CN115484550A - 面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法 - Google Patents

面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法 Download PDF

Info

Publication number
CN115484550A
CN115484550A CN202210984665.5A CN202210984665A CN115484550A CN 115484550 A CN115484550 A CN 115484550A CN 202210984665 A CN202210984665 A CN 202210984665A CN 115484550 A CN115484550 A CN 115484550A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
drone
user
convex
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
CN202210984665.5A
Other languages
English (en)
Inventor
李彬
丛嘉艺
张若南
郭宪振
崔进宝
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202210984665.5A priority Critical patent/CN115484550A/zh
Publication of CN115484550A publication Critical patent/CN115484550A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0888—Throughput
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0894—Packet rate
    • 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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • 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
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，能够在多用户接入的网络中，为网络合法用户提供可靠、高速的安全传输保障。首先提出了一个无人机支持的双向中继系统，其中无人机中继协助多对地面用户之间的信息交换。其次制定了一个混合整数非凸规划，通过联合优化传输调度参数、无人机和地面用户的传输功率以及无人机轨迹来最大化地面用户的最小平均速率。最后采用分支定界法和逐次凸逼近技术分别求解非凸上下行传输调度和无人机轨迹优化。本发明所提出的吞吐量最大化方法优于其他基准算法，可以有效提高用户吞吐率和服务稳定性。

Description

面向无人机平台的多对用户场景下双向中继系统吞吐量最大 化方法
技术领域
本发明属于无线通信技术领域，尤其涉及一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法。
背景技术
传统的地面通信系统极大的依赖地面通信基础设施，比如基站。而利用无人机空基平台协助式通信的方式不仅成本较低，还有其他几个较为明显的优势。首先，由于无人机具有高机动性，无人机协助式通信系统部署更加快捷灵活，特别适合指定场景或意外情况。其次，相比于地面系统中的地对地通信链路，无人机对地通信链路更有可能是视距链路，因此通信链路的信道容量更大。此外，无人机协助式通信系统的性能可以通过附加设计进行提高，设计自由度较高，比如系统通过动态优化无人机位置满足通信需求。因此无人机协助式通信系统有望在未来的无线系统中发挥重要作用。
目前已有众多无人机无线通信系统已被提出。例如无人机被用来为物联网设备进行信息收集和发布或作为空中无线中继节点提供无线通信支持。在众多无人机通信技术中，无人机中继技术可以有效地在复杂地形条件下提高网络吞吐量或扩大通信范围。按照信息流的，无人机中继技术可以分为方向可分为无人机单向中继和无人机双向中继两类。尽管有诸如以上的优势，但无人机无线通信也面临着几个新的设计挑战。首先，无人机系统实现安全保密功能时，除了要设计像地面系统中的常规通信链路，还需要设计有低时延和强保密的附加非负载控制链路。例如实时控制以避免数据碰撞和无人机冲撞。因此需要专门为无人机设计更有效的资源管理和安全监控机制。此外，无人机系统的高移动性通常会导致高度动态的网络拓扑，网络会稀疏或间歇性断开连接。所以为确保网络连接的可靠性，需要设计多无人机协作机制，或无人机机群操作。因此需要定制化设计新的通信协议。
无人机系统的另一个主要问题是，无人机有限的尺寸、重量和能源会限制其通信能力、计算能力、续航能力。需要设计能源分配和操作方式来实现智能能源规划。启用无人机空中基站的蜂窝网干扰比地面蜂窝系统更为复杂。这是由于无人机的机动性以及缺乏固定的回程链路和集中控制。因此，无人机协助式的覆盖领域需要做抗干扰技术研究。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提供一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法。
技术方案
