CN113645635B - 智能反射面辅助的高能效无人机通信系统的设计方法 - Google Patents

智能反射面辅助的高能效无人机通信系统的设计方法 Download PDF

Info

Publication number
CN113645635B
CN113645635B CN202110921854.3A CN202110921854A CN113645635B CN 113645635 B CN113645635 B CN 113645635B CN 202110921854 A CN202110921854 A CN 202110921854A CN 113645635 B CN113645635 B CN 113645635B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
base station
reflecting surface
intelligent
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
CN202110921854.3A
Other languages
English (en)
Other versions
CN113645635A (zh
Inventor
苏宇华
赵楠
逄小玮
蒋旭
邹德岳
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.)
Xi'an Huanyu Digital Technology Co.,Ltd.
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202110921854.3A priority Critical patent/CN113645635B/zh
Priority to US17/790,070 priority patent/US20230179285A1/en
Priority to PCT/CN2021/117881 priority patent/WO2023015659A1/zh
Publication of CN113645635A publication Critical patent/CN113645635A/zh
Application granted granted Critical
Publication of CN113645635B publication Critical patent/CN113645635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W16/24—Cell structures
    • H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/145—Passive relay systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • 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
    • 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
    • H04W16/22—Traffic simulation tools or models
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering
    • 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)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供智能反射面辅助的高能效无人机通信系统的设计方法，属于无人机通信网络的能量效率优化领域。通信过程包含两部分传输链路，一部分为信源直接发送给信宿，另一部分通过附着在无人机上的智能反射面反射传输，两部分同时存在。基于分块迭代的思想，将原问题分解为三个子问题求解，并利用连续凸近似技术将非凸的优化问题转化为可求解的凹凸分数规划问题。本发明提供了一种联合优化智能反射面无源波束赋形、基站有源波束赋形和无人机飞行轨迹的设计方法，该方法能够根据模型参数生成最优的网络设计以最大化系统能量效率。

