CN114389679B - 基于信息年龄最小化的多天线无人机感知和传输优化方法 - Google Patents

基于信息年龄最小化的多天线无人机感知和传输优化方法 Download PDF

Info

Publication number
CN114389679B
CN114389679B CN202210038808.3A CN202210038808A CN114389679B CN 114389679 B CN114389679 B CN 114389679B CN 202210038808 A CN202210038808 A CN 202210038808A CN 114389679 B CN114389679 B CN 114389679B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
antenna
transmission
antenna unmanned
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
CN202210038808.3A
Other languages
English (en)
Other versions
CN114389679A (zh
Inventor
胡封晔
刘晓艳
凌壮
金驰
吕若洲
刘聪
李志军
那顺乌力吉
刘坦炟
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.)
Jilin University
Original Assignee
Jilin 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 Jilin University filed Critical Jilin University
Priority to CN202210038808.3A priority Critical patent/CN114389679B/zh
Publication of CN114389679A publication Critical patent/CN114389679A/zh
Application granted granted Critical
Publication of CN114389679B publication Critical patent/CN114389679B/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
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • 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
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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

本发明公开了一种基于信息年龄最小化的多天线无人机感知和传输优化方法，包括构建多天线无人机感知和传输系统模型，多天线无人机感知和传输系统模型包括多天线无人机、基站和若干物联网设备，若干物联网设备按照数据传输特性分成不同的设备集；根据多天线无人机感知和传输的系统模型，构建信息年龄模型：通过信息年龄模型最小化，对多天线无人机感知和传输方法进行优化，获取最优的多天线无人机感知和传输方法。本发明针对单天线无人机感知范围小、单天线无人机信息传输效率低等问题，提出了多天线无人机感知和传输方法，提高了无人机感知范围和传输效率，采用信息年龄模型最小化，对多天线无人机感知和传输方法进行了进一步优化。

