CN113115217A - 基于最优传输理论的灾后uav辅助通信区域划分方法及系统 - Google Patents

基于最优传输理论的灾后uav辅助通信区域划分方法及系统 Download PDF

Info

Publication number
CN113115217A
CN113115217A CN202110224906.1A CN202110224906A CN113115217A CN 113115217 A CN113115217 A CN 113115217A CN 202110224906 A CN202110224906 A CN 202110224906A CN 113115217 A CN113115217 A CN 113115217A
Authority
CN
China
Prior art keywords
uav
communication
transmission
ground
disaster
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
CN202110224906.1A
Other languages
English (en)
Other versions
CN113115217B (zh
Inventor
田杰
王娣
纪秀朝
陆佃杰
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.)
Shandong Normal University
Original Assignee
Shandong Normal 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 Shandong Normal University filed Critical Shandong Normal University
Priority to CN202110224906.1A priority Critical patent/CN113115217B/zh
Publication of CN113115217A publication Critical patent/CN113115217A/zh
Application granted granted Critical
Publication of CN113115217B publication Critical patent/CN113115217B/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
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
    • 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
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • 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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
    • 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)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Emergency Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开一种基于最优传输理论的灾后UAV辅助通信区域划分方法及系统，包括：在灾后UAV通信网络模型中，根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽；根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。合理规划UAV与地面用户之间的连接，解决UAV机载能量有限的问题，避免产生过负载区域，实现各区域内的负载均衡，保证UAV总能量效率的最大化。

