CN115642949B - C-noma使能的6g异构网络无人机轨迹优化方法 - Google Patents
C-noma使能的6g异构网络无人机轨迹优化方法 Download PDFInfo
- Publication number
- CN115642949B CN115642949B CN202211237925.9A CN202211237925A CN115642949B CN 115642949 B CN115642949 B CN 115642949B CN 202211237925 A CN202211237925 A CN 202211237925A CN 115642949 B CN115642949 B CN 115642949B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- noma
- heterogeneous network
- enabled
- 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
- 206010042135 Stomatitis necrotising Diseases 0.000 title claims abstract description 26
- 201000008585 noma Diseases 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种C‑NOMA使能的6G异构网络无人机轨迹优化方法。所述方案包括:首先,提出一种C‑NOMA使能的空地一体异构网络模型,通过无人机和地面终端的协作完成任务;其次,设置无人机在固定高度飞行,引入无人机的推进功耗以构建优化的问题,采用近似凸优化的方法处理目标函数及约束条件;最后使用凸优化工具得到优化的无人机飞行轨迹、飞行的速度,提高了系统的能量效率和频谱效率,有效提升系统性能。
Description
技术领域
本发明涉及6G异构网络领域,具体为一种C-NOMA使能的6G异构网络无人机轨迹优化方法。
技术背景
虽然第五代(5G)移动通信网络的密集部署可以满足热点地区物联网(IoT)应用的需求,但在偏远地区,人们仍然迫切需要更经济、更高效的网络覆盖。第六代(6G)移动通信技术结合空基网络以补充地面网络,通过异构网络实现网络的无缝覆盖。
NOMA技术由于在系统吞吐量、频谱效率与能量效率等方面的优势,已经成为6G多址技术的研究重点。NOMA技术的基本思想是在发送端采用非正交发送,主动引入干扰信息,在接收端通过连续干扰删除(SIC)接收机实现正确解调。终端数量的增加会导致基于SIC的解码复杂度急剧上升,处理时间大幅增加。因此,采用C-NOMA技术将终端划分为多个集群,集群内运用NOMA技术,集群间采用OMA技术,可以提高系统吞吐量,实现频谱效率和复杂度间的平衡。
目前基于无人机辅助的异构网络大多为了最大化系统吞吐量,没有充分考虑无人机的推进能耗的影响。本发明在无人机的载重和能量存储受限的情况下,结合C-NOMA技术复用信道,通过SCA技术优化无人机的飞行轨迹以提高系统能效,在保证服务质量的同时有效降低了系统的复杂度,提升系统整体性能。
发明内容
为了解决上述问题,本发明公开了一种C-NOMA使能的6G异构网络无人机轨迹优化方法。所述方案包括:首先,提出一种C-NOMA使能的空地一体异构网络模型,地面用户将无人机作为中间节点,通过向无人机发送信息,连接到飞艇。其次,设置无人机在固定高度飞行,引入无人机的推进功耗模型和时隙,采用近似凸优化(SCA)的方法将非凸问题转化为凸问题。最后使用CVX工具得到无人机飞行轨迹、飞行速度的近似最优结果。本发明系统提高了系统的能量效率和频谱效率,有效提升系统性能。
C-NOMA使能的空地一体异构网络模型包括一架高度为HA的飞艇、共享带宽为W的信道的架无人机与/> 个地面智能设备。将无人机占用的频带资源均匀地划分为M段,使各架无人机工作在不同的频带,其间不存在干扰。将每个无人机所占用的频带资源划分为/>条子信道。无人机为通过C-NOMA集群的用户服务。无人机的飞行时隙包括/> 个时隙,每个时隙为ΔT。无人机在时间T>0内周期飞行,飞行一周后回到起点,且一直保持在固定高度令qm(t)=(xm(t),ym(t)),/>分别表示第m个无人机的轨迹、速度与加速度。用Dn表示第n个智能设备的位置,其中Dn=(xn,yn,0)。智能设备与无人机、无人机与飞艇之间的通信被认为是视距传输,信道衰落为莱斯衰落。
无人机到地面智能设备的距离为
则第k条子信道的第n个智能设备与第m架无人机之间的信道功率增益可以表示为
G0和Gn分别为无人机和智能设备的定向天线增益。β0表示参考距离d0=1m时的信道功率增益。
第m个无人机到飞艇的信道增益可表示为:
其中G2为飞艇的定向天线增益。
假设在第t个时隙中,第n个地面智能设备到第m架无人机的传输功率为Pn,m,k(t)∈PD→U,,第m架无人机到飞艇的传输功率为Pm(t)∈PU→H。UAV飞行轨迹、速度、加速度分别表示为 地面终端和无人机间的信道选择表示为如果在时隙t中,终端n和无人机m通过信道k连接,则an,m,k(t)=1;否则an,m,k(t)=0。
