CN116033437A - 一种通信服务覆盖率最大的网络部署方法 - Google Patents

Abstract

本申请涉及一种通信服务覆盖率最大的网络部署方法，包括多无人机协同飞行部署规划，具体步骤如下：通过分析视距和非视距的通信链路特征建立悬停‑飞行轨迹模型，计算无人机数量及部署时隙数；搜索单个时隙里M个无人机连通的最优悬停位置，保证该时隙里多无人机在连通情况下用户覆盖率最大化；将多无人机协同飞行轨迹规划算法扩展到K个时隙，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹；结合多无人机的移动部署轨迹和无人机基站飞行规则获得多无人机应急通信服务协同飞行轨迹。本申请在提高无人机基站用户覆盖率的同时，可显著减小多无人机区域覆盖部署的移动时延，并减少了无人机资源配置数量。

Description

一种通信服务覆盖率最大的网络部署方法

技术领域

本申请涉及通信服务领域，尤其涉及一种通信服务覆盖率最大的网络部署方法。

背景技术

应急通信网络的快速部署和覆盖，对应急救援和通信服务具有重要意义。由于灾害现场环境复杂，传统的通信保障车以及卫星通信设备难以快速到达到各受灾区域。无人机因其高移动性，可灵活部署，覆盖范围大等特性，可搭载微型基站应用于救灾区域的网络部署，为灾区用户提供临时网络服务。

针对灾害救援的通信需求，研究者在无人机基站部署方面开展了相关研究。研究者分别通过优化带宽、网络容量等参数对无人机基站进行静态部署，减小网络部署成本。然而，由于载荷、能量和通信距离等的限制，单无人机难以实现对大面积区域的网络覆盖。利用多无人机进行动态部署和协同链接覆盖，可显著提高通信服务能力。研究者分别依据用户的移动性、地面采集点位置等信息来对多无人机进行轨迹规划，以优化无人机的覆盖率和带宽，提高无人机的部署效率。然而无论是静态部署还是动态飞行，均需要保证无人机基站在覆盖过程中的回程通信链路连接。Zhang等人通过多个中继无人机实现回程连通，Wang通过静态部署大量无人机进行网格化连接来实现无人机之间的连通性，以更大的资源代价换取链路连通性。如何在提高无人机基站资源利用率的同时，实现多无人机的协同飞行，从而保证通信链路连通性和网络覆盖率，是需要解决的关键问题。

发明内容

本申请实施例的目的在于提供一种通信服务覆盖率最大的网络部署方法，在提高无人机基站用户覆盖率的同时，可显著减小多无人机区域覆盖部署的移动时延，并减少了无人机资源配置数量。

为实现上述目的，本申请提供如下技术方案：

本申请实施例提供一种通信服务覆盖率最大的网络部署方法，包括多无人机协同飞行部署规划，步骤如下：

通过分析视距和非视距的通信链路特征建立悬停-飞行轨迹模型，计算无人机数量及部署时隙数；

搜索单个时隙里M个无人机连通的最优悬停位置，保证该时隙里多无人机在连通情况下用户覆盖率最大化；

将多无人机协同飞行轨迹规划算法扩展到K个时隙，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹；

结合多无人机的移动部署轨迹和无人机基站飞行规则获得多无人机应急通信服务协同飞行轨迹。

所述分析视距和非视距的通信链路特征具体为，

所述无人机基站通信链路包括视距链路和非视距链路，传输过程中的路径损耗表示为平均路径损耗：

PL＝P(LoS)*PL_LoS+P(NLoS)*PL_NLoS；

其中P(LoS)，P(NLoS)分别表示形成两种传输链路的概率：

P(NLoS)＝1-P(LoS)；

a和b为常量值，其数值大小与环境有关，θ是用户对于基站天线的仰角，可由得到，h₀表示基站天线高度，r₀表示基站对地覆盖半径；

视距传输路径损耗PL_Los：

非视距传输路径损耗PL_NLos：

其中视距信道因环境因素造成的额外损耗η_Los，为非视距信道因环境因素造成的额外损耗η_NLos由环境决定，c为光速，f_c为载波频率，d表示传输发送端与接收端的欧氏距离，

