CN116684899A - 一种无线供电通信网络吞吐量最大化优化方法及系统 - Google Patents

Abstract

本发明公开了一种无线供电通信网络吞吐量最大化优化方法及系统，包括下述步骤：在智能反射面辅助下构建基于无人机的无线供电通信网络系统，在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型，缩放复合信道增益并引入辅助变量，基于SCA优化算法实现无人机的二维最优布局；将功率优化问题和时间优化问题转化为凸优化问题；通过SDR算法构建智能反射面反射系数优化问题的优化算法；通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间。本发明将无人机通信和智能反射面技术应用于无线供电通信网络，提出了最小吞吐量最大化问题，通过应用SCA算法和SDR算法解决该非凸问题，显著增强了计算性能。

Description

一种无线供电通信网络吞吐量最大化优化方法及系统

技术领域

本发明涉及无线通信技术领域，具体涉及一种无线供电通信网络吞吐量最大化优化方法及系统。

背景技术

随着物联网的发展，日益增长的通信需求也对通信技术提出了更高的要求，如何降低部署成本、延长电池寿命、扩大覆盖范围、提高通信质量等成为一大难题；同时，现今移动设备不断增长的功能需要更多的电力来支持全天的操作，处理能力、功能集和传感器受到电池寿命的限制，虽然可以通过更换电池或充电来延长设备寿命，但这些操作都十分不便利且成本较高。因此，如何在提高无线设备寿命的同时保证通信质量将会称为学术界和工业界的一大难题。

由于由环境发射器辐射的无线电信号成为无线能量采集的一个可行的新来源，无线供电通信网络开始受到广泛关注，该技术把从环境射频信号中获取的能量用于为网络的无线终端供电；同时，无线设备利用接收到的能量在网络中进行通信，从而解决了无线设备寿命约束的难题。

由于自主性、灵活性和机动性的优势，无人机可以快速部署，为农村和地理受限地区的用户提供可靠的服务。基于之前对无人机无线网络的研究，由于无人机可以进一步缩短传输距离并增加信道增益，无人机在网络中的应用可以消除上述缺点。因此，将无人机应用于通信网络中将大大提高通信质量；除此之外，智能反射面的出现也为改善通信环境作出了贡献，该技术通过重新配置电磁波的传播环境来减少能量消耗和提高无线网络的频谱效率。智能反射面能够控制入射信号的相角或振幅从而增强所需信号并减弱干扰信号。

在过去的工作中，主要的研究对象是无人机辅助的无线供电通信网络或者是智能反射面辅助的无线供电通信网络，但如何把无人机和智能反射面相结合并应用于无线供电通信网络，涉及无人机二维布局、用户发射功率、时间资源和智能反射面反射系数的优化，所考虑的优化问题是非凸的难以直接解决，具有挑战性意义。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种无线供电通信网络吞吐量最大化优化方法及系统，在满足能量约束的条件下，优化无人机二维位置、用户发射功率、时间资源和智能反射面系数，提高了无线设备寿命和通信质量。

本发明的目的可以通过如下技术方案实现：

本发明提供一种无线供电通信网络吞吐量最大化优化方法，包括下述步骤：

在智能反射面辅助下构建基于无人机的无线供电通信网络系统，在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型，包括：无人机二维位置优化问题、功率优化问题和时间优化问题和智能反射面反射系数优化问题；

构建无人机二维位置优化问题，缩放复合信道增益并引入辅助变量，基于SCA优化算法实现无人机的二维最优布局；

基于优化后的无人机二维位置，将功率优化问题和时间优化问题转化为凸优化问题；

基于优化后的无人机二维位置、用户发射功率和分配时间，通过SDR算法构建智能反射面反射系数优化问题的优化算法；

通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间。

作为优选的技术方案，所述在智能反射面辅助下构建基于无人机的无线供电通信网络系统，具体包括：

无线供电通信网络系统部署有一辆无人机以及多个地面用户，无人机和所有的地面用户的设备配备单天线，无人机在下行链路向地面用户充电，在上行链路接收用户发送的信息，智能反射面具有多个反射单元。

作为优选的技术方案，构建最大化最小地面用户吞吐量的数学模型，具体表示为：

其中，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1,M、θ_2,M均表示第M个反射单元的相移，w_b,u表示无人机在第b个区域的二维坐标位置，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b,k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率，τ_bP为传输能量时间，τ_kI为传输信息时间。