一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：综合考虑网络编码策略和空地信道状态，根据多对用户实时信道容量状态选择中继通信用户以实现在飞行周期内的总平均吞吐率最大化，包括以下步骤：
S101、构建部署远距离中继通信无人机的基本飞行模型，并设定基本飞行约束条件；
S102、设定中继无人机总工作时间和通信时隙数，根据通信网络模型分析得到接收用户实时信道容量和通信速率；
S103、建立无人机轨迹、传输调度和传输功率联合优化模型，以最大化最小平均信息速率；
S104、基于步骤S102的中继无人机基本工作参数和S103的联合优化问题，结合传输调度参数、无人机和地面用户之间的传输功率以及无人机飞行轨迹来最大化全体地面用户的最小平均速率，并应用块坐标下降法解决非凸问题；
S105、基于步骤S102的中继无人机基本工作参数和S103的联合优化问题，并结合传输调度参数、无人机和地面用户对之间的传输功率以及无人机飞行轨迹，采用分支定界法和逐次凸逼近技术分别求解非凸上下行传输调度和无人机轨迹优化并重复执行步骤S102-S104，直至接收端完成全部的数据包接收和信道容量最大化。
1.根据权利要求1所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：步骤S101根据无人机初始位置、无人机终止位置确定无人机基本飞行模型；
(1)最小或最大高度约束
Hmin≤[q(t)]3≤Hmax
式中：
Hmin——无人机飞行高度下限；
Hmax——无人机飞行高度上线；
Figure BDA0003801597520000031
——无人机在时刻t的位置；
(2)初始和终点位置约束
q(0)＝qI，q(T)＝qF
式中：
Figure BDA0003801597520000032
——无人机初始位置；
Figure BDA0003801597520000033
——无人机终点位置；
(3)无人机最大和最小速度约束
无人机在飞行过程中的速度需要满足的约束为
Figure BDA0003801597520000034
式中：
Figure BDA0003801597520000035
——无人机的速度；
对于旋翼无人机，通常有Vmin＝0；而对于固定翼无人机，最小速度往往需要大于0，即Vmin≥0；
(4)最大加速度约束
无人机在飞行过程中的加速度需要满足的约束为
Figure BDA0003801597520000041
式中：
Figure BDA0003801597520000042
——无人机的加速度；
(5)避障约束
||q(t)-r ≥D1
式中：
r——障碍物的位置；
D1——无人机和障碍物之间的最短安全距离；
(6)避免碰撞约束
Figure BDA0003801597520000043
式中：
D2——无人机和无人机之间的最短安全距离。
本发明进一步的技术方案：步骤S102根据信时隙数，根据通信网络模型分析信道容量和通信速率：
总时长T离散化为N个时间段，即T＝Nδt；其中，δt代表基础时间段长度；用δn,n＝1,...,N代表第n个时间段；从无人机到用户GUk,j每个时隙的信道功率增益遵循自由空间损耗模型的表达式如下：
Figure BDA0003801597520000044
其中β0为参考距离处的信道功率；
在每个时隙内，只有从一对用户设备到用户设备的上行链路信道或者从用户设备到一对用户设备的下行链路信道可以是有效的；因此，有以下限制
Figure BDA0003801597520000051
其中，au,k为表示来自第k对GUs的上行链路信道，ad,k为表示来自第k对GUs的下行链路信道；时隙n处来自GUk,j到无人机中继的的上行链路、下行链路容量可以表示为：
Figure BDA0003801597520000052
Figure BDA0003801597520000053
其中，pk,j为GUk,j时隙n的传输功率，
Figure BDA0003801597520000057
pr是无人机在时隙n的发射功率。因此，以GUk,j在时隙n的可实现上行链路和下行链路信息速率被定义为：
Figure BDA0003801597520000054
Figure BDA0003801597520000055
总地面用户在时间T内的平均吞吐量可以表示为：
Figure BDA0003801597520000056
本发明进一步的技术方案：步骤S103中无人机轨迹与传输调度和传输功率联合优化模型表达式如下：
该双向中继系统包含多对用户，通过联合优化不同对用户之间的时隙资源分配，无人机和用户发射机的传输能量以及无人机的轨迹最大化最小的可实现平均传输速率，也就是
Figure BDA0003801597520000061
用
Figure BDA0003801597520000062
代表时隙资源分配因子，
Figure BDA0003801597520000063
代表无人机的飞行轨迹以及
Figure BDA0003801597520000064
代表无人机和用户发射机的传输能量；则相应的联合优化问题应该表示为：
Figure BDA0003801597520000065
式中：η——松弛变量；
针对该联合优化问题，可以先给定通信相关变量
Figure BDA0003801597520000066
如无人机的发射能量，然后优化无人机的轨迹，则此时优化问题表示为
Figure BDA0003801597520000067
同理，也可以固定无人机的轨迹来优化通信相关变量，优化问题为
Figure BDA0003801597520000068
然后，通过交替求解以上两个问题就可以找到原问题的一个局部最优解；