在第t个时隙中,对于第m架无人机网络,占据第k个子信道的第n个智能设备的无人机接收信干噪比可表示为:
N0为噪声功率,代表来自共享同一信道的其他用户的干扰。SIC技术可以用于解码来自占用相同子信道的终端设备的信号。
同理,第t个时隙中第m个无人机的飞艇接收信噪比可表示为:
在第t个时隙中,第n个智能设备到飞艇的上行可达率表示为
则系统容量为:
无人机功耗包括两个部分。一是与通信相关的功率,包括辐射、信号处理以及其他电路产生的功率。另一个是维持飞行和机动性的推进功耗。则第m架无人机所需的推进能量为:
其中,
代表克服阻力所需的力量,g代表重力,/> 定义了循环中飞行的动能。mm'是无人机m的重量,c1,c2是与飞机重量、空气密度等有关的两个参数。
然后,系统能效可以表示为
目标是通过设计无人机轨迹和速度以最大化系统能效,问题表述如下:
C3:Vmin≤||vm(t)||≤Vmax
C4:||acm(t)||≤acmax
C1表示系统QoS。C2表示系统的容量限制,保证传输的总数据不会超过系统容量,其中,表示系统容量。C3、C4分别表示无人机的速度和加速度约束。
无人机轨迹、速度和加速度都是连续变量,使得问题难以直接求解。因此,我们首先得到系统能效的下界:
基于一阶和二阶泰勒展开,可以得到次优结果:
vm(t+1)=vm(t)+acm(t)ΔT
注意约束C1-C3是非凸的。P0的分子和分母都是非凸的,使得目标函数是非凸的。因此,引入松弛变量{τm(t)}并将上述问题转化为
s.t.C1-C4
C5:τm(t)≥Vmin
C6:||vm(t)||2≥τm 2(t)
通过这种变换,目标函数的分母对于{vm(t),acm(t),τm(t)}是凸的,但是产生了新的非凸约束。为了解决这个非凸约束,应用局部凸近似。关于在第r次迭代中获得的任何局部点有
因此,定义新的约束:
ψlb(vm(t))≥τm 2(t)
为了解决分子的非凸性,将其转化为:
其中
对于运用一阶泰勒展开得到其下界。
对于引入松弛变量/>得到其上界。
||qm(t)-Dn||2≥∈n,m(t)
利用一阶泰勒展开,有
最终,将问题转化为:
C3:||vm(t)||≤Vmax
C4:||acm(t)||≤acmax
C5:τm(t)≥Vmin
C6:ψlb(vm(t))≥τm 2(t)
C8:vm(t+1)=vm(t)+acm(t)ΔT
其中分子是凹的,分母是凸的,所有约束都是凸的,可以转化为标准的凸问题。因此,通过CVX来解决。
本发明的技术方法具有以下优点:
本发明公开了一种C-NOMA使能的6G异构网络无人机轨迹优化方法。所述方案包括:首先,提出一种C-NOMA使能的空地一体异构网络模型,地面用户将无人机作为中间节点,通过向无人机发送信息,连接到飞艇。其次,设置无人机在固定高度飞行,引入无人机的推进功耗模型和时隙,采用近似凸优化(SCA)的方法将非凸问题转化为凸问题。最后使用CVX工具得到无人机飞行轨迹、飞行速度的近似最优结果。本发明提高了系统的能量效率和频谱效率,有效提升系统性能。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方法,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发明的一些实施例,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他的附图。
图1为无人机的优化轨迹图。
图2为不同基准算法下系统能效与终端数量的关系图。
具体实施方式
本发明提出了一种C-NOMA使能的6G异构网络无人机轨迹优化方法,下面结合附图,对实施例作详细说明。
本文具体场景为在200m×120m的区域,随机分布不同数量的智能设备。仿真参数如下选取:飞艇高度为15km,3架无人机飞行高度为160m,飞行周期为T=20s,时隙大小为1s,无人机最大飞行速度是25m/s,最小飞行速度是3m/s,最大加速度是5m/s2,信道带宽为3MHz,噪声功率为-105dBm,c1和c2大小分别为9.26×10-4,2250。
本发明的实施方式分为两个步骤,第一步为建立系统模型,第二步为算法的实施。
本发明使用MATLAB进行仿真。
图1为三个无人机优化的飞行轨迹。无人机沿着初始的圆形轨迹同向飞行,通过将优化后的轨迹与原轨迹进行比较,可以看到飞行轨迹的轮廓变得更小。这是因为优化轨迹后的无人机尽可能地在保证系统能效值下靠近每个智能设备,以便实现更好的系统能效并提供更好的QoS。
图2为不同基准算法的系统能效。研究表明,随着用户数量的增加,系统能效也会提高。可以直观地看出,所提出本发明的方法在系统能效方面的优越性。具体来说,随机算法的性能是最差的,证明了轨迹优化对能效的影响。此外,OMA和C-NOMA之间的比较表明本发明的解决方案能效更高,因为频谱效率得到了提高。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (3)
1.一种群-非正交多址接入技术C-NOMA使能的6G异构网络无人机轨迹优化方法,其特征在于,包括如下步骤:首先,提出一种C-NOMA使能的空地一体异构网络模型,通过无人机和地面终端的协作完成任务;其次,设置无人机在固定高度飞行,引入无人机的推进功耗以构建优化的问题,采用近似凸优化SCA的方法处理目标函数及约束条件;最后使用凸优化CVX工具对转化后的问题求解,得到优化的无人机飞行轨迹、飞行的速度。
