CN115175220A - 基于无人机自组网的通信资源分配方法及装置 - Google Patents

基于无人机自组网的通信资源分配方法及装置 Download PDF

Info

Publication number
CN115175220A
CN115175220A CN202210789284.1A CN202210789284A CN115175220A CN 115175220 A CN115175220 A CN 115175220A CN 202210789284 A CN202210789284 A CN 202210789284A CN 115175220 A CN115175220 A CN 115175220A
Authority
CN
China
Prior art keywords
time slot
active link
constraint condition
link
optimal solution
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.)
Pending
Application number
CN202210789284.1A
Other languages
English (en)
Inventor
肖振宇
刘岩铭
董春雨
毛浩斌
付林罡
李辉
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202210789284.1A priority Critical patent/CN115175220A/zh
Publication of CN115175220A publication Critical patent/CN115175220A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • 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
    • H04W52/42—TPC being performed in particular situations in systems with time, space, frequency or polarisation diversity
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供一种基于无人机自组网的通信资源分配方法及装置。通过确定每个目标时隙下数据流集合中有待传输数据包的有效链路；基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，最优解即最大分配活跃链路信道数，分配活跃链路信道数越大，时延越小；通过获取目标时隙下数据流集合中用于传输数据包的最大分配活跃链路信道数，使得数据包传输的时延达到最低。根据最优解，在有效链路中得到活跃链路；对活跃链路中的节点进行发射功率的调整，以最小化目标时隙内节点发射功率，确保数据传输所需的功耗最低。最终，保证高效时‑频‑功率资源利用率且最小化网络时延和通信功耗。

Description

基于无人机自组网的通信资源分配方法及装置
技术领域
本申请涉及无线通信网络技术领域，尤其涉及一种基于无人机自组网的通信资源分配方法及装置。
背景技术
无人机自组网具有低成本、抗毁性、自治性、广覆盖等特点，在军事和民事上均有着广泛的应用前景，例如蜂群作战、农业灌溉、灾害救援、环境监测等领域。在无人机自组网中，稳定的通信链路是保证网络数据传输的神经脉络，每个节点都既有路由功能，也具有终端功能，通过多跳的方式进行端到端报文传输。低延时高可靠通信需求以及动态网络拓扑给无人机自组网的端到端通信带来了严峻的挑战。目前的无人机自组网端到端性能优化的研究主要包括针对于路由协议的设计，以及路由后如何分配通信资源以进一步提高网络端到端性能。
相关技术中，在分配通信资源时，采用在多信道时分多址(Time divisionmultiple access，简称TDMA)的基础上，基于贪婪算法的子信道分配方案，即在满足干扰限制的情况下复用信道，进行通信资源的分配。
但是基于贪婪算法的通信资源分配不能保证无人机自组网的端到端通信的低延时。
发明内容
本申请实施例提供一种基于无人机自组网的通信资源分配方法及装置，用以降低无人机自组网的端到端通信的延时，提高动态网络下报文数据的运输效率。
第一方面，本申请实施例提供一种通信资源的分配方法，应用于无人机自组网，该通信资源的分配方法，包括：
确定目标时隙下数据流集合中的有效链路，该有效链路表示目标时隙下有数据包待传输的链路，有效链路满足第一约束条件，该第一约束条件包括半双工约束条件和/或干扰约束条件；
基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，该最优解用于表示最大分配活跃链路信道数，分配活跃链路信道数越大，时延越小；
根据最优解，在有效链路中得到活跃链路；
对活跃链路中的节点进行发射功率的调整。
一种可能的实现方式中，对活跃链路中的节点进行发射功率的调整，包括：
确定活跃链路中任意两个相邻节点的通信距离，任意两个相邻节点中一个节点为发射节点，另一个节点为接收节点；
根据通信距离，确定活跃链路中发射节点的发射功率，该发射节点为活跃链路中数据包的发送节点。
一种可能的实现方式中，上述通信资源的分配方法，还可以包括：
调整有效链路中非活跃链路的发射节点的功率为静默值。
一种可能的实现方式中，基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，包括：
初始化拉格朗日因子和初始化解，该初始化解为目标函数的下界线性规划问题的一个可行解；
基于拉格朗日因子采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到目标时隙对应的第一信道分配最优解集合和下界线性规划问题的最优解；
在第一约束条件下，根据第一信道分配最优解集合中的非整数解，得到第二信道分配最优解集合和目标函数值；
根据下界线性规划问题的最优解和目标函数值更新拉格朗日因子；
通过更新后的拉格朗日因子，迭代求解目标函数的下界线性规划问题，得到收敛的最优解和拉格朗日因子。
一种可能的实现方式中，目标函数是通过以下方式确定的：
建立逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题，该逐帧内的通信资源分配问题满足第二约束条件，该第二约束条件包含半双工约束条件、干扰约束条件、自组网时隙冲突约束、节点发射功率约束条件和二值约束条件；
根据逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题得到固定功率后的时隙-频率通信资源分配问题；
根据等值关系将固定功率后的时隙-频率通信资源分配问题转换为逐时隙最大化分配活跃链路信道数问题，该逐时隙最大化分配活跃链路信道数问题对应的函数关系为目标函数。
一种可能的实现方式中，目标函数的下界线性规划问题是通过以下方式确定的：
根据二值约束条件得到目标二值约束条件；
利用罚函数法，将目标二值约束条件惩罚到目标函数中得到第一目标函数；
通过一阶泰勒将第一目标函数展开得到目标函数的下界线性规划问题。
一种可能的实现方式中，对活跃链路中节点进行发射功率的调整之后，还包括：
更新目标时隙中数据流对应的数据包通过最大分配活跃链路信道传输后的不同节点上的数据包数；
判断目标时隙中数据流对应的所有数据包是否都已到达目的节点；
