CN113188544A - 一种基于缓存的无人机基站路径规划方法 - Google Patents

一种基于缓存的无人机基站路径规划方法 Download PDF

Info

Publication number
CN113188544A
CN113188544A CN202110474090.8A CN202110474090A CN113188544A CN 113188544 A CN113188544 A CN 113188544A CN 202110474090 A CN202110474090 A CN 202110474090A CN 113188544 A CN113188544 A CN 113188544A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
user
base station
representing
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
CN202110474090.8A
Other languages
English (en)
Other versions
CN113188544B (zh
Inventor
黄锦明
张军
吴怡
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.)
Fujian Normal University
Original Assignee
Fujian 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 Fujian Normal University filed Critical Fujian Normal University
Priority to CN202110474090.8A priority Critical patent/CN113188544B/zh
Publication of CN113188544A publication Critical patent/CN113188544A/zh
Application granted granted Critical
Publication of CN113188544B publication Critical patent/CN113188544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • 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
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开一种基于缓存的无人机基站路径规划方法，该方法主要步骤为S1：首先规划无人机的初始飞行路径。S2：根据无人机的缓存能力，地面基站和用户的位置，信道模型等，确定用户最小可达速率方程S3：根据最小用户可达速率方程，构建最大化最小用户可达速率优化问题。并将整个问题拆分成两个子问题，利用块坐标下降法和连续凸近似方法配合辅助变量轮流迭代求解S4：直到前后两次得到的最小用户可达速率差值小于预设的精准度，算法结束。本发明旨在在具有缓存功能的无人机无线通信网络中最大化最小用户可达速率。本发明在具有缓存功能的无人机无线通信网络中，规划设计无人机基站的飞行路径，对提升网络的数据传输能力，缓解网络拥塞问题具有重要意义。

