CN114221687B - 无人机空中基站组网方法、装置及电子设备 - Google Patents
无人机空中基站组网方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114221687B CN114221687B CN202111341198.6A CN202111341198A CN114221687B CN 114221687 B CN114221687 B CN 114221687B CN 202111341198 A CN202111341198 A CN 202111341198A CN 114221687 B CN114221687 B CN 114221687B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vehicle air
- air base
- base station
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000006855 networking Effects 0.000 title claims abstract description 43
- 239000002245 particle Substances 0.000 claims abstract description 114
- 238000004891 communication Methods 0.000 claims description 42
- 230000005540 biological transmission Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 9
- 239000012530 fluid Substances 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/46—TPC being performed in particular situations in multi hop networks, e.g. wireless relay networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor 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)
- 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
本发明提供一种无人机空中基站组网方法、装置及电子设备。无人机空中基站组网方法,包括:获取用户终端的地理分布信息并初始化无人机空中基站群位置,无人机空中基站群由多个无人机空中基站组成;建立无人机空中基站的能效模型;使用具有噪声的基于密度的聚类DBSCAN方法对用户终端进行分簇,得到用户簇属性以及多个无人机空中基站的基站数量;建立用户终端与多个无人机空中基站的第一对应关系;使用优化线性递减策略的粒子群方法,根据能效模型、用户簇属性、基站数量和第一对应关系计算多个无人机空中基站的待部署坐标。实现在考虑无人机空中基站的能耗问题和无人机空中基站间干扰的情况下,计算无人机空中基站的最佳能效比位置。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种无人机空中基站组网方法、装置及电子设备。
背景技术
随着移动互联网的发展,接入网络的各式设备的数量以及数据流量的需求都将呈指数级增长。地面基站无法满足用户的通信质量需求,此时就需要使用应急通信这一手段。由于无人机具有体积小、部署容易、灵活性高、部署成本低等优势,故基于无人机的空中基站被视为应急通信的一种有效手段。
单个空中基站的通信能力有限,面对待服务地区用户终端的需求,需要多个无人机空中基站协作进行通信。为获得更良好的基站的服务质量,需要考虑无人机空中基站间的干扰和用户终端间的干扰以及无人机空中基站提供服务的过程中产生的能源损耗。因此如何合理部署多无人机空中基站的位置获得高能效比以保障待服务区域的应急通信服务是一个重要的问题。
发明内容
本发明提供一种无人机空中基站组网方法、装置及电子设备,用以解决现有技术中缺乏对无人机空中基站的能耗、无人机空中基站间的干扰等因素考虑的缺陷,实现在考虑无人机空中基站的能耗问题和无人机空中基站间干扰的情况下,建立空中基站的能效模型以及用户终端与空中基站对应关系,基于无人机空中基站的能效模型以及用户终端与空中基站对应关系,计算无人机空中基站的最佳能效比位置。
第一方面,本发明提供一种无人机空中基站组网方法,包括:
获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;
建立所述无人机空中基站的能效模型;
使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;
建立所述用户终端与所述多个无人机空中基站的第一对应关系;
使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性、所述基站数量和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
根据本发明提供的一种无人机空中基站组网方法,所述建立所述无人机空中基站的能效模型的步骤,包括:
根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型。
根据本发明提供的一种无人机空中基站组网方法,所述根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型的步骤,包括:
根据视距链路传播概率、非视距链路传播概率和路损模型确定平均链路损失;
根据所述平均链路损失、路径损失参数和所述用户终端与所述无人机空中基站的距离确定所述无人机空中基站到所述用户终端的链路损失;
根据所述用户终端分配的带宽、所述无人机空中基站到所述用户终端的传输功率和所述链路损失确定所述用户终端对所述无人机空中基站的接收信号功率;
根据所述用户终端的噪音参数和所述用户终端分配的带宽确定噪音功率;
根据所述接收信号功率和所述噪音功率确定所述用户终端与所述无人机空中基站之间的信噪比;
根据所述用户终端分配的带宽和所述信噪比确定用户传输速率;
根据指示变量、所述用户传输速率和连续时间确定所述用户吞吐量,所述连续服务时间为连续的所述无人机空中基站对所述用户终端的服务时间;
根据机载电路功率、所述传输功率和所述服务时间确定通信能量;
根据所述无人机空中基站的无人机旋翼数量、无人机框架重量、电池和有效载荷的重量、空气的流体密度和转子半径和所述服务时间确定悬停能量;
根据水平移动功率、上升功率、下降功率、水平移动速率、上升速率、下降速率、水平移动距离、竖直移动距离和指示函数确定移动能量;
根据所述无人机空中基站的通信能量、悬停能量和移动能量确定所述无人机空中基站总能量;
根据所述用户吞吐量、所述无人机空中基站总能量和所述预设约束条件,建立所述能效模型。
