CN117253381B - 一种离散符号输入下无人机数据收集设计方法 - Google Patents
一种离散符号输入下无人机数据收集设计方法 Download PDFInfo
- Publication number
- CN117253381B CN117253381B CN202311190173.XA CN202311190173A CN117253381B CN 117253381 B CN117253381 B CN 117253381B CN 202311190173 A CN202311190173 A CN 202311190173A CN 117253381 B CN117253381 B CN 117253381B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- sensor
- optimization problem
- flight
- 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 45
- 238000013480 data collection Methods 0.000 title claims abstract description 26
- 238000013461 design Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 64
- 230000005540 biological transmission Effects 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 125000003275 alpha amino acid group Chemical group 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种离散符号输入下无人机数据收集设计方法，属于无线通信技术领域；本发明设计了无人机(UAV)的轨迹和无人机(UAV)的调度以及传感器数据传输的联合优化问题。为了求解该优化问题，首先根据优化问题隐含的特性，将其等价地转换为更易处理的形式。随后，本发明分析证明并推出在离散符号输入下无人机的轨迹和调度的最优解析表达式。随后证明了无人机(UAV)在离散符号输入的数据收集的可靠性。在此基础上，推导了无人机(UAV)的最优飞行轨迹和无人机(UAV)与传感器通信调度。仿真结果表明，我们发明设计的离散符号输入方案可以显著的体现出系统的实际数据收集性能。
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种离散符号输入下无人机数据收集设计方法。
背景技术
无人机（UAV）因具有高灵活性、低成本、易部署等优点，其已经广泛应用于无线通信领域。随着无人机（UAV）技术的不断完善、UAV制造成本的不断降低以及通信设备小型化，无人机（UAV）辅助的无线通信技术将在未来通信系统中扮演重要角色。无人机（UAV）在无线通信领域中的典型应用主要包括无人机（UAV）作为空中基站(Base Station，BS)、无线中继节点及数据收集器等。无人机（UAV）作为空中基站，可为地面网络未覆盖或弱覆盖区域提供快速可靠的无线覆盖；无人机（UAV）作为无线中继节点，可实现无线覆盖的空间拓展，增强数据传输可靠性；无人机（UAV）作为数据收集器，可利用其动态灵活特性为地面节点提供高效的数据收集服务。
传统的无人机数据收集模型通常是基于高斯输入假设，这种假设描述的是一种理想化状态下的信道容量。然而，在实际中用于传输的信号是借助从标准星座诸如相移键控或正交调幅中提取的离散符号，相比于高斯输入假设下的信道容量，实际传输中使用的离散符号对应着真实的数据传输速率。事实上，高斯输入所对应的信道容量可以看作是离散符号输入所不能达到的传输速率上界。因此，基于离散符号输入的无人机（UAV）数据收集具有重要研究价值。
离散符号，其所对应的是真实数据传输速率。与基于高斯输入假设的优化问题相比，分析和优化离散符号输入问题变得非常复杂，这主要是由于：1）通信速率表达式缺乏封闭形式，导致问题无法直接优化；2）信道矩阵、星座点以及信噪比等多参数耦合的复杂关系导致对优化问题的分析非常困难。通过多指数衰减拟合函数替代非闭合的互信息瞬时信噪比表达式，有效降低了计算复杂度；并且引入辅助变量重构非凸目标函数以及非凸约束，有助于优化问题的求解。
鉴于此，本发明提出一种离散符号输入下无人机数据收集设计方法。
发明内容
本发明的目的在于提供一种离散符号输入下无人机数据收集设计方法以解决背景技术中所提出的问题。
为了实现上述目的，本发明采用了如下技术方案：
一种离散符号输入下无人机数据收集设计方法，具体包括以下步骤：