2.根据权利要求1所述的C-NOMA使能的6G异构网络无人机轨迹优化方法,其特征在于,所述提出一种C-NOMA使能的空地一体异构网络模型,包括:将空地一体异构网络涉及的要素抽象为飞艇、无人机与地面智能设备三类,采用C-NOMA技术对信道进行复用,并利用无人机为通过C-NOMA集群的用户服务。
3.根据权利要求1所述的C-NOMA使能的6G异构网络无人机轨迹优化方法,其特征在于,在C-NOMA使能的空地一体异构网络模型中,引入无人机的推进功耗,构建了具有服务质量QoS约束、系统容量约束、速度和加速度约束的无人机轨迹优化问题,采用SCA的方法处理目标函数及约束条件,并通过CVX解决优化问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237925.9A CN115642949B (zh) | 2022-10-11 | 2022-10-11 | C-noma使能的6g异构网络无人机轨迹优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237925.9A CN115642949B (zh) | 2022-10-11 | 2022-10-11 | C-noma使能的6g异构网络无人机轨迹优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115642949A CN115642949A (zh) | 2023-01-24 |
CN115642949B true CN115642949B (zh) | 2024-05-03 |
Family
ID=84944464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211237925.9A Active CN115642949B (zh) | 2022-10-11 | 2022-10-11 | C-noma使能的6g异构网络无人机轨迹优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115642949B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019227375A1 (en) * | 2018-05-31 | 2019-12-05 | Qualcomm Incorporated | Inspection route communications |
CN110730494A (zh) * | 2019-10-17 | 2020-01-24 | 哈尔滨工业大学 | 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 |
WO2020027601A1 (ko) * | 2018-08-01 | 2020-02-06 | 엘지전자 주식회사 | 무선 통신 시스템에서 채널 상태 정보를 송수신하는 방법 및 이를 위한 장치 |
CN112235810A (zh) * | 2020-09-17 | 2021-01-15 | 广州番禺职业技术学院 | 基于强化学习的无人机通信系统的多维度优化方法与系统 |
CN113423070A (zh) * | 2021-05-26 | 2021-09-21 | 同济大学 | 一种无人机中继网络双向多跳中继传输控制方法 |
CN114501647A (zh) * | 2022-01-12 | 2022-05-13 | 大连理工大学 | 基于非正交多址技术的无人机轨迹与时间联合优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10015762B2 (en) * | 2015-05-28 | 2018-07-03 | Facebook, Inc. | Doppler shift estimation and correction for broadband communication in unmanned aerial vehicles |
-
2022
- 2022-10-11 CN CN202211237925.9A patent/CN115642949B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019227375A1 (en) * | 2018-05-31 | 2019-12-05 | Qualcomm Incorporated | Inspection route communications |
WO2020027601A1 (ko) * | 2018-08-01 | 2020-02-06 | 엘지전자 주식회사 | 무선 통신 시스템에서 채널 상태 정보를 송수신하는 방법 및 이를 위한 장치 |
CN110730494A (zh) * | 2019-10-17 | 2020-01-24 | 哈尔滨工业大学 | 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 |