若是，则表示目标时隙中数据流对应的所有数据包都已完成传输，结束通信资源的分配；
若否，则进入下一个时隙进行最大分配活跃链路信道数的求解。
第二方面，本申请实施例提供一种通信资源的分配装置，应用于无人机自组网，该通信资源的分配装置，包括：
第一确定模块，用于确定目标时隙下数据流集合中的有效链路，该有效链路表示目标时隙下有数据包待传输的链路，有效链路满足第一约束条件，该第一约束条件包括半双工约束条件和/或干扰约束条件；
求解模块，用于基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，该最优解用于表示最大分配活跃链路信道数，分配活跃链路信道数越大，时延越小；
第二确定模块，用于根据最优解，在有效链路中确定活跃链路；
第一调整模块，用于对活跃链路中的节点进行发射功率的调整。
在一种可能的实现方式中，第一调整模块具体用于：
确定活跃链路中任意两个相邻节点的通信距离，该任意两个相邻节点中一个节点为发射节点，另一个节点为接收节点；
根据通信距离，确定活跃链路中发射节点的发射功率，该发射节点为活跃链路中数据包的发送节点。
在一种可能的实现方式中，通信资源的分配装置还包括第二调整模块，该第二调整模块用于：
调整有效链路中非活跃链路的发射节点的功率为静默值。
在一种可能的实现方式中，求解模块具体用于：
初始化拉格朗日因子和初始化解，该初始化解为目标函数的下界线性规划问题的一个可行解；
基于拉格朗日因子采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到目标时隙对应的第一信道分配最优解集合和下界线性规划问题的最优解；
在第一约束条件下，根据第一信道分配最优解集合中的非整数解，得到第二信道分配最优解集合和目标函数值；
根据下界线性规划问题的最优解和目标函数值更新拉格朗日因子；
通过更新后的拉格朗日因子，迭代求解目标函数的下界线性规划问题，得到收敛的最优解和拉格朗日因子。
一种可能的实现方式中，通信资源的分配装置还包括第三确定模块，该第三确定模块用于：
建立逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题，该逐帧内的通信资源分配问题满足第二约束条件，该第二约束条件包含半双工约束条件、干扰约束条件、自组网时隙冲突约束、节点发射功率约束条件和二值约束条件；
根据逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题得到固定功率后的时隙-频率通信资源分配问题；
根据等值关系将固定功率后的时隙-频率通信资源分配问题转换为逐时隙最大化分配活跃链路信道数问题，该逐时隙最大化分配活跃链路信道数问题对应的函数关系为目标函数。
一种可能的实现方式中，第三确定模块还用于：
根据二值约束条件得到目标二值约束条件；
利用罚函数法，将目标二值约束条件惩罚到目标函数中得到第一目标函数；
通过一阶泰勒将第一目标函数展开得到目标函数的下界线性规划问题。
一种可能的实现方式中，通信资源的分配装置还包括判断模块，该判断模块用于：
更新目标时隙中数据流对应的数据包通过最大分配活跃链路信道传输后的不同节点上的数据包数；
判断目标时隙中数据流对应的所有数据包是否都已到达目的节点；
若是，则表示目标时隙中数据流对应的所有数据包都已完成传输，结束通信资源的分配；
若否，则进入下一个时隙进行最大分配活跃链路信道数的求解。
第三方面，本申请实施例提供一种通信资源的分配设备，包括：
至少一个处理器；
以及与至少一个处理器通信连接的存储器；
其中，存储器用于存储至少一个处理器可执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面提供的通信资源的分配方法。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，该计算机执行指令被处理器执行，以实现第一方面提供的通信资源的分配方法。
第五方面，本申请实施例提供一种程序产品，该程序产品包含计算机执行指令。当计算机执行指令被执行，以实现第一方面提供的通信资源的分配方法。
本申请提供的基于无人机自组网的通信资源分配方法及装置，在多信道TDMA接入方式的基础上，通过确定目标时隙下数据流集合中的有效链路；并基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解。从而实现了在最小化时延内，完成单帧内网络流报文数据的端到端快速传输。进一步根据最优解在有效链路中得到活跃链路，根据活跃链路中节点进行发射功率的调整，实现了对功率的最优分配，进一步降低了报文数据端到端传输的功耗。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的应用场景的示意图；
图2为本申请实施例一提供的通信资源的分配方法的流程图；
图3为本申请实施例二提供的通信资源的分配方法的流程图；
图4为本申请实施例三提供的通信资源的分配方法的流程图；
图5为本申请实施例四提供的通信资源的分配方法的流程图；
图6为本申请实施例五提供的通信资源分配方法中目标函数的确定方法的流程图；
图7为本申请实施例六提供的通信资源分配方法中目标函数的下界线性规划问题的生成方法的流程图；
图8为本申请实施例七提供的采用不同方法解决通信资源分配问题得到的时延和功耗性能的对比结果示意图；
图9为本申请实施例八提供的通信资源的分配装置的结构示意图；
图10为本申请实施例九提供的通信资源的分配设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在无人机自组网中，需要尽可能地在无干扰冲突的前提下实现自适应资源分配，提高时-频-功率等资源利用率，保证多流报文业务时延最小。一种方式中，通过精简时隙分配消息的内容，从而减少时隙请求信息和转发次数，最终保证接入的低开销和节点的负载均衡。该方法只考虑了单信道TDMA接入下的时隙分配问题，并未对频域信道和功率进行优化设计。因此出现多信道TDMA方式，多信道TDMA方式可以充分利用正交频率资源，相比单信道TDMA方式增加了无人机自组网的可靠性，并可以进一步减小网络端到端时延。
另一种方式中，在时频资源调度上，提出了一种基于信道映射的多信道分配方法的介质访问控制(medium access control，简称MAC)协议，用于解决多信道分配的MAC协议中存在的接入时延大的问题。但是该方法中提供的节点信道选择方法具有随机性，使得资源利用率难以保证。
再一种方式中，提出了基于贪婪算法的子信道分配方案，在满足干扰限制的情况下复用信道，该方法中基于贪心思想的资源分配并不能实现最优或逼近最优的决策。此外，对于在多信道TMDA接入方式的无人机自组网多流业务多跳通信场景中，决策变量包含多流多跳链路-时隙-信道-功率等多维信息，变量维度极高，且问题约束多，难以建立准确的数学模型，更难以在多项式时间的计算复杂度下获得问题最优解。
基于上述问题，本申请实施例针对无人机自组网低延时低功耗的需求，建立时隙、信道、功率通信资源分配的联合优化数学模型；根据数据包在传输路径上的等值关系，每个时隙内传输数据包的链路越多，则时延越低，因此将总时延最小化问题转化为逐时隙的最大化信道分配数量问题。在每个目标时隙内，首先确定有待传输数据包的有效链路，然后采用连续凸逼近的方法迭代求解满足干扰约束和半双工约束的最大化分配信道数的下界线性规划问题，得到此时的活跃链路即为分配信道的有效链路；同时，对链路节点发射功率进行自适应调整，最小化目标时隙内节点发射功率。最终，最终实现低复杂度、无干扰冲突的无线网络多流业务的高效数据传输，保证动态网络下的报文低延时、低功耗传输。
