CN113993105A - 一种面向城市热点区域的无人机三维部署参数设定方法 - Google Patents

Abstract

无人机因具有敏捷性、灵活性等优点，在通信领域体现了极大的优势。本发明提出一种面向热点城区的无人机三维部署参数设定方法。具体如下：首先假设无人机分布在三维有限区域，并考虑Nakagami‑m衰落条件下无人机机动性对信号波动和干扰拓扑波动的影响。此外，模型还考虑到建筑物因子对于无人机网络的影响。其次，引入时间相关性因子，将空对地信道引起的波动和三维有限移动性引起的时变网络拓扑引入到无线信道中，跟据大尺度时间覆盖性能和信号相关性随无人机基站的部署高度、部署半径和群内无人机基站数量的变化情况，同时根据实际场景下的实际需要，修改相应无人机基站的参数设定，以此得到最优的无人机的实际部署。

Description

一种面向城市热点区域的无人机三维部署参数设定方法

技术领域

本发明涉及无线通信技术领域，特别涉及面向密集城区热点场景下无人机(Unmanned aerial vehicle，简称为UAV)的三维部署参数设定方法。

背景技术

无人机因具有成本低、部署速度快、覆盖广等特征，可以作为空中基站，为地面用户提供通信服务。无人机作为空中基站，一方面可以提高传统蜂窝系统的质量，分流热点小区的业务。另一方面，与地面基站相比，无人机对环境变化的适应能力更强。随着城市发展，建筑物更加密集，人们对于移动数据流量的需求也日益增长，利用无人机作为空间基站来满足新的通信需求可以避免重新布设基站，节约成本。并且无人机不受当地通信设施条件的限制，可以借助主从无人机方式快速提供大范围的可靠通信，可以应用于抢险救灾等紧急情况。此外，无人机基站还可以作为在缺乏传统蜂窝基础设施的偏远地区提供无处不在的连接的可能候选者。对于这些补盲、补热的场景，与临时安装传统基站相比，无人机基站的临时部署更加高效且更具成本效益。

随着移动通信流量的增加和6G发展的到来，可以部署无人机为地面用户提供额外的无线连接和服务，特别是在热点和灾难情况下，地面基站无法提供足够的服务。由于空对地信道的时变特性和无人机的机动性特性，无人机网络中信号和干扰的时间相关性会影响覆盖概率和整体网络性能，在准确分析无人机网络性能时需要考虑这些因素。此外，城市或者乡村中的建筑物产生的阻塞效应会造成无人机分布的空间约束，并影响网络连接。在目前时间相关性的工作中，主要重点是关注移动用户地面基站场景下的时间相关性问题。没有提出一种面向城市热点区域的无人机三维部署参数设定方法。而且，由于无人机的机动性和空对地信道的影响，地面基站场景下的时间相关性分析方法无法直接应用于无人机场景。目前研究使限定范围内的无人机服从泊松点分布，并假设每个节点的都是独立的。但这中方法没有考虑各个节点之间存在距离过近甚至位置重合的情况，可能会导致较强的LOS干扰和碰撞风险，严重影响系统性能。除此之外，无人机之间存在空间斥力，这种斥力已不能用泊松点过程来恰当描述，我们需要找到一个更符合现实的模型，因此我们提出了全新的技术。在无人机独特的AtG信道下，空间斥力的引入使得无人机和干扰分布更加复杂。典型的用户会考虑到阻塞效应而选择最近的LOS无人机，而忽略了近的NLOS无人机提供更强服务的潜力。然而，在空间斥力作用下，无人机相互之间的距离更大，因此无人机选择的不合理会导致更大的路径损失。在城市环境中，密集的建筑将对无人机造成空间限制分布和影响通信链路的连通性，并且无人机不能部署在建筑物内部，传统的无人机基站模型中往往忽视这一点部署条件，并且不会确定无人机飞行的下界。在现实中的密集城区尤其是热点地区，由于建筑物的密集分布，需要考虑到飞行域与建筑的范围交叠以及无人机的信号覆盖和建筑物的阻塞效应，这需要涉及到确定飞行域的下界以及建筑物因子参数的设置。本文提出的专利采用随机航路点模型来描述无人机的机动性，并基于该模型形成非均匀的三维分布，考虑建筑物因子的影响，为面向城市热点区域的无人机三维部署提供指导。