采用连续凸近似SCA技术对该函数进行处理，具体来说，在第l次迭代中，首先要为非凹函数fi({q[n]})找到一个凹函数的下界
Figure BDA0003801597520000069
使得这个下界小于等于原函数，即
Figure BDA0003801597520000071
用这个下界来代替问题中的约束和目标函数，将原问题转换成一个凸问题进行求解。
本发明进一步的技术方案：步骤S104中得到通信传输调度优化的方法如下：
根据合时分多址和解码转发协议通信方式，权利要求5所述的优化问题可以改写为：
Figure BDA0003801597520000072
这是一种标准的线性规划，可以用现有的线性规划工具或单纯形法求解；
对于任何给定的无人机轨迹和用户调度{Q,A}，步骤S104中的功率分配优化的方法如下：
Figure BDA0003801597520000073
其中，
Figure BDA0003801597520000074
为松弛变量；该问题是一个凸问题，可以通过标准的凸优化技术来有效地解决；
在任意给定用户调度A和发射功率P的情况下，最优无人机轨迹可以通过求解以下问题得到：
Figure BDA0003801597520000081
该问题仍是一个非凸问题。
本发明进一步的技术方案：步骤S105中所述分支定界法和逐次凸逼近技术分别求解非凸无人机轨迹优化的确定方法如下：
对于非凸的无人机轨迹优化问题，在第s次迭代的任意给定局部点Qs＝{qs[n]}处，可以得到
Figure BDA0003801597520000082
的下界
Figure BDA0003801597520000083
和
Figure BDA0003801597520000084
的下界
Figure BDA0003801597520000085
其上下界计算式可以表示为：
Figure BDA0003801597520000086
Figure BDA0003801597520000087
其中
Figure BDA0003801597520000088
分别为：
Figure BDA0003801597520000089
Figure BDA00038015975200000810
Figure BDA00038015975200000811
Figure BDA00038015975200000812
因此，可以通过将优化问题中对于信道容量的限制条件的右侧替换为它们的下限来重新表述：
Figure BDA00038015975200000813
通过求解上述无人机传输调度参数、无人机和地面用户对之间的传输功率以及无人机飞行轨迹问题，得到最终优化即双向中继系统中的吞吐量最大化策略。
本发明进一步的技术方案：步骤105中变量参数收敛条件如下：
||{As,Ps,Qs}-{As-1,Ps-1,Qs-1}≤ε。
一种终端系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述方法的步骤。
有益效果
本发明提供的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，与现有技术相比，具有以下有益的技术效果：
能够在多用户接入的网络中，为网络合法用户提供可靠、高速的安全传输保障。首先提出了一个无人机支持的双向中继系统，其中无人机中继协助多对地面用户之间的信息交换。其次制定了一个混合整数非凸规划，通过联合优化传输调度参数、无人机和地面用户的传输功率以及无人机轨迹来最大化地面用户的最小平均速率。采用分支定界法和逐次凸逼近技术分别求解非凸上下行传输调度和无人机轨迹优化。然后，提出了一种采用块坐标下降法求解联合优化问题的迭代算法。数值结果表明，所提出的面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法优于其他基准算法，可以有效提高用户吞吐率和服务稳定性。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1是本发明提出的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化流程图。
图2是本发明实施例提供的面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方案在不同工作时间下的飞行轨迹对比图；
图3本发明实施例提供的面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方案与传统方法(不含轨迹优化、无人机直线飞行和无人机固定位置通信)在不同工作时长下的无人机吞吐量性能对比图；
图4是本发明实施例提供的面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方案在不同工作时间下迭代速率性能比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参阅图1，一种面向无人机平台的多用户双向中继系统最大吞吐量方法，包括以下步骤：
S101：根据无人机初始位置、无人机终止位置确定无人机基本飞行模型；
(1)最小或最大高度约束
在小型无人机的操作规范中，无人机相对于地面的最大飞行高度为122m。因此，在设计无人机轨迹时经常会考虑一下以下约束
Hmin≤[q(t)]3≤Hmax
式中：
Hmin——无人机飞行高度下限；
Hmax——无人机飞行高度上线；
Figure BDA0003801597520000111
——无人机在时刻t的位置。
(2)初始和终点位置约束
在很多场景中，无人机的初始位置和终点位置通常是事先定好的，即无人机只能在某一给定的位置起飞和降落。数学上，该约束可以表示为：