平均路径损耗：

建立悬停-飞行轨迹模型，假设无人机m的部署轨迹由点集P_m表示：

假设所有无人机处发现p_m0相同，K_m表示无人机m总部署点数，要求进行连通的多个无人机在相同时间段内同步悬停，将所有K_m设为相同值K，则每个无人机的部署时间将划分为K个时隙{t(1),t(2),...,t(K)}，每个无人机在第k个时隙里完成从第(k-1)个部署点到第k个部署点的移动以及在第k个部署点的悬停，整个部署过程按照这种时隙分布完成对受灾用户的网络覆盖，

相同时隙内的无人机具有相同的总时间开销，而不同时隙内的无人机时间开销则不一定保持一致，由此可以确定每个时隙的时间开销，将第k个时隙大小表示为：

t(k)＝t_f(k)+t_h(k)；

t_f(k)为所有无人机在该时隙里德最大移动时间开销，由该时隙里无人机的最大移动距离(d_k-1,k)_max来决定，t_h(k)为该无人机在该时隙部署点的最小悬停时间，与该时隙的覆盖用户数成正比。

移动部署总用户覆盖率为

其中n(m,k)为无人机m在第k个部署点的覆盖用户数，δ_mn用于指示未被覆盖过的用户n是否被无人机m覆盖：

优化目标为：

s.t.C≥C₀；

该优化目标为无人机总覆盖率与部署过程移动时间开销的比值，由于悬停时间t_n(k)与覆盖用户数成正比，通过对该式的优化来实现无人机资源利用率的提高，其中三个条件分别表示总覆盖率的最小阈值C₀以及对回程距离的约束。

将多无人机协同飞行轨迹规划算法扩展到K个时隙具体过程为，

依据场景信息选定无人机基站的部署区域，计算无人机部署数量M及部署时隙K，

利用PSO算法，通过M次搜索得到单个时隙里的M个部署点，

将该过程扩展到K个时隙里，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹。

与现有技术相比，本发明的有益效果是：

对多无人机部署场景进行建模，根据通信链路连通约束计算场景所需的无人机部署数量和时隙数，使多无人机基站在提供网络覆盖的同时可与地面基站保持连通，保证数据回传的时效性，在保证无人机通信链路连通的前提下，对多个无人机的飞行轨迹进行规划，在优化无人机对用户覆盖率的同时，可减小移动时间开销，有效提高无人机资源的利用率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是本发明方法的流程图；

图2是本发明方法的算法实现过程。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

下面结合图，介绍本申请的请参考图1，一种通信服务覆盖率最大的网络部署方法，包括以下步骤：

通过分析视距和非视距的通信链路特征建立悬停-飞行轨迹模型，计算无人机数量及部署时隙数；

搜索单个时隙里M个无人机连通的最优悬停位置，保证该时隙里多无人机在连通情况下用户覆盖率最大化；

将多无人机协同飞行轨迹规划算法扩展到K个时隙，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹；

结合多无人机的移动部署轨迹和无人机基站飞行规则获得多无人机应急通信服务协同飞行轨迹。

相较于现有技术，本发明对多无人机部署场景进行建模，根据通信链路连通约束计算场景所需的无人机部署数量和时隙数，使多无人机基站在提供网络覆盖的同时可与地面基站保持连通，保证数据回传的时效性。

在一种可选的实施例中，传输过程中的路径损耗表示为平均路径损耗：

PL＝P(LoS)*PL_LoS+P(NLoS)*PL_NLoS；

其中P(LoS)，P(NLoS)分别表示形成两种传输链路的概率：

P(NLoS)＝1-P(LoS)；

a和b为常量值，其数值大小与环境有关，θ是用户对于基站天线的仰角，可由得到，h₀表示基站天线高度，r₀表示基站对地覆盖半径；

视距传输路径损耗PL_Los：

非视距传输路径损耗PL_NLos：

其中视距信道因环境因素造成的额外损耗η_Los，为非视距信道因环境因素造成的额外损耗η_NLos由环境决定，c为光速，f_c为载波频率，d表示传输发送端与接收端的欧氏距离。

平均路径损耗：

假设基站以发射功率P_t发射信号，则接收端的接收功率为：

P_r＝P_t-PL；

为了保证传输链路的稳定性，假设接收端接受功率必须大于阈值P_rmin，地面基站和无人机基站的发射功率为P_t1、P_t2，则地面基站对地覆盖半径R：

无人机对地覆盖半径r：

地面基站对无人机之间有效通信半径D：

无人机基站之间有效通信半径d：

作为一种优选方案，建立悬停-飞行轨迹模型，假设无人机m的部署轨迹由点集P_m表示：

假设所有无人机处发现p_m0相同，K_m表示无人机m总部署点数，对无人机基站设置两种飞行状态：移动状态和悬停状态，在悬停状态下，每个无人机为地面用户提供可靠的网络覆盖，并等待其他无人机到达同个时隙里相应部署点，通过邻近悬停的无人机多跳中继来与地面基站连通，完成数据回传。

