CN116156459B - 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 - Google Patents
一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 Download PDFInfo
- Publication number
- CN116156459B CN116156459B CN202310144203.7A CN202310144203A CN116156459B CN 116156459 B CN116156459 B CN 116156459B CN 202310144203 A CN202310144203 A CN 202310144203A CN 116156459 B CN116156459 B CN 116156459B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- steps
- channel
- edge
- 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
Classifications
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法,属于无人机通信技术领域,包括以下步骤:S1:构建基于灯塔盘旋的无人机辅助通信系统模型;S2:分析用户接收误码概率,实现系统传输可靠性分析;S3:分析无人机的飞行气动及能耗模型;S4:分析边缘用户的信息年龄AoI,作为系统延迟的指标;S5:以在传输可靠性的约束下,以及在无人机飞行能耗有限的情况下,最小化系统内所有K个边缘用户的平均AoI作为优化目标,对边缘用户传输性能进行优化。
Description
技术领域
本发明属于无人机通信技术领域,具体涉及一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法。
背景技术
在超5G(B5G)和第六代(6G)通信系统中,超可靠低时延通信(ultra-reliable lowlatency communications,URLLC)被认为是关键技术之一。然而,由于传输功率有限和路径损耗严重,边缘用户可能无法达到URLLC的性能要求。传统基于地面基站服务的无线网络多采用快速自动请求重传(Hybrid Automatic Repeat request,HARQ)技术保障用户的超可靠低时延服务。然而,受信道衰落的影响,部分用户(尤其是边缘用户)的信道衰落严重,接收信噪比低,重传次数多,甚至基本无法实现可靠的传输,因此无法满足URLLC需求。移动边缘计算(Mobile Edge Computing,MEC)可利用无线接入网络就近提供电信用户所需服务和云端计算功能,而创造出一个具备高性能、低延迟与高带宽的电信级服务环境,加速网络中各项内容、服务及应用的快速下载,让用户享有不间断的高质量网络体验。然而,传统地面边缘计算中心的部署相对固定,缺乏灵活性,无法针对用户的具体分布情况和需求提供动态服务。
发明内容
有鉴于此,本发明的目的在于提供一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法。
为达到上述目的,本发明提供如下技术方案:
一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法,包括以下步骤:
S1:构建基于灯塔盘旋的无人机辅助通信系统模型;
S2:分析用户接收误码概率,实现系统传输可靠性分析;
S3:分析无人机的飞行气动及能耗模型;
S4:分析边缘用户的信息年龄AoI,作为系统延迟的指标;
S5:以在传输可靠性的约束下,以及在无人机飞行能耗有限的情况下,最小化系统内所有K个边缘用户的平均AoI作为优化目标,对边缘用户传输性能进行优化。
进一步,步骤S1中,所述构建基于灯塔盘旋的无人机辅助通信系统模型为:
位于小区内的用户由位于小区中心的基站服务,设小区边缘的范围是一个内半径为R2,外半径为R1的圆环,有K个用户均匀分布在环中,第k个用户用uk表示,其中k∈{1,2,...,K},uk在极坐标系中的坐标为pu,k=(rk,θk,0);
在高度为h的小区边缘上方部署固定翼无人机作为边缘计算中心;无人机收集来自边缘用户的数据包并直接进行计算和处理,然后将处理后的信息发送回基站;
无人机上安装有全向天线和定向天线,分别作为接收天线和发射天线,无人机以一定倾斜角,盘旋半径为rb,盘旋周期为T围绕基站盘旋飞行,并在盘旋时保持定向天线指向基站以发送数据;
用pb=(rb,θb,h)表示无人机在极坐标系中的坐标,当边缘用户uk和无人机的方位角相同时,边缘用户uk生成一个更新包,将其发送给无人机,无人机对从边缘用户那里收集到的每个更新数据包进行处理,并在信号处理按时完成时发送回基站;
当边缘用户uk和无人机的方位角相同时,它们之间的距离为:
其中rk表示用户k与基站之间的距离。
边缘用户和无人机之间的空地无线信道为概率视距通道,其中LoS信道的概率由下式给出
其中α和β是与传输环境相关的系数,γk为uk和无人机之间的仰角,表示为:
NLoS信道出现的概率表示为:
在时刻t时无人机和uk之间的空对地链路的路径损耗模型表示为:
gk(t)=akhk(t)
其中,ak是大尺度路径损耗,hk(t)代表空对地信道的小尺度衰落,大尺度路径损耗表示为:
其中λ0是参考距离处无线信道的路径损耗,η是NLoS情况的附加路径损耗系数,ξL是LoS的空对地路径损耗指数,ξN是NLoS的空对地路径损耗指数;
小尺度衰落分别建模为用于LoS情况的Rician信道模型和用于NLoS情况的Rayleigh信道模型,在时间t,uk的小规模衰落表示为:
其中K0是Rician因子,是一个复数,表示LoS信道分量,/>表示NLoS信道分量,uk在时间t的接收信噪比为:
其中Pk是uk的发射功率,σ2表示无人机接收到的噪声功率,设对于所有k∈{1,2,...,K},Pk=P。
进一步,步骤S2所述分析用户接收误码概率,具体包括:
对无线信道gk(t)在时域中的随机性取期望:
其中E[*]表示随机变量*的期望值;
边缘用户的平均SNR为:
采用短包信道编码方案以实现可靠通信,假设每个更新包包含l位信息并被编码为n位数据码块,第k个用户uk的平均解码差错概率表示为:
其中是Q函数,数学期望是针对随机变量/>进行计算的,它有两种情况:LoS和NLoS,εk表示为:
其中c∈{LoS,NLoS}并且:
进一步,步骤S3所述分析无人机的飞行气动及能耗模型,具体包括:
无人机在进行灯塔盘旋时受到两组平衡力:垂直面的重力W和升力L,水平面的阻力D和牵引力F,阻力和升力的大小表示为:
其中CD和CL是阻力和牵引力系数,A是机翼面积,ρ是空气密度,V是无人机的飞行速度;
无人机系统的受力分析如下:
L cosφ=W
L sinφ=ma
F=D
其中a和m分别是无人机的向心加速度和重量,无人机的向心加速度为:
灯塔盘旋模式所需的飞行能耗表示为:
无人机的实际飞行能耗不能超过其自身能量的最大值,即
无人机在灯塔盘旋模式下的盘旋周期T表示为:
进一步,步骤S4所述分析边缘用户的信息年龄AoI,包括:
uk在时间t的AoI定义为一个随机过程,如下式所示:
Δk(t)=t-uk,I(t)
其中uk,I(t)是从uk收到的最新数据包的生成时间,处理完成此数据包的时间戳记为u'k,I(t);将此数据包的索引表示为I,在观察时间τ内,uk在τ期间的平均AoI表示为:
假设随机过程Δk(t)是各态历经的,令τ=u'k,I,将观察窗口长度设置为无穷大,得到uk的平均AoI如下:
通过将不规则形状和梯形{Q2,Q3,...,QI}的面积累加得到uk在τ期间的平均AoI:
梯形Qi的面积通过腰长为Uk,i+Vk,i的等腰三角形的面积减去腰长为Vk,i的等腰三角形的面积来计算,即:
其中i∈{2,3,...,I},Uk,i是第(i-1)和第i个数据包之间的生成时间间隔,Vk,i是第i个数据包的系统时间,包含等待时间和服务时间;
将第i-1个成功解码的数据包的生成时间与第i个成功解码的数据包的生成时间的时间间隔表示为则该时间间隔包含几个原始数据包生成的时间间隔,即:
其中Si是在第i-1个和第i个成功解码的数据包之间生成的原始数据包的数量,在考虑了解码误差的情况后,等腰三角形的面积计算为:
则
其中是最后从uk接收到的成功解码的数据包的序号;
期望和/>如下:
根据解码差错概率εk,获得期望E[S]和E[S2]的闭式表达式为:
则用户uk的平均AoI为:
系统内所有边缘用户的平均AoI计算为:
进一步,边缘用户uk的平均系统时间近似为:
其中μ是无人机的服务率,λ是数据到达率,计算为:
进一步,步骤S5中,优化目标如下:
s.t.0<rb≤R1
对优化问题进行简化:
替换第k个用户uk的平均解码差错概率公式中的Q函数为其线性近似的形式:
其中并且/>将uk的平均SNR应满足/>设置为优化问题P1的约束,则uk的平均AoI近似为:
求解以下优化问题,得到无人机的盘旋半径:
s.t.0<rb≤R1
优化问题P2的解通过下面等式获得:
该等式的解为:
其中并且/>
无人机的盘旋半径满足:
其中
约束条件需要被同时满足,即:
其中并且/>
约束条件分为下面两种情况进行讨论:
(1)LoS信道的概率非常高,则传输信号只需要满足经历LoS信道衰落后的SNR阈值δ,即:
其中p1是一个十分接近0的正数;
(2)LoS信道的概率不够高,则传输信号需要保证在通过NLoS信道衰落后仍需要满足SNR阈值δ,即:
假设在等号成立时的解为a1,/>在等号成立时的解为a2,/>在等号成立时的解为a3,则约束条件/>的可行域表示为:
其中的具体表达式为:
将上面所述的约束条件进行整合,无人机的盘旋半径应该满足:
其中并且/>则无人机的最优盘旋半径为:
上式表示:无人机的最小盘旋半径满足飞行功耗、队列稳定性和解码错误概率的约束;最大盘旋半径应满足解码错误概率和小区范围的约束;最佳的盘旋半径通过下式计算得到:
本发明的有益效果在于:本发明在实现更低的平均AoI方面是有效的,并且所提出的方法以较低的计算复杂度实现了接近最优的系统AoI性能。
本发明的其他优点、目标和特征将在随后的说明书中进行阐述,并且在某种程度上对本领域技术人员而言是显而易见的,或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为基于灯塔盘旋无人机辅助超可靠低时延系统模型;
图2为灯塔盘旋模式下无人机受力分析图;
图3为用户uk在考虑系统解码差错情况下的AoI;
图4为所有K个用户在无人机处的数据收集和排队模型。
具体实施方式
本发明提供一个无人机辅助通信系统,如图1所示,其中位于小区内的用户由位于小区中心的BS服务。但是,由于路径损耗和发射功率有限,分布于小区边缘的用户的QoS需求可能无法得到保证。假设小区边缘的范围是一个内半径为R2,外半径为R1的圆环。有K个用户均匀分布在环中,第k个用户用uk表示,其中k∈{1,2,…,K}。uk在极坐标系中的坐标为pu,k=(rk,θk,0)。
为了满足边缘用户的低时延数据传输需求,在高度为h的小区边缘上方部署了固定翼无人机作为边缘计算中心。UAV收集来自边缘用户的数据包并直接进行计算和处理,然后将处理后的信息发送回BS。由于固定翼无人机无法在固定点悬停,边缘计算的服务是动态的,即无人机以时分的方式围绕轨迹服务于不同的用户。为实现全向数据采集和大容量回传任务,无人机上安装了全向天线和定向天线,分别作为接收天线和发射天线。在战斗炮艇机的灯塔盘旋模式的启发下,本发明所提固定翼无人机可以以一定的倾斜角在一个圆上盘旋飞行,并在盘旋时保持定向天线指向基站以收集数据,而无需频繁切换波束。在这种模式下,无人机可以将边缘用户的信息以连续稳定的回程方式回传。
假设无人机的盘旋半径为rb,盘旋周期为T。用pb=(rb,θb,h)表示无人机在极坐标系中的坐标。当无人机到达其正上方时,即边缘用户uk和UAV的方位角相同(θk=θb)时,边缘用户uk生成一个更新包,将其发送给无人机。然后,无人机对从用户那里收集到的每个更新数据包进行处理,并在信号处理按时完成时发送回基站。
当无人机出现在边缘用户uk的正上方时,它们之间的距离可以表示为:
边缘用户和UAV之间的空地无线信道为概率视距通道,其中LoS信道的概率由下式给出
其中α和β是与传输环境相关的系数,uk和UAV之间的仰角γk可以计算为:
其中|x|表示x的绝对值。相应地,NLoS信道出现的概率可以表示为:
然后,在时刻t时UAV和uk之间的空对地链路的路径损耗模型可以表示为:
其中,ak是大尺度路径损耗,hk(t)代表空对地信道的小尺度衰落。具体来说,大尺度路径损耗可以表示为
其中λ0是参考距离处无线信道的路径损耗,参考距离通常设置为1m。η是NLoS情况的附加路径损耗系数。此外,ξL和ξN分别是LoS和NLoS的空对地路径损耗指数。此外,小尺度衰落可以分别建模为用于LoS情况的Rician信道模型和用于NLoS情况的Rayleigh信道模型,因此,在时间t,uk的小规模衰落可以表示为:
其中K0是Rician因子,是一个复数,表示LoS信道分量,/>表示NLoS信道分量。于是,uk在时间t的接收信噪比为:
其中Pk是uk的发射功率,σ2表示无人机接收到的噪声功率。此外,在本专利我们假设所有用户的传输功率相同,即对于所有k∈{1,2,...,K},Pk=P。
从上面的系统模型中可以看出,无人机的飞行参数对于部署URLLC服务至关重要,尤其是其盘旋半径rb。当无人机以较大的rb进行灯塔盘旋时,无人机更接近边缘用户,便可以以更大的概率获得LoS信道,这也减少了数据传输过程中的路径损耗。因此,较大的盘旋半径可以提高边缘用户的可靠性。但是,受限于无人机的飞行特性,无人机的飞行周期T随着rb的增加而变大,导致边缘用户的状态更新频率较低。因此,需要对无人机的盘旋半径进行合理优化,以实现传输的可靠性和低时延。
在本系统中实现超可靠低时延通信URLLC的几个关键特性,包括传输的可靠性、无人机的空气动力学模型约束和边缘用户状态更新的时间延迟。这些属性相互影响,因此需要理清其关系并实现系统的整体优化。特别是由于传统的端到端时延并不能准确反映边缘用户的状态更新延迟,引入了AoI指标来分析系统的时延性能。
用户接收误码概率分析(系统的可靠性分析)
无人机辅助边缘用户数据传输系统中,无线信道gk(t)是时变的,它受LoS信道概率的影响比较大。因此,我们对其在时域中的随机性取期望以简化后续的理论分析。根据公式(5),我们可以计算得到:
其中E[x]表示随机变量x的期望值。将公式(7)代入等式(9)我们可以得到:
同时还可以计算得到:
根据公式(9)-(11)可以得到边缘用户的平均SNR为:
由于用户的更新包通常是以短报文的形式进行传输的,因此本实施例采用短包信道编码方案以实现可靠通信,经典的有限码块长度信息论可用于分析无人机的解码错误概率。假设每个更新包包含l位信息并被编码为n位数据码块。然后,第k个用户uk的平均解码差错概率可以表示为
