CN117880817A - 无人机轨迹与波束成形向量确定方法、装置和电子设备 - Google Patents
无人机轨迹与波束成形向量确定方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117880817A CN117880817A CN202410270218.2A CN202410270218A CN117880817A CN 117880817 A CN117880817 A CN 117880817A CN 202410270218 A CN202410270218 A CN 202410270218A CN 117880817 A CN117880817 A CN 117880817A
- Authority
- CN
- China
- Prior art keywords
- flight
- base station
- flying
- objective function
- signal
- 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
Links
- 239000013598 vector Substances 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004891 communication Methods 0.000 claims abstract description 97
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 230000006870 function Effects 0.000 claims description 86
- 230000008447 perception Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000005562 fading Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229940049705 immune stimulating antibody conjugate Drugs 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了一种无人机轨迹与波束成形向量确定方法、装置和电子设备。具体实现方案为：以通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；以在飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；对飞行基站的飞行轨迹，执行以下迭代操作：基于上一次迭代的飞行轨迹，对第一目标函数进行求解，得到本次迭代的相关矩阵，并基于本次迭代的相关矩阵，对第二目标函数进行求解，得到本次迭代的飞行轨迹；在本次迭代的飞行轨迹满足设定条件的情况下，基于本次迭代的飞行轨迹，确定飞行基站的目标飞行轨迹。采用本公开的技术方案，可以使飞行基站的平均隐蔽通信速率最大化。
Description
技术领域
本公开涉及通信与计算机技术领域。本公开具体涉及一种无人机轨迹与波束成形向量确定方法、装置、电子设备和存储介质。
背景技术
未来通信系统可以在同一个系统中实现通感一体化（Integrated Sensing andCommunication，ISAC）， 使通信与感知功能相辅相成。通信与感知系统能够互惠互利。例如，车联网场景中，利用感知辅助通信，利用雷达回波做跟踪等，从而获得一体化系统的“协作增益”。其中，感知功能将作为一种基本的服务，赋能未来网络以及各种新兴应用。另一方面， 隐蔽通信（Covert Communication），也称作低检测概率（Low Probability ofDetection，LPD）通信可以实现通信双方的隐藏信息传输，防止通信信号被恶意窃听者发现，即信号隐蔽，如果恶意用户无法确认信号的存在，则难以实施进一步的窃听行为。在一些特定应用场景中，通感一体化网络在满足隐蔽通信及感知能力的约束条件下，如何提升网络的通信传输能力，成为亟待解决的技术难题。
发明内容
本公开提供了一种无人机轨迹与波束成形向量确定方法、装置、电子设备和存储介质，能够解决上述问题。
根据本公开的一方面，提供了一种无人机轨迹与波束成形向量确定方法，包括：
在保持无人机飞行基站的飞行轨迹不变的情况下，基于窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述通信信号在信道子空间上的投影的约束条件，所述相关矩阵的约束条件，以及以所述通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；
在保持所述波束成形向量不变的情况下，基于所述通信信号在信道子空间上的投影的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件，所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；