发明内容

本发明考虑在密集城区的热点地区下无人机三维部署参数设定方法，具体表现为：在该场景下无人机部署的高度受限，只能处于高于地面的一定高度范围内，无人机在水平方向活动分布在圆形区域，单一无人机在水平维和高度维分别服从随机路点模型，而该区域内的无人机群服从Matern硬核点分布，认为典型用户在地面且在水平面处于圆心上。每个建筑物建模为一个长为L、宽为W的立方体，其平均值由特定的概率密度函数计算为

和

所有建筑按泊松点过程(PPP)分布，地面密度λ_b。建筑物高度分布按瑞利分布，其概率密度函数如下：

其中σ为瑞利分布的参数，建筑物的平均高度

这也是无人机飞行高度的下界。

基于上述假设，本发明能够得到无人机在与用户间距离的概率密度函数，进而得到在部署区域内任意一点无人机出现的概率。此外，基于上述概率密度函数，本发明得到了无人机的信号相关性和联合覆盖率的决定式，据此可以得到在该场景下无人机的性能表现在场景参数变化时的定量变化情况，基于时间相关性，用多个时隙的联合覆盖率表征大尺度时间的网络性能，根据联合覆盖率随部署参数的变化关系，得到使联合覆盖性能最优时的部署高度、群内无人机基站数量。

本发明的密集城区热点地区无人机性能决定式的计算主要包括以下步骤：

步骤200，根据无人机基站覆盖的目标区域在高度维和水平维的飞行相对独立且飞行路径随机，确定无人机在高度维和水平维分别服从一维和二维的随机路点模型。

水平维的二维随机路点模型的分布函数如下：

上述式(2)中，R表示无人机在水平方向运动有限域的半径大小。

高度维的一维随机路点模型的分布函数如下：

其中，无人机移动的高度上界为H，下界为h。

以用户为球心，将限定飞行的圆柱形区域按半径长度分割计算每个部分的分布函数，以此确定无人机距离典型用户距离的概率密度函数。

步骤210，根据建筑物遮挡模型，计算遮挡概率以及穿透损耗。

阻塞数量K在一条链路内服从泊松分布，其平均值为

其中

r_i是无人机在地面的投影位置到用户的距离。

我们假设在一条链路中建筑物距离用户的距离是y，并且建筑物阻挡无人机和用户连接只发生在

的情况下，其中l_i是无人机的飞行高度，从而遮挡概率计算如下：

因此，阻塞数量平均值更改为，并且穿透损耗符合伯努利分布，其概率如下。

P(B_i＝1)＝exp(-η(βr_i+p)),

P(B_i＝0)＝1-exp(-η(βr_i+p)) (6)

步骤220，引入时间相关性因子，通过相关系数的定义式，根据模型假设得到算不同时隙累积干扰的相关性获取时间相关性大小。

本发明研究两个相邻时隙t₁和t₂里无人机的信号相关性，将无人机传输至典型用户的信号分解为大尺度衰落和小尺度衰落的乘积，小尺度衰落采用Nakagami 衰落信道，记为h_x(t)，大尺度衰落采用如下的信道模型：

表示，α表示路径损耗指数，典型值在2到4之间。路径损耗参数ε避免分母出现等于0的情况。

并认为t₁和t₂时刻无人机与用户的距离差为v，根据相关系数的定义式，将经过模型假设后的信号代入，认为两个时隙的小尺度衰落相互独立，并考虑各态历经性，可以得到该场景下相邻时隙的信号相关性的决定式。

式中s(t₁)和s(t₂)分别表示用户在t₁和t₂时隙的信号强度E[h]为Nakagami衰落的均值。

根据信号相关性的决定式，通过调节无人机飞行高度、飞行速度等参数，能够得到无人机信号相关性最佳时的无人机部署方式。

步骤230，基于网络的时间相关性，获取无人机基站群组服务区域内的大尺度时间覆盖性能。

信号联合覆盖率体现的是多时隙下信号的覆盖情况，通常用于研究高移动性的场景下的信号质量情况，在这里用联合覆盖率来准确表征大尺度时间的网络性能。本发明研究两个时隙t₁和t₂里无人机的信号联合覆盖率。根据定义，代入先前模型假设后，可以得到信噪比的表达式：