CN112235810A (zh) * | 2020-09-17 | 2021-01-15 | 广州番禺职业技术学院 | 基于强化学习的无人机通信系统的多维度优化方法与系统 |
CN113423070A (zh) * | 2021-05-26 | 2021-09-21 | 同济大学 | 一种无人机中继网络双向多跳中继传输控制方法 |
CN114501647A (zh) * | 2022-01-12 | 2022-05-13 | 大连理工大学 | 基于非正交多址技术的无人机轨迹与时间联合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115642949A (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Na et al. | UAV-supported clustered NOMA for 6G-enabled Internet of Things: Trajectory planning and resource allocation | |
CN110972313B (zh) | 空天地一体化网络的资源分配方法和系统 | |
CN110730031A (zh) | 一种用于多载波通信的无人机轨迹与资源分配联合优化方法 | |
CN111479239B (zh) | 一种多天线无人机数据采集系统的传感器发射能耗优化方法 | |
CN109450503B (zh) | 一种临空阵列通信非正交多址接入公平性传输方法 | |
CN114048689B (zh) | 基于深度强化学习的多无人机空中充电和任务调度方法 | |
CN109586773B (zh) | 临空通信毫米波非正交多址接入技术联合收发端波束赋形及功率分配方法 | |
CN109962727B (zh) | 临空通信混合波束赋形及非正交多址接入传输方法 | |
Zhang et al. | Power control and trajectory planning based interference management for UAV-assisted wireless sensor networks | |
CN113873575A (zh) | 智能反射面辅助的非正交多址无人机空地通信网络节能优化方法 | |
CN114615759B (zh) | 一种非正交多址接入网络中无人机辅助通信的方法 | |
Liu et al. | Joint resource optimization for UAV-enabled multichannel Internet of Things based on intelligent fog computing | |
CN114070379A (zh) | 基于安全能效公平性的无人机航迹优化与资源分配方法 | |
CN115642949B (zh) | C-noma使能的6g异构网络无人机轨迹优化方法 | |
Fan et al. | Channel assignment and power allocation utilizing NOMA in long-distance UAV wireless communication | |
CN117674958A (zh) | 一种面向空天地一体化网络的网络资源优化方法及装置 | |
CN111064501B (zh) | 基于无人机双中继通信系统的资源优化方法 | |
CN116634443A (zh) | 面向空天地物联网的权衡能效和谱效的多目标优化方法 | |
CN116388837A (zh) | 基于毫米波的全双工无人机中继通信系统资源分配方法 | |
CN114760642B (zh) | 一种基于速率分割多址的智能工厂时延抖动控制方法 | |
Wu et al. | Resource allocation optimization of UAVs-enabled air-ground collaborative emergency network in disaster area | |
Zhou et al. | NOMA empowered energy efficient data collection and wireless power transfer in space-air-ground integrated networks | |
Yang et al. | Energy efficiency optimization in UAV-assisted communications and edge computing | |
CN114665949A (zh) | 一种基于物理层安全的能量收集型无人机通信方法 | |
Li et al. | Throughput analysis with dynamic spectrum access control in space-air-ground integrated networks |
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 |