Description

一种基于缓存的无人机基站路径规划方法
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于缓存的无人机基站路径规划方法。
背景技术
随着5G技术和物联网技术的发展和应用，当今网络的数据传输量已经变得十分巨大，并且还在日益递增。由于具有高灵活性，容易部署和成本低的特点，在某些数据传输拥堵的地区，无人机作为空中基站能够迅速有效地建立起网络为用户提供传输数据的服务，目前已经被广泛应用于无线移动通信系统中。为了进一步发挥无人机空中基站的优势，缓解网络数据传输的负担。无人机基站结合缓存技术目前越来越受到工业界和学业界的关注。缓存技术是指在网络空闲时，提前在当地基站存储部分数据，使得在数据传输高峰期时能够减少对回程链路的占用。对于具有高灵活性的无人机，相比于静止不动的无人机空中基站部署，对无人机空中基站进行移动路径规划能够使其更好的在无线移动通信系统中发挥作用。
发明内容
本发明的目的在于提供一种基于缓存的无人机基站路径规划方法，在具有缓存功能的无人机无线通信网络中，通过对无人机的飞行路径进行规划从而最大化最小用户可达速率，提升网络传输数据的能力。
本发明采用的技术方案是：
一种基于缓存的无人机基站路径规划方法，采用的系统包括无人机基站、用户和地面基站，无人机具有一定的缓存功能，方法包括如下步骤，
步骤S1：首先规划无人机的初始飞行路径；
步骤S2：根据无人机的缓存能力、地面基站和用户的位置以及信道模型，确定用户最小可达速率方程；
步骤S3：根据最小用户可达速率方程构建最大化最小用户可达速率优化问题：将整个问题拆分成两个子问题，
步骤S4：利用块坐标下降法和连续凸近似方法配合辅助变量轮流迭代求解；
步骤S5：判断前后两次得到的最小用户可达速率差值是否小于预设的精准度；是则，结束迭代得到最终的用户最小可达速率和无人机飞行路径；否则，执行步骤S4。
进一步地，作为一种优选实施方式，无人机的初始飞行路径为圆形路径。圆心为K个用户的几何中心坐标记为(x0,y0)T,半径为几何中心距离最远用户距离的一半，记为r0。初始无人机飞行路径表示为：
q0[n]＝(x0+r0 cos θn,y0+r0 sin θn)T
其中
Figure BDA00030467229300000210
代表圆形飞行轨迹的相角。
进一步地，作为一种优选实施方式，两个信道无人机-用户信道，基站-无人机信道模型都可以用自由空间损耗路径传播模型来表示，信道增益分别为：
Figure BDA0003046722930000021
Figure BDA0003046722930000022
其中，H是无人机飞行高度，q[n]代表第n个时刻(n∈N)无人机的坐标，wk代表第k个用户的坐标
Figure BDA0003046722930000029
wg代表地面基站的坐标。β代表单位距离的路径损耗。
则信噪比可以表示为：
Figure BDA0003046722930000023
Figure BDA0003046722930000024
Pg代表基站的信号发射功率，Puav代表无人机的信号发射功率。σ2代表接收端的噪声。
系统的地面基站中缓存了用户所需的全部F个数据内容，无人机缓存了C个流行度最高的内容。内容的流行度由齐夫定律确定，具体为第i个内容
Figure BDA0003046722930000025
的流行度为
Figure BDA0003046722930000026
因此用户请求内容的命中概率为
Figure BDA0003046722930000027
在第n个时刻对于第k个用户，当其请求命中时。其可达速率为Rk[n]，当其请求没有命中时，可达速率为两部分数据传输率中较小的那部分，即为min{Rk[n],Rg[n]}。所以综合考虑，对于第k个用户其可达速率为：
Figure BDA0003046722930000028
其中，uk[n]为二进制变量，用来表示无人机与用户的连接情况。uk[n]＝1则代表无人机与第k个用户连接。uk[n]＝0则表示没有连接。为了保证用户之间的公平性，需要构建最小用户可达速率为：
Figure BDA0003046722930000031
(P1)：那么最大化最小用户速率总问题可表达为：
Figure BDA0003046722930000032
Figure BDA0003046722930000033
Figure BDA0003046722930000034
q[1]＝q[N], (3)
Figure BDA0003046722930000035
其中，max代表最大化，s.t.代表约束条件，{uk[n],q[n]}代表要优化的变量。(1)式代表无人机一个时刻内最多为一个用户提供通信服务，(3)式代表无人机做周期运动，在时刻N时，回到原点。(4)代表一个时刻无人机能够移动的最大距离dmax。