Description

基于最优传输理论的灾后UAV辅助通信区域划分方法及系统
技术领域
本发明涉及无线通信技术领域，特别是涉及一种基于最优传输理论的灾后UAV辅助通信区域划分方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
自然灾害的发生往往会对受灾地区造成巨大的经济损失，同时会造成地面通信设施(例如地面基站)的损坏，这不仅为救援任务等紧急事件的实施带来严峻的挑战，也为灾后地区人民的生活带来很大的不便；并且地面通信设施往往结构复杂，构建耗时，很难在短时间内恢复，所以灾后的应急网络的构建成为了不可避免的难题。
现如今无人机(Unmanned Aerial Vehicle,UAV)开始广泛应用于民事领域，并且日益成为无线通信领域的强大的新型通信设备，开始在各种无线通信网络中承担不同的角色，例如空中基站，空中中继节点等；同时UAV具有高度的灵活性以及可移动性，使其在无线通信中相比于原始的地面通信设施，能够实现快速部署以及灵活移动，UAV的这些特点为其在受灾地区构建临时通信网络提供了可能，于是可以考虑在受灾地区部署多个UAV作为空中基站，代替地面受损基站来提供临时的无线覆盖。
虽然UAV能够实现临时的网络覆盖，但是现有的UAV由于体积以及重量等因素的限制，使得其机载电池电量有限，造成UAV有限的机载能量不能持久的为用户提供服务的困境，为了能够更有效更持久的服务地面用户，需要合理的进行各个UAV服务区域的划分来实现各个划分区域之间的负载均衡，从而来实现此应急无线网络中UAV能量效率的最大化。
发明内容
为了解决上述问题，本发明提出了一种基于最优传输理论的灾后UAV辅助通信区域划分方法及系统，通过部署多个UAV实现灾后地区应急无线通信网络的构建，通过最优传输理论实现UAV辅助通信区域的划分，合理规划UAV与地面用户之间的连接，解决UAV机载能量有限的问题，避免产生过负载区域，实现各区域内的负载均衡，保证UAV总能量效率的最大化。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种基于最优传输理论的灾后UAV辅助通信区域划分方法，包括：
在灾后UAV通信网络模型中，根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽；
根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；
以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。
第二方面，本发明提供一种基于最优传输理论的灾后UAV辅助通信区域划分系统，包括：
下行链路构建模块，被配置为在灾后UAV通信网络模型中，根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽；
能效计算模块，被配置为根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；
优化模块，被配置为以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明提出一种灾后能量有效的灾后UAV通信网络模型，通过部署UAV辅助通信区域，为灾后地区实现临时应急的网络覆盖。
本发明的灾后UAV通信网络模型在考虑UAV功率消耗时，不仅考虑发射功率，而且考虑UAV悬停功率，以保证实现所有UAV总能量效率的最大化。
本发明利用最优传输理论解决UAV服务地面用户区域划分的问题，并且考虑到UAV机载能量有限的问题，以此在实现UAV总能效最大化的同时，实现各个UAV服务区域之间的负载均衡，合理的规划UAV与用户之间的连接，避免产生过负载区域，能够更加有效的利用UAV有限的能量，从而更加持久的为地面用户服务。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的灾后UAV辅助通信区域划分方法流程图；
图2为本发明实施例1提供的灾后UAV无线网络的模型图；
图3为本发明实施例1提供的基于最优传输理论的UAV服务区域划分流程图；
图4为本发明实施例1提供的采用最优传输理论得到的UAV服务区域划分效果图；
图5为本发明实施例1提供的采用最大信噪比标准得到的UAV服务区域划分效果图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种灾后地区能量有效的UAV辅助通信区域划分方法，包括以下步骤：
S1：构建灾后UAV应急无线通信网络模型；
S2：对灾后UAV应急无线通信网络模型建模分析，考虑UAV向地面用户传输数据的下行链路，即根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽，构建下行链路通信模型；
S3：根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；
S4：以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。
在所述步骤S1中，本实施例构建的包含多个地面用户与多个UAV的灾后UAV应急无线通信网络模型，如图2所示；由于灾后地区D的所有地面基站受损，无法提供通信服务，给灾后的救援任务造成了很大的阻碍，为了灾后地区通信的快速恢复，本实施例考虑部署
Figure BDA0002956878020000066
个UAV悬停在固定位置作为空中基站来代替地面基站提供无线覆盖服务。
其中，UAV集合表示为
Figure BDA0002956878020000061
并且UAV的固定位置集合为
Figure BDA0002956878020000062
其中sk＝(xk，yk，hk)表示UAVf的三维坐标；地面用户集合表示为
Figure BDA0002956878020000063
为了能够更有效的部署UAV，用户位置服从一般的函数分布f(x，y)。
考虑每个UAV负责某一区域中地面用户的服务，并且各个UAV服务区域之间不会产生交叉，所以将UAV服务区域划分问题等价于将地区D划分为互不相交的K部分。
在所述步骤S2中，本实施例考虑了该网络中UAV向地面用户传输数据的下行链路，为了实现有效通信，各个通信链路的通信频段分配如下：
S2-1：在总带宽为B的通信频带中，多个UAV之间平分该通信频带，即每个UAV占据的通信带宽比例为