对所述飞行基站的初始飞行轨迹作为第一次迭代的所述飞行轨迹，执行以下迭代操作：基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，并基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹；
在本次迭代的所述飞行轨迹满足设定条件的情况下，停止所述迭代操作，并基于本次迭代的所述飞行轨迹，确定所述飞行基站的目标飞行轨迹，以及基于本次迭代的所述相关矩阵，确定所述感知信号和所述通信信号对应的目标波束成形向量。
根据本公开的另一方面，提供了一种无人机轨迹与波束成形向量确定装置，包括：
第一函数构建模块，用于在保持无人机飞行基站的飞行轨迹不变的情况下，基于窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述通信信号在信道子空间上的投影的约束条件，所述相关矩阵的约束条件，以及以所述通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；
第二函数构建模块，用于在保持所述波束成形向量不变的情况下，基于所述通信信号在信道子空间上的投影的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件，所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；
函数求解模块，用于对所述飞行基站的初始飞行轨迹作为第一次迭代的所述飞行轨迹，执行以下迭代操作：基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，并基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹；
目标轨迹确定模块，用于在本次迭代的所述飞行轨迹满足设定条件的情况下，停止所述迭代操作，并基于本次迭代的所述飞行轨迹，确定所述飞行基站的目标飞行轨迹，以及基于本次迭代的所述相关矩阵，确定所述感知信号和所述通信信号对应的目标波束成形向量。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器，以及与该至少一个处理器通信连接的存储器；
其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一基站飞行轨迹规划方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行本公开实施例中任一基站飞行轨迹规划方法。
根据本公开的技术，对无人机飞行基站的飞行轨迹与窃听节点针对无人机飞行基站进行窃听的感知信号和通信信号对应的波束成形向量进行联合优化，使无人机飞行基站的平均隐蔽通信速率最大化，有效提升通感一体化网络的隐蔽通信传输能力。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开一实施例的通信场景图；
图2是本公开一实施例的无人机轨迹与波束成形向量确定方法的流程图；
图3是本公开另一实施例的无人机轨迹与波束成形向量确定方法的流程图；
图4是本公开一实施例的无人机轨迹与波束成形向量确定装置的结构框图；
图5是本公开一实施例的无人机轨迹与波束成形向量确定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是本公开一实施例的通信场景图。
如图1所示，其示出了通感一体化（Integrated Sensing and Communication，ISAC）网络中的隐蔽通信系统的一个示例。该系统中包括一个UAV基站（例如其可以是无人机装载的飞行基站），一个合法地面用户Bob，一个窃听节点Willie及包含K个地面用户的特定感知区域（Sensing area）。假设UAV基站配置M个天线，且各个天线单元以平行Z轴方向均匀线性分布，天线阵元距离为d；其他各节点均为单天线配置。UAV基站的飞行高度固定为H，并从初始位置飞行到终点位置/>。在飞行过程中，UAV基站一方面为地面用户Bob提供无线通信传输服务，另一方面为感知区域提供传感服务，同时还需要满足针对窃听节点Willie的隐蔽通信要求。
图2是本公开一实施例的无人机轨迹与波束成形向量确定方法的流程图。
如图2所示，该无人机轨迹与波束成形向量确定方法，可以包括：
S210，在保持无人机飞行基站的飞行轨迹不变的情况下，基于窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述通信信号在信道子空间上的投影的约束条件，所述相关矩阵的约束条件，以及以所述通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；
S220，在保持所述波束成形向量不变的情况下，基于所述通信信号在信道子空间上的投影的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件，所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；
