CN115209422B - 一种密集城区下无人机基站协同组网参数配置方法 - Google Patents
一种密集城区下无人机基站协同组网参数配置方法 Download PDFInfo
- Publication number
- CN115209422B CN115209422B CN202210737191.4A CN202210737191A CN115209422B CN 115209422 B CN115209422 B CN 115209422B CN 202210737191 A CN202210737191 A CN 202210737191A CN 115209422 B CN115209422 B CN 115209422B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- user
- aerial vehicle
- shielding
- service cluster
- 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 21
- 230000006855 networking Effects 0.000 title claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000013461 design Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000010276 construction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 238000011480 coordinate descent method Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- 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
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
本发明提出了密集城区场景下无人机基站协同组网参数配置方法，具体地，考虑建筑物的遮挡效应并将其量化，通过三维遮挡判断得到链路对应的遮挡因子情况；根据遮挡情况，以用户为中心构建无人机基站服务簇；根据用户的服务簇情况获得簇内用于波束赋形的信道状态信息集合；代入系统模型，通过以用户为中心的联合波束形成设计，形成虚拟的MIMO链路，获得密集城区场景下的无人机基站群组协同优化性能；根据性能情况得到最优无人机基站协同组网的参数配置，即以用户为中心的服务簇大小、无人机群组最优高度和无人机群组数量与天线配置，以降低成本开销并提升系统性能。
Description
技术领域
本发明涉及无线通信技术领域，特别涉及第五代移动通信(5th Generation，5G)中，在密集城区场景下无人机基站协同组网的参数配置方法。
背景技术
当下具有万物互联需求的时代，无数设备需要低延迟、超可靠的连接，成为5G和B5G通信的关键问题。无人机(UAV)作为一种新兴技术，由于其自主、灵活和空对地能力的优势，具有高机动性，在过去几年中受到越来越多的关注。
在其众多的应用领域中，无线通信是必不可少的，无人机可以扮演不同的角色，如新的空中平台或空中用户。特别是，作为空中基站，无人机可以安装多天线接收器与发射器，通过灵活的波束赋形协同服务用户，为高流量需求的局部地区提供通信服务，从而增强网络接入，提供可靠的服务。考虑到空对地优势，UAV的高度也可以在部署过程中进行优化以充分发挥UAV通信的潜力。
在城市环境中，密集的建筑堵塞会降低单个无人机无线通信链路的连通性，影响波束赋形增益，导致用户业务不一致。为保证用户的服务质量，无人机可通过群组方式形成可扩展的多无人机网络，以突破单架无人机的能力限制，为地面用户提供更为灵活和广覆盖的通信服务。
在多无人机场景下，由于可视链路特性，同样导致了无人机通信链路之间存在严重的干扰，现有研究工作常通过功率控制或正交资源块分配来避免处理干扰。为了处理干扰并进一步利用额外的多路增益，协同传输则为一种势在必行的解决方案。因此，在无人机协同的情况下，需要通过构建合适的聚簇和波束赋形进行联合传输来实现干扰抑制，一种方式便是协同多点联合处理与传输。