q(0)＝qI，q(T)＝qF
式中：
Figure BDA0003801597520000112
——无人机初始位置；
Figure BDA0003801597520000113
——无人机终点位置。
(3)无人机最大和最小速度约束
无人机在飞行过程中的速度需要满足的约束为
Figure BDA0003801597520000114
式中：
Figure BDA0003801597520000115
——无人机的速度。
对于旋翼无人机，通常有Vmin＝0。而对于固定翼无人机，最小速度往往需要大于0，即Vmin≥0。
(4)最大加速度约束
无人机在飞行过程中的加速度需要满足的约束为
Figure BDA0003801597520000116
式中：
Figure BDA0003801597520000117
——无人机的加速度。
(5)避障约束
为了保障安全，无人机在飞行过程中需要和已知的障碍物保持一定的距离，因此无人机的轨迹需要满足的约束为
||q(t)-r||≥D1
式中：
r——障碍物的位置；
D1——无人机和障碍物之间的最短安全距离。
(6)避免碰撞约束
在多无人机通信系统中，无人机与无人机之间也需要保持一定的安全距离以避免碰撞，因此无人机轨迹的另一个约束为
Figure BDA0003801597520000121
式中：
D2——无人机和无人机之间的最短安全距离。
S102：假设从无人机到GUs的通信链路由LoS链路控制。根据信时隙数，根据通信网络模型分析信道容量和通信速率。
总时长T离散化为N个时间段，即T＝Nδt。其中，δt代表基础时间段长度。用δn,n＝1,...,N代表第n个时间段。需要注意的是基础时间段长度需要足够小以保证在每个时间段内无人机的位置可以视为不变。从无人机到用户GUk,j每个时隙的信道功率增益遵循自由空间损耗模型的表达式如下：
Figure BDA0003801597520000122
其中β0为参考距离处的信道功率。
在这个中继系统中，采用物理层网络编码技术，使同一对中的两个中继站能够在两个时隙内完成一个信息交换周期。具体来说，两个GUs首先在一个时隙内同时向无人机上传信息。然后，GU通过应用网络编码技术对接收到的分组进行编码，并使用另一个时隙将它们广播给两个GU。在接收到编码分组后，两个基站都可以从接收到的信号中提取其期望得到的信息。由于有K对地面用户和一个中继站，假设中继站通过时分多址协议为中继站服务。在每个时隙内，只有从一对用户设备到用户设备的上行链路信道或者从用户设备到一对用户设备的下行链路信道可以是有效的。因此，有以下限制
Figure BDA0003801597520000131
其中，au,k为表示来自第k对GUs的上行链路信道，ad,k为表示来自第k对GUs的下行链路信道。时隙n处来自GUk,j到无人机中继的的上行链路、下行链路容量可以表示为：
Figure BDA0003801597520000132
Figure BDA0003801597520000133
其中，pk,j为GUk,j时隙n的传输功率，
Figure BDA0003801597520000134
pr是无人机在时隙n的发射功率。因此，以GUk,j在时隙n的可实现上行链路和下行链路信息速率被定义为：
Figure BDA0003801597520000135
Figure BDA0003801597520000136
总地面用户在时间T内的平均吞吐量可以表示为：
Figure BDA0003801597520000137
S103：建立无人机轨迹与传输调度和传输功率联合优化模型，以最大化最小平均信息速率，并应用块坐标下降法解决非凸问题；
无人机轨迹与传输调度和传输功率联合优化模型表达式如下。该双向中继系统包含多对用户。通过联合优化不同对用户之间的时隙资源分配，无人机和用户发射机的传输能量以及无人机的轨迹最大化最小的可实现平均传输速率，也就是
Figure BDA0003801597520000141
用
Figure BDA0003801597520000142
代表时隙资源分配因子，
Figure BDA0003801597520000143
代表无人机的飞行轨迹以及
Figure BDA0003801597520000144
代表无人机和用户发射机的传输能量。则相应的联合优化问题应该表示为：
Figure BDA0003801597520000145
式中：η——松弛变量。
然而该问题非常难以求解，原因如下。首先，优化变量A为0-1变量，这使得约束C4，C5成为了0-1约束。0-1整数优化问题比较难以求解。此外，即使在给定优化变量A的情况下，信息因果性约束C8相对于优化变量P和Q仍然是非凸的。所以问题(P1)是一个0-1整型非凸优化问题。没有现成的优化算法对该问题进行求解。
块坐标下降法(Block Coordinate Descent Method，BCD)技术的核心思想就是交替更新不同的变量块。在优化一种变量的同时，其他变量的值是给定的。针对该联合优化问题，可以先给定通信相关变量
Figure BDA0003801597520000146
如无人机的发射能量，然后优化无人机的轨迹，则此时优化问题表示为
Figure BDA0003801597520000147
同理，也可以固定无人机的轨迹来优化通信相关变量，优化问题为
Figure BDA0003801597520000151
然后，通过交替求解以上两个问题就可以找到原问题的一个局部最优解。