S230，对所述飞行基站的初始飞行轨迹作为第一次迭代的所述飞行轨迹，执行以下迭代操作：基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，并基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹；
S240，在本次迭代的所述飞行轨迹满足设定条件的情况下，停止所述迭代操作，并基于本次迭代的所述飞行轨迹，确定所述飞行基站的目标飞行轨迹，以及基于本次迭代的所述相关矩阵，确定所述感知信号和所述通信信号对应的目标波束成形向量。
可以理解地，无人机飞行基站为在无人机上装载飞行基站。
示例性地，无人机飞行基站可以是图1的UAV基站，窃听节点可以是图1中的窃听节点Willie，接收机可以是图1中的合法地面用户Bob，感知区域可以是图1中的包含K个地面用户的特定感知区域。
示例性地，对于飞行基站的飞行轨迹的最大飞行速率的约束条件，可以如下：将UAV基站运行轨迹划分为N个时间等长的时隙，每个时隙周期为。UAV基站在第n个时隙的水平投影坐标为/>=/> 合法用户Bob的坐标为/>，窃听节点Willie的坐标为/>, 感知区域各用户的坐标为/>第n个时隙下，UAV基站与第k个感知节点的距离可表述如下：/>。
从而，UAV基站的飞行轨迹满足最大飞行速率约束，即：
。
其中，上式中，表示合法UAV的最大飞行速度。示例性地，飞行基站的飞行轨迹的起点位置和结束位置的约束条件如下，即UAV基站的起始点/>与结束点/>满足预定位置约束：/>。
示例性地，窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，可以如下：
UAV基站发射信号分为两种场景：纯感知与通感一体化。两种场景下，窃听节点Willie的接收信号可表述为：
。其中，/>分别表示窃听节点Willie的感知信号与通信信号 ，/>分别表示感知信号与通信信号各自对应的波束成形向量，/>表示窃听节点Willie的接收高斯噪声，/>为噪声平均功率。其中，/>其表示Willie的信道衰落向量，其定义为：/>。
上式中，表示单位距离下的信号衰减因子，/>表示天线阵列相对于窃听节点Willie的方向矢量，即：
。
上式中，d表示天线阵元距离，表示载波波长。从而，波束成形向量的相关矩阵为：
。
因此，波束成形向量的相关矩阵与功率的约束条件如下：
示例性地，飞行基站的感知区域中各个感知节点的信号增益的约束条件，可以如下：
对于感知区域，要求对所有感知区域内的感知节点，其信号增益满足以下要求：
，/> 。
在上式中，表示归一化增益门限，/>为感知区域内第j个感知节点，j为感知节点的索引。示例性地，通信信号在信道子空间上的投影的约束条件，具体如下：
窃听节点Willie对通感一体化信号采用功率检测的方法，即：
；
上式中，表示判决门限。当窃听节点Willie选取最优门限条件时，对应的检测错误概率可表述为：
上式中，，其表示功率比例因子。
根据隐蔽通信约束，要求：。
其中，表示Willie的检测概率。联合上述两式，可得出为单调增函数。可使用数值计算工具求得功率比例因子的数值解/>，其中，/>表示功率比例因子的最大允许值。
示例性地，在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率，可以如下：
第n个时隙，Bob经过SIC接收机处理后的SNR为
；
表示接收机Bob的信道衰落向量,/>表示接收机Bob的噪声功率。整个飞行轨迹的平均可达速率为：/>。
基于上述示例，基于通感一体化网络的隐蔽通信系统优化问题可表述为：
；
；
；
；
；
；
；
。
上式中，表示矩阵的秩。/>为高斯噪声，/>表示通信信号在信道子空间上的投影。
但是，上述优化问题无法直接求解，需要将上述问题划分成第一目标函数和第二目标函数，然后，依次对这两个目标函数进行求解，得到飞行基站的最优飞行轨迹。
根据上述实施方式，分别构建第一目标函数和第二目标函数，对飞行基站的飞行轨迹与窃听节点针对飞行基站进行窃听的感知信号和通信信号对应的波束成形向量进行联合优化，使飞行基站的平均隐蔽通信速率最大化，有效提升通感一体化网络的隐蔽通信传输能力。而且，对第一目标函数和第二目标函数进行分步求解，可以提高求解速率。
在一种实施方式中，所述第一目标函数为：
；
；
；
，/>；
其中，表示在第n个时隙所述感知信号对应的波束成形向量的相关矩阵，表示在第n个时隙所述通信信号对应的波束成形向量的相关矩阵，/>表示所述窃听节点的信道衰落向量，/>表示在第n个时隙合法接收机的信道衰落向量，/>表示的迹，/>表示/>的迹，/>表示所述飞行基站的最大输出功率，/>表示所述窃听节点的功率比例因子的最大允许值，/>表示高斯噪声，/>表示所述飞行基站在第n个时隙的水平投影位置，/>表示所述感知区域中第j个感知节点的位置，/>表示包括所述感知区域中所有感知节点的集合，/>表示所述第j个感知节点相对于所述飞行基站的方向矢量，/>表示所述第j个感知节点与所述飞行基站的距离，/>表示归一化增益门限。