进一步的由于P1难以直接解决，故将其拆分成两个子问题，分别为在飞行轨迹确定的条件下优化无人机与用户的连接情况和在无人机与用户的连接情况确定的条件下优化无人机的飞行轨迹。
首先在飞行轨迹确定的条件下优化无人机与用户的连接情况，构建子问题为：
(P1.1)：
Figure BDA0003046722930000036
Figure BDA0003046722930000037
Figure BDA0003046722930000038
Figure BDA0003046722930000039
Figure BDA00030467229300000310
Figure BDA00030467229300000311
其中
Figure BDA00030467229300000312
为辅助变量，其结合约束(8)(9)可以用来表示表达式min{Rk[n],Rg[n]}，
η也为辅助变量，用来代表
Figure BDA0003046722930000041
经过辅助变量的转换后，该子问题可以利用凸优化理论进行求解。
接着在无人机与用户的连接情况确定的条件下优化无人机的飞行轨迹，构建子问题为：
(P1.2)：
Figure BDA0003046722930000042
Figure BDA0003046722930000043
q[1]＝q[N], (11)
Figure BDA0003046722930000044
Figure BDA0003046722930000045
Figure BDA0003046722930000046
其中
Figure BDA0003046722930000047
为辅助变量，同理其结合约束(13)(14)用来表示表达式min{Rk[n],Rg[n]}。
Figure BDA0003046722930000048
是对Rk[n]的近似代替，通过连续凸近似方法寻找下界得到，具体过程如下：
Figure BDA0003046722930000049
Figure BDA00030467229300000410
Figure BDA00030467229300000411
其中qr[n]为前一次迭代求出的无人机飞行轨迹。
同理，
Figure BDA00030467229300000412
的近似代替，通过连续凸近似方法寻找下界得到，具体过程如下：
Figure BDA0003046722930000051
Figure BDA0003046722930000052
Figure BDA0003046722930000053
经过一系列近似代替处理后，那么该子问题可以利用凸理论进行求解。
轮流迭代地求解两个子问题，直到前后两次解得的η的差值小于预设的精准度,得到最终的η，即为最终的最小用户可达速率。
本发明采用以上技术方案，基于“最大化最小用户可达速率原则”，考虑了多个用户之间的公平性。通过规划无人机基站的飞行轨迹，有效地提高了最小用户可达速率，提升了网络传输数据的能力。与现有方案对比，本方法将缓存技术应用在无人机移动无线通信系统中，无人机基站具有缓存功能，可以减轻无线回程链路的负担，提高网络的数据传输能力，有效的解决网络拥塞的问题。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1是本发明实施的应用场景示意图；
图2是本发明实施例的无人机路径规划图(F＝1000，C＝50,450)；
图3是本发明的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
如图1至图3之一所示，本发明公开了一种基于缓存的无人机基站路径规划方法。应用场景主要包括一个地面基站和一架无人机协同合作服务地面K个用户。
无人机的初始飞行路径为圆形路径。圆心为K个用户的几何中心坐标记为(x0,y0)T,半径为几何中心距离最远用户距离的一半，记为r0。初始无人机飞行路径表示为：
q0[n]＝(x0+r0 cos θn,y0+r0 sin θn)T
其中
Figure BDA0003046722930000061
代表圆形飞行轨迹的相角。
两个信道无人机-用户的信道模型和基站-无人机信道模型都可以用自由空间损耗路径传播模型来表示，信道增益分别为：
Figure BDA0003046722930000062
Figure BDA0003046722930000063
其中，H是无人机飞行高度和基站高度，q[n]代表第n个时刻无人机的坐标，wk代表第k个用户的坐标，wg代表地面基站的坐标。β代表单位距离的路径损耗。
则两个信道的信噪比可以分别表示为：
Figure BDA0003046722930000064
Figure BDA0003046722930000065
Pg代表基站的信号发射功率，Puav代表无人机的信号发射功率。σ2代表接收端的噪声。
