利索能及
我要发布
收藏
专利号: 2020103574287
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-08-19
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,包括以下步骤:(1)根据无人机和地面用户的地理位置,利用阵列天线的空地无线信道模型,建立信道衰落模型;

(2)基于阵列天线发射端采用的预编码技术,建立阵列天线无人机基站通信系统的用户可达速率模型;

(3)基于用户可达速率模型,在无人机飞行状态和发射功率受限条件下,以最大化系统传输速率为目标,建立航迹规划和用户功率分配的联合优化问题;

(4)利用块坐标轮换下降和连续凸近似方法对上述优化问题进行转化和求解,得到基于所述预编码技术的无人机路径规划和功率分配方案。

2.根据权利要求1所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述步骤1中信道衰落模型为:其中,di[m]是第m个时隙中无人机与第i个用户之间的距离;β0表示无人机与用户间距离为1m时的功率增益;b(θi[m])表示导向矢量;当阵列为均匀线阵时,N是天线的个数,θi[m]表示阵列法向量和用户方向间的夹角;对于任意阵列,导向矢量表示为 τi为第i个阵元接

收信号相对于原点信号的时延。

3.根据权利要求2所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,当阵列天线发射端采用的预编码技术为MRT预编码技术时,所述步骤2建立基于MRT预编码技术的阵列天线无人机基站通信系统的用户可达速率模型,所述步骤3中建立基于MRT预编码技术的航迹规划和功率分配联合优化问题(1)。

4.根据权利要求3所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述基于MRT预编码技术的阵列天线无人机基站通信系统的用户可达速率模型为:其中, 表示用户i在时隙m的可达速率;pi[m]表示无人机在时隙m给用户i分配的功率大小,I表示用户总数;σ2是用户的接收噪声功率。

5.根据权利要求3所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述基于MRT预编码技术的航迹规划和功率联合优化问题(1)如下:q0=q[0],qF=q[M],                  (1.d)其中 max表示最大化运算;s.t.表示约束条件;M表示总时隙数;(1.b)和(1.c)表示每个时隙的发射功率约束,P表示无人机最大发射功率;(1.d)和(1.e)是无人机飞行状态约束,q0和qF分别表示无人机的起始和终点位置,q[m]表示无人机在第m个时隙的位置,δ表示时隙大小;Vmax表示无人机最大飞行速度。

6.根据权利要求5所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述步骤4中,利用块坐标轮换下降和连续凸近似方法对问题(1)进行转化和求解,具体步骤如下:步骤1)、根据问题(1)中的约束条件,初始化无人机航迹;

步骤2)、固定无人机航迹,利用连续凸近似优化发射功率,直到算法收敛;

步骤3)、固定用户间功率分配,利用连续凸近似算法迭代优化无人机航迹,直到算法收敛;

步骤4)、基于块坐标轮换下降法迭代执行步骤2)和步骤3),直到收敛。

7.根据权利要求2所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,当阵列天线发射端采用的预编码技术为ZF预编码技术时,所述步骤2建立基于ZF预编码技术的阵列天线无人机基站通信系统的用户可达速率模型,所述步骤3中建立基于ZF预编码技术的航迹规划和功率分配联合优化问题(2)。

8.根据权利要求7所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述基于ZF预编码技术的阵列天线无人机基站通信系统的用户可达速率模型为:其中,γi[m]=1/[(Hi[m]HH[m])-1]ii,H[m]=[bT(θi[m]),...,bT(θI[m])]T,I表示用户总数,σ2是用户的接收噪声功率。

9.根据权利要求7所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述基于ZF预编码技术的航迹规划和功率分配联合优化问题(2)如下:q0=q[0],qF=q[M],                   (2.d)其中, max表示最大化运算;s.t.表示约束条件;M表示总时隙数;P表示无人机最大发射功率,(2.b)和(2.c)是发射功率约束;(2.d)和(2.e)表示无人机飞行状态约束,q0和qF分别表示无人机的起始和终点位置,q[m]表示无人机在第m个时隙的位置,δ表示时隙大小;Vmax表示无人机最大飞行速度。

10.根据权利要求9所述的面向阵列天线无人机基站的航迹规划和功率分配方法,其特征在于,所述步骤4中,利用块坐标轮换下降和连续凸近似方法对问题(2)进行转化和求解,具体步骤如下:步骤1)、根据问题(2)中的约束条件,初始化无人机航迹;

步骤2)、固定无人机航迹,利用内点法优化用户间功率分配;

步骤3)、固定用户间功率分配,利用连续凸近似迭代优化无人机航迹,直到算法收敛;

步骤4)、基于块坐标轮换下降法迭代步骤2)和步骤3),直到收敛。