用户之 间链路无线传输特性，分别建立相应链路信道模型，提出基于时隙优先级的加 权安全能效和性能指标，构建以加权安全能效和为优化目标和以功率和轨迹限 制为约束条件的全双工无人机基站联合优化功率和轨迹的优化问题；
通过交替迭代算法将原始优化问题转化为基于功率和轨迹的两个子优化问 题，利用连续凸近似方法分别求解出相应子优化问题的最优功率和轨迹，提出 基于功率和轨迹的联合迭代算法，计算得到原始优化问题的最优功率和最优轨 迹，获得最优的各时隙发射功率变量和无人机轨迹变量的过程，即为基于时隙 优先级的全双工无人机基站安全能效最大化的方案。
如图2所示，本实例的无人机通信系统模型包括一个地面用户、k个窃听用 户、以及一个全双工无人机基站。无人机基站与地面用户均配备单天线。考虑 全双工无人机基站接收地面用户发射的有用信息的同时发射干扰信息。
步骤1：根据空-地无线链路特性以及地面链路特性建立信道模型，计算各 时隙最坏情况下的系统安全容量；根据固定翼无人机推进能量消耗特性建立系 统能量消耗模型；建立基于时隙优先级的加权安全能效和性能指标。
具体地，步骤1所述的空-地无线链路信道模型为：
Figure BDA0002895503780000111
Figure BDA0002895503780000112
其中，gsu[n]表示空中节点与源节点之间的信道增益，
Figure BDA0002895503780000113
表示空中节点 与窃听节点之间的信道增益，
Figure BDA0002895503780000114
表示源节点与窃听节点之间的信道增益； dsu[n]表示空中节点与源节点之间的距离，
Figure BDA0002895503780000115
表示空中节点与窃听节点之间 的距离，
Figure BDA0002895503780000116
表示源节点与窃听节点之间的距离；qi,i∈{s,ek}表示地面用户水平坐 标，q[n],n∈{1,2,...,N}表示无人机的飞行轨迹矢量，H为无人机的固定飞行高度， β0是参考距离为1时的路径损耗。
步骤1中地面链路信道模型为：
Figure BDA0002895503780000117
其中，ξ代表瑞利衰落，其服从均值为一的指数型分布，满足Eξ[ξ]＝1；α是 地面链路路径损耗指数；qs和
Figure BDA0002895503780000118
分别为地面源节点和地面窃听节点的水平坐标。
无人机端接收的可达速率Ru[n]表示为：
Figure BDA0002895503780000121
窃听端接收的可达速率上界
Figure BDA0002895503780000122
表示为：
Figure BDA0002895503780000123
公式(5)中，K表示窃听用户数，K取非负整数。
公式(4)和公式(5)中，ISI表示全双工无人机发射天线到接收天线的自 干扰，取值为-130dbm，β0表示参考距离为1时的路径损耗，σ2表示噪声功率； α为路径损耗指数，取值为2-6；Ps[n]表示源节点的传输功率，Pu[n]表示无人机 基站节点的传输功率；dsu[n]表示空中节点与源节点之间的距离，
Figure BDA0002895503780000124
表示空 中节点与窃听节点之间的距离，
Figure BDA0002895503780000125
表示源节点与窃听节点之间的距离。
根据PLS的定义，各时隙的最坏情况下的系统安全容量
Figure BDA0002895503780000126
表示为：
Figure BDA0002895503780000127
步骤1中固定翼无人机基站的推进功率消耗，即各时隙全双工无人机的飞 行能量消耗Ptot[n]为：
Figure BDA0002895503780000128
公式(7)中，ΔK表示无人机动能变化，通过以下公式计算得到：
Figure BDA0002895503780000129
公式(7)和公式(8)中，v[n]表示无人机最终时隙的飞行速度，v[1]表示 无人机初始时隙的飞行速度，a[n]表示无人机的飞行加速度，g为重力加速度， m表示无人机的质量，包括无人机的所有有效载荷,c1、c2为与无人机机翼面积、 空气密度、无人机重量相关的常数参数。
计算各时隙的加权安全能效和ηWS_SEE：
Figure BDA0002895503780000131
公式(9)中，wn表示各时隙的优先级权重，
Figure BDA0002895503780000132
表示各时隙的安全能 效。
建立基于时隙优先级的加权安全能效和性能指标，采用各时隙的加权安全 能效和ηWS_SEE表示。
步骤2：构建以基于时隙优先级的加权安全能效和性能指标最大化为优化目 标，以各时隙发射功率和无人机飞行轨迹为约束条件的全双工无人机基站轨迹 和功率联合优化问题。
步骤2中所述的联合优化问题，通过以下公式表示：
Figure BDA0002895503780000133
s.t.||a[n]||2≤amax,n∈N (10b)
