CN114980017B - 一种无人机辅助无线通信的吞吐量最大化适配方法 - Google Patents

Abstract

本公开实施例提供了一种无人机辅助无线通信的吞吐量最大化适配方法，属于通信技术领域，具体包括：构建无人机辅助地面用户无线通信的下行传输系统；根据系统模型来确定最大化地面用户最小吞吐量问题P1；对用户调度关联、无人机发射功率以及无人机轨迹进行优化，将原问题P1拆解为三个子问题；设当前迭代次数为r，误差阈值ε＝10^‑3，则第r次迭代时用户调度关联为X^r，无人机发射功率为P^r，无人机轨迹为Q^r，计算目标函数值为η^r，并且与上一次迭代得到的目标函数值η^r‑1相比较，如果|η^r‑η^r‑1|≤ε，则得到用户调度关联最优解X^r，无人机发射功率最优解P^r，最优无人机轨迹Q^r，否则返回到步骤3。通过本公开的方案，提高了无线通信网络部署的便利性、灵活性和系统的吞吐量。

Description

一种无人机辅助无线通信的吞吐量最大化适配方法

技术领域

本公开实施例涉及通信技术领域，尤其涉及一种无人机辅助无线通信的吞吐量最大化适配方法。

背景技术

目前，随着无人机技术的快速发展，无人机的应用场景也越来越多，包括交通控制、货物运输、航拍、公共救援等。由于无人机具有高机动性，灵活部署和低成本等优势，无人机在辅助无线通信领域引起了科研者的广泛关注。无人机辅助无线通信系统具有许多优势，具体表现有：(1)覆盖性强，把无人机作为空中基站搭载平台，能够增加无线网络的容量(2)机动灵活，容易部署(3)移动性强，可以增强其通信性能。科研者们提出了一些把无人机应用于无线通信的场景，按照场景主要可以划分为静态无人机部署场景与动态无人机路径规划场景。静态无人机部署场景一般是指把无人机部署到指定的区域，让无人机悬停于目标区域进行通信服务。但是在该类场景中无人机灵活性和高机动性的特点没有被充分发挥出来，因此另一类场景就把无人机作为动态移动通信服务基站，无人机可以在移动中进行通信服务，从而充分发挥无人机的高机动性，但在此类场景中需要考虑无人机的避障，能耗限制等实际限制因素。

同时无人机辅助无线通信主要面临以下几个主要挑战：(1)频谱资源受限问题(2)发射功率受限问题(3)能量受限问题；一般来说，可以从两个方面解决能量受限问题，一种方法是可以提高电池的容量，但该方法不是通信领域研究者所关注的，另一种方法则是优化无人机飞行轨迹与资源分配，提升单位时间内的能量传输效率，大大提高用户总吞吐量。该方法需要考虑无人机在任务周期内的飞行轨迹、发射功率等，并进行联合优化，则该优化问题求解的难度比较大，虽然可以看作一个最优化问题，但往往并不是凸规划，难以找到可以直接求解的算子，因此如何将该问题合理求解，以获取最优无人机路径规划方案是目前需要解决的问题。

发明内容

有鉴于此，本公开实施例提供一种无人机辅助无线通信的吞吐量最大化适配方法，至少部分解决现有技术中存在无线通信网络部署的便利性、灵活性和系统的吞吐量较差的问题。

本公开实施例提供了一种无人机辅助无线通信的吞吐量最大化适配方法，包括：

步骤1，构建无人机辅助地面用户无线通信的下行传输系统；

步骤2，根据系统模型来确定最大化地面用户最小吞吐量问题P1；

步骤3，对用户调度关联、无人机发射功率以及无人机轨迹进行优化，将原问题P1拆解为三个子问题，其中，包括以下子步骤：

步骤3.1:给定无人机发射功率P和无人机轨迹Q，求解用户调度关联X；

步骤3.2:根据步骤3.1得到的X和给定的无人机轨迹Q，求解无人机发射功率P；

步骤3.3:根据步骤3.1得到的X和步骤3.2得到的P，求解无人机轨迹Q；

步骤4，设当前迭代次数为r，误差阈值ε＝10^-3，则第r次迭代时用户调度关联为X^r，无人机发射功率为P^r，无人机轨迹为Q^r，计算目标函数值为ηr，并且与上一次迭代得到的目标函数值η^r-1相比较，如果|η^r-η^r-1|≤ε，则得到用户调度关联最优解X^r，无人机发射功率最优解P^r，最优无人机轨迹Q^r，否则返回到步骤3。