经过运用离散化和BCD技术，得到的优化问题仍然难以求解。这是因为即使给定通信相关变量，无人机轨迹优化问题仍然是一个非凸问题。原因是优化问题中的约束和目标函数(用fi表示)总有一个不是关于无人机轨迹的凹函数。我们采用连续凸近似(Successive Convex Approximation，SCA)技术对该函数进行处理。SCA是一种迭代优化技术。具体来说，在第l次迭代中，首先要为非凹函数fi({q[n]})找到一个凹函数的下界
Figure BDA0003801597520000152
使得这个下界小于等于原函数，即
Figure BDA0003801597520000153
用这个下界来代替问题中的约束和目标函数，将原问题转换成一个凸问题进行求解。
S104：基于步骤S102的中继无人机基本工作参数和S103的联合优化问题，结合传输调度参数、无人机和地面用户之间的传输功率以及无人机飞行轨迹来最大全体地面用户的最小平均速率；
根据时分多址和解码转发协议通信方式，权利要求4所述的优化问题可以改写为：
Figure BDA0003801597520000154
这是一种标准的线性规划，可以用现有的线性规划工具或单纯形法求解。
对于任何给定的无人机轨迹和用户调度{Q,A}，步骤S104中的功率分配优化的方法如下：
Figure BDA0003801597520000161
其中，
Figure BDA0003801597520000162
为松弛变量。该问题是一个凸问题，可以通过标准的凸优化技术来有效地解决，例如内点法或CVX工具箱。
在任意给定用户调度A和发射功率P的情况下，最优无人机轨迹可以通过求解以下问题得到：
Figure BDA0003801597520000163
该问题仍是一个非凸问题。
S105：基于步骤S102的中继无人机基本工作参数和S103的联合优化问题，并结合传输调度参数、无人机和地面用户对之间的传输功率以及无人机飞行轨迹，采用分支定界法和逐次凸逼近技术分别求解非凸上下行传输调度和无人机轨迹优化并重复执行步骤S102-S104，直至接收端完成全部的数据包接收和信道容量最大化。
所述分支定界法和逐次凸逼近技术分别求解非凸无人机轨迹优化的确定方法如下：
对于非凸的无人机轨迹优化问题，在第s次迭代的任意给定局部点Qs＝{qs[n]}处，可以得到
Figure BDA0003801597520000164
的下界
Figure BDA0003801597520000165
和
Figure BDA0003801597520000166
的下界
Figure BDA0003801597520000167
其上下界计算式可以表示为：
Figure BDA0003801597520000168
Figure BDA0003801597520000169
其中
Figure BDA0003801597520000171
分别为为：
Figure BDA0003801597520000172
Figure BDA0003801597520000173
Figure BDA0003801597520000174
Figure BDA0003801597520000175
因此，我们可以通过将优化问题中对于信道容量的限制条件的右侧替换为它们的下限来重新表述：
Figure BDA0003801597520000176
通过求解上述无人机传输调度参数、无人机和地面用户对之间的传输功率以及无人机飞行轨迹问题，得到最终优化即双向中继系统中的吞吐量最大化策略。
下面结合仿真对本发明的技术效果作详细的描述。
本发明对无人机平台的多对用户场景下双向中继系统中的吞吐量最大化进行仿真，验证本发明方案的优越性。具体的步骤如下：设定的基础参数为无人机初始位置和无人机终点位置分别位于坐标为(0，200，100)、(0，-200，100)的位置。地面用户对数为3对，每个用户对中含有两个地面用户，其分别位于坐标为(-1000，100)、(1000，100)、(-1000，0)、(1000，0)、(-1000，-100)、(1000，100)。无人机飞行高度始终保持100米的高度。参考距离为1米时，大尺度衰落为-60dB，背景噪声功率为-110dBmW。无人机最大飞行速度为50m/s。无人机每一时隙所占时间为1s。无人机与地面用户的通信功率上限值为-10dBm。
本算法最终轨迹对比图和将本发明与传统方法(无任何优化、不含功率优化及不含轨迹优化)在不同总工作时长、和迭代次数下的平均信道吞吐率的对比图，如图2-图4所示。
在示例性实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于可重构智能表面和主动干扰的安全传输方法的步骤。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
在示例性实施例中，还提供了一种终端系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述基于可重构智能表面和主动干扰的安全传输方法的步骤。处理器可能是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
以上所述，仅为本发明的具体实施方式，但本发明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发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：综合考虑网络编码策略和空地信道状态，根据多对用户实时信道容量状态选择中继通信用户以实现在飞行周期内的总平均吞吐率最大化，包括以下步骤：
S101、构建部署远距离中继通信无人机的基本飞行模型，并设定基本飞行约束条件；
S102、设定中继无人机总工作时间和通信时隙数，根据通信网络模型分析得到接收用户实时信道容量和通信速率；
S103、建立无人机轨迹、传输调度和传输功率联合优化模型，以最大化最小平均信息速率；
S104、基于步骤S102的中继无人机基本工作参数和S103的联合优化问题，结合传输调度参数、无人机和地面用户之间的传输功率以及无人机飞行轨迹来最大化全体地面用户的最小平均速率，并应用块坐标下降法解决非凸问题；
S105、基于步骤S102的中继无人机基本工作参数和S103的联合优化问题，并结合传输调度参数、无人机和地面用户对之间的传输功率以及无人机飞行轨迹，采用分支定界法和逐次凸逼近技术分别求解非凸上下行传输调度和无人机轨迹优化并重复执行步骤S102-S104，直至接收端完成全部的数据包接收和信道容量最大化。
2.根据权利要求1所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：步骤S101根据无人机初始位置、无人机终止位置确定无人机基本飞行模型；
(1)最小或最大高度约束
Hmin≤[q(t)]3≤Hmax
式中：
Hmin——无人机飞行高度下限；
Hmax——无人机飞行高度上线；
Figure FDA0003801597510000021
——无人机在时刻t的位置；
(2)初始和终点位置约束
q(0)＝qI，q(T)＝qF
式中：
Figure FDA0003801597510000022
——无人机初始位置；
Figure FDA0003801597510000023
——无人机终点位置；
(3)无人机最大和最小速度约束
无人机在飞行过程中的速度需要满足的约束为
Figure FDA0003801597510000024
式中：
Figure FDA0003801597510000025
——无人机的速度；
对于旋翼无人机，通常有Vmin＝0；而对于固定翼无人机，最小速度往往需要大于0，即Vmin≥0；
(4)最大加速度约束
无人机在飞行过程中的加速度需要满足的约束为
Figure FDA0003801597510000026
式中：
Figure FDA0003801597510000027
——无人机的加速度；
(5)避障约束
||q(t)-r||≥D1
式中：
r——障碍物的位置；
D1——无人机和障碍物之间的最短安全距离；
(6)避免碰撞约束
Figure FDA0003801597510000031
式中：
D2——无人机和无人机之间的最短安全距离。
3.根据权利要求2所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：步骤S102根据信时隙数，根据通信网络模型分析信道容量和通信速率：
总时长T离散化为N个时间段，即T＝Nδt；其中，δt代表基础时间段长度；用δn,n＝1,...,N代表第n个时间段；从无人机到用户GUk,j每个时隙的信道功率增益遵循自由空间损耗模型的表达式如下：
Figure FDA0003801597510000032
其中β0为参考距离处的信道功率；
在每个时隙内，只有从一对用户设备到用户设备的上行链路信道或者从用户设备到一对用户设备的下行链路信道可以是有效的；因此，有以下限制
Figure FDA0003801597510000033
Figure FDA0003801597510000034
其中，au,k为表示来自第k对GUs的上行链路信道，ad,k为表示来自第k对GUs的下行链路信道；时隙n处来自GUk,j到无人机中继的的上行链路、下行链路容量可以表示为：
Figure FDA0003801597510000035
Figure FDA0003801597510000041
其中，pk,j为GUk,j时隙n的传输功率，
Figure FDA0003801597510000042
pr是无人机在时隙n的发射功率。因此，以GUk,j在时隙n的可实现上行链路和下行链路信息速率被定义为：
Figure FDA0003801597510000043
Figure FDA0003801597510000044
总地面用户在时间T内的平均吞吐量可以表示为：
Figure FDA0003801597510000045
4.根据权利要求3所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：步骤S103中无人机轨迹与传输调度和传输功率联合优化模型表达式如下：
该双向中继系统包含多对用户，通过联合优化不同对用户之间的时隙资源分配，无人机和用户发射机的传输能量以及无人机的轨迹最大化最小的可实现平均传输速率，也就是
Figure FDA0003801597510000046
用
Figure FDA0003801597510000047
代表时隙资源分配因子，
Figure FDA0003801597510000048
代表无人机的飞行轨迹以及
Figure FDA0003801597510000049
代表无人机和用户发射机的传输能量；则相应的联合优化问题应该表示为：
Figure FDA0003801597510000051
Figure FDA0003801597510000052
C2:q[0]＝q0,q[N]＝qf,
Figure FDA0003801597510000053
Figure FDA0003801597510000054
Figure FDA0003801597510000055
Figure FDA0003801597510000056
Figure FDA0003801597510000057
Figure FDA0003801597510000058
式中：η——松弛变量；
针对该联合优化问题，可以先给定通信相关变量
Figure FDA0003801597510000059