vmin≤||v[n]||2≤vmax,n∈N (10c)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (10d)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (10e)
Figure BDA0002895503780000134
Figure BDA0002895503780000135
Figure BDA0002895503780000136
其中，
Figure BDA0002895503780000137
表示系统中各时隙功率的集合，
Figure BDA0002895503780000141
表示系统中各时隙无人机轨迹的集合；Ps[n]表示地面源节 点的发射功率，Pu[n]表示无人机基站节点的发射功率；q[n]表示无人机的飞行 轨迹矢量，v[n]表示无人机的速度矢量，a[n]表示无人机的加速度矢量；
vmin、vmax、amax分别表示无人机最小飞行速度、最大飞行速度和最大飞行加速 度，
Figure BDA0002895503780000142
和
Figure BDA0002895503780000143
分别表示地面源节点和无人机基站节点允许发射的最大 平均功率和最大瞬时功率，且满足
Figure BDA0002895503780000144
δ＝T/N表示每个时隙时 间长度，T为无人机飞行周期，N为时隙个数；q0表示无人机初始飞行轨迹水平 坐标，q[1]和q[N]分别表示无人机初始时隙和最终时隙的水平坐标。
公式(10)中，约束(10d)-(10f)表示固定翼无人机飞行过程中的运动 方程。
步骤3：基于交替迭代算法，考虑存在变量耦合，将联合优化问题分解为各 时隙发射功率变量优化的子优化问题和各时隙无人机轨迹变量优化的子优化问 题。
步骤3中各时隙发射功率变量优化的子优化问题，通过以下公式表示：
Figure BDA0002895503780000145
Figure BDA0002895503780000146
Figure BDA0002895503780000147
其中，vn＝wn/Ptot[n]。
步骤3中各时隙无人机轨迹变量优化的子优化问题，通过以下公式表示：
Figure BDA0002895503780000148
s.t.||a[n]||2≤amax,n∈N (12b)
vmin≤||v[n]||2≤vmax,n∈N (12c)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (12d)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (12e)
Figure BDA0002895503780000151
步骤4：采用连续凸近似法分别将两个子优化问题的非凸形式转化为凸形 式。
步骤4中采用连续凸近似方法，将各时隙发射功率变量优化的子优化问题 转化为各时隙发射功率变量优化的凸优化问题，包括：
Figure BDA0002895503780000152
Figure BDA0002895503780000153
Figure BDA0002895503780000154
Figure BDA0002895503780000155
Figure BDA0002895503780000156
Figure BDA0002895503780000157
其中，为了简化计算过程，令
Figure BDA0002895503780000158
Figure BDA0002895503780000159
且ζ[n]、ψ[n]、μ[n]为辅助变量，ψi[n]、μi[n]为辅助变量第i 次迭代的可行解。
步骤4中采用连续凸近似方法，将各时隙无人机轨迹变量优化的子优化问 题转化为各时隙无人机轨迹变量优化的凸优化问题，包括：
Figure BDA0002895503780000161
Figure BDA0002895503780000162
Figure BDA0002895503780000163
Figure BDA0002895503780000164
Figure BDA0002895503780000165
Figure BDA0002895503780000166
cnu[n]+1≥bn,kl[n],n∈N,k∈K (14g)
t2[n]≤vi[n]T(2v[n]-vi[n]),n∈N (14h)
cnu[n]+1≥bn,kl[n],n∈N,k∈K (14i)
s.t.||a[n]||2≤amax,n∈N (14j)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (14k)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (14l)
Figure BDA0002895503780000167
其中，为了简化计算过程，令an＝β0Ps[n]/(ISI+σ2)、
Figure BDA0002895503780000168
cn＝β0Pu[n]/σ2，且z[n]，r[n]，m[n]，l[n]，s[n]，u[n]，t[n]为辅助变量， qi[n]，vi[n]，mi[n]，zi[n]为辅助变量第i次迭代的可行解，H为无人机的固定飞 行高度，qs和