Figure BDA0002956878020000067
占据的通信带宽为
Figure BDA0002956878020000068
S2-2：每个UAV与其相对应的服务区域内的所有地面用户之间的通信采用正交频分多址(OFDMA)技术，即，UAV k所覆盖的区域内的用户i与UAV k之间的通信带宽表示为
Figure BDA0002956878020000064
其中
Figure BDA0002956878020000065
表示在UAV k覆盖区域Dk内的用户数量。
在所述步骤S3中，由于UAV与用户之间的空地通信链路由LoS连接主导，但是由于部分原因也会出现NLoS连接，所以为了更好的模拟实际的空地通信信道模型，本实施例采用概率LoS通信模型；
则，UAV k和位于(x，y)处的用户i之间的路径损耗为：
Figure BDA0002956878020000071
其中，fc为发送信号的载波频率，d0为自由空间损耗模型的参考距离，一般取值为1米，c为光速，μLoS和μN LoS分别为由LoS连接和NLoS连接造成的相对于自由空间损耗的额外损耗，
Figure BDA0002956878020000072
为UAV k和任意位于(x，y)处的用户i之间的距离。
对于UAV-用户链路，建立LoS连接的概率为：
Figure BDA0002956878020000073
其中，
Figure BDA0002956878020000074
为UAV k和任意位于(x，y)处的用户i之间的仰角，参数α，β是常数，用来描述通信环境；
那么，与此相对应的该链路建立NLoS连接的概率为PN LoS＝1-PLoS。
为了简化下行链路通信模型，令
Figure BDA0002956878020000075
d0＝1，所以UAV k和任意位于(x，y)处的用户i之间的平均路径损耗为：
Figure BDA0002956878020000076
进而，UAVk和任意位于(x，y)处的用户i之间的通信信噪比SNR为：
Figure BDA0002956878020000077
其中，Pk为UAV k的发射功率，σ2为该通信链路的噪声功率；
由此，UAV k和任意位于(x，y)处的用户i之间的数据传输速率为：
Figure BDA0002956878020000078
综上，根据UAV k和任意位于(x，y)处的用户i之间的路径损耗和通信信噪比等可以得到UAV与地面用户之间的数据传输速率。
另外，由于UAV悬停在固定位置时，UAV保持其自身的悬停状态也需要消耗一定的功率，根据已有的研究可以得知，保持UAV悬停在空中的最小功率为：
Figure BDA0002956878020000081
其中，F＝(mbody+mbatt)g+Fdrag为UAV克服自身重力、机载电池的重力以及总拉力的所需要的推力，并且mbody，mbatt分别为UAV自身机身的重量和机载电池的重量，g为重力加速度，Fdrag为UAV悬停时受到的方向向下的总拉力，η为UAV的功率效率，q为UAV的转子的数量，r为UAV转子的直径，ρ为空气密度。
综合考虑UAV的发射功率和悬停功率，可以得到UAV在服务其相对应区域的地面用户时所需要的总功率为二者之和，即Pk，i(x，y)＝Pk+Pmin，hover；
UAV能量效率定义为传输单位数据量所需要的功耗，则UAV k的能量效率为：
Figure BDA0002956878020000082
在所述步骤S4中，为了使UAV能够更持久的服务地面用户，本实施例通过优化UAV服务区域的划分Dk来最大化所有UAV总能效，即以最大化所有UAV总能效为目标函数：
Figure BDA0002956878020000083
该优化问题可以建模为：
Figure BDA0002956878020000084
Figure BDA0002956878020000085
Figure BDA0002956878020000086
其中，约束C1和约束C2表示在进行UAV与用户之间的服务区域划分时，应当满足的各个UAV的服务区域不重叠，并且各UAV服务区域并集为整个区域
Figure BDA0002956878020000091
的约束。
在所述步骤S4中，本实施例利用最优传输理论求解目标函数，优化UAV服务区域的划分；
具体地，将上述原始问题转化为标准优化问题的形式，即：
Figure BDA0002956878020000092
Figure BDA0002956878020000093
Figure BDA0002956878020000094
利用最优传输理论，将上述问题建模为半离散最优传输问题，即：地面用户具有连续分布f(x，y)，而UAV的位置可以看作是离散的点，具有离散的分布；又因为UAV服务区域的最优划分可以通过用户向UAV映射得到，则区域划分的传输映射为：
Figure BDA0002956878020000095
其中，
Figure BDA0002956878020000096
是与UAV发射功率直接相关的因数，
Figure BDA0002956878020000097
表示用户所在区域的指示函数，当坐标是υ＝(x，y)的用户位于UAV k的服务区域Dk内时，即如果
Figure BDA0002956878020000098
否则
Figure BDA0002956878020000099
因此，传输映射函数
Figure BDA00029568780200000910
表示：若点υ＝(x，y)在区域Dk内，其映射的点为对应的UAV的坐标sk。
因此上述问题可以描述为如下的最优传输框架的问题：给定一个关于用户的连续概率测度f和一个对应于UAV的离散的概率测度
Figure BDA00029568780200000911
求解一个能够使
Figure BDA00029568780200000912
最小的最优传输映射，在该问题中，
Figure BDA00029568780200000913
为狄拉克函数，J为传输成本函数，并且
Figure BDA00029568780200000914
可以清楚的得知，传输成本函数J和用户分布函数f均是连续的，所以Monge问题与Monge-Kantorovich问题可以看作是等价的，进而利用Monge-Kantorovich问题的对偶问题形式得到优化问题的解。
定理1：上述优化问题可以等价为如下无约束最大化问题：
