CN116367181B - 一种空地融合蜂窝网络中的无人机基站部署方法 - Google Patents
一种空地融合蜂窝网络中的无人机基站部署方法 Download PDFInfo
- Publication number
- CN116367181B CN116367181B CN202211679996.4A CN202211679996A CN116367181B CN 116367181 B CN116367181 B CN 116367181B CN 202211679996 A CN202211679996 A CN 202211679996A CN 116367181 B CN116367181 B CN 116367181B
- Authority
- CN
- China
- Prior art keywords
- base station
- unmanned aerial
- aerial vehicle
- ground
- vehicle base
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000001413 cellular effect Effects 0.000 title claims abstract description 17
- 230000004927 fusion Effects 0.000 title claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 28
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000005562 fading Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- 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
-
- 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)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种空地融合蜂窝网络中的无人机基站部署方法,包括如下步骤:S1:在地面基站侧和网络侧分别进行信息采集;S2:基于步骤S1中的信息建立系统模型,系统模型包括地面基站参数模型、无人机基站传播模型和无人机基站天线阵列模型;S3:基于地面基站用户的平均传输速率和无人机基站用户的平均传输速率,建立性能评估模型;S4:根据步骤S3的性能评估模型,设置多组网络参数组合进行关键性能指标的数值计算,并根据计算结果选择使关键性能指标达到最大的参数组合,作为最终的参数配置;S5:确定无人机基站的水平位置部署。本发明充分考虑了无人机之间的空间保护距离,尤其适用于无人机基站采用多天线配置的场景。
Description
技术领域
本发明涉及一种空地融合蜂窝网络中的无人机基站部署方法,属于无线通信技术领域。
背景技术
“空天地一体化”是未来无线通信技术的一个重要发展方向。其中,基于无人机基站辅助的地面蜂窝网络是其中一个典型的应用场景。通过部署由无人机承载的空中基站,可以为热点地区、偏远区域或者抗震救灾等紧急救援场景提供灵活、便捷的无线覆盖和数据传输。并且,相较于单一的地面基站组成的蜂窝网络,无人机基站具有技术上的许多优势,例如可以根据需要动态的调整基站位置、无线信号有较高的概率通过视距(LOS)链路进行传输,从而可以有效地提高网络覆盖率以及信号接收质量等等。但是,当无人机基站和地面基站共享频谱资源时,相互之间会带来同频干扰,而无人机基站的视距传输会对地面基站的干扰更加严重。因此,需要设计有效的无人机基站部署方法,使得在满足地面基站干扰需求的条件下,能够利用无人机基站的优势给蜂窝网络带来覆盖和容量的增益。
近年来,随机几何点过程理论被广泛的应用到各种无线网络的建模中,特别是在蜂窝网络的建模和性能分析领域的研究成果尤为突出,引起了学术界和工业界的广泛关注。许多应用随机几何点过程理论对基于无人机辅助的蜂窝网络建模和分析研究,都把地面基站和无人机基站建模为独立的齐次泊松点过程,以降低网络分析推导的难度。然而,泊松点过程并不限制两点之间的距离,而对于无人机来说,飞行安全性要求两个无人机之间需要有一定的空间保护距离,呈现出一定的相互排斥性。因此,用泊松点过程来建模无人机基站的空间分布是不够真实的。
