CN115412150B - 无人机空间位置和系统资源分配的联合优化方法 - Google Patents
无人机空间位置和系统资源分配的联合优化方法 Download PDFInfo
- Publication number
- CN115412150B CN115412150B CN202210866509.9A CN202210866509A CN115412150B CN 115412150 B CN115412150 B CN 115412150B CN 202210866509 A CN202210866509 A CN 202210866509A CN 115412150 B CN115412150 B CN 115412150B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- value
- user
- drone
- 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 39
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 238000013468 resource allocation Methods 0.000 title claims abstract description 19
- 239000002245 particle Substances 0.000 claims abstract description 42
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 230000008054 signal transmission Effects 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 101001114868 Bacillus subtilis (strain 168) 30S ribosomal protein S21 Proteins 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000019637 foraging behavior Effects 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
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/06—TPC algorithms
-
- 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
-
- 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)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种无人机空间位置和系统资源分配的联合优化方法,由构建信号传输模型、优化无人机到基站的可行速率、优化无人机空间位置、优化系统资源步骤组成。本发明在满足功率约束、用户服务质量约束和无人机空间位置约束的前提下,联合优化了无人机空间位置、系统可用带宽分配因子和用户传输功率;由于本发明采用了粒子群方法,优化了无人机的空间位置,提高了无人机到基站链路的速率。
Description
技术领域
本发明属于无人机辅助的无线通信领域,具体涉及到无人机空间位置的优化和系统资源分配的优化。
背景技术
无人机与地面之间的非正交多址接入通信是一种空对地通信技术。非正交多址接入技术在提高频谱效率、支持海量连接、降低传输延迟等方面具有广阔的应用前景。非正交多址接入技术是在发射机的相同时间域、频率域或码域中叠加不同功率级别的多个用户信号,并利用连续干扰抵消技术在接收机区分不同用户的信号。无人机以其低成本、高机动性等优点在边境监视、应急搜索、环境监测、直播、航拍等领域受到广泛关注。无人机可以作为空中基站或者中继进行辅助通信,同时,无人机适用于在难以进入的地区进行辅助通信或者信号监测。
粒子群优化方法是由Kennedy博士和Eberhart博士提出的一种优化方法,本质是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索方法,通过不断更新粒子的速度和位置,比较更新前后粒子的局部最优值和全局最优值,最终得到全局最优值对应的最优位置。粒子群优化方法作为一种简单有效的快速优化方法在各个领域的集体智慧中得到了广泛的应用。
发明内容
本发明所要解决的技术问题在于克服上述现有技术问题的缺点,提供一种速率高、适用于带宽分配因子和用户传输功率的无人机空间位置和系统资源分配的联合优化方法。