系统的地面基站中缓存用户所需的全部F个数据内容，无人机缓存了C个流行度最高的内容。内容的流行度由齐夫定律确定，具体为第i个内容的流行度为
Figure BDA0003046722930000066
因此无人机请求的命中概率为
Figure BDA0003046722930000067
在第n个时刻对于第k个用户，当其请求命中时。其可达速率为Rk[n]，当其请求没有命中时，可达速率为两部分数据传输率中较小的那部分，即为min{Rk[n],Rg[n]}。所以综合考虑，对于第k个用户其可达速率为：
Figure BDA0003046722930000068
其中，min{}代表取最小值。uk[n]为二进制变量，用来表示无人机与用户的连接情况。uk[n]＝1则代表无人机与第k个用户连接。uk[n]＝0则表示没有连接。为了保证用户之间的公平性，需要构建最小用户可达速率为：
Figure BDA0003046722930000071
那么总问题可表达为(P1)：
Figure BDA0003046722930000072
Figure BDA0003046722930000073
Figure BDA0003046722930000074
q[1]＝q[N], (3)
Figure BDA0003046722930000075
其中，max代表最大化，s.t.代表约束条件，{uk[n],q[n]}代表要优化的变量。公式(1)代表无人机一个时刻内最多只能连接一个用户，公式(3)代表无人机做周期运动，在时刻N时，回到原点；公式(4)代表一个时刻无人机能够移动的最大距离dmax。
由于P1是个含整数变量约束的非凸问题，难以直接解决，故将其拆分成两个子问题。
首先在飞行轨迹确定的条件下优化无人机与用户的连接情况(P1.1)：
Figure BDA0003046722930000076
Figure BDA0003046722930000077
Figure BDA0003046722930000078
Figure BDA0003046722930000079
Figure BDA00030467229300000710
Figure BDA00030467229300000711
其中，
Figure BDA00030467229300000712
为辅助变量，其结合约束(8)(9)可以用来表示表达式min{Rk[n],Rg[n]}；η也为辅助变量，用来代表
Figure BDA00030467229300000713
经过辅助变量的转换后，该子问题可以利用凸优化理论进行求解。
接着在无人机与用户的连接情况确定的条件下优化无人机的飞行轨迹(P1.2)：
Figure BDA0003046722930000081
Figure BDA0003046722930000082
q[1]＝q[N], (11)
Figure BDA0003046722930000083
Figure BDA0003046722930000084
Figure BDA0003046722930000085
其中，
Figure BDA0003046722930000086
为辅助变量，同理其结合约束(13)(14)用来表示表达式min{Rk[n],Rg[n]}。
Figure BDA0003046722930000087
是对Rk[n]的近似代替，通过连续凸近似方法寻找下界得到，具体过程如下：
Figure BDA0003046722930000088
Figure BDA0003046722930000089
Figure BDA00030467229300000810
其中qr[n]为前一次迭代求出的无人机飞行轨迹。
同理，
Figure BDA00030467229300000811
的近似代替，通过连续凸近似方法寻找下界得到，具体过程如下：
Figure BDA0003046722930000091
Figure BDA0003046722930000092
Figure BDA0003046722930000093
经过近似代替处理后，那么该子问题同样可以利用凸理论进行求解。
轮流迭代地求解两个子问题，直到前后两次解得的η的差值小于预设的精准度,得到最终的η，即为最终的最小用户可达速率。
本发明采用以上技术方案，基于“最大化最小用户可达速率原则”，考虑了多个用户之间的公平性。通过规划无人机基站的飞行轨迹，有效地提高了最小用户可达速率，提升了网络传输数据的能力。与现有方案对比，本方法将缓存技术应用在无人机移动无线通信系统中，无人机基站具有缓存功能，可以减轻无线回程链路的负担，提高网络的数据传输能力，有效的解决网络拥塞的问题。
显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