然而，在这种密集的城市环境中，因为建筑堵塞导致的网络连通性差会严重影响性能，所以传统的静态协同聚簇方法，会导致选择的基站很大程度上被遮挡而无法正常提供可靠服务，则该方法不再适用该种场景。为了解决这个问题，提出一种新的理念即以用户为中心的聚簇方法，以用户为中心理念的引入首先是为了在协同网络中缓解小区边缘效应，用户根据一些条件灵活选择多个基站为其服务，组成该用户的服务簇，有利于提高所有用户的性能，特别是在接入点密集的情况下带来可观的协同增益。以用户为中心的集群设计可以灵活构建的服务集合，提供无缝覆盖，实现容量提升。
随着分布式天线系统的发展，降低了天线之间的相关性，增加了空间分集，多架无人机配备多天线可以有效提高网络容量，现有研究通过随机几何对遮挡效应下的无人机网络进行干扰协调，但仅在单天线假设下进行了理论分析；对协同多天线无人机网络，通过多小区波束赋形来提高吞吐量，但从未考虑遮挡效应对无人机协同传输和波束赋形设计的严重影响，具体链路遮挡效应会受到建筑物密度、无人机高度以及相对距离等因素的影响。由于配备分布式天线的多无人机系统成本较高、能耗较高，在人口密集的城市地区，哪种无人机天线部署最具成本效益尚未解决。因此，如何在多天线无人机网络遮挡模型下，通过波束赋形设计和无人机参数，包括固定天线总数下的无人机部署和天线配置，实现总和速率最大化仍然是一个重要的开放问题。
发明内容
本发明提出了密集城区场景下无人机基站协同组网参数配置方法，具体地，考虑建筑物的遮挡效应并将其量化，通过三维遮挡判断得到链路对应的遮挡因子情况；根据遮挡情况，以用户为中心构建无人机基站服务簇；根据用户的服务簇情况获得簇内用于波束赋形的信道状态信息集合；代入系统模型，通过以用户为中心的联合波束赋形设计，形成虚拟的MIMO链路，获得密集城区场景下的无人机群组协同优化性能；根据性能情况得到最优无人机协同组网的参数配置，即以用户为中心的服务簇大小、无人机群组最优高度和无人机群组数量与天线配置，以降低成本开销并提升系统性能。
本发明的密集城区下无人机基站协同组网参数配置方法包括以下步骤：
步骤200，利用遮挡因子量化建筑物的遮挡效应并将其量化，通过三维遮挡判断得到链路对应的遮挡因子情况。
考虑随机遮挡的城市环境，采用充分利用无人机、用户和建筑物之间维度关系的三维阻塞模型，对每条链路进行遮挡判断。引入遮挡因子wi,k表征由于链路上的阻塞而造成的穿透功率损失，代表无人机k与用户i直接的链路遮挡情况，假设系统中共K个无人机、I个用户，模型假设建筑物不可穿透，则传输信号通过建筑物的损耗较大，即可认为若链路被遮挡则信号衰减为0，则遮挡因子wi,k∈{0,1}，为一个伯努利随机变量，其中/>表示为所有无人机集合，/>为所有用户集合。
步骤210，根据遮挡情况，以用户为中心构建无人机基站服务簇。
根据初始设定无人机基站服务簇的大小K0,对每个用户而言，获取附近无人机的参考信号，得到量化后的遮挡参数wi,k。
若无人机对应遮挡因子为1，则考虑其参考信号强度pk，根据信号强度选择信号较强的K0个无人机，即与该用户具有较好信道条件且未被遮挡的无人机组成以用户i为中心的无人机基站服务簇其中/>
步骤220，根据用户的服务簇情况获得簇内用于波束赋形的信道状态信息集合。
采用以用户为中心的无人机基站群组架构，每个用户引入一个动态无人机基站服务簇通过波束赋形传输联合数据为该用户同时提供服务，考虑到在具体波束赋形过程中，只有服务簇内的无人机与对应服务的用户的信道状态信息在簇内已知，其余不在服务集合内对应的信道矩阵并不知晓。通过引入一个指示函数，
接着能够进一步定义，无人机服务簇内有限的信道状态信息CSI，可以表示为以下形式
其中，表示为实际信道情况下无人机k与用户i之间的信道状态信息，所以/>和/>为在后续基站侧波束赋形过程中使用的考虑遮挡效应及以用户为中心群组架构下的有限信道状态信息。
步骤230，将信道状态代入系统模型，通过以用户为中心的联合波束赋形设计，获得密集城区场景下的无人机基站群组协同优化性能。
获得遮挡因子以及用户服务簇及对应的信道状态信息后，设计优化波束赋形，以获得系统最大吞吐量。首先无人机需要将发送给用户i的信号通过波束赋形器/>进行处理，其中di表示发射给用户i的信号的数据流数。则/>表示为所有无人机基站针对用户i的发射波束赋形矩阵集合。