解决上述技术问题采用的技术方案是由下述步骤组成:
(1)构建信号传输模型
按下式确定空对地链路的信道增益hmn:
PNLoS,mn=1-PLoS,mn
其中,mn表示用户k到无人机u的链路或无人机u到基站B的链路,ρ0为单位信道增益,ρ0取值为-70~100dB,Dmn为节点m与节点n之间的距离、且不为零,ΩLoS为视距的额外路径损耗,ΩNLoS为非视距的额外路径损耗,PLoS,mn为视距发生的概率,PNLoS,mn为非视距发生的概率,c0和d0均为常数,θmn为节点m与节点n之间的连线与地面的夹角;在第一阶段,所有的地面用户K共享频谱资源,K为有限正整数,按下式确定用户k到无人机u的可行速率Rku。
其中,Bt为系统可用带宽,Bt取值为1~1.5MHz,β1是第一阶段的带宽分配因子,β1∈(0,1),Pk是用户k的传输功率,Pj,j∈((k+1),K)是用户j的传输功率,hku为用户k到无人机u的信道增益,hju为用户j到无人机u的信道增益,N0为单位信道噪声功率,取值为-169dBm/Hz;按下式确定无人机u到基站B的可行速率RuB:
其中β2为第二阶段的带宽分配因子,β2∈(0,1),(β1+β2)∈(0,1],huB为无人机u到基站B的信道增益,Pu是无人机u的传输功率,Pu取值范围为0.7~1.2W。
(2)优化无人机到基站的可行速率
按下式优化无人机u到基站B的可行速率RuB:
优化条件如下:
0<β1<1
0<β2<1
0<β1+β2≤1
min{xk}≤xu≤max{xk}
min{yk}≤yu≤max{yk}
hmin≤hu≤hmax
其中,表示对任意用户k,Pmax为用户的最大传输功率,(xu,yu,hu)是无人机u的空间位置,(xk,yk)是用户k的水平位置,hmin是无人机u的最低高度,hmax是无人机u的最高高度;将优化无人机u到基站B的可行速率分为优化无人机u空间位置和优化系统资源,通过粒子群优化方法求解无人机的最优空间位置,将无人机的位置信息代入系统资源分配优化中最大化无人机到基站的速率,直到收敛。
(3)优化无人机空间位置
采用粒子群优化方法,按下式更新粒子速度v(t+1):
v(t+1)=ωv(t)+c1r1(t)[p(t)-x(t)]+c2r2(t)[g-x(t)]
其中,x(t)是第t次迭代的粒子群位置,v(t)为第t次迭代的粒子群速度,ω为惯性权重系数,c1和c2是学习因子,r1(t)和r2(t)均为第t次迭代的(0,1)之间的随机数,p(t)是第t次迭代的局部最优粒子群位置,g为全局最优粒子位置。
按下式更新粒子位置x(t+1):
x(t+1)=x(t)+v(t+1)
按下式更新粒子局部最优适应度值pbest(n):
pbest(n)=max(pbest(n),fit(n))
其中,n∈N,N为粒子总数且为有限正整数,fit(n)为第n个粒子的适应度值;按下式更新粒子全局最优适应度值gbest:
gbest=max(gbest,fit(n))
其中,n∈N,迭代次数t达到迭代总数T或全局最优适应度值gbest收敛时停止迭代,T为有限正整数,得到无人机最优空间位置。
(4)优化系统资源
按下式优化系统资源β1,β2和Pk:
优化条件如下:
0<β1<1
0<β2<1
0<β1+β2≤1
0<R≤Kα
在本发明的(1)步骤中,所述的ΩLoS取值为1~1.4,ΩNLoS取值为20~26。
在本发明的(1)步骤中,所述的c0取值为0.56~0.63,d0取值为0.09~0.13。
在本发明的(1)步骤中,所述的β1初值取值最佳为0.5,β2初值取值最佳为0.5。
本发明与现有技术相比,具有以下有益效果:
1)本发明优化了无人机的空间位置,采用了粒子群优化方法确定解无人机空间位置优化的技术问题,提高了无人机到基站链路的速率。
2)本发明的无人机空间位置优化方法与现有的方法相比,经验证,在无人机传输功率为1.2W时,速率提升了4×104bps;与无人机空间位置随机生成的方法相比,速率提升了6×104bps;与不优化带宽分配因子和用户传输功率的方法相比,速率提升了1×105bps。
附图说明
图1是本发明实施例1的流程图。
图2是本发明实施例1无人机传输功率与速率关系在不同条件的对比仿真实验结果图。
具体实施方式
下面结合附图和具体实施例对本发明进一步说明,但本发明不限于下述的实施例。
实施例1
本实施例的无人机空间位置和系统资源分配的联合优化方法由下述步骤组成(参见图1):
(1)构建信号传输模型
按下式确定空对地链路的信道增益hmn:
PNLoS,mn=1-PLoS,mn