Description

智能反射面辅助的高能效无人机通信系统的设计方法
技术领域
本发明属于无人机通信网络的能量效率优化领域，涉及一种无人机与智能反射面结合以实现高能效通信的设计方案，具体是指在实现发送端和接收端通信时，采用联合优化发送端天线的波束赋形，智能反射面的相移矩阵以及无人机的飞行轨迹的方法，从而最大化系统的能量效率。
背景技术
随着第五代移动通信网络的部署和智能移动终端的发展，人们对提高无线通信性能的需求越来越迫切。然而，现有的地面通信在某些场景下不能满足全区域的覆盖或者提供可靠的传输，人们开始利用无人机(Unmanned Aerial Vehicle，UAV)等构建新的通信链路来辅助地面通信。由于无人机具有低成本、易操作和高灵活性等优势，在军事和民用领域得到了广泛应用。与地面通信相比，无人机灵活性更好，可以快速部署，还可以利用其高度更容易地建立短程视距链路。此外，由其移动性，可以通过无人机轨迹优化适应不同的信道条件，保障信息高效传输。
另一方面，智能反射面(Intelligent Reflecting Surface,IRS)成为实现第六代移动通信(6G)的研究热点。智能反射面(IRS)是一个由大量无源反射元件组成的超表面，通过一个控制器调整这些反射元件的电阻、电容、电感等实现对入射信号幅值和相位的调整，主动改善无线传播环境。此外，智能反射面是无源的，在信号处理过程中不会产生功耗，也没有自干扰。由于其轻量级的特点，智能反射面便于部署，在实际实现中有高度的灵活性。
无人机在通信系统中可以作为中继扩大传输范围，但是无人机中继通信一方面会增加信息传输的时延，另一方面无人机作为中继进行信息处理时会消耗一定的能量，无人机自身的移动也会消耗大量推进能量，考虑到无人机的载能和续航能力有限，如何提高系统的能量效率进而实现绿色通信是一个关键问题。结合智能反射面的诸多优点，将无人机与无源的智能反射面结合辅助通信，不仅可以节约能源，还可以使得空间通信质量和速度大大提高。本发明以最大化能量效率为目标，对系统中的参数进行了合适的设计。
发明内容
本发明的目的是为了解决智能反射面辅助的无人机空地无线网络的能量效率问题。在网络模型中，智能反射面附着在无人机上，构建一条反射链路辅助基站和地面用户之间的通信，具体方案如示意图1所示。基于此模型本发明提供一种联合优化基站的有源波束赋形、智能反射面的无源波束赋形和无人机轨迹的设计方法，以实现系统能量效率的最大化。
为达到上述技术目的，本发明采用的技术方案如下：
一种智能反射面辅助的高能效无人机通信系统的设计方法，包括以下步骤：
第一步，构建系统模型：
(1)实现基站和地面用户之间的信息传输，基站为多天线，用户为单天线，在三维坐标系内，固定基站和用户的水平坐标分别为qB＝[xB,yB]和qG＝[xG,yG]，基站的天线高度设为zB。
(2)假设无人机以固定高度h飞行，飞行时间为T，将其离散化为N个时隙，时隙长度δt＝T/N，则无人机在第n个时隙的水平坐标为q[n]＝[x[n],y[n]]T,
Figure BDA0003207712170000021
由初始位置q0飞行至终点位置qF,即q[0]＝q0,q[N]＝qF。
(3)假设基站到用户之间的信道被阻挡，存在严重衰落，符合瑞利衰落，则基站到用户的信道增益为：
Figure BDA0003207712170000022
其中，ρ表示单位参考距离处的信道增益，
Figure BDA0003207712170000023
为基站和地面用户之间的距离，κ为路径损耗指数，
Figure BDA0003207712170000024
表示瑞利信道的信道增益，，Nt为基站上的天线数目。
由于无人机具有一定的高度，基站到智能反射面和智能反射面到用户的两条反射链路均为视距(Line of sight,LoS)链路，则基站到智能反射面的信道增益可以表示为：
Figure BDA0003207712170000025
其中，
Figure BDA0003207712170000026
表示基站和智能反射面的距离，
Figure BDA0003207712170000027
为hM的转置矩阵，智能反射面上的M个反射元素以均匀线性阵列(ULA)的形式布设，将第一个反射元素的位置坐标(即无人机)作为参考点，则智能反射面和基站的阵列响应可以表示为
Figure BDA0003207712170000028
和
Figure BDA0003207712170000029
其中j表示虚部，d为不同反射元素的水平距离，λ为载波的波长，
Figure BDA00032077121700000210
为信号从基站到达智能反射面的到达角的余弦值，
Figure BDA00032077121700000211
为信号从基站到智能反射面离开角的余弦值，其中yI和yB分别为智能反射面和基站在三维坐标系中对应的y轴坐标，zI为智能反射面的高度，在本研究中与无人机的飞行高度相同。
从智能反射面到地面用户的信道也是视距链路，其增益可以表示为：
Figure BDA0003207712170000031
其中，
Figure BDA0003207712170000032
表示智能反射面和用户的距离，
Figure BDA0003207712170000033
为信号从智能反射面反射至用户的离开角的余弦值，其中yG和yI分别为用户和智能反射面在三维坐标系中对应的y轴坐标。
信号在智能反射面的相移调整可以表示为
Figure BDA0003207712170000034
其中diag表示对角矩阵，θm[n]为第n个时隙时第m个反射元素的相移值，假设相位可以被连续控制和调整，则θ∈[0,2π]。
(4)系统的信噪比是一个关于基站的波束赋形w，智能反射面的相移矩阵Θ，以及无人机的飞行轨迹
Figure BDA0003207712170000035
的函数。平均传输速率可以表示为：
Figure BDA0003207712170000036
其中SNR[n]为第n个时隙的信噪比，δ2为噪声功率，P为基站的发射功率，w[n]表示第n个时隙时基站的波束赋形。在无人机飞行时间T内，系统总的传输数据量为