用户i接收信号可表示为
其中，为用户i处的噪声向量，这里假设其服从循环复高斯分布σ2表示噪声方差。由于LoS特性同样造成了严重的小区间干扰和小区内干扰，因此必须联合优化设计服务簇内的发射波束赋形矩阵，以减少干扰的影响，进一步提高系统的整体性能。
本发明考虑最大化用户和速率，及系统总吞吐量，考虑单天线功率限制约束条件即条件C1，对服务簇范围外的用户，无人机基站不进行波束赋形设计即条件C2，构建优化问题，表示为以下形式：
其中Ri表示用户i的速率，根据香农公式，表达式为：
和速率最大化问题通过一系列的问题实际上可以等价于和均方差最小化问题，本发明使用块坐标下降法来解决上述优化问题。具体方式通过引入最优线性接收矩阵与权值矩阵{Wi}进行问题的变形转化，将非凸问题分解为易求解的几个子问题，分别得到优化的线性接收矩阵Ui与权值矩阵Wi并固定，接着在条天线功率限制约束下更新波束赋形矩阵Vik,最终迭代得到最优系统和速率性能。
步骤240，利用步骤230的不同参数下的性能结果作参考，根据系统性能随无人机参数的变化关系，得到最优无人机基站协同组网的参数配置，即以用户为中心的服务簇大小、无人机群组最优高度和无人机群组数量与天线配置。
如果初始的服务簇大小设置相比其余的设置并未达到最优性能，则在该情况下，更新一个最优服务簇大小设置。若发现无人机所处高度遭受遮挡严重，为处最优无人机高度范围，则根据场景遮挡情况，定期更新无人机群组高度的参数设定，根据性能结果参考，指导特定场景参数下的无人机群组配置，过多的无人机在遮挡场景下有时反而不具备优势，通过以用户为中心的群组构建架构，在总天线数及总功率有限的情况下，合适的无人机数量配备合适的天线数比例将能达到更优的系统性能。
有益效果
本发明提出了密集城区下无人机协同组网参数配置方法。首先考虑建筑物的遮挡效应并将其量化后引入以用户为中心的架构构建无人机基站服务簇，得到该架构下服务簇内有限信道状态信息以支持簇内联合波束赋形，将遮挡因子与服务簇代入系统模型，构建优化问题，设计以用户为中心的联合优化波束赋形算法，有效地抑制了簇内干扰，进而得到能够实现密集城区场景下的无人机群组协同性能上界，并据此结果指导最优无人机协同组网的参数配置。
在密集城区环境下，建筑物的遮挡对网络性能及传输的速率有重要影响。通过使用本发明的方法，分析了分布式天线系统在遮挡场景下的优势，充分利用一定程度的遮挡效应减少干扰，挖掘协同传输的潜在增益，进一步增加系统性能。通过合理的无人机参数和波束赋形设计可以在密集城区场景下获得更高的容量增益。
通过配置无人机群组的高度、以用户为中心的服务基站簇的大小等参数，探索不同簇大小下的协同增益，从而得到最好的无人机群组配置，实现系统和速率最大化，以减少盲目部署无人机带来的成本开销，提高无人机系统配置效益。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明的密集城区下的无人机协同组网模型示意图；
图2是本发明的算法实施流程图；
图3是系统吞吐量性能在不同的建筑物高度和不同的用户簇大小下随无人机群组高度的变化关系图；
图4是系统吞吐量性能在不同的无人机高度下随不同天线配置参数的变化关系图；
具体实施方式
本发明提出了密集城区下无人机基站协同组网参数配置方法，网络模型如附图1所示，附图1展示了密集城区下的无人机基站协同组网模型示意图。具体地，在考虑遮挡效应的情况下，以用户为中心构建无人机基站服务簇，对于潜在服务簇，排除被建筑物遮挡的无人机，选择信道条件较好的无人机为该用户提供协同服务，无人机群组平均高度为h，由于一个无人机具有多天线可为多用户同时提供服务，所以服务簇内存在用户间干扰，且不同服务簇之间存在簇间干扰，需要设计协同波束赋形算法以减少干扰影响，提升系统整体性能。
本案例的算法流程如附图2所示，其具体的实施步骤为：
步骤300，利用遮挡因子量化建筑物的遮挡效应并将其量化，通过三维遮挡判断得到链路对应的遮挡因子情况。
考虑随机遮挡的城市环境，采用充分利用无人机、用户和建筑物之间维度关系的三维阻塞模型，对每条通信链路AB而言，获取无人机A位置及用户B位置，判断链路AB是否被建筑物遮挡，设建筑物平均高度为E[H],当建筑物高度H＞h'时，且链路AB投影穿过建筑物投影所在区域，则判断该建筑物遮挡了链路AB，对应实际场景下表现为能够接收到的参考信号强度极小，根据几何关系h'表示为