为了便于理解，首先对本申请实施例的应用场景进行介绍。
图1为本申请实施例提供的应用场景的示意图。如图1所示，101表示无人机自组网多流业务的链路，102表示五种不同的数据流的表示方法，103表示时隙、信道和数据流的关系。无人机自组网在多流业务多跳的通信场景中进行报文数据的传输时，会有多个无人机分布在X*Y*Z大小的场景中形成不同的链路进行报文数据的传输，其中，无人机为不同链路中的传输节点。示例性的，通信场景的大小可以为5000m*5000m*90m。如图1中101所示，根据连接线条的不同，不同的无人机共形成了5条不同的链路，其中us表示链路的源节点，uD表示链路的目的节点。每条链路均可以用于传输数据流，具体的数据流与102中的相对应，不同的数据流可以是同一帧的。不同的链路中，可以有相同的节点，具体的，链路中节点个数可能相同也可能不同。
无人机自组网多流业务多跳通信场景中，通过多跳的方式进行端到端报文传输时，需要优化时隙、频率与功率等通信资源的分配从而实现低延时的端到端报文传输。如图1中103所示，f1、f2和f3分别表示3个不同的数据流，横坐标为时隙，纵坐标为信道。当数据流一定时，不同的时隙下根据信道的不同可以得到数据流对应的多条不同的链路。示例性的，当每个节点的可用信道都有5个时，对于数据流f1，当时隙为t1时，用于传输数据的链路选用k2信道；当时隙为t3时，用于传输数据的可以有两条链路，且两条链路分别选用k和k4信道。对于同一个节点内的不同可用信道，在不同时隙内，可以用于传输数据的链路中的可用信道可以相同，也可以不同，且同一时隙内，可以有多条不同的链路选用不同的信道进行数据的传输。
结合图1中无人机自组网多流业务多跳通信场景下的时隙、信道、数据流及链路的关系，下面结合具体的实施例对本申请的时隙-频率-功率等通信资源的最优分配方法进行详细说明。
图2为本申请实施例一提供的通信资源的分配方法的流程图。如图2所示，该通信资源的分配方法包括以下步骤：
S201，确定目标时隙下数据流集合中的有效链路，该有效链路表示目标时隙下有数据包待传输的链路，有效链路满足第一约束条件，该第一约束条件包括半双工约束条件和/或干扰约束条件。
数据流集合为同一帧内的数据流的集合，即一帧内有F个数据流需要传输，示例性的，该数据流集合可以表示为{F}＝{1，...，f，...，F}。具体的，每个数据流中有L个数据包传输，当一个数据流中的L个数据包全部完成数据的传输时，表示该数据流完成传输。示例性的，一个数据流内数据包的集合可以表示为{L}＝{1,…,l,…,L}。
每个数据包的传输都需要通过链路完成，对于特定数目的无人机可以形成多个不同的链路，其中将有数据包传输的链路称为有效链路，即在目标时隙下，该链路上有待传输的数据包。示例性的，该有效链路的集合可以表示为{E}＝{e1,…,em,…,en}。
对于每一帧内通信资源的分配需要满足一定的约束条件，因此，有效链路进行数据包的传输时需要满足第一约束条件，示例性的，该第一约束条件可以为半双工约束条件和/或干扰约束条件。
具体的，半双工约束条件用于约束链路中的节点，即每个节点不能同时发送和接收数据包。一种可能的实现方式中，半双工约束条件可以通过以下公式表示：
Figure BDA0003733175000000091
其中，{K}为目标时隙下无人机自组网络节点可用频率信道数的的集合，示例性的，可以表示为{K}＝{1,…,k,…,K}，每个无人机自组网络节点节点至少包括含有一个频率信道。{T}为每一帧内时隙的集合，示例性的，可以表示为{T}＝{1,…,t,…,T}。e1和e2为存在于有效链路集合{E}中的两条不同的有效链路。
Figure BDA0003733175000000095
表示链路e1和e2为邻接链路，即有一个共同节点。
Figure BDA0003733175000000092
和
Figure BDA0003733175000000093
分别表示链路e1和链路e2在时隙t和信道k上进行数据包传输。
进一步可以得出，半双工约束条件同时也约束了一个节点在一个时隙上只能通过一个信道进行通信。
本申请实施例提供的无人机设备中每一个设备均安装有一个半双工的通信收发机，用于确保用于传输数据包的有效链路满足半双工约束条件。
具体的，干扰约束条件用于约束链路，即每条链路的接收节点的干扰距离范围内不能有占据同一时频资源块的链路。其中，时频资源块是数据包传输的最小单元，即单位时隙单位信道在传输范围内只能传输一个数据包。一种可能的实现方式中，干扰约束条件可以通过以下公式表示：
Figure BDA0003733175000000094
其中，
Figure BDA0003733175000000101
表示所述链路e1的干扰边集合。
S202，基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，该最优解用于表示最大分配活跃链路信道数，分配活跃链路信道数越大，时延越小。
初始化解为目标函数的下界线性规划问题的一个可行解。示例性的，可以表示为
Figure BDA0003733175000000102
一种可能的实现方式中，当
Figure BDA0003733175000000103
时，表示链路e在目标时隙
Figure BDA0003733175000000104
上确实传输了一个数据包，并将该可行解对应的链路称为活跃链路。
目标函数为最大化目标时隙下活跃链路分配信道数的优化问题所对应的函数，为了降低计算的复杂度，保证较低的处理时延，通过将目标函数转换得到目标函数的下界线性规划问题。通过连续凸逼近迭代法求解得到下界线性规划问题对应的最优解，即最大分配活跃链路信道数。
S203，根据最优解，在有效链路中得到活跃链路。
将最优解对应的有效链路作为活跃链路，在目标时隙
Figure BDA0003733175000000105
下，每个活跃链路中完成了至少一个数据包的传输。其中，被传输的数据包为同一个数据流中的数据包。
S204，对活跃链路中节点进行发射功率的调整。
无人机自组网进行络流报文数据的端到端传输时，每个用于传输数据的无人机都具有一个最大的发射功率，用于实现在最大通信距离时完成数据的传输，即用于传输数据的链路中的每个节点均有一个最大发射功率，且任意一条链路至少包含有两个节点。
对于用于传输数据包的活跃链路，其活跃链路中的节点是固定的。由于其任意两个节点之间的通信距离不大于完成数据传输的最大通信距离，因此，对于节点的发射功率可以根据两个节点之间的通信距离确定，从而实现对功率通信资源的优化。
本实施例中，通过确定目标时隙下数据流集合中的有效链路，并基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，根据该最优解在有效链路中得到活跃链路，根据活跃链路中节点进行发射功率的调整。该方法通过求解目标时隙下用于传输数据包的最大分配活跃链路信道数，使得数据包传输的时延达到最小，进一步根据活跃链路中节点进行发射功率的自调整，实现了功率的最优分配。
图3为本申请实施例二提供的通信资源的分配方法的流程图。本实施例是对实施例一中步骤S204的详细说明。如图3所示，该步骤S204可以进一步包括以下步骤：
S301，确定活跃链路中任意两个相邻节点的通信距离。
其中，任意两个相邻节点中一个节点为发射节点，另一个节点为接收节点。
一条活跃链路中至少包含有两个节点，其中，两个相邻节点的通信距离为两节点间数据包的传输距离。
S302，根据通信距离，确定活跃链路中发射节点的发射功率，该发射节点为活跃链路中数据包的发送节点。
示例性的，发射节点的发射功率可以通过以下公式表示：