Description

基于信息年龄最小化的多天线无人机感知和传输优化方法
技术领域
本发明涉及无人机数据感知和传输技术领域，更具体的说是涉及基于信息年龄最小化的多天线无人机感知和传输优化方法。
背景技术
当下科技发展日新月异，为物联网技术的发展提供了可靠保障。物联网通过各种传感器节点在应用场景中实时获取需要的信息，通过各种可能的网络接入，实现万物互联。物联网的应用领域涉及到方方面面，在工业、农业、环境、交通、物流、安保等基础设施领域的应用，有效的推动了这些方面的智能化发展，使得有限的资源更加合理的使用分配，从而提高了行业效率、效益。由于物联网设备体积小，发射功率受限，在一些应用领域常采用无人机感知物联网设备各种传感器节点采集的数据信息，并将感知到的数据信息传输给距离较远的基站。
目前国内外主要针对单天线无人机、多无人机协作的感知展开研究，对于多天线无人机信息采集模型及传输协议研究匮乏。而单天线无人机系统感知范围有限、信息传输效率低。
因此，如何提高无人机数据感知范围、提升无人机信息传输效率，提供一种多天线无人机感知和传输优化方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明为解决背景技术中存在的问题，提供了一种基于信息年龄最小化的多天线无人机感知和传输优化方法。
为了实现上述目的，本发明采用如下技术方案：
一种基于信息年龄最小化的多天线无人机感知和传输优化方法，包括以下步骤：
(1)构建多天线无人机感知和传输系统模型，所述多天线无人机感知和传输系统模型包括多天线无人机、基站和若干物联网设备，所述若干物联网设备按照数据传输特性分成不同的设备集；
(2)根据多天线无人机感知和传输系统模型，构建信息年龄模型：
(3)通过信息年龄模型最小化，对多天线无人机感知和传输方法进行优化，获取最优的多天线无人机感知和传输方法。
优选的，步骤(1)所述步骤(1)数据传输特性包括：数据传输包的大小、数据传输速率以及信噪比约束下限。
优选的，步骤(1)中多天线无人机采用存储转发工作模式将物联网设备信息传输给所述基站，具体包括，多天线无人机飞行到同时感知某一设备集中所有物联网设备信息的位置悬停一段时间，用于感知该设备集中的物联网设备信息并存储，感知存储结束后，多天线无人机飞行到信息传输位置将存储的物联网设备信息发送给基站，然后进行下一个设备集中物联网设备信息的感知、存储及传输。
优选的，步骤(2)中构建信息年龄模型，具体为：
Figure BDA0003469283730000021
式中Aji(t)表示t时刻某物联网设备Dji的信息年龄模型，Pji表示基站成功接收到多天线无人机感知到Dji相关信息的概率，Aji(t)|s表示基站成功接收到多天线无人机感知到Dji相关信息的信息年龄公式，Aji(t)|f表示基站未成功接收到多天线无人机感知到Dji相关信息的信息年龄公式，
Figure BDA0003469283730000022
表示基站完成对多天线无人机感知某物联网设备Dji信息接收的时刻。
优选的，步骤(3)具体包括将信息年龄模型最小化，对多天线无人机感知和传输方法进行优化，所述信息年龄模型最小化公式为
Figure BDA0003469283730000031
s.t.C1:hmin≤qz(t)≤hmax,
C2:||v(t)||≤vmax,
C3:Pji≥Pth,
C4:γk(q(t))≥γth,
Figure BDA0003469283730000032
式中C1为多天线无人机的飞行高度约束，hmin为多天线无人机最低飞行高度，hmax为多天线无人机最高飞行高度；C2为多天线无人机的飞行速度约束，vmax为多天线无人机最大飞行速度；C3为多天线无人机成功感知物联网设备概率约束，Pji表示基站成功接收到多天线无人机感知到Dji相关信息的概率，Pth为多天线无人机最小成功感知概率；C4为多天线无人机传输信噪比约束，γk(q(t))为t时刻基站接收多天线无人机感知信息的信噪比，γth为设置的信噪比阈值；C5为多天线无人机传输数据约束，
Figure BDA0003469283730000033
为多天线无人机传输给基站的数据，
Figure BDA0003469283730000034
为多天线无人机感知到的物联网设备数据。
优选的，步骤(3)对多天线无人机感知和传输方法进行优化，具体包括：
a.单一设备中多天线无人机感知和传输时间的优化；
b.单一设备集中多天线无人机感知和传输轨迹的优化；
c.多设备集中多天线无人机调度问题的优化。
优选的，步骤a具体包括在给定传输时间的情况下采用极值理论求得单一设备中多天线无人机最优感知时间；在给定感知时间的情况下采用梯度理论求得单一设备集中多天线无人机最优传输时间。
优选的，步骤b具体包括，采用改进的人工势场算法得到单一设备集中多天线无人机最优的飞行感知路径和传输路径。
优选的，改进的人工势场算法具体包括：
b1：多天线无人机飞行到单一设备集的感知位置；
b2：构建单一设备集中每个物联网设备的引力势场：
Figure BDA0003469283730000035
Fji(q(t))表示第j个设备集中的第i个物联网设备对多天线无人机的引力势场，则设备集中单个物联网设备对多天线无人机的引力为：