其中xb表示遮挡建筑物与无人机的水平距离，X为通信双方AB的水平距离为，hA和hB分别表示用户和无人机高度。
引入遮挡因子wi,k表征由于链路上的阻塞而造成的穿透功率损失，代表无人机k与用户i直接的链路遮挡情况，假设系统中共K个无人机、I个用户，模型假设建筑物不可穿透，则传输信号通过建筑物的损耗较大，即可认为若链路被遮挡则信号衰减为0，则遮挡因子wi,k∈{0,1}，为一个伯努利随机变量，其中/>表示为所有无人机集合，为所有用户集合。
步骤310，根据遮挡情况，以用户为中心构建无人机基站服务簇。
根据初始设定无人机基站服务簇的大小K0,该大小在每次更新时可调。对每个用户而言，首先周期性地获取附近无人机的参考信号，按照判断准则得到量化后的遮挡参数wi,k。
若对特定用户而言该无人机对应遮挡因子为1，则考虑其参考信号强度为pk，根据信号强度选择信号较强的K0个无人机，即与该用户具有较好信道条件且未被遮挡的无人机得以被选择组成以用户i为中心的无人机基站服务簇其中/>
步骤320，根据用户的服务簇情况获得簇内用于波束赋形的信道状态信息集合。
采用以用户为中心的无人机群组架构，每个用户引入一个动态无人机基站服务簇通过波束赋形传输联合数据为该用户同时提供服务，考虑到在具体波束赋形过程中，只有服务簇内的无人机与对应服务的用户的信道状态信息在簇内已知，其余不在服务集合内对应的信道矩阵并不知晓。通过引入一个指示函数，
接着能够进一步定义，无人机服务簇内有限的信道状态信息CSI，可以表示为以下形式
其中，表示为实际信道情况下无人机k与用户i之间的信道状态信息，所以/>和/>为在后续基站侧波束赋形过程中使用的考虑遮挡效应及以用户为中心群组架构下的有限信道状态信息。
步骤330，将信道状态代入系统模型，通过以用户为中心的联合波束赋形设计，获得密集城区场景下的无人机基站群组协同优化性能。
无人机配备多天线，假设每个无人机配备相同天线数M，形成均匀线阵。用户端接收机具有N根接收天线，实际无人机k与用户i之间的信道模型表示为以下形式
其中，wi,k为对应链路遮挡因子，Lik表示对应链路的路径数，gi,k,l为对应第l条路径的复增益，a(θi,k,l)为发射导向矢量，b(θi,k,l)为接收导向矢量，θi,k,l为通常无人机信道考虑的俯仰高度角。
获得遮挡因子以及用户服务簇及对应的信道状态信息后，设计优化波束赋形，以获得系统最大吞吐量。首先无人机需要将发送给用户i的信号通过波束赋形器/>进行处理，其中di表示发射给用户i的信号的数据流数。则/>表示为所有无人机基站针对用户i的发射波束赋形矩阵集合。
用户i接收信号可表示为
其中，为用户i处的噪声向量，这里假设其服从循环复高斯分布σ2表示噪声方差。由于LoS特性同样造成了严重的小区间干扰和小区内干扰，因此必须联合优化设计服务簇内的发射波束赋形矩阵，以减少干扰的影响，进一步提高系统的整体性能。
本发明考虑最大化用户和速率，及系统总吞吐量，考虑单天线功率限制约束条件即条件C1，对服务簇范围外的用户，无人机基站不进行波束赋形设计即条件C2，构建优化问题，表示为以下形式：
其中Ri表示用户i的速率，根据香农公式，表达式为：
和速率最大化问题通过一系列的问题实际上可以证明等价于和均方差最小化问题，本发明使用块坐标下降法将上述非凸问题进行形式上的变化来解决上述优化问题。
具体地，考虑无人机给不同用户发送的信号之间相互独立，不同用户接收到的信号相互独立，且不受接收机噪声的影响。考虑用户i处的接收信号通过一个线性接收滤波器后，估计信号为/>每位用户的均方误差矩阵可表示为
接着引入与用户关联的辅助权重矩阵对用户和速率最大化进行均方误差最小化的等价转换，目标优化问题可转化为
对权值矩阵、接收矩阵、波束赋形矩阵三个优化变量，固定任意一个变量的矩阵集时，该目标函数对于另一变量为凹函数，即可根据凸函数一阶条件获取到另一变量的最优解，则可得优化后的接收矩阵与权重矩阵分别表示为以下形式
固定优化后的接收矩阵与权重矩阵，优化波束赋形矩阵，考虑到单天线功率限制条件，可利用拉格朗日乘子法进行解决，引入乘子将拉格朗日函数解耦为针对用户的波束赋形矩阵Vik的函数
其中，可以表示为/>这里/>μkm为功率约束条件引入的乘子，可通过二分法更新获取。Vik可通过拉格朗日一阶优化条件优化获得，