Figure BDA0003207712170000037
其中W为系统带宽。
系统的能量消耗主要用来通信和保障无人机的悬停和推进，其中前者与后者相比很小，所以忽略不计。无人机的推进功率与其飞行的速度、加速度，无人机的设计和空气密度相关，无人机在飞行时间内消耗的能量可以表示为：
Figure BDA0003207712170000038
其中，c1和c2是两个参数，与无人机本身的设计和空气密度相关，g是重力加速度，v[n]和a[n]分别为无人机在第n个时隙的速度和加速度，m为无人机和智能反射面的重量。
能量效率为单位能耗传输的信息量，根据其定义，系统的能量效率可以表示为：
Figure BDA0003207712170000039
第二步，确定目标函数和优化变量，列出优化问题：
通过对基站的有源波束赋形w，智能反射面的无源波束赋形Θ和无人机轨迹Q的联合优化，实现系统能量效率最大化，构建以下优化问题：
Figure BDA0003207712170000041
在该优化问题中，C1-C6为无人机速度和加速度约束，其中v0和vF分别为初始速度和终点速度，vmax，vmin和amax分别表示固定翼无人机的最大飞行速度，最小飞行速度和最大飞行加速度。C7和C8是对无人机轨迹的约束。
第三步，设计算法求解优化问题：
经分析，上述优化问题为一个非凸优化问题，不能直接进行求解，采用分块迭代的思想，将问题分解为三个子问题，求解出了基站和智能反射面波束赋形最优解的的闭式表达式，对于无人机轨迹优化，首先应用连续凸近似的方法将非凸问题近似转换为凸优化问题，然后借助Dinkelbach算法求解分数规划问题，设计迭代算法求得其次优解。具体步骤如下：
(1)基站的有源波束赋形w的优化
考虑从基站发出的信号分为两部分，一部分直接传输给地面用，另一部分传输给智能反射面。当智能反射面波束赋形Θ和无人机轨迹Q确定时，消耗的能量也确定，只需分析目标函数的分子使得传输速率最大。采用最大比传输(Maximum Ratio Transmission,MRT)，可以求得当另外两个变量Θ和Q确定时，最优基站波束赋形的闭式解，即：
Figure BDA0003207712170000042
(2)智能反射面的无源波束赋形Θ的优化
将最优的基站波束赋形w*[n]代入目标函数，目标函数的分子可以化简为：
Figure BDA0003207712170000043
当无人机轨迹Q确定时，目标函数的分母确定，只需分析公式(9)得到最优的Θ。下面对公式(9)中的变量
Figure BDA0003207712170000051
展开分析。
Figure BDA0003207712170000052
其中，Re{·}表示负数的实部，Φ1和Φ2是和智能反射面的反射元素相关的量。
进一步分析，可以发现：
Figure BDA0003207712170000053
Figure BDA0003207712170000054
当无人机轨迹确定时，可以求得最大化Φ1′的实部所对应的相位调整值，即：
Figure BDA0003207712170000055
其中arg(·)表示复数的辅角，m表示第m个反射元素，
Figure BDA0003207712170000056
表示
Figure BDA0003207712170000057
的共轭转置。
接下来对Φ2进行分析，可以推导出：
Figure BDA0003207712170000058
当无人机轨迹确定时，可以求得最大化Φ2所对应的相位调整值，即：
Figure BDA0003207712170000059
将公式(15)代入到公式(13)，可以发现，Φ1和Φ2可以同时达到最大值，求解出最优的反射相位，即：
Figure BDA00032077121700000510
智能反射面最优的无源波束赋形可以表示为：
Figure BDA0003207712170000061
(3)无人机轨迹Q的优化
将最优的智能反射面无源波束赋形Θ代入到目标函数，目标函数可以简化为：
Figure BDA0003207712170000062
其中，
Figure BDA0003207712170000063
B＝ρ2NtM2，
Figure BDA0003207712170000064
假设无人机初始速度和最终速度相同，即||v[0]||＝||v[N]||，||·||表示二范数，则能量消耗的表达式中，第二项动能的变化为零。能量消耗的上界可以表示为：
Figure BDA0003207712170000065
当aT[n]v[n]＝0时，可以取到等号。因此，能量效率的下界可以表示为：
Figure BDA0003207712170000066
目标函数是非凸的分数规划问题，引入辅助变量{r[n]＝dIG[n]}，{s[n]＝dBI[n]}和{τn＝||v[n]||}，可以将非凸问题转化为一个凹-凸的分数规划问题：
Figure BDA0003207712170000067
Figure BDA0003207712170000068
Figure BDA0003207712170000069
Figure BDA00032077121700000610
Figure BDA00032077121700000611
Figure BDA00032077121700000612
C1-C4,C6-C9. (21g)
其中，不等式(21b)-(21d)在取等号时取得最优解，若没有取等号，一直增大r[n]，s[n]或τn可以有更大的目标函数值，因此，引入辅助变量后，原问题的最优解不变。上述问题是一个凹-凸的分数规划问题，限制条件也都是凸的，利用Dinkelbach算法引入一个参变量μ，可以利用CVX解决以下问题：
Figure BDA0003207712170000071
(22b)
s.t.(21b)-(21g).
(4)迭代算法设计
本发明提出一种迭代算法来求解优化问题，在每轮迭代中，利用Dinkelbach算法求解出本轮迭代最优的无人机飞行轨迹，然后计算出最优的智能反射面无源波束赋形和基站天线有源波束赋形，进而求解出此次迭代的能量效率值。然后更新参变量的值进行下一次迭代，直至最后算法收敛。具体流程如下：
1)设置初始的基站波束赋形w0，智能反射面反射相位Θ0，无人机飞行轨迹Q0，无人机飞行速度v0，辅助变量r0和s0，迭代次数k＝0，Dinkelbach算法引入的参变量初值μ0＝1，迭代终止阈值ξ。
2)求解凸优化问题(P3)，可以得到第k次迭代的优化结果，即无人机飞行轨迹Qk+1，无人机飞行速度vk+1，辅助变量rk+1和sk+1，作为第k+1迭代的初始值。
3)更新参变量μk+1的值，即为问题(P2)中目标函数的值。
4)得到本次迭代的优化轨迹Qk+1后，利用公式(16)和公式(17)计算出智能反射面的最优反射相位Θk+1。
5)得到Qk+1和Θk+1后，利用公式(8)计算得出此次迭代对应的最优基站波束赋形wk+1。
6)计算经此次迭代后，问题(P2)目标值EE的增加量，若大于阈值ξ，则更新迭代次数k＝k+1，跳至步骤2)进行下一次的迭代优化；若优化目标值增加量小于阈值ξ，则终止迭代，输出相对应的优化变量的值。
本发明的有益效果是：本发明通过对基站天线的有源波束赋形，智能反射面的无源波束赋形以及无人机飞行轨迹的联合优化设计，给出了实现信息传输过程中能量效率最大化的部署方案。本发明为实现无人机辅助的绿色通信给出了参考取值方法。
附图说明
图1是智能反射面辅助的无人机通信网络示意图。
图2是飞行时间为50s时不同优化方案的无人机轨迹对比。
图3是飞行时间为50s时不同优化方案的无人机速率变化对比。
图4是智能反射面上反射元素个数和基站天线个数对两种优化方案能量效率的影响。
图5是智能反射面上反射元素个数和基站天线个数对两种优化方案频谱效率的影响。
图6(a)为智能反射面上反射元素个数和基站天线个数对两种优化方案能量消耗的影响。图6(b)为图6(a)中最大化频谱效率优化方案下，智能反射面元素个数为60到160的局部放大图，图6(c)为图6(a)中最大化能量效率优化方案下，智能反射面元素个数为60到160的局部放大图，便于比较两种优化方案下能量消耗的变化。
图7是飞行时间对不同优化方案对应目标值的影响。
图8是不同飞行时间时能量效率最大的无人机飞行轨迹图。
具体实施方式
为了更好的理解上述技术方案，以下结合附图以及具体的实施方式，给出具体分析。
一种智能反射面辅助的高能效无人机通信系统的设计方法，包括以下步骤：
第一步，进行以下具体设置：
(1)基站和地面用户水平坐标分别为qB＝[0,0]和qG＝[0,400]m，基站高度为20m，无人机飞行高度为120m，初始点和最终点的水平坐标分别为q0＝[-200,0]m和qF＝[200,400]m。信道带宽W＝1MHz，基站的传输功率P＝20dBm，基站到用户的路径损耗指数κ＝4，参考点处的信道增益ρ＝-30dB，噪声功率σ2＝-110dBm。
(2)其他有关无人机飞行的参数设置为飞行时隙δt＝0.5s，无人机飞行最大速度vmax＝100m/s,最小速度vmin＝3m/s，最大加速度amax＝5m/s2，对于公式(5)中的参数，取c1＝9.26×10-4，c2＝2250。
第二步，对不同优化方案下的无人机轨迹和速度进行分析：
能量效率的优化是一个分数规划问题，需要在增大传输速率与减少能量消耗之间实现一个平衡，图2和图3分别给出了三种优化方案下的无人机飞行轨迹和速度变化图。对比来看，当只保证传输速率最大时，无人机会先减速到达一个最优位置附近，然后以最低速率在附近飞行，最后再加速飞至终点。当只保证能量消耗最小时，无人机会保持一个相对大的速率使得能耗最低，并减少转弯次数，扩大转弯半径。然而以上两种飞行轨迹都不能获得较大的能量效率，能量效率最大时，无人机飞行轨迹为“S”型，且在基站和用户之间飞行，平均速率比能量最小对应的略低，整个飞行过程速度变化不大。
第三步，对智能反射面元素个数和基站天线个数在两种优化方案下的优化进行对比分析：
图4分析了基站天线个数为32和64时能量效率最大化方案(方案一)和频谱效率最大化方案(方案二)随智能反射面反射元素个数变化的能量效率值。首先，能量效率值随着M的增大而增大，基站天线个数增加，能量效率也会增加，布设多个反射元素和基站天线可以提高能量效率。此外，方案一的能量效率比方案二高很多，这证明了能量效率优化的必要性。
接下来，图5和图6(a)分别分析了两种优化方案下，M和Nt对频谱效率和能量消耗的影响。可以发现，随着M的增加，频谱效率增大，能量消耗减少，但是对能耗的影响很小，几乎可以忽略不计，这是因为能量消耗大部分用于无人机的飞行，而智能反射面反射元素个数和基站天线个数对无人机轨迹优化影响不大，因此能量消耗的变化也不大。从图5还可看出，方案一的频谱效率虽然比方案二低，但是可以通过增加基站天线个数来弥补。此外，图6(a)中显示方案一的能量消耗要远远低于方案二的能量消耗。在图6(b)和图6(c)中，可以发现，增加天线数量对降低能量消耗有一定积极作用，但是影响很小。
第四步，分析系统的能量效率随无人机飞行时间的变化情况。
图7给出了能量效率随无人机飞行时间的变化，为了对比分析，还展示了频谱效率随时间的变化情况。频谱效率随着T的增加而增大，这是因为随着飞行时间的增加，无人机会分配更多的时间在最优点附近盘旋，平均传输速率即频谱效率就会提高。而能量效率整体上随时间增加呈下降趋势，在部分时间区域会有所上升。图8给出了不同T的最大化能量效率方案的优化轨迹，当T＝20s时，无人机的飞行轨迹接近于直线，消耗的能量较少，当T＝50s，无人机以“S”型轨迹飞行，T＝60s时无人机以“8”字轨迹飞行，无人机飞行消耗的能量随着飞行时间的增加而增加，但由于飞行轨迹太长，传输信息量的增加有限，所以能量效率会降低。此外，无人机飞行轨迹的大致形状会随着时间的增加而在某些点处发生明显变化，这也是能量效率随时间增加有上升趋势的原因。
以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