在实际应用中，由于上述优化问题无法直接求解，可以采用分步迭代求解算法进行求解。其中，第一步，固定飞行轨迹q[n]，利用上述第一目标函数，求最优的波束成形向量。
由于每个时隙之间信道完全独立，则只需要考虑单个时隙的最优波束成形向量。
在固定好飞行轨迹后，由于问题还是非凸优化问题，则采用半正定松弛算法进行改造，改造凸优化问题，得到上述第一目标函数。
以上优化问题为凸优化，可使用经典的凸优化工具求解出及/>，再利用高斯随机化，求解出对应的/>，/>。
在一种实施方式中，所述基于所述通信信号在信道子空间上的投影的约束条件、针对所述飞行基站的感知区域中的各个感知节点的信号增益的约束条件、所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件、所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数，包括：
基于所述通信信号在信道子空间上的投影的约束条件、针对所述飞行基站的感知区域中的各个感知节点的信号增益的约束条件、所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件、所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第三目标函数；
对所述第三目标函数进行一阶泰勒展示，得到所述第二目标函数。
接上例，分步迭代求解算法中的第二步：固定，/>，利用第三目标函数，求解最优飞行轨迹/>。
示例性地，第三目标函数如下：
；
；
；
；
；
其中，表示所述平均可达速率，/>表示所述接收机在第n个时隙的信噪比，/>表示时隙总数量，/>表示所述飞行基站在第1个时隙的水平投影位置，/>表示所述飞行基站的飞行轨迹的起点位置，/>表示所述飞行基站在第N个时隙的水平投影位置，/>表示所述飞行基站的飞行轨迹的终点位置，/>表示所述飞行基站的最大飞行速度，/>表示时隙周期。
由于在上式中的隐蔽约束条件是非凸函数，我们通过近似处理转化为线性关系而方便于我们得到最优解，同理,感知约束也可以进行类似操作将原式等价转换为线性关系。
由于第三目标函数中的隐蔽约束条件是非凸函数，我们通过近似处理转化为线性关系而方便于我们得到最优解，同理,感知约束也可以进行类似操作将原式等价转换为线性关系，得到上述第二目标函数。具体如下：
假定第次迭代的飞行轨迹表示为/>，定义 ：
则对目标函数进行改造，将进行一阶泰勒展开，可近似表达为：
。
上式中，表示/>在/>点处关于/>的一阶导数。
定义如下函数：
。
上式中，W表示任意厄米特（共轭对称）矩阵。
类似地，进行一阶近似处理：
上式中，为/>在/>点处关于/>的一阶导数。
将上述等价转换后的隐蔽约束和感知约束一同整理。将第三目标函数可近似处理为如下示例的第二目标函数：
；
；
；
；
；
其中，表示所述飞行基站的第/>次迭代的飞行轨迹中第n个时隙的水平投影位置，/>表示在已知/>及/>的情况下所述接收机的通信容量；/>表示在已知/>及/>的情况下的通信容量，/>表示所述通信信号对应的波束成形向量的相关矩阵；/>表示/>在/>点处关于/>的一阶导数，/>表示所述飞行基站飞行至/>的位置时信号到达所述接收机的平均可达速率，/>表示所述接收机的位置；/>表示在已知/>及/>的情况下/>与/>之间的方向角增益的近似值，/>表示所述窃听节点的位置，/>表示/>与/>的加权差值，/>表示单位距离下的信号衰减因子，/>表示/>与/>的距离，/>表示在已知/>及/>的情况下/>与/>之间的方向角增益的近似值。
其中，可以按照以下公式进行计算：
。
其中，可以按照以下公式进行计算：
。
其中，可以按照以下公式进行计算：
。
在一种实施方式中，所述基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，包括：
将上一次迭代的所述飞行轨迹输入所述第一目标函数，并对所述第一目标函数进行求解，得到所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵；
对所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵进行高斯随机化，得到所述感知信号和所述通信信号各自对应的本次迭代的波束成形向量。
在一种实施方式中，所述基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹，包括：
基于所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵，对所述第二目标函数进行求解，得到所述飞行基站的最优飞行轨迹；
基于所述飞行基站按照所述最优飞行轨迹进行飞行时信号到达所述接收到的平均可达速率，确定第一相对误差；
在所述第一相对误差小于第一误差阈值的情况下，基于所述最优飞行轨迹，确定本次迭代的所述飞行轨迹；
在所述第一相对误差大于所述第一误差阈值的情况下，返回继续重新计算所述最优飞行轨迹和所述第一相对误差。
图3是本公开一实施例的基站飞行轨迹规划方法的流程图。
如图3所示，该方法包括如下步骤：