Figure BDA0002895503780000169
分别为地面源节点和地面窃听节点的水平坐标。
步骤5：基于交替迭代法设计基于轨迹优化和功率优化的联合迭代算法，计 算获得最优的各时隙发射功率变量和无人机轨迹变量。
如图3所示，联合优化计算的流程如下：
步骤5-1：初始化发射功率集P(i)和无人机轨迹集Q(i)，以及辅助变量 {ψ(i)[n],m(i)[n],z(i)[n]}，设置迭代次数i＝0、迭代精确度ε＝10-3。
步骤5-2：给定轨迹变量Q(i)，在发射功率变量P(i)和辅助变量ψ(i)[n]的基础 上根据各时隙发射功率的凸优化问题计算出最优的发射功率变量P(i+1)和辅助变 量ψ(i+1)[n]。
步骤5-3：给定发射功率变量P(i+1)，在轨迹变量Q(i)和辅助变量{m(i)[n],z(i)[n]}基础上根据各时隙无人机轨迹的凸优化问题计算最优的轨迹变量Q(i+1)和辅助变 量{m(i+1)[n],z(i+1)[n]}。
步骤5-4：计算各时隙的加权安全能效和性能指标，判断前后两次迭代的指 标相差是否小于迭代精确度ε＝10-3：
若前后两次迭代的指标相差≥迭代精确度ε＝10-3，则迭代次数加1：i＝i+1， 重复计算最优的发射功率变量P(i+1)和最优的轨迹变量Q(i+1)，并计算各时隙的加权 安全能效和性能指标，再次判断前后两次迭代的指标相差是否小于迭代精确度 ε＝10-3，直到前后两次迭代的指标相差＜迭代精确度ε＝10-3；
若前后两次迭代的指标相差＜迭代精确度ε＝10-3，获得最优的各时隙发射功 率变量和无人机轨迹变量。
步骤6：将获得最优的各时隙发射功率变量和无人机轨迹变量的过程，作为 基于时隙优先级的全双工无人机基站安全能效最大化的方案。
图4为无人机在加权安全能效和与其对比方案加权安全和以及加权能效和 三种方案下的无人机轨迹和性能仿真示意图，其中(a)图为轨迹仿真图，(b) 图为系统安全能效性能图。结合图(a)与图(b)可看到加权安全和(SRM) 方案会首先飞到两个窃听用户中间且尽可能靠近源端的位置，然后在该位置盘 旋尽可能长的时间，最终以最大速度飞到终点，这是因为该位置能够更好的平 衡无人机干扰窃听用户的窃听与接收源端信息之间的关系，可获得较好的安全 性能，但长时间的盘旋会显著增加飞行功耗。相较于SRM，SEEM方案的转弯 半径更大，消耗的飞行功耗更小，可更好的实现了了安全容量与飞行功耗的平 衡。而EEM方案尽管可获得更好的能效性，但未考虑系统安全性，其安全能效 性显著小于本专利提出的SEEM方案。
图5为无人机在不同权值下的无人机轨迹以及性能仿真示意图，其中(a) 图为轨迹仿真图，(b)图为系统安全能效性能图图。从图(a)可以看到通过提 升时隙优先级，无人机在时隙23到27时更靠近源端飞行，且在图(b)中对应 时隙的安全能效性得到了显著的增加，进而提升特定时隙的安全能效性。
实施例二：
本发明实施例提供本发明提供了基于时隙优先级的全双工无人机基站安全 能效优化系统，包括：
预计算模块：用于根据全双工无人机基站的通信架构和全双工无人机的运 行数据，建立基于时隙优先级的加权安全能效和性能指标；
优化计算模块：用于以各时隙发射功率和无人机飞行轨迹为约束条件，以 基于时隙优先级的加权安全能效和性能指标最大化为优化目标，对各时隙发射 功率变量和无人机轨迹变量进行联合优化计算，获得最优的各时隙发射功率变 量和无人机轨迹变量。
实施例三：
本发明实施例提供本发明提供了基于时隙优先级的全双工无人机基站安全 能效优化系统，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
实施例四：
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序， 该程序被处理器执行时实现实施例一所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计 算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/ 或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或 方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式 处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机 或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流 程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通 技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变 形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，所述方法包括如下步骤：
根据全双工无人机基站的通信架构和全双工无人机的运行数据，建立基于时隙优先级的加权安全能效和性能指标；
