CN117202237B - 针对无人机的基站天线位置和上倾角的优化方法及系统 - Google Patents

Abstract

本发明提供了一种针对无人机的基站天线位置和上倾角的优化方法及系统，涉及无人机的技术领域，该方法包括获取预设场景内所有用户接收信号的强度信息；基于强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；结合梯度下降法和遗传算法对天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案，解决了成本高的技术问题，达到了所有用户的平均接收信号强度与低设置成本间的平衡，以及在较短的计算时间内，获得性能更加的优化方案的技术效果。

Description

针对无人机的基站天线位置和上倾角的优化方法及系统

技术领域

本发明涉及无人机技术领域，尤其涉及一种针对无人机的基站天线位置和上倾角的优化方法及系统。

背景技术

无人机在现代社会中的应用越来越广泛。例如，在农业领域，无人机可以用于监测作物生长情况、检测土壤质量、喷洒农药等；在建筑领域，无人机可以用于检查建筑物外墙、测量建筑物高度等；在电力领域，无人机可以用于巡检输电线路、检查电力设备等；在交通领域，无人机可以用于监测交通拥堵情况、检查道路状况等。蜂窝基站为无人机和地面用户提供无线覆盖，在使用场景下，应合理设置天线的位置，以便提高信号强度和覆盖范围，实现应急通信和偏远地区的网络接入，同时满足无人机与地面用户的通信质量要求。

现有技术中，随着城市人口密度、环境、社会发展需要优化网络等因素的变化，需要对天线上倾角进行及时的检测，看是否需要调整其角度。随着网络建设的逐步完善，天线上倾角在后期网络优化中可能需要进行优化调整。此时获取天线上倾角信息对于网络优化人员而言往往比较困难，而目前，传统的测量方法需要专业塔工上塔测量，如果使用传统方法，一旦遇到网络优化之后的天线上倾角与优化前一样，既耗费人力又耗费时间，同时还难以保障安全性。

发明内容

本发明的目的在于提供一种针对无人机的基站天线位置和上倾角的优化方法及系统，以减少了现有技术中存在的成本高的技术问题。

第一方面，本发明提供一种针对无人机的基站天线位置和上倾角的优化方法，包括：

获取预设场景内所有用户接收信号的强度信息；

基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；

结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

在可选的实施方式中，所述获取预设场景内所有用户接收信号的强度信息，包括：

根据预设场景内多个天线的位置和上倾角，以及无人机与地面用户的分布位置，计算用户接收信号强度。

在可选的实施方式中，计算所述用户接收信号强度，包括：

计算每个用户在所述预设场景内每个天线位置处的接收信号的强度信息。

在可选的实施方式中，基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型，包括：

利用混合整数非线性规划算法，满足接收信号最小强度约束、基站设置总成本和平均接收信号强度的加权最小化为目标，构建天线位置和上倾角的设置模型。

在可选的实施方式中，所述接收信号最小强度约束，包括：

无人机接收信号最小强度约束和地面用户接收信号最小强度约束。

在可选的实施方式中，所述平均接收信号强度，包括：

基于地面用户接收信号最小强度约束，计算所述预设场景内所有用户的平均接收信号强度。

在可选的实施方式中，所述得到最优的天线位置和上倾角的设置方案，包括：

利用遗传算法求解最优的天线位置设置方案；

利用梯度下降法求解天线位置设置下的最优上倾角方案。

第二方面，本发明提供一种针对无人机的基站天线位置和上倾角的优化系统，包括：

获取数据模块，用于获取预设场景内所有用户接收信号的强度信息；

构建模型模块，用于基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；

求解模型模块，用于结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如前述实施方式任一项所述针对无人机的基站天线位置和上倾角的优化方法的步骤。

第四方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如前述实施方式任一项所述针对无人机的基站天线位置和上倾角的优化方法的步骤。

