利索能及
我要发布
收藏
专利号: 2024100476064
申请人: 西南大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-06-16
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.基于蜂窝网联无人机的空地协同监控资源分配方法,其特征在于,所述方法包括:S1:利用基于蜂窝网联无人机系统构建网络模型、通信模型,以及任务达到和排队模型;

其中,在监控区域ξ内存在J个基站,记为j={1,2,...,J};每个基站j覆盖Kj≥1个监测地面设备,则在区域ξ上存在 个地面设备;

S2:根据对无人机的发射功率分配和上行基站关联的联合优化,构建多阶段随机优化问题模型(P1),优化空中和地面监控系统上行链路总吞吐量的长期平均值;

S3:将所述多阶段随机优化问题模型(P1)通过基于李雅普诺夫控制理论的优化框架处理随机非凸优化问题,来实现具有队列稳定性的在线资源分配;以及,利用问题的最优结构和逐次凸逼近方法,确定基站关联和功率分配的在线优化策略;

利用基于蜂窝网联无人机系统构建网络模型,具体包括:将地面设备的位置固定,始终在其感应范围内收集监控数据,并通过蜂窝网络地面通信链路上传数据至与其关联的基站;

假设无人机的飞行轨迹预先给定,其时间范围为T,将时间段T划分为N个时隙,每一个时隙的长度是 用 表示;

利用基于蜂窝网联无人机系统构建通信模型,具体包括:假设分配给所有上行通信的正交资源块的总数为M,用 表示;

控制每个基站基于资源分配原则将资源块分配给其关联的地面设备,以减轻地面蜂窝网络的干扰;

对于每个资源块m和时隙n,确定一个集合Jm,n表示在时隙n时资源块m被分配给基站j单元中的一个地面设备,其中j∈Jm,n,记j(m,n)为无人机上行传输的关联基站索引,其中为待优化的变量;

对于地对地信道,通过kj,m,n表示地面基站j小区内的地面设备的索引,该地面设备在时隙n使用资源块m将数据上传到地面基站j;记Hj,m,n为地面设备kj,m,n和基站j之间利用资源块m在时隙n时的信道系数,其中小尺度衰落遵循瑞利衰落模型;

对于空对地信道,用Gj,m,n表示地面基站j与无人机使用资源块m在时隙n进行通信的信道系数,它遵循概率视距通道模型;假设由于视距传播优势,空对地通信链路具有平坦的频率特性,则对于每个时隙n,有利用基于蜂窝网联无人机系统任务达到和排队模型,具体包括:在每个时隙n开始时,无人机执行空中监控任务捕获的数据大小用An进行表示;假设用于数据校准的采集数据到达是独立的,则数据大小An在区间[Amin,Amax]内随机均匀分布;其中,无人机采用先进先出队列来存储采集到的数据;

在时隙n开始时,队列长度表示为Qn,无人机在时隙n+1的队列长度受到时隙n的数据积压大小、时隙n通过无人机到基站的空地链路上传的比特数、以及在时隙n采集数据的大小三个因素的影响,则队列长度的更新可以通过以下公式计算:其中,Ru(m,n)表示时隙n基站j(m,n)和无人机之间的可达速率;

其中p(m,n)是无人机在时隙n时对应与资源块m的发射功率, 是环境噪音,B表示每个资源块的带宽;

所述多阶段随机优化问题模型(P1)表示为:

(P1):

约束条件为:

其中,约束条件(2)用于使任务缓冲区稳定,以确保所有任务在有限的时间内完成,表示队列长度的数学期望,p(m,n)表示无人机在时隙n时对应与资源块m的发射功率,j(m,n)表示无人机上行传输的关联基站索引,无人机的发射功率分配{p(m,n)}和上行基站关联索引{j(m,n)}的加权吞吐量Z({j(m,n),p(m,n)})=λu∑n∈N∑m∈MδRu(m,n)+λg∑n∈N∑m∈MδRg(m,n),λu≥0和λg≥0为两个权值参数;Pmax表示无人机的最大发射功率。

2.根据权利要求1所述的方法,其特征在于,所述将所述多阶段随机优化问题模型(P1)通过基于李雅普诺夫控制理论的优化框架处理随机非凸优化问题,来实现具有队列稳定性的在线资源分配,具体包括:采用基于李雅普诺夫控制理论的分析方法,确定队列长度Qn的李雅普诺夫函数为并将条件李雅普诺夫漂移Δ(Qn)表示为则在时隙n处的漂移加惩罚函数表示为

其中,ρ≥0用于平衡网络吞吐量和队列稳

定性。

3.根据权利要求2所述的方法,其特征在于,所述将所述多阶段随机优化问题模型(P1)通过基于李雅普诺夫控制理论的优化框架处理随机非凸优化问题,来实现具有队列稳定性的在线资源分配,具体包括:将所述多阶段随机优化问题模型(P1)通过基于李雅普诺夫控制理论的优化框架,求解确定性逐时隙优化问题模型(P2);其中所述确定性逐时隙优化问题模型(P2)表示为:(P2):

约束条件为公式(3)~公式(5);

以及,

将确定性逐时隙优化问题模型(P2)简化为第三优化问题模型(P3),(P3):

其中,约束条件为:

4.根据权利要求3所述的方法,其特征在于,利用问题的最优结构和逐次凸逼近方法,确定基站关联和功率分配的在线优化策略,具体包括:使用逐次凸逼近方法来获得所述约束条件(10)的局部最优解;

r

引入p (m,n)作为第r次迭代的功率分配,在第r次迭代时,第三优化问题模型(P3)可以近似为第四问题模型(P4),(P4):

r+1

利用CVX求解第四问题模型(P4)得到最优解为p (m,n);然后进行迭代优化直至收敛。

5.一种基于蜂窝网联无人机的空地协同监控资源分配装置,其特征在于,包括:处理器;

用于存储所述处理器可执行指令的存储器;

其中,所述处理器被配置为执行所述指令,以实现如权利要求1至权利要求4中任一项所述的基于蜂窝网联无人机的空地协同监控资源分配方法。