Figure BDA0003469283730000041
b3：构建多天线无人机执行单一设备集感知任务时受到该设备集中所有物联网设备的合力公式：
Figure BDA0003469283730000042
Figure BDA0003469283730000043
表示当多天线无人机执行第j个设备集的感知任务时，多天线无人机所受到第j个设备集中所有物联网设备的合力。
优选的，步骤c具体包括，采用动态规划算法确定多天线无人机的最优调度方法。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于信息年龄最小化的多天线无人机感知和传输优化方法，具有以下有益效果：
1、本发明针对单天线无人机感知范围小、单天线无人机信息传输效率低等问题，提出了多天线无人机感知和传输方法，提高了无人机感知范围和传输效率，同时采用信息年龄模型最小化，对多天线无人机感知和传输方法进行了进一步优化。
2、本发明采用分类的方法将物联网设备分成不同的设备集，多天线无人机飞行到设备集处，当设备集中所有物联网设备的成功感知概率均大于最小感知概率时，多天线无人机开始感知设备集中的物联网设备信息，通过对无人机的感知时间、传输时间、多天线无人机路径以及调度问题进行联合优化，降低了系统的信息年龄，保证了数据的时效性。
3、本发明提出改进的人工势场算法，多天线无人机路径规划过程中考虑多个目标对无人机轨迹的影响，即在虚拟力场中考虑多个设备对多天线无人机产生“引力”作用，有效解决多目标的路径规划问题。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提出的方法的流程示意图；
图2为本发明实施例提出的多天线无人机感知和传输的系统模型示意图；
图3为本发明实施例提出的传输协议示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
本发明实施例公开了一种基于信息年龄最小化的多天线无人机感知和传输优化方法，包括以下步骤：
(1)构建多天线无人机感知和传输系统模型，所述多天线无人机感知和传输系统模型包括多天线无人机、基站和若干物联网设备，所述若干物联网设备按照数据传输特性分成不同的设备集；
(2)根据多天线无人机感知和传输系统模型，构建信息年龄模型：
(3)通过信息年龄模型最小化，对多天线无人机感知和传输方法进行优化，获取最优的多天线无人机感知和传输方法。
如图2所示，本发明实施例步骤(1)中构建的多天线无人机感知和传输系统模型由基站、一架多天线无人机和若干物联网IoT设备组成(为了方便表述本发明实施例中IoT设备均表示物联网设备)，IoT设备分布在一定区域内，不同类型的设备其数据传输特性也不同，每种IoT设备中数据传输包的大小、数据传输速率、以及对于信噪比约束下限等数据传输特性都存在一定的差异，多天线无人机作为移动中继，负责感知IoT设备的信息并传送到基站，由基站进一步处理信息，本实施例将IoT设备进行分类，每一类设备称为一个设备集，用Sj(j＝1,2,…,J)表示，在每个设备集中有Nj个物联网设备Dji(i＝1,2,...,Nj)，采用多天线无人机同时感知设备集中所有IoT设备信息，对不同类型的设备连续感知便可实现该系统的信息传输。
如图3所示，在多天线无人机感知和传输系统中，多天线无人机感知和传输的传输协议具体包括：多天线无人机首先飞到设备集的位置执行信息感知，悬停一段时间执行信息感知任务，感知任务结束后无人机飞到适合传输的位置将感知信息传输给基站。即，
Figure BDA0003469283730000061
时刻多天线无人机UAV从上一轮信息传输结束的位置向待感知设备集飞行去执行感知任务，
Figure BDA0003469283730000062
时刻无人机悬停开始执行设备集的感知任务，在
Figure BDA0003469283730000063
时刻结束感知并开始飞向基站，在满足信噪比约束后，
Figure BDA0003469283730000064
时刻无人机开始向基站传输感知信息，
Figure BDA0003469283730000065
时刻传输结束，完成一个设备集的感知任务。
步骤(2)根据多天线无人机感知和传输系统模型，构建信息年龄模型，首先，对多天线无人机感知和传输过程进行数学描述，建立多天线无人机UAV感知和传输数学模型，具体的，单一设备集Sj中IoT设备Dji的位置可表示为
Figure BDA0003469283730000066
t时刻，UAV的位置为
Figure BDA0003469283730000067
公式中
Figure BDA0003469283730000068
指的是实数集，多天线无人机飞行速度可表示为v(t)＝q(t)-q(t-1)，从(t-1)时刻到t时刻的时间差默认为1，因此单位时间内位置的差值等于飞行速度，则t时刻UAV与Dji间的距离为
dji(q(t))＝||q(t)-qji(t)||2 (1)
当UAV对设备集Sj中的IoT设备Dji进行信息感知时，成功感知Dji的概率为
Figure BDA0003469283730000069
其中ξ为调节感知性能的因子，tj为感知一次耗时。当UAV对设备集中的所有IoT设备进行感知时，感知过程的引力为所有设备的合力