Claims (1)

1.一种智能反射面辅助的高能效无人机通信系统的设计方法，其特征在于，包括以下步骤：
第一步，构建系统模型：
(1)实现基站和地面用户之间的信息传输，基站为多天线，用户为单天线，在三维坐标系内，固定基站和用户的水平坐标分别为qB＝[xB,yB]和qG＝[xG,yG]，基站的天线高度设为zB；
(2)假设无人机以固定高度h飞行，飞行时间为T，将其离散化为N个时隙，时隙长度δt＝T/N，则无人机在第n个时隙的水平坐标为q[n]＝[x[n],y[n]]T,
Figure FDA0003537739240000011
由初始位置q0飞行至终点位置qF,即q[0]＝q0,q[N]＝qF；
(3)假设基站到用户之间的信道被阻挡，存在严重衰落，符合瑞利衰落，则基站到用户的信道增益为：
Figure FDA0003537739240000012
其中，ρ表示单位参考距离处的信道增益，
Figure FDA0003537739240000013
为基站和地面用户之间的距离，κ为路径损耗指数，
Figure FDA0003537739240000014
表示瑞利信道的信道增益，Nt为基站上的天线数目；
基站到智能反射面的信道增益表示为：
Figure FDA0003537739240000015
其中，
Figure FDA0003537739240000016
表示基站和智能反射面的距离，
Figure FDA0003537739240000017
为hM的转置矩阵，智能反射面上的M个反射元素以均匀线性阵列ULA的形式布设，将第一个反射元素的位置坐标作为参考点，则智能反射面和基站的阵列响应表示为
Figure FDA0003537739240000018
和
Figure FDA0003537739240000019
其中j表示虚部，d为不同反射元素的水平距离，λ为载波的波长，
Figure FDA00035377392400000110
为信号从基站到达智能反射面的到达角的余弦值，
Figure FDA00035377392400000111
为信号从基站到智能反射面离开角的余弦值，其中yI和yB分别为智能反射面和基站在三维坐标系中对应的y轴坐标，zI为智能反射面的高度，在本研究中与无人机的飞行高度相同；
从智能反射面到地面用户的信道也是视距链路，其增益表示为：
Figure FDA0003537739240000021
其中，
Figure FDA0003537739240000022
表示智能反射面和用户的距离，
Figure FDA0003537739240000023
为信号从智能反射面反射至用户的离开角的余弦值，其中yG和yI分别为用户和智能反射面在三维坐标系中对应的y轴坐标；
信号在智能反射面的相移调整可以表示为
Figure FDA0003537739240000024
其中diag表示对角矩阵，θM[n]为第n个时隙时第M个反射元素的相移值，假设相位可以被连续控制和调整，则θ∈[0,2π]；
(4)系统的信噪比是一个关于基站的波束赋形w，智能反射面的相移矩阵Θ，以及无人机的飞行轨迹
Figure FDA0003537739240000025
的函数；平均传输速率表示为：
Figure FDA0003537739240000026
其中，SNR[n]为第n个时隙的信噪比，σ2为噪声功率，P为基站的发射功率，w[n]表示第n个时隙时基站的波束赋形；在无人机飞行时间T内，系统总的传输数据量为
Figure FDA0003537739240000027
其中W为系统带宽；
无人机的推进功率与其飞行的速度、加速度，无人机的设计和空气密度相关，无人机在飞行时间内消耗的能量表示为：
Figure FDA0003537739240000028
其中，c1和c2是两个参数，与无人机本身的设计和空气密度相关，g是重力加速度，v[n]和a[n]分别为无人机在第n个时隙的速度和加速度，m为无人机和智能反射面的重量；
能量效率为单位能耗传输的信息量，根据其定义，系统的能量效率表示为：
Figure FDA0003537739240000029
第二步，确定目标函数和优化变量，列出优化问题：
通过对基站的有源波束赋形w，智能反射面的无源波束赋形Θ和无人机轨迹Q的联合优化，实现系统能量效率最大化，构建以下优化问题：
Figure FDA0003537739240000031
在该优化问题中，C1-C6为无人机速度和加速度约束，其中v0和vF分别为初始速度和终点速度，vmax，vmin和amax分别表示固定翼无人机的最大飞行速度，最小飞行速度和最大飞行加速度；C7和C8是对无人机轨迹的约束；
第三步，设计算法求解优化问题：
采用分块迭代的思想，将上述优化问题分解为三个子问题，求解出基站和智能反射面波束赋形最优解的闭式表达式，对于无人机轨迹优化，首先应用连续凸近似的方法将非凸问题近似转换为凸优化问题，再借助Dinkelbach算法求解分数规划问题，设计迭代算法求得其次优解；具体步骤如下：
(1)基站的有源波束赋形w的优化