本发明提供的一种针对无人机的基站天线位置和上倾角的优化方法及系统，该方法针对使用多个具有上倾天线的蜂窝基站对固定飞行走廊中的无人机与多个地面用户提供无线覆盖的场景，利用混合整数非线性规划算法，以满足接收信号最小强度约束下基站设置总成本与平均接收信号强度的加权最小化的设置模型，并基于梯度下降法和遗传算法对模型进行求解，得到最优的天线位置与上倾角设置方案，从而实现所有用户的平均接受信号强度与低设置成本间的平衡，以及在较少计算时间的条件下，能够得到性能更好的方案。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。

图1为本发明实施例提供的预设场景结构示意图；

图2为本发明实施例提供的针对无人机的基站天线位置和上倾角的优化方法的流程示意图；

图3为本发明实施例提供的任务场景结构示意图；

图4为本发明实施例提供的最优天线位置和上倾角设置的方案结构示意图；

图5为本发明实施例提供的针对无人机的基站天线位置和上倾角的优化系统结构示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

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。

下面结合图1-图4描述本发明的一种针对无人机的基站天线位置和上倾角的优化方法。

S1、获取预设场景内所有用户接收信号的强度信息。

在步骤S1中，根据预设场景内多个天线的位置和上倾角，以及无人机与地面用户的分布位置，计算每个用户在所述预设场景内每个天线位置处的接收信号的强度信息。

如图3所示，优选的，本申请的预设场景内包括多个具有上倾角天线的蜂窝基站、在固定飞行走廊中的无人机以及多个地面用户，其中，基站天线设置备选点由图3中的11个正方形所示，正方形中标识了备选点的序号。

在一种实施方式中，在预设场景内给定多个天线位置与上倾角，以及获取多个天线的位置和预设场景内无人机与地面用户的分布情况，基于上述信息，获取预设场景内所有用户接收信号的强度信息，包括以下步骤：

1、将基站天线设置备选点排序后构成备选点序号集：

Ω＝{1,2,...,N}

式中，Ω表示N个备选点的序号构成的集合；

2、基站天线高度集合：

H_B＝{h_1,B,...,h_i,B,...,h_N,B}

式中，H_B表示N个备选点中天线的高度构成的集合，其中h_i,B表示第i个备选点中天线的高度，本申请中，所有的h_i,B均为25；

3、将无人机走廊排序后构成走廊序号集：

U＝{1,2,...,M}

式中，U表示M个无人机走廊的序号构成的集合，在本申请中，M＝2，无人机走廊由图3中的2条虚线所示；

4、无人机走廊中无人机飞行高度集：

H_U＝{h_1,U,...,h_j,U,...,h_M,U}

式中，H_U表示M个无人机走廊无人机飞行高度构成的集合，其中h_j,U表示第j个无人机走廊中无人机的飞行高度，在本申请中，h_1,U＝150，h_2,U＝180；

5、无人机走廊二维平面投影集：

S_U＝{S_1,U,...,S_j,U,...,S_M,U}

式中，S_U表示M个无人机走廊的二维平面投影构成的集合，其中S_j,U表示第j个无人机走廊的二维平面投影，在本申请中，S_1,U和S_2,U由图3中的2个虚线长方形所示，两个长方形的长和宽均为15和200，虚线长方形中标识了二维平面投影的序号；

6、无人机走廊随机分布密度函数集：

λ_U＝{λ_1,U,...,λ_j,U,...,λ_M,U}

式中，λ_U表示M个无人机走廊的随机分布密度函数构成的集合，其中λ_j,U表示第j个无人机走廊的随机分布密度函数；

7、用S_G表示地面用户分布的二维区域，在本申请中，地面用户分布的二维区域由图3中的实线正方形所示，正方形的边长为500；

8、用h_max,G和h_min,G分别表示地面用户的最大和最小高度，在本申请中，h_max,G＝2，h_min,G＝1；

9、用λ_G表示地面用户的随机分布密度函数，在本申请中，所有地面用户均在整个二维区域中为均匀分布；

10、计算任意用户q与任意天线i之间的垂直夹角：

式中，θ_i,q表示任意用户q与任意天线i之间的垂直夹角，其中，h_q表示用户q的高度，q表示用户，p_q＝(p_q,x,p_q,y,p_q,z)表示用户q的三维坐标，||·||为二阶范数；