采用Nakagami衰落信道表示信道衰落，记为h(z)，大尺度衰落记为 g(z)，穿透损耗记为B_i。

根据两个相邻时隙下的联合覆盖率的定义式，代入信噪比的表达式进行推导，利用概率生成函数等进行计算，可以得到信号联合覆盖率的决定式。

其中，m是Nakagami模型的参数，当m＝1时，衰落模型为瑞利衰落，当m＝2 时，衰落模型为瑞森衰落，T代表接收信噪比的阈值。

根据信号联合覆盖率的决定式，通过调节无人机飞行高度、飞行速度等参数，能够得到无人机信号联合覆盖率最佳时的无人机部署方式。

步骤240，根据大尺度时间覆盖性能和信号相关性随无人机基站的部署高度和群内无人机基站数量的变化情况，同时根据实际场景下的实际需要，修改相应无人机基站的参数设定，得到最优的无人机基站群组参数设置，根据联合覆盖率随地面基站和无人机基站的发射功率比的变化关系，调整无人机基站的发射功率，以此得到最优的无人机的实际部署。

有益效果

本发明的针对密集城区的热点地区，提出了利用无人机基站群组的部署方法，有效解决了较强的链路干扰和碰撞风险；根据实际环境情况得到部署的参数设置，考虑建筑物因子对无人机网络的影响，可以通过根据场景实际参数值测算无人机相关的性能情况，同时避免了无人机可能与建筑发生碰撞以及飞行域内无人机发生相互碰撞的情况，对于无人机的实际部署具有指导意义。

引入时间相关性因子，通过研究不同时隙之间相关系数来获取网络状态在不同时隙的相关关系。在无人机基站群组进行传输时，不同时隙之间LOS和 NLOS径之间互相转化、无人机基站群组的动态更新，导致了链路状况的波动和网络拓扑的变化，使得瞬时的性能指标无法反应实际的通信质量，因此提出基于时间相关性的联合覆盖率以更准确地反映实际的网络性能。

跟据大尺度时间覆盖性能和信号相关性随无人机基站的部署高度、部署半径和群内无人机基站数量的变化情况，同时根据实际场景下的实际需要，修改相应无人机基站的参数设定，得到最优的无人机基站群组参数设置，根据联合覆盖率随地面基站和无人机基站的发射功率比的变化关系，调整无人机基站的发射功率，以此得到最优的无人机的实际部署。

附图说明

为了清晰明确地解释本发明的技术步骤，下面将对本发明说明中使用到的所有附图做简单描述。附图涉及到无人机布局场景模型，以及仿真效果图。

图1是本发明的计算流程图。

图2是发明的一个实例场景图。

图3是无人机密度随无人机与用户距离变化图。

图4是信号相关系数随无人机部署高度下限变化图。

图5是联合覆盖率随随建筑物平均高度变化图。

图6是联合覆盖率随阈值变化图。

具体实施方式

下面结合本申请中的附图，对本发明的步骤、过程进行完整清晰地描述。

本发明针对密集城区的热点地区，提出了利用无人机基站群组的部署方法，附图1是本发明的一个网络模型，圆柱形区域代表了无人机的分布的三维有限区域。其中每个无人机的高度运动范围是h到H,他们的投影位置仅限于一个以典型用户为原点(D)，R为半径的有限区域,所有无人机在垂直和水平方向上的运动均分别服从一维和二维的随机路径点模型。经过若干个时隙后，无人机的分布变为稳态节点分布。每个建筑物建模为一个长为L、宽为W的立方体，其平均值由特定的概率密度函数(pdf)计算为