在专利号为ZL 202011502717.8的中国发明专利中,公开了一种无人机辅助蜂窝网络中的无人机基站部署方法。首先,基站根据信息来源的不同,收集信息,依据收集的信息,建立概率视距传输模型。其次,选择无人机基站部署方法参数和用户分类。再次,基于模型及提出的无人机部署与用户接入方法,依具体场景及需求选取一个关键性能指标;在给定的一组参数设置采用随机几何理论的分析方法对三类用户评估所选的关键性能指标;在评估多组参数设置后,寻找最佳排斥区域的大小和最优无人机高度。最后,实施无人机基站部署方法。另外,在申请号为202111123437.0的中国专利申请中,公开了一种无人机基站部署方法及装置。该技术方案以受灾区域的所有用户终端的通信需求为限制条件,以优化无人机基站的传输能效为目标构建模型寻找无人机的位置等参数进行部署。但该技术方案主要用于实现地面基站受灾区域内的补盲覆盖需求,无法保证网络中用户的高速传输。
发明内容
本发明所要解决的技术问题在于提供一种空地融合蜂窝网络中的无人机基站部署方法。
为实现上述技术目的,本发明采用以下的技术方案:
一种空地融合蜂窝网络中的无人机基站部署方法,包括如下步骤:
S1:在地面基站侧和网络侧分别进行信息采集;
S2:基于步骤S1中的信息建立系统模型,所述系统模型包括地面基站参数模型、无人机基站传播模型和无人机基站天线阵列模型;
S3:基于地面基站用户的平均传输速率和无人机基站用户的平均传输速率,建立性能评估模型;
S4:根据步骤S3的性能评估模型,设置多组网络参数组合进行关键性能指标的数值计算,并根据计算结果选择使关键性能指标达到最大的参数组合,作为最终的参数配置;
S5:确定无人机基站的水平位置部署。
其中较优地,所述步骤S1中,通过网络侧信息采集,掌握所覆盖区域内的用户终端位置坐标以及接收信干比门限,并估计出用户密度和地面基站密度。
其中较优地,所述步骤S2进一步包括:
S21:根据用户密度和地面基站密度,分布将地面基站和用户终端建模为两个独立的泊松点过程Φb和Φc,密度分别为λb和λc;
S22:按比例将地面用户随机划分,比例为υ的用户分配给无人机基站层,比例为1-υ的用户分配给地面基站层;
S23:建立地面基站参数模型,其中地面基站发射功率为Pb,地面基站到用户终端的无线链路路径损耗模型为αb是地面路径损耗指数且满足αb>2,x是地面基站的相对于用户终端位置坐标的位置;
S24:建立无人机基站传播模型,其中无人机基站发射功率为Pu,无人机基站到用户终端的无线链路路径损耗模型为
其中,αs是无人机基站到用户终端的路径损耗指数,满足αs>2,x是无人机基站相对于用户终端,在地面投影的水平位置;h为无人机飞行的垂直高度;
S25:建立无人机基站天线阵列模型。
其中较优地,所述步骤S24中,当无人机基站和地面用户终端之间是LOS链路时αs=αL;当无人机基站和地面用户终端之间是NLOS链路时αs=αN。
其中较优地,所述步骤S3进一步包括:
S31:选取原点作为典型用户终端位置坐标;
S32:选择用户终端平均传输速率作为链路级指标;其中,所述用户终端平均传输速率通过如下公式计算:Rave=υRB+(1-υ)RU,其中υ和1-υ分别为地面基站的地面用户终端和无人机基站的地面基站用户终端的比例,RB和RU分别为地面基站用户的平均传输速率和无人机基站用户的平均传输速率。
其中较优地,所述步骤S3进一步包括:
选择区域频谱效率作为网络级指标,所述区域频谱效率通过如下公式计算:
ASE=λB(1-υ)RB+υλURU
其中,ASE为所述区域频谱效率,λB和λU分别为地面基站和无人机的密度。
其中较优地,地面基站用户的平均传输速率RB和无人机基站用户的平均传输速率RU通过如下步骤获取:
①基于Matérn硬核点过程对无人机基站用户的信干比进行建模;
②基于泊松点过程对地面基站用户的信干比进行建模;
③基于平均干扰信号比增益理论获得无人机基站用户和地面基站用户平均传输速率的近似结果,表达式为:
其中较优地,所述步骤S4进一步包括:
在参数取值可行域Ω内,设置多组网络参数组合{λUi,hi,νi,Mi}∈Ω,以进行关键性能指标的数值计算,并根据计算结果,选择使关键性能指标达到最大的参数组合,作为最终的参数配置,λU是无人机的密度;h是无人机飞行的垂直高度;ν是无人机基站用户的比例;M是无人机的天线个数,i是参数组合的编号。
其中较优地,所述步骤S5进一步包括:
S51:基于预先通过地理测量获取到的需要部署无人机的目标区域的面积S,根据S4参数寻优过程得到的最优无人机密度λU,得到无人机基站的部署数量为N=λUS;
S52:在目标区域内,利用均匀分布随机生成N组水平坐标(xi,yi)作为候选无人机,同时给每个候选无人机分配一个0到1范围内的随机数值标记mi;
S53:遍历每个候选无人机ui,计算其与其余无人机uj之间的距离dij;
S54:对于候选无人机ui,假设dij<D的候选无人机为uj,比较ui的标记值mi与候选无人机uj的标记值mj的大小;若存在mj<mi,则给候选无人机ui打上“removal”标记;
S55:对所有候选无人机重复步骤S51~S54的操作后,然后删除所有具有“removal”标记的无人机;
S56:将剩余的无人机即为待正式部署的无人机,其水平位置由其水平坐标决定。
其中较优地,所述无人机基站部署方法还包括如下步骤:
根据步骤S4和步骤S5所确定的无人机基站的参数配置,由网络侧下发至地面基站,再由地面基站反馈至无人机侧,控制无人机基站调整自身参数;无人机部署完毕后,网络侧根据需要向无人机层卸载的用户比例υ确定接入无人机基站层的用户,并通过地面基站向上述用户发出接入或切换指令,用户根据最大信号接收功率准则选择服务无人机基站接入或切换。
与现有技术相比较,本发明率先提出了基于空间保护距离的无人机基站部署方法,并基于随机几何Matérn硬核点过程理论提出了与之相匹配的网络关键性能指标分析计算方法。该无人机基站部署方法可以对无人机基站垂直高度、密度、携带天线数量等关键参数的配置进行快速的评估,进而做出最优的选择。
附图说明
图1为本发明所提供的无人机基站部署方法的整体流程图;
图2为本发明实施例中,地面基站侧的工作流程图;
图3为本发明实施例中,网络侧的工作流程图;
图4为本发明实施例中,无人机侧的工作流程图;
图5为本发明实施例中,用户终端侧的工作流程图;
图6为实施本发明的无线通信系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
本发明首先提出一种基于空间保护距离的无人机基站部署方法,用来优化部署无人机基站的空间水平位置。在这个过程中,本发明进一步提出一种基于随机几何Matérn硬核点过程理论的无人机基站和地面基站共存的蜂窝网络场景关键性能指标分析计算方法,基于该无人机基站部署方法可以快速的评估出特定性能需求条件下的无人机基站垂直高度、密度、携带天线数量等关键参数的配置方案,具体说明如下:
如图1所示,本发明实施例首先公开了一种空地融合蜂窝网络中的无人机基站部署方法,至少包括如下步骤:
S1:在地面基站侧和网络侧分别进行信息采集。
其中,信息采集包括以下步骤:
S11:地面基站侧信息采集。
结合图1和图2所示,地面基站(即图6中的TBS)采集接入地面基站层的用户终端测量信息,包括用户终端位置坐标和接收信干比(Signal-to-Interference Ratio,简写为SIR)门限,以及各自范围内(即与无人机的距离最近基站的范围内)的无人机基站位置。无人机初始部署时的位置信息空缺。因此,用户终端是指地面终端,通常为手机等地面使用的具有无线通信功能的设备,在图6中用UUE、TUE来表示。其中,UUE表示与无人机基站通信的地面的用户终端;TUE表示与地面基站通信的地面用户终端。
S12:网络侧信息采集。
结合图1和图3所示,网络侧信息采集指的是网络管理设备收集各个地面基站所采集到的用户终端测量信息。通过网络侧信息采集,网络侧可以掌握所覆盖区域内的用户终端位置坐标以及接收信干比门限,并可以估计出用户密度λC和地面基站密度λB。
S2:基于步骤S1中的信息建立系统模型,所述系统模型包括地面基站参数模型、无人机基站传播模型和无人机基站天线阵列模型;
其中,结合图1和图3所示,建立系统模型包括以下子步骤:
S21:根据步骤S12得到的地面基站密度λB和用户密度λC,分别将地面基站和用户终端建模为两个独立的泊松点过程Φb和Φc,密度分别为λb和λc。
S22:按比例将用户终端位置坐标随机划分到无人机基站和地面基站。例如,将比例为υ的用户终端位置坐标分配给无人机基站,比例为1-υ的用户终端位置坐标分配给地面基站。
S23:建立地面基站参数模型。其中,地面基站发射功率为Pb,地面基站到用户终端位置坐标的无线链路路径损耗模型为αb是地面路径损耗指数且满足αb>2,x是地面基站相对于用户终端位置坐标的位置。
S24:建立无人机基站传播模型。其中,无人机基站发射功率为Pu,无人机基站到用户终端位置坐标的无线链路路径损耗模型为
其中,αs是无人机基站(UAV BS)到用户终端(UUE)位置坐标的路径损耗指数,满足αs>2;
当无人机基站和用户终端位置坐标之间是LOS链路时αs=αL;当无人机基站和用户终端位置坐标之间是NLOS链路时αs=αN,其中αL和αN为预设值。x是无人机基站在地面的投影相对于用户终端位置坐标的水平位置;h为无人机飞行的垂直高度。
无人机基站空对地视距传输概率模型Pl(r)为参数为B和C的Sigmoid函数;其中,上述Sigmoid函数表达式为:
其中,参考图6,是无人机基站到用户终端位置坐标的仰角,参数B和C是由环境确定的两个常数,r为无人机和用户终端位置坐标的欧氏距离且
根据此概率模型,无人机基站和用户终端位置坐标之间的传输信道将依概率Pl(r)为LOS信道,依概率1-Pl(r)为NLOS信道。
S25:建立无人机基站天线阵列模型。无人机携带毫米波多天线面阵,将其近似建模为扇区化的“主瓣—旁瓣”二元阵列方向图模型:
其中,φ是发送信号波束方向与垂直方向法线之间的夹角,取值范围是其中φm是无人机基站天线波束垂直向下覆盖的角度范围。Gm是天线阵列的主瓣增益,其与天线个数M的关系是:Gm=M;Gs是天线阵列的旁瓣增益,其与天线个数M的关系是:
S3:基于地面基站用户的平均传输速率RB和无人机基站用户的平均传输速率RU,建立性能评估模型;
结合图1和图3所示,网络侧基于步骤S1所采集的信息和步骤S2所建立的系统模型,依据随机几何点过程的平稳性,对典型用户终端位置坐标进行关键性能指标的分析。首先,依据具体场景及需求选取一个关键性能指标;随后,在给定的一组备选参数配置集中采用随机几何理论的分析方法评估所选的关键性能指标。最后,在评估多组参数设置后,通过比较关键性能指标的大小,寻找最佳的参数配置。
在本发明的一个实施例中,具体包括以下子步骤:
S31:选取原点作为典型用户终端位置坐标。
其中,根据随机点过程理论,以平稳点过程建模的蜂窝网络中,典型用户终端位置坐标通常设置为用坐标原点处的用户终端位置坐标,在空间统计平均意义下,该典型用户终端位置坐标的性能可以代表网络中所有不同位置坐标的用户终端性能的平均结果。
S32:选择用户终端平均传输速率作为链路级指标。
通常,选择关键性能指标包括链路级指标和网络级指标。
在本实施例中,链路级指标为用户终端平均传输速率。用户终端平均传输速率用地面基站用户和无人机基站用户平均传输速率的加权和表示:
Rave=υRB+(1-υ)RU,
其中,Rave是链路级性能指标。υ和1-υ分别为地面基站的地面用户终端(简称为“地面基站用户”)和无人机基站的地面基站用户终端(简称为“无人机基站用户”)的比例,RB和RU分别为地面基站用户的平均传输速率和无人机基站用户的平均传输速率。
其中,RB和RU的获取过程如下:
利用随机几何点过程理论,对地面基站用户和无人机用户的信干比的统计分布特性进行分析,包含:
①基于Matérn硬核点过程(类型I)对无人机基站用户的信干比进行建模;
②基于泊松点过程对地面基站用户的信干比进行建模;
③基于平均干扰信号比(Mean Interference-to-Signal Ratio,简写为MISR)增益理论获得无人机基站用户和地面基站用户平均传输速率的近似结果。
具体计算表达式为:
其中,ps(r)中s存在1或n两种情况,对应链路是LOS或NLOS的概率,frp(r)为用户终端到无人机基站的距离分布函数,frb(r)为用户终端到地面基站的距离分布函数,Rb为地面基站的覆盖半径,是无人机基站用户受到的来自地面基站的同频干扰;/>是无人机基站用户受到的来自除与所述无人机基站用户通信的(服务)无人机基站之外的其余无人机基站的同频干扰;Ib是地面基站用户受到的来自无人机基站和除服务地面基站之外的其余地面基站的聚合干扰。ms是无人机基站与无人机基站用户之间的空地链路小尺度衰落的Nakagami-m模型参数,由无线环境确定,当空地链路是LOS时,ms=ml,当空地链路是NLOS时,ms=mn。/>和/>表示干扰/>和/>在空地链路视距类型s下的拉普拉斯(Laplace)变换;/>表示干扰Ib的拉普拉斯变换。
LOS条件下,的拉式变换算子为:
NLOS条件下,的拉式变换算子为:
其中B(·,·)是Beta函数。
LOS条件下,的拉式变换算子为:
NLOS条件下,的拉式变换算子为:
其中,Ag是基于平均干扰信号比MISR增益理论计算得到的系数,其计算方法如下:
其中,
S33:依具体场景需求选择网络级指标。
网络级指标依具体场景需求,包括区域频谱效率(Area Spectral Efficiency,简写为ASE)和网络能量效率(Network Energy Efficiency,简写为NEE)等。
区域频谱效率(ASE)的计算表达式为:
ASE=λB(1-υ)RB+υλURU
其中,λB和λU分别为地面基站和无人机的密度。
网络能量效率(NEE)的计算表达式为:
其中,ASE是区域频谱效率,ωB和ωU是分别是地面基站和无人机基站消耗的总功率,考虑了发射信号功率、电路消耗功率以及功率效率等因素。
其中,Rave和ASE、NEE是三种不同的性能指标,即步骤S4中参数寻优去优化的目标,看实际场景需要优化哪一个,我们就选择哪个指标去优化,寻找最优参数。
S4:根据步骤S3的性能评估模型,设置多组网络参数组合进行关键性能指标的数值计算,并根据计算结果选择使关键性能指标达到最大的参数组合,作为最终的参数配置。
结合图1和图3所示,根据步骤S3的性能评估模型,在参数取值可行域Ω内,设置多组网络参数组合{λUi,hi,νi,Mi}∈Ω,以进行关键性能指标的数值计算,并根据计算结果,选择使关键性能指标达到最大的参数组合,作为最终的参数配置。
S5:确定无人机基站的水平位置部署。
其中,确定无人机基站的水平位置部署,包括以下子步骤:
S51:基于预先通过地理测量获取到的需要部署无人机的目标区域的面积S,根据前述参数寻优过程得到的最优无人机密度λU,得到无人机基站的部署数量为N=λUS。
S52:在目标区域内,利用均匀分布随机生成N组水平坐标(xi,yi)作为候选无人机,同时给每个候选无人机分配一个0到1范围内的随机数值标记mi。