11、计算任意用户q与任意天线i之间的水平夹角：

式中，φ_i,q表示任意用户q与任意天线i之间的水平夹角，其中，p_q,x和p_q,y分别表示用户q的x轴与y轴坐标，p_i,x和p_i,y分别表示天线i的x轴与y轴坐标，整数e使得-180°≤φ_i,q-φ_i≤180°，φ_i为天线i的水平方向的角度，在本申请中，φ₁＝φ₂＝φ₃＝0，φ₄＝φ₅＝φ₆＝φ₇＝120，φ₈＝φ₉＝φ₁₀＝φ₁₁＝240；

12、计算任意用户q在任意天线i处的垂直增益：

式中，表示用户q在天线i处的垂直增益，其中，θ_3dB为天线的垂直半功率波束宽度，θ_i为天线i的垂直方向，在本申请中，θ_3dB＝10；

13、计算任意用户q在任意天线i处的水平增益：

式中，表示用户q在天线i处的水平天线增益，其中，φ_3dB为天线的水平半功率波束宽度；

14、计算任意用户q在任意天线i处的总增益：

式中，A_i,q表示用户q在天线i处的总增益，其中，A_max为天线在主轴方向上的最大增益，在本申请中，A_max＝14；

15、计算任意用户q在任意天线i处的路径损耗：

式中，L_i,q表示用户q在天线i处的路径损耗，其中，a_q和b_q为两个参数，在本申请中，a_q＝36，b_q＝26；

16、计算任意用户q在任意天线i处的接收信号强度：

RSS_i,q＝ρ_i+A_i,q-L_i,q

式中，RSS_i,q表示用户q在天线i处的接收信号强度，其中，ρ_i为天线i的发射功率，在本申请中，所有ρ_i均为43。

S2、基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型。

利用混合整数非线性规划算法，满足接收信号最小强度约束、基站设置总成本和平均接收信号强度的加权最小化为目标，构建天线位置和上倾角的设置模型。

优选的，接收信号最小强度约束包括无人机接收信号最小强度约束和地面用户接收信号最小强度约束。

优选的，基于地面用户接收信号最小强度约束，计算预设场景内所有用户的平均接收信号强度。

具体地，构建天线位置和上倾角的设置模型，包括以下过程：

1、备选点是否设置天线基站的决策变量取值范围约束：

x_i∈{0,1},1≤i≤N

式中，x_i表征第i个备选点是否设置天线基站的决策变量，当x_i＝1时表示设置基站，当x_i＝0时表示不设置基站；

2、定义所有设置天线基站的备选点集合：

Ω＝{i|x_i＝1,1≤i≤N}＝{i₁,...,i_k,...,i_|Ω|}

式中，i₁、...、i_k、...、i_|Ω|为按照序号从小到大的顺序排列，对任意集合S，|S|表示集合元素个数；

3、定义用户q的最大接收信号强度的天线：

式中，f(q)为用户q的最大接收信号强度的天线，表示在Ω的范围内使得F(x)达到最大值的那个x的取值。如，/>

4、定义天线i的覆盖范围：

S_i＝{q|f(q)＝i}

式中，S_i为天线i的覆盖范围；

5、定义用户q的真实接收信号强度：

RSS_q＝RSS_f(q),q

式中，RSS_q为用户q的真实接收信号强度；

6、天线i天线上倾角决策变量的取值范围约束；

θ_i∈[-90°,90°]

7、无人机接收信号最小强度约束：

RSS_q≥RSS_U

式中，RSS_U 为无人机接收信号强度下限；

8、地面用户接收信号最小强度约束：

RSS_q≥RSS_G

式中，RSS_G 为地面用户接收信号强度下限；

9、定义用户q的随机分布密度函数：

λ(q)＝αλ_U+(1-α)λ_G

式中，λ(q)表示用户q的随机分布密度函数，α表示混合系数，λ_U表示无人机走廊的随机分布密度函数，λ_G表示地面用户的随机分布密度函数，在本申请中，α＝0.5；