根据本发明提供的一种无人机空中基站组网方法,所述使用DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量的步骤,包括:
使用所述DBSCAN方法对所述用户终端进行分簇,得到用户簇属性和所述多个无人机空中基站的基站数量,所述用户簇属性包括用户簇数量和用户簇二维中心坐标,所述基站数量与所述用户簇数量一致。
根据本发明提供的一种无人机空中基站组网方法,所述建立所述用户终端与所述多个无人机空中基站的第一对应关系的步骤,包括:
为所述用户簇分配所述多个无人机空中基站,并建立所述用户簇中的用户终端与所述用户簇对应的无人机空中基站的第一对应关系,使得所述用户簇与所述无人机空中基站一一对应。
根据本发明提供的一种无人机空中基站组网方法,所述使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标的步骤,包括:
随机初始化粒子群中M个第一粒子的当前高度、速度、局部最优解高度和全局最优解高度;
利用所述能效模型,计算所述M个第一粒子的当前高度的能效比;
当所述第一粒子的当前高度对应的能效比大于等于所述第一粒子的局部最优解高度对应的能效比时,将所述当前高度更新为所述第一粒子的局部最优解高度;
当所述第一粒子局部最优解高度对应的能效比大于等于所述粒子群中M个第一粒子全局最优解高度对应的能效比时,将所述第一粒子局部最优解高度更新为所述M个第一粒子的全局最优解高度;
根据预设速度迭代公式和预设高度迭代公式,更新所述M个第一粒子的当前速度和所述当前高度;所述预设速度迭代公式由惯性因子、学习因子、所述局部最优解高度、所述全局最优解高度、当前迭代次数和随机数所确定;所述惯性因子由最大迭代次数、所述当前迭代次数、初始惯性权值、最大迭代惯性权值、所述全局最优解高度、所述局部最优解高度和所述当前高度所确定;
当所述当前迭代次数等于所述最大迭代次数和/或所述全局最优解高度满足预设适应阈值时,将所述全局最优解高度作为最佳高度;
根据所述最佳高度、所述用户簇属性和所述第一对应关系确定所述多个无人机空中基站的待部署坐标。
第二方面,本发明还提供一种无人机空中基站组网装置,包括:
获取单元,用于获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;
模型单元,用于建立所述无人机空中基站的能效模型;
分簇单元,用于使用基于密度的空间聚类在噪声中的应用DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;
关联单元,用于建立所述用户终端与所述多个无人机空中基站的第一对应关系;
计算单元,用于使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性、所述基站数量和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
第三方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述无人机空中基站组网方法的步骤。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述无人机空中基站组网方法的步骤。
第五方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述无人机空中基站组网方法的步骤。
本发明提供的空中基站组网方法、装置及电子设备,通过获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;建立所述无人机空中基站的能效模型;使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;建立所述用户终端与所述多个无人机空中基站的第一对应关系;使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。在考虑无人机空中基站间的干扰和用户终端间的干扰以及空中基站提供服务的过程中产生的能源损耗的情况下,计算无人机空中基站的最佳能效比位置,保障了待服务区域的应急通信服务。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的无人机空中基站组网方法的流程示意图之一;
图2是本发明提供的无人机空中基站组网方法的流程示意图之二;
图3是本发明提供的无人机空中基站组网方法的流程示意图之三;
图4是本发明提供的无人机空中基站组网装置的结构示意图;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
随着第五代移动通信技术(5th Generation Mobile CommunicationTechnology,5G)时代的到来,接入网络的各式设备的数量以及需求都将呈指数级增长。同时人们希望可以在体育场、演唱会等超密集场景和洪涝、地震等受灾场景下保持或者获得稳定优质的通信体验。然而以上情况地面基站无法满足,需要进行应急通信。由于无人机具有体积小、部署容易、灵活性高、部署成本低等优势,故基于无人机的空中基站被视为应急通信的一种有效手段。
单个空中基站的通信能力有限,面对待服务地区用户终端的需求,往往需要多个无人机空中基站协作进行通信。为获得更良好的基站的服务质量,需要考虑无人机空中基站间的干扰和用户终端间的干扰以及无人机空中基站提供服务的过程中产生的能源损耗。因此如何合理部署多无人机空中基站的位置获得高能效比以保障待服务区域的应急通信服务是一个重要的问题。
为解决上述问题,本发明提供一种无人机空中基站组网方法,如图1所示,所述方法包括如下步骤:
S11、获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;
为方便理解,接下来将以电子设备为执行主体对本发明中的技术方案进行举例说明,并不起限定作用。
具体地,电子设备可以获取用户终端的地理分布信息并初始化无人机空中基站群位置,无人机空中基站群由多个无人机空中基站组成。
用户终端的地理分布信息为在预设区域内的多个用户终端的地理位置信息的集合,预设区域可以根据实际需求进行划定,用户终端的地理位置信息可以包括该用户终端所处位置的经纬度和海拔高度。
S12、建立所述无人机空中基站的能效模型;
具体地,电子设备可以建立所述无人机空中基站的能效模型,所述能效模型可以用于计算无人机空中基站在设置的范围内的最佳能效比,设置的范围可以根据实际需要进行设定,对此不进行限定。
S13、使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;
具体地,电子设备可以使用具有噪声的基于密度的聚类(Density-Based SpatialClustering of Applications with Noise,DBSCAN)方法对多个用户终端进行分簇,得到用户簇属性以及多个无人机空中基站的基站数量,用户簇属性可以包括电子设备对用户终端进行分簇后得到的用户簇的用户簇数量和用户簇的位置,基站数量可以根据用户簇数量以及实际需求进行设置,例如,基站数量可以为用户簇数量的1倍、1.5倍或2倍等。
S14、建立所述用户终端与所述多个无人机空中基站的第一对应关系;