基站发出的信号分为两部分：直接传输给地面用，传输给智能反射面；当智能反射面波束赋形Θ和无人机轨迹Q确定时，消耗的能量也确定，分析目标函数的分子使传输速率最大；采用最大比传输，求得当另外两个变量Θ和Q确定时，最优基站波束赋形的闭式解，即：
Figure FDA0003537739240000032
(2)智能反射面的无源波束赋形Θ的优化
将最优的基站波束赋形w*[n]代入目标函数，目标函数的分子化简为：
Figure FDA0003537739240000033
当无人机轨迹Q确定时，分析公式(9)得到最优的Θ；
智能反射面最优的无源波束赋形最终表示为：
Figure FDA0003537739240000041
(3)无人机轨迹Q的优化
将最优的智能反射面无源波束赋形Θ代入到目标函数，目标函数简化为：
Figure FDA0003537739240000042
其中，
Figure FDA0003537739240000043
B＝ρ2NtM2，
Figure FDA0003537739240000044
假设无人机初始速度和最终速度相同，即||v[0]||＝||v[N]||，则能量消耗的表达式中，第二项动能的变化为零；能量消耗的上界可表示为：
Figure FDA0003537739240000045
当aT[n]v[n]＝0时，能量效率的下界表示为：
Figure FDA0003537739240000046
目标函数是非凸的分数规划问题，引入辅助变量{r[n]＝dIG[n]}，{s[n]＝dBI[n]}和{τn＝||v[n]||}，将非凸问题转化为一个凹-凸的分数规划问题：
Figure FDA0003537739240000047
Figure FDA0003537739240000048
Figure FDA0003537739240000049
Figure FDA00035377392400000410
Figure FDA00035377392400000411
Figure FDA00035377392400000412
C1-C4,C6-C9. (21g)
利用Dinkelbach算法引入一个参变量μ，利用凸优化工具包CVX解决以下问题：
Figure FDA0003537739240000051
s.t.(21b)-(21g). (22b)
(4)通过迭代算法来求解优化问题，在每轮迭代中，利用Dinkelbach算法求解出本轮迭代最优的无人机飞行轨迹，然后计算出最优的智能反射面无源波束赋形和基站天线有源波束赋形，进而求解出此次迭代的能量效率值；最后更新参变量的值进行下一次迭代，直至最后算法收敛；具体流程如下：
1)设置初始的基站波束赋形w0，智能反射面反射相位Θ0，无人机飞行轨迹Q0，无人机飞行速度v0，辅助变量r0和s0，迭代次数k＝0，Dinkelbach算法引入的参变量初值μ0＝1，迭代终止阈值ξ；
2)求解凸优化问题(P3)得到第k次迭代的优化结果，即无人机飞行轨迹Qk+1，无人机飞行速度vk+1，辅助变量rk+1和sk+1，作为第k+1迭代的初始值；
3)更新参变量μk+1的值，即为问题(P2)中目标函数的值；
4)得到本次迭代的优化轨迹Qk+1后，计算得到智能反射面的最优反射相位Θk+1；
5)得到Qk+1和Θk+1后，利用公式(8)计算得出此次迭代对应的最优基站波束赋形wk+1；
6)计算经此次迭代后，问题(P2)目标值EE的增加量，若大于阈值ξ，则更新迭代次数k＝k+1，跳至步骤2)进行下一次的迭代优化；若优化目标值增加量小于阈值ξ，则终止迭代，输出相对应的优化变量的值。
CN202110921854.3A 2021-08-12 2021-08-12 智能反射面辅助的高能效无人机通信系统的设计方法 Active CN113645635B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110921854.3A CN113645635B (zh) 2021-08-12 2021-08-12 智能反射面辅助的高能效无人机通信系统的设计方法
US17/790,070 US20230179285A1 (en) 2021-08-12 2021-09-13 Design method of high energy efficiency unmanned aerial vehicle (uav) communication system assisted by intelligent reflecting surface
PCT/CN2021/117881 WO2023015659A1 (zh) 2021-08-12 2021-09-13 智能反射面辅助的高能效无人机通信系统的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110921854.3A CN113645635B (zh) 2021-08-12 2021-08-12 智能反射面辅助的高能效无人机通信系统的设计方法

Publications (2)

Publication Number Publication Date
CN113645635A CN113645635A (zh) 2021-11-12
CN113645635B true CN113645635B (zh) 2022-05-13

Family

ID=78421013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110921854.3A Active CN113645635B (zh) 2021-08-12 2021-08-12 智能反射面辅助的高能效无人机通信系统的设计方法

Country Status (3)

Country Link
US (1) US20230179285A1 (zh)
CN (1) CN113645635B (zh)
WO (1) WO2023015659A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114124263B (zh) * 2021-11-25 2023-09-22 江苏科技大学 基于大规模智能反射单元的无人机信道模型建立方法
CN114124264B (zh) * 2021-11-26 2023-09-22 江苏科技大学 基于智能反射面时变反射相位的无人机信道模型建立方法
CN113938184B (zh) * 2021-11-29 2023-11-14 中国人民解放军陆军工程大学 一种无人机搭载智能反射表面协同传输方法
CN114285461B (zh) * 2021-12-31 2024-01-30 东南大学 一种移动中继辅助的高速宽带mimo传输方法
CN114257298B (zh) * 2022-01-17 2022-09-27 电子科技大学 智能反射表面相移和无人机路径规划方法
CN114666815B (zh) * 2022-02-18 2023-05-26 中通服咨询设计研究院有限公司 一种基于全向智能超表面的通信系统设计方法
CN114599044B (zh) * 2022-03-07 2024-04-30 西北工业大学 基于智能反射面技术的认知网络中波束赋形优化方法
CN114630297B (zh) * 2022-03-21 2024-04-19 河海大学 一种携带智能反射面的无人机中继的位置优化方法
CN115334519B (zh) * 2022-06-30 2024-01-26 北京科技大学 一种无人机irs网络中用户关联与相移优化方法及系统
CN115379462B (zh) * 2022-06-30 2024-02-13 北京邮电大学 一种面向6g智能反射面辅助网络的三维部署方法
WO2024096938A2 (en) * 2022-07-22 2024-05-10 Numerica Corporation Multi-target detection using convex sparsity prior
CN115347933B (zh) * 2022-07-29 2023-07-04 南京邮电大学 无人机搭载ris通信系统中无人机最佳高度的设计方法
CN115549759B (zh) * 2022-09-19 2023-06-20 南京信息工程大学 一种基于irs辅助的无人机通信网络构建方法
CN116233869B (zh) * 2023-05-10 2023-07-18 湖北工业大学 计算激励、任务分配及无人机位置联合优化方法及系统
CN116545508A (zh) * 2023-05-26 2023-08-04 重庆邮电大学空间通信研究院 一种硬件损伤条件下uav辅助的noma双向中继网络安全速率最大化方法
CN116545489B (zh) * 2023-07-04 2023-12-12 南京邮电大学 一种无人机的震荡鲁棒性提升方法、系统、存储介质及计算设备
CN116546531B (zh) * 2023-07-06 2023-10-13 南京邮电大学 一种双可重构智能表面辅助的无线传输能量效率优化方法
CN116600311B (zh) * 2023-07-17 2023-11-10 南京邮电大学 一种双ris辅助上行noma系统的和速率最大化方法及系统
CN116744344B (zh) * 2023-08-15 2023-11-14 南京邮电大学 无人机主动通信监测优化方法、装置、系统及存储介质
CN117081636B (zh) * 2023-10-16 2024-02-20 南京邮电大学 可重构智能表面辅助主动干扰的发射功率优化方法及装置
CN117527053B (zh) * 2024-01-05 2024-03-22 中国人民解放军战略支援部队航天工程大学 一种ris辅助通信优化方法及系统
CN117640409B (zh) * 2024-01-25 2024-04-19 广东广宇科技发展有限公司 一种基于智能反射面通讯的优化方法
CN117956504A (zh) * 2024-03-26 2024-04-30 南京邮电大学 一种联合优化布设位置和反射路径的ris辅助通信方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113162679A (zh) * 2021-04-01 2021-07-23 南京邮电大学 基于ddpg算法的irs辅助无人机通信联合优化方法
CN113194488A (zh) * 2021-03-31 2021-07-30 西安交通大学 一种无人机轨迹和智能反射面相移联合优化方法及系统
CN113225108A (zh) * 2021-03-18 2021-08-06 北京邮电大学 一种智能反射面辅助多小区协同多点传输的鲁棒波束赋形方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10312993B2 (en) * 2015-10-30 2019-06-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing MU-massive-MISO-based UAV communication
KR102192234B1 (ko) * 2019-10-28 2020-12-17 성균관대학교 산학협력단 지능형 반사 평면을 포함하는 무선 통신 시스템의 통신 방법 및 이를 위한 장치
CN112332548B (zh) * 2020-10-16 2022-05-20 华中科技大学 一种无线能量传输方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113225108A (zh) * 2021-03-18 2021-08-06 北京邮电大学 一种智能反射面辅助多小区协同多点传输的鲁棒波束赋形方法
CN113194488A (zh) * 2021-03-31 2021-07-30 西安交通大学 一种无人机轨迹和智能反射面相移联合优化方法及系统
CN113162679A (zh) * 2021-04-01 2021-07-23 南京邮电大学 基于ddpg算法的irs辅助无人机通信联合优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Cooperative UAV-Assisted Secure Uplink Communications With Propulsion Power Limitation";Ran Zhang;《ICC 2021 - IEEE International Conference on Communications》;20210806;全文 *
"Hybrid Beamforming Design and Resource Allocation for UAV-Aided Wireless-Powered Mobile Edge Computing Networks With NOMA";Wanmei Feng;《IEEE Journal on Selected Areas in Communications》;20210621;全文 *
"智能反射面――大有前景的6G技术";姚建文等;《电信快报》;20200710;全文 *