其中,mn表示用户k到无人机u的链路或无人机u到基站B的链路,ρ0为单位信道增益,ρ0取值为-70~100dB,本实施例ρ0取值为-80dB,Dmn为节点m与节点n之间的距离、且不为零,ΩLoS为视距的额外路径损耗,ΩNLoS为非视距的额外路径损耗,ΩLoS取值为1~1.4,ΩNLoS取值为20~26,本实施例的ΩLoS取值为1.2,ΩNLoS取值为23。
PLoS,mn为视距发生的概率,PNLoS,mn为非视距发生的概率,c0和d0均为常数,c0取值为0.56~0.63,d0取值为0.09~0.13,本实施例的c0取值为0.60,d0取值为0.11,θmn为节点m与节点n之间的连线与地面的夹角。在第一阶段,所有的地面用户K共享频谱资源,K为有限正整数,按下式确定用户k到无人机u的可行速率Rku:
其中,Bt为系统可用带宽,Bt取值为1~1.5MHz,本实施例的Bt取值为1.2MHz,β1是第一阶段的带宽分配因子,β1∈(0,1),本实施例的β1初值取值为0.5,Pk是用户k的传输功率,Pj,j∈((k+1),K)是用户j的传输功率,hku为用户k到无人机u的信道增益,hju为用户j到无人机u的信道增益,N0为单位信道噪声功率,取值为-169dBm/Hz;按下式确定无人机u到基站B的可行速率RuB:
其中β2为第二阶段的带宽分配因子,β2∈(0,1),(β1+β2)∈(0,1],本实施例的β2初值取值为0.5,huB为无人机u到基站B的信道增益,Pu是无人机u的传输功率,Pu取值范围为0.7~1.2W。本实施例的Pu取值范围为1.0W。
(2)优化无人机到基站的可行速率
按下式优化无人机u到基站B的可行速率RuB:
优化条件如下:
0<β1<1
0<β2<1
0<β1+β2≤1
min{xk}≤xu≤max{xk}
min{yk}≤yu≤max{yk}
hmin≤hu≤hmax
其中,β1、β2的取值与(1)步骤相同,表示对任意用户k,Pmax为用户的最大传输功率,(xu,yu,hu)是无人机u的空间位置,(xk,yk)是用户k的水平位置,hmin是无人机u的最低高度,hmax是无人机u的最高高度;将优化无人机u到基站B的可行速率分为优化无人机u空间位置和优化系统资源,通过粒子群优化方法求解无人机的最优空间位置,将无人机的位置信息代入系统资源分配优化中最大化无人机到基站的速率,直到收敛。
(3)优化无人机空间位置
采用粒子群优化方法,按下式更新粒子速度v(t+1):
v(t+1)=ωv(t)+c1r1(t)[p(t)-x(t)]+c2r2(t)[g-x(t)]
其中,x(t)是第t次迭代的粒子群位置,v(t)为第t次迭代的粒子群速度,ω为惯性权重系数,c1和c2是学习因子,r1(t)和r2(t)均为第t次迭代的(0,1)之间的随机数,p(t)是第t次迭代的局部最优粒子群位置,g为全局最优粒子位置。
按下式更新粒子位置x(t+1):
x(t+1)=x(t)+v(t+1)
按下式更新粒子局部最优适应度值pbest(n):
pbest(n)=max(pbest(n),fit(n))
其中,n∈N,N为粒子总数且为有限正整数,fit(n)为第n个粒子的适应度值;按下式更新粒子全局最优适应度值gbest:
gbest=max(gbest,fit(n))
其中,n∈N,迭代次数t达到迭代总数T或全局最优适应度值gbest收敛时停止迭代,T为有限正整数,得到无人机最优空间位置。
(4)优化系统资源
按下式优化系统资源β1,β2和Pk:
优化条件如下:
0<β1<1
0<β2<1
0<β1+β2≤1
0<R≤Kα
完成无人机空间位置和系统资源分配的联合优化方法。
实施例2
本实施例的无人机空间位置和系统资源分配的联合优化方法由下述步骤组成:
(1)构建信号传输模型
按下式确定空对地链路的信道增益hmn:
PNLoS,mn=1-PLoS,mn
其中,mn表示用户k到无人机u的链路或无人机u到基站B的链路,ρ0为单位信道增益,ρ0取值为-70~100dB,本实施例ρ0取值为-70dB,Dmn为节点m与节点n之间的距离、且不为零,ΩLoS为视距的额外路径损耗,ΩNLoS为非视距的额外路径损耗,ΩLoS取值为1~1.4,ΩNLoS取值为20~26,本实施例的ΩLoS取值为1,ΩNLoS取值为20。
PLoS,mn为视距发生的概率,PNLoS,mn为非视距发生的概率,c0和d0均为常数,c0取值为0.56~0.63,d0取值为0.09~0.13,本实施例的c0取值为0.56,d0取值为0.09,θmn为节点m与节点n之间的连线与地面的夹角。在第一阶段,所有的地面用户K共享频谱资源,K为有限正整数,按下式确定用户k到无人机u的可行速率Rku:
其中,Bt为系统可用带宽,Bt取值为1~1.5MHz,本实施例Bt取值为1MHz,β1是第一阶段的带宽分配因子,β1∈(0,1),本实施例的β1初值取值为0.5,Pk是用户k的传输功率,Pj,j∈((k+1),K)是用户j的传输功率,hku为用户k到无人机u的信道增益,hju为用户j到无人机u的信道增益,N0为单位信道噪声功率,取值为-169dBm/Hz;按下式确定无人机u到基站B的可行速率RuB:
其中β2为第二阶段的带宽分配因子,β2∈(0,1),(β1+β2)∈(0,1],本实施例的β2初值取值为0.5,huB为无人机u到基站B的信道增益,Pu是无人机u的传输功率,Pu取值范围为0.7~1.2W,本实施例Pu取值为0.7W。
其它步骤与实施例1相同。完成无人机空间位置和系统资源分配的联合优化方法。
实施例3
本实施例的无人机空间位置和系统资源分配的联合优化方法由下述步骤组成:
(1)构建信号传输模型
按下式确定空对地链路的信道增益hmn:
PNLoS,mn=1-PLoS,mn
其中,mn表示用户k到无人机u的链路或无人机u到基站B的链路,ρ0为单位信道增益,ρ0取值为-70~100dB,本实施例ρ0取值为-100dB,Dmn为节点m与节点n之间的距离、且不为零,ΩLoS为视距的额外路径损耗,ΩNLoS为非视距的额外路径损耗,ΩLoS取值为1~1.4,ΩNLoS取值为20~26,本实施例的ΩLoS取值为1.4,ΩNLoS取值为26,PLoS,mn为视距发生的概率,PNLoS,mn为非视距发生的概率,c0和d0均为常数,c0取值为0.56~0.63,d0取值为0.09~0.13,本实施例的c0取值为0.63,d0取值为0.13,θmn为节点m与节点n之间的连线与地面的夹角。在第一阶段,所有的地面用户K共享频谱资源,K为有限正整数,按下式确定用户k到无人机u的可行速率Rku:
其中,Bt为系统可用带宽,Bt取值为1~1.5MHz,本实施例Bt取值为1.5MHz,β1是第一阶段的带宽分配因子,β1∈(0,1),本实施例的β1初值取值为0.3,Pk是用户k的传输功率,Pj,j∈((k+1),K)是用户j的传输功率,hku为用户k到无人机u的信道增益,hju为用户j到无人机u的信道增益,N0为单位信道噪声功率,取值为-169dBm/Hz;按下式确定无人机u到基站B的可行速率RuB:
其中β2为第二阶段的带宽分配因子,β2∈(0,1),(β1+β2)∈(0,1],本实施例的β2初值取值为0.7,huB为无人机u到基站B的信道增益,Pu是无人机u的传输功率,Pu取值范围为0.7~1.2W,本实施例的Pu取值范围为1.2W。
其它步骤与实施例1相同。完成无人机空间位置和系统资源分配的联合优化方法。
为了验证本发明的有益效果,发明人采用本发明实施例1的无人机空间位置和系统资源分配的联合优化方法与B.Hu,L.Wang,S.Chen,J.Cui and L.Chen,"An UplinkThroughput Optimization Scheme for UAV-Enabled Urban EmergencyCommunications,"in IEEE Internet of Things Journal,vol.9,no.6,pp.4291-4302,15March15,2022(以下简称对比方案1)、无人机空间位置随机生成的方法(以下简称对比方案2)、不优化带宽分配因子和用户传输功率(以下简称对比方案3)进行了对比仿真实验,实验结果见图2,图2显示了无人机传输功率与速率关系。由图2可见,在无人机传输功率为1.2W时,本发明与对比方案1方法相比,速率提升了4×104bps;与对比方案2方法相比,速率提升了6×104bps;与对比方案3方法相比,速率提升了1×05bps。本发明的速率优于对比方案1、对比方案2、对比方案3。
Claims (4)
1.一种无人机空间位置和系统资源分配的联合优化方法,其特征在于它是由下述步骤组成:
(1)构建信号传输模型
按下式确定空对地链路的信道增益hmn:
PNLoS,mn=1-PLoS,mn
其中,mn表示用户k到无人机u的链路或无人机u到基站B的链路,ρ0为单位信道增益,ρ0取值为-70~100dB,Dmn为节点m与节点n之间的距离、且不为零,ΩLoS为视距的额外路径损耗,ΩNLoS为非视距的额外路径损耗,PLoS,mn为视距发生的概率,PNLoS,mn为非视距发生的概率,c0和d0均为常数,θmn为节点m与节点n之间的连线与地面的夹角;在第一阶段,所有的地面用户K共享频谱资源,K为有限正整数,按下式确定用户k到无人机u的可行速率Rku:
其中,Bt为系统可用带宽,Bt取值为1~1.5MHz,β1是第一阶段的带宽分配因子,β1∈(0,1),Pk是用户k的传输功率,Pj,j∈((k+1),K)是用户j的传输功率,hku为用户k到无人机u的信道增益,hju为用户j到无人机u的信道增益,N0为单位信道噪声功率,取值为-169dBm/Hz;按下式确定无人机u到基站B的可行速率RuB:
其中β2为第二阶段的带宽分配因子,β2∈(0,1),(β1+β2)∈(0,1],huB为无人机u到基站B的信道增益,Pu是无人机u的传输功率,Pu取值范围为0.7~1.2W;
(2)优化无人机到基站的可行速率
按下式优化无人机u到基站B的可行速率RuB:
优化条件如下:
0<β1<1
0<β2<1
0<β1+β2≤1
min{xk}≤xu≤max{xk}
min{yk}≤yu≤max{yk}
hmin≤hu≤hmax
其中,表示对任意用户k,Pmax为用户的最大传输功率,(xu,yu,hu)是无人机u的空间位置,(xk,yk)是用户k的水平位置,hmin是无人机u的最低高度,hmax是无人机u的最高高度;将优化无人机u到基站B的可行速率分为优化无人机u空间位置和优化系统资源,通过粒子群优化方法求解无人机的最优空间位置,将无人机的位置信息代入系统资源分配优化中最大化无人机到基站的速率,直到收敛;
(3)优化无人机空间位置
采用粒子群优化方法,按下式更新粒子速度v(t+1):
v(t+1)=ωv(t)+c1r1(t)[p(t)-x(t)]+c2r2(t)[g-x(t)]
其中,x(t)是第t次迭代的粒子群位置,v(t)为第t次迭代的粒子群速度,ω为惯性权重系数,c1和c2是学习因子,r1(t)和r2(t)均为第t次迭代的(0,1)之间的随机数,p(t)是第t次迭代的局部最优粒子群位置,g为全局最优粒子位置;
按下式更新粒子位置x(t+1):
x(t+1)=x(t)+v(t+1)
按下式更新粒子局部最优适应度值pbest(n):
pbest(n)=max(pbest(n),fit(n))
其中,n∈N,N为粒子总数且为有限正整数,fit(n)为第n个粒子的适应度值;按下式更新粒子全局最优适应度值gbest:
gbest=max(gbest,fit(n))
其中,n∈N,迭代次数t达到迭代总数T或全局最优适应度值gbest收敛时停止迭代,T为有限正整数,得到无人机最优空间位置;
(4)优化系统资源
按下式优化系统资源β1,β2和Pk:
优化条件如下:
0<β1<1
0<β2<1
0<β1+β2≤1
0<R≤Kα
2.根据权利要求1所述的无人机空间位置和系统资源分配的联合优化方法,其特征在于:在(1)步骤中,所述的ΩLoS取值为1~1.4,ΩNLoS取值为20~26。
3.根据权利要求1所述的无人机空间位置和系统资源分配的联合优化方法,其特征在于:在(1)步骤中,所述的c0取值为0.56~0.63,d0取值为0.09~0.13。
4.根据权利要求1所述的无人机空间位置和系统资源分配的联合优化方法,其特征在于:在(1)步骤中,所述的β1初值取值为0.5,β2初值取值为0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210866509.9A CN115412150B (zh) | 2022-07-22 | 2022-07-22 | 无人机空间位置和系统资源分配的联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210866509.9A CN115412150B (zh) | 2022-07-22 | 2022-07-22 | 无人机空间位置和系统资源分配的联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412150A CN115412150A (zh) | 2022-11-29 |
CN115412150B true CN115412150B (zh) | 2023-04-07 |
Family
ID=84156772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210866509.9A Active CN115412150B (zh) | 2022-07-22 | 2022-07-22 | 无人机空间位置和系统资源分配的联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412150B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110958619B (zh) * | 2019-11-18 | 2021-05-14 | 北京邮电大学 | 一种基于无线能量传输的无人机辅助网络中资源分配方法 |
CN112737837B (zh) * | 2020-12-28 | 2021-09-14 | 北京邮电大学 | 一种高动态网络拓扑下无人机群带宽资源分配方法 |