其中，d为上次迭代更新的次数，
最终，通过迭代更新几个优化变量，可以在一定的迭代次数或者收敛条件下得到最优系统和速率性能。
总结上述优化过程可以表示为：
第一步，根据遮挡情况获取的CSI集合，构建系统模型，得到优化目标；
第二步，令d＝0，初始化波束赋形矩阵并要求满足单天线功率限制条件；
第三步，固定波束赋形矩阵与权值矩阵，计算优化后的用户侧接收矩阵
第四步，固定波束赋形矩阵与优化后的用户接收矩阵，计算优化的权值矩阵
第五步，固定优化后的用户接收矩阵与优化后的权值矩阵，对服务簇范围内的用户进行波束赋形设计的更新，若无人机不再属于用户服务簇范围，则更新波束赋形矩阵/>
第六步，直到目标和速率收敛或达到最大迭代次数可得最终优化速率，否则重复第三步到第五步。
步骤340，利用步骤330的不同参数下的性能结果作参考，根据系统性能随无人机参数的变化关系，得到最优无人机协同组网的参数配置，即以用户为中心的服务簇大小、无人机群组最优高度和无人机群组数量与天线配置。
如果初始的服务簇大小设置相比其余的设置并未达到最优性能，则在该情况下，更新一个最优服务簇大小设置。若发现无人机所处高度遭受遮挡严重，为处最优无人机高度范围，则根据场景遮挡情况，定期更新无人机群组高度的参数设定，根据性能结果参考，指导特定场景参数下的无人机群组配置，过多的无人机在遮挡场景下有时反而不具备优势，通过以用户为中心的群组构建架构，在总天线数及总功率有限的情况下，合适的无人机数量配备合适的天线数比例将能达到更优的系统性能。
仿真结果如附图3与附图4所示。附图3给出了系统吞吐量即和速率性能在不同的建筑物高度和不同的用户簇大小下随无人机群组高度的变化关系，可以看到在该种无人机群组配置下，当服务簇大小一定时，无人机存在一个最优高度，这是因为随着无人机的升高，无人机与用户的连通性增大，与此同时由距离主导的路径损耗也显著增大，二者的权衡导致了最优无人机高度的存在，且可以看到受遮挡效应影响，当建筑物平均高度E[H]增大,最优无人机高度也随之增大，如，当建筑物平均高度为10米时，无人机群组的最佳高度为80米，而当建筑物平均高度为40米时，无人机群组的最佳高度为160米。同时当服务簇大小从1增加到2时，可以看到簇内明显的协同增益，且最优无人机高度也会随簇的大小的增大而有略微增大；
附图4表示了系统吞吐量性能在不同的无人机高度下随不同天线配置参数的变化关系。结果图表征，随着无人机高度的增大，遮挡效应有所减小，分布式的优势不再那么明显，集中式即单个无人机部署所有天线的方式基本随无人机高度的增加而增大用户连通性，速率基本保持递增，而分布式受路损影响更为严重，存在更为明显的最优无人机高度，总结可以发现，由于在固定服务簇大小限制下，更加分布式的天线部署会一定程度上降低服务用户的发射功率，因此在极其密集的建筑遮挡场景下，分布式天线部署方式会表现出更优的系统性能。
Claims (2)
1.一种密集城区下无人机基站协同组网参数配置方法，所述方法包括：量化建筑物遮挡效应，通过三维遮挡判断得到链路对应的遮挡因子情况；根据初始设定无人机基站服务簇的大小K0，对每个用户首先周期性地获取附近无人机的参考信号 表示所有无人机集合，按照判断准则得到量化后的遮挡参数，根据参考信号接收强度排序，选择遮挡因子为1的信号较强的K0个无人机，即与该用户具有较好信道条件且未被遮挡的无人机得以被选择组成以用户i为中心的无人机基站服务簇/>其中/>服务簇大小K0根据算法设计结果的分析方法进行更新；根据用户的服务簇情况获得簇内用于波束赋形的信道状态信息集合并代入系统模型，通过采用遮挡效应下以用户为中心迭代优化的联合波束赋形算法，获得密集城区场景下的无人机群组协同的系统和速率最大化性能；根据性能情况得到最优无人机协同组网的参数配置，即以用户为中心的服务簇大小、无人机群组最优高度和天线总数一定实际情况下无人机群组数量与天线配置，其中考虑遮挡效应下以用户为中心的联合协同波束赋形设计算法流程具体如下：
第一步，根据遮挡情况获取以用户为中心群组架构下无人机服务簇内有限信道状态信息CSI集合，构建系统模型，得到以用户为中心架构下系统和速率优化目标；
第二步，初始化迭代次数d＝0，初始化所有无人机k为用户i设计的波束赋形矩阵为并且要求满足单天线功率限制条件；