和

建筑物高度符合瑞利分布。

步骤300，需要部署无人机的区域称为目标区域，通过获取目标区域的环境参数，包括目标区域的位置、大小，建筑物的平均高度、宽度以及分布密度，在目标区域内部署无人机基站，确定区域半径、适宜部署的无人机高度范围。构建移动性模型，在高度维无人机服从一维的随机路点模型，在水平维无人机服从二维的随机路点模型。定义无人机活动在h到H的高度范围内，水平方向以典型用户为圆心，以R半径，并假设无人机和典型用户之间的距离是z。进而，水平维的二维随机路点模型的分布函数f_R(r)和高度维的一维随机路点模型的分布函数 f_L(l)，根据f_R(r)和f_L(l)可以得到无人机和典型用户之间的距离z的分布函数f_Z(z)，将限定飞行的圆柱形区域按半径长度分割成三部分，分别计算，可以得到分布函数f_Z(z)，如附图3所示。为了保证一般性，假设R＞(H-h)。

步骤310，计算遮挡概率以及穿透损耗。我们考虑建筑物都是不可穿透的情况，穿透损耗可以表示为

其中γ表示每栋建筑的穿透损失率。又由于我们假设建筑物不可穿透，所以γ＝0。从而穿透损失为伯努利分布，其概率为：

P(B_i＝1)＝exp(-η(βr_i+p)),

P(B_i＝0)＝1-exp(-η(βr_i+p)) (11)

其中：

步骤320，推导相关系数的表达式，构建信道的模型。本发明采用Nakagami 衰落信道表示信道的衰落，记为h_x(t),而信道的概率密度函数表示如下：

其中m是Nakagami模型的参数。当m＝1时退化为Rayleigh衰落，m＝2时退化为Rician衰落。本发明假设所有无人机对地面的衰落。h_x(t)是时隙和空间独立的。大尺度衰落的模型记为g(x)。

现在分析典型用户从无人机接收到的信号强度的时间相关性。假设所有无人机在每个时隙中都使用单位功率发射。通过计算不同时隙累积干扰的相关系数获取时间相关性大小，反映不同时隙之间网络状态的相关程度。得到时隙相关性如下：

其中：

步骤330，计算联合覆盖率。我们测量两个连续时间槽的覆盖概率的相关性，即假设t₁连接成功，则典型用户在t₂时间与服务无人机成功连接的概率。更具体地说，我们可能会在两个时隙评估SIR。假设某典型用户在SIR大于阈值T时可以连接到正在服务的无人机，否则该用户处于中断状态。

在两个不同时隙t₁和t₂时隙下的的信噪比(SIR)表示如下

用联合覆盖率来准确地表征大尺度时间的网络性能，联合覆盖率定义为多个时隙用户处的接收信噪比同时高于信噪比阈值的概率，其计算如式(20)：

其中：

仿真结果如附图4、附图5和附图6所示。

图4是无人机信号相关性随无人机部署高度的变化图，其中m是Nakagami衰落信道的参数，m越大表示信道条件越好；α是大尺度衰落中的参数，α越大表示经历的衰落越小。从图中可以看出，随着无人机部署高度的变化信号相关性先升高后降低，存在一个最大值，且对应最大值的部署高度随m的增大均逐渐升高，也随α的增大均逐渐升高，表明信道条件状况在较差的情况下，需要将无人机部署至更高的高度来获得更大的信号相关性，以此来提升在无人机移动情况下的信道质量。对应于密集城区热点地区的场景，一方面在建筑分布越密集就需要将无人机部署高度进行一定抬升，另一方面建筑物的平均高度越高也需要将无人机部署高度增加。

图5是联合覆盖率随建筑物平均高度变化图。从图中可以看出不同系统参数下联合覆盖率随建筑物平均高度h的变化。我们假设无人机部署高度的上界为110米。联合覆盖率随建筑物平均高度的增加而增加，建筑物越高，其阻塞概率越大，NLOS无人机提供更强服务的概率就越大，从而减少干扰，获得更好的连接性能。此外，将无人机部署在城市密度较大的区域，可以获得更高的联合覆盖率。在实际应用中，将无人机部署到建筑物平均高度较高且密度较大的区域可以获得更好的性能。