Figure BDA00034692837300000610
其中
Figure BDA00034692837300000611
为设备Dji对UAV的引力，εji表示引力系数，用于控制设备集中单一IoT设备的引力大小。在UAV传输阶段，UAV将感知单一设备集中所有的数据信息传输给基站BS(在本发明实施例中为描述方便，BS均指基站)。假设基站的位置为
Figure BDA0003469283730000071
t时刻，UAV的天线k与基站的信道增益为
Figure BDA0003469283730000072
其中μ0为UAV与基站BS距离为1m时的信道增益，Δqk为天线k相对于UAV的坐标，故t时刻传输链路的信噪比为
Figure BDA0003469283730000073
σ2表示零均值的高斯白噪声的功率，PT为UAV各天线的发射功率。由此可得t时刻的信息传输速率
Rk(q(t))＝Bklog2(1+γk(q(t))) (6)
Bk为各传输信道带宽，传输过程的引力可表示为
Figure BDA0003469283730000074
其中
Figure BDA0003469283730000075
为BS对天线k的引力，εk表示基站BS对天线k的引力系数。
根据上述多天线无人机感知和传输系统模型构建信息年龄(Age ofInformation,AoI)模型，具体的构建过程如下：
基站BS成功接收设备集Sj中的某一物联网设备Dji的信息需要满足：
1)UAV成功感知Dji的信息；
2)BS成功接收UAV的感知信息。
多天线无人机成功接收感知Dji信息的概率为Pji，信息年龄可表示为
Figure BDA0003469283730000076
未成功接收感知Dji信息时，失败概率为1-Pji，信息年龄表示为Aji(t)|f＝Aji(t-1)+1，因此当Aji(0)＝0时，t时刻，设备集Sj中的某IoT设备Dji的信息年龄为
Figure BDA0003469283730000077
步骤(3)根据建立的信息年龄公式，通过信息年龄最小化对多天线无人机感知和传输方法进行优化，信息年龄最小化的具体公式为：
Figure BDA0003469283730000081
式中C1为多天线无人机的飞行高度约束，hmin为多天线无人机最低飞行高度，hmax为多天线无人机最高飞行高度；C2为多天线无人机的飞行速度约束，vmax为多天线无人机最大飞行速度；C3为多天线无人机成功感知物联网设备概率约束，Pji表示基站成功接收到多天线无人机感知到Dji相关信息的概率，Pth为多天线无人机最小成功感知概率；C4为多天线无人机传输信噪比约束，γk(q(t))为t时刻基站接收多天线无人机感知信息的信噪比，γth为设置的信噪比阈值；C5为多天线无人机传输数据约束，
Figure BDA0003469283730000082
为多天线无人机传输给基站的数据，
Figure BDA0003469283730000083
为多天线无人机感知到的物联网设备数据。
多天线无人机感知和传输系统中信息年龄最小化，可转化为多天线无人机感知和传输过程中信息年龄AoI(为表述方便，本发明实施例中信息年龄均可采用AoI进行替换描述，两者含义相同)减少量的最大化问题，t时刻，当多天线无人机完成设备集Sj中Dji的信息感知时，AoI的减少量为Pji×Aji(t)，其中Aji(t)表示为
Figure BDA0003469283730000084
若成功感知概率
Figure BDA0003469283730000085
趋近于1，那么式(10)可近似表示为
Figure BDA0003469283730000086
由于任务信息的更新，时刻t之后，该任务的AoI会随
Figure BDA0003469283730000087
减少，为了简化计算，定义AoI的减少量为AoI增益，表示为
Figure BDA0003469283730000091
因此可将信息年龄最小化公式(9)可转化为
Figure BDA0003469283730000092
步骤(3)中利用信息年龄最小化对多天线无人机感知和传输方法进行优化具体可分为：
a.单一设备中多天线无人机感知和传输时间的优化；
b.单一设备集中多天线无人机感知和传输轨迹的优化；
c.多设备集中多天线无人机调度问题的优化。
在方法a中，单一设备集中UAV感知和传输过程中，AoI减少得越多，说明UAV执行感知任务时与用户距离较短或者感知次数较多，相应地就会花费更多的时间，因此AoI的减少与时间消耗之间存在相关性，定义单一设备集中所有平均AoI增益
Figure BDA0003469283730000093
并且单一设备集总AoI减少的最大值等价于平均AoI增益的最大值。本发明对多天线无人机感知和传输优化以最大化平均AoI增益(等同于最小化信息年龄)为目标，表示为
Figure BDA0003469283730000094
公式中C1-C5均表示约束条件，在本发明实施例中所有公式只能够C1-C5的表示的约束条件均一致，方法a中具体包括对单一设备中多天线无人机感知时间的优化和传输时间的优化两方面的优化内容。
a1对单一设备中多天线无人机感知时间的优化，在给定传输时间的情况下可采用极值理论进行优化，具体过程如下：