其中是Q函数。在等式(13)中,数学期望是针对随机变量/>进行计算的,它有两种情况:LoS和NLoS。因此,εk可以表示为
其中c∈{LoS,NLoS}并且
无人机飞行气动及能耗模型
由于自身能量有限,无人机的盘旋半径和速度必须合理设定,这与其气动条件密切相关。与旋翼无人机不同,固定翼无人机在飞行中需要满足更复杂的空气动力学条件,尤其是在灯塔盘旋的模式下。如图2所示,无人机在进行灯塔盘旋时受到两组平衡力:垂直面的重力(W)和升力(L),水平面的阻力(D)和牵引力(F)。假设无人机机翼的攻角是一个常数。因此,阻力和升力的大小可以表示为:
其中CD和CL是阻力和牵引力系数,A是机翼面积,ρ是空气密度,V是无人机的飞行速度。
当无人机使用灯塔盘旋模式进行定点指向的数据传输时,升力的垂直分量平衡重力,水平分量提供向心力。在无人机的运动方向上,牵引力克服阻力以提供瞬时速度方向的加速度,在灯塔盘旋模式下该加速度设置为0。因此,无人机系统的受力分析如下:
L cosφ=W (18)
L sinφ=ma (19)
F=D (20)
其中a和m分别是无人机的向心加速度和重量。根据匀速圆周运动定律,无人机的向心加速度为
于是,灯塔盘旋模式所需的飞行能耗可表示为
式(22)的由以下公式计算得到:
结合公式(18)和(19),得到下面等式:
其中g表示重力加速度,可以进一步得到:
该等式的解为:
并且无人机的飞行速度可以表示为:
将公式(25)代入到公式(16)中,可以得到牵引力公式:
最后,根据公式(26)和公式(27),便可以得到结论公式(22)。
在实际中,无人机的实际飞行能耗不能超过其自身能量的最大值,即
此外,无人机在灯塔盘旋模式下的盘旋周期T可以表示为:
边缘用户AoI性能分析
AoI不仅准确地反映了数据在服务器端的等待和服务时间,而且还考虑了数据源生成数据的频率。因此,它非常适合用于衡量本专利中的URLLC性能。uk在时间t的AoI可以定义为一个随机过程,如下式所示:
Δk(t)=t-uk,I(t) (30)
其中uk,I(t)是从uk收到的最新数据包的生成时间,处理完成此数据包的时间戳记为u'k,I(t)。将此数据包的索引表示为I。那么,在观察时间τ内,uk在τ期间的平均AoI可以表示为:
假设随机过程Δk(t)是各态历经的。在实践中,通常令τ=u'k,I,并将观察窗口长度设置为无穷大,得到uk的平均AoI如下:
以用户uk为例,将其AoI随时间的变化过程在图3中进行了详细的描述。从图3中可以看出,方程(31)中的积分可以通过将不规则形状和梯形{Q2,Q3,...,QI}的面积累加得到,即:
梯形Qi的面积可以通过腰长为Uk,i+Vk,i的等腰三角形的面积减去腰长为Vk,i的等腰三角形的面积来计算,即:
其中i∈{2,3,...,I},Uk,i是第(i-1)和第i个数据包之间的生成时间间隔。另外,Vk,i是第i个数据包的系统时间,包含等待时间和服务时间。
考虑了无人机的解码差错概率,即某些数据包无法被成功解码,在无人机处完成信号处理后AoI却无法更新。例如,如图3所示,在时间uk,3生成的更新包在时间u'k,3没有成功解码。然后,AoIΔk(t)继续随时间线性增加,直到uk,4生成的数据包在u'k,4成功解码。将第i-1个成
功解码的数据包的生成时间与第i个成功解码的数据包的生成时间的时间间隔表示为则该时间间隔包含几个原始数据包生成的时间间隔,即:
其中Si是在第i-1个和第i个成功解码的数据包之间生成的原始数据包的数量。然而,前
Si-1个数据包发生了解码错误。然后,在考虑了解码误差的情况后,等腰三角形的面积可以计算为
将公式(33)和公式(36)代入公式(32),可以得到下面结果:
其中是最后从uk接收到的成功解码的数据包的序号。此外,根据等式(35)和等式(36),计算期望/>和/>如下:
在公式(39)中,数学期望项可以进一步简化为下面的形式:
根据解码差错概率εk,可以获得期望E[S]和E[S2]的闭式表达式为:
式(42)和(43)由以下方式计算得到:
在某一次解码成功后,连续出现(i-1)个解码错误且第i个数据包解码成功的概率可以表示为:
/>
其中i∈{1,2,3,...}。于是,期望可以通过下面的方法计算得到:
对于公式(45)中的无穷级数,可以将其转化为如下形式:
根据几何级数的性质,可以得到:
于是,将公式(47)代入到公式(45),便可以得到公式(42)。公式(43)的证明方式和公式(42)类似。
包括等待时间和服务时间在内的边缘用户uk的平均系统时间可以近似为:
其中μ是无人机的服务率,λ是数据到达率,可以计算为:
如图4所示,在一个盘旋周期内,无人机上的队列可以看作是一个单服务器的服务器队列,其中数据包到达间隔等于无人机从某个用户上方飞过到从下一个用户上方飞过的时间间隔。以u1作为起始参考点,即θ1=0。由于边缘用户均匀分布在代表边缘区域的圆环范围中,剩余的K-1个用户的方位角{θ2,θ3,...,θK}为从0到2π均匀分布。然后,剩余K-1个用户的更新包生成时间在一个周期内从0到2π均匀分布,即包到达队列的时间{ω2,ω3,...,ωK}服从:
ωk~U(0,T) (50)
为了确定任意两个相邻数据包之间的时间间隔Ωk=ωk-ωk-1,基于均匀分布的顺序统计量的性质,假设xk~U(0,T),对于k∈{1,2,...,K}和x1≤x2≤...≤xK,随机变量Xk=xk-xk-1的概率密度函数(probability density function,PDF)为:
因此,Ωk的PDF为:
当K很大时,上述分布可以近似为服从参数为的指数分布,即:/>
于是,原始队列便可以近似为一个M/M/1队列,到达率为服务率为μ。然后,用户的系统时间可以近似为公式(48)。
将公式(38)-(43)代入到公式(37),可以得到用户uk的平均AoI为:
最后,系统内所有边缘用户的平均AoI可以计算为:
边缘用户超可靠低时延传输性能优化
本发明的目标是在无人机飞行能耗有限的情况下,最小化系统内所有K个边缘用户的平均AoI,即:
s.t.0<rb≤R1 (56a)
其中优化目标(56)是系统内所有小区边缘用户的平均系统AoI,而约束条件(56a)中的不等式约束给出了无人机的最大盘旋半径。另外,约束条件(56b)是保证队列稳定性的约束,约束条件(56c)是无人机最大飞行能量的约束。
由于数据传输的错误概率、无人机的飞行能耗和系统平均AoI在优化问题P1中需要同时考虑,优化问题复杂且难以求解。因此,下面的一些简化和近似是必要的。首先,为了方便解码错误概率εk的计算,替换了原方程(13)中的Q函数为其线性近似的形式:
其中并且/>为了保证传输的可靠性,希望解码错误概率尽可能接近0。因此,uk的平均SNR应满足/>可以设置为优化问题P1的约束。有了这个约束,uk的平均AoI可以近似为:
然后可以求解以下优化问题,得到无人机的盘旋半径:
s.t.0<rb≤R1(59a)
优化问题(59)的解可以通过下面等式获得:
该等式的解为:
其中并且/>根据约束条件(59b),无人机的盘旋半径应该满足:
其中此外,因为无人机的有限续航能量,约束条件(59c)需要被同时满足,即:
其中并且/>最后,约束条件(59d)可以分为下面两种情况进行讨论:
(1)LoS信道的概率非常高,则传输信号只需要满足经历LoS信道衰落后的SNR阈值δ,即:
/>
其中p1是一个十分接近0的正数。
(2)LoS信道的概率不够高,则传输信号需要保证在通过NLoS信道衰落后仍需要满足SNR阈值δ,即:
假设方程(64)、(65)和(67)在等号成立时的解分别为a1,a2和a3。那么,约束条件(59d)的可行域可以表示为:
其中的具体表达式为:
将上面所述的约束条件进行整合,无人机的盘旋半径应该满足:
其中并且/>最后,我们便可以得到无人机的最优盘旋半径为:
这意味着无人机的最小盘旋半径应满足飞行功耗、队列稳定性和解码错误概率的约束。此外,最大盘旋半径应满足解码错误概率和小区范围的约束。此外,最佳的盘旋半径可以通过方程式(60)计算得到。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (7)
1.一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:包括以下步骤:
S1:构建基于灯塔盘旋的无人机辅助通信系统模型;
S2:分析用户接收误码概率,实现系统传输可靠性分析;
S3:分析无人机的飞行气动及能耗模型;
S4:分析边缘用户的信息年龄AoI,作为系统延迟的指标;
S5:以在传输可靠性的约束下,以及在无人机飞行能耗有限的情况下,最小化系统内所有K个边缘用户的平均AoI作为优化目标,对边缘用户传输性能进行优化。
2.根据权利要求1所述的基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:步骤S1中,所述构建基于灯塔盘旋的无人机辅助通信系统模型为:
位于小区内的用户由位于小区中心的基站服务,设小区边缘的范围是一个内半径为R2,外半径为R1的圆环,有K个用户均匀分布在环中,第k个用户用uk表示,其中k∈{1,2,...,K},uk在极坐标系中的坐标为pu,k=(rk,θk,0);
在高度为h的小区边缘上方部署固定翼无人机作为边缘计算中心;无人机收集来自边缘用户的数据包并直接进行计算和处理,然后将处理后的信息发送回基站;
无人机上安装有全向天线和定向天线,分别作为接收天线和发射天线,无人机以一定倾斜角,盘旋半径为rb,盘旋周期为T围绕基站盘旋飞行,并在盘旋时保持定向天线指向基站以发送数据;
用pb=(rb,θb,h)表示无人机在极坐标系中的坐标,当边缘用户uk和无人机的方位角相同时,边缘用户uk生成一个更新包,将其发送给无人机,无人机对从边缘用户那里收集到的每个更新数据包进行处理,并在信号处理按时完成时发送回基站;
当边缘用户uk和无人机的方位角相同时,它们之间的距离为:
其中rk表示用户k与基站之间的距离;
边缘用户和无人机之间的空地无线信道为概率视距通道,其中LoS信道的概率由下式给出
其中α和β是与传输环境相关的系数,γk为uk和无人机之间的仰角,表示为:
NLoS信道出现的概率表示为:
在时刻t时无人机和uk之间的空对地链路的路径损耗模型表示为:
gk(t)=akhk(t)
其中,ak是大尺度路径损耗,hk(t)代表空对地信道的小尺度衰落,大尺度路径损耗表示为:
其中λ0是参考距离处无线信道的路径损耗,η是NLoS情况的附加路径损耗系数,ξL是LoS的空对地路径损耗指数,ξN是NLoS的空对地路径损耗指数;
小尺度衰落分别建模为用于LoS情况的Rician信道模型和用于NLoS情况的Rayleigh信道模型,在时间t,uk的小规模衰落表示为:
其中K0是Rician因子,是一个复数,表示LoS信道分量,/>表示NLoS信道分量,uk在时间t的接收信噪比为:
其中Pk是uk的发射功率,σ2表示无人机接收到的噪声功率,设对于所有k∈{1,2,...,K},Pk=P。
3.根据权利要求2所述的基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:步骤S2所述分析用户接收误码概率,具体包括:
对无线信道gk(t)在时域中的随机性取期望:
其中表示随机变量*的期望值;
边缘用户的平均SNR为:
采用短包信道编码方案以实现可靠通信,假设每个更新包包含l位信息并被编码为n位数据码块,第k个用户uk的平均解码差错概率表示为:
其中dt是Q函数,数学期望是针对随机变量/>进行计算的,它有两种情况:LoS和NLoS,εk表示为:
其中c∈{LoS,NLoS}并且:
4.根据权利要求3所述的基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:步骤S3所述分析无人机的飞行气动及能耗模型,具体包括:
无人机在进行灯塔盘旋时受到两组平衡力:垂直面的重力W和升力L,水平面的阻力D和牵引力F,阻力和升力的大小表示为:
其中CD和CL是阻力和牵引力系数,A是机翼面积,ρ是空气密度,V是无人机的飞行速度;
无人机系统的受力分析如下:
Lcosφ=W
Lsinφ=ma
F=D
其中a和m分别是无人机的向心加速度和重量,无人机的向心加速度为:
其中rb表示无人机的盘旋半径;
灯塔盘旋模式所需的飞行能耗表示为:
无人机的实际飞行能耗不能超过其自身能量的最大值,即
无人机在灯塔盘旋模式下的盘旋周期T表示为:
5.根据权利要求4所述的基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:步骤S4所述分析边缘用户的信息年龄AoI,包括:
边缘用户uk在时间t的AoI定义为一个随机过程,如下式所示:
Δk(t)=t-uk,I(t)
其中uk,I(t)是从uk收到的最新数据包的生成时间,处理完成此数据包的时间戳记为u'k,I(t);将此数据包的索引表示为I,在观察时间τ内,uk在τ期间的平均AoI表示为:
假设随机过程Δk(t)是各态历经的,令τ=u'k,I,将观察窗口长度设置为无穷大,得到uk的平均AoI如下:
通过将不规则形状和梯形{Q2,Q3,...,QI}的面积累加得到uk在τ期间的平均AoI:
梯形Qi的面积通过腰长为Uk,i+Vk,i的等腰三角形的面积减去腰长为Vk,i的等腰三角形的面积来计算,即:
其中i∈{2,3,...,I},Uk,i是第(i-1)和第i个数据包之间的生成时间间隔,Vk,i是第i个数据包的系统时间,包含等待时间和服务时间;
将第i-1个成功解码的数据包的生成时间与第i个成功解码的数据包的生成时间的时间间隔表示为则该时间间隔包含几个原始数据包生成的时间间隔,即:
其中Si是在第i-1个和第i个成功解码的数据包之间生成的原始数据包的数量,在考虑了解码误差的情况后,等腰三角形的面积计算为:
则
其中是最后从uk接收到的成功解码的数据包的序号;
期望和/>如下:
根据解码差错概率εk,获得期望和/>的闭式表达式为:
则用户uk的平均AoI为:
系统内所有边缘用户的平均AoI计算为:
6.根据权利要求5所述的基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:边缘用户uk的平均系统时间近似为:
其中μ是无人机的服务率,λ是数据到达率,计算为:
7.根据权利要求6所述的基于灯塔盘旋的无人机辅助超可靠低时延传输方法,其特征在于:步骤S5中,优化目标如下:
s.t.0<rb≤R1
对优化问题进行简化:
替换第k个用户uk的平均解码差错概率公式中的Q函数为其线性近似的形式:
其中并且/>
将uk的平均SNR应满足设置为优化问题/>的约束,则uk的平均AoI近似为:
求解以下优化问题,得到无人机的盘旋半径:
s.t.0<rb≤R1
优化问题的解通过下面等式获得:
该等式的解为:
其中并且/>
无人机的盘旋半径满足:
其中
约束条件需要被同时满足,即:
其中并且/>
约束条件分为下面两种情况进行讨论:
(1)LoS信道的概率非常高,则传输信号只需要满足经历LoS信道衰落后的SNR阈值δ,即:
其中p1是一个十分接近0的正数;
(2)LoS信道的概率不够高,则传输信号需要保证在通过NLoS信道衰落后仍需要满足SNR阈值δ,即:
假设在等号成立时的解为a1,/>在等号成立时的解为a2,/>在等号成立时的解为a3,则约束条件/>的可行域表示为:
其中的具体表达式为:
将上面所述的约束条件进行整合,无人机的盘旋半径应该满足:
其中并且/>则无人机的最优盘旋半径为:
上式表示:无人机的最小盘旋半径满足飞行功耗、队列稳定性和解码错误概率的约束;
最大盘旋半径应满足解码错误概率和小区范围的约束;最佳的盘旋半径通过下式计算得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144203.7A CN116156459B (zh) | 2023-02-21 | 2023-02-21 | 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144203.7A CN116156459B (zh) | 2023-02-21 | 2023-02-21 | 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116156459A CN116156459A (zh) | 2023-05-23 |
CN116156459B true CN116156459B (zh) | 2023-09-26 |
Family
ID=86338772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310144203.7A Active CN116156459B (zh) | 2023-02-21 | 2023-02-21 | 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116156459B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109511134A (zh) * | 2018-10-23 | 2019-03-22 | 郑州航空工业管理学院 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
CN109916372A (zh) * | 2019-01-18 | 2019-06-21 | 南京邮电大学 | 信道状态信息不准确下的无人机基站最佳高度计算方法 |
CN110958619A (zh) * | 2019-11-18 | 2020-04-03 | 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 |
CN113055078A (zh) * | 2021-03-12 | 2021-06-29 | 西南科技大学 | 有效信息年龄确定方法、以及无人机飞行轨迹优化方法 |
CN114006645A (zh) * | 2021-09-07 | 2022-02-01 | 西北工业大学 | 一种认知无人机中继辅助的安全传输方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11703853B2 (en) * | 2019-12-03 | 2023-07-18 | University-Industry Cooperation Group Of Kyung Hee University | Multiple unmanned aerial vehicles navigation optimization method and multiple unmanned aerial vehicles system using the same |
-
2023
- 2023-02-21 CN CN202310144203.7A patent/CN116156459B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109511134A (zh) * | 2018-10-23 | 2019-03-22 | 郑州航空工业管理学院 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
CN109916372A (zh) * | 2019-01-18 | 2019-06-21 | 南京邮电大学 | 信道状态信息不准确下的无人机基站最佳高度计算方法 |
CN110958619A (zh) * | 2019-11-18 | 2020-04-03 | 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 |
CN113055078A (zh) * | 2021-03-12 | 2021-06-29 | 西南科技大学 | 有效信息年龄确定方法、以及无人机飞行轨迹优化方法 |
