申请/专利权人：大连理工大学

申请日：2022-10-21

公开（公告）日：2024-04-05

公开（公告）号：CN115665758B

主分类号：H04W16/22

分类号：H04W16/22;H04W72/0446;H04W28/06;H04B17/382;H04W74/0833

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.02.17#实质审查的生效;2023.01.31#公开

摘要：本发明提供一种基于非正交多址接入的无人机跨区域覆盖协同设计方法，属于下行通信的网络速率优化领域。在一个基于非正交多址的无人机通信网络中，单架无人机为地面多个区域内的若干用户提供下行无线通信服务。基于此模型，本发明提供一种联合优化用户匹配、区域调度、无人机轨迹和发射功率的设计方法：通过用户位置建立信道差异矩阵，再利用Kuhn‑Munkres算法确定用户匹配，接着迭代优化区域调度、无人机轨迹和发射功率，进而最大化通信网络的总速率。本发明通过合理地设计用户匹配、区域调度、无人机轨迹和发射功率，在满足约束条件下，能够根据模型参数以最大化基于非正交多址接入的无人机通信网络的总速率。

主权项：1.一种基于非正交多址接入的无人机跨区域覆盖协同设计方法，其特征在于，包括以下步骤：第一步，构建系统模型：1在一个无人机辅助的NOMA网络中，一个在固定高度H飞行的无人机在相同时间内为地面上M个区域内的若干用户提供无线通信服务，每个区域内包含一用户数为K的用户组；其中第i个区域中的第j个用户ui,j的水平坐标固定在Wi,j＝[xi,j,yi,j]T，无人机在时刻t的时变水平坐标为qt＝[xt,yt]T；此外，无人机轨迹需要符合约束：q0＝qT1式1表示的是在一个周期开始和结束时，无人机所在的坐标必须保持一致，从而在下个周期开始时重新为地面用户进行服务；此外，无人机飞行的速度限定为： 其中，Vmax表示以米秒ms为单位的最大无人机速度；将T划分为若干个等长的时隙，由n＝1,2,…,N索引；当周期一定时，通过选择合适的N值，使得在单个时隙长度δt＝TN内，无人机的方位近似不发生改变；无人机在某个时隙内的坐标用一个二维向量来表示，在整个周期T内，无人机的轨迹以N个二维向量q[n]＝[x[n],y[n]]T,n＝1,2,…,N,来近似；此外，轨迹约束等价地写为：q[1]＝q[N]3 其中，Smax＝Vmax×δt是无人机在δt时间内所能飞行的最大距离；无人机UAV到ui,j在时隙n的距离表示为： 在单个时隙n中从无人机UAV到用户ui,j的路径损耗遵循自由空间传播模型，表示为： 其中，ρ0表示参考距离d0＝1m处的信道功率；采用区域调度和频分复用这两种方法来提高用户的接入数；无人机在时隙n服务于第i1个区域，则对于区域i内的第j1个用户，无人机的发射功率用来表示，对于第i1个区域的对角区域内的第j2个用户，无人机的发射功率用来表示，Pmax表示无人机对于每个频带的峰值发射功率；产生以下约束： 又因为信道增益较高的用户通常分配到较低的发射功率，所以得到： 强用户在接收到无人机发出的叠加信号后，首先从该信号中解调出其他发射功率较大的信号，然后从接收到的信号消去这些信号，再接着解调出自己的信号；而弱用户对其他发射功率较小的信号不做处理，直接从接受到的信号中解调出自己的信号；将第n个时隙中和的信干噪比表示为： 其中，σ2是接收器处的加性白高斯噪声AWGN的功率；16分母中的表示由强用户在时隙n中的传输引起的同频干扰；而和在时隙n的可实现速率分别表示为： 同时为了保证通信质量，必须保证当前服务区域的用户在每个时隙的可实现速率，表示为： 其中，η是给定的速率阈值；所有用户在时隙n的可实现速率，用R[n]表示，单位为比特秒赫兹bpsHz，表示为： 因此，用R表示的N个时隙上的总可实现率由以下公式给出： 第二步，确定目标函数，提出优化问题：优化目标为T0的连续时间段内无人机的总速率，优化变量为区域调度变量用户匹配变量无人机轨迹变量和发射功率变量 q[0]＝q[N],22g 其中，22b-22c是指无人机在某一时隙内只能服务于1个区域；22d-22f是指强用户和弱用户只能一一配对；22g是指无人机在一个周期结束时的位置必须与周期起始时一致，以便在下一个周期开始时重新向地面用户提供服务；22h是指无人机在两个连续的时隙的距离不能超过无人机在该时间段内所能飞行的最大距离；22i是指无人机在某一时隙在某一频带内的总发射功率小于等于无人机在每个频带的峰值发射功率；22j是指无人机对强用户的发射功率必须小于对弱用户的发射功率；22k确保了每个时隙内当前服务区域的用户在每个时隙的可实现速率；为了降低问题的复杂性，变量A被放宽为连续变量，C变量被计划用凸优化以外的方法来确定，因此优化问题被重新表述为： 