将多天线无人机受到设备集中所有物联网设备的引力的和公式(2)带入最大化平均AoI增益公式(12)，经变换可得
Figure BDA0003469283730000101
s.t.C1,C2,C3.
其中，
Figure BDA0003469283730000102
表示UAV感知时长，
Figure BDA0003469283730000103
为UAV传输时长，
Figure BDA0003469283730000104
表示多天线无人机感知飞行时长，
Figure BDA0003469283730000105
为感知飞行的平均速度。
本发明将多天线无人机感知阶段分为感知飞行和信息感知两个过程，在感知飞行过程中，UAV沿直线飞向感知设备，并且UAV飞行高度和速度满足约束要求。给定t、Ts、Tt，式(13)的目标函数为单变量
Figure BDA0003469283730000106
的函数，令
Figure BDA0003469283730000107
可得：
Figure BDA0003469283730000108
其中，
Figure BDA0003469283730000109
为简化表示而引入的中间变量，由于UAV飞行高度受限，因此
Figure BDA00034692837300001010
故式(14)等式右侧
Figure BDA00034692837300001011
随m单调递减，式(17)等式左侧，当0＜m＜0.5时，mln(m)-(1-m)ln(1-m)＜0；当0.5＜m＜1时，mln(m)-(1-m)ln(1-m)＞0。因此式(14)存在解mopt。式
Figure BDA00034692837300001012
经变换可得
Figure BDA00034692837300001013
那么多天线无人机感知飞行时长
Figure BDA0003469283730000111
和UAV感知设备集中物联网设备的时长Ts之间的关系表示为
Figure BDA0003469283730000112
由此关系式将式(13)的目标函数简化为：
Figure BDA0003469283730000113
当给定UAV传输时长Tt时，式(15)为单变量UAV感知时长Ts的函数，
Figure BDA0003469283730000114
随UAV感知时长Ts递增，变化率随Ts递减；
Figure BDA0003469283730000115
随Ts递减，变化率的绝对值随Ts递减。因此，当UAV感知时长Ts→0时，
Figure BDA0003469283730000116
的增长速率大于
Figure BDA0003469283730000117
减少速率；UAV感知时长Ts→∞时，
Figure BDA0003469283730000118
的变化率小于
Figure BDA0003469283730000119
的变化率。因此，在给定UAV传输时长Tt的条件下，UAV感知和传输最大化平均AoI增益随UAV感知时长Ts先增后减，当平均AoI增益最大使，Ts存在最优解。
a2.对单一设备中多天线无人机传输时间的优化，在给定感知时间的情况下可采用梯度理论进行优化，具体过程如下：
单一设备中，多天线无人机UAV完成任务感知后，开始发送感知信息给基站BS，同时使传输时间尽可能短，因此，优化过程可表示为
Figure BDA00034692837300001110
s.t.C1,C2,C4,C5. (16)
为使传输时间最小，UAV应沿着信息传输速率增长最快的方向移动(即
Figure BDA00034692837300001111
最大)同时应满足飞行高度和速度约束。当信噪比约束满足时，开始感知信息传输；当感知信息完成传输时，传输阶段结束，UAV开始执行下一个感知任务。
在方法b中采用采用改进的人工势场算法对单一设备集中多天线无人机感知和传输轨迹的优化，具体包括以下步骤
b1：多天线无人机飞行到单一设备集的感知位置；
b2：构建单一设备集中每个物联网设备的势场引力：
Figure BDA0003469283730000121
Fji(q(t))表示第j个设备集中的第i个物联网设备对多天线无人机的引力势场函数，则设备集中单个设备对无人机的引力为：
Figure BDA0003469283730000122
即对引力势场函数求负梯度得到单个设备对多天线无人机的引力；
b3：构建多天线无人机执行单一设备感知任务时受到该设备集中所有物联网设备的合力公式：
Figure BDA0003469283730000123
Fs,j(q(t))表示当多天线无人机执行第j个设备集的感知任务时，多天线无人机所受到第j个设备集中所有物联网设备的合力。
在单设备集的UAV感知过程中，需要优化UAV感知路径以最大化单设备集的AoI增益，其目标函数可表示为
Figure BDA0003469283730000124
在单设备的UAV感知优化中，UAV感知设备信息，需沿直线飞行，并且目标函数(19)随Ts先增后减，可求得目标函数的最大值，但是UAV在感知单设备集时，需要同时感知多个设备，由于设备集中各设备的AoI增益随Ts先增后减，并且同一设备集中的各设备达到最大AoI增益的Ts相同，因此通过改进的人工势场算法对多天线无人机的感知路径进行优化，当UAV沿