图6是联合覆盖率随阈值变化图。从图中可以看出，无人机之间的相互干扰随着无人机初始密度的增加而增加，从而导致联合覆盖率的下降。我们可以看到，当阈值T增大时，联合覆盖率降低。当无人机部署范围的上下限高度确定时，无人机分布范围由半径决定，半径R越大，无人机距离用户越远，波动越大，受到的干扰越多，联合覆盖概率越低。

Claims (5)

1.一种面向城市热点区域的无人机三维部署参数设定方法，其特征在于包括：在三维有限域中部署无人机基站群组，无人机基站群组内包含多个无人机基站，所有无人机在垂直和水平方向上分别遵循随机路径点模型移动，其中每个无人机的高度运动范围是h到H；获取地面环境参数，根据环境参数确定无人机基站群组的部署位置、部署范围和部署高度，由于建筑物的密集分布，需要考虑到飞行域与建筑的范围交叠以及无人机的信号覆盖和建筑物的阻塞效应；引入时间相关性因子，通过研究不同时隙之间的相关系数来获取网络状态在不同时隙的相关关系，基于时间相关性，并跟据无人机的大尺度时间覆盖性能和信号相关性随无人机基站的部署高度、半径和群内无人机基站数量的变化情况，同时根据实际场景下的需要，修改相应无人机基站的参数设定，设置调整无人机基站的发射功率，以此得到最优的无人机的实际部署。

2.根据权利要求1所述的方法，其特征在于，需要部署无人机的区域称为目标区域，通过获取目标区域的环境参数，包括目标区域的位置、大小，在目标区域内部署无人机基站，确定区域半径和适宜部署的无人机高度范围。

3.根据权利要求1或2所述的方法，其特征在于，该场景下无人机部署的高度受限，无人机在垂直方向的运动范围处于高于地面的一定高度范围内，即h到H，无人机在水平方向的运动范围为以典型用户为原点，R为半径的有限区域；根据无人机基站覆盖的目标区域在高度维和水平维的飞行相对独立且飞行路径随机，确定无人机在高度维和水平维分别服从一维和二维的随机路点模型:

水平维的的分布函数如下：

高度维的的分布函数如下：

以用户为球心，将限定飞行的圆柱形区域按半径长度分割并计算每个部分分布函数，以此确定无人机距离典型用户距离的概率密度函数；同时，考虑建筑物遮挡效应的影响，计算该场景中的遮挡概率以及穿透损耗，对无人机进行合理部署。

4.根据权利要求3所述的方法，引入时间相关性因子，根据模型假设得到不同时隙累积干扰的相关性获取时间相关性大小；本发明研究两个相邻时隙t1和t2里无人机的信号相关性，并认为t1和t2时刻无人机与用户的距离差为v，相关系数表达式如下：

式中s(t₁)和s(t₂)分别表示用户在t₁和t₂时隙的信号强度，E[h]为Nakagami衰落的均值，E[β]是路径遮挡的平均损失，根据信号相关性的决定式，通过调节无人机飞行高度、飞行速度等参数，能够得到无人机信号相关性最佳时的无人机部署方式。

5.根据权利要求1或4所述的方法，其特征在于，基于网络的时间相关性，获取无人机基站群组服务区域内的大尺度时间覆盖性能；在这里用联合覆盖率来准确表征大尺度时间的网络性能，我们测量两个连续时间槽的覆盖概率的相关性，即假设t₁连接成功，则典型用户在t₂时间与服务无人机成功连接的概率，其计算式如下：

其中，f_z(z)为无人机的概率密度函数，I为累计干扰，m是Nakagami模型的参数，对应于密集城区热点地区的场景，建筑物的遮挡效应更加显著，引入建筑物因子对无人机网络的影响，同时考虑实际环境情况得到部署的参数设置，根据大尺度时间覆盖性能和信号相关性随无人机基站的部署高度和群内无人机基站数量的变化情况，同时根据实际场景下的实际需要，修改相应无人机基站的参数设定，得到最优的无人机基站群组参数设置，根据联合覆盖率随地面基站和无人机基站的发射功率比的变化关系，调整无人机基站的发射功率，以此得到最优的无人机的实际部署。

Images