如无人机的发射能量，然后优化无人机的轨迹，则此时优化问题表示为
Figure FDA00038015975100000510
Figure FDA00038015975100000511
Figure FDA00038015975100000512
同理，也可以固定无人机的轨迹来优化通信相关变量，优化问题为
Figure FDA00038015975100000513
Figure FDA00038015975100000514
Figure FDA00038015975100000515
然后，通过交替求解以上两个问题就可以找到原问题的一个局部最优解；
采用连续凸近似SCA技术对该函数进行处理，具体来说，在第l次迭代中，首先要为非凹函数fi({q[n]})找到一个凹函数的下界
Figure FDA00038015975100000516
使得这个下界小于等于原函数，即
Figure FDA00038015975100000517
用这个下界来代替问题中的约束和目标函数，将原问题转换成一个凸问题进行求解。
5.根据权利要求4所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：步骤S104中得到通信传输调度优化的方法如下：
根据合时分多址和解码转发协议通信方式，权利要求5所述的优化问题可以改写为：
Figure FDA0003801597510000061
Figure FDA0003801597510000062
这是一种标准的线性规划，可以用现有的线性规划工具或单纯形法求解；
对于任何给定的无人机轨迹和用户调度{Q,A}，步骤S104中的功率分配优化的方法如下：
Figure FDA0003801597510000063
Figure FDA0003801597510000064
Figure FDA0003801597510000065
Figure FDA0003801597510000066
Figure FDA0003801597510000067
其中，
Figure FDA0003801597510000068
为松弛变量；该问题是一个凸问题，可以通过标准的凸优化技术来有效地解决；
在任意给定用户调度A和发射功率P的情况下，最优无人机轨迹可以通过求解以下问题得到：
Figure FDA0003801597510000069
Figure FDA00038015975100000610
Figure FDA00038015975100000611
Figure FDA00038015975100000612
q[0]＝q0,q[N]＝qf，
该问题仍是一个非凸问题。
6.根据权利要求5所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，其特征在于：步骤S105中所述分支定界法和逐次凸逼近技术分别求解非凸无人机轨迹优化的确定方法如下：
对于非凸的无人机轨迹优化问题，在第s次迭代的任意给定局部点Qs＝{qs[n]}处，可以得到
Figure FDA0003801597510000071
的下界
Figure FDA0003801597510000072
和
Figure FDA0003801597510000073
的下界
Figure FDA0003801597510000074
其上下界计算式可以表示为：
Figure FDA0003801597510000075
Figure FDA0003801597510000076
其中
Figure FDA0003801597510000077
分别为：
Figure FDA0003801597510000078
Figure FDA0003801597510000079
Figure FDA00038015975100000710
Figure FDA00038015975100000711
因此，可以通过将优化问题中对于信道容量的限制条件的右侧替换为它们的下限来重新表述：
Figure FDA00038015975100000712
通过求解上述无人机传输调度参数、无人机和地面用户对之间的传输功率以及无人机飞行轨迹问题，得到最终优化即双向中继系统中的吞吐量最大化策略。
7.根据权利要求6所述的一种面向无人机平台的多对用户场景下双向中继系统中的吞吐量最大化方法，步骤105中变量参数收敛条件如下：
||{As,Ps,Qs}-{As-1,Ps-1,Qs-1}||≤ε。
8.一种终端系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202210984665.5A 2022-08-17 2022-08-17 面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法 Pending CN115484550A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210984665.5A CN115484550A (zh) 2022-08-17 2022-08-17 面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210984665.5A CN115484550A (zh) 2022-08-17 2022-08-17 面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法

Publications (1)

Publication Number Publication Date