第1步:设置r=0,初始化飞行轨迹 ，设置门限/>，设置/> ；
第2步:更新，使用CVX工具求解第一目标函灵敏，得到相关矩阵；
第3步:使用高斯随机化过程，获得波束向量；
第4步:使用算法1求解(P4)，获得飞行轨迹；
第5步:计算，计算相对误差/>；
第6步:如果，重复Step2，否则输出/>，/>，/>。
其中，第4步的具体过程如下：
1、给定，/>设置/>=0, 初始化/>，设置门限/>，设置/>；
2、更新，使用CVX工具求解(P4)，获得最优解为/>，并计算/>；
3、计算相对误差；
如果，重复第2步，否则输出/>及/>。
图4是本公开一实施例的基站飞行轨迹规划装置的结构框图。
如图4所示，该无人机轨迹与波束成形向量确定装置，可以包括：
第一函数构建模块410，用于在保持无人机飞行基站的飞行轨迹不变的情况下，基于窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述通信信号在信道子空间上的投影的约束条件，所述相关矩阵的约束条件，以及以所述通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；
第二函数构建模块420，用于在保持所述波束成形向量不变的情况下，基于所述通信信号在信道子空间上的投影的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件，所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；
函数求解模块430，用于对所述飞行基站的初始飞行轨迹作为第一次迭代的所述飞行轨迹，执行以下迭代操作：基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，并基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹；
目标轨迹确定模块440，用于在本次迭代的所述飞行轨迹满足设定条件的情况下，停止所述迭代操作，并基于本次迭代的所述飞行轨迹，确定所述飞行基站的目标飞行轨迹，以及基于本次迭代的所述相关矩阵，确定所述感知信号和所述通信信号对应的目标波束成形向量。
在一种实施方式中，所述函数求解模块430，包括：
相关矩阵求解单元，用于将上一次迭代的所述飞行轨迹输入所述第一目标函数，并对所述第一目标函数进行求解，得到所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵；
波束成形向量求解单元，用于对所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵进行高斯随机化，得到所述感知信号和所述通信信号各自对应的本次迭代的波束成形向量。
在一种实施方式中，所述函数求解模块430，还包括：
飞行轨迹求解单元，用于基于所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵，对所述第二目标函数进行求解，得到所述飞行基站的最优飞行轨迹；
第一相对误差求解单元，用于基于所述飞行基站按照所述最优飞行轨迹进行飞行时信号到达所述接收到的平均可达速率，确定第一相对误差；
最优解确定单元，在所述第一相对误差小于第一误差阈值的情况下，基于所述最优飞行轨迹，确定本次迭代的所述飞行轨迹；
循环计算单元，用于在所述第一相对误差大于所述第一误差阈值的情况下，返回继续重新计算所述最优飞行轨迹和所述第一相对误差。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备600包括计算单元601，其可以根据存储在只读存储器（ROM）602中的计算机程序或者从存储单元608加载到随机访问存储器（RAM）603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如一种阻尼器优化方法。例如，在一些实施例中，一种阻尼器优化方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的一种阻尼器优化方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行一种阻尼器优化方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入、或者触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种无人机轨迹与波束成形向量确定方法，其特征在于，包括：
在保持无人机飞行基站的飞行轨迹不变的情况下，基于窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述通信信号在信道子空间上的投影的约束条件，所述相关矩阵的约束条件，以及以所述通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；
在保持所述波束成形向量不变的情况下，基于所述通信信号在信道子空间上的投影的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件，所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；
对所述飞行基站的初始飞行轨迹作为第一次迭代的所述飞行轨迹，执行以下迭代操作：基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，并基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹；
在本次迭代的所述飞行轨迹满足设定条件的情况下，停止所述迭代操作，并基于本次迭代的所述飞行轨迹，确定所述飞行基站的目标飞行轨迹，以及基于本次迭代的所述相关矩阵，确定所述感知信号和所述通信信号对应的目标波束成形向量。
2.根据权利要求1所述的方法，其特征在于，所述第一目标函数为：
；
；
；
；
，/>；
其中，表示在第n个时隙所述感知信号对应的波束成形向量的相关矩阵，/>表示在第n个时隙所述通信信号对应的波束成形向量的相关矩阵，/>表示所述窃听节点的信道衰落向量，/>表示在第n个时隙所述接收机的信道衰落向量，/>表示/>的迹，/>表示/>的迹，/>表示所述飞行基站的最大输出功率，/>表示所述窃听节点的功率比例因子的最大允许值，/>表示高斯噪声，/>表示所述飞行基站的上一次迭代的所述飞行轨迹中第n个时隙的水平投影位置，/>表示所述感知区域中第j个感知节点的位置，/>表示包括所述感知区域中所有感知节点的集合，/>表示所述第j个感知节点相对于所述飞行基站的方向矢量，/>表示所述第j个感知节点与所述飞行基站的距离，表示归一化增益门限。
3.根据权利要求2所述的方法，其特征在于，所述基于所述通信信号在信道子空间上的投影的约束条件、针对所述飞行基站的感知区域中的各个感知节点的信号增益的约束条件、所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件、所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数，包括：
基于所述通信信号在信道子空间上的投影的约束条件、针对所述飞行基站的感知区域中的各个感知节点的信号增益的约束条件、所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件、所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第三目标函数；
对所述第三目标函数进行一阶泰勒展示，得到所述第二目标函数。
4.根据权利要求3所述的方法，其特征在于，所述第三目标函数为：
；
；
；
；
；
其中，表示所述平均可达速率，/>表示所述接收机在第n个时隙的信噪比，/>表示时隙总数量，/>表示所述飞行基站在第1个时隙的水平投影位置，/>表示所述飞行基站的飞行轨迹的起点位置，/>表示所述飞行基站在第N个时隙的水平投影位置，/>表示所述飞行基站的飞行轨迹的终点位置，/>表示所述飞行基站的最大飞行速度，/>表示时隙周期。
5.根据权利要求4所述的方法，其特征在于，所述第二目标函数为：
；
；
；
；/>；
其中，表示所述飞行基站的第/>次迭代的飞行轨迹中第n个时隙的水平投影位置，表示在已知/>及/>的情况下所述接收机的通信容量；/>表示在已知/>及/>的情况下的通信容量， />表示所述通信信号对应的波束成形向量的相关矩阵；/>表示/>在点/>处关于/>的一阶导数，/>表示所述飞行基站飞行至/>的位置时信号到达所述接收机的平均可达速率，/>表示所述接收机的位置；表示在已知/>及/>的情况下/>与/>之间的方向角增益的近似值，/>表示所述窃听节点的位置，/>表示/>与/>的加权差值，/>表示单位距离下的信号衰减因子，/>表示/>与/>的距离，/>表示在已知/>及/>的情况下/>与/>之间的方向角增益的近似值。
6.根据权利要求1所述的方法，其特征在于，所述基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，包括：
将上一次迭代的所述飞行轨迹输入所述第一目标函数，并对所述第一目标函数进行求解，得到所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵；
对所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵进行高斯随机化，得到所述感知信号和所述通信信号各自对应的本次迭代的波束成形向量。
7.根据权利要求6所述的方法，其特征在于，所述基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹，包括：
基于所述感知信号和所述通信信号各自对应的波束成形向量的本次迭代的相关矩阵，对所述第二目标函数进行求解，得到所述飞行基站的最优飞行轨迹；
基于所述飞行基站按照所述最优飞行轨迹进行飞行时信号到达所述接收到的平均可达速率，确定第一相对误差；
在所述第一相对误差小于第一误差阈值的情况下，基于所述最优飞行轨迹，确定本次迭代的所述飞行轨迹；
在所述第一相对误差大于所述第一误差阈值的情况下，返回继续重新计算所述最优飞行轨迹和所述第一相对误差。
8.一种无人机轨迹与波束成形向量确定装置，其特征在于，包括：
第一函数构建模块，用于在保持无人机飞行基站的飞行轨迹不变的情况下，基于窃听节点针对所述飞行基站的感知信号和通信信号对应的波束成形向量的相关矩阵与所述飞行基站的最大输出功率之间的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述通信信号在信道子空间上的投影的约束条件，所述相关矩阵的约束条件，以及以所述通信信号在信道子空间上的投影的最大值作为目标，构建第一目标函数；
第二函数构建模块，用于在保持所述波束成形向量不变的情况下，基于所述通信信号在信道子空间上的投影的约束条件，所述飞行基站的感知区域中各个感知节点的信号增益的约束条件，所述飞行基站的飞行轨迹的起点位置和结束位置的约束条件，所述飞行基站的飞行轨迹的最大飞行速率的约束条件，以及以在所述飞行基站按照其飞行轨迹进行飞行时信号到达接收机的平均可达速率的最大值作为目标，构建第二目标函数；
函数求解模块，用于对所述飞行基站的初始飞行轨迹作为第一次迭代的所述飞行轨迹，执行以下迭代操作：基于上一次迭代的所述飞行轨迹，对所述第一目标函数进行求解，得到本次迭代的所述相关矩阵，并基于本次迭代的所述相关矩阵，对所述第二目标函数进行求解，得到本次迭代的所述飞行轨迹；
目标轨迹确定模块，用于在本次迭代的所述飞行轨迹满足设定条件的情况下，停止所述迭代操作，并基于本次迭代的所述飞行轨迹，确定所述飞行基站的目标飞行轨迹，以及基于本次迭代的所述相关矩阵，确定所述感知信号和所述通信信号对应的目标波束成形向量。
9.一种电子设备，其特征在于，包括：至少一个处理器，以及与该至少一个处理器通信连接的存储器；
其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410270218.2A CN117880817B (zh) | 2024-03-11 | 2024-03-11 | 无人机轨迹与波束成形向量确定方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410270218.2A CN117880817B (zh) | 2024-03-11 | 2024-03-11 | 无人机轨迹与波束成形向量确定方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117880817A true CN117880817A (zh) | 2024-04-12 |
| CN117880817B CN117880817B (zh) | 2024-05-07 |
Family
ID=90595196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410270218.2A Active CN117880817B (zh) | 2024-03-11 | 2024-03-11 | 无人机轨迹与波束成形向量确定方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117880817B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106507361A (zh) * | 2016-12-01 | 2017-03-15 | 广州番禺职业技术学院 | 一种基于云无线接入网的物理层安全通信优化系统和方法 |
| CN114040333A (zh) * | 2019-08-06 | 2022-02-11 | 西安交通大学 | 一种多无人机多播系统的联合轨迹及波束优化方法 |
| CN115407794A (zh) * | 2022-08-25 | 2022-11-29 | 南通先进通信技术研究院有限公司 | 基于强化学习的海域安全通信无人机轨迹实时规划方法 |
| CN116248223A (zh) * | 2023-02-16 | 2023-06-09 | 广州番禺职业技术学院 | 基于无人机网络的隐蔽通信优化方法及系统 |
| CN116669035A (zh) * | 2023-05-25 | 2023-08-29 | 大连理工大学 | 机载智能反射面辅助的通感一体化安全传输设计方法 |
-
2024
- 2024-03-11 CN CN202410270218.2A patent/CN117880817B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106507361A (zh) * | 2016-12-01 | 2017-03-15 | 广州番禺职业技术学院 | 一种基于云无线接入网的物理层安全通信优化系统和方法 |
| CN114040333A (zh) * | 2019-08-06 | 2022-02-11 | 西安交通大学 | 一种多无人机多播系统的联合轨迹及波束优化方法 |