具体地,电子设备可以根据用户簇属性和基站数量,完成用户簇中的用户终端与多个无人机空中基站间第一对应关系的建立,以实现用户终端与无人机空中基站进行通信。
在每个簇内,用户是随机分布的且处于无人机空中基站覆盖范围的用户都可与无人机空中基站进行通信,假设在连续时间段T内所有无人机空中基站共享同一频段进行通信,频段下的信道集合为C={1,2,...,c}。
在无人机空中基站和用户之间建立第一对应关系时,首先遍历性的探测是否有信道c空闲,由于本发明中考虑适当数量的无人机空中基站之间协同通信,所以可以快速完成无人机空中基站遍历性探测。若有信道c空闲,则无人机空中基站将此信道c标记为已使用,并可以通过此信道c向用户提供服务,以此完成第一对应关系的建立;若无信道c空闲,则无人机空中基站继续探测直到约束通信时间到达或已有信道c可用,约束通信时间可以根据实际需求进行设定,对此不进行限定。
在信道c内,无人机空中基站在时间范围T内以周期性时分多址(Time DivisionMultiple Access,TDMA)的形式为覆盖范围内的用户终端提供服务,且假设连续时间段T分为N个时隙,则每个时隙的长度为δ=T/N。此种方式可有效的减少无人机空中基站之间和用户终端之间的干扰。
S15、使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标;
具体地,电子设备可以使用优化线性递减策略的粒子群方法,根据能效模型计算多个无人机空中基站的最佳高度,根据最佳高度、用户簇属性中用户簇的位置、基站数量和第一对应关系确定多个无人机空中基站的待部署坐标。
本发明实施例中,获取用户终端的地理分布信息,建立无人机空中基站的能效模型,对根据用户终端的地理分布信息对用户终端进行分簇得到用户簇属性,根据用户簇属性建立用户终端与多个无人机空中基站的第一对应关系,根据优化线性递减策略的粒子群方法、能效模型、用户簇属性、基站数量和第一对应关系计算多个无人机空中基站的待部署坐标。在考虑无人机空中基站间的干扰和用户终端间的干扰以及空中基站提供服务的过程中产生的能源损耗的情况下,计算无人机空中基站的最佳能效比位置,保障了待服务区域的应急通信服务。
根据本发明实施例提供的一种无人机空中基站组网方法,其中,所述建立所述无人机空中基站的能效模型的步骤,具体为:
根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型。
具体地,电子设备可以根据用户吞吐量、无人机空中基站总能量和预设约束条件建立能效模型,预设约束条件可以根据实际需求进行设置。
本发明实施例中,根据用户吞吐量、无人机空中基站总能量和预设约束条件建立能效模型,能够高效、便捷地确定能效模型,方便后续根据能效模型计算多个无人机空中基站的待部署坐标。
根据本发明实施例提供的一种无人机空中基站组网方法,其中,所述根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型的步骤,如图2所示,具体包括如下步骤:
S1201、根据视距链路传播概率、非视距链路传播概率和路损模型确定平均链路损失;
具体地,电子设备可以根据视距链路传播概率、非视距链路传播概率和路损模型确定平均链路损失,接下来将根据公式(1)~(4)进行说明。在无人机空中基站与用户终端进行通信时,通常包括非视距链路(Non-Line-of-Sight,NLoS)和视距链路(Line-of-Sight,LoS)两种,视距链路的权重主要取决于环境和物联网节点与无人机基站之间的仰角。在时隙t内无人机空中基站j和用户终端i之间进行通信的视距传播概率为表示为:
其中,i表示用户终端,j表示无人机空中基站,LoS表示视距链路,hj(t)和hi(t)分别表示无人机空中基站j及用户终端i在时隙t的高度,α,β,γ是描述某个城市地区的数据视频信号传播的环境常数,θ表示用户终端i与无人机空中基站j之间的仰角。
在时隙t内无人机空中基站j和用户终端i之间的路损模型表示为:
其中,表示在时隙t无人机空中基站j和用户终端i之间的视距链路损失,/>表示在时隙t无人机空中基站j和用户终端i之间的非视距链路损失,fc为载波频率,c为光速,di,j(t)为在时隙t内无人机空中基站j和用户终端i之间的距离,无人机空中基站j在时隙t内的3D位置坐标为(xj(t),yj(t),hj(t)),用户终端i的位置坐标为
ηLoS是由环境决定的视距链路自由空间顶部过度路径损耗的平均值,ηNLoS是由环境决定的非视距链路自由空间顶部过度路径损耗的平均值。
在时隙t内无人机空中基站j对用户终端i的平均链路损失为Li,j(t),表示为:
其中,表示在时隙t内无人机空中基站j和用户终端i之间进行通信的的视距传播概率,/>表示在时隙t内无人机空中基站j和用户终端i之间的视距链路损失,/>表示在时隙t内无人机空中基站j和用户终端i之间进行通信的的非视距传播概率,/>表示在时隙t内无人机空中基站j和用户终端i之间的非视距链路损失。
S1202、根据所述平均链路损失、路径损失参数和所述用户终端与所述无人机空中基站的距离确定所述无人机空中基站到所述用户终端的链路损失;
其中,Li,j(t)表示在时隙t内无人机空中基站j对用户终端i的平均链路损失,δpath表示路径损失参数,di,j(t)表示在时隙t内无人机空中基站j和用户终端i之间的距离。
S1203、根据所述用户终端分配的带宽、所述无人机空中基站到所述用户终端的传输功率和所述链路损失确定所述用户终端对所述无人机空中基站的接收信号功率;
具体地,接下来将根据公式(6)进行说明。基站的带宽资源需要使用资源分配模型分配给在覆盖范围内的全部用户。本发明出于通信的公平性,选择使用平均分配模型来分配总带宽,故分配给每个用户终端i的带宽为bi,表示为:其中,B表示空中基站总带宽,N表示用户终端的数量。
将分析在有突发数据热点时,地面部署的宏基站不能满足所有用户终端的服务请求(Quality of Service,QoS)需求,这时我们假设共有K类不同的用户终端QoS需求及K个簇,Mk表示第k类用户终端的集合,M表示所有用户终端的集合,所以成立。
S1204、根据所述用户终端的噪音参数和所述用户终端分配的带宽确定噪音功率;
具体地,接下来将根据公式(7)进行说明。在时隙t内第k类QoS需求的用户终端i的噪音功率为Ni,k(t),表示为:
其中ρi(t)表示在时隙t内用户终端i的设备噪音配置参数,bi,k(t)表示对于第k类QoS需求的用户终端i在时隙t所分配的带宽。
S1205、根据所述接收信号功率和所述噪音功率确定所述用户终端与所述无人机空中基站之间的信噪比;
具体地,接下来将根据公式(8)进行说明。在时隙t内第k类QoS需求的用户终端i由无人机空中基站j处得到的信噪比为SIN Ri,j,k(t),表示为:
S1206、根据所述用户终端分配的带宽和所述信噪比确定用户传输速率;
具体地,接下来将根据公式(9)进行说明。在时隙t内无人机空中基站j和第k类QoS需求的用户终端i通过用户终端分配的带宽bi,k(t)的信道传输的速率为ci,j,k(t),表示为:
ci,j,k(t)=bi,k(t)log2(1+SIN Ri,j,k(t)) (9)