因此，要求进行连通的多个无人机在相同时间段内同步悬停，将所有K_m设为相同值K(K＞1)，则每个无人机的部署时间将划分为K个时隙{t(1),t(2),...,t(K)}，每个无人机在第k个时隙里完成从第(k-1)个部署点到第k个部署点的移动以及在第k个部署点的悬停，整个部署过程按照这种时隙分布完成对受灾用户的网络覆盖。

相同时隙内的无人机具有相同的总时间开销，而不同时隙内的无人机时间开销则不一定保持一致。由此可以确定每个时隙的时间开销，将第k个时隙大小表示为：

t(k)＝t_f(k)+t_h(k)；

t_f(k)为所有无人机在该时隙里德最大移动时间开销，由该时隙里无人机的最大移动距离(d_k-1,k)_max来决定，t_h(k)为该无人机在该时隙部署点的最小悬停时间，与该时隙的覆盖用户数成正比。

无人机基站的动态部署是为了在灾害发生短时间内服务到更多受灾用户，移动部署总用户覆盖率为

其中n(m,k)为无人机m在第k个部署点的覆盖用户数，δ_mn用于指示未被覆盖过的用户n是否被无人机m覆盖：

优化目标为：

s.t.C≥C₀；

该优化目标为无人机总覆盖率与部署过程移动时间开销的比值，由于悬停时间t_n(k)与覆盖用户数成正比，可以通过对该式的优化来实现无人机资源利用率的提高，其中三个条件分别表示总覆盖率的最小阈值C₀以及对回城距离的约束。

请参阅图2，多无人机协同飞行轨迹规划算法在本实施例中的实现过程如下：

为了更高效地确定多个无人机的部署位置，首先需要依据场景信息选定无人机基站的部署区域，如图2中(1)到(2)所示。

本实例针对(2)中的区域来对无人机基站进行部署，假设所划分的矩形区域边长为L，根据区域边界建立二维坐标系，则两个地面基站的坐标可分别表示为Q₁(R,R)，Q₂(L-R,L-R)。

记无人机对地覆盖直径为2r，则根据区域两基站连线的对角线方向的飞行投影距离可求得无人机的部署数量为：

[]为取整符号，其中d＞2r；

以地面基站的连线为某时隙无人机部署点的方向轴z₁，然后分别以两个基站所处位置为圆心，通过顺时针方向旋转(如(3)中箭头所示)得到各时隙的部署方向(z₁,z₂,...,z_k)(逆时针箭头表示协同飞行的返回过程)，为了保证整体用户覆盖率，每个时隙内无人机的可部署位置需要控制在方向轴两侧的一定角度范围内，则无人机部署时隙数可根据区域垂直方向的飞行投影距离以及无人机通信半径来确定:

由于部署区域关于z₁对称，固此，总的部署时隙可表达为：

K＝2K₀-1；

同时我们可以得到每个时隙的部署区间θ₀：

记θ₁为Q₁Q₂与Q₂，(0,L)两直线之间的夹角，θ₁≤π。

多无人机协同飞行轨迹规划算法在本实施例中的执行逻辑包括以下步骤：

步骤一，对以下参数进行设置，包括Q₁(R,R)，Q₂(L-R,L-R)，M，K，{(x_n,y_n),n＝1,2,...,N}，θ₀，R，r，v，D，d，C₀，{Z_k,k＝1,2,...,K}；

步骤二，经过多次循环迭代得到每个部署点的最优可部署位置；

步骤三，计算出每个时隙里各部署点相对于无人机出发点的距离d_mk；

步骤四，将每个时隙里的各部署点顺序按照d_mk大小进行排序，以确定每个无人机在每个时隙里的部署顺序；

步骤五，将调整后的每个时隙里的第一个部署点的纵坐标表示为y_k，将各个时隙{P₁,...,P_K}的部署顺序按照y_k大小进行排序，从而最小化相邻时隙之间

的(d_k-1,k)_max，使得总部署移动时间开销最小；

步骤六，最终形成多无人机的部署点矩阵A_K×M＝{p_mk}_K×M,其中元素p_mk表示第k个时隙的第m个部署点。

根据部署点矩阵可得到每个无人机的轨迹部署点，将相对无人机出发点距离最小的时隙(该时隙里的最远部署点相对其他时隙距离出发点最近)里的各部署点作为各无人机的第一个部署点，无人机基站根据钟摆式飞行移动规则沿各自的轨迹部署点协同部署，返回到第一个部署点时即完成一个周期的临时网络部署。