Figure BDA0003733175000000111
其中，
Figure BDA0003733175000000112
表示节点的发射功率，u表示发射节点，de为两个节点的通信距离，SR表示接收信号灵敏度，为常量，Gt和Gr表示收发天线增益，为常量，示例性的，可以为单位值1，π和λ为常量。
对于没有分配信道的链路，一种可能的实现方式中，调整有效链路中非活跃链路的发射节点的功率为静默值。具体的，非活跃链路即没有分配信道的链路。将该链路中发射节点的发射功率调为静默值，使该链路处于静默状态。示例性的，该静默值可以为0。
本实施例中，通过确定活跃链路中任意两个相邻节点的通信距离，并根据该通信距离确定活跃链路中发射节点的发射功率，使得每个发射节点的发射功率均可以根据完成数据包传输的通信距离进行自适应调整，从而实现功率通信资源的最优分配即总功率的最小化。
图4为本申请实施例三提供的通信资源的分配方法的流程图。本实施例是对实施例一中步骤S202的详细说明。如图4所示，该步骤S202可以进一步包括以下步骤：
S401，初始化拉格朗日因子和初始化解，该初始化解为目标函数的下界线性规划问题的一个可行解。
分别给初始化解和拉格朗日因子赋予一个默认的值，示例性的，该初始化解可以表示为
Figure BDA0003733175000000121
该拉格朗日因子可以表示为
Figure BDA0003733175000000122
其中，各个字母的含义与上述实施例中表示的相同，这里不在赘述。
S402，基于拉格朗日因子采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到目标时隙对应的第一信道分配最优解集合和下界线性规划问题的最优解。
连续凸逼近是一种用于通过迭代求解与原问题相似的凸优化问题从而得到原问题的最优解的方法。基于拉格朗日因子，对于目标函数的下界线性规划问题采用连续凸逼近进行迭代求解，得到目标时隙对应的第一信道分配最优解集合和下界线性规划问题的最优解。示例性的，第一信道分配最优解集合可以表示为
Figure BDA0003733175000000123
其中，具体的，该最优解集合中的最优解为介于0-1之间的实数。
下界线性规划问题的最优解为第一信道分配最优解集合中最优解为1的个数，可以表示为
Figure BDA0003733175000000124
S403，在第一约束条件下，根据第一信道分配最优解集合中的非整数解，得到第二信道分配最优解集合和目标函数值。
将第一信道分配最优解集合中的非整数解在满足半双工约束条件和干扰约束条件的前提下归为0或1。一种可能的实现方式中，将第一信道分配最优解集合中接近于0的最优解归为0，接近于1的最优解归为1，特别的，当最优解为0.5时，将该最优解归为1。
第二信道分配最优解集合为由多个0和1构成的集合，并将其中最优解为1的个数作为目标函数值，该目标函数值为可以表示为
Figure BDA0003733175000000125
示例性的，当第二信道分配最优解集合中有6个1时，则目标函数值为6。
S404，根据下界线性规划问题的最优解和目标函数值更新拉格朗日因子。
一种可能的实现方式中，可以根据以下公式更新拉格朗日因子：
Figure BDA0003733175000000126
其中，
Figure BDA0003733175000000127
n表示迭代次数。
S405，通过更新后的拉格朗日因子，迭代求解目标函数的下界线性规划问题，得到收敛的最优解和拉格朗日因子。
基于更新后的拉格朗日因子迭代求解目标函数的下界线性规划问题的最优解，直到拉格朗日因子和最优解收敛时得到收敛的最优解和拉格朗日因子，将该最优解作为最大分配活跃链路信道数，即目标时隙下数据包的传输可以实现最低时延。
本实施例中，通过初始化拉格朗日因子和初始化解；并基于该拉格朗日因子采用连续凸逼近迭代求解目标函数的下界线性规划问题；得到目标时隙对应的第一信道分配最优解集合和下界线性规划问题的最优解；在第一约束条件下，根据第一信道分配最优解集合中的非整数解，得到第二信道分配最优解集合和目标函数值；根据下界线性规划问题的最优解和目标函数值更新拉格朗日因子，通过更新后的拉格朗日因子，迭代求解目标函数的下界线性规划问题，得到收敛的最优解和拉格朗日因子。该方法降低了最优解求解过程中计算的复杂度，通过迭代求解得到了目标时隙中数据流对应的数据包传输的最大活跃链路分配信道数，保证了数据传输的时延达到最小化。
图5为本申请实施例四提供的通信资源的分配方法的流程图。本实施例是在实施例二和实施例三的基础上对目标时隙资源分配的进一步说明。该目标时隙资源分配可以包括以下步骤：
S501，更新目标时隙中数据流对应的数据包通过最大分配活跃链路信道传输后的不同节点上的数据包数。
目标时隙中的数据包通过最大分配活跃链路信道进行传输，得到经过传输后活跃链路上每个节点上的数据包个数。示例性的，每个节点上的数据包个数可能相同也可能不同。
S502，判断目标时隙中数据流对应的所有数据包是否都已到达目的节点。
判断目标时隙中数据流对应的所有数据包是否都已到达目的节点，若是，执行步骤S504，若否，执行步骤S503。
当目标时隙中数据流对应的所有数据包没有全部到达目的节点时，则表示在该目标时隙内有未传输完的报文数据。
S503，进入下一个时隙进行最大分配活跃链路信道数的求解。
进入下一个时隙进行最大分配活跃链路信道数的求解，具体的求解方法与本申请实施例三提供的方法相同，这里不再赘述。
S504，结束通信资源的分配。
当目标时隙中数据流对应的所有数据包都已到达目的节点时，表示目标时隙中数据流对应的所有数据包都已完成传输，则结束通信资源的分配。
本实施例中，通过更新目标时隙中数据流对应的数据包通过最大分配活跃链路信道传输后的不同节点上的数据包数，并根据每个节点上的数据包数判断目标时隙中数据流对应的数据包是否全部传输完。该方法将目标时隙内的数据包在最大分配活跃链路信道上进行传输，确保了数据的低时延传输。
对于多信道TMDA接入方式的无人机自组网多流业务多跳通信场景中，基于决策变量包含多流多跳链路-时隙-信道-功率等多维信息的问题，本申请实施例中，通过对无人机自组网多流多跳传输下的时隙-频率-功率等多域通信资源分配问题进行数学建模，利用动态网络在短时间下的准静态特性，优化每一帧的时隙、信道、功率等通信资源，以最小化网络流时延为目标，保证每一帧内源节点的报文快速传输到目的节点。即以解决时隙-频率-功率联合优化以最小化网络流总时延和总功率为目标问题。示例性的，网络的数学模型可以被建为G＝(U，E)，其中，当两个节点u，v之间的距离小于最大通信距离时，表示有链路e＝(u，v)∈{E}存在。其中，U为无人机自组网中节点的集合，示例性的，可以表示为{U}＝{1,…u,…U}；E为链路的集合，示例性的，可以表示为{E}＝{1,…e,…E}。
最大通信距离为一条链路中完成数据传输的源节点与目的节点之间的距离。示例性的，当节点u在时隙t的最大通信距离可以表示为：
Figure BDA0003733175000000141
其中，Pu[t]为节点u在时隙t的发射功率，α为常量，表示自由空间路径损耗系数。
对于每一帧的网络数据流路由，示例性的，可以用以下集合来表示链路节点集合：
Figure BDA0003733175000000142
其中，Hf表示跳数，即转发次数。
因此，对于每一帧的数据流传输，可以得到一个子图
Figure BDA0003733175000000143
其中，节点可以表示为U0＝∪f∈{F}Hf，链路可以表示为：
Figure BDA0003733175000000151