其中,bi,k(t)表示对于第k类QoS需求的用户终端i在时隙t所分配的带宽,SINRi,j,k(t)表示在时隙t内第k类QoS需求的用户终端i由无人机空中基站j处得到的信噪比。
S1207、根据指示变量、所述用户传输速率和连续服务时间确定所述用户吞吐量,所述连续服务时间为连续的所述无人机空中基站对所述用户终端的服务时间;
具体地,接下来将根据公式(10)~(12)进行说明。假设每个用户终端只能由1个无人机空中基站提供服务,1个无人机空中基站同时可为多个用户终端提供服务,我们定义在t内无人机空中基站j调度和接入第k类QoS需求的用户终端i的指示变量Ii,j,k(t),表示为:
其中,当在时隙t内无人机空中基站j连接第k类Qos需求的用户终端i时,Ii,j,k(t)的值为1,当处于其他情况时,Ii,j,k(t)的值为0。
第k类QoS需求的用户终端i在连续服务时间T内的吞吐量为Tri,表示为:
其中,Ii,j,k(t)表示指示变量,ci,j,k(t)表示在时隙t内无人机空中基站j和第k类QoS需求的用户终端i通过带宽bi,k(t)的信道传输的速率,bi,k(t)表示对于第k类QoS需求的用户终端i在时隙t所分配的带宽,SIN Ri,j,k(t)表示在时隙t内第k类QoS需求的用户终端i由无人机空中基站j处得到的信噪比。
因此,可求得所有用户终端的用户吞吐量为Tr,表示为:
其中,M表示用户终端的数量,T表示连续服务时间,为连续的无人机空中基站对用户终端服务的时间,Ii,j,k(t)表示指示变量,ci,j,k(t)表示在时隙t内无人机空中基站j和第k类QoS需求的用户终端i通过带宽bi,k(t)的信道传输的速率。
S1208、根据机载电路功率、所述传输功率和所述服务时间确定通信能量;
具体地,接下来将根据公式(13)进行说明。无人机空中基站的总能耗包括三个部分。第一种是无人机空中基站电波辐射、信号处理和电路造成的通信能量。第二部分是无人机空中基站在空中悬停保持自身位置时消耗的悬停能量。第三部分是无人机空中基站移动所需的推进能量。
S1209、根据所述无人机空中基站的无人机旋翼数量、无人机框架重量、电池和有效载荷的重量、空气的流体密度、转子半径和所述服务时间确定悬停能量;
具体地,接下来将根据公式(14)~(15)进行说明。无人机为多旋翼直升机,无人机空中基站的悬停能量可通过悬停功率消耗得到,其与电池和有效载荷重量近似成线性关系。无人机空中基站j的悬停功率为Phov,表示为:
其中,M为无人机的旋翼数量,G=(W+m)g为牛顿推力,W为无人机的框架重量,m为电池和有效载荷重量,g为重力加速度,ρ为空气的流体密度,β为无人机的转子半径。
其中,Phover表示无人机空中基站j的悬停功率,δ为无人机空中基站j服务用户终端i的服务时间。
S1210、根据水平移动功率、上升功率、下降功率、水平移动速率、上升速率、下降速率、水平移动距离、竖直移动距离和指示函数确定移动能量;
其中,Ph、Pa和Pd分别表示无人机空中基站j的水平移动功率、上升功率和下降功率,vh、va和vd分别表示无人机空中基站j的水平移动速率、上升速率和下降速率。d(i,t)和△h(i,t)分别表示无人机空中基站j在时隙t内水平移动距离和竖直移动距离。无人机空中基站j的水平移动速率上升速率和下降速率/> v表示无人机空中基站j的速率,I(△h(j,t))为指示函数,表示为:
当△h(j,t)≥0时,I(△h(j,t))的值为1;当△h(j,t)<0时,I(△h(j,t))的值为0。
无人机空中基站j的水平移动功率Ph,表示为:
Ph=Pp+PI (18)
其中,Pp表示克服无人机表面摩擦产生的依附阻力的依附功率,表示为:
PI表示用于克服由无人机升力引起的阻力的感应功率,以产生升力来补偿飞机的重量,表示为:
相似地,无人机空中基站j的上升功率Pa和下降功率Pd,表示为:
其中,G表示牛顿推力,va表示无人机空中基站j的上升速率,vd无人机空中基站j的下降速率,ρ表示空气的流体密度,β表示无人机的转子半径。
S1211、根据所述无人机空中基站的通信能量、悬停能量和移动能量确定所述无人机空中基站总能量;
具体地,接下来将根据公式(23)~(25)进行说明。无人机空中基站j在时隙t消耗的总能量为Ej(t),表示为:
无人机空中基站j连续时间范围T内的能量为Ej,表示为:
所有无人机空中基站的总能量为E,表示为:
其中,N表示无人机空中基站的数量。
S1212、根据所述用户吞吐量、所述无人机空中基站总能量和所述预设约束条件,建立所述能效模型;
具体地,接下来将根据公式(26)~(36)进行说明。能效模型为:
其中,集合A表示任意时隙无人机空中基站j调度和接入第k类QoS需求的用户终端i的指示变量,集合BB表示任意时隙分配给第k类QoS需求的用户终端i的带宽,集合P表示任意时隙分配给无人机空中基站j到第k类QoS需求的用户终端i的传输功率,Φ表示能效比,Tr表示用户总吞吐量,M表示用户终端的数量,Tri表示第k类QoS需求的用户终端i在连续时间范围T内的吞吐量,E表示无人机空中基站的总能量消耗,N表示无人机空中基站的数量,Ej表示无人机空中基站j连续时间范围T内的能量。
其预设约束条件为公式(27)~(36):
hj(t)∈[hmin,hmax] (28)
公式(27)约束无人机空中基站j在时隙t内的3D位置坐标为(xj(t),yj(t),hj(t)),用户终端i的位置坐标为(xi(t),yi(t)),在时隙t内无人机空中基站j和用户终端i之间的距离为di,j(t)。
公式(28)约束无人机空中基站的位置坐标不可超过设置的范围,xmin和xmax分别为设置的范围的横坐标最大值和横坐标最小值,ymin和ymax分别为设置的范围的纵坐标最大值和纵坐标最小值,设置的范围可以根据实际需要进行设定,对此不进行限定。
公式(29)约束Ii,j,k(t)只可为0或1,表示用户终端接收或未接收到到无人机空中基站的服务。
公式(30)约束每个用户终端最多只可被1个无人机空中基站服务。
公式(31)约束每个用户终端接收到的信噪比需大于等于最小信噪比σmin,σmin可以根据实际需要进行设置,对此不进行限定。
公式(32)约束每个用户终端接收到的信号功率需大于等于最小接收功率μmin,μmin可以根据实际需要进行设置,对此不进行限定。
公式(33)约束在连续时间范围T内所有用户终端分配到的带宽之和小于等于无人机空中基站所具备的带宽B,并且用户终端分配的带宽大于等于0,无人机空中基站所具备的带宽B可以根据实际需要进行设置,对此不进行限定。
公式(34)约束在连续时间T范围内用户终端通过信道的传输功率之和小于等于最大传输功率Pmax,并且每个用户终端通过信道的传输功率大于等于0,最大传输功率Pmax可以根据实际需要进行设置,对此不进行限定。
公式(35)约束每个用户终端的传输速率大于等于所需的传输速率Rm,传输速率Rm可以根据实际需要进行设置,对此不进行限定。
公式(36)约束每个无人机空中基站在时隙t消耗的总能量大于等于0。
本发明实施例中,详细记载了如何计算用户吞吐量、无人机空中基站总能量,并根据用户吞吐量、无人机空中基站总能量和预设约束条件建立能效模型,通过该方法能够准确、高效地确定能效模型,方便后续根据能效模型计算多个无人机空中基站的待部署坐标。