第三步，固定波束赋形矩阵与权值矩阵，基于无人机服务簇内关于用户i的有限的信道状态信息集合计算优化后的用户侧接收矩阵/>其中/>为所有用户集合，σ2为用户i侧的接收噪声方差，Vj表示所有无人机基站针对用户j的发射波束赋形矩阵集合，I为单位矩阵；
第四步，固定波束赋形矩阵与优化后的用户接收矩阵，计算优化的权值矩阵
第五步，固定优化后的用户接收矩阵与优化后的权值矩阵，对服务簇范围内的用户进行波束赋形设计的更新，其中，/> 为考虑遮挡效应及以用户为中心群组架构下用户i到无人机k的有限信道状态信息，为第d次迭代中用户i处计算的均方误差矩阵，μkm为功率约束条件引入的拉格朗日乘子，Bm为第m个元素为1其余元素为0的M维向量，M为无人机天线数，若无人机不再属于用户服务簇范围，则更新波束赋形矩阵/>d＝d+1；
第六步，直到目标和速率收敛或达到最大迭代次数可得最终优化速率，否则重复第三步到第五步。
2.根据权利要求1所述的根据用户的服务簇情况获得簇内用于波束赋形的信道状态信息集合并代入系统模型，具体地，引入表征簇内外的指示函数
接着导出考虑遮挡效应及以用户为中心群组架构下无人机服务簇内有限信道状态信息为/>Hik表示为实际信道情况下无人机k与用户i之间的信道状态信息，则与用户i相关的CSI集合表示为基于该信息集合构建系统模型最终导出以用户为中心的系统和速率最大化优化目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210737191.4A CN115209422B (zh) | 2022-06-17 | 2022-06-17 | 一种密集城区下无人机基站协同组网参数配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210737191.4A CN115209422B (zh) | 2022-06-17 | 2022-06-17 | 一种密集城区下无人机基站协同组网参数配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115209422A CN115209422A (zh) | 2022-10-18 |
| CN115209422B true CN115209422B (zh) | 2024-05-24 |
Family
ID=83578621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210737191.4A Active CN115209422B (zh) | 2022-06-17 | 2022-06-17 | 一种密集城区下无人机基站协同组网参数配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115209422B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019205169A1 (zh) * | 2018-04-28 | 2019-10-31 | 华为技术有限公司 | 一种通信方法及装置 |
| CN110430542A (zh) * | 2019-08-06 | 2019-11-08 | 北京邮电大学 | 一种面向无人机站点群组网的快速波束跟踪方法 |
| CN111970712A (zh) * | 2020-08-12 | 2020-11-20 | 北京邮电大学 | 一种考虑建筑物遮挡效应的无人机基站部署方法 |
| CN112217544A (zh) * | 2020-08-14 | 2021-01-12 | 北京邮电大学 | 一种用户为中心无人机基站多波束联合传输方法 |
| WO2021120425A1 (zh) * | 2019-12-17 | 2021-06-24 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
| CN113242566A (zh) * | 2021-04-09 | 2021-08-10 | 北京邮电大学 | 一种遮挡效应下无人机基站选择方法 |
| CN113645634A (zh) * | 2021-08-11 | 2021-11-12 | 北京邮电大学 | 一种6g下多天线无人机网络部署参数设定方法 |