CN115484550A true CN115484550A (zh) 2022-12-16

Family

ID=84422075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210984665.5A Pending CN115484550A (zh) 2022-08-17 2022-08-17 面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法

Country Status (1)

Country Link
CN (1) CN115484550A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116092332A (zh) * 2023-01-31 2023-05-09 中山大学 无人机携载智能反射面的多模调控与轨迹优化方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116092332A (zh) * 2023-01-31 2023-05-09 中山大学 无人机携载智能反射面的多模调控与轨迹优化方法及系统
CN116092332B (zh) * 2023-01-31 2023-12-05 中山大学 无人机携载智能反射面的多模调控与轨迹优化方法及系统

Similar Documents

Publication Publication Date Title
CN110381444B (zh) 一种无人机轨迹优化及资源分配方法
Zeng et al. Throughput maximization for UAV-enabled mobile relaying systems
CN111031513B (zh) 一种多无人机辅助物联网通信方法及其系统
Zhang et al. Cooperative UAV enabled relaying systems: Joint trajectory and transmit power optimization
CN111953407B (zh) 无人机视频中继系统及其最小化能耗的方法
CN112532300B (zh) 单无人机反向散射通信网络轨迹优化与资源分配方法
CN111107515B (zh) 无人机多链路中继通信系统的功率分配与飞行路线优化方法
CN110730495A (zh) 能量约束下的无人机数据分发优化方法
CN110417588B (zh) 一种基于联盟博弈的航空动态网络路径规划方法
CN111479226B (zh) 无人机通信系统及基于用户轨迹的无人机通信优化方法
Zhang et al. Power control and trajectory planning based interference management for UAV-assisted wireless sensor networks
Zhang et al. UAV-aided data dissemination protocol with dynamic trajectory scheduling in VANETs
Mokhtari et al. Relaying data with joint optimization of energy and delay in cluster-based UAV-assisted VANETs
Lu et al. Relay in the sky: A UAV-aided cooperative data dissemination scheduling strategy in VANETs
CN115484550A (zh) 面向无人机平台的多对用户场景下双向中继系统吞吐量最大化方法
Fan et al. Optimal relay selection for UAV-assisted V2V communications
Zhang et al. Joint computation offloading and trajectory design for aerial computing
Nguyen et al. Trajectory control and resource allocation for UAV-based networks with wireless backhauls
CN116545515A (zh) 一种基于无人机群的高效数据传输方法
CN113055826B (zh) 一种联合分簇和三维轨迹规划的大规模无人机群数据收集方法
CN114945182A (zh) 一种城市环境中多无人机中继优化部署方法
Bechihi et al. A resource allocation algorithm for formation control of connected vehicles
Zeng et al. Trajectory optimization for completion time minimization in UAV-enabled multicasting
Jin et al. 3D trajectory design and resource management for UAV-assisted multi-user two-way transmission system
Guo et al. Throughput maximization of a UAV-enabled two-way relaying system

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