Figure BDA0003469283730000125
方向飞行，可得最优的感知轨迹。
在单设备集的UAV传输过程中，为使传输时间尽可能短，优化目标函数表示为
Figure BDA0003469283730000131
为使单设备集的传输时间最小，UAV应沿着信息传输速率增长最快的方向移动。但是，UAV与基站间存在多个信道，每个信道的信道状态不同，信息传输速度存在差异。因此根据式(7)建立的人工势场，当UAV沿Ft att(q(t))方向飞行，可得最优的传输轨迹。当各信道的信噪比约束满足时，开始感知信息传输；当感知信息完成传输时，传输阶段结束，UAV开始执行下一个感知集的感知任务。
方法c.多设备集中多天线无人机调度问题的优化，具体可采用动态规划算法确定多天线无人机的最优调度方法。具体过程如下：
由于单设备的UAV感知传输优化问题和单设备集的UAV感知传输轨迹优化问题可得执行单设备集感知任务的最优感知时间、传输时间以及UAV轨迹，对于多设备集的UAV调度进行优化，本实施例主要关注UAV执行感知任务的次序，最优调度目标函数表示为
Figure BDA0003469283730000132
假设δj为UAV执行设备集Sj的感知任务所消耗的时间，
Figure BDA0003469283730000133
表示t时刻UAV开始执行设备集Sj的感知任务，gj(t)表示执行该任务获得的收益。用集合ψ表示UAV的调度集
Figure BDA0003469283730000134
χj(t)是由
Figure BDA0003469283730000135
之前的调度组成的集合，是ψ的一个子集。因为UAV执行一次感知任务花费δj时隙，当
Figure BDA0003469283730000136
发生时，且
Figure BDA0003469283730000137
若
Figure BDA0003469283730000138
那么
Figure BDA0003469283730000139
就不会发生。对于这种矛盾现象，用集合Cj(t)表示
Figure BDA00034692837300001310
的矛盾集，将其表示为
Figure BDA00034692837300001311
j'∈(1,2,…,J)。最终由调度集π得到最大收益G(π)。G(χj(t))和G(χj(t+1))的关系表示为：
G(χj(t+1))＝max{G(χj(t)),G(χj(t)\Cj(t))+gj(t+1)} (22)
调度问题的最优解为最大收益所组成的调度集ψ，即G(ψ)。假设G(χ1(1))＝g1(1)，通过动态规划算法，可求得G(ψ)。
本实施例中，在单设备的UAV感知传输优化问题中，采用极值理论求得最优感知时间，采用梯度理论求得最优传输时间；在单设备集的UAV感知传输轨迹问题中，采用改进的人工势场算法得到最优的感知路径和传输路径；在多设备集的UAV调度问题中采用动态规划算法确定UAV的最优调度。基于上述分析，可进行迭代求解。主要思想在于：首先确定调度集ψ；然后计算调度集中每种状态的得收益，定义为t时刻开始执行任务集Sj的平均AoI增益，计算方法为--根据改进的人工势场算法求得的最优感知路径和传输路径迭代优化感知时间和传输时间获得单设备集的最大AoI增益；最后根据动态规划算法，迭代计算状态转移方程，即可得最优调度。最优调度对应的收益即为系统最大AoI增益。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，所述方法包括以下步骤：
(1)构建多天线无人机感知和传输系统模型，所述多天线无人机感知和传输系统模型包括多天线无人机、基站和若干物联网设备，所述若干物联网设备按照数据传输特性分成不同的设备集；
(2)根据多天线无人机感知和传输的系统模型，构建信息年龄模型，所述信息年龄模型具体包括：
Figure FDA0004036541450000011
式中Aji(t)表示t时刻某物联网设备Dji的信息年龄模型，Pji表示基站成功接收到多天线无人机感知到Dji相关信息的概率，Aji(t)|s表示基站成功接收到多天线无人机感知到Dji相关信息的信息年龄公式，Aji(t)|f表示基站未成功接收到多天线无人机感知到Dji相关信息的信息年龄公式，
Figure FDA0004036541450000012
表示基站完成对多天线无人机感知某物联网设备Dji信息接收的时刻；
(3)通过信息年龄模型最小化，对多天线无人机感知和传输方法进行优化，获取最优的多天线无人机感知和传输方法；所述信息年龄模型最小化，具体公式为：
Figure FDA0004036541450000013
s.t.C1:hmin≤qz(t)≤hmax,
C2:||v(t)||≤vmax,
C3:Pji≥Pth,
C4:γk(q(t))≥γth,
Figure FDA0004036541450000014
式中，
Figure FDA0004036541450000015
为多天线无人机从上一轮信息传输结束的位置向待感知设备集飞行去执行感知任务的时刻，
Figure FDA0004036541450000016
为多天线无人机开始悬停并执行感知任务的时刻，