作为优选的技术方案，智能反射面到地面用户的信道采用莱斯衰落信道，无人机到智能反射面的信道采用视距无线传输信道，无人机到地面用户的信道采用莱斯衰落信道。

作为优选的技术方案，构建无人机二维位置优化问题，表示为：

其中，t为将原问题由最大化最小优化问题转化为最大化问题的辅助变量，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1，M、θ_2，M均表示第M个反射单元的相移，w_b，u表示无人机在第b个区域的二维坐标位置，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b，k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率；

无人机到用户的混合信道表示为：

其中，|H_b，k|为h_b，k的模值，|f_k，i|为f_k的模值，d_UG为无人机到用户的距离，d_UR为无人机到智能反射面的距离，β₀表示在参考位置处的信道功率增益，α表示路径衰落因子，λ_c为载波波长，ξ为(f_k)^HΘ₂G_b和h_b，k的相位差；

通过取混合信道增益的下界从而缩紧约束，构建不等式约束为：

引入放缩变量u_b，k和v_b，满足设定条件为：d_UG≤u_b，k，d_UR≤v_b

不等式约束转化为：

其中，σ²表示噪声功率；

令将不等式约束左侧进行泰勒展开后得以下不等式：

将地面用户处的能量转换效率转化为：

其中，l表示迭代次数；

放缩变量u_b，k和v_b满足：

d_UR ²-2v_b ^l-1v_b+(v_b ^l-1)²≤0

因此，原无人机二维位置优化问题可以转化为

d_UG ²-2u_b，k ^l-1u_b，k+(u_b，k ^l-1)²≤0

d_UR ²-2v_b ^l-1v_b+(v_b ^l-1)²≤0

使用标准优化工具求解无人机二维位置优化问题，得到优化后的无人机二维位置。

作为优选的技术方案，将功率优化问题和时间优化问题转化为凸优化问题，具体表示为：

发射功率优化问题：

时间资源分配优化问题：

其中，t为将原问题由最大化最小优化问题转化为最大化问题的辅助变量，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1，M、θ_2，M均表示第M个反射单元的相移，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b，k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率，τ_bP为传输能量时间，τ_kI为传输信息时间。

作为优选的技术方案，智能反射面反射系数优化问题表示为：

其中，t为将原问题由最大化最小优化问题转化为最大化问题的辅助变量，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1，M、θ_2，M均表示第M个反射单元的相移，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b，k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率，τ_bP为传输能量时间，τ_kI为传输信息时间；

令表示智能反射面在下行链路和上行链路的反射波束赋形矢量，则有：|(f_k)^HΘ₁G_b+h_b，k|²＝v₁ ^HQ_kv₁+2Re{v₁ ^HD_k}+|h_b，k|²，|(f_k)^HΘ₂G_b+h_b，k|²＝v₂ ^HQ_kv₂+2Re{v₂ ^HD_k}+|h_b，k|²；

其中，Q_k＝Φ_kΦ_k ^H，D_k＝Φ_kh_b，k ^H，Φ_k＝diag(f_k ^H)G_b；

令其中将智能反射面反射系数优化问题转化为：

定义和/>满足/>以及rank(V_i)＝1，i＝1，2；

通过SDR算法放缩约束条件rank(V_i)，智能反射面反射系数优化问题最终表示为：

[V_i]_n，n＝1，n＝1，...，M+1，i＝1，2

使用标准优化工具求解智能反射面反射系数优化问题。

作为优选的技术方案，通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间，具体包括：

初始化辅助变量、用户功率和时间分配方案；

更新无人机二维悬停位置、用户发射功率和时间分配直到目标函数的增值小于第一预设阈值；

基于优化后的最优无人机二维悬停位置、用户发射功率以及时间分配获得最优智能反射面反射系数；

重复迭代直至目标函数值的增幅小于第二预设阈值；

输出无人机最优二维悬停位置、用户最优发射功率、最优时间分配方案、最优智能反射面反射系数。

本发明还提供一种无线供电通信网络吞吐量最大化优化系统，用于实现上述无线供电通信网络吞吐量最大化优化方法，包括：无线供电通信网络系统构建模块、最大化最小地面用户吞吐量的数学模型构建模块、无人机二维位置优化问题构建模块、优化问题转化模块、智能反射面反射系数优化问题构建模块、迭代优化模块；