根据本公开实施例的一种具体实现方式，所述步骤1具体包括：

设地面上一共有K个用户，无人机飞行高度为H，飞行时间为T，在三维笛卡尔坐标系下，第k个地面用户的水平位置为w_k＝[x_k,y_k]^T，k∈K，将T平均分成M个时隙，时隙长度为δ_t＝T/M，设在每个时隙中无人机的最大飞行速度为V_max，则无人机在时隙m的位置可以表示为q[m]，其中m＝1,2,...M；

假设无人机飞行轨迹为闭环，并且飞行时会受到最大速度约束，因此无人机轨迹约束表示为：

q[1]＝q[M](1)

||q[m+1]-q[m]||²≤D_max ²(2)

其中，||·||²表示范数的平方，D_max＝V_maxδ_t，在第m个时隙时，无人机到第k个地面用户的距离公式为：

无人机到第k个地面用户的信道功率增益为：

其中，u₀表示距离d₀为1时的信道功率增益，因此第k个地面用户在时隙m的瞬时接收功率为：

其中，σ²为加性高斯白噪声，P_k[m]表示无人机在时隙m对第k个用户的发射功率，同时满足：

其中，P_max表示无人机的最大发射功率，定义用户调度关联变量为x_k[m]，其约束公式为：

其中，x_k[m]＝1表示无人机与用户进行通信，否则x_k[m]＝0；式(8)表示无人机在同一个时隙内有且只与一个用户进行通信，且式(7)为不连续变量，将其转化为连续变量，表示如下：

则第k个用户在时隙m的瞬时平均接收功率为：

根据本公开实施例的一种具体实现方式，所述步骤2具体为：

假设用户调度关联表示为无人机发射功率表示为/>无人机轨迹表示为/>用户的最小平均速率为/>优化目标为最大化η，优化变量为X、P、Q、η，则将优化问题表示为：

P1：

s.t.

(8)(9)(1)(2)(6)。

根据本公开实施例的一种具体实现方式，所述步骤3.1中求解用户调度关联X的子问题描述为：

P2：

s.t.(8)(9)(11)

利用CVX工具箱求解。

根据本公开实施例的一种具体实现方式，所述步骤3.2中求解无人机发射功率P的子问题描述为：

P3：

s.t.(6)(11)

利用CVX工具箱求解。

根据本公开实施例的一种具体实现方式，所述步骤3.3中求解无人机轨迹Q的子问题描述为：

P4：

s.t.(1)(2)(11)

采用连续凸逼近技术转化P4，具体方法如下：

设表示l次无人机轨迹结果，对于任意局部点||q^l[m]-w_k||²,约束(11)不等式左边通过一阶泰勒展开获得全局下边界/>表示为：

其中，

将P4转化为如下问题：

P5：

s.t.

(1)(2)

采用CVX工具箱对P5进行求解得到最优无人机轨迹。

本公开实施例中的无人机辅助无线通信的吞吐量最大化适配方案，包括：步骤1，构建无人机辅助地面用户无线通信的下行传输系统；步骤2，根据系统模型来确定最大化地面用户最小吞吐量问题P1；步骤3，对用户调度关联、无人机发射功率以及无人机轨迹进行优化，将原问题P1拆解为三个子问题，其中，包括以下子步骤：步骤3.1:给定无人机发射功率P和无人机轨迹Q，求解用户调度关联X；步骤3.2:根据步骤3.1得到的X和给定的无人机轨迹Q，求解无人机发射功率P；步骤3.3:根据步骤3.1得到的X和步骤3.2得到的P，求解无人机轨迹Q；步骤4，设当前迭代次数为r，误差阈值ε＝10^-3，则第r次迭代时用户调度关联为X^r，无人机发射功率为P^r，无人机轨迹为Q^r，计算目标函数值为η^r，并且与上一次迭代得到的目标函数值η^r-1相比较，如果|η^r-η^r-1|≤ε，则得到用户调度关联最优解X^r，无人机发射功率最优解P^r，最优无人机轨迹Q^r，否则返回到步骤3。

本公开实施例的有益效果为：通过本公开的方案，以最大化下行通信中所有地面用户的最小吞吐量作为优化目标，然后利用用户调度关联约束、无人机发射功率约束以及无人机轨迹约束来建立吞吐量优化问题，提高了无线通信网络部署的便利性、灵活性和系统的吞吐量。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，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它的附图。