Claims (5)

1.一种基于缓存的无人机基站路径规划方法，采用的系统包括无人机基站、用户和地面基站，无人机具有一定的缓存功能，其特征在于：方法包括如下步骤，
步骤S1，规划无人机的初始飞行路径；
步骤S2，根据无人机的缓存能力、地面基站和用户的位置以及信道模型，确定用户最小可达速率方程；
步骤S3，根据最小用户可达速率方程构建最大化最小用户可达速率优化问题，将整个问题拆分成两个子问题；
步骤S4，利用块坐标下降法和连续凸近似方法配合辅助变量轮流迭代求解；
步骤S5，判断前后两次得到的最小用户可达速率差值是否小于预设的精准度；是则，结束迭代得到最终的用户最小可达速率和无人机飞行路径；否则，执行步骤S4。
2.根据权利要求1所述的一种基于缓存的无人机基站路径规划方法，其特征在于：步骤S1中无人机的初始飞行路径为圆形路径，圆心为K个用户的几何中心坐标记为(x0,y0)T,半径为几何中心距离最远用户距离的一半，记为r0；初始无人机飞行路径表示为：
q0[n]＝(x0+r0 cosθn,y0+r0 sinθn)T
其中
Figure FDA0003046722920000011
代表圆形飞行轨迹的相角。
3.根据权利要求1所述的一种基于缓存的无人机基站路径规划方法，其特征在于：步骤S2最小可达速率方程的确定步骤如下：
步骤S2-1，无人机-用户信道模型和基站-无人机信道模型都用自由空间损耗路径传播模型来表示，信道增益分别为：
Figure FDA0003046722920000012
Figure FDA0003046722920000013
其中，H是无人机飞行高度，q[n]代表第n个时刻
Figure FDA0003046722920000014
无人机的坐标，时间集合为
Figure FDA0003046722920000015
wk代表第k个用户的坐标
Figure FDA0003046722920000016
用户集合为
Figure FDA0003046722920000017
wg代表地面基站的坐标；
步骤S2-2，β代表单位距离的路径损耗，则信噪比表示为：
Figure FDA0003046722920000021
Figure FDA0003046722920000022
Pg代表基站的信号发射功率，Puav代表无人机的信号发射功率，σ2代表接收端的噪声；
步骤S2-3，在第n个时刻对于第k个用户，当第k个用户请求命中时，对应的可达速率为Rk[n]；当第k个用户请求没有命中时，可达速率为两部分数据传输率中较小的那部分，即为min{Rk[n],Rg[n]}；则对于第k个用户其可达速率为：
Figure FDA0003046722920000023
其中，uk[n]为二进制变量，用来表示无人机与用户的连接情况；uk[n]＝1则代表无人机与第k个用户连接；uk[n]＝0则表示没有连接；Pc表示用户请求内容的命中概率，
Figure FDA0003046722920000024
Pi为第i个内容
Figure FDA0003046722920000025
的流行度，
Figure FDA0003046722920000026
为数据内容集合并且
Figure FDA0003046722920000027
那么
Figure FDA0003046722920000028
F表示地面基站中缓存的用户所需的全部数据内容的个数，无人机缓存了C个流行度最高的内容；
步骤S2-4，构建最小用户可达速率为：
Figure FDA0003046722920000029
则那么最大化最小用户速率总问题(P1)表达为：
Figure FDA00030467229200000210
Figure FDA00030467229200000211
Figure FDA00030467229200000212
q[1]＝q[N], (3)
Figure FDA00030467229200000213
其中，max代表最大化，s.t.代表约束条件，{uk[n],q[n]}代表要优化的变量；公式(1)代表无人机一个时刻内最多为一个用户提供通信服务，公式(3)代表无人机做周期运动，在时刻N时，回到原点；公式(4)代表一个时刻内无人机能够移动的最大距离dmax。
4.根据权利要求3所述的一种基于缓存的无人机基站路径规划方法，其特征在于：步骤S3的最大化最小用户可达速率优化问题拆分成两个子问题如下：
(P1.1)：首先在飞行轨迹确定的条件下优化无人机与用户的连接情况；
Figure FDA0003046722920000031
Figure FDA0003046722920000032
Figure FDA0003046722920000033
Figure FDA0003046722920000034
Figure FDA0003046722920000035
Figure FDA0003046722920000036
其中，
Figure FDA0003046722920000037
为辅助变量，其结合约束(8)(9)用来表示表达式min{Rk[n],Rg[n]}；η辅助变量，用来代表
Figure FDA0003046722920000038
经过辅助变量的转换后，该子问题可以利用凸优化理论进行求解；
(P1.2)：在无人机与用户的连接情况确定的条件下优化无人机的飞行轨迹，
Figure FDA0003046722920000039
Figure FDA00030467229200000310
q[1]＝q[N], (11)
Figure FDA00030467229200000311
Figure FDA00030467229200000312
Figure FDA00030467229200000313
其中，
Figure FDA0003046722920000041
为辅助变量，其结合约束(13)(14)用来表示表达式min{Rk[n],Rg[n]}。
5.根据权利要求1所述的一种基于缓存的无人机基站路径规划方法，其特征在于：步骤S4的迭代步骤如下：
步骤S4-1,
Figure FDA0003046722920000042
是对Rk[n]的近似代替，通过连续凸近似方法寻找其下界得到，具体过程如下：
Figure FDA0003046722920000043
其中
Figure FDA0003046722920000044
Figure FDA0003046722920000045
Puav代表无人机的信号发射功率，δ2代表接收端的噪声功率，H代表无人机飞行高度，wk代表用户的坐标，qr[n]为前一次迭代求出的无人机飞行轨迹；q[n]为本次待求解的无人机飞行轨迹
步骤S4-2,
Figure FDA0003046722920000046
的近似代替，通过连续凸近似方法寻找其下界得到，具体过程如下：
Figure FDA0003046722920000047
其中
Figure FDA0003046722920000051
Figure FDA0003046722920000052
Pg代表基站的信号发射功率，δ2代表接收端的噪声功率，H代表无人机飞行高度，wg代表基站的坐标，qr[n]为前一次迭代求出的无人机飞行轨迹；q[n]为本次待求解的无人机飞行轨迹。
CN202110474090.8A 2021-04-29 2021-04-29 一种基于缓存的无人机基站路径规划方法 Active CN113188544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110474090.8A CN113188544B (zh) 2021-04-29 2021-04-29 一种基于缓存的无人机基站路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110474090.8A CN113188544B (zh) 2021-04-29 2021-04-29 一种基于缓存的无人机基站路径规划方法