所述无线供电通信网络系统构建模块用于在智能反射面辅助下构建基于无人机的无线供电通信网络系统；

所述最大化最小地面用户吞吐量的数学模型构建模块用于在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型，包括：无人机二维位置优化问题、功率优化问题和时间优化问题和智能反射面反射系数优化问题；

所述无人机二维位置优化问题构建模块用于构建无人机二维位置优化问题，缩放复合信道增益并引入辅助变量，基于SCA优化算法实现无人机的二维最优布局；

所述优化问题转化模块用于基于优化后的无人机二维位置，将功率优化问题和时间优化问题转化为凸优化问题；

所述智能反射面反射系数优化问题构建模块用于基于优化后的无人机二维位置、用户发射功率和分配时间，通过SDR算法构建智能反射面反射系数优化问题的优化算法；

所述迭代优化模块用于通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间。

本发明与现有技术相比，具有如下优点和有益效果：

本发明构建在智能反射面辅助下的无人机无线供电通信网络模型，采用了SCA优化算法和SDR算法，解决了通过优化无人机二维布局、用户发射功率、时间资源和智能反射面反射系数实现最大化系统最小吞吐量最大化的技术问题，解决了无线设备寿命受限的问题，大大提高了通信质量以及系统的最小吞吐量。

附图说明

图1为本发明无线供电通信网络吞吐量最大化优化方法的流程示意图；

图2为本发明智能反射面辅助下的无人机无线供电通信网络系统模型；

图3为本发明的仿真结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，本实施例提供一种无线供电通信网络吞吐量最大化优化方法，包括以下步骤：

步骤1、在智能反射面辅助下构建基于无人机的无线供电通信网络系统，在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型；

如图2所示，假设基于无人机通信在智能反射面辅助下的无线供电通信网络部署有一辆无人机以及K个地面用户，其中整体区域被划分为B个小区域，无人机和所有的地面设备配备单天线。无人机在下行链路向地面用户充电，在上行链路接收用户发送的信息。智能反射面具有M个反射单元。地面用户k的坐标位置表示为z_k＝(x_k，y_k，0)。无人机在第b个区域的二维坐标位置表示为w_b，u＝(x_b，u，y_b，u)并且维持在h的高度上。智能反射面部署在H的高度上，坐标为z_R＝(x_R，y_R，H)。

对于无线供电通信网络采用时分多址技术。其中，无人机总的飞行时间T被划分为B+K个时隙，前B个时隙是用于下行传能的时间，剩余的K个时隙用于上行传输信息。因此，时间变量的约束可以表示为：

假设无人机以恒定的功率P₁传输能量，表示智能反射面在下行传能时的反射系数矩阵，/>表示智能反射面在上行传信息时的反射系数矩阵，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b，k为无人机到地面用户的信道，其表达式分别如下：

其中β₀表示在参考位置处的信道功率增益， α表示路径衰落因子，K_R表示莱斯因子。

其中，

假设用户以P_2k的功率向无人机传输信息，则无人机处接收到的数据传输率为

其中，σ²为无人机处信息接收器的噪声功率。

为了满足能量供求，下行传输能量和上行传输信息必须满足下列约束：

η|(f_k)^HΘ₁G_b+h_b，k|²P₁τ_bP≥P_2kφτ_kI (8)

其中η是用户处的能量转换效率。

在无线供电通信网络中，最大化系统最小吞吐量可以描述为：

步骤2、首先对无人机二维位置进行优化。先将原问题描述为无人机二维位置优化问题。缩放复合信道增益并引入辅助变量，构建了基于SCA的优化算法，实现了无人机的二维最优布局。

为了得到无人机二维位置，将解决以下问题

通过把f_k转化成以模值相角的形式表达后，无人机-智能反射面-用户的混合信道可以表达为

同时，把h_b，k也表达为模值与相角的形式，如下：

采用上述表达方式后，无人机到用户的混合信道可以表示为：

由于目标优化问题为最大化最小问题，所以可以通过取混合信道增益的下界从而缩紧约束。考虑到中参数都为非负数，因此下列不等式成立。

同时，由于距离表达式的非线性，引入新的放缩变量u_b，k和v_b，其中这两者必须满足d_UG≤u_b，k，d_UR≤v_b。因此，原问题中的不等式约束可以转化为：