根据链路中节点之间的干扰距离，可以得到每个链路的干扰边集合Ie，其中，Ie中的链路的发射节点和链路e的接收节点的距离小于最大干扰距离。一种可能的实现方式中，最大干扰距离可以为最大通信距离的2倍。示例性的，可以表示为Iu[t]＝2Ru[t]。
针对每一帧内无人机自组网问题，时频资源分配优化变量表示为
Figure BDA0003733175000000152
若
Figure BDA0003733175000000153
表示链路e在时隙t和信道k上活跃，即完成一个数据包的传输；若
Figure BDA0003733175000000154
表示链路e在时隙t和信道k上不活跃，即没有数据包的传输。针对多流多跳无线网络数据高效传输问题，路由和时频资源调度优化变量表示为
Figure BDA0003733175000000155
其中(u，v)表示从节点u到节点v的传输链路即传输边，若
Figure BDA0003733175000000156
表示数据流f会在时隙t通过信道k从节点u到节点v传输。
下面结合图6对本申请实施例中与目标问题对应的目标函数的确定方法进行详细说明。
图6为本申请实施例五提供的通信资源分配方法中目标函数的确定方法的流程图。如图6所示，该通信资源分配方法中目标函数的确定方法包括以下步骤：
S601，建立逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题，该逐帧内的通信资源分配问题满足第二约束条件。
每一帧下的通信资源分配问题满足的第二约束条件包含半双工约束条件、干扰约束条件、自组网时隙冲突约束、节点发射功率约束条件和二值约束条件。其中，半双工约束条件和干扰约束条件如上所述，这里不再赘述。
无人机自组网中，数据包都要从一跳依次下发到下一跳，即从一个节点发送到下一个节点。因此，自组网时隙冲突约束条件表示对于连续链路e1和e2，只有链路e1的接收节点在时隙1≤t≤t-1中接收了数据包，链路e2才有可能在时隙t传输数据包。一种可能的实现方式中，自组网时隙冲突约束条件可以通过以下公式表示：
Figure BDA0003733175000000161
其中，Ae[t]为一个中间变量，用于表示数据包传输在连续链路上的先决条件。示例性的，该中间变量可以通过以下公式表示：
Figure BDA0003733175000000162
其中，I()表示指示函数，示例性的，I()的值可以为0或1。Nu[t]表示节点u在时隙1-(t-1)中已经接收到的数据包个数，示例性的，可以通过以下公式进行计算：
Figure BDA0003733175000000163
其中，对于数据流的起始节点
Figure BDA0003733175000000164
时，显然有Nu[1]＝Lf，表示所需要传输到目的节点的数据包个数。
因此，由上述可知，当Ae[t]＝1时，表示在时隙t的链路e有数据包待传输；当Ae[t]＝0时，表示在时隙t的链路e没有数据包待传输。将满足Ae[t]＝1的链路作为有效链路。
有效链路中，根据自组网的时隙冲突约束条件的表达式可以有：∑k∈{K}re，k[t]∈{0，1}，当∑k∈{K}re，k[t]＝1时，表示链路e在时隙t上确实传输了一个数据包，并将满足∑k∈{K}re，k[t]＝1的链路作为活跃链路。可以发现，只有Ae[t]＝1成立的时候，∑k∈{K}re，k[t]＝1才会成立，即一个链路只有先变成有效链路才可能再成为活跃链路。
一种可能的实现方式中，节点发射功率约束条件可以通过以下公式表示：
Figure BDA0003733175000000165
其中，Pmax为所述节点的最大发射功率。
一种可能的实现方式中，二值约束条件可以通过以下公式表示：
Figure BDA0003733175000000166
根据上述通信资源分配满足的第二约束条件，定义变量tf，用于表示数据流f的端到端时延，示例性的，变量tf可以通过以下公式表示：
Figure BDA0003733175000000167
具体的，tf表示数据流f的最后一个数据包到达目的节点
Figure BDA0003733175000000171
所占据的时隙。因此，以最小化多流业务端到端时延和节点总发射功率为目标的优化问题，即逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题可以表示为：
Figure BDA0003733175000000172
s.t.Q1：
Figure BDA0003733175000000173
Q2：
Figure BDA0003733175000000174
Q3：
Figure BDA0003733175000000175
Q4：
Figure BDA0003733175000000176
Q5：
Figure BDA0003733175000000177
其中，κ1和κ2为常量，且κ1＞＞κ2。
S602，根据逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题得到固定功率后的时隙-频率通信资源分配问题。
根据逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题表达式中κ1和κ2的关系，可以知道分配优化问题中优化网络时延的重要性远远大于优化节点发射功率的重要性。再由节点发射功率约束条件可知，逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题是一个混合整数非线性规划问题。由于混合整数非线性规划问题无法直接求得最优解，因此，将该分配问题中的发射功率进行固定，得到固定功率后的时隙-频率通信资源分配问题。示例性的，发射功率可以为链路中各个节点做大发射功率的和。
一种可能的实现方式中，固定功率后的时隙-频率通信资源分配问题可以通过以下公式表示：
Figure BDA0003733175000000178
s.t.Q1：
Figure BDA0003733175000000179
Q2：
Figure BDA00037331750000001710
Q3：
Figure BDA00037331750000001711
Q5：
Figure BDA0003733175000000181
其中，固定功率后的时隙-频率通信资源分配问题满足半双工约束条件，干扰约束条件、自组网时隙冲突约束条件以及二值约束条件。固定功率后的时隙-频率通信资源分配问题以实现最小时延为目标。
S603，根据等值关系将固定功率后的时隙-频率通信资源分配问题转换为逐时隙最大化分配活跃链路信道数问题，该逐时隙最大化分配活跃链路信道数问题对应的函数关系为目标函数。
对于每一帧内的所有数据流在完成数据包的传输中，有效链路的数目和数据流中的数据包数和转发次数之间存在等值关系。即在所有维度空间上优化变量为1的个数恒等于所有数据流的跳数乘包数之和。进一步说明在优化空间上，变量值为1的数量是固定的。示例性的，该等值关系可以通过以下公式表示：
Figure BDA0003733175000000182
根据上述等值关系，可以通过逐时隙的最大化活跃链路的信道数解决以最小化时延为目标的固定功率后的时隙-频率通信资源分配问题。即将以最小化时延为目标的固定功率后的时隙-频率通信资源分配问题，转换为最大化目标时隙
Figure BDA00037331750000001810
满足
Figure BDA0003733175000000183
的活跃链路分配信道数的优化问题。
一种可能的实现方式中，逐时隙最大化分配活跃链路信道数问题可以通过以下公式表示：
Figure BDA0003733175000000184