Figure FDA0004036541450000017
为多天线无人机结束感知任务并开始飞向基站的时刻，
Figure FDA0004036541450000018
为多天线无人机开始向基站传输感知信息的时刻，
Figure FDA0004036541450000019
为多天线无人机感知信息传输结束的时刻，v(t)为多天线无人机的飞行速度；J表示设备集的总个数，Nj表示每个设备集中物联网设备的总个数，T表示多天线无人机执行一次感知和传输任务的总时间；C1为多天线无人机的飞行高度约束，hmin为多天线无人机最低飞行高度，hmax为多天线无人机最高飞行高度；C2为多天线无人机的飞行速度约束，vmax为多天线无人机最大飞行速度；C3为多天线无人机成功感知物联网设备概率约束，Pji表示基站成功接收到多天线无人机感知到Dji相关信息的概率，Pth为多天线无人机最小成功感知概率；C4为多天线无人机传输信噪比约束，γk(q(t))为t时刻基站接收多天线无人机感知信息的信噪比，γth为设置的信噪比阈值；C5为多天线无人机传输数据约束，
Figure FDA0004036541450000021
为多天线无人机传输给基站的数据，
Figure FDA0004036541450000022
为多天线无人机感知到的物联网设备数据。
2.根据权利要求1所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，所述步骤(1)数据传输特性包括：数据传输包的大小、数据传输速率以及信噪比约束下限。
3.根据权利要求1所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，步骤(1)中所述多天线无人机采用存储转发工作模式将物联网设备信息传输给所述基站，具体包括，多天线无人机飞行到同时感知某一设备集中所有物联网设备信息的位置悬停一段时间，用于感知该设备集中的物联网设备信息并存储，感知存储结束后，多天线无人机飞行到信息传输位置将存储的物联网设备信息发送给基站，然后进行下一个设备集中物联网设备信息的感知、存储及传输。
4.根据权利要求1所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，所述步骤(3)对多天线无人机感知和传输方法进行优化，具体包括：
a.单一设备中多天线无人机感知和传输时间的优化；
b.单一设备集中多天线无人机感知和传输轨迹的优化；
c.多设备集中多天线无人机调度问题的优化。
5.根据权利要求4所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，步骤a具体包括在给定传输时间的情况下采用极值理论求得单一设备中多天线无人机最优感知时间；在给定感知时间的情况下采用梯度理论求得单一设备中多天线无人机最优传输时间。
6.根据权利要求4所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，步骤b具体包括，采用改进的人工势场算法得到单一设备集中多天线无人机最优的飞行感知路径和传输路径。
7.根据权利要求6所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，改进的人工势场算法具体包括：
b1：多天线无人机飞行到单一设备集的感知位置；
b2：构建单一设备集中每个物联网设备的引力势场：
Figure FDA0004036541450000031
Fji(q(t))表示第j个设备集中的第i个物联网设备对多天线无人机的引力势场，εji表示引力系数，dji(q(t))表示t时刻多天线无人机与第j个设备集中的第i个物联网设备间的距离；则设备集中单个物联网设备Dji对多天线无人机的引力为：
Figure FDA0004036541450000032
b3：构建多天线无人机执行单一设备集感知任务时受到该设备集中所有物联网设备的合力公式：
Figure FDA0004036541450000033
Figure FDA0004036541450000034
表示当多天线无人机执行第j个设备集的感知任务时，多天线无人机所受到第j个设备集中所有物联网设备的合力。
8.根据权利要求4所述的基于信息年龄最小化的多天线无人机感知和传输优化方法，其特征在于，步骤c具体包括，采用动态规划算法确定多天线无人机的最优调度方法。
CN202210038808.3A 2022-01-13 2022-01-13 基于信息年龄最小化的多天线无人机感知和传输优化方法 Active CN114389679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210038808.3A CN114389679B (zh) 2022-01-13 2022-01-13 基于信息年龄最小化的多天线无人机感知和传输优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210038808.3A CN114389679B (zh) 2022-01-13 2022-01-13 基于信息年龄最小化的多天线无人机感知和传输优化方法