| CN114463301A (zh) * | 2022-01-26 | 2022-05-10 | 中国船舶重工集团公司第七0九研究所 | 一种多遮挡环境下无人机视频目标智能伴飞方法 |
| WO2022124733A1 (ko) * | 2020-12-10 | 2022-06-16 | 삼성전자 주식회사 | 차세대 무선 통신 시스템에서 향상된 빔 추적을 수행하는 방법 및 장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107017938B (zh) * | 2017-03-21 | 2018-08-14 | 深圳大学 | 一种干扰最小化的移动组网方法与系统 |
-
2022
- 2022-06-17 CN CN202210737191.4A patent/CN115209422B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019205169A1 (zh) * | 2018-04-28 | 2019-10-31 | 华为技术有限公司 | 一种通信方法及装置 |
| CN110430542A (zh) * | 2019-08-06 | 2019-11-08 | 北京邮电大学 | 一种面向无人机站点群组网的快速波束跟踪方法 |
| WO2021120425A1 (zh) * | 2019-12-17 | 2021-06-24 | 北京航空航天大学 | 一种毫米波全双工无人机通信中继传输方法 |
| CN111970712A (zh) * | 2020-08-12 | 2020-11-20 | 北京邮电大学 | 一种考虑建筑物遮挡效应的无人机基站部署方法 |
| CN112217544A (zh) * | 2020-08-14 | 2021-01-12 | 北京邮电大学 | 一种用户为中心无人机基站多波束联合传输方法 |
| WO2022124733A1 (ko) * | 2020-12-10 | 2022-06-16 | 삼성전자 주식회사 | 차세대 무선 통신 시스템에서 향상된 빔 추적을 수행하는 방법 및 장치 |
| CN113242566A (zh) * | 2021-04-09 | 2021-08-10 | 北京邮电大学 | 一种遮挡效应下无人机基站选择方法 |
| CN113645634A (zh) * | 2021-08-11 | 2021-11-12 | 北京邮电大学 | 一种6g下多天线无人机网络部署参数设定方法 |
| CN114463301A (zh) * | 2022-01-26 | 2022-05-10 | 中国船舶重工集团公司第七0九研究所 | 一种多遮挡环境下无人机视频目标智能伴飞方法 |
Non-Patent Citations (3)
| Title |
|---|
| 5G双小区协作流动热点补偿研究;苏树盟;赵珂;;移动通信;20200315(03);全文 * |
| Tire Pattern Classification Based On Few-Shot Learning;Jingwen Yan;《2021 IEEE International Conference on Multimedia & Expo Workshops (ICMEW)》;20210621;全文 * |
| 多播系统中基于多用户分集的资源分配;李松;《北京邮电大学学报》;20120815;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115209422A (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2481163B1 (en) | Multi-user beamforming with inter-cell interference suppression | |
| CN108449150B (zh) | 基于无线电地图信息的星地干扰协调方法、装置及设备 | |
| Seifi et al. | Adaptive multicell 3-D beamforming in multiantenna cellular networks | |