根据本发明实施例提供的一种无人机空中基站组网方法,其中,所述使用DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量的步骤,具体为:
S131、使用所述DBSCAN方法对所述用户终端进行分簇,得到用户簇属性和所述多个无人机空中基站的基站数量,所述用户簇属性包括用户簇数量和用户簇二维中心坐标,所述基站数量与所述用户簇数量一致;
具体地,电子设备可以使用DBSCAN方法对多个用户终端进行分簇,得到多个用户簇,并统计用户簇的属性,用户簇属性可以包括用户簇的数量和用户簇二维中心坐标,可以根据用户簇的数量确定与用户簇的数量一致的多个无人机空中基站的基站数量。
电子设备使用DBSCAN方法对多个用户终端进行分簇的流程如下:
电子设备可以统计用户簇C的数量作为用户簇数量,将用户簇内所有用户终端的x坐标和y坐标的平均值作为用户簇中心二维坐标的x坐标和y坐标,以此得到用户簇中心二维坐标。
本发明实施例中,详细记载了如何使用DBSCAN方法对用户终端进行分簇,通过该方法能够准确、高效地确定用户簇属性以及多个无人机空中基站的基站数量,方便后续根据用户簇属性以及多个无人机空中基站的基站数量计算多个无人机空中基站的待部署坐标。
根据本发明实施例提供的一种无人机空中基站组网方法,其中,所述建立所述用户终端与所述多个无人机空中基站的第一对应关系的步骤,具体为:
S141、为所述用户簇分配所述多个无人机空中基站,并建立所述用户簇中的用户终端与所述用户簇对应的无人机空中基站的第一对应关系,使得所述用户簇与所述无人机空中基站一一对应。
具体地,电子设备可以为用户簇分配无人机空中基站,并建立用户簇中的用户终端与用户簇对应的无人机空中基站的第一对应关系,使得用户簇与无人机空中基站一一对应。
本发明实施例中,用户簇与无人机空中基站一一对应,用户簇中的用户终端与用户簇对应的无人机空中通过第一对应关系进行通信。考虑了无人机空中基站间的干扰和用户终端间的干扰,使得后续计算无人机空中基站的最佳能效比位置更加准确。
根据本发明实施例提供的一种无人机空中基站组网方法,其中,所述使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标的步骤,如图3所示,具体包括如下步骤:
S151、随机初始化粒子群中M个第一粒子的当前速度、当前高度、局部最优解高度和全局最优解高度;
电子设备可以将粒子群中M个第一粒子的当前速度、当前高度、局部最优解高度和全局最优解高度随机初始化为随机值,其中,M与用户簇数量一致,每个第一粒子均具有独立的当前高度、当前速度和局部最优解高度,M个第一粒子的全局最优解高度唯一。
S152、利用所述能效模型,计算所述粒子群在所述M个第一粒子的当前高度的能效比;
具体地,对于M个第一粒子,电子设备可以将每个第一粒子的当前高度和用户簇中心二维坐标代入能效模型,计算粒子群在M个第一粒子的当前高度的能效比。
相似地,对于M个第一粒子,电子设备可以将每个第一粒子的局部最优解高度和用户簇中心二维坐标代入能效模型,计算粒子群在M个第一粒子的局部最优解高度的能效比。
相似地,对于粒子群,电子设备可以将粒子群的全局最优解高度和用户簇中心二维坐标代入能效模型,计算粒子群在粒子群的全局最优解高度的能效比。
S153、当所述第一粒子的当前高度对应的能效比大于等于所述第一粒子的局部最优解高度对应的能效比时,将所述当前高度作为所述第一粒子的局部最优解高度;
具体地,对于M个第一粒子,当第一粒子的当前高度对应的能效比大于等于第一粒子的局部最优解高度对应的能效比时,电子设备可以将第一粒子的当前高度更新为第一粒子的局部最优解高度。
S154、当所述第一粒子的局部最优解高度对应的能效比大于等于所述第一粒子的全局最优解高度对应的能效比时,将所述第一粒子的局部最优解高度作为所述第一粒子的全局最优解高度;
具体地,对于M个第一粒子,当第一粒子的局部最优解高度对应的能效比大于等于第一粒子的全局最优解高度对应的能效比时,电子设备可以将第一粒子的局部最优解更新为第一粒子的全局最优解高度。
S155、根据预设速度迭代公式和预设高度迭代公式,更新所述M个第一粒子的当前速度和所述当前高度;所述预设速度迭代公式由惯性因子、学习因子、所述局部最优解高度、所述全局最优解高度、当前迭代次数和随机数所确定;所述惯性因子由最大迭代次数、所述当前迭代次数、初始惯性权值、最大迭代惯性权值、所述全局最优解高度、所述局部最优解高度和所述当前高度所确定;
具体地,接下来将根据公式(37)~(39)进行说明。电子设备可以根据预设速度迭代公式更新M个第一粒子的当前速度,预设速度迭代公式可以表示为:
其中,N表示空间的维度,i表示第i个第一粒子,表示在N维空间中第i个第一粒子的当前速度,wt表示惯性因子,wt的值非负,c1和c2表示学习因子,rand()为随机数,/>表示在N维空间中第i个第一粒子的局部最优解高度,/>表示在N维空间中第i个第一粒子的当前高度,/>表示在N维空间中第i个第一粒子的全局最优解高度,di表示第i个第一粒子的当前迭代次数。
学习因子c1和c2可以根据实际需要进行设定,对此不进行限定。
电子设备可以根据预设高度迭代公式更新M个第一粒子的当前高度,预设高度迭代公式可以表示为:
约束因子α可以根据实际需要进行设定,对此不进行限定。
电子设备可以根据预设惯性因子公式确定惯性因子wt,预设惯性因子公式可以表示为:
其中,wt表示惯性因子,wini表示初始惯性权值,wend表示迭代至最大迭代数时的惯性权值,Dmax表示最大迭代数,di表示第i个第一粒子的当前迭代次数,表示在N维空间中第i个第一粒子的全局最优解高度,/>表示在N维空间中第i个第一粒子的当前高度,/>表示在N维空间中第i个第一粒子的局部最优解高度。
初始惯性权值wini、迭代至最大迭代数时的惯性权值wend和最大迭代数Dmax可以根据实际需要进行限定,对此不进行限定。
S156、当所述当前迭代次数等于所述最大迭代次数和/或所述全局最优解高度满足预设适应阈值时,将所述全局最优解高度作为最佳高度;
具体地,当满足当前迭代次数等于最大迭代数和/或全局最优解高度满足预设适应阈值时,电子设备可以将全局最优解高度作为最佳高度。预设适应阈值可以根据实际需要进行设定,对此不进行限定。
S157、根据所述最佳高度、所述用户簇属性和所述第一对应关系确定所述多个无人机空中基站的待部署坐标;
具体地,电子设备可以根据用户簇属性的用户簇中心二维坐标和第一对应关系确定与多个用户簇对应的多个无人机空中基站的二维坐标,结合最佳高度和多个无人机空中基站的二维坐标,得到多个无人机空中基站的待部署坐标。
本发明实施例中,使用优化线性递减策略的粒子群方法,根据能效模型计算最佳高度,通过用户簇属性和第一对应关系确定多个无人机空中基站的二维坐标,将最佳高度和多个无人机空中基站的二维坐标结合得到多个无人机空中基站的待部署坐标。应用本发明实施例的技术方案,利用粒子群的信息共享机制进行全局探测,探测出无人机空中基站具有最优能效比的全局最优解高度,有效缩短了确定最佳高度的时间,加速无人机空中基站部署的过程。
下面对本发明提供的无人机空中基站组网装置进行描述,下文描述的无人机空中基站组网装置与上文描述的无人机空中基站组网方法可相互对应参照,如图4所示,所述装置包括如下单元:
获取单元41,用于获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;
模型单元42,用于建立所述无人机空中基站的能效模型;
分簇单元43,用于使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;
关联单元44,用于建立所述用户终端与所述多个无人机空中基站的第一对应关系;
计算单元45,用于使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性、所述基站数量和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
本发明实施例中,获取用户终端的地理分布信息,建立无人机空中基站的能效模型,对根据用户终端的地理分布信息对用户终端进行分簇得到用户簇属性,根据用户簇属性建立用户终端与多个无人机空中基站的第一对应关系,根据优化线性递减策略的粒子群方法、能效模型、用户簇属性、基站数量和第一对应关系计算多个无人机空中基站的待部署坐标。在考虑无人机空中基站间的干扰和用户终端间的干扰以及空中基站提供服务的过程中产生的能源损耗的情况下,计算无人机空中基站的最佳能效比位置,保障了待服务区域的应急通信服务。
根据本发明实施例提供的一种无人机空中基站组网装置,其中,所述模型单元42,具体可以用于:
根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型。
根据本发明实施例提供的一种无人机空中基站组网装置,其中,所述模型单元42,具体可以用于:
根据视距链路传播概率、非视距链路传播概率和路损模型确定平均链路损失;
根据所述平均链路损失、路径损失参数和所述用户终端与所述无人机空中基站的距离确定所述无人机空中基站到所述用户终端的链路损失;
根据所述用户终端分配的带宽、所述无人机空中基站到所述用户终端的传输功率和所述链路损失确定所述用户终端对所述无人机空中基站的接收信号功率;
根据所述用户终端的噪音参数和所述用户终端分配的带宽确定噪音功率;
根据所述接收信号功率和所述噪音功率确定所述用户终端与所述无人机空中基站之间的信噪比;
根据所述用户终端分配的带宽和所述信噪比确定用户传输速率;
根据指示变量、所述用户传输速率和连续服务时间确定所述用户吞吐量,所述连续服务时间为连续的所述无人机空中基站对所述用户终端的服务时间;
根据机载电路功率、所述传输功率和所述服务时间确定通信能量;
根据所述无人机空中基站的无人机旋翼数量、无人机框架重量、电池和有效载荷的重量、空气的流体密度、转子半径和所述服务时间确定悬停能量;
根据水平移动功率、上升功率、下降功率、水平移动速率、上升速率、下降速率、水平移动距离、竖直移动距离和指示函数确定移动能量;
根据所述无人机空中基站的通信能量、悬停能量和移动能量确定所述无人机空中基站总能量;
根据所述用户吞吐量、所述无人机空中基站总能量和所述预设约束条件,建立所述能效模型。
根据本发明实施例提供的一种无人机空中基站组网装置,其中,所述分簇单元43,具体可以用于:
使用所述DBSCAN方法对所述用户终端进行分簇,得到用户簇属性和所述多个无人机空中基站的基站数量,所述用户簇属性包括用户簇数量和用户簇二维中心坐标,所述基站数量与所述用户簇数量一致。
根据本发明实施例提供的一种无人机空中基站组网装置,其中,所述关联单元44,具体可以用于:
为所述用户簇分配所述多个无人机空中基站,并建立所述用户簇中的用户终端与所述用户簇对应的无人机空中基站的第一对应关系,使得所述用户簇与所述无人机空中基站一一对应。
根据本发明实施例提供的一种无人机空中基站组网装置,其中,所述计算单元45,具体可以用于:
随机初始化粒子群中M个第一粒子的当前高度、速度、局部最优解高度和全局最优解高度;
利用所述能效模型,计算所述粒子群在所述M个第一粒子的当前高度的能效比;
当所述第一粒子的当前高度对应的能效比大于等于所述第一粒子的局部最优解高度对应的能效比时,将所述当前高度作为所述第一粒子的局部最优解高度;
当所述第一粒子的局部最优解高度对应的能效比大于等于所述第一粒子的全局最优解高度对应的能效比时,将所述第一粒子的局部最优解高度作为所述第一粒子的全局最优解高度;
根据预设速度迭代公式和预设高度迭代公式,更新所述M个第一粒子的当前速度和所述当前高度;所述预设速度迭代公式由惯性因子、学习因子、所述局部最优解高度、所述全局最优解高度、当前迭代次数和随机数所确定;所述惯性因子由最大迭代次数、所述当前迭代次数、初始惯性权值、最大迭代惯性权值、所述全局最优解高度、所述局部最优解高度和所述当前高度所确定;
当所述当前迭代次数等于所述最大迭代次数和/或所述全局最优解高度满足预设适应阈值时,将所述全局最优解高度作为最佳高度;
根据所述最佳高度、所述用户簇属性和所述第一对应关系确定所述多个无人机空中基站的待部署坐标。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行无人机空中基站组网方法,该方法包括:获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;建立所述无人机空中基站的能效模型;使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;建立所述用户终端与所述多个无人机空中基站的第一对应关系;使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的无人机空中基站组网方法,该方法包括:获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;建立所述无人机空中基站的能效模型;使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;建立所述用户终端与所述多个无人机空中基站的第一对应关系;使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的无人机空中基站组网方法,该方法包括:获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;建立所述无人机空中基站的能效模型;使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;建立所述用户终端与所述多个无人机空中基站的第一对应关系;使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种无人机空中基站组网方法,其特征在于,包括:
获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;
建立所述无人机空中基站的能效模型;
使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;
建立用户簇中的用户终端与所述多个无人机空中基站的第一对应关系;
使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
2.根据权利要求1所述的无人机空中基站组网方法,其特征在于,所述建立所述无人机空中基站的能效模型的步骤,包括:
根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型。
3.根据权利要求2所述的无人机空中基站组网方法,其特征在于,所述根据用户吞吐量、无人机空中基站总能量和预设约束条件,建立所述能效模型的步骤,包括:
根据视距链路传播概率、非视距链路传播概率和路损模型确定平均链路损失;
根据所述平均链路损失、路径损失参数和所述用户终端与所述无人机空中基站的距离确定所述无人机空中基站到所述用户终端的链路损失;
根据所述用户终端分配的带宽、所述无人机空中基站到所述用户终端的传输功率和所述链路损失确定所述用户终端对所述无人机空中基站的接收信号功率;
根据所述用户终端的噪音参数和所述用户终端分配的带宽确定噪音功率;
根据所述接收信号功率和所述噪音功率确定所述用户终端与所述无人机空中基站之间的信噪比;
根据所述用户终端分配的带宽和所述信噪比确定用户传输速率;
根据预设的指示变量、所述用户传输速率和连续服务时间确定所述用户吞吐量,所述连续服务时间为连续的所述无人机空中基站对所述用户终端的服务时间;
根据机载电路功率、所述传输功率和所述服务时间确定通信能量;
根据所述无人机空中基站的无人机旋翼数量、无人机框架重量、电池和有效载荷的重量、空气的流体密度、转子半径和所述服务时间确定悬停能量;
根据水平移动功率、上升功率、下降功率、水平移动速率、上升速率、下降速率、水平移动距离、竖直移动距离和预设的指示函数确定移动能量;
根据所述无人机空中基站的通信能量、悬停能量和移动能量确定所述无人机空中基站总能量;
根据所述用户吞吐量、所述无人机空中基站总能量和所述预设约束条件,建立所述能效模型。
4.根据权利要求3所述的无人机空中基站组网方法,其特征在于,所述使用DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量的步骤,包括:
使用所述DBSCAN方法对所述用户终端进行分簇,得到用户簇属性和所述多个无人机空中基站的基站数量,所述用户簇属性包括用户簇数量和用户簇二维中心坐标,所述基站数量与所述用户簇数量一致。
5.根据权利要求4所述的无人机空中基站组网方法,其特征在于,所述建立所述用户终端与所述多个无人机空中基站的第一对应关系的步骤,包括:
为所述用户簇分配所述多个无人机空中基站,并建立所述用户簇中的用户终端与所述用户簇对应的无人机空中基站的第一对应关系,使得所述用户簇与所述无人机空中基站一一对应。
6.根据权利要求5所述的无人机空中基站组网方法,其特征在于,所述使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标的步骤,包括:
随机初始化粒子群中M个第一粒子的当前高度、速度、局部最优解高度和全局最优解高度;
利用所述能效模型,计算所述粒子群在所述M个第一粒子的当前高度的能效比;
当所述第一粒子的当前高度对应的能效比大于等于所述第一粒子的局部最优解高度对应的能效比时,将所述当前高度作为所述第一粒子的局部最优解高度;
当所述第一粒子的局部最优解高度对应的能效比大于等于所述第一粒子的全局最优解高度对应的能效比时,将所述第一粒子的局部最优解高度作为所述第一粒子的全局最优解高度;
根据预设速度迭代公式和预设高度迭代公式,更新所述M个第一粒子的当前速度和所述当前高度;所述预设速度迭代公式由惯性因子、学习因子、所述局部最优解高度、所述全局最优解高度、当前迭代次数和rand函数产生的随机数所确定;所述惯性因子由最大迭代次数、所述当前迭代次数、初始惯性权值、最大迭代惯性权值、所述全局最优解高度、所述局部最优解高度和所述当前高度所确定;
当所述当前迭代次数等于所述最大迭代次数或所述全局最优解高度满足预设适应阈值时,将所述全局最优解高度作为最佳高度;
根据所述最佳高度、所述用户簇属性和所述第一对应关系确定所述多个无人机空中基站的待部署坐标;
其中,M与所述用户簇数量一致。
7.一种无人机空中基站组网装置,其特征在于,包括:
获取单元,用于获取用户终端的地理分布信息并初始化无人机空中基站群位置,所述无人机空中基站群由多个无人机空中基站组成;
模型单元,用于建立所述无人机空中基站的能效模型;
分簇单元,用于使用具有噪声的基于密度的聚类DBSCAN方法对所述用户终端进行分簇,得到用户簇属性以及所述多个无人机空中基站的基站数量;
关联单元,用于建立用户簇中的用户终端与所述多个无人机空中基站的第一对应关系;
计算单元,用于使用优化线性递减策略的粒子群方法,根据所述能效模型、所述用户簇属性和所述第一对应关系计算所述多个无人机空中基站的待部署坐标。
8.一种终端设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述无人机空中基站组网方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述无人机空中基站组网方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111341198.6A CN114221687B (zh) | 2021-11-12 | 2021-11-12 | 无人机空中基站组网方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111341198.6A CN114221687B (zh) | 2021-11-12 | 2021-11-12 | 无人机空中基站组网方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114221687A CN114221687A (zh) | 2022-03-22 |
CN114221687B true CN114221687B (zh) | 2023-05-30 |
Family
ID=80697172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111341198.6A Active CN114221687B (zh) | 2021-11-12 | 2021-11-12 | 无人机空中基站组网方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114221687B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114422060B (zh) * | 2022-03-29 | 2022-06-17 | 军事科学院系统工程研究院网络信息研究所 | 一种无人机通信信道模型的构建方法和系统 |
CN115002789B (zh) * | 2022-05-24 | 2023-11-28 | 北京邮电大学 | 一种基于动态性通信资源的机动通信组网部署择优方法 |