10、计算所有用户的平均接收信号强度：

式中，RSS表示所有用户的平均接收信号强度；

11、计算所有天线的设置总成本：

式中，C表示所有天线的设置总成本，c_i为备选点i处设置天线的成本，x_i表征第i个备选点是否设置天线基站的决策变量，在本申请中，所有均为50万元；

12、以基站设置总成本与平均接收信号强度的加权最小化为目标函数：

min W＝-RSS+β×C

式中，β为权重系数，在本申请中，β＝0.2。

S3、结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

使用两层循环求解最优的天线位置和上倾角的设置模型，其中外循环利用遗传算法求解最优的天线位置设置方案，内循环利用梯度下降法求解天线位置设置下的最优上倾角方案。

优选的，结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，具体包括如下过程：

1、遗传算法使用0-1编码；

2、天线设置方案的编码为：

[x₁,x₂,...,x_N]

3、随机生成Q个天线设置方案的编码做为初始种群；

4、对于每一个天线设置方案，都令上倾角的初始值为0；

5、对于每一个天线设置方案，计算目标函数对上倾角的梯度

6、根据学习率η更新上倾角，即在本申请中，η＝0.005；

优选的，更新上倾角，具体包括：

61、使用上述步骤5，求出了天线i处的梯度

62、将所有梯度排在一起，构成向量即/>

63、将原来的上倾角向量θ＝(θ₁,θ₂,...,θ_N)变成向量即完成了上倾角的更新；

7、当迭代时目标函数的相对差距小于ε时，停止内循环，并输出此时的目标函数值W和上倾角方案θ，在本申请中，ε＝10^-7；

8、对于每一个天线设置方案，以做为适应度；

9、使用指数排序选择法选择当前种群中的个体进行复制；

10、将选择-复制操作生成的个体进行随机配对；

11、以变异概率γ执行变异操作，在本申请中，γ＝0.4；

12、以此迭代，直到迭代至25，输出此时适应度最大的编码，解码后得到最优天线位置和上倾角设置方案，在本申请中，如图4所示，可求得x₁＝x₄＝x₅＝x₈＝x₁₁＝1，x₂＝x₃＝x₆＝x₇＝x₉＝x₁₀＝10，设置天线的备选点处的上倾角由实心正方形旁的数字表示。

本发明提出针对使用多个具有上倾天线的蜂窝基站对固定飞行走廊中的无人机与多个地面用户提供无线覆盖的场景，利用混合整数非线性规划模型建模，求解在满足接收信号最小强度约束下基站设置总成本与平均接收信号强度的加权最小化的天线设置与上倾角优化方案。在蜂窝基站使用上倾天线对广泛分布的地面用户和在多个空中走廊中飞行的无人机同时提供无线覆盖的情形下，建立了基站天线设置与上倾角的优化模型，从而能实现所有用户的平均接受信号强度与低设置成本间的平衡；且能在充分缩短计算时间的条件下，获得性能足够好的优化方案。

下面结合图5描述本发明的一种针对无人机的基站天线位置和上倾角的优化系统，包括：

获取数据模块，用于获取预设场景内所有用户接收信号的强度信息；

构建模型模块，用于基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；

求解模型模块，用于结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

在一种实施方式中，获取数据模块根据预设场景内多个天线的位置和上倾角，以及无人机与地面用户的分布位置，计算所述用户接收信号强度。

在一种实施方式中，获取数据模块计算每个用户在所述预设场景内每个天线位置处的接收信号的强度信息。

在一种实施方式中，构建模型模块利用混合整数非线性规划算法，满足接收信号最小强度约束、基站设置总成本和平均接收信号强度的加权最小化为目标，构建天线位置和上倾角的设置模型。