以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先级的加权安全能效和性能指标最大化为优化目标，对各时隙发射功率变量和无人机轨迹变量进行联合优化计算，获得最优的各时隙发射功率变量和无人机轨迹变量。
2.根据权利要求1所述的基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，对各时隙发射功率变量和无人机轨迹变量进行联合优化计算，包括如下步骤：
利用交替迭代法处理约束条件和优化目标，将约束条件和优化目标分解为各时隙发射功率变量优化的子优化问题和各时隙无人机轨迹变量优化的子优化问题；
采用连续凸近似方法，将各时隙发射功率变量优化的子优化问题和各时隙无人机轨迹变量优化的子优化问题转化为各时隙发射功率变量优化的凸优化问题和各时隙无人机轨迹变量优化的凸优化问题；
初始化发射功率集P(i)和无人机轨迹集Q(i)，以及辅助变量{ψ(i)[n],m(i)[n],z(i)[n]}，设置迭代次数i＝0、迭代精确度ε＝10-3；
给定轨迹变量Q(i)，在发射功率变量P(i)和辅助变量ψ(i)[n]的基础上根据各时隙发射功率变量优化的凸优化问题计算出最优的发射功率变量P(i+1)和辅助变量ψ(i+1)[n]；
给定发射功率变量P(i+1)，在轨迹变量Q(i)和辅助变量{m(i)[n],z(i)[n]}基础上根据各时隙无人机轨迹变量优化的凸优化问题计算最优的轨迹变量Q(i+1)和辅助变量{m(i+1)[n],z(i +1)[n]}；
计算各时隙的加权安全能效和性能指标，判断前后两次迭代的指标相差是否小于迭代精确度ε＝10-3：
若前后两次迭代的指标相差≥迭代精确度ε＝10-3，则迭代次数加1：i＝i+1，重复计算最优的发射功率变量P(i+1)和最优的轨迹变量Q(i+1)，并计算各时隙的加权安全能效和性能指标，再次判断前后两次迭代的指标相差是否小于迭代精确度ε＝10-3，直到前后两次迭代的指标相差＜迭代精确度ε＝10-3；
若前后两次迭代的指标相差＜迭代精确度ε＝10-3，获得最优的各时隙发射功率变量和无人机轨迹变量；
获得最优的各时隙发射功率变量和无人机轨迹变量的过程，即为基于时隙优先级的全双工无人机基站安全能效最大化的方案。
3.根据权利要求2所述的基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，建立基于时隙优先级的加权安全能效和性能指标，包括：
计算各时隙的加权安全能效和ηWS_SEE：
Figure FDA0002895503770000021
公式(1)中，wn表示各时隙的优先级权重，
Figure FDA0002895503770000022
表示各时隙的安全能效，
Figure FDA0002895503770000023
表示各时隙的系统安全容量，通过以下公式计算得到：
Figure FDA0002895503770000024
公式(2)中，Ru[n]表示无人机端接收的可达速率，通过以下公式计算得到：
Figure FDA0002895503770000025
公式(2)中，
Figure FDA0002895503770000031
表示窃听端接收的可达速率上界，通过以下公式计算得到：
Figure FDA0002895503770000032
公式(4)中，K表示窃听用户数，K取非负整数；
公式(3)和公式(4)中，ISI表示全双工无人机发射天线到接收天线的自干扰，取值为-130dbm，β0表示参考距离为1时的路径损耗，σ2表示噪声功率；α为路径损耗指数，取值为2-6；Ps[n]表示源节点的传输功率，Pu[n]表示无人机基站节点的传输功率；dsu[n]表示空中节点与源节点之间的距离，
Figure FDA0002895503770000033
表示空中节点与窃听节点之间的距离，
Figure FDA0002895503770000034
表示源节点与窃听节点之间的距离；
公式(1)中，Ptot[n]表示各时隙全双工无人机的飞行能量消耗，通过以下公式计算得到：
Figure FDA0002895503770000035
公式(5)中，ΔK表示无人机动能变化，通过以下公式计算得到：
Figure FDA0002895503770000036
公式(5)和公式(6)中，v[n]表示无人机最终时隙的飞行速度，v[1]表示无人机初始时隙的飞行速度，a[n]表示无人机的飞行加速度，g为重力加速度，m表示无人机的质量，包括无人机的所有有效载荷，c1、c2为与无人机机翼面积、空气密度、无人机重量相关的常数参数；
使用各时隙的加权安全能效和ηWS_SEE表示基于时隙优先级的加权安全能效和性能指标。
4.根据权利要求3所述的基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先级的加权安全能效和性能指标最大化为优化目标，通过以下公式表示：
Figure FDA0002895503770000041
s.t.||a[n]||2≤amax,n∈N (7b)