22b,22g-22k.23c第三步，设计算法解决优化问题：为了解决上述问题，基于块坐标下降法的思想，将整个优化变量分为区域调度A、用户匹配C、无人机轨迹Q和发射功率P四个块；以此得到四个子问题，通过Kuhn-MunkresKM算法和用户位置确定优化变量C；对于剩下的三个子问题，利用凸优化的相关理论，将个别非凸子问题分别转化为凸优化问题，最后提出交替优化算法对A、Q、P进行优化；最终通过联合用户匹配、区域调度、无人机轨迹和发射功率，最大化无线通信网络的总速率；所述的第一步中的区域调度和频分复用具体为：所述区域调度，即时分复用；即在单个时隙内，无人机只服务于某个区域内的用户；定义一个变量αi[n],1≤i≤M,1≤n≤N，如果αi[n]＝1，则表示在第n个时隙内，无人机UAV为第i个区域服务，否则αi[n]＝0；αi[n]指定了每个时隙内的子区域调度，在每个时隙内，无人机UAV只服务于1个子区域；产生以下约束： 所述频分复用，给所服务区域内的所有用户都分配一个频带；然后利用NOMA技术将一个频带分配给多个用户，这里只考虑2个用户的复用，即一个强用户stronguser和一个弱用户weakuser；由NOMA原理可知，强弱用户的信道强度应差别较大，所以在当前服务区域的对角区域内选择弱用户与当前服务区域内的强用户进行一一配对；定义第i1个区域内的第j1个用户为定义第i1个区域的对角区域内的用户为定义二元变量当表示与配对，产生以下约束： 所述的第三步具体如下：1利用KM算法确定用户匹配使用KM算法对用户配对变量C进行优化；第一步是建立KM算法所需的二分图；当无人机服务于第i1个区域时，假设无人机的横坐标在第i1个区域的中心；将强用户作为集合X，弱用户作为集合Y；表示第j1个强用户，为第j2个弱用户，那么连接和的权重是： 通过用户配对权重建立通道差异矩阵： 对差异矩阵进行归一化处理：FmaxF，maxF表示矩阵F中的最大值；利用信道差异矩阵和KM算法使得强弱用户两两配对；2固定C、Q、P，优化区域调度变量A对于任何给定的用户配对、无人机轨迹和发射功率{C,Q,P}，问题23的区域调度问题通过解决以下问题进行优化； 22b,22k.26c问题26属于标准的线性规划LP问题，因此用计算机优化程序获得其解；3固定C、A、P，优化区域调度变量Q对于任何给定的用户配对、区域调度和发射功率{C,A,P}，问题23的无人机轨迹问题通过解决以下问题进行优化； s.t.22g,22h,22k.27b引入松弛变量S＝{Si,j[n]＝‖q[n]-wi,j‖2}，其中Si,j[n]需要满足： 定义一个新的变量Di,j[n]： 在28中，‖q[n]-wi,j‖2对于q[n]来说是凸的，通过泰勒展开近似为： 其中ζi,j[n]在给定的点q[n]r计算为：ζi,j[n]＝‖q[n]r-wi,j‖2+2q[n]-q[n]rq[n]r-wi,j31由于R相对于Di,j[n]是非凹的，应用一阶泰勒扩展将27a转化为凹函数；该转换由以下不等式表示： 其中，和分别在一个给定点计算为： 对于22k，用类似的方法来解决；故问题27转化为凸问题： s.t.Si,j[n]≤ζi,j[n],36b 22g,22h,36d其中和分别为R和的下限，计算为： 4固定C、A、Q，优化区域调度变量P；对于任何给定的用户配对、区域调度和无人机轨迹{C,A,Q}，问题23的发射功率问题通过解决以下问题进行优化； s.t.22i-22k.39b由于R相对于pi,j[n]是一个非凹函数，所以同样采用一阶泰勒展开近似法将R转换为凹函数；那么问题39被近似为： s.t.21i-21k,42b其中是R的下限，计算为： 5基于块坐标下降法和连续凸近似的算法设计；基于块坐标下降法和连续凸近似的算法1流程如下5.1初始化r←0，通过地面用户位置建立信道差异矩阵，然后采用KM算法得到用户配对变量C；设置无人机的初始轨迹Q0为圆形轨迹，圆心为地面区域的中心，半径为各用户到地面区域中心的平均距离；设定无人机在P0中向弱用户发射的功率是强用户的三倍；5.2重复5.3通过给定的C,Qr,Pr求解问题26，得到Ar+1；5.4通过给定的C,Ar+1,Qr,Pr求解问题36，得到Qr+1；5.5通过给定的C,Ar+1,Qr+1,Pr求解问题42，得到Pr+1；5.6更新:r＝r+15.7直到目标值的分数增长低于一个阈值。

全文数据：

权利要求：

百度查询： 大连理工大学 基于非正交多址接入的无人机跨区域覆盖协同设计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD