CN116249191A - 保障QoS的无人机辅助物联网联合功率分配与部署方法 - Google Patents

保障QoS的无人机辅助物联网联合功率分配与部署方法 Download PDF

Info

Publication number
CN116249191A
CN116249191A CN202211607889.0A CN202211607889A CN116249191A CN 116249191 A CN116249191 A CN 116249191A CN 202211607889 A CN202211607889 A CN 202211607889A CN 116249191 A CN116249191 A CN 116249191A
Authority
CN
China
Prior art keywords
unmanned aerial
internet
aerial vehicle
things
data rate
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.)
Granted
Application number
CN202211607889.0A
Other languages
English (en)
Other versions
CN116249191B (zh
Inventor
陈瑞瑞
丁宇
林锦旸
李圻
余政达
程枫陟
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.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202211607889.0A priority Critical patent/CN116249191B/zh
Publication of CN116249191A publication Critical patent/CN116249191A/zh
Application granted granted Critical
Publication of CN116249191B publication Critical patent/CN116249191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
    • H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
    • 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
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了保障QoS的无人机辅助物联网联合功率分配与部署方法，属于电通信的技术领域。该方法针对无人机辅助物联网，在QoS保障的情况下研究了多无人机的部署来覆盖所有地面物联网设备并最大化无人机的平均数据速率。首先，对于地面物联网设备，利用基于QoS需求的功率分配算法来解决QoS相对于数据速率需求的多样性问题。在此基础上，通过数据速率最大化部署算法来优化单架无人机的空中位置。最后，基于QoS需求的功率分配算法和数据速率最大化部署算法，提出了具有QoS保障的无人机辅助物联网联合功率分配和部署方法，该方法以最大化平均无人机数据速率为目标，部署多架无人机覆盖海量物联网设备。

Description

保障QoS的无人机辅助物联网联合功率分配与部署方法
技术领域
本发明公开了保障QoS的无人机辅助物联网联合功率分配与部署方法，属于电通信的技术领域。
背景技术
由于高移动性、灵活配置以及视距链路等优点，无人机在无线通信领域的应用日益广泛，如监控、航空拍摄和货物运送。然而，基站的固定部署和通信基础设施的破坏将造成网络拓扑的不灵活，导致物联网难以实现灾区和偏远地区物联网设备的实时覆盖和数据采集。无人机可以作为飞行基站来提高物联网在受灾地区和偏远地区的数据采集和覆盖能力。因此，能够覆盖海量物联网设备的无人机部署方法已成为无线通信领域的研究热点。
2018年，M.Alzenad等人在IEEE Wireless Commun.Lett.上发表的“3-Dplacementof anunmanned aerial vehicle base station for maximum coverage of userswithdifferent QoS requirements”中研究了满足QoS需求的无人机部署方法，以最大化覆盖物联网设备的数量。
2019年，C.Lai等人在IEEE Wireless Commun.Lett.上发表的“On-demanddensity-aware UAV basestation 3D placement for arbitrarily distributed userswith guaranteeddata rates”中提出了一种基于密度分布的无人机部署方法，其在满足最低QoS需求的约束下最大化了覆盖物联网设备的数量。2020年，P.Lohan等人在IEEETrans.Wireless Commun.上发表的“Utility-aware optimal resourceallocationprotocol for UAV-assisted small cells with heterogeneouscoveragedemands”中提出了效用感知的无人机资源管理方法来最大化具有不同QoS需求的物联网设备覆盖数量。
现有技术仅考虑了具有QoS保障的单个无人机来覆盖有限物联网设备，忽略了具有QoS保障的多无人机部署方案来覆盖海量物联网设备，导致上述三种满足QoS需求的无人机部署方法难以通过部署多架无人机来覆盖不同QoS保障的海量物联网设备。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足，提供了保障QoS的无人机辅助物联网联合功率分配与部署方法。通过基于QoS需求的功率分配和数据速率最大化部署算法的联合功率分配和部署方法实现了无人机平均数据速率的最大化，解决了难以通过部署多架无人机来覆盖不同QoS保障的海量物联网设备的问题。
本发明为解决上述技术问题而采用如下技术方案：
在所考虑的保障QoS的无人机辅助物联网联合功率分配与部署方法的系统模型中，存在K个物联网设备且由集合
Figure BDA0003998451410000021
表示。第/>
Figure BDA0003998451410000022
个物联网设备在位置(ak,bk,0)，无人机集合由/>
Figure BDA0003998451410000023
表示，第/>
Figure BDA0003998451410000024
无人机位于(xn,yn,H)。此外，我们定义uk＝(ak,bk)和vn＝(xn,yn)分别为第k个物联网设备和第n架无人机的水平坐标。物联网设备位于地面(即水平面H＝0)，无人机在地面上方固定高度H＞0飞行。第n架无人机服务的物联网设备由集合Ωn表示。集合Ωn的基数为Kn＝|Ωn|，即第n架无人机服务的物联网设备数量。我们假设部署N架无人机覆盖所有K个物联网设备，即/>
Figure BDA0003998451410000025
部署过程由中央控制器管理，中央控制器可以是灾区的移动基站，也可以是偏远地区的固定基站。
本发明假设无人机到物联网设备的信道是由视距链路所决定的。因此，从第n架无人机到第k个物联网设备的信道增益可以写为
Figure BDA0003998451410000026
其中，Dn,k是从第n架无人机到第k个物联网设备的距离，ρ0表示参考距离1m时的信道增益，||·||是向量的欧几里得范数。假设无人机已知物联网设备的位置信息。对于第n架无人机，分配给第k(k∈Ωn)个物联网设备的发射功率是Pk，其满足
Figure BDA0003998451410000027
其中，PT是单架无人机的总发射功率。第k(k∈Ωn)个物联网设备的数据速率可以表示为
Figure BDA0003998451410000028
其中，σ2表示噪声功率。则第n架无人机的数据速率可以表示为：
Figure BDA0003998451410000031
本文将通过为物联网设备提供数据速率保证来研究保障QoS的功率分配和无人机部署方法。由于不同的业务需求，物联网设备在数据速率需求方面具有不同的QoS。对于第k个物联网设备，所需的最小数据速率为rk。因此，为了保障第k个物联网设备的QoS(即rk)，可以推导出无人机在地面投影的最大覆盖半径：
Figure BDA0003998451410000032
其中，η＝ρ0/σ2。
在传统通信中，存在多个基站来服务蜂窝用户，其中不同的基站可以使用相同的频谱资源。通过使用正交频分复用技术，基站为其服务的蜂窝用户分配不同的频谱资源。与传统通信类似，第n架无人机为Ωn中的每个物联网设备提供相同带宽的不同频谱资源，以避免物联网设备之间的干扰，从而产生最大服务物联网设备的数量Kmax。不同的无人机可以使用相同的频谱资源。注意，可能存在这样的场景，其中一些物联网设备由多架无人机覆盖，但是每个物联网设备由其覆盖范围内的一架无人机提供服务，即对于
Figure BDA0003998451410000033
在此场景中，为了避免干扰，我们将为覆盖范围内具有相同物联网设备的无人机提供不同的频谱资源。在灾区和偏远地区，一般通信需求相对较少，因此无人机辅助物联网具有足够的频谱资源。
本发明将无人机的平均数据速率表示为无人机数据速率之和与无人机数量的比值。本发明的目标是通过无人机的功率分配和部署来最大化无人机的平均数据速率。我们将确定多架无人机的部署，以服务所有具有不同QoS需求的物联网设备。上述最优化问题可以表示为：
Figure BDA0003998451410000034
Figure BDA0003998451410000035
Figure BDA0003998451410000036
Figure BDA0003998451410000041
Figure BDA0003998451410000042
约束(6b)表示无人机与所服务的物联网设备之间的距离能够满足每个物联网设备的QoS需求；约束(6c)表示单架无人机的总功率约束，即每架无人机的总功率为PT；约束(6d)保障部署的无人机可以服务所有物联网设备。约束(6e)表示Kmax为每架无人机所能服务物联网设备的最大数量。
由于整数优化变量N(即无人机数)，问题P1是一个NP-hard问题。此外，从(5)中，我们可以观察到rk越大，dk越小。QoS越多样化，无人机数N越大。不同QoS对数据速率的需求，导致对应物联网设备的dk不同，这将使问题变得非常复杂，使我们的研究变得非常重要。为了提高无人机的平均数据速率，应分别通过优化无人机的空中位置和最大化无人机的覆盖物联网设备数来提高无人机的数据速率
Figure BDA0003998451410000043
和减少无人机的数量N。在此基础上，提出了一种具有QoS保障的高效多无人机覆盖方法。
本发明通过优化多架无人机的部署，提出了覆盖所有物联网设备并最大化无人机平均数据速率的联合功率分配和部署方法。需要注意到，物联网设备是随机分布在地面上的，物联网设备之间的距离是不同的，因此，为了解决问题P1，我们应该确定物联网设备的覆盖顺序(即按顺序覆盖物联网设备)，从而获得无人机的最优位置。问题P1的约束(6d)和(6e)由物联网设备的覆盖顺序来满足。换言之，所确定的物联网设备覆盖序列可以保证问题P1的约束(6d)和(6e)。然后，将问题P1分解为无人机数据速率最大化的N个优化子问题。为了解决这个子问题，首先给出了QoS需求的功率分配算法来解决QoS的多样性问题，然后推导了数据速率最大化部署算法来求解单架无人机的最优部署。
我们将根据物联网设备的覆盖顺序依次部署多架无人机，具体说明如下。边界物联网设备被定义为具有最大ak的物联网设备、具有最大bk的物联网设备、具有最小ak的物联网设备和具有最小bk的物联网设备，显然，我们将总功率PT分配给第一个覆盖物联网设备时，覆盖半径为
Figure BDA0003998451410000044
此外，需要从边界物联网设备中选出一个密集边界物联网设备，该设备在其/>
Figure BDA0003998451410000045
范围内具有最多的物联网设备。优先覆盖密集边界物联网设备，这将降低需要一架专用无人机来覆盖孤立物联网设备的出现概率。对于第n架无人机，我们首先搜索未覆盖的物联网设备集合/>
Figure BDA0003998451410000051
的密集边界物联网设备k0和由物联网设备集合
Figure BDA0003998451410000052
表示的位于k0的/>
Figure BDA0003998451410000053
范围内的物联网设备。然后，利用第n架无人机覆盖密集边界物联网设备k0。最后，为了在/>
Figure BDA0003998451410000054
中覆盖尽可能多的未覆盖物联网设备，提出了QoS需求的功率分配算法和数据速率最大化部署算法，将第n架无人机向未覆盖物联网设备集合/>
Figure BDA0003998451410000055
的区域内部中心方向部署。在部署第n架无人机之后，未覆盖的物联网设备集合/>
Figure BDA0003998451410000056
的面积将在k0附近的局部区域处缩小。重复上述过程，直到覆盖所有物联网设备，即/>
Figure BDA0003998451410000057
然后，对于第n架无人机，数据速率最大化子问题可以写为
Figure BDA0003998451410000058
Figure BDA0003998451410000059
Figure BDA00039984514100000510
为了最大化无人机的平均数据速率，我们提出了联合功率分配和部署方法来确定物联网设备的覆盖范围，然后利用所提出的QoS需求的功率分配和数据速率最大化部署算法来获得单架无人机的最优部署，如下所示。
A.基于QoS需求的功率分配算法
为了应对QoS多样性，我们采用自适应功率分配，使不同物联网设备的dk具有相同的dsv，其表达式如下：
dsv＝d1＝d2＝…＝dk (8)
然后，我们就可以推导出
Figure BDA00039984514100000511
基于(7c)，具有QoS需求的功率分配算法可以写成
Figure BDA00039984514100000512
利用QoS需求的功率分配算法，即(10)中的Pk，我们可以获得
Figure BDA0003998451410000061
因此，为了满足物联网设备的高QoS需求，无人机将会分配较大功率给QoS需求高的物联网设备。问题P2可以转化为以下问题：
Figure BDA0003998451410000062
Figure BDA0003998451410000063
由于问题P3不是凹的，我们注意到函数log2(1+z)其中z≥0，其紧下界是函数τlog2z+β。此外，系数τ和β被选择为
Figure BDA0003998451410000064
和/>
Figure BDA0003998451410000065
由于z0≥0，τ不小于0。当z＝z0，下界τlog2z+β等于log2(1+z)。函数Rn,k可以松弛为/>
Figure BDA0003998451410000066
其中Jn,k＝log2[(xn-ak)2+(yn-bk)2+H2]，τk和βk是对应于第k个物联网设备的系数。
B.单架无人机的数据速率最大化部署算法
基于(13)，问题P3可以转化为
Figure BDA0003998451410000067
受约束(12b)的约束，提出了针对单架无人机的数据速率最大化部署算法，通过最大化无人机数据速率来解决问题P4。
Jn,k的海森矩阵表示如下：
Figure BDA0003998451410000068
我们可以推导出Jn,k和tj1tj4-tj2tj3为
Figure BDA0003998451410000069
Figure BDA0003998451410000071
从(16)和(17)可以看出，当(xn-ak)2+(yn-bk)2＜H2时成立，即dsv小于H时，问题P4是凸的。
对于dsv＜H的情况，我们可以将P4的拉格朗日函数表示如下：
Figure BDA0003998451410000072
其中λ表示拉格朗日乘数向量，由
Figure BDA0003998451410000073
组成。由于问题P4是一个严格的凸优化问题，因此P4的最优拉格朗日乘子向量λ*也是P4的对偶问题P4D的最优解，其表达式如下：
Figure BDA0003998451410000074
Figure BDA0003998451410000075
其中
Figure BDA0003998451410000076
表示拉格朗日对偶函数。基于凸优化理论，函数/>
Figure BDA0003998451410000077
在λ跨越的空间上是凹的。因此，我们使用次梯度方法来跟踪λ*，具体如下：
Figure BDA0003998451410000078
其中ελ是任意接近0的正实数，{λ}+表示λ和0之间的最大值。(20)的迭代收敛到λ*。然后，通过将λ*带入
Figure BDA0003998451410000079
Figure BDA00039984514100000710
我们得到了最优位置
Figure BDA00039984514100000711
利用/>
Figure BDA00039984514100000712
可以得到最大无人机数据速率/>
Figure BDA00039984514100000713
对于一般情况dsv≥H，可行域可分为内可行域
Figure BDA00039984514100000714
和外可行域
Figure BDA00039984514100000715
对于/>
Figure BDA00039984514100000716
我们首先用拉格朗日方法求出了最优位置/>
Figure BDA00039984514100000717
和最大无人机数据速率/>
Figure BDA00039984514100000718
然后，对于/>
Figure BDA00039984514100000719
利用穷举搜索法求出最优位置
Figure BDA0003998451410000081
和最大无人机数据速率/>
Figure BDA0003998451410000082
最后，/>
Figure BDA0003998451410000083
和/>
Figure BDA0003998451410000084
之间的较大者为最大无人机数据速率/>
Figure BDA0003998451410000085
与/>
Figure BDA0003998451410000086
对应的最优位置为单架无人机的最优空中位置。
在上述分析的基础上，我们提出了如下数据速率最大化部署算法：1)对于dsv＜H，采用拉格朗日方法计算最优空中位置和最大无人机数据速率；2)对于dsv≥H，利用拉格朗日方法和穷举搜索法，得到最优的无人机数据速率；注意，
Figure BDA0003998451410000087
表示可行域不存在，即第n架无人机不能覆盖所有Kn个物联网设备。
本发明采用上述技术方法，具有以下有益效果：
本发明针对满足QoS需求的无人机部署方法难以实现多无人机覆盖海量不同QoS保障的物联网设备需求问题，考虑了满足物联网设备服务质量需求的多无人机部署方法，使无人机辅助物联网覆盖所有物联网设备，最大化无人机的平均数据传输速率。通过基于自适应功率分配的QoS需求的功率分配算法和求解单架无人机最优部署的数据速率最大化部署算法，解决了物联网设备的QoS多样性问题。通过结合QoS需求的功率分配和数据速率最大化部署算法提出了一种高效的多无人机覆盖方法，实现无人机平均数据速率的最大化，覆盖所有具有不同QoS需求的物联网设备。此方法能够获得最小的无人机数和最大的平均数据速率。
附图说明
图1为本发明的方法流程图。
图2为本发明中联合功率分配和部署方法与基于等功率分配算法的联合功率分配和部署方法、基于QoS需求的功率分配/等功率分配算法的K-Means方法和基于QoS需求的功率分配/等功率分配算法的螺旋方法的无人机平均数据速率与物联网设备数对比图。
图3为本发明提出的联合功率分配和部署方法和基于等功率分配算法的联合功率分配和部署方法仿真对比图。
图4为本发明中不同物联网设备数下，联合功率分配和部署方法与基于等功率分配算法的联合功率分配和部署方法、基于QoS需求的功率分配/等功率分配算法的K-Means方法和基于QoS需求的功率分配/等功率分配算法的螺旋方法的无人机数对比图。
具体实施方式
下面结合附图对发明的技术方法进行详细说明。
本发明基于QoS需求的功率分配和数据速率最大化部署算法提出了覆盖所有物联网设备的联合功率分配和部署方法以实现无人机平均数据速率最大化，参考图1所示，其实现的步骤如下：
步骤1，设置无人机集合
Figure BDA0003998451410000091
以及n＝1。设置物联网设备集合/>
Figure BDA0003998451410000092
以及物联网设备坐标集合/>
Figure BDA0003998451410000093
未覆盖物联网设备集合/>
Figure BDA0003998451410000094
以及已覆盖物联网设备集合/>
Figure BDA0003998451410000095
步骤2，确定最优无人机位置以及平均数据速率，具体包括以下步骤：
2a、当
Figure BDA0003998451410000096
时，搜索k0(密集边界物联网设备)和/>
Figure BDA0003998451410000097
(设置在k0的/>
Figure BDA0003998451410000098
区域内的物联网设备)；设置/>
Figure BDA0003998451410000099
Figure BDA00039984514100000910
i＝1。否则，转到步骤2e；
2b、当
Figure BDA00039984514100000911
且i≤Kmax时，搜寻距离最优无人机位置/>
Figure BDA00039984514100000912
最近的物联网设备
Figure BDA00039984514100000913
设置/>
Figure BDA00039984514100000914
并且/>
Figure BDA00039984514100000915
对于/>
Figure BDA00039984514100000916
基于QoS需求的功率分配算法分别用公式(10)和(11)计算功率分配Pk和dsv，得到/>
Figure BDA00039984514100000917
的内可行域/>
Figure BDA00039984514100000918
和外可行域/>
Figure BDA00039984514100000919
否则，转到步骤2d；
2c、如果
Figure BDA00039984514100000920
设置/>
Figure BDA00039984514100000921
转到步骤2d，否则，使用数据速率最大化部署算法更新最优位置/>
Figure BDA00039984514100000922
和最大无人机数据速率/>
Figure BDA00039984514100000923
来覆盖/>
Figure BDA00039984514100000924
并转到步骤2b；
2d、设置
Figure BDA00039984514100000925
n＝n+1；
2e、确定最优无人机位置
Figure BDA00039984514100000926
并计算平均数据速率/>
Figure BDA00039984514100000927
本发明的方法所带来的有益效果可以通过以下仿真来进一步进行说明。
一、仿真条件
QoS需求rk均匀分布在区域[15，20]中。将参考距离1m的总发射功率、噪声功率和信道增益分别设置为PT＝40dBm、σ2＝-90dBm和ρ0＝-30dB。物联网设备均匀分布在1500m×1500m的区域内。无人机的高度是50米。
二、仿真内容及仿真结果
仿真1，将所提出的联合功率分配和部署方法与基于等功率分配算法的联合功率分配和部署方法、基于QoS需求的功率分配/等功率分配算法的K-Means方法和基于QoS需求的功率分配/等功率分配螺旋方法进行了比较。
仿真结果：如图2所示，我们可以观察到，所提出的联合功率分配和部署方法和螺旋方法比K-Means方法获得更大的平均无人机数据速率。这是因为无人机是基于物联网设备位置信息灵活部署的。所提出的联合功率分配和部署方法可获得最大的平均无人机数据速率，这得益于针对每架无人机的基于QoS需求的功率分配和数据速率最大化部署算法。
仿真2，将无人机的总发射功率平均分配给覆盖的物联网设备，对基于QoS需求的功率分配算法的联合功率分配和部署方法和基于等功率分配算法的联合功率分配和部署方法进行比较。
仿真结果：如图3所示，我们使用所提出的联合功率分配和部署方法和基于等功率分配算法的联合功率分配和部署方法来部署多架无人机以覆盖40个物联网设备。所提出的联合功率分配和部署方法需要14架无人机，带半径的蓝色虚线圆圈表示无人机的覆盖范围，这对于不同的无人机是不同的。基于等功率分配算法的联合功率分配和部署方法需要15架无人机，这大于所提出的联合功率分配和部署方法的无人机数。这是因为所提出的联合功率分配和部署方法利用了基于QoS需求的自适应功率分配。
仿真3，将基于等功率分配算法的联合功率分配和部署方法、基于QoS需求的功率分配/等功率分配算法的K-Means方法和基于QoS需求的功率分配/等功率分配螺旋方法的联合功率分配和部署方法的无人机数进行比较
仿真结果：如图4所示，由于无人机根据物联网设备位置灵活部署，所提出的联合功率分配和部署方法获得了最小的无人机数。此外，联合功率分配和部署方法和基于QoS需求的功率分配/等功率分配螺旋方法的无人机数均小于K-Means方法的无人机数。

Claims (7)

1.一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，包括以下步骤：
S1、设置无人机集合
Figure FDA0003998451400000011
以及无人机数量n，初始设置n＝1；设置物联网设备集合/>
Figure FDA0003998451400000012
以及物联网设备坐标集合/>
Figure FDA0003998451400000013
未覆盖物联网设备集合/>
Figure FDA0003998451400000014
以及已覆盖物联网设备集合/>
Figure FDA0003998451400000015
S2、确定最优无人机位置以及数据速率，包括以下情况：
S21、当
Figure FDA0003998451400000016
时，搜索密集边界物联网设备k0和设置在k0的/>
Figure FDA0003998451400000017
Figure FDA0003998451400000018
联网设备
Figure FDA0003998451400000019
并设置/>
Figure FDA00039984514000000110
Figure FDA00039984514000000111
否则，转至步骤S3；其中，/>
Figure FDA00039984514000000112
表示第k0个物联网设备的无人机覆盖半径；/>
Figure FDA00039984514000000113
表示第n个无人机的最佳位置，/>
Figure FDA00039984514000000114
表示物联网k0设备的位置，i表示当前无人机服务的物联网设备的数量；
S22、当
Figure FDA00039984514000000115
且i≤Kmax时，搜寻距离最优无人机位置/>
Figure FDA00039984514000000116
最近的物联网设备/>
Figure FDA00039984514000000117
设置/>
Figure FDA00039984514000000118
并且/>
Figure FDA00039984514000000119
对于/>
Figure FDA00039984514000000120
基于QoS需求的功率分配算法计算功率分配Pk和dsv，得到/>
Figure FDA00039984514000000121
的内可行域/>
Figure FDA00039984514000000122
和外可行域/>
Figure FDA00039984514000000123
否则，转到步骤S24；
S23、当
Figure FDA00039984514000000124
时，设置/>
Figure FDA00039984514000000125
并转到步骤S24，否则，使用数据速率最大化部署算法更新最优位置/>
Figure FDA00039984514000000126
和最大无人机数据速率/>
Figure FDA00039984514000000127
来覆盖/>
Figure FDA00039984514000000128
并转到步骤S22；
S24、设置
Figure FDA00039984514000000129
n＝n+1并转到步骤S21；
S3、根据S21中获得的所有
Figure FDA00039984514000000130
确定最优无人机位置/>
Figure FDA00039984514000000131
并计算平均数据速率
Figure FDA00039984514000000132
2.根据权利要求1所述的一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，步骤S21中，假设无人机到物联网设备的信道是由视距链路所决定，从第n架无人机到第k个物联网设备的信道增益公式表达如下：
Figure FDA0003998451400000021
式中，Dn,k是从第n架无人机到第k个物联网设备的距离，ρ0表示参考距离1m时的信道增益，||·||是向量的欧几里得范数；对于第n架无人机，分配给第k个物联网设备的发射功率是Pk，k∈Ωn，其满足：
Figure FDA0003998451400000022
其中，PT是单架无人机的总发射功率，第k(k∈Ωn)个物联网设备的数据速率表示为：
Figure FDA0003998451400000023
/>
其中，σ2表示噪声功率，此时第n架无人机的数据速率表示为：
Figure FDA0003998451400000024
式中
Figure FDA0003998451400000025
表示第n架无人机的数据速率。
3.根据权利要求1所述的一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，步骤S21中，计算无人机在地面投影的最大覆盖半径公式表达如下：
Figure FDA0003998451400000026
其中，η＝ρ0/σ2；ρ0表示参考距离1m时的信道增益，σ2表示噪声功率，η表示参考距离1m时的信道增益ρ0与噪声功率σ2的比值，dk表示第k个无人机在地面投影的最大覆盖半径。
4.根据权利要求1所述的一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，步骤S22基于QoS需求的功率分配算法计算功率分配Pk和dsv具体包括以下步骤：
对于第n架无人机，数据速率最大化子问题表示为：
Figure FDA0003998451400000031
Figure FDA0003998451400000032
Figure FDA0003998451400000033
采用联合功率分配和部署方法来确定物联网设备的覆盖范围，然后利用所提出的QoS需求的功率分配和数据速率最大化部署算法来获得单架无人机的最优部署，采用自适应功率分配，使不同物联网设备的dk具有相同的最大覆盖半径dsv，其表达式如下：
dsv＝d1＝d2＝...＝dk (7)
式中，dk表示第k个无人机在地面投影的最大覆盖半径；d1表示第一个物联网设备的最大覆盖半径，d2表示第二个物联网设备的最大覆盖半径，以此类推；根据式(7)推导如下公式：
Figure FDA0003998451400000034
式中，rk表示第k个物联网设备要求的最低数据速率；Pk表示分配给第k个物联网设备的发射功率；
此时，QoS需求的功率分配算法公式表达为：
Figure FDA0003998451400000035
式中，PT表示单架无人机的总发射功率；
利用QoS需求的功率分配算法，即式(9)中的Pk，求取dsv，公式表达如下：
Figure FDA0003998451400000036
式中，η表示参考距离1m时的信道增益ρ0与噪声功率σ2的比值；H表示无人机固定高度；
将问题P2转化为以下问题：
Figure FDA0003998451400000037
Figure FDA0003998451400000041
由于问题P3不是凹的，对于函数log2(1+z)，z≥0，其紧下界是函数τlog2z+β，系数τ和β被选择为
Figure FDA0003998451400000042
和/>
Figure FDA0003998451400000043
由于z0≥0，τ不小于0，当z＝z0，下界τlog2z+β等于log2(1+z)；将函数Rn,k松弛为：
Figure FDA0003998451400000044
其中Jn,k＝log2[(xn-ak)2+(yn-bk)2+H2]，τk和βk是对应于第k个物联网设备的系数。
5.根据权利要求4所述的一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，步骤S23具体包括以下步骤：
单架无人机的数据速率最大化部署算法基于式(12)，将问题P3转化为
Figure FDA0003998451400000045
受约束(11b)的约束，采用针对单架无人机的数据速率最大化部署算法，通过最大化无人机数据速率解决问题P4；
Jn,k的海森矩阵表示如下：
Figure FDA0003998451400000046
Jn,k和tj1tj4-tj2tj3的关系公式表达为：
Figure FDA0003998451400000047
Figure FDA0003998451400000048
跟据式(15)和式(16)得出，当(xn-ak)2+(yn-bk)2＜H2时成立，即dsv小于H时，问题P4是凸的；
对于dsv＜H的情况，将P4的拉格朗日函数表示如下：
Figure FDA0003998451400000049
/>
其中λ表示拉格朗日乘数向量，由
Figure FDA0003998451400000051
组成；
P4的最优拉格朗日乘子向量λ*即为P4的对偶问题P4D的最优解，其表达式如下：
Figure FDA0003998451400000052
Figure FDA0003998451400000053
其中
Figure FDA0003998451400000054
表示拉格朗日对偶函数；
基于凸优化理论，函数
Figure FDA0003998451400000055
在λ跨越的空间上是凹的，使用次梯度方法来跟踪λ*，具体如下：
Figure FDA0003998451400000056
其中ελ是任意接近0的正实数，{λ}+表示λ和0之间的最大值；将式(19)的迭代收敛到λ*，然后，通过将λ*带入得到了最优位置
Figure FDA0003998451400000057
公式表达如下：
Figure FDA0003998451400000058
Figure FDA0003998451400000059
利用
Figure FDA00039984514000000510
得到最大无人机数据速率/>
Figure FDA00039984514000000511
当dsv≥H时，可行域分为内可行域
Figure FDA00039984514000000512
和外可行域/>
Figure FDA00039984514000000513
对于
Figure FDA00039984514000000514
首先用拉格朗日方法求出了最优位置/>
Figure FDA00039984514000000515
和最大无人机数据速率/>
Figure FDA00039984514000000516
对于
Figure FDA00039984514000000517
利用穷举搜索法求出最优位置/>
Figure FDA00039984514000000518
和最大无人机数据速率/>
Figure FDA00039984514000000519
最后，
Figure FDA00039984514000000520
和/>
Figure FDA00039984514000000521
之间的较大者为最大无人机数据速率/>
Figure FDA00039984514000000522
与/>
Figure FDA00039984514000000523
对应的最优位置为单架无人机的最优空中位置；
当
Figure FDA00039984514000000524
时表示可行域不存在，即第n架无人机不能覆盖所有Kn个物联网设备。
6.根据权利要求1所述的一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，步骤S24具体指：如果没有实现地面用户的全覆盖，则更新当前无人机集合以及未覆盖物联网设备集合，增加无人机数量，再次进入步骤S21。
7.根据权利要求1所述的一种保障QoS的无人机辅助物联网联合功率分配与部署方法，其特征在于，步骤S3具体包括以下步骤：
将无人机的平均数据速率表示为无人机数据速率之和与无人机数量的比值，通过无人机的功率分配和部署来最大化无人机的平均数据速率，确定多架无人机的部署，以服务所有具有不同QoS需求的物联网设备，此时上述最优化问题公式表达如下：
Figure FDA0003998451400000061
/>
Figure FDA0003998451400000062
Figure FDA0003998451400000063
Figure FDA0003998451400000064
Figure FDA0003998451400000065
其中，约束(22b)表示无人机与所服务的物联网设备之间的距离能够满足每个物联网设备的QoS需求；约束(22c)表示单架无人机的总功率约束，即每架无人机的总功率为PT；约束(22d)保障部署的无人机可以服务所有物联网设备；约束(22e)表示Kmax为每架无人机所能服务物联网设备的最大数量；
Figure FDA0003998451400000066
为第n架无人机的数据速率；Pk表示分配给第k个物联网设备的发射功率；vn是第n个无人机的水平坐标；uk第k个物联网设备的水平坐标；PT为单架无人机的总发射功率；Ωn是第n个无人机服务的物联网设备集；Kmax为每架无人机所能服务物联网设备的最大数量。/>
CN202211607889.0A 2022-12-14 2022-12-14 保障QoS的无人机辅助物联网联合功率分配与部署方法 Active CN116249191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211607889.0A CN116249191B (zh) 2022-12-14 2022-12-14 保障QoS的无人机辅助物联网联合功率分配与部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211607889.0A CN116249191B (zh) 2022-12-14 2022-12-14 保障QoS的无人机辅助物联网联合功率分配与部署方法

Publications (2)

Publication Number Publication Date
CN116249191A true CN116249191A (zh) 2023-06-09
CN116249191B CN116249191B (zh) 2024-03-01

Family

ID=86632083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211607889.0A Active CN116249191B (zh) 2022-12-14 2022-12-14 保障QoS的无人机辅助物联网联合功率分配与部署方法

Country Status (1)

Country Link
CN (1) CN116249191B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111031513A (zh) * 2019-12-02 2020-04-17 北京邮电大学 一种多无人机辅助物联网通信方法及其系统
CN113498018A (zh) * 2020-03-19 2021-10-12 湖南智领通信科技有限公司 辅助智能物联网覆盖增强的无人机轨迹优化方法及系统
CN113784366A (zh) * 2021-09-17 2021-12-10 北京信息科技大学 一种基于无人机群覆盖优化的智能集群方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111031513A (zh) * 2019-12-02 2020-04-17 北京邮电大学 一种多无人机辅助物联网通信方法及其系统
CN113498018A (zh) * 2020-03-19 2021-10-12 湖南智领通信科技有限公司 辅助智能物联网覆盖增强的无人机轨迹优化方法及系统
CN113784366A (zh) * 2021-09-17 2021-12-10 北京信息科技大学 一种基于无人机群覆盖优化的智能集群方法

Also Published As

Publication number Publication date
CN116249191B (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
Zhang et al. Machine learning for predictive on-demand deployment of UAVs for wireless communications
Na et al. UAV-supported clustered NOMA for 6G-enabled Internet of Things: Trajectory planning and resource allocation
Tafintsev et al. Aerial access and backhaul in mmWave B5G systems: Performance dynamics and optimization
CN108419286B (zh) 一种面对5g无人机通信联合波束与功率的分配方法
Zhan et al. Energy-efficient data uploading for cellular-connected UAV systems
CN112543050B (zh) 一种面向吞吐量提升的无人机协作和轨迹优化方法
CN104703270B (zh) 适用于异构无线蜂窝网络的用户接入和功率分配方法
CN113613198B (zh) 无人机辅助的无线携能d2d网络资源分配方法
CN105007629B (zh) 超密集小小区网络系统中无线资源分配方法
CN113259946A (zh) 基于集中式阵列天线的地空全覆盖功率控制与协议设计方法
Liu et al. Joint resource optimization for UAV-enabled multichannel Internet of Things based on intelligent fog computing
Li et al. A UAV real-time trajectory optimized strategy for moving users
CN112996121B (zh) 一种面向集群内通信的u2u分布式动态资源分配方法
CN106209336B (zh) 一种软件定义移动网络中的资源分配方法
Zhu et al. Joint optimisation of UAV grouping and energy consumption in MEC‐enabled UAV communication networks
CN116249191B (zh) 保障QoS的无人机辅助物联网联合功率分配与部署方法
Zhang et al. Distortion minimization for multimedia transmission in NOMA HAP-UAV integrated aerial access networks
Fu et al. Joint speed and bandwidth optimized strategy of UAV-assisted data collection in post-disaster areas
CN112995924B (zh) 一种面向集群间通信的u2u集中式动态资源分配方法
CN115225142B (zh) 多无人机通信中用户匹配与频谱资源联合优化方法及系统
Li et al. UAV-assisted cellular communication: Joint trajectory and coverage optimization
CN113301532B (zh) 一种用于无人机辅助毫米波应急通信网的信道分配方法
Yahya et al. Joint coverage and resource allocation for federated learning in UAV-enabled networks
Abuzgaia et al. UAV Communications in 6G Cell-Free Massive MIMO Systems
Al-Abiad et al. Decentralized model dissemination empowered federated learning in mmWave aerial-terrestrial 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