Also Published As

Publication number Publication date
US20230179285A1 (en) 2023-06-08
WO2023015659A1 (zh) 2023-02-16
CN113645635A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN113645635B (zh) 智能反射面辅助的高能效无人机通信系统的设计方法
US11169544B2 (en) Method for designing three-dimensional trajectory of unmanned aerial vehicle based on wireless power transfer network
Mozaffari et al. Communications and control for wireless drone-based antenna array
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
CN111970709B (zh) 一种基于粒子群优化算法的无人机中继部署方法及系统
CN111682895A (zh) 一种基于缓存的无人机中继辅助车联网传输优化方法
Hoseini et al. Trajectory optimization of flying energy sources using q-learning to recharge hotspot uavs
Pan et al. Joint power and 3D trajectory optimization for UAV-enabled wireless powered communication networks with obstacles
CN109839955B (zh) 一种无人机与多个地面终端进行无线通信的轨迹优化方法
CN109890035B (zh) 一种中继无人机航迹规划和用户接入联合优化方法
CN113258989B (zh) 一种使用强化学习获得无人机中继轨迹的方法
CN111245485A (zh) 机载毫米波通信波束赋形与位置部署方法
Mozaffari et al. Drone-based antenna array for service time minimization in wireless networks
Song et al. Energy efficient optimization for solar-powered UAV communications system
WANG et al. Trajectory optimization and power allocation scheme based on DRL in energy efficient UAV‐aided communication networks
Galkin et al. Multi-agent deep reinforcement learning for optimising energy efficiency of fixed-wing UAV cellular access points
CN114615759A (zh) 一种非正交多址接入网络中无人机辅助通信的方法
CN113422634B (zh) 一种毫米波全双工无人机中继通信系统的高能效保密传输方法
CN117270559A (zh) 一种基于强化学习的无人机集群部署与轨迹规划方法
Wang et al. Uplink data transmission based on collaborative beamforming in UAV-assisted MWSNs
CN115276747B (zh) 无人机辅助无线通信系统中位置和波束向量联合优化方法
Shi et al. Air to air communications based on UAV-enabled virtual antenna arrays: A multi-objective optimization approach
CN114785408A (zh) 一种基于资源分配和轨迹优化的无人机辅助通信方法
CN114448537A (zh) 一种通信网络中能量效率和频谱效率的折中方法
Zhao et al. 3D placement of UAVs with optimal beamforming for multi-user communications

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
TR01 Transfer of patent right

Effective date of registration: 20230414

Address after: 710016 Room 1101, Unit 1, Building 8, Block B, Huilin Huacheng, Taiyuan Road, Weiyang District, Xi'an City, Shaanxi Province

Patentee after: Xi'an Huanyu Digital Technology Co.,Ltd.

Address before: 116024 No. 2 Ling Road, Ganjingzi District, Liaoning, Dalian

Patentee before: DALIAN University OF TECHNOLOGY

TR01 Transfer of patent right