CN116367178B (zh) * | 2023-05-31 | 2023-07-25 | 北京邮电大学 | 无人集群自适应组网方法与装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108061910A (zh) * | 2017-12-06 | 2018-05-22 | 广州极飞科技有限公司 | 基于相位差分的组网方法、装置及差分定位系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9621254B2 (en) * | 2012-09-21 | 2017-04-11 | Spatial Digital Systems, Inc. | Communications architectures via UAV |
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 |
CN109862575B (zh) * | 2019-03-25 | 2021-10-08 | 河北工程大学 | 无人机基站部署方法、终端设备及计算机可读存储介质 |
CN111970714B (zh) * | 2020-08-14 | 2022-06-28 | 北京邮电大学 | 一种面向用户分布依赖的无人机基站部署方法 |
-
2021
- 2021-11-12 CN CN202111341198.6A patent/CN114221687B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108061910A (zh) * | 2017-12-06 | 2018-05-22 | 广州极飞科技有限公司 | 基于相位差分的组网方法、装置及差分定位系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114221687A (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114221687B (zh) | 无人机空中基站组网方法、装置及电子设备 | |
CN111786713B (zh) | 一种基于多智能体深度强化学习的无人机网络悬停位置优化方法 | |
Zhang et al. | Energy-efficient trajectory optimization for UAV-assisted IoT networks | |
US11432302B2 (en) | Network resource allocation for unmanned aerial vehicles | |
ur Rahman et al. | Positioning of UAVs for throughput maximization in software-defined disaster area UAV communication networks | |
Mei et al. | Joint trajectory-resource optimization in UAV-enabled edge-cloud system with virtualized mobile clone | |
Mozaffari et al. | Wireless communication using unmanned aerial vehicles (UAVs): Optimal transport theory for hover time optimization | |
Mozaffari et al. | Mobile Internet of Things: Can UAVs provide an energy-efficient mobile architecture? | |
Kalantari et al. | On the number and 3D placement of drone base stations in wireless cellular networks | |
Khamidehi et al. | Trajectory design for the aerial base stations to improve cellular network performance | |
CN112702713B (zh) | 一种多约束条件下的低空无人机通信部署方法 | |
Wu et al. | 3D aerial base station position planning based on deep Q-network for capacity enhancement | |
WO2023104169A1 (zh) | 一种无线网络中的人工智能ai模型训练方法及装置 | |
Mandloi et al. | Seamless connectivity with 5G enabled unmanned aerial vehicles base stations using machine programming approach | |
Montero et al. | Clustering users for the deployment of UAV as base station to improve the quality of the data | |
Shakhatreh et al. | Efficient 3D Positioning of UAVs and User Association Based on Hybrid PSO‐K‐Means Clustering Algorithm in Future Wireless Networks | |
WO2021100601A1 (ja) | 情報処理装置、情報処理方法、及び通信装置 | |
Deruyck et al. | Performance evaluation of the dynamic trajectory design for an unmanned aerial base station in a single frequency network | |
CN117425179A (zh) | 一种保障任务优先级和系统吞吐量的空天地协同调度方法 | |
Cardoso et al. | Novel multilayered cellular automata for flying cells positioning on 5g cellular self-organising networks | |
Tian et al. | Deep Reinforcement Learning‐Based Dynamic Offloading Management in UAV‐Assisted MEC System | |
CN112243239B (zh) | 一种基于立交桥的无人机部署方法及相关装置 | |
He et al. | A UAV emergency network user allocation method for load balancing | |
CN115065976A (zh) | 一种面向全域应急通信场景下高效绿色立体覆盖方案 | |
WO2021049353A1 (ja) | 通信制御装置、通信装置、及び通信制御方法 |
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 |