Figure BDA0002956878020000101
其中，ΨT是变量ψk，
Figure BDA0002956878020000102
的矩阵，而
Figure BDA0002956878020000103
在证明定理1之前先引入对于Kantorovich对偶定理的叙述：给定具有X上的概率测度f1、Y上的概率测度f2以及任意半连续成本函数c(x，y)的Monge-Kantorovich问题，存在如下等式：
Figure BDA0002956878020000104
Figure BDA0002956878020000105
其中，
Figure BDA0002956878020000106
均是Kantorovich势函数。
根据上述Kantorovich对偶定理，上述定理1的证明如下：
用户的连续概率测度f(x，y)和UAV的离散的概率测度
Figure BDA0002956878020000107
为两个概率测度，J(v，sk)为成本函数，由于f(x，y)和J(v，sk)是连续函数，所以Monge问题等价于Monge-Kantorovich问题：
Figure BDA0002956878020000108
需要注意的是，给定任意ψ要使得上式最大化，需要选择
Figure BDA0002956878020000111
的最大值，
Figure BDA0002956878020000112
必须满足所有的
Figure BDA0002956878020000113
和
Figure BDA0002956878020000114
所以可以取得的
Figure BDA0002956878020000115
的最大值可以表示为：
Figure BDA0002956878020000116
其中ψc(x，y)称为ψ的c变换。
令ψk＝ψ(sk)，进而有：
Figure BDA0002956878020000117
Figure BDA0002956878020000118
经过利用Kantorovich对偶定理，可以得知初始的优化问题可以简化成K个优化变量ψk，
Figure BDA0002956878020000119
定理1证明完毕。定理1表明上述问题的复杂区域划分问题可以转化为具备K个优化变量的易于解决的问题，即可以利用ψk，
Figure BDA00029568780200001110
的最优值获得最优的UAV服务区域的划分。
在定理1的基础上，可以利用以下定理2来进一步解决问题；
定理2：F是关于变量ψk，
Figure BDA00029568780200001111
的凹函数，所以有：
Figure BDA00029568780200001112
其中
Figure BDA00029568780200001113
定理2的证明如下：
由于
Figure BDA00029568780200001114
其中，
Figure BDA00029568780200001115
是ψk，
Figure BDA00029568780200001116
的线性函数，同时对于任意给定的
Figure BDA00029568780200001117
J(x，y，sk)-ψk也是ψk，
Figure BDA00029568780200001118
的线性函数；
令
Figure BDA00029568780200001119
其中，ΨT是所有变量ψk，
Figure BDA00029568780200001120
的矩阵，z(ΨT)的子图(即位于z(ΨT)下方的点集)是一个凸集，若一个函数当且仅当其子图是一个凸集时，其为凹函数的事实，所以可以证明z(ΨT)是一个凹函数；将z(ΨT)一个正的概率密度函数f(x，y)相乘，同时对于(x，y)的积分不改变其凹性，所以F是关于ΨT的凹函数。
为了得到F关于ψk的导数，首先计算
Figure BDA0002956878020000121
可以容易得到：
Figure BDA0002956878020000122
同时定义
Figure BDA0002956878020000123
最后计算得到
Figure BDA0002956878020000124
定理2证明完毕。
定理2表明F是关于ΨT的凹函数，所以可以通过最大化F来获得变量ψk的最优值，然后对于给定的最优值ψk可以获得优化问题所要求的最优UAV区域划分。
在此问题中，利用F的一阶导数可以采用基于梯度的方法确定可以求解最优区域划分的最优矩阵ΨT；基于梯度方法求解最优矩阵ΨT以及最优区域划分的方法流程图如图3所示，具体包括：
(1)初始化用户的连续分布概率测度f(x，y)，UAV的位置sk以及停止阈值ρ，
(2)设置迭代次数为t＝1时的
Figure BDA0002956878020000125
(3)在循环条件
Figure BDA0002956878020000126
满足时，执行以下步骤：
Step1：设置k＝1，ε1＝1；
Step2：更新
Figure BDA0002956878020000127
更新公式为：
Figure BDA0002956878020000128
Step3：判断
Figure BDA0002956878020000129
若成立则执行Step4，否则执行Step5；
Step4：在满足循环条件
Figure BDA00029568780200001210
下执行以下步骤：
(a)k→k+1，εk＝2k-1ε1；
(b)更新
Figure BDA00029568780200001211
Step5：在满足循环条件
Figure BDA00029568780200001212
下执行以下步骤：
(a)k→k+1，εk＝2-k+1ε1；
(b)更新
Figure BDA0002956878020000131
Step6：t→t+1
(4)输出最优矩阵
Figure BDA0002956878020000132
以及最优区域划分：
Figure BDA0002956878020000133
如图4所示是采用最优传输理论得到的UAV服务区域划分效果图，如图5所示是采用最大信噪比标准得到的UAV服务区域划分效果图；通过对比两种方案得到的UAV服务区域效果图以及最终各个UAV服务区域内的用户数量，可以发现，采用最优传输理论得到的UAV服务区域能够更好的平衡各个区域之间的负载均衡，能够为处于用户分布密集的UAV划分较小面积的区域，为处于用户分布稀疏的UAV划分较大面积的区域，避免产生过负载的服务区域，最终实现各个UAV服务区域内用户数量相差较小，对于UAV数量为5，用户总数量为200的情况，各个UAV服务区域内用户数量分别为41、39、39、41、40；而采用最大信噪比标准得到的UAV服务区域并不能平衡各个区域之间的负载均衡，各个UAV服务区域内的用户数量相差较大，对于UAV数量为5，用户总数量为200的情况，各个UAV服务区域内用户数量分别为40、15、19、83、43。