S53:遍历每个候选无人机ui,计算其与其余无人机uj之间的距离dij。
S54:对于候选无人机ui,假设dij<D(D为预设距离)的候选无人机为uj,比较ui的标记值mi与候选无人机uj的标记值mj的大小。若存在mj<mi,则给候选无人机ui打上“removal”标记。
S55:对所有候选无人机重复步骤S51~S54的操作后,然后删除所有具有“removal(清除)”标记的无人机。
S56:将剩余的无人机即为待正式部署的无人机,其水平位置由其水平坐标决定。
S57:无人机的飞行高度h、携带天线数量M、功率控制因子η、以及网络侧向无人机层卸载的用户比例υ由S4参数寻优的结果确定。
S6:配置无人机的运行参数。
结合图1和图4所示,基于S4和S5所确定的无人机基站的参数配置,由网络侧下发至地面基站,再由地面基站反馈至无人机侧,控制其调整自身参数。
S7:用户终端接入(或切换)控制。
结合图1和图5所示,无人机部署完毕后,网络侧根据需要向无人机层卸载的用户比例υ确定接入无人机基站层的用户,并通过地面基站向上述用户发出接入或切换指令,用户根据最大信号接收功率准则选择服务无人机基站接入或切换。
S8:无人机的部署过程结束。
如图6所示,本发明通过无人机基站(UAV BS)建立了新的信号网络,即在原有地面基站(TBS)的覆盖范围内增加了新的无人机基站信号网络,使得地面基站的覆盖范围内的用户可以在保证通信质量QoS的前提下可选择地接入地面基站或无人机基站。例如,如图6所示,用户UUE1能同时接收到无人机基站(UAV BS)和地面基站(TBS)的信号,用户UUE1此时根据本发明实施例中的步骤S3中,基于地面基站用户的平均传输速率RB和无人机基站用户的平均传输速率RU,建立性能评估模型,基于优化后的无人机基站用户的比例ν作为选择概率,选择接入到无人机基站建立的网络(实线箭头表示其选择的网络)。类似的,用户UUE2则基于本发明的算法选择接入到地面基站建立的网络(实线箭头表示其选择的网络)。这样能够保证地面基站和无人机基站的用户均能达到较高的传输速率。
需要说明的是,本发明的应用场景包括但不限于救灾、表演、事故救援等无人机基站临时组网场景。利用本发明所提供的无人机基站部署方法,充分考虑了无人机之间的空间保护距离,尤其适用于无人机基站采用多天线配置的场景。
在现有技术中,无人机基站需部署在地面基站网络信号强度较弱的边缘区域,而本发明所提出的无人机基站部署方法不受原有网络信号强度影响,可根据算法需要部署在任意位置,实现无线网络扩容。在保证终端链路级性能的前提下,提高网络的总容量,避免地面基站通信出现拥塞。
另外,在本发明所提供的无人机基站部署方法的实施过程中,其中的网络性能评估属于统计意义上的优化方法。该网络性能评估方法可基于长周期无线测量信息,无需进行频繁地测量和上报,对于节省网络计算和传输开销具有积极效果。此外,本发明实施过程中的参数寻优方法基于数值计算,相比于传统的仿真寻优方式,具有简便快速的优点,能够节省大量的时间开销,有利于实现无人机基站的快速部署。
上面对本发明所提供的空地融合蜂窝网络中的无人机基站部署方法进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质内容的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (9)
1.一种空地融合蜂窝网络中的无人机基站部署方法,其特征在于包括如下步骤:
S1:在地面基站侧和网络侧分别进行信息采集;
S2:基于步骤S1中的信息建立系统模型,所述系统模型包括地面基站参数模型、无人机基站传播模型和无人机基站天线阵列模型;
S3:基于地面基站用户的平均传输速率和无人机基站用户的平均传输速率,建立性能评估模型;
S31:选取原点作为典型用户终端位置坐标;
S32:选择用户终端平均传输速率作为链路级指标;其中,所述用户终端平均传输速率通过如下公式计算:
Rave=υRB+(1-υ)RU,
其中υ和1-υ分别为地面基站的地面用户终端和无人机基站的地面基站用户终端的比例,RB和RU分别为地面基站用户的平均传输速率和无人机基站用户的平均传输速率;
S4:根据步骤S3的性能评估模型,设置多组网络参数组合进行关键性能指标的数值计算,并根据计算结果选择使关键性能指标达到最大的参数组合,作为最终的参数配置;
S5:确定无人机基站的水平位置部署。
2.如权利要求1所述的无人机基站部署方法,其特征在于:
所述步骤S1中,通过网络侧信息采集,掌握所覆盖区域内的用户终端位置坐标以及接收信干比门限,并估计出用户密度和地面基站密度。
3.如权利要求2所述的无人机基站部署方法,其特征在于所述步骤S2进一步包括:
S21:根据用户密度和地面基站密度,分布将地面基站和用户终端建模为两个独立的泊松点过程Φb和Φc,密度分别为λb和λc;
S22:按比例将地面用户随机划分,比例为υ的用户分配给无人机基站层,比例为1-υ的用户分配给地面基站层;