在一种实施方式中，接收信号最小强度约束包括无人机接收信号最小强度约束和地面用户接收信号最小强度约束。

在一种实施方式中，构建模型模块基于地面用户接收信号最小强度约束，计算所述预设场景内所有用户的平均接收信号强度。

在一种实施方式中，求解模型模块利用遗传算法求解最优的天线位置设置方案；

利用梯度下降法求解天线位置设置下的最优上倾角方案。

图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行针对无人机的基站天线位置和上倾角的优化方法，该方法包括：获取预设场景内所有用户接收信号的强度信息；基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行针对无人机的基站天线位置和上倾角的优化方法，该方法包括：获取预设场景内所有用户接收信号的强度信息；基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行针对无人机的基站天线位置和上倾角的优化方法，该方法包括：获取预设场景内所有用户接收信号的强度信息；基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型；结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种针对无人机的基站天线位置和上倾角的优化方法，其特征在于，包括：

获取预设场景内所有用户接收信号的强度信息；

基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型，其中，利用混合整数非线性规划算法，满足接收信号最小强度约束、基站设置总成本和平均接收信号强度的加权最小化为目标，构建天线位置和上倾角的设置模型，所述天线位置和上倾角的设置模型数学表达式为：

min W＝-RSS+β×C

式中，minW为最小目标函数，RSS为所有用户的平均接收信号强度，β为权重系数，C为所有天线的设置总成本，其中，式中，N表征N个基站天线设置备选点，c_i为备选点i处设置天线的成本，x_i表征第i个备选点是否设置天线基站的决策变量；

结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

2.根据权利要求1所述的针对无人机的基站天线位置和上倾角的优化方法，其特征在于，所述获取预设场景内所有用户接收信号的强度信息，包括：

根据预设场景内多个天线的位置和上倾角，以及无人机与地面用户的分布位置，计算用户接收信号强度。

3.根据权利要求2所述的针对无人机的基站天线位置和上倾角的优化方法，其特征在于，计算所述用户接收信号强度，包括：

计算每个用户在所述预设场景内每个天线位置处的接收信号的强度信息。

4.根据权利要求1所述的针对无人机的基站天线位置和上倾角的优化方法，其特征在于，所述接收信号最小强度约束，包括：

无人机接收信号最小强度约束和地面用户接收信号最小强度约束。

5.根据权利要求4所述的针对无人机的基站天线位置和上倾角的优化方法，其特征在于，所述平均接收信号强度，包括：

基于地面用户接收信号最小强度约束，计算所述预设场景内所有用户的平均接收信号强度。

6.根据权利要求1所述的针对无人机的基站天线位置和上倾角的优化方法，其特征在于，所述得到最优的天线位置和上倾角的设置方案，包括：

利用遗传算法求解最优的天线位置设置方案；

利用梯度下降法求解天线位置设置下的最优上倾角方案。

7.一种针对无人机的基站天线位置和上倾角的优化系统，其特征在于，包括：

获取数据模块，用于获取预设场景内所有用户接收信号的强度信息；

构建模型模块，用于基于所述强度信息，以接收最小强度信号为目标构建天线位置和上倾角的设置模型，其中，利用混合整数非线性规划算法，满足接收信号最小强度约束、基站设置总成本和平均接收信号强度的加权最小化为目标，构建天线位置和上倾角的设置模型，所述天线位置和上倾角的设置模型数学表达式为：

min W＝-RSS+β×C

式中，minW为最小目标函数，RSS为所有用户的平均接收信号强度，β为权重系数，C为所有天线的设置总成本，其中，式中，N表征N个基站天线设置备选点，c_i为备选点i处设置天线的成本，x_i表征第i个备选点是否设置天线基站的决策变量；

求解模型模块，用于结合梯度下降法和遗传算法对所述天线位置和上倾角的设置模型进行求解，得到最优的天线位置和上倾角的设置方案。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述针对无人机的基站天线位置和上倾角的优化方法的步骤。

9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述针对无人机的基站天线位置和上倾角的优化方法的步骤。