实施例2
本实施例提供一种基于最优传输理论的灾后UAV辅助通信区域划分系统，包括：
下行链路构建模块，被配置为在灾后UAV通信网络模型中，根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽；
能效计算模块，被配置为根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；
优化模块，被配置为以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，包括：
在灾后UAV通信网络模型中，根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽；
根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；
以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。
2.如权利要求1所述的一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，所述UAV数量为K，通信频带总带宽为B，则每个UAV的通信带宽为
Figure FDA0002956878010000013
在UAVk的辅助通信区域内地面用户的数量为Mk，UAV与地面用户之间的通信带宽为
Figure FDA0002956878010000011
3.如权利要求1所述的一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，采用概率LoS通信模型，计算UAVk与地面用户i之间的路径损耗：
Figure FDA0002956878010000012
其中，fc为发送信号的载波频率，d0为自由空间损耗模型的参考距离，c为光速，μLoS和μNLoS分别表示由LoS连接和由NLoS连接造成的相对于自由空间损耗的额外损耗，dk，i(x，y)为UAVk和位于(x，y)处的用户i之间的距离。
4.如权利要求3所述的一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，UAVk和位于(x，y)处的用户i之间的通信信噪比SNR为：
Figure FDA0002956878010000021
UAVk和位于(x，y)处的用户i之间的数据传输速率为：
Figure FDA0002956878010000022
其中，
Figure FDA0002956878010000023
为UAV与地面用户之间的通信带宽，Mk为UAV k的辅助通信区域内地面用户的数量，Pk为UAVk的发射功率，σ2为通信链路的噪声功率；
Figure FDA0002956878010000024
为UAV k和位于(x，y)处的用户i之间的平均路径损耗；所以根据上式得到UAV与地面用户之间的传输速率。
5.如权利要求1所述的一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，UAV自身悬停功率为：
Figure FDA0002956878010000025
其中，F为UAV克服自身重力、机载电池重力以及总拉力时所需要的推力，η为UAV的功率效率，q为UAV的转子的数量，r为UAV转子的直径，ρ为空气密度；
根据通信传输速率与UAV自身总功率消耗得到传输单位数据量时的UAV功率消耗。
6.如权利要求1所述的一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，所述目标函数的约束条件为：各个UAV辅助通信区域不重叠，且各UAV辅助通信区域并集为整个区域。
7.如权利要求1所述的一种基于最优传输理论的灾后UAV辅助通信区域划分方法，其特征在于，所述地面用户坐标与UAV坐标间传输映射为：
Figure FDA0002956878010000026
其中，ξk是与UAV发射功率直接相关的因数，
Figure FDA0002956878010000027
是地面用户所在区域的指示函数，
Figure FDA0002956878010000028
为UAV集合，传输映射函数T(v)表示若点v＝(x，y)的地面用户位于区域Dk内时，其映射的点为对应的UAVk的坐标sk。
8.一种基于最优传输理论的灾后UAV辅助通信区域划分系统，包括：
下行链路构建模块，被配置为在灾后UAV通信网络模型中，根据每个UAV的通信带宽和UAV辅助通信区域内地面用户的数量，得到UAV与地面用户之间的通信带宽；
能效计算模块，被配置为根据UAV与地面用户之间的通信带宽和路径损耗得到UAV与地面用户之间的传输速率，根据通信传输速率与UAV自身总功率消耗得到UAV能效；
优化模块，被配置为以最大化所有UAV总能效为目标函数，采用最优传输理论将目标函数转换为最小化地面用户坐标与UAV坐标间传输映射的传输成本，根据传输成本函数得到最优传输映射，基于此划分UAV辅助通信区域。
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。
CN202110224906.1A 2021-03-01 2021-03-01 基于最优传输理论的灾后uav辅助通信区域划分方法及系统 Active CN113115217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110224906.1A CN113115217B (zh) 2021-03-01 2021-03-01 基于最优传输理论的灾后uav辅助通信区域划分方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110224906.1A CN113115217B (zh) 2021-03-01 2021-03-01 基于最优传输理论的灾后uav辅助通信区域划分方法及系统