S23:建立地面基站参数模型,其中地面基站发射功率为Pb,地面基站到用户终端的无线链路路径损耗模型为αb是地面路径损耗指数且满足αb>2,x是地面基站的相对于用户终端位置坐标的位置;
S24:建立无人机基站传播模型,其中无人机基站发射功率为Pu,无人机基站到用户终端的无线链路路径损耗模型为
其中,αs是无人机基站到用户终端的路径损耗指数,满足αs>2,x是无人机基站相对于用户终端,在地面投影的水平位置;h为无人机飞行的垂直高度;
S25:建立无人机基站天线阵列模型。
4.如权利要求3所述的无人机基站部署方法,其特征在于所述步骤S24中,当无人机基站和地面用户终端之间是LOS链路时αs=αL;当无人机基站和地面用户终端之间是NLOS链路时αs=αN;
其中,αL和αN为预设值。
5.如权利要求1所述的无人机基站部署方法,其特征在于所述步骤S3进一步包括:
选择区域频谱效率作为网络级指标,所述区域频谱效率通过如下公式计算:
ASE=λB(1-υ)RB+υλURU
其中,ASE为所述区域频谱效率,λB和λU分别为地面基站和无人机的密度。
6.如权利要求5所述的无人机基站部署方法,其特征在于地面基站用户的平均传输速率RB和无人机基站用户的平均传输速率RU通过如下步骤获取:
①基于Matérn硬核点过程对无人机基站用户的信干比进行建模;
②基于泊松点过程对地面基站用户的信干比进行建模;
③基于平均干扰信号比增益理论获得无人机基站用户和地面基站用户平均传输速率的近似结果,表达式为:
其中,ps(r)中s存在l或n两种情况,对应链路是LOS或NLOS的概率;frp(r)为用户终端到无人机基站的距离分布函数;frb(r)为用户终端到地面基站的距离分布函数;Rb为地面基站的覆盖半径;是无人机基站用户受到的来自地面基站的同频干扰;/>是无人机基站用户受到的来自除与所述无人机基站用户通信的无人机基站之外的其余无人机基站的同频干扰;Ib是地面基站用户受到的来自无人机基站和除服务地面基站之外的其余地面基站的聚合干扰;ms是无人机基站与无人机基站用户之间的空地链路小尺度衰落的Nakagami-m模型参数,由无线环境确定,当空地链路是LOS时,ms=ml,当空地链路是NLOS时,ms=mn;/>和/>表示干扰/>和/>在空地链路视距类型s下的拉普拉斯变换;/>表示干扰Ib的拉普拉斯变换。
7.如权利要求1所述的无人机基站部署方法,其特征在于所述步骤S4进一步包括:
在参数取值可行域Ω内,设置多组网络参数组合{λUi,hi,νi,Mi}∈Ω,以进行关键性能指标的数值计算,并根据计算结果,选择使关键性能指标达到最大的参数组合,作为最终的参数配置,λU是无人机的密度;h是无人机飞行的垂直高度;ν是无人机基站用户的比例;M是无人机的天线个数,i是参数组合的编号。
8.如权利要求1所述的无人机基站部署方法,其特征在于所述步骤S5进一步包括:
S51:基于预先通过地理测量获取到的需要部署无人机的目标区域的面积S,根据S4参数寻优过程得到的最优无人机密度λU,得到无人机基站的部署数量为N=λUS;
S52:在目标区域内,利用均匀分布随机生成N组水平坐标(xi,yi)作为候选无人机,同时给每个候选无人机分配一个0到1范围内的随机数值标记mi;
S53:遍历每个候选无人机ui,计算其与其余无人机uj之间的距离dij;
S54:对于候选无人机ui,假设dij<D的候选无人机为uj,比较ui的标记值mi与候选无人机uj的标记值mj的大小;若存在mj<mi,则给候选无人机ui打上“removal”标记;
其中,D为预设距离;
S55:对所有候选无人机重复步骤S51~S54的操作后,然后删除所有具有“removal”标记的无人机;
S56:将剩余的无人机即为待正式部署的无人机,其水平位置由其水平坐标决定。
9.如权利要求1所述的无人机基站部署方法,其特征在于还包括如下步骤:
根据步骤S4和步骤S5所确定的无人机基站的参数配置,由网络侧下发至地面基站,再由地面基站反馈至无人机侧,控制无人机基站调整自身参数;无人机部署完毕后,网络侧根据需要向无人机层卸载的用户比例υ确定接入无人机基站层的用户,并通过地面基站向上述用户发出接入或切换指令,用户根据最大信号接收功率准则选择服务无人机基站接入或切换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679996.4A CN116367181B (zh) | 2022-12-26 | 2022-12-26 | 一种空地融合蜂窝网络中的无人机基站部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679996.4A CN116367181B (zh) | 2022-12-26 | 2022-12-26 | 一种空地融合蜂窝网络中的无人机基站部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116367181A CN116367181A (zh) | 2023-06-30 |