| CN112672376B (zh) | 一种无人机辅助蜂窝网络中无人机部署方法 | |
| Shi et al. | Joint gateway selection and resource allocation for cross-tier communication in space-air-ground integrated IoT networks | |
| CN112436916B (zh) | 一种应用于卫星和无人机综合组网的多链路干扰消除方法 | |
| CN112564746B (zh) | CF mmWave mMIMO系统中基于最优GEE的功率分配方法 | |
| CN106788812B (zh) | 一种两层网络中基于分簇的干扰对齐方法 | |
| CN104320169B (zh) | 多用户3d‑mimo系统中三维波束赋形设计方法 | |
| CN112672361A (zh) | 一种基于无人机集群部署的大规模mimo容量提升方法 | |
| Wang et al. | Performance modeling and analysis of base station cooperation for cellular-connected UAV networks | |
| New et al. | Application of NOMA for cellular-connected UAVs: Opportunities and challenges | |
| Zhang et al. | On the application of directional antennas in multi-tier unmanned aerial vehicle networks | |
| Liu et al. | Joint multi-UAV deployments for air–ground integrated networks | |
| Vilor et al. | Optimal 3D-UAV trajectory and resource allocation of DL UAV-GE links with directional antennas | |
| Zhao et al. | Non-orthogonal multiple access for UAV-aided heterogeneous networks: A stochastic geometry model | |
| CN103944620A (zh) | 一种tdd系统的下行联合波束成形和功率控制方法 | |
| Chen et al. | A novel JT-CoMP scheme in 5G fractal small cell networks | |
| CN115209422B (zh) | 一种密集城区下无人机基站协同组网参数配置方法 | |
| CN111954275A (zh) | 一种面向无人机基站网络的用户多连接配置方法 | |
| Shibata et al. | Two-step dynamic cell optimization algorithm for HAPS mobile communications | |
| Kanno et al. | Fronthaul Load-Reduced Scalable Cell-Free massive MIMO by Uplink Hybrid Signal Processing | |
| Ullah et al. | Massive MIMO Assisted Aerial-Terrestrial Network: How Many UAVs Need to Be Deployed? | |
| CN110113086B (zh) | 大规模mimo无人机系统混合预编码和位置设计方法 | |
| Ullah et al. | Aerial-Terrestrial Networks With Multi-Antenna Transmissions: How Many UAVs Need to Be Deployed? |
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 |