为了方便表达，令A_k＝|H_b，k|²，

由于凸函数的一阶泰勒展开是全局下界，所以对上述不等式左侧进行泰勒展开后可得以下不等式

同理，(17)可以转换为

因此，原无人机二维位置优化问题可以转化为

(23)-(24) (26)

d_UG ²-2u_b，k ^l-1u_b，k+(u_b，k ^l-1)²≤0 (27)

d_UR ²-2v_b ^l-1v_b+(v_b ^l-1)²≤0 (28)

该问题为凸优化问题，可以使用标准优化工具如CVX求解。

步骤3、在获得无人机二维位置的基础上，可以直接把功率优化问题和时间优化问题转化为凸优化问题。

发射功率优化问题：

时间资源分配优化问题：

上述两个问题均为凸优化问题，可以直接使用标准解决器如CVX解决。

步骤4、基于所获得的无人机二维位置、用户发射功率和时间分配方案，通过SDR算法构建优化智能反射面反射系数的优化算法。

智能反射面反射系数优化问题如下：

令表示智能反射面在下行链路和上行链路的反射波束赋形矢量，Φ_k＝diag(f_k ^H)G_b。则有|(f_k)^HΘ₁G_b+h_b，k|²＝u₁ ^HQ_kv₁+2Re{v₁ ^HD_k}+|h_b，k|²，|(f_k)^HΘ₂G_b+h_b，k|²＝v₂ ^HQ_kv₂+2Re{v₂ ^HD_k}+|h_b，k|²，其中Q_k＝Φ_kΦ_k ^H，D_k＝Φ_kh_b，k ^H。此时优化问题可以转化为以v₁和v₂为优化变量。但此时问题仍然是非凸的，可以通过SDR算法来解决该问题。

令其中此时，原问题可以转化为：

接下来，通过定义和/>转化问题，其中必须满足/>以及rank(V_i)＝1，i＝1，2。但由于rank(V_i)＝1是非凸的，所以应用SDR算法放缩该约束条件。因此，最终问题可以描述为：

[V_i]_n，n＝1，n＝1，...，M+1，i＝1，2 (48)

该问题是凸的半定松弛分析，可以通过CVX进行求解。但由于约束条件放缩，得到的结果不一定满足rank(V_i)＝1。当不满足该条件时，可以通过高斯随机过程对结果进行处理。

步骤5、基于所构建的不同变量的优化算法，通过迭代优化方法最终获得最优的无人机二维悬停位置以及资源分配方案，具体算法如下：

A1、输入：初始化辅助变量u_b，k ⁽⁰⁾、v_b ⁽⁰⁾，用户功率P_2k ⁽⁰⁾，时间分配方案τ_bP ⁽⁰⁾、τ_kI ⁽⁰⁾

A2、重复A3-A5操作：

A3、重复以下操作：

更新无人机最佳二维悬停位置，最佳用户发射功率和最佳时间分配方案直到目标函数的增值小于某一阈值∈₁；

A4、基于以上获得的最优无人机二维悬停位置、用户发射功率以及时间分配方案获得最优智能反射面反射系数；

A5、重复操作直至目标函数值的增幅小于某一阈值∈₂；

A6、输出：无人机最佳二维悬停位置w_b，u、用户最佳发射功率P_2k、最佳时间分配方案τ_bP，τ_kI、最佳智能反射面反射系数Θ₁，Θ₂。

如图3所示，得到本发明的仿真结果，由仿真结果可以看出，所有方案获得的最小吞吐量都随着无人机发射功率的增加而增加，同时由不同的方案对比可见，采用无人机和智能反射面结合的方案所得到的最小吞吐量明显大于另外两种方案。

实施例2

本实施例提供一种无线供电通信网络吞吐量最大化优化系统，用于实现上述实施例1的无线供电通信网络吞吐量最大化优化方法，包括：无线供电通信网络系统构建模块、最大化最小地面用户吞吐量的数学模型构建模块、无人机二维位置优化问题构建模块、优化问题转化模块、智能反射面反射系数优化问题构建模块、迭代优化模块；