Publications (2)

Publication Number Publication Date
CN114389679A CN114389679A (zh) 2022-04-22
CN114389679B true CN114389679B (zh) 2023-04-11

Family

ID=81202514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210038808.3A Active CN114389679B (zh) 2022-01-13 2022-01-13 基于信息年龄最小化的多天线无人机感知和传输优化方法

Country Status (1)

Country Link
CN (1) CN114389679B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115002838B (zh) * 2022-06-20 2024-07-12 吉林大学 基于年龄惩罚的分类无线体域网多节点信息更新调度方法
CN115133977B (zh) * 2022-06-24 2023-05-02 福建师范大学 基于信息年龄最小化的无人机通信感知一体化系统位置优化方法
CN115633320B (zh) * 2022-09-28 2023-06-06 中山大学 多无人机辅助的数据采集与回传方法、系统、设备及介质
CN115802318B (zh) * 2022-11-08 2024-04-09 重庆邮电大学 一种基于无人机辅助车联网资源优化方法、设备和介质
CN115714793B (zh) * 2022-11-08 2023-09-15 大连海事大学 一种工业物联网中感知信息按需传输方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110543185B (zh) * 2019-07-19 2022-05-27 宁波大学 一种基于最小化信息年龄的无人机数据收集方法
CN112671451B (zh) * 2020-12-10 2022-11-18 北京邮电大学 一种无人机数据收集方法、设备、电子设备及存储介质
CN113055078B (zh) * 2021-03-12 2022-02-08 西南科技大学 有效信息年龄确定方法、以及无人机飞行轨迹优化方法

Also Published As

Publication number Publication date
CN114389679A (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN114389679B (zh) 基于信息年龄最小化的多天线无人机感知和传输优化方法
CN113162679B (zh) 基于ddpg算法的irs辅助无人机通信联合优化方法
Yu et al. Multi-objective optimization for UAV-assisted wireless powered IoT networks based on extended DDPG algorithm
US20230239037A1 (en) Space-air-ground integrated uav-assisted iot data collectioncollection method based on aoi
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
Li et al. Continuous maneuver control and data capture scheduling of autonomous drone in wireless sensor networks
CN113395654A (zh) 一种边缘计算系统的多无人机任务卸载和资源分配的方法
CN113255218B (zh) 无线自供电通信网络的无人机自主导航及资源调度方法
CN114142908B (zh) 一种面向覆盖侦察任务的多无人机通信资源分配方法
Dai et al. Mobile crowdsensing for data freshness: A deep reinforcement learning approach
Li et al. Onboard deep deterministic policy gradients for online flight resource allocation of UAVs
CN110072206B (zh) 一种基于最佳能量效率的无人机-物联网数据采集方法和系统
CN113625733A (zh) 一种基于ddpg多目标三维无人机路径规划方法
CN115499921A (zh) 面向复杂无人机网络的三维轨迹设计及资源调度优化方法
Qiu et al. Maintaining links in the highly dynamic fanet using deep reinforcement learning
Shi et al. Age of information optimization with heterogeneous uavs based on deep reinforcement learning
CN113776531B (zh) 无线自供电通信网络的多无人机自主导航及任务分配算法
CN110087204B (zh) 一种基于参数调节的无人机-物联网数据采集方法和系统
He et al. Intelligent terahertz medium access control (MAC) for highly dynamic airborne networks
CN112867023B (zh) 一种通过动态调度无人终端最小化感知数据获取时延方法
KR20230060505A (ko) 연합학습을 위한 통신방법 및 이를 수행하는 디바이스
Zhang et al. Master-slave UAV-assisted WSNs for Improving Data Collection Rate and Shortening Flight Time
Cui et al. The application of advanced computational algorithms used for cooperative communication transmission of vehicular networks: a proposed method
CN117528633A (zh) 一种基于深度强化学习的多无人机信息更新方法及装置
CN117320083B (zh) 一种基于规模无关强化学习的多无人机通信资源分配方法

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