S1、构建三维系统模型：选取传感器、无人机作为三维系统模型的实体研究对象，使用笛卡尔坐标系表示各实体对象的空间位置信息；
S2、推导传感器上行链路的通信速率：将无人机与传感器建立通信，求出其瞬时信噪比，进而推导拟合出通信速率；
S3、构建优化问题：针对实际离散符号输入的无人机数据收集特性，构建出飞行周期内无人机所收集的总数据量问题；
S4、化简优化问题：对S3中所构建的优化问题进行化简，通过交替优化和连续凸近似策略将其转化为更易于处理的优化问题；
S5、求解优化问题并确定无人机最优三维飞行轨迹：根据S4，将原优化问题划分为两个子问题进行求解，进而计算出无人机收集的最大数据量下的飞行轨迹。
优选地，S1中所述使用笛卡尔坐标系表示传感器和无人机的空间位置信息，具体包括以下内容：
将传感器的水平位置表示为，无人机的水平位置和高度分别表示为和H；传感器到无人机的信道用h si表示；假设h si为视距信道，无人机整个飞行周期为T，将整个飞行周期划分为N个时隙，每个时隙表示为/>。
无人机在第n个时隙时与第i个传感器的距离表示为：
无人机在第n个时隙时与第i个传感器的信道增益表示为：
式中，表示参考距离1 m时的信道功率增益。
优选地，所述S2具体包括以下内容：
在传感器和无人机通信中：定义一个二进制变量，当/>时，表示传感器i在第n个时隙内和无人机通信，否则/>；采用时分多址，在每个时隙内无人机最多和一个传感器进行通信；。
如果传感器i被安排在时隙n进行通信，则选用一个常用的AWGN信道，其中表示参考距离d0=1 m时的信道增益，输出/>表示为：
（1）
式中，x是M-QAM星座符号集中单位功率的传输符号，/>表示高斯白噪声；
假设传感器的发射功率为Pi，不随时间改变，且：
（2）
瞬时信噪比表示为：
（3）
而瞬时信噪比的互信息表示为：
（4）
其中，和/>表示/>中的符号，M为调制阶数；使用基于多指数衰减曲线拟合(M-EDCF)的近似表达式来拟合/>，该近似表达式表示为：
（5）
其中，KM，，/>为拟合之后的系数；
上述拟合通过开源软件包1stOp来完成，在数值拟合过程中，系数{}满足，故/>，/>；
基于上述内容，传感器的传输速率的公式表示为：
（6）
式（6）中，表示第i个传感器在第n个时隙与无人机通信的传输速率。
优选地，在无人机整个飞行周期T内，将无人机从所有分布式传感器接收到的总传输数据定义为：
（7）
式（7）中，Dsen表示无人机接收到的所有分布式传感器的总传输数据；
在传感器与无人机通信中，每个传感器的传输数据大于其感测数据Bi，公式表示为：
（8）
将无人机所接收到的数据作为系统的性能尺度，联合无人机的调度和飞行轨迹的以及传感器的传输数据，以最大化无人机所接收到的总数据Dsen，所构建的优化问题为：
（9）
其中，A和Q分别为无人机与传感器通信调度和无人机飞行轨迹；和为无人机的调度约束；/>为传感器的传输的最小数据约束；/>为无人机在每个周期T结束时返回初始位置；无人机的最大飞行速度为，/>表示无人机在一个时隙内所能移动的最大水平距离，故为无人机的速度约束。
优选地，所述S4具体包括以下内容：
S4.1、基于公式（7），对于给定的无人机轨迹Q，将问题简化为：
（10）
显然这是一个标准的线性问题，可以通过现有的优化工具如(CVX)来解决；
S4.2、基于公式（3），对于给定的无人机调度A，将问题简化为：
（11）
利用连续凸近似技术解决优化问题（11）中q[n]的非凸性问题，引入辅助变量，给定局部点/>，推导瞬时信噪比的一阶泰勒展开式为：
（12）
（13）
S4.3、基于S4.2所述内容，将优化问题（11）转换为一个更易于处理的优化问题：
（14）。
优选地，S5中所述求解优化问题并确定无人机最优三维飞行轨迹，其理论基础为：对于任何可行的高度H，转化后得到的优化问题是一个单变量交替优化问题，将原问题拆分为两个凸子问题，具体包括如下内容：
S5.1、根据传感器的位置，给定一个初始的无人机飞行轨迹，将其带入优化问题（10）中，直接用CVX求解，解出初始轨迹下无人机的调度方案；
S5.2、将S5.1中所求出的无人机调度代入优化问题（14），再次通过CVX求出无人机的飞行轨迹，如此交替迭代，最终通过求出目标函数的最大值，求解出无人机最优的飞行轨迹。
与现有技术相比，本发明提供了一种离散符号输入下无人机数据收集设计方法，具备以下有益效果：
（1）本发明能充分利用变量之间的约束关系，求解复杂度低；
（2）本发明面向实际的离散符号输入通信系统，近似拟合出传感器上行传输速率的表达式，有利于进一步求解优化问题；
（3）本发明提供了一种离散符号输入下无人机数据收集设计方法，利用多个优化变量的具体关系，引入辅助变量，重构非凸目标函数以及非凸约束，然后利用连续凸近似技术以及迭代策略求解优化问题。在此基础上得出无人机的最优飞行轨迹。
附图说明
图1为本发明提出的一种离散符号输入下无人机数据收集设计方法的一个系统示意图；
图2为本发明提出的一种离散符号输入下无人机数据收集设计方法的算法流程示意图；
图3为本发明提出的一种离散符号输入下无人机数据收集设计方法的实施例2中无人机轨迹飞行图；
图4为本发明提出的一种离散符号输入下无人机数据收集设计方法的实施例2中无人机的速度变化图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例1：
请参阅图1-2，一种离散符号输入下无人机数据收集设计方法，具体包括以下步骤：
S1、构建三维系统模型：选取传感器、无人机作为三维系统模型的实体研究对象，使用笛卡尔坐标系表示各实体对象的空间位置信息；
所述使用笛卡尔坐标系表示传感器和无人机的空间位置信息，具体包括以下内容：
将传感器的水平位置表示为，无人机的水平位置和高度分别表示为和H；传感器到无人机的信道用h si表示；假设h si为视距信道，无人机整个飞行周期为T，将整个飞行周期划分为N个时隙，每个时隙表示为/>。
无人机在第n个时隙时与第i个传感器的距离表示为：
无人机在第n个时隙时与第i个传感器的信道增益表示为：
式中，表示参考距离1 m时的信道功率增益；
S2、推导传感器上行链路的通信速率：将无人机与传感器建立通信，求出其瞬时信噪比，进而推导拟合出通信速率；
具体包括以下内容：
在传感器和无人机通信中：定义一个二进制变量，当/>时，表示传感器i在第n个时隙内和无人机通信，否则/>；采用时分多址，在每个时隙内无人机最多和一个传感器进行通信；。
如果传感器i被安排在时隙n进行通信，则选用一个常用的AWGN信道，其中表示参考距离/>时的信道增益，输出/>表示为：
（1）
式中，x是M-QAM星座符号集中单位功率的传输符号，/>表示高斯白噪声；
假设传感器的发射功率为Pi，不随时间改变，且：
（2）
瞬时信噪比表示为：
（3）
而瞬时信噪比的互信息表示为：
（4）
其中，和/>表示/>中的符号，M为调制阶数；使用基于多指数衰减曲线拟合(M-EDCF)的近似表达式来拟合/>，该近似表达式表示为：
（5）
其中，KM，，/>为拟合之后的系数；
上述拟合通过开源软件包1stOp来完成，在数值拟合过程中，系数{}满足，故/>，/>；
基于上述内容，传感器的传输速率的公式表示为：
（6）
式（6）中，表示第i个传感器在第n个时隙与无人机通信的传输速率；
S3、构建优化问题：针对实际离散符号输入的无人机数据收集特性，构建出飞行周期内无人机所收集的总数据量问题；
在无人机整个飞行周期T内，将无人机从所有分布式传感器接收到的总传输数据定义为：
（7）
式（7）中，Dsen表示无人机接收到的所有分布式传感器的总传输数据；
在传感器与无人机通信中，每个传感器的传输数据大于其感测数据Bi，公式表示为：
（8）
将无人机所接收到的数据作为系统的性能尺度，联合无人机的调度和飞行轨迹的以及传感器的传输数据，以最大化无人机所接收到的总数据Dsen，所构建的优化问题为：
（9）
其中，A和Q分别为无人机与传感器通信调度和无人机飞行轨迹；和为无人机的调度约束；/>为传感器的传输的最小数据约束；/>为无人机在每个周期T结束时返回初始位置；无人机的最大飞行速度为，/>表示无人机在一个时隙内所能移动的最大水平距离，故为无人机的速度约束；
S4、化简优化问题：对S3中所构建的优化问题进行化简，通过交替优化和连续凸近似策略将其转化为更易于处理的优化问题；
具体包括以下内容：
S4.1、基于公式（7），对于给定的无人机轨迹Q，将问题简化为：
（10）
显然这是一个标准的线性问题，可以通过现有的优化工具如(CVX)来解决；
S4.2、基于公式（3），对于给定的无人机调度A，将问题简化为：
（11）
利用连续凸近似技术解决优化问题（11）中q[n]的非凸性问题，引入辅助变量，给定局部点/>，推导瞬时信噪比的一阶泰勒展开式为：
（12）
（13）
S4.3、基于S4.2所述内容，将优化问题（11）转换为一个更易于处理的优化问题：
（14）。
S5、求解优化问题并确定无人机最优三维飞行轨迹：根据S4，将原优化问题划分为两个子问题进行求解，进而计算出无人机收集的最大数据量下的飞行轨迹；
所述求解优化问题并确定无人机最优三维飞行轨迹，其理论基础为：对于任何可行的高度H，转化后得到的优化问题是一个单变量交替优化问题，将原问题拆分为两个凸子问题，具体包括如下内容：
S5.1、根据传感器的位置，给定一个初始的无人机飞行轨迹，将其带入优化问题（10）中，直接用CVX求解，解出初始轨迹下无人机的调度方案；
S5.2、将S5.1中所求出的无人机调度代入优化问题（14），再次通过CVX求出无人机的飞行轨迹，如此交替迭代，最终通过求出目标函数的最大值，求解出无人机最优的飞行轨迹。
实施例2：
基于实施例1但有所不同之处在于，为表明上述推导结果的正确性和有效性，进一步通过仿真验证提出的无线传感器网络中无人机数据收集算法的优势。具体仿真参数设置如下：
传感器与无人机通信为单天线设置，六个传感器随机分布在一个方形场地内，场地边长为1500 m。无人机飞行高度H=100 m，飞行周期T=120 s，传感器的发射功率Pi=0.1W，无人机的最大飞行速度Vmax=50 m/s，参考距离d0=1 m时的信道增益ρ 0=-30 dB，假设接收机噪声功率：σ 2=-110 dBm，算法迭代终止条件ε=0.0001。
仿真采用的为M-QAM调制，其中调制阶数为M=4，且经过近似拟合后瞬时信噪比互信息的部分系数如下：KM=3，，/>，。
图3对比了各传感器的感测数据下界分别为Bi=30 bit/Hz，Bi=50 bit/Hz和Bi=70bit/Hz时无人机的飞行轨迹。从结果我们可以看到随着Bi的增加，无人机的轨迹更倾向于从边缘传感器向中心靠拢，这是由于每个传感器所要发送的数据逐渐增多，所以无人机需要在传感器附近多做停留接受数据。
图4显示的为Bi=70 bit/Hz时，无人机的飞行速度变化图，当无人机飞到用户附近时，速度逐渐降低，如t=40 s，t=120 s，而对于其它时间无人机则以最大速度飞行，以便在最短的时间内尽可能的接近每个用户，以获得较短的路径损失。
综上所述，本发明所提出的一种离散符号输入下无人机数据收集设计方法能充分利用变量之间的约束关系，求解复杂度低；面向实际的离散符号输入通信系统，成功近似拟合出传感器上行传输速率的表达式，有利于进一步求解优化问题；更重要之处在于提供了一种无线传感器网络中无人机数据收集的设计方法，利用多个优化变量的具体关系，引入辅助变量，重构非凸目标函数以及非凸约束，然后利用连续凸近似技术以及迭代策略求解优化问题。在此基础上得出无人机的最优飞行轨迹。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种离散符号输入下无人机数据收集设计方法，其特征在于，具体包括以下步骤：
S1、构建三维系统模型：选取传感器、无人机作为三维系统模型的实体研究对象，使用笛卡尔坐标系表示各实体对象的空间位置信息；具体包括以下内容：
将传感器的水平位置表示为wi＝[xi,yi]T，无人机的水平位置和高度分别表示为q(t)＝[x(t),y(t)]T和H；传感器到无人机的信道用hsi表示；假设hsi为视距信道，无人机整个飞行周期为T，将整个飞行周期划分为N个时隙，每个时隙表示为
无人机在第n个时隙时与第i个传感器的距离di[n]表示为：
无人机在第n个时隙时与第i个传感器的信道增益|hi[n]|表示为：
式中，ρ0表示参考距离1m时的信道功率增益；
S2、推导传感器上行链路的通信速率：将无人机与传感器建立通信，求出其瞬时信噪比，进而推导拟合出通信速率；具体包括以下内容：
在传感器和无人机通信中：定义一个二进制变量αi[n]，当αi[n]＝1时，表示传感器i在第n个时隙内和无人机通信，否则αi[n]＝0；采用时分多址，在每个时隙内无人机最多和一个传感器进行通信；
如果传感器i被安排在时隙n进行通信，则选用一个常用的AWGN信道，其中ρ0表示参考距离d0＝1m时的信道增益，输出y表示为：
y＝ρ0x+n (1)
式中，x是M-QAM星座符号集χ中单位功率的传输符号，表示高斯白噪声；
假设传感器的发射功率为Pi，不随时间改变，且：
瞬时信噪比γi[n]表示为：
而瞬时信噪比的互信息IM(γi[n])表示为：
其中，xj和xs表示χ中的符号，M为调制阶数；使用基于多指数衰减曲线拟合的近似表达式来拟合IM(γi[n])，该近似表达式表示为：
其中，KM，为拟合之后的系数；
上述拟合通过开源软件包1stOp来完成，在数值拟合过程中，系数满足故/>
基于上述内容，传感器的传输速率的公式表示为：
式(6)中，Ri[n]表示第i个传感器在第n个时隙与无人机通信的传输速率
S3、构建优化问题：针对实际离散符号输入的无人机数据收集特性，构建出飞行周期内无人机所收集的总数据量问题；具体包括以下内容：
在无人机整个飞行周期T内，将无人机从所有分布式传感器接收到的总传输数据定义为：
式(7)中，Dsen表示无人机接收到的所有分布式传感器的总传输数据；
在传感器与无人机通信中，每个传感器的传输数据大于其感测数据Bi，公式表示为：
将无人机所接收到的数据作为系统的性能尺度，联合无人机的调度和飞行轨迹的以及传感器的传输数据，以最大化无人机所接收到的总数据Dsen，所构建的优化问题为：
其中，A和Q分别为无人机与传感器通信调度和无人机飞行轨迹；和为无人机的调度约束；/>为传感器的传输的最小数据约束；q[1]＝q[N]为无人机在每个周期T结束时返回初始位置；无人机的最大飞行速度为Vmax，Smax＝VmaxΔt表示无人机在一个时隙内所能移动的最大水平距离，故为无人机的速度约束；
S4、化简优化问题：对S3中所构建的优化问题进行化简，通过交替优化和连续凸近似策略将其转化为更易于处理的优化问题；具体包括以下内容：
S4.1、基于公式(7)，对于给定的无人机轨迹Q，将问题简化为：
S4.2、基于公式(3)，对于给定的无人机调度A，将问题简化为：
利用连续凸近似技术解决优化问题(11)中q[n]的非凸性问题，引入辅助变量ηi[n]，给定局部点推导瞬时信噪比的一阶泰勒展开式为：
S4.3、基于S4.2所述内容，将优化问题(11)转换为一个更易于处理的优化问题：
S5、求解优化问题并确定无人机最优三维飞行轨迹：根据S4，将原优化问题划分为两个子问题进行求解，进而计算出无人机收集的最大数据量下的飞行轨迹；
所述求解优化问题并确定无人机最优三维飞行轨迹，其理论基础为：对于任何可行的高度H，转化后得到的优化问题是一个单变量交替优化问题，将原问题拆分为两个凸子问题，具体包括如下内容：
S5.1、根据传感器的位置，给定一个初始的无人机飞行轨迹，将其带入优化问题(10)中，直接用CVX求解，解出初始轨迹下无人机的调度方案；
S5.2、将S5.1中所求出的无人机调度代入优化问题(14)，再次通过CVX求出无人机的飞行轨迹，如此交替迭代，最终通过求出目标函数的最大值，求解出无人机最优的飞行轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311190173.XA CN117253381B (zh) | 2023-09-14 | 2023-09-14 | 一种离散符号输入下无人机数据收集设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311190173.XA CN117253381B (zh) | 2023-09-14 | 2023-09-14 | 一种离散符号输入下无人机数据收集设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117253381A CN117253381A (zh) | 2023-12-19 |
| CN117253381B true CN117253381B (zh) | 2024-04-12 |
Family
ID=89132411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311190173.XA Active CN117253381B (zh) | 2023-09-14 | 2023-09-14 | 一种离散符号输入下无人机数据收集设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117253381B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112911534A (zh) * | 2021-01-29 | 2021-06-04 | 大连理工大学 | 高能效无人机绿色数据采集系统设计方法 |
| CN113489531A (zh) * | 2021-08-13 | 2021-10-08 | 华侨大学 | 一种功率和三维轨迹联合优化的无人机协作通信方法 |
| CN115334543A (zh) * | 2022-07-25 | 2022-11-11 | 武汉理工大学 | 一种基于多无人机的数据收集模型优化方法 |
| CN115379393A (zh) * | 2022-07-25 | 2022-11-22 | 南京航空航天大学 | 一种面向干扰协调的全双工中继无人机能效优化方法 |
| WO2023109108A1 (zh) * | 2021-12-16 | 2023-06-22 | 中国矿业大学 | 基于全双工中继的uav空中计算系统及轨迹和功率优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114690799A (zh) * | 2022-01-24 | 2022-07-01 | 东莞理工学院 | 基于信息年龄的空天地一体化无人机物联网数据采集方法 |
-
2023
- 2023-09-14 CN CN202311190173.XA patent/CN117253381B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112911534A (zh) * | 2021-01-29 | 2021-06-04 | 大连理工大学 | 高能效无人机绿色数据采集系统设计方法 |
| CN113489531A (zh) * | 2021-08-13 | 2021-10-08 | 华侨大学 | 一种功率和三维轨迹联合优化的无人机协作通信方法 |
| WO2023109108A1 (zh) * | 2021-12-16 | 2023-06-22 | 中国矿业大学 | 基于全双工中继的uav空中计算系统及轨迹和功率优化方法 |
| CN115334543A (zh) * | 2022-07-25 | 2022-11-11 | 武汉理工大学 | 一种基于多无人机的数据收集模型优化方法 |
| CN115379393A (zh) * | 2022-07-25 | 2022-11-22 | 南京航空航天大学 | 一种面向干扰协调的全双工中继无人机能效优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 无人机空对地通信中的联合轨迹优化和功率控制;万俊 等;现代电子技术;20200901(17);第6-10，15页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117253381A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gong et al. | Flight time minimization of UAV for data collection over wireless sensor networks | |
| Zhang et al. | Age of information in a cellular internet of UAVs: Sensing and communication trade-off design | |
| Esrafilian et al. | Learning to communicate in UAV-aided wireless networks: Map-based approaches | |
| CN110730031B (zh) | 一种用于多载波通信的无人机轨迹与资源分配联合优化方法 | |
| CN108123772B (zh) | 一种基于梯度投影法的无人机时频资源分配方法 | |
| 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 | |
| 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 | |
| CN112468205B (zh) | 一种适用于无人机的反向散射安全通信方法 | |
| CN101895494B (zh) | 基于随机共振预处理的数字调制方式自动识别方法 | |
| CN101707494B (zh) | 一种适用于无人机下行数据链通信的信号到达检测方法 | |
| CN112911537A (zh) | 一种多无人机信息采集系统任务时间最小化的方法 | |
| CN114885340B (zh) | 一种基于深度迁移学习的超密集无线网络功率分配方法 | |
| CN111182469B (zh) | 一种能量收集网络时间分配及无人机轨迹优化方法 | |
| CN117253381B (zh) | 一种离散符号输入下无人机数据收集设计方法 | |
| Mason et al. | Remote tracking of UAV swarms via 3D mobility models and LoRaWAN communications | |
| Olama et al. | Stochastic differential equations for modeling, estimation and identification of mobile-to-mobile communication channels | |
| CN113552898A (zh) | 一种非确定干扰环境下的无人机鲁棒轨迹规划方法 | |
| CN117240343A (zh) | 一种感知通信一体化无人机辅助移动车辆的方法 | |
| CN116709249A (zh) | 一种关于车联网中边缘计算的管理方法 | |
| CN101001218A (zh) | 一种新的无线通信系统信道估计盲方法 | |
| CN114759971B (zh) | 一种高功效上行异步noma无人机通信网络中断性能分析方法 | |
| CN113747397B (zh) | 一种无人机辅助行进车辆通信系统优化方法 | |
| CN117241300B (zh) | 一种无人机辅助的通感算网络融合方法 | |
| CN114302373B (zh) | 一种基于计算可靠性的v2v通信中的卸载决策和功率分配方法 | |
| CN115580845A (zh) | 一种基于深度强化学习的无人机三维轨迹规划方法及系统 |
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 |