Figure BDA0003733175000000185
Figure BDA0003733175000000186
Figure BDA0003733175000000187
其中，
Figure BDA0003733175000000188
表示目标时隙
Figure BDA0003733175000000189
中的有效链路集合。将逐时隙最大化分配活跃链路信道数问题对应的表达公式作为目标函数。
本实施例中，建立逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题，并根据逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题得到固定功率后的时隙-频率通信资源分配问题，进一步根据等值关系将固定功率后的时隙-频率通信资源分配问题转换为逐时隙最大化分配活跃链路信道数问题。该方法建立的优化问题满足一帧内通信资源的问题约束，提高了问题的准确性，进一步通过对问题的转化，降低了问题的复杂度，并且在低复杂度下可以通过求解目标函数得到问题的最优解，实现多维通信资源的最优分配。
由于目标函数对应的问题满足二值约束条件，且该二值约束条件属于整数线性规划问题，可以采用分支定界法直接求得最优解，但是最坏计算复杂度是指数级别，会导致较高的处理时延，难以适用于帧结构下毫秒级别的时隙信号传输过程。因此，需要对目标函数进一步转换，得到低计算复杂度的目标函数的下界线性规划问题。下面结合图7对目标函数的下界线性规划问题的生成进行详细说明。
图7为本申请实施例六提供的通信资源分配方法中目标函数的下界线性规划问题的生成方法的流程图。如图7所示，该通信资源分配方法中目标函数的下界线性规划问题的生成方法包括以下步骤：
S701，将二值约束条件通过转换得到目标二值约束条件。
利用数学关系，将二值约束条件进行等价转换。示例性的，可以将
Figure BDA0003733175000000191
转换为：
Figure BDA0003733175000000192
Figure BDA0003733175000000193
S702，利用罚函数法，将目标二值约束条件惩罚到目标函数中得到第一目标函数。
罚函数法又称乘子法，是指将有约束最优化问题转化为求解无约束最优化问题。其中，将具有“惩罚”作用的常数称为罚因子。
将目标二值约束条件惩罚到目标函数中得到第一目标函数，示例性的，该第一目标函数可以通过以下公式表示：
Figure BDA0003733175000000194
其中，
Figure BDA0003733175000000195
为拉格朗日因子，即罚因子。
S703，通过一阶泰勒将第一目标函数展开得到目标函数的下界线性规划问题。
一种可能的实现方式中，目标函数的下界线性规划问题可以通过以下公式表示：
Figure BDA0003733175000000201
Figure BDA0003733175000000202
Figure BDA0003733175000000203
Figure BDA0003733175000000204
其中，
Figure BDA0003733175000000205
为目标函数对应分配问题的一个可行解。目标函数的下界线性规划问题是线性规划问题，则可以通过矩阵实验室(matrix&laboratory，简称matlab)中的一个凸优化工具包(CVX)直接进行求解。
本实施例中，将二值约束条件通过转换得到目标二值约束条件，利用罚函数法，将目标二值约束条件惩罚到目标函数中得到第一目标函数，通过一阶泰勒将第一目标函数展开得到目标函数的下界线性规划问题。该方法降低了问题的计算复杂度，提高了目标函数的下界线性规划问题最优解的求解效率。
图8为本申请实施例七提供的采用不同方法解决通信资源分配问题得到的时延和功耗性能的对比结果示意图。
示例性的，设置无线网络的节点数为100，并将100个节点随机分布在5000m*5000m的场景中。选取5个数据流业务和4个正交信道，其中，每个数据流包含3个数据包。设置载波频率为c/λ＝2GHz，节点最大发射功率为Pmax＝27dBm，接收信号灵敏度为SR＝-80dBm，Gt和Gr收发天线增益为单位值1。
分别采用固定信道分配方法、逐时隙贪心分配信道方法和本申请实施例提供的分配方法，对上述通信场景中的通信资源进行分配，并对不同方法的时延性能和总功耗进行了对比，具体的对比结构如图8所示。
其中，图8(a)为时延性能随网络数据流数量变化的对比结果示意图。从图中可以看出随着数据流数量的增加，三种方法完成数据流的传输所需的时隙均增大。在信道数量和节点数量一定时，对于相同的数据流数量，完成数据流的传输所需的时隙固定信道分配法最大，本申请实施例提供的分配方法最小。
图8(b)为时延性能随信道数量变化的对比结果示意图。从图中可以看出，随着信道数量的增加，三种方法完成数据流的传输所需的时隙均减小。在数据流数量和节点数量一定时，对于相同的信道数量，完成相同数据流的传输所需的时隙固定信道分配法最大，本申请实施例提供的分配方法最小。
图8(c)为时延性能随节点数量变化的对比结果示意图。从图中可以看出，随着节点数量的增加，三种方法完成数据流的传输所需的时隙均减小。在数据流数量和信道数量一定时，对于相同的节点数量，完成数据流的传输所需的时隙固定信道分配法最大，本申请实施例提供的分配方法最小。
图8(d)为总功耗随网络数据流数量变化的对比结果示意图。从图中可以看出，随着数据流数量的增加，固定信道分配方法和本申请实施例提供的分配方法的总发射功率均增大。对于相同的数据流数量，完成相同数据流的传输所需的总发射功率固定信道分配法大于本申请实施例提供的分配方法。
综合上述的对比结果，可以看出本申请提供的通信资源的分配方法，一方面，保证了报文数据的低时延传输。另一方面，也通过自适应功率调整极大地降低了网络通信总功耗。实现了无人机自组网多流多跳传输下的时隙-频率-功率等通信资源的最优分配。
本实施例，通过采用本申请提供的通信资源分配方法解决具体通信场景中通信资源的分配问题，进一步通过与相关技术中提供的方法进行对比，验证了本申请提供的通信资源分配方法的使用效果，即可以实现低复杂度、无干扰冲突的无线网络多流业务的高效数据传输，保证动态网络下的报文低延时传输，同时极大地降低了网络通信总功耗。
图9为本申请实施例八提供的通信资源的分配装置的结构示意图。如图9所示，该通信资源的分配装置包括：第一确定模块910、求解模块920、第二确定模块930和第一调整模块940。
其中，第一确定模块910，用于确定目标时隙下数据流集合中的有效链路，该有效链路表示目标时隙下有数据包待传输的链路，有效链路满足第一约束条件，该第一约束条件包括半双工约束条件和/或干扰约束条件；
求解模块920，用于基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到下界线性规划问题对应的最优解，该最优解用于表示最大分配活跃链路信道数，分配活跃链路信道数越大，时延越小；
第二确定模块930，用于根据最优解，在有效链路中确定活跃链路；
第一调整模块940，用于对活跃链路中的节点进行发射功率的调整。
在一种可能的实现方式中，第一调整模块940具体用于：
确定活跃链路中任意两个相邻节点的通信距离，该任意两个相邻节点中一个节点为发射节点，另一个节点为接收节点；
根据通信距离，确定活跃链路中发射节点的发射功率，该发射节点为活跃链路中数据包的发送节点。
在一种可能的实现方式中，通信资源的分配装置还包括第二调整模块，该第二调整模块用于：
调整有效链路中非活跃链路的发射节点的功率为静默值。