Publications (2)

Publication Number Publication Date
CN113188544A true CN113188544A (zh) 2021-07-30
CN113188544B CN113188544B (zh) 2022-08-09

Family

ID=76980909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110474090.8A Active CN113188544B (zh) 2021-04-29 2021-04-29 一种基于缓存的无人机基站路径规划方法

Country Status (1)

Country Link
CN (1) CN113188544B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114665947A (zh) * 2022-02-24 2022-06-24 南京邮电大学 一种无人机支持的中继通信系统联合功率控制及位置规划的优化设计方法
CN115118322A (zh) * 2022-03-02 2022-09-27 广东工业大学 一种基于事件触发的室内复杂环境无人机协同飞行的方法及装置
CN115665804A (zh) * 2022-11-21 2023-01-31 昆明理工大学 一种协同无人机-智能车群的缓存优化方法
CN115842582A (zh) * 2022-11-24 2023-03-24 南通大学 一种对抗无人机随机抖动的无线传输方法和装置
CN116471639A (zh) * 2023-06-19 2023-07-21 四川中普盈通科技有限公司 基于路径规划的移动平台多网融合网络接入方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108768497A (zh) * 2018-04-27 2018-11-06 郑州航空工业管理学院 无人机辅助无线传感网及其节点调度与飞行参量设计方法
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
CN109890035A (zh) * 2019-01-28 2019-06-14 东南大学 一种中继无人机航迹规划和用户接入联合优化方法
CN110099389A (zh) * 2019-04-09 2019-08-06 北京航空航天大学 铁路应急通信快速恢复中无人机空中基站的优化部署方法
KR102108658B1 (ko) * 2018-12-18 2020-05-07 한양대학교 산학협력단 무인 비행 장치 및 이의 경로 계획 방법
CN111682895A (zh) * 2020-06-23 2020-09-18 南京邮电大学 一种基于缓存的无人机中继辅助车联网传输优化方法
CN112484732A (zh) * 2020-11-30 2021-03-12 北京工商大学 一种基于ib-abc算法的无人机飞行路径规划方法
CN112543050A (zh) * 2020-11-26 2021-03-23 北京邮电大学 一种面向吞吐量提升的无人机协作和轨迹优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108768497A (zh) * 2018-04-27 2018-11-06 郑州航空工业管理学院 无人机辅助无线传感网及其节点调度与飞行参量设计方法
KR102108658B1 (ko) * 2018-12-18 2020-05-07 한양대학교 산학협력단 무인 비행 장치 및 이의 경로 계획 방법
CN109890035A (zh) * 2019-01-28 2019-06-14 东南大学 一种中继无人机航迹规划和用户接入联合优化方法
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
CN110099389A (zh) * 2019-04-09 2019-08-06 北京航空航天大学 铁路应急通信快速恢复中无人机空中基站的优化部署方法
CN111682895A (zh) * 2020-06-23 2020-09-18 南京邮电大学 一种基于缓存的无人机中继辅助车联网传输优化方法
CN112543050A (zh) * 2020-11-26 2021-03-23 北京邮电大学 一种面向吞吐量提升的无人机协作和轨迹优化方法
CN112484732A (zh) * 2020-11-30 2021-03-12 北京工商大学 一种基于ib-abc算法的无人机飞行路径规划方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHAOQIONG FAN 等: ""Robust Fuzzy Learning for Partially Overlapping Channels Allocation in UAV Communication Networks"", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》 *
CHENG, F 等: ""UAV Trajectory Optimization for Data Offloading at the Edge of Multiple Cells"", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *
JUN ZHANG 等: ""Placement optimization of caching UAV-assisted mobile relay maritime communication"", 《CHINA COMMUNICATIONS》 *
张天魁等: "无人机辅助蜂窝网络中的无人机与用户协同缓存算法", 《通信学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114665947A (zh) * 2022-02-24 2022-06-24 南京邮电大学 一种无人机支持的中继通信系统联合功率控制及位置规划的优化设计方法
CN114665947B (zh) * 2022-02-24 2023-07-25 南京邮电大学 一种无人机支持的中继通信系统联合功率控制及位置规划的优化设计方法
CN115118322A (zh) * 2022-03-02 2022-09-27 广东工业大学 一种基于事件触发的室内复杂环境无人机协同飞行的方法及装置
CN115118322B (zh) * 2022-03-02 2023-05-23 广东工业大学 一种基于事件触发的室内复杂环境无人机协同飞行的方法及装置
CN115665804A (zh) * 2022-11-21 2023-01-31 昆明理工大学 一种协同无人机-智能车群的缓存优化方法
CN115842582A (zh) * 2022-11-24 2023-03-24 南通大学 一种对抗无人机随机抖动的无线传输方法和装置
CN115842582B (zh) * 2022-11-24 2023-09-15 南通大学 一种对抗无人机随机抖动的无线传输方法和装置
CN116471639A (zh) * 2023-06-19 2023-07-21 四川中普盈通科技有限公司 基于路径规划的移动平台多网融合网络接入方法及装置
CN116471639B (zh) * 2023-06-19 2023-08-18 四川中普盈通科技有限公司 基于路径规划的移动平台多网融合网络接入方法及装置