CN116367181B true CN116367181B (zh) | 2024-02-23 |
Family
ID=86915678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211679996.4A Active CN116367181B (zh) | 2022-12-26 | 2022-12-26 | 一种空地融合蜂窝网络中的无人机基站部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116367181B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107635239A (zh) * | 2017-09-25 | 2018-01-26 | 北京邮电大学 | 无人机基站部署方法、装置、电子设备及可读存储介质 |
CN112672376A (zh) * | 2020-12-18 | 2021-04-16 | 大连理工大学 | 一种无人机辅助蜂窝网络中无人机部署方法 |
US10993120B1 (en) * | 2019-11-25 | 2021-04-27 | T-Mobile Usa, Inc. | Drone-assisted deployment of wireless access infrastructure |
CN113543068A (zh) * | 2021-06-07 | 2021-10-22 | 北京邮电大学 | 一种基于层次化分簇的林区无人机网络部署方法与系统 |
CN113645634A (zh) * | 2021-08-11 | 2021-11-12 | 北京邮电大学 | 一种6g下多天线无人机网络部署参数设定方法 |
CN114071180A (zh) * | 2021-11-24 | 2022-02-18 | 上海哔哩哔哩科技有限公司 | 直播间展示方法及装置 |
-
2022
- 2022-12-26 CN CN202211679996.4A patent/CN116367181B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107635239A (zh) * | 2017-09-25 | 2018-01-26 | 北京邮电大学 | 无人机基站部署方法、装置、电子设备及可读存储介质 |
US10993120B1 (en) * | 2019-11-25 | 2021-04-27 | T-Mobile Usa, Inc. | Drone-assisted deployment of wireless access infrastructure |
CN112672376A (zh) * | 2020-12-18 | 2021-04-16 | 大连理工大学 | 一种无人机辅助蜂窝网络中无人机部署方法 |
CN113543068A (zh) * | 2021-06-07 | 2021-10-22 | 北京邮电大学 | 一种基于层次化分簇的林区无人机网络部署方法与系统 |
CN113645634A (zh) * | 2021-08-11 | 2021-11-12 | 北京邮电大学 | 一种6g下多天线无人机网络部署参数设定方法 |
CN114071180A (zh) * | 2021-11-24 | 2022-02-18 | 上海哔哩哔哩科技有限公司 | 直播间展示方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116367181A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galkin et al. | A stochastic model for UAV networks positioned above demand hotspots in urban environments | |
Zhang et al. | Radio map-based 3D path planning for cellular-connected UAV | |
Chen et al. | Coverage and handoff analysis of 5G fractal small cell networks | |
Kalantari et al. | Backhaul-aware robust 3D drone placement in 5G+ wireless networks | |