CN113518361B (zh) * | 2021-06-18 | 2022-06-17 | 中南林业科技大学 | 一种无人机辅助无线通信的轨迹优化方法、设备及介质 |
CN113596854B (zh) * | 2021-07-21 | 2022-08-09 | 东南大学 | 一种自主移动中继辅助的广域覆盖高速传输方法 |
-
2022
- 2022-07-22 CN CN202210866509.9A patent/CN115412150B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115412150A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112118556B (zh) | 基于深度强化学习的无人机轨迹及功率联合优化方法 | |
CN108135002B (zh) | 一种基于块坐标下降的无人机频谱资源分配方法 | |
CN110138443B (zh) | 面向无线中继的无人机航迹和信号发射功率联合优化方法 | |
CN112737842B (zh) | 空地一体化车联网中基于最小化时延的任务安全卸载方法 | |
CN108848465B (zh) | 一种面向数据分发的无人机飞行轨迹与资源调度联合优化方法 | |
CN110730494B (zh) | 最大化无人机下行非正交多址noma移动用户最小安全速率的功率优化方法 | |
CN108123772B (zh) | 一种基于梯度投影法的无人机时频资源分配方法 | |
CN108832998B (zh) | 一种空地融合通信网络中的协同数据分发方法 | |
CN110380772A (zh) | 一种无人机中继系统的资源分配与飞行路线优化方法 | |
CN113904743B (zh) | 一种无人机中继系统的安全通信资源优化设计方法 | |
CN115276768B (zh) | 融合干扰缓解与资源分配的无人机时延最小化方法 | |
CN113055078A (zh) | 有效信息年龄确定方法、以及无人机飞行轨迹优化方法 | |
Chen et al. | LDMAC: A propagation delay-aware MAC scheme for long-distance UAV networks | |
Ghavimi et al. | Energy-efficient uav communications with interference management: Deep learning framework | |
CN115412150B (zh) | 无人机空间位置和系统资源分配的联合优化方法 | |
CN111405582B (zh) | 一种无人机通信质量的优化方法及系统 | |
Park et al. | Low-complexity algorithm for outage optimal resource allocation in energy harvesting-based UAV identification networks | |
CN112996121A (zh) | 一种面向集群内通信的u2u分布式动态资源分配方法 | |
CN112188497A (zh) | 一种空地一体化车辆网频谱资源优化方法 | |
CN116390124A (zh) | 基于无人机辅助的去蜂窝大规模mimo系统的资源优化方法 | |
Kota et al. | UAV assisted MIMO-NOMA for maximizing the sum capacity by satisfying the QoS of the users | |
Arif et al. | Dual connectivity in decoupled aerial HetNets with reverse frequency allocation and clustered jamming | |
Wang et al. | Trajectory and power design to balance UAV communication capacity and unintentional interference | |
CN115314099B (zh) | 无人机基站通信覆盖网络增强方法及系统 | |
CN115278593A (zh) | 基于半免授权协议的无人机-非正交多址通信系统的传输方法 |
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 |