在一种可能的实现方式中，求解模块920具体用于：
初始化拉格朗日因子和初始化解，该初始化解为目标函数的下界线性规划问题的一个可行解；
基于拉格朗日因子采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到目标时隙对应的第一信道分配最优解集合和下界线性规划问题的最优解；
在第一约束条件下，根据第一信道分配最优解集合中的非整数解，得到第二信道分配最优解集合和目标函数值；
根据下界线性规划问题的最优解和目标函数值更新拉格朗日因子；
通过更新后的拉格朗日因子，迭代求解目标函数的下界线性规划问题，得到收敛的最优解和拉格朗日因子。
一种可能的实现方式中，通信资源的分配装置还包括第三确定模块，该第三确定模块用于：
建立逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题，该逐帧内的通信资源分配问题满足第二约束条件，该第二约束条件包含半双工约束条件、干扰约束条件、自组网时隙冲突约束、节点发射功率约束条件和二值约束条件；
根据逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题得到固定功率后的时隙-频率通信资源分配问题；
根据等值关系将固定功率后的时隙-频率通信资源分配问题转换为逐时隙最大化分配活跃链路信道数问题，该逐时隙最大化分配活跃链路信道数问题对应的函数关系为目标函数。
一种可能的实现方式中，第三确定模块还用于：
根据二值约束条件得到目标二值约束条件；
利用罚函数法，将目标二值约束条件惩罚到目标函数中得到第一目标函数；
通过一阶泰勒将第一目标函数展开得到目标函数的下界线性规划问题。
一种可能的实现方式中，通信资源的分配装置还包括判断模块，该判断模块用于：
更新目标时隙中数据流对应的数据包通过最大分配活跃链路信道传输后的不同节点上的数据包数；
判断目标时隙中数据流对应的所有数据包是否都已到达目的节点，若是，则表示目标时隙中数据流对应的所有数据包都已完成传输；
若否，则进入下一个时隙进行最大分配活跃链路信道数的求解。
本实施例提供的通信资源的分配装置可用于执行上述方法实施例的方法步骤，具体实现方式和技术效果类似，这里不再赘述。
图10为本申请实施例九提供的通信资源的分配设备的结构示意图。如图10所示，该通信资源的分配设备10，包括：
至少一个处理器110；以及
与至少一个处理器110通信连接的存储器120；其中，
存储器110存储有可被至少一个处理器110执行的指令，指令被至少一个处理器110执行，以使至少一个处理器110能够执行如上所述的通信资源的分配方法。
处理器110的具体实现过程可参见上述方法实施例，具体实现方式和技术效果类似，这里不再赘述。
本申请实施例十提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如上述方法实施例中的方法步骤，具体实现方式和技术效果类似，这里不再赘述。
本申请实施例十一提供一种程序产品，该程序产品包含计算机执行指令。当计算机执行指令被执行时，以实现如上述方法实施例中的方法步骤，具体实现方式和技术效果类似，这里不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到发明的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种通信资源分配方法，其特征在于，应用于无人机自组网，所述通信资源分配方法，包括：
确定目标时隙下数据流集合中的有效链路，所述有效链路表示所述目标时隙下有数据包待传输的链路，所述有效链路满足第一约束条件，所述第一约束条件包括半双工约束条件和/或干扰约束条件；
基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到所述下界线性规划问题对应的最优解，所述最优解用于表示最大分配活跃链路信道数，所述分配活跃链路信道数越大，时延越小；
根据所述最优解，在所述有效链路中得到所述活跃链路；
对所述活跃链路中的节点进行发射功率的调整。
2.根据权利要求1所述的方法，其特征在于，所述对所述活跃链路中的节点进行发射功率的调整，包括：
确定所述活跃链路中任意两个相邻节点的通信距离，所述任意两个相邻节点中一个节点为发射节点，另一个节点为接收节点；
根据所述通信距离，确定所述活跃链路中所述发射节点的所述发射功率，所述发射节点为所述活跃链路中所述数据包的发送节点。
3.根据权利要求2所述的方法，其特征在于，还包括：
调整所述有效链路中非活跃链路的发射节点的功率为静默值。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到所述下界线性规划问题对应的最优解，包括：
初始化所述拉格朗日因子和初始化解，所述初始化解为所述目标函数的下界线性规划问题的一个可行解；
基于所述拉格朗日因子采用连续凸逼近迭代求解所述目标函数的下界线性规划问题，得到所述目标时隙对应的第一信道分配最优解集合和所述下界线性规划问题的最优解；
在所述第一约束条件下，根据所述第一信道分配最优解集合中的非整数解，得到第二信道分配最优解集合和所述目标函数值；
根据所述下界线性规划问题的最优解和所述目标函数值更新所述拉格朗日因子；
通过更新后的所述拉格朗日因子，迭代求解所述目标函数的下界线性规划问题，得到收敛的所述最优解和所述拉格朗日因子。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标函数是通过以下方式确定的：
建立逐帧内所述无人机自组网时隙-频率-功率通信资源的分配优化问题，所述逐帧内的通信资源分配问题满足第二约束条件，所述第二约束条件包含半双工约束条件、干扰约束条件、自组网时隙冲突约束、节点发射功率约束条件和二值约束条件；
根据所述逐帧内无人机自组网时隙-频率-功率通信资源的分配优化问题得到固定功率后的时隙-频率通信资源分配问题；
根据等值关系将所述固定功率后的时隙-频率通信资源分配问题转换为逐时隙最大化分配活跃链路信道数问题，所述逐时隙最大化分配活跃链路信道数问题对应的函数关系为所述目标函数。
6.根据权利要求5所述的方法，其特征在于，所述目标函数的下界线性规划问题是通过以下方式确定的：
根据所述二值约束条件得到目标二值约束条件；
利用罚函数法，将所述目标二值约束条件惩罚到所述目标函数中得到第一目标函数；
通过一阶泰勒将所述第一目标函数展开得到所述目标函数的下界线性规划问题。
7.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述活跃链路中节点进行发射功率的调整之后，还包括：
更新所述目标时隙中数据流对应的数据包通过所述最大分配活跃链路信道传输后的不同节点上的所述数据包数；
判断所述目标时隙中数据流对应的所有数据包是否都已到达目的节点；
若是，则表示所述目标时隙中数据流对应的所有数据包都已完成传输，结束通信资源的分配；
若否，则进入下一个所述时隙进行所述最大分配活跃链路信道数的求解。
8.一种通信资源分配装置，其特征在于，应用于无人机自组网，所述通信资源分配装置，包括：
第一确定模块，用于确定目标时隙下数据流集合中的有效链路，所述有效链路表示所述目标时隙下有数据包待传输的链路，所述有效链路满足第一约束条件，所述第一约束条件包括半双工约束条件和/或干扰约束条件；
求解模块，用于基于拉格朗日因子和初始化解，采用连续凸逼近迭代求解目标函数的下界线性规划问题，得到所述下界线性规划问题对应的最优解，所述最优解用于表示最大分配活跃链路信道数，所述分配活跃链路信道数越大，时延越小；