相较于现有技术，本发明提出一种多无人机协同飞行轨迹规划算法，在保证无人机通信链路连通的前提下，对多个无人机的飞行轨迹进行规划，在优化无人机对用户覆盖率的同时，可减小移动时间开销，有效提高无人机资源的利用率。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.一种通信服务覆盖率最大的网络部署方法，其特征在于，包括多无人机协同飞行部署规划，具体步骤如下：

通过分析视距和非视距的通信链路特征建立悬停-飞行轨迹模型，计算无人机数量及部署时隙数；

搜索单个时隙里M个无人机连通的最优悬停位置，保证该时隙里多无人机在连通情况下用户覆盖率最大化；

将多无人机协同飞行轨迹规划算法扩展到K个时隙，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹；

结合多无人机的移动部署轨迹和无人机基站飞行规则获得多无人机应急通信服务协同飞行轨迹。

2.根据权利要求1所述的一种通信服务覆盖率最大的网络部署方法，其特征在于，所述分析视距和非视距的通信链路特征具体为，

所述无人机基站通信链路包括视距链路和非视距链路，传输过程中的路径损耗表示为平均路径损耗：

PL＝P(LoS)*PL_LoS+P(NLoS)*PL_NLoS；

其中P(LoS)，P(NLoS)分别表示形成两种传输链路的概率：

P(NLoS)＝1-P(LoS)；

a和b为常量值，其数值大小与环境有关，θ是用户对于基站天线的仰角，可由

得到，h₀表示基站天线高度，r₀表示基站对地覆盖半径；

视距传输路径损耗PL_Los：

非视距传输路径损耗PL_NLos：

其中视距信道因环境因素造成的额外损耗η_Los，为非视距信道因环境因素造成的额外损耗η_NLos由环境决定，c为光速，f_c为载波频率，d表示传输发送端与接收端的欧氏距离，

平均路径损耗：

3.根据权利要求1所述的一种通信服务覆盖率最大的网络部署方法，其特征在于，建立悬停-飞行轨迹模型，假设无人机m的部署轨迹由点集P_m表示：

假设所有无人机处发现p_m0相同，K_m表示无人机m总部署点数，要求进行连通的多个无人机在相同时间段内同步悬停，将所有K_m设为相同值K，则每个无人机的部署时间将划分为K个时隙{t(1),t(2),...,t(K)}，每个无人机在第k个时隙里完成从第(k-1)个部署点到第k个部署点的移动以及在第k个部署点的悬停，整个部署过程按照这种时隙分布完成对受灾用户的网络覆盖，

相同时隙内的无人机具有相同的总时间开销，而不同时隙内的无人机时间开销则不一定保持一致，由此可以确定每个时隙的时间开销，将第k个时隙大小表示为：

t(k)＝t_f(k)+t_h(k)；

t_f(k)为所有无人机在该时隙里德最大移动时间开销，由该时隙里无人机的最大移动距离(d_k-1,k)_max来决定，t_h(k)为该无人机在该时隙部署点的最小悬停时间，与该时隙的覆盖用户数成正比。

4.根据权利要求1所述的一种通信服务覆盖率最大的网络部署方法，其特征在于，

移动部署总用户覆盖率为

其中n(m,k)为无人机m在第k个部署点的覆盖用户数，δ_mn用于指示未被覆盖过的用户n是否被无人机m覆盖：

优化目标为：

s.t.C≥C₀；

该优化目标为无人机总覆盖率与部署过程移动时间开销的比值，由于悬停时间t_n(k)与覆盖用户数成正比，通过对该式的优化来实现无人机资源利用率的提高，其中三个条件分别表示总覆盖率的最小阈值C₀以及对回程距离的约束。

5.根据权利要求1所述的一种通信服务覆盖率最大的网络部署方法，其特征在于，将多无人机协同飞行轨迹规划算法扩展到K个时隙具体过程为，

依据场景信息选定无人机基站的部署区域，计算无人机部署数量M及部署时隙K，

利用PSO算法，通过M次搜索得到单个时隙里的M个部署点，

将该过程扩展到K个时隙里，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹。

Images