vmin≤||v[n]||2≤vmax,n∈N (7c)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (7d)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (7e)
Figure FDA0002895503770000042
Figure FDA0002895503770000043
Figure FDA0002895503770000044
其中，
Figure FDA0002895503770000045
表示系统中各时隙功率的集合，
Figure FDA0002895503770000046
表示系统中各时隙无人机轨迹的集合；Ps[n]表示地面源节点的发射功率，Pu[n]表示无人机基站节点的发射功率；q[n]表示无人机的飞行轨迹矢量，v[n]表示无人机的速度矢量，a[n]表示无人机的加速度矢量；
vmin、vmax、amax分别表示无人机最小飞行速度、最大飞行速度和最大飞行加速度，
Figure FDA0002895503770000047
和
Figure FDA0002895503770000048
分别表示地面源节点和无人机基站节点允许发射的最大平均功率和最大瞬时功率，且满足
Figure FDA0002895503770000049
δ＝T/N表示每个时隙时间长度，T为无人机飞行周期，N为时隙个数；q0表示无人机初始飞行轨迹水平坐标，q[1]和q[N]分别表示无人机初始时隙和最终时隙的水平坐标；
公式(7)中，约束(7d)-(7f)表示固定翼无人机飞行过程中的运动方程。
5.根据权利要求4所述的基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，将约束条件和优化目标分解为各时隙发射功率变量优化的子优化问题和各时隙无人机轨迹变量优化的子优化问题，通过以下公式表示：
其中各时隙发射功率变量优化的子优化问题，通过以下公式表示：
Figure FDA0002895503770000051
Figure FDA0002895503770000052
Figure FDA0002895503770000053
其中，vn＝wn/Ptot[n]；
其中各时隙无人机轨迹变量优化的子优化问题，通过以下公式表示：
Figure FDA0002895503770000054
s.t.||a[n]||2≤amax,n∈N (9b)
vmin≤||v[n]||2≤vmax,n∈N (9c)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (9d)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (9e)
Figure FDA0002895503770000055
6.根据权利要求5所述的基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，采用连续凸近似方法，将各时隙发射功率变量优化的子优化问题转化为各时隙发射功率变量优化的凸优化问题，包括：
Figure FDA0002895503770000056
Figure FDA0002895503770000057
Figure FDA0002895503770000061
Figure FDA0002895503770000062
Figure FDA0002895503770000063
Figure FDA0002895503770000064
其中，
Figure FDA0002895503770000065
且ζ[n]、ψ[n]、μ[n]为辅助变量，ψi[n]、μi[n]为辅助变量第i次迭代的可行解。
7.根据权利要求5所述的基于时隙优先级的全双工无人机基站安全能效优化方法，其特征在于，采用连续凸近似方法，将各时隙无人机轨迹变量优化的子优化问题转化为各时隙无人机轨迹变量优化的凸优化问题，包括：
Figure FDA0002895503770000066
Figure FDA0002895503770000067
Figure FDA0002895503770000068
Figure FDA0002895503770000069
Figure FDA00028955037700000610
Figure FDA00028955037700000611
cnu[n]+1≥bn,kl[n],n∈N,k∈K (11g)
t2[n]≤vi[n]T(2v[n]-vi[n]),n∈N (11h)
cnu[n]+1≥bn,kl[n],n∈N,k∈K (11i)
s.t.||a[n]||2≤amax,n∈N (11j)
q[1]＝q0,q[N]＝q0,v[1]＝v[N] (11k)
v[n+1]＝v[n]+a[n]δ,n∈{1,2,...,N-1} (11l)
Figure FDA0002895503770000071
其中，an＝β0Ps[n]/(ISI+σ2)，
Figure 372326DEST_PATH_FDA0003016956770000072
cn＝β0Pu[n]/σ2，且z[n]、r[n]、m[n]、l[n]、s[n]、u[n]、t[n]为辅助变量，qi[n]、vi[n]、mi[n]、zi[n]为辅助变量第i次迭代的可行解，H为无人机的固定飞行高度，qs和
Figure FDA0002895503770000073
分别为地面源节点和地面窃听节点的水平坐标。
8.基于时隙优先级的全双工无人机基站安全能效优化系统，其特征在于，包括：
预计算模块：用于根据全双工无人机基站的通信架构和全双工无人机的运行数据，建立基于时隙优先级的加权安全能效和性能指标；
优化计算模块：用于以各时隙发射功率和无人机飞行轨迹为约束条件，以基于时隙优先级的加权安全能效和性能指标最大化为优化目标，对各时隙发射功率变量和无人机轨迹变量进行联合优化计算，获得最优的各时隙发射功率变量和无人机轨迹变量。
9.基于时隙优先级的全双工无人机基站安全能效优化系统，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行权利要求1～7任一项所述方法的步骤。
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
CN202110041459.6A 2021-01-13 2021-01-13 基于时隙优先级的全双工无人机基站安全能效优化方法 Active CN112887993B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110041459.6A CN112887993B (zh) 2021-01-13 2021-01-13 基于时隙优先级的全双工无人机基站安全能效优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110041459.6A CN112887993B (zh) 2021-01-13 2021-01-13 基于时隙优先级的全双工无人机基站安全能效优化方法

Publications (2)

Publication Number Publication Date
CN112887993A true CN112887993A (zh) 2021-06-01
CN112887993B CN112887993B (zh) 2023-06-23

Family

ID=76045245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110041459.6A Active CN112887993B (zh) 2021-01-13 2021-01-13 基于时隙优先级的全双工无人机基站安全能效优化方法

Country Status (1)

Country Link
CN (1) CN112887993B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
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
CN114070379A (zh) * 2021-10-28 2022-02-18 南京邮电大学 基于安全能效公平性的无人机航迹优化与资源分配方法
CN114268355A (zh) * 2021-11-16 2022-04-01 南京邮电大学 一种面向全双工无人机通信基站的低能耗鲁棒安全优化方法及系统
CN115237154A (zh) * 2022-06-30 2022-10-25 中国人民解放军国防科技大学 用于控制无人机的方法、设备及可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109831797A (zh) * 2019-03-11 2019-05-31 南京邮电大学 一种推动功率受限的无人机基站带宽和轨迹联合优化方法
CN112055310A (zh) * 2020-07-30 2020-12-08 中国科学院上海微系统与信息技术研究所 无人机cr-noma网络中轨迹设计和功率分配方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109831797A (zh) * 2019-03-11 2019-05-31 南京邮电大学 一种推动功率受限的无人机基站带宽和轨迹联合优化方法
CN112055310A (zh) * 2020-07-30 2020-12-08 中国科学院上海微系统与信息技术研究所 无人机cr-noma网络中轨迹设计和功率分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BIN DUO, ETC.: "Energy efficiency maximization for full-duplex UAV secrecy Communication", 《ARXIV》 *

Cited By (6)

* Cited by examiner, † Cited by third party