在本实施例中，无线供电通信网络系统构建模块用于在智能反射面辅助下构建基于无人机的无线供电通信网络系统；

在本实施例中，最大化最小地面用户吞吐量的数学模型构建模块用于在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型，包括：无人机二维位置优化问题、功率优化问题和时间优化问题和智能反射面反射系数优化问题；

在本实施例中，无人机二维位置优化问题构建模块用于构建无人机二维位置优化问题，缩放复合信道增益并引入辅助变量，基于SCA优化算法实现无人机的二维最优布局；

在本实施例中，优化问题转化模块用于基于优化后的无人机二维位置，将功率优化问题和时间优化问题转化为凸优化问题；

在本实施例中，智能反射面反射系数优化问题构建模块用于基于优化后的无人机二维位置、用户发射功率和分配时间，通过SDR算法构建智能反射面反射系数优化问题的优化算法；

在本实施例中，迭代优化模块用于通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种无线供电通信网络吞吐量最大化优化方法，其特征在于，包括下述步骤：

在智能反射面辅助下构建基于无人机的无线供电通信网络系统，在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型，包括：无人机二维位置优化问题、功率优化问题和时间优化问题和智能反射面反射系数优化问题；

构建无人机二维位置优化问题，缩放复合信道增益并引入辅助变量，基于SCA优化算法实现无人机的二维最优布局；

基于优化后的无人机二维位置，将功率优化问题和时间优化问题转化为凸优化问题；

基于优化后的无人机二维位置、用户发射功率和分配时间，通过SDR算法构建智能反射面反射系数优化问题的优化算法；

通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间。

2.根据权利要求1所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，所述在智能反射面辅助下构建基于无人机的无线供电通信网络系统，具体包括：

无线供电通信网络系统部署有一辆无人机以及多个地面用户，无人机和所有的地面用户的设备配备单天线，无人机在下行链路向地面用户充电，在上行链路接收用户发送的信息，智能反射面具有多个反射单元。

3.根据权利要求1所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，构建最大化最小地面用户吞吐量的数学模型，具体表示为：

其中，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1,M、θ_2,M均表示第M个反射单元的相移，w_b,u表示无人机在第b个区域的二维坐标位置，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b,k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率，τ_bP为传输能量时间，τ_kI为传输信息时间。

4.根据权利要求3所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，智能反射面到地面用户的信道采用莱斯衰落信道，无人机到智能反射面的信道采用视距无线传输信道，无人机到地面用户的信道采用莱斯衰落信道。

5.根据权利要求1所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，构建无人机二维位置优化问题，表示为：

其中，t为将原问题由最大化最小优化问题转化为最大化问题的辅助变量，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1,M、θ_2,M均表示第M个反射单元的相移，w_b,u表示无人机在第b个区域的二维坐标位置，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b,k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率；

无人机到用户的混合信道表示为：

其中，|H_b,k|为h_b,k的模值，|f_k,i|为f_k的模值，d_UG为无人机到用户的距离，d_UR为无人机到智能反射面的距离，β₀表示在参考位置处的信道功率增益，α表示路径衰落因子，λ_c为载波波长，ξ为(f_k)^HΘ₂G_b和h_b,k的相位差；

通过取混合信道增益的下界从而缩紧约束，构建不等式约束为：

引入放缩变量u_b,k和v_b，满足设定条件为：d_UG≤u_b,k,d_UR≤v_b

不等式约束转化为：

其中，σ²表示噪声功率；

令A_k＝|H_b,k|²，将不等式约束左侧进行泰勒展开后得以下不等式：

将地面用户处的能量转换效率转化为：

其中，l表示迭代次数；

放缩变量u_b,k和v_b满足：

d_UG ²-2u_b,k ^l-1u_b,k+(u_b,k ^l-1)²≤0

d_UR ²-2v_b ^l-1v_b+(v_b ^l-1)²≤0

因此，原无人机二维位置优化问题可以转化为

d_UG ²-2u_b,k ^l-1u_b,k+(u_b,k ^l-1)²≤0

d_UR ²-2v_b ^l-1v_b+(v_b ^l-1)²≤0

使用标准优化工具求解无人机二维位置优化问题，得到优化后的无人机二维位置。

6.根据权利要求1所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，将功率优化问题和时间优化问题转化为凸优化问题，具体表示为：