图1为本公开实施例提供的一种无人机辅助无线通信的吞吐量最大化适配方法的流程示意图；

图2为本公开实施例提供的另一种无人机辅助无线通信的吞吐量最大化适配方法的流程示意图；

图3为本公开实施例提供的一种无人机辅助无线通信的系统模型图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种无人机辅助无线通信的吞吐量最大化适配方法，所述方法可以应用于交通控制、货物运输、航拍和公共救援等场景的无人机控制过程。

参见图1，为本公开实施例提供的一种无人机辅助无线通信的吞吐量最大化适配方法的流程示意图。如图1和图2所示，所述方法主要包括以下步骤：

步骤1，构建无人机辅助地面用户无线通信的下行传输系统；

进一步的，所述步骤1具体包括：

设地面上一共有K个用户，无人机飞行高度为H，飞行时间为T，在三维笛卡尔坐标系下，第k个地面用户的水平位置为w_k＝[x_k,yk]^T，k∈K，将T平均分成M个时隙，时隙长度为δ_t＝T/M，设在每个时隙中无人机的最大飞行速度为V_max，则无人机在时隙m的位置可以表示为q[m]，其中m＝1,2,...M；

假设无人机飞行轨迹为闭环，并且飞行时会受到最大速度约束，因此无人机轨迹约束表示为：

q[1]＝q[M](1)

||q[m+1]-q[m]||²≤D_max ²(2)

其中，||·||²表示范数的平方，D_max＝V_maxδ_t，在第m个时隙时，无人机到第k个地面用户的距离公式为：

无人机到第k个地面用户的信道功率增益为：

其中，u₀表示距离d₀为1时的信道功率增益，因此第k个地面用户在时隙m的瞬时接收功率为：

其中，σ²为加性高斯白噪声，P_k[m]表示无人机在时隙m对第k个用户的发射功率，同时满足：

其中，P_max表示无人机的最大发射功率，定义用户调度关联变量为x_k[m]，其约束公式为：

其中，x_k[m]＝1表示无人机与用户进行通信，否则x_k[m]＝0；式(8)表示无人机在同一个时隙内有且只与一个用户进行通信，且式(7)为不连续变量，将其转化为连续变量，表示如下：

则第k个用户在时隙m的瞬时平均接收功率为：

具体实施时，如图3所示，考虑在三维笛卡尔坐标系下，假设地面上一共有K个用户，无人机飞行高度为H，飞行时间为T，第k个地面用户的水平位置为w_k＝[x_k,yk]^T,k∈K，将T平均分成M个时隙，时隙长度为δ_t＝T/M，设在每个时隙中无人机的最大飞行速度为V_max，则无人机在时隙m的位置可以表示为q[m]，其中m＝1,2,...M，其初始轨迹可以表示q0(m)＝[x₀(m),y₀(m)]^T，假设无人机飞行轨迹为闭环，并且飞行时会受到最大速度约束，因此无人机轨迹约束可以表示为：

q[1]＝q[M](1)

||q[m+1]-q[m]||²≤D_max ²(2)

其中，||·||²表示范数的平方，D_max＝V_maxδ_t，在第m个时隙时，无人机到第k个地面用户的距离公式为：

无人机到第k个地面用户的信道功率增益为：

其中，u₀表示距离d₀为1时的信道功率增益，因此第k个地面用户在时隙m的瞬时接收功率为：

其中，σ²为加性高斯白噪声，P_k[m]表示无人机在时隙m对第k个用户的发射功率，同时应该满足：

其中，P_max表示无人机的最大发射功率，定义用户调度关联变量为x_k[m]，其约束公式为：

其中，x_k[m]＝1表示无人机与用户进行通信，否则x_k[m]＝0；式(8)表示无人机在同一个时隙内有且只与一个用户进行通信，而且式(7)为不连续变量，需要将其转化为连续变量，表示如下：

则第k个用户在时隙m的瞬时平均接收功率为：

步骤2，根据系统模型来确定最大化地面用户最小吞吐量问题P1；

可选的，所述步骤2具体为：

假设用户调度关联表示为无人机发射功率表示为/>无人机轨迹表示为/>用户的最小平均速率为/>优化目标为最大化η，优化变量为X、P、Q、η，则将优化问题表示为：

P1：

s.t.

(8)(9)(1)(2)(6)。

具体实施时，假设用户调度关联表示为无人机发射功率表示为无人机轨迹表示为/>用户的最小平均速率为/>优化目标为最大化η，优化变量为X、P、Q、η，则优化问题可以表示为：

P1：

s.t.