Publications (2)

Publication Number Publication Date
CN113115217A true CN113115217A (zh) 2021-07-13
CN113115217B CN113115217B (zh) 2022-06-21

Family

ID=76709586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110224906.1A Active CN113115217B (zh) 2021-03-01 2021-03-01 基于最优传输理论的灾后uav辅助通信区域划分方法及系统

Country Status (1)

Country Link
CN (1) CN113115217B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020209935A2 (en) * 2019-04-12 2020-10-15 Northeastern University Software defined drone network control system
CN111885504A (zh) * 2020-08-05 2020-11-03 广州大学 一种辅助移动车辆无线通信的无人机轨迹优化方法
CN111988762A (zh) * 2020-09-01 2020-11-24 重庆邮电大学 一种基于无人机d2d通信网络的能效最大资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020209935A2 (en) * 2019-04-12 2020-10-15 Northeastern University Software defined drone network control system
CN111885504A (zh) * 2020-08-05 2020-11-03 广州大学 一种辅助移动车辆无线通信的无人机轨迹优化方法
CN111988762A (zh) * 2020-09-01 2020-11-24 重庆邮电大学 一种基于无人机d2d通信网络的能效最大资源分配方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MOHAMMAD MOZAFFARI等: "《Wireless Communication Using Unmanned Aerial vehicles(UAVs):Optimal Transport Theory for Hover Time Optimization》", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 *
万俊等: "无人机空对地通信中的联合轨迹优化和功率控制", 《现代电子技术》 *
严晓琴等: "能效最优准则下的无人机中继系统的功率分配算法", 《数据采集与处理》 *
钱进等: "基于能效优化的异构网络资源分配算法设计", 《通信技术》 *
黄天宇: "《无人机辅助通信中基站部署策略研究》", 《中国知网博士电子期刊》 *

Also Published As

Publication number Publication date
CN113115217B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
Zhang et al. Energy-efficient trajectory optimization for UAV-assisted IoT networks
Liang et al. Nonredundant information collection in rescue applications via an energy-constrained UAV
Faraci et al. Fog in the clouds: UAVs to provide edge computing to IoT devices
Xu et al. Throughput maximization of UAV networks
Xu et al. Minimizing the deployment cost of UAVs for delay-sensitive data collection in IoT networks
Gelenbe et al. Interconnected wireless sensors with energy harvesting
CN112381265B (zh) 基于无人机的充电和任务卸载系统及其任务耗时优化方法
Gu et al. Coded storage-and-computation: A new paradigm to enhancing intelligent services in space-air-ground integrated networks
Ahmed et al. A novel collaborative IoD-assisted VANET approach for coverage area maximization
Valentino et al. Opportunistic computational offloading system for clusters of drones
Liu et al. Efficient deployment of UAVs for maximum wireless coverage using genetic algorithm
CN115150781A (zh) 一种基于任务优先级的无人机协助边缘计算的资源分配方法
Mousa et al. Efficient UAV-Based MEC Using GPU-Based PSO and Voronoi Diagrams.
Mozaffari et al. 3D cellular network architecture with drones for beyond 5G
Qin et al. Stochastic-geometry-based analysis of multipurpose UAVs for package and data delivery
Pasandideh et al. An improved particle swarm optimization algorithm for UAV base station placement
CN113507717A (zh) 一种基于车辆轨迹预测的无人机轨迹优化方法及系统
Kim et al. Joint mission assignment and location management for UAVs in mission-critical flying ad hoc networks
Islambouli et al. Autonomous 3D deployment of aerial base stations in wireless networks with user mobility
CN113115217B (zh) 基于最优传输理论的灾后uav辅助通信区域划分方法及系统
Shi et al. Multi-UAV-assisted computation offloading in DT-based networks: A distributed deep reinforcement learning approach
Li et al. Maximizing Network Throughput in Heterogeneous UAV Networks
CN115567985A (zh) 一种无人机边缘计算网络中能效优化的任务卸载调度方法
Seid et al. HDFRL-empowered Energy Efficient Resource Allocation for Aerial MEC-enabled Smart City Cyber Physical System in 6G
Lakew et al. A review on AI-driven aerial access networks: Challenges and open research issues

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