| CN115407794A (zh) * | 2022-08-25 | 2022-11-29 | 南通先进通信技术研究院有限公司 | 基于强化学习的海域安全通信无人机轨迹实时规划方法 |
| CN116248223A (zh) * | 2023-02-16 | 2023-06-09 | 广州番禺职业技术学院 | 基于无人机网络的隐蔽通信优化方法及系统 |
| CN116669035A (zh) * | 2023-05-25 | 2023-08-29 | 大连理工大学 | 机载智能反射面辅助的通感一体化安全传输设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117880817B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4457222B2 (ja) | チャネル特性解析装置及び方法 | |
| Yan et al. | An improved NLOS identification and mitigation approach for target tracking in wireless sensor networks | |
| CN114596553B (zh) | 模型训练方法、轨迹预测方法、装置及自动驾驶车辆 | |
| US10365357B2 (en) | Location estimation method and apparatus using access point in wireless communication system | |
| Chen et al. | Deep reinforcement learning based resource allocation in multi-UAV-aided MEC networks | |
| CN107340515B (zh) | 基于分布式组网雷达系统的目标定位资源分配方法 | |
| JP2016161570A (ja) | デバイスのロケーションを求める方法およびデバイス | |
| Goken et al. | Optimal signaling and detector design for power-constrained binary communications systems over non-Gaussian channels | |
| CN117880817B (zh) | 无人机轨迹与波束成形向量确定方法、装置和电子设备 | |
| CN110890932B (zh) | 5g毫米波信道信息确定的方法、相关装置及存储介质 | |
| CN115333583B (zh) | 多发多收通信系统的信号检测方法及装置 | |
| CN115065433B (zh) | 基于智能反射面的cr-noma网络通信方法及中断性能验证方法 | |
| WO2023087819A1 (zh) | 波束训练方法、第一节点、第二节点、通信系统及介质 | |
| JP6563474B2 (ja) | 無線通信システムにおける装置及び方法 | |
| CN115390113A (zh) | 一种面向电力系统的bd3高精度定位方法及系统 | |
| CN113824486A (zh) | 无人机通信系统的性能评估方法、装置、计算机设备和存储介质 | |
| JP6592912B2 (ja) | 通信システム、受信装置、サーバ、信号処理方法、波源位置算出方法、及びプログラム | |
| Jiang et al. | Linearly reconfigurable Kalman filtering for a vector process | |
| WO2021062752A1 (zh) | 一种通信方法及装置 | |
| JP5373967B2 (ja) | 終了されるまで深さ優先探索を実行するスフィア検出器 | |
| WO2024011565A1 (en) | On-demand labelling for channel classification training | |
| Hung | Memetic particle swarm optimization scheme for direction-of-arrival estimation in multipath environment | |
| WO2016184362A1 (zh) | 用于无线通信的装置和方法、通信终端 | |
| CN115860077B (zh) | 状态数据的处理方法、装置、设备以及存储介质 | |
| US20220019891A1 (en) | Electronic device and learning method for learning of low complexity artificial intelligence model based on selecting dynamic prediction confidence threshold |
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 |