(8)(9)(1)(2)(6)。

步骤3，对用户调度关联、无人机发射功率以及无人机轨迹进行优化，将原问题P1拆解为三个子问题，其中，包括以下子步骤：

步骤3.1:给定无人机发射功率P和无人机轨迹Q，求解用户调度关联X；

步骤3.2:根据步骤3.1得到的X和给定的无人机轨迹Q，求解无人机发射功率P；

步骤3.3:根据步骤3.1得到的X和步骤3.2得到的P，求解无人机轨迹Q；

在上述实施例的基础上，所述步骤3.1中求解用户调度关联X的子问题描述为：

P2：

s.t.(8)(9)(11)

利用CVX工具箱求解。

可选的，所述步骤3.2中求解无人机发射功率P的子问题描述为：

P3：

s.t.(6)(11)

利用CVX工具箱求解。

进一步的，所述步骤3.3中求解无人机轨迹Q的子问题描述为：

P4：

s.t.(1)(2)(11)

采用连续凸逼近技术转化P4，具体方法如下：

设表示l次无人机轨迹结果，对于任意局部点||q^l[m]-w_k||²,约束(11)不等式左边通过一阶泰勒展开获得全局下边界/>表示为：

其中，

将P4转化为如下问题：

P5：

s.t.

(1)(2)

采用CVX工具箱对P5进行求解得到最优无人机轨迹。

具体实施时，步骤3.1:求解用户调度关联优化问题。在用户调度关联优化问题中，给定无人机发射功率P和无人机轨迹Q，求解用户调度关联X，于是该子问题可以描述为：

P2：

s.t.(8)(9)(11)

该问题是标准线性优化问题，可以利用CVX工具箱求解得到用户调度关联。

步骤3.2:求解无人机发射功率优化问题。在无人机发射功率优化问题中，根据步骤3.1得到的X和初始给定的无人机轨迹Q，求解无人机发射功率P，于是该子问题可以描述为：

P3：

s.t.(6)(11)

由于约束(11)为关于P_k[m]的凸约束，约束(6)为线性约束，因此该问题属于凸优化问题，同样可以利用CVX工具箱求解得到无人机发射功率。

步骤3.3:求解无人机轨迹优化问题。在无人机轨迹优化问题中，将步骤3.1得到的X和步骤3.2得到的P代入求解，于是子问题可以描述为：

P4：

s.t.(1)(2)(11)

由于约束(11)是非凸约束，因此P4为非凸问题，为了解决该问题需要采用连续凸逼近(SCA)技术，具体方法如下：

设表示l次无人机轨迹结果，因此对于任意局部点||q^l[m]-w_k||²,不等式(11)左边可以通过一阶泰勒展开获得全局下边界/>表示为：

其中，

所以，P4可以转化为如下问题：

P5：

s.t.

(1)(2)

因此把原问题转化为凸优化问题，可以采用CVX工具箱对P5进行求解得到无人机轨迹。

步骤4，设当前迭代次数为r，误差阈值ε＝10^-3，则第r次迭代时用户调度关联为X^r，无人机发射功率为P^r，无人机轨迹为Q^r，计算目标函数值为η^r，并且与上一次迭代得到的目标函数值η^r-1相比较，如果|η^r-η^r-1|≤ε，则得到用户调度关联最优解X^r，无人机发射功率最优解P^r，最优无人机轨迹Q^r，否则返回到步骤3。

具体实施时，进行循环迭代求解，设当前迭代次数为r，误差阈值ε＝10^-3，如图1所示，则第r次迭代时用户调度关联为X^r，无人机发射功率为P^r，无人机轨迹为Q^r，计算目标函数值为η^r，并且与上一次迭代得到的目标函数值η^r-1相比较，如果|η^r-η^r-1|≤ε，则输出用户调度关联最优解X^r，无人机发射功率最优解P^r，最优无人机轨迹Q^r，否则将返回到步骤3再次进行迭代。

当求得最优解输出给无人机后，无人机将按照最优解来规划飞行路径，并且按照最优解进行用户调度和通信功率分配。

本实施例提供的无人机辅助无线通信的吞吐量最大化适配方法，通过以最大化下行通信中所有地面用户的最小吞吐量作为优化目标，然后利用用户调度关联约束、无人机发射功率约束以及无人机轨迹约束来建立吞吐量优化问题，提高了无线通信网络部署的便利性、灵活性和系统的吞吐量。