EP2169977B1 (en) | Base station device in mobile communication system, and directivity controlling method | |
EP2429228A1 (en) | Network management system, wireless coverage control method, and wireless coverage control program | |
CN112672376B (zh) | 一种无人机辅助蜂窝网络中无人机部署方法 | |
US9345032B2 (en) | Method and apparatus for determining network clusters for wireless backhaul networks | |
Huang et al. | Optimized deployment of drone base station to improve user experience in cellular networks | |
Galkin et al. | A stochastic geometry model of backhaul and user coverage in urban UAV networks | |
Xu et al. | Cellular-connected UAV: Performance analysis with 3D antenna modelling | |
Liu et al. | Performance analysis and optimization of UAV integrated terrestrial cellular network | |
Shi et al. | Controlling aggregate interference under adjacent channel interference constraint in TV white space | |
Almalki et al. | Deployment of an aerial platform system for rapid restoration of communications links after a disaster: a machine learning approach | |
CN110312265B (zh) | 无人机编队通信覆盖的功率分配方法及系统 | |
Helmy et al. | Utilization of aerial heterogeneous cellular networks: Signal-to-interference ratio analysis | |
Gharib et al. | An exhaustive study of using commercial lte network for uav communication in rural areas | |
Bucur et al. | Validation of large-scale propagation characteristics for UAVs within urban environment | |
Hinga et al. | Deterministic 5G mmwave large-scale 3D path loss model for Lagos Island, Nigeria | |
Kumbhar et al. | Heuristic approach for jointly optimising FeICIC and UAV locations in multi‐tier LTE‐advanced public safety HetNet | |
Singh et al. | Spectrum reuse among aerial and ground users in mmWave cellular networks in urban settings | |
CN116367181B (zh) | 一种空地融合蜂窝网络中的无人机基站部署方法 | |
CN111954275A (zh) | 一种面向无人机基站网络的用户多连接配置方法 | |
Ghosh et al. | Comparison among different large scale path loss models for high sites in urban, suburban and rural areas | |
Bernabè et al. | On the optimization of cellular networks for UAV aerial corridor support |
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 |