Also Published As

Publication number Publication date
CN113188544B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN113188544B (zh) 一种基于缓存的无人机基站路径规划方法
CN112601197B (zh) 一种基于非正交多址的车联网络中资源优化方法
CN111682895B (zh) 一种基于缓存的无人机中继辅助车联网传输优化方法
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
Zhang et al. A UAV-enabled data dissemination protocol with proactive caching and file sharing in V2X networks
CN109885088A (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
CN114973673B (zh) 车路协同系统中结合noma和内容缓存的任务卸载方法
CN112996058B (zh) 基于多无人机网络的用户QoE优化方法、无人机及系统
CN113283177A (zh) 一种基于异步联邦学习的移动感知缓存方法
CN114650567A (zh) 一种无人机辅助v2i网络任务卸载方法
CN114268967B (zh) 无人机辅助移动边缘网络用户匹配方法及装置
CN108063802B (zh) 基于边缘计算的用户位置动态性建模优化方法
CN114867093B (zh) 无人机协同的物联网设备上行链路功率控制方法
CN114615759B (zh) 一种非正交多址接入网络中无人机辅助通信的方法
Kang et al. Unmanned aerial vehicle allocation and deep learning based content caching in wireless network
CN114363803A (zh) 一种移动边缘计算网络节能的多任务分配方法及系统
CN109088944B (zh) 基于次梯度下降法的缓存内容优化方法
CN116133127A (zh) 空天地一体化场景下车联网中知识驱动的资源调度方法
CN114337787A (zh) 一种无人机辅助的移动边缘计算系统内容缓存方法
CN112105032B (zh) 一种基于缓存的无人机协同认知无线网络传输方法
CN114374742B (zh) 一种面向低轨卫星网络的动态缓存更新和协同传输方法
Dai et al. Deep Reinforcement Learning‐Based UAV Data Collection and Offloading in NOMA‐Enabled Marine IoT Systems
CN116709384A (zh) 基于凸优化和机器学习结合的无人机noma辅助通信优化方法
CN117014060A (zh) 一种面向内容分发的uav多层网络协同缓存与部署优化方法
CN118678394A (zh) 基于可变双时间尺度的无人机辅助网络的缓存优化方法

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