本发明的上述方案有如下有益效果：(1)本发明所考虑的场景和建立的优化问题更加符合实际，非常具有实际应用价值，为无人机部署于实际通信场景提供了可能，极大提高了无线通信网络部署的便利性和灵活性，能更大程度上发挥无人机的优势。(2)本发明解决了无人机辅助无线通信系统的路径规划和资源分配问题，所述方法可以应用于用户密集场所下通信网络拥塞的情况，无人机在给定用户调度关联、无人机发射功率及初始轨迹条件下，利用迭代优化的方法可以得出无人机的最优轨迹和最优用户调度，从而提高整个系统的吞吐量。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (1)

1.一种无人机辅助无线通信的吞吐量最大化适配方法，其特征在于，包括：

步骤1，构建无人机辅助地面用户无线通信的下行传输系统；

所述步骤1具体包括：

设地面上一共有K个用户，无人机飞行高度为H，飞行时间为T，在三维笛卡尔坐标系下，第k个地面用户的水平位置为w_k＝[x_k,y_k]^T，k∈K，将T平均分成M个时隙，时隙长度为δ_t＝T/M，设在每个时隙中无人机的最大飞行速度为V_max，则无人机在时隙m的位置表示为q[m]，其中m＝1,2,...M；

假设无人机飞行轨迹为闭环，并且飞行时会受到最大速度约束，因此无人机轨迹约束表示为：

q[1]＝q[M] (1)

||q[m+1]-q[m]||²≤D_max ² (2)

其中，||·||²表示范数的平方，D_max＝V_maxδ_t，在第m个时隙时，无人机到第k个地面用户的距离公式为：

无人机到第k个地面用户的信道功率增益为：

其中，u₀表示距离d₀为1时的信道功率增益，因此第k个地面用户在时隙m的瞬时接收功率为：

其中，σ²为加性高斯白噪声，P_k[m]表示无人机在时隙m对第k个用户的发射功率，同时满足：

其中，P_max表示无人机的最大发射功率，定义用户调度关联变量为x_k[m]，其约束公式为：

其中，x_k[m]＝1表示无人机与用户进行通信，否则x_k[m]＝0；式(8)表示无人机在同一个时隙内有且只与一个用户进行通信，且式(7)为不连续变量，将其转化为连续变量，表示如下：

则第k个用户在时隙m的瞬时平均接收功率为：

步骤2，根据系统模型来确定最大化地面用户最小吞吐量问题P1；

所述步骤2具体为：

假设用户调度关联表示为无人机发射功率表示为/>无人机轨迹表示为/>用户的最小平均速率为/>优化目标为最大化η，优化变量为X、P、Q、η，则将优化问题表示为：

(8)(9)(1)(2)(6)；

步骤3，对用户调度关联、无人机发射功率以及无人机轨迹进行优化，将原问题P1拆解为三个子问题，其中，包括以下子步骤：

步骤3.1:给定无人机发射功率P和无人机轨迹Q，求解用户调度关联X；

所述步骤3.1中求解用户调度关联X的子问题描述为：

s.t.(8)(9)(11)

利用CVX工具箱求解；

步骤3.2:根据步骤3.1得到的X和给定的无人机轨迹Q，求解无人机发射功率P；

所述步骤3.2中求解无人机发射功率P的子问题描述为：

s.t.(6)(11)

利用CVX工具箱求解；

步骤3.3:根据步骤3.1得到的X和步骤3.2得到的P，求解无人机轨迹Q；

所述步骤3.3中求解无人机轨迹Q的子问题描述为：

s.t.(1)(2)(11)

采用连续凸逼近技术转化P4，具体方法如下：

设表示l次无人机轨迹结果，对于任意局部点||q^l[m]-w_k||²,约束(11)不等式左边通过一阶泰勒展开获得全局下边界/>表示为：

其中，

将P4转化为如下问题：

(1)(2)

采用CVX工具箱对P5进行求解得到最优无人机轨迹；

步骤4，设当前迭代次数为r，误差阈值ε＝10^-3，则第r次迭代时用户调度关联为X^r，无人机发射功率为P^r，无人机轨迹为Q^r，计算目标函数值为η^r，并且与上一次迭代得到的目标函数值η^r-1相比较，如果|η^r-η^r-1|≤ε，则得到用户调度关联最优解X^r，无人机发射功率最优解P^r，最优无人机轨迹Q^r，否则返回到步骤3。