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
CN114070379A (zh) * 2021-10-28 2022-02-18 南京邮电大学 基于安全能效公平性的无人机航迹优化与资源分配方法
CN114070379B (zh) * 2021-10-28 2023-08-15 南京邮电大学 基于安全能效公平性的无人机航迹优化与资源分配方法
CN114268355A (zh) * 2021-11-16 2022-04-01 南京邮电大学 一种面向全双工无人机通信基站的低能耗鲁棒安全优化方法及系统
CN114268355B (zh) * 2021-11-16 2023-07-28 南京邮电大学 一种面向全双工无人机通信基站的低能耗鲁棒安全优化方法及系统
CN115237154A (zh) * 2022-06-30 2022-10-25 中国人民解放军国防科技大学 用于控制无人机的方法、设备及可读存储介质

Also Published As

Publication number Publication date
CN112887993B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN112887993B (zh) 基于时隙优先级的全双工无人机基站安全能效优化方法
Sun et al. Optimal 3D-trajectory design and resource allocation for solar-powered UAV communication systems
CN110730031B (zh) 一种用于多载波通信的无人机轨迹与资源分配联合优化方法
CN109831797B (zh) 一种推动功率受限的无人机基站带宽和轨迹联合优化方法
CN108848465B (zh) 一种面向数据分发的无人机飞行轨迹与资源调度联合优化方法
CN110138443B (zh) 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
Chen et al. Resonant beam charging-powered UAV-assisted sensing data collection
CN113490176B (zh) 一种基于三维轨迹功率优化的无人机通信抗干扰方法
CN112468205B (zh) 一种适用于无人机的反向散射安全通信方法
Xu et al. Energy‐Efficient UAV Communication with Multiple GTs Based on Trajectory Optimization
CN113255218B (zh) 无线自供电通信网络的无人机自主导航及资源调度方法
CN111953397B (zh) 一种面向自由信道的全双工无人机中继通信方法
CN114070379B (zh) 基于安全能效公平性的无人机航迹优化与资源分配方法
Bejaoui et al. A QoS-oriented trajectory optimization in swarming unmanned-aerial-vehicles communications
Xiong et al. Three-dimensional trajectory design for unmanned aerial vehicle-based secure and energy-efficient data collection
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
Cui et al. Joint trajectory and power optimization for energy efficient UAV communication using deep reinforcement learning
CN115802494A (zh) 无人机隐蔽通信系统航迹优化与通信资源分配方法及系统
CN116113025A (zh) 一种无人机协能通信网络中轨迹设计和功率分配方法
CN117058929A (zh) 一种基于ddpg的空中安全数据采集及资源分配方法
Shabanighazikelayeh et al. Optimal UAV deployment for rate maximization in IoT networks
CN116095699A (zh) 利用双边缘计算的高安全卸载方法、系统、终端及其介质
CN115052306A (zh) 一种面向6g网络的无人区实时监测能效提升方法
CN114980157A (zh) 无人机中继网络中基于联邦学习的轨迹优化方法及装置
Kumar et al. Secured and Energy Efficient Wireless System using Reconfigurable Intelligent Surface and PSO Algorithm

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