CN114006645A (zh) * | 2021-09-07 | 2022-02-01 | 西北工业大学 | 一种认知无人机中继辅助的安全传输方法及系统 |
Non-Patent Citations (2)
Title |
---|
欧阳键 ; 庄毅 ; 薛羽 ; 王洲 ; .非对称衰落信道下无人机中继传输方案及性能分析.航空学报.2013,(第01期),全文. * |
非对称衰落信道下无人机中继传输方案及性能分析;欧阳键;庄毅;薛羽;王洲;;航空学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116156459A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109831797B (zh) | 一种推动功率受限的无人机基站带宽和轨迹联合优化方法 | |
CN109885088B (zh) | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 | |
CN111970709B (zh) | 一种基于粒子群优化算法的无人机中继部署方法及系统 | |
Fan et al. | RIS-assisted UAV for fresh data collection in 3D urban environments: A deep reinforcement learning approach | |
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 | |
CN113055078B (zh) | 有效信息年龄确定方法、以及无人机飞行轨迹优化方法 | |
CN113784314B (zh) | 一种智能反射表面辅助下的无人机数据与能量传输方法 | |
CN113258989B (zh) | 一种使用强化学习获得无人机中继轨迹的方法 | |
CN112887993B (zh) | 基于时隙优先级的全双工无人机基站安全能效优化方法 | |
CN109857143A (zh) | 一种吞吐量最大化的无人机轨迹规划方法 | |
CN113518361B (zh) | 一种无人机辅助无线通信的轨迹优化方法、设备及介质 | |
CN115499921A (zh) | 面向复杂无人机网络的三维轨迹设计及资源调度优化方法 | |
CN117270559A (zh) | 一种基于强化学习的无人机集群部署与轨迹规划方法 | |
Babu et al. | Fairness-based energy-efficient 3-D path planning of a portable access point: A deep reinforcement learning approach | |
Wang et al. | Trajectory optimization and power allocation scheme based on DRL in energy efficient UAV‐aided communication networks | |
CN116156459B (zh) | 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 | |
CN112996121B (zh) | 一种面向集群内通信的u2u分布式动态资源分配方法 | |
CN116684852B (zh) | 一种山地茂林环境无人机通信资源与悬停位置规划方法 | |
CN117119489A (zh) | 一种基于多无人机辅助的无线供能网络的部署和资源优化方法 | |
CN116847460A (zh) | 一种无人机辅助的通感一体化系统资源调度方法 | |
Wang et al. | Age of Information Based URLLC Transmission for UAVs on Pylon Turn | |
Yuan et al. | Joint Multi-Ground-User Edge Caching Resource Allocation for Cache-Enabled High-Low-Altitude-Platforms Integrated Network | |
Wu et al. | Energy efficient resource allocation and trajectory design for multi-uav-enabled wireless networks | |
CN114785408A (zh) | 一种基于资源分配和轨迹优化的无人机辅助通信方法 | |
CN116878520B (zh) | 一种无人机路径规划方法 |
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 |