第二确定模块，用于根据所述最优解，在所述有效链路中确定活跃链路；
第一调整模块，用于对所述活跃链路中节点进行发射功率的调整。
9.一种通信资源分配设备，其特征在于，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器用于存储所述至少一个处理器可执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。
CN202210789284.1A 2022-07-06 2022-07-06 基于无人机自组网的通信资源分配方法及装置 Pending CN115175220A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210789284.1A CN115175220A (zh) 2022-07-06 2022-07-06 基于无人机自组网的通信资源分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210789284.1A CN115175220A (zh) 2022-07-06 2022-07-06 基于无人机自组网的通信资源分配方法及装置

Publications (1)

Publication Number Publication Date
CN115175220A true CN115175220A (zh) 2022-10-11

Family

ID=83490705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210789284.1A Pending CN115175220A (zh) 2022-07-06 2022-07-06 基于无人机自组网的通信资源分配方法及装置

Country Status (1)

Country Link
CN (1) CN115175220A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115622595A (zh) * 2022-10-20 2023-01-17 重庆邮电大学 一种实现自适应大规模urllc的高能效组网方法
CN117042014A (zh) * 2023-10-10 2023-11-10 北京航空航天大学 一种兼顾速率和安全的无人机自组网多路径传输方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115622595A (zh) * 2022-10-20 2023-01-17 重庆邮电大学 一种实现自适应大规模urllc的高能效组网方法
CN115622595B (zh) * 2022-10-20 2023-12-26 深圳千通科技有限公司 一种实现自适应大规模urllc的高能效组网方法
CN117042014A (zh) * 2023-10-10 2023-11-10 北京航空航天大学 一种兼顾速率和安全的无人机自组网多路径传输方法
CN117042014B (zh) * 2023-10-10 2023-12-22 北京航空航天大学 一种兼顾速率和安全的无人机自组网多路径传输方法

Similar Documents

Publication Publication Date Title
Sheng et al. Energy efficiency and delay tradeoff in device-to-device communications underlaying cellular networks
CN115175220A (zh) 基于无人机自组网的通信资源分配方法及装置
CN104703270B (zh) 适用于异构无线蜂窝网络的用户接入和功率分配方法
CN103415077A (zh) 一种联合中继选择和功率分配的方法和系统
CN105072676B (zh) 基于tdma协议的航空自组网功率控制方法
CN110049473B (zh) 中继增强d2d通信的联合无线信道分配和功率控制方法
Swetha et al. Selective overlay mode operation for D2D communication in dense 5G cellular networks
CN111083708B (zh) 一种基于干扰感知多图的v2v通信异质频谱分配方法
Chen et al. A bandwidth allocation model with high concurrence rate in IEEE802. 16 mesh mode
CN115884343B (zh) 基于定向多波束天线的高机动自组网动态功率分配方法
Somarriba et al. Transmission control for spatial TDMA in wireless radio networks
Kompella et al. A cross-layer approach to optimal wireless link scheduling with SINR constraints
Kompella et al. Revisiting the optimal scheduling problem
Nichols et al. DTN-based free-space optical and directional RF networks
CN107333319B (zh) 蜂窝下行通信能效优化方法
Han et al. Cross-layer protocol design for wireless communication in hybrid data center networks
Yin et al. Improving channel assignment in wireless mesh network with linear programming
Preveze et al. Effects of routing algorithms on novel throughput improvement of mobile ad hoc networks
Belleschi et al. Fast power control for cross-layer optimal resource allocation in DS-CDMA wireless networks
CN112929977B (zh) 一种深度学习的放大转发协作网络能效性资源分配方法
KR101435190B1 (ko) 멀티채널 멀티세션 무선 네트워크에서의 자원 할당 장치 및 방법
Hohmann et al. Optimal resource allocation policy for multi-rate opportunistic forwarding
CN116437451B (zh) 一种基于时隙序列的定向自组网动态功率分配方法
CN111565394B (zh) 一种面向动态无人机群Mesh网络的信道绑定与接入方法及系统
Acharya et al. Outage minimized joint power and channel allocation in multihop cognitive radio networks: A lifetime-centric approach

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