发射功率优化问题：

时间资源分配优化问题：

其中，t为将原问题由最大化最小优化问题转化为最大化问题的辅助变量，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1,M、θ_2,M均表示第M个反射单元的相移，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b,k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率，τ_bP为传输能量时间，τ_kI为传输信息时间。

7.根据权利要求1所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，智能反射面反射系数优化问题表示为：

其中，t为将原问题由最大化最小优化问题转化为最大化问题的辅助变量，T表示无人机总的飞行时间，B表示无人机的飞行区域总数，K表示地面用户数，表示智能反射面在下行传能时的反射系数矩阵，/> 表示智能反射面在上行传信息时的反射系数矩阵，M表示智能反射面单元数，θ_1,M、θ_2,M均表示第M个反射单元的相移，f_k为智能反射面到地面用户的信道，G_b为无人机到智能反射面的信道，h_b,k为无人机到地面用户的信道，P₁表示无人机的恒定功率，P_2k表示用户向无人机传输信息的传输功率，η是地面用户处的能量转换效率，τ_bP为传输能量时间，τ_kI为传输信息时间；

令表示智能反射面在下行链路和上行链路的反射波束赋形矢量，则有：|(f_k)^HΘ₁G_b+h_b,k|²＝v₁ ^HQ_kv₁+2Re{v₁ ^HD_k}+|h_b,k|²,|(f_k)^HΘ₂G_b+h_b,k|²＝v₂ ^HQ_kv₂+2Re{v₂ ^HD_k}+|h_b,k|²；

其中，Q_k＝Φ_kΦ_k ^H,D_k＝Φ_kh_b,k ^H，Φ_k＝diag(f_k ^H)G_b；

令其中将智能反射面反射系数优化问题转化为：

定义和/>满足/>以及rank(V_i)＝1,i＝1,2；

通过SDR算法放缩约束条件rank(V_i)，智能反射面反射系数优化问题最终表示为：

[V_i]_n,n＝1,n＝1,...,M+1,i＝1,2

使用标准优化工具求解智能反射面反射系数优化问题。

8.根据权利要求1所述的无线供电通信网络吞吐量最大化优化方法，其特征在于，通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间，具体包括：

初始化辅助变量、用户功率和时间分配方案；

更新无人机二维悬停位置、用户发射功率和时间分配直到目标函数的增值小于第一预设阈值；

基于优化后的最优无人机二维悬停位置、用户发射功率以及时间分配获得最优智能反射面反射系数；

重复迭代直至目标函数值的增幅小于第二预设阈值；

输出无人机最优二维悬停位置、用户最优发射功率、最优时间分配方案、最优智能反射面反射系数。

9.一种无线供电通信网络吞吐量最大化优化系统，其特征在于，用于实现上述权利要求1-8任一项所述的无线供电通信网络吞吐量最大化优化方法，包括：无线供电通信网络系统构建模块、最大化最小地面用户吞吐量的数学模型构建模块、无人机二维位置优化问题构建模块、优化问题转化模块、智能反射面反射系数优化问题构建模块、迭代优化模块；

所述无线供电通信网络系统构建模块用于在智能反射面辅助下构建基于无人机的无线供电通信网络系统；

所述最大化最小地面用户吞吐量的数学模型构建模块用于在满足能量约束的同时，构建最大化最小地面用户吞吐量的数学模型，包括：无人机二维位置优化问题、功率优化问题和时间优化问题和智能反射面反射系数优化问题；

所述无人机二维位置优化问题构建模块用于构建无人机二维位置优化问题，缩放复合信道增益并引入辅助变量，基于SCA优化算法实现无人机的二维最优布局；

所述优化问题转化模块用于基于优化后的无人机二维位置，将功率优化问题和时间优化问题转化为凸优化问题；

所述智能反射面反射系数优化问题构建模块用于基于优化后的无人机二维位置、用户发射功率和分配时间，通过SDR算法构建智能反射面反射系数优化问题的优化算法；

所述迭代优化模块用于通过迭代优化方法获得最优的无人机二维悬停位置、用户发射功率和分配时间。