买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学

摘要：本发明公开了一种干扰条件下集群无人机中继通信速率联合优化方法。所述方法采用两步处理架构，首先应用贝叶斯优化的离散柔性策略方法训练中继无人机进行信道选择，实现多类动态干扰的有效规避，同时对离散柔性策略方法的超参数组进行优化，进一步提升方法的性能表现。而后以集群无人机与中继无人机的物理限制、通信性能限制以及中继无人机信道选择限制为约束，对中继无人机的调制阶数、发射功率、轨迹以及集群无人机的功率分配因子进行动态调整，实现集群无人机的通信速率最大化。本发明实现了集群无人机通信速率的最大化，提高了集群无人机在干扰条件下的通信性能，具有良好的稳定性、收敛性以及任务效果。

主权项：1.一种干扰条件下集群无人机中继通信速率联合优化方法，其特征在于：该方法包含以下步骤：步骤一，获取位置信息，所述位置信息包括地面站、中继无人机以及集群无人机在整个任务周期内的三维位置情况，并在此基础上，根据能量估计的方法获得各信道的状态信息，所述信道状态信息为信道的信干噪比；所述步骤一中整个任务周期为集群无人机执行中继通信的任务总时长，用T表示，并将其分成K个时隙δT，在每个时隙k内获取的位置信息变化忽略不计；所述步骤一中能量估计方法是针对不同频率的信号进行滤波，获得每个频率信道上的信号功率，而后通过与门限值进行比较，区分各信道处于空闲、正常通信以及受到干扰等状态，其表达式H为： 其中，H1为信道空闲态、H2为信道通信态、H3为信道受干扰态，y[k]、s[k]、j[k]表示检测到的信道总功率、信号功率与干扰功率；所述步骤一中具体的位置信息表示为，地面站坐标为0,0,0，M台无人机形成集群Ω＝{1,2,...,M}，其坐标为Fi＝xik,yik,ziki∈Ω,k∈K，中继无人机坐标为所述步骤一中信道的信干噪比计算为：中继无人机与集群无人机、地面站之间的信道模型可近似为电磁波在自由空间的传播模型，即： 其中，GtGr表示收发双方天线增益积，λG表示不同频率的电磁波波长，Dk表示中继无人机与集群无人机、地面站之间的距离；干扰机通常藏匿在较为隐秘的区域，防止被发现后遭到打击或破坏，因此其与中继无人机之间的信道模型通常为LOS与NLOS混合的概率损耗模型，其计算表达式为：Λ＝PLLD+θ+PNLLD+δ+θ其中，LD表示电磁波的空间传输损耗，其计算表达式为： 其中，为中继无人机与干扰机之间的距离，表示中继无人机的通信频率；δ表示阴影衰落，其通常建模为对数正态分布；θ表示莱斯分布，由于干扰机普遍具有较大发射功率，信号中一定存在直视分量，因此小尺度衰落采用莱斯分布进行建模更符合实际情况；中继无人机通过跳频的方式在可用频率集中智能的选择工作频率以躲避干扰机对中继传输的影响，其中各频率点所在的子频率范围不相交，可用频率集具有F个频率点，子频道带宽为为中继无人机工作频率的下限与上限，中继无人机与干扰机共享这个频率范围；假设集群中的UAVi最大发射功率为中继无人机发射功率为PRk，干扰机的最大发射功率为PJ，其与中继无人机之间的天线增益积为假设中继场景为无人机集群需要将探测信息回传至地面站，则工作频率为的中继无人机接收UAVi发射信号的信干噪比表达式为： 其中，n0为噪声功率谱密度，为UAVi与中继无人机的信道增益；SINRi,R的大小直接表现中继无人机的受干扰情况，其值越小受干扰程度越大，其值越大受干扰程度越小，正常通信阈值为Dn，SINRi,R≥Dn表示中继信息正常传输，SINRi,R＜Dn表示信息中继失败；中继无人机的工作频率为并且该信道存在M2个子载波，用以成对的传输集群无人机的信息，在此过程中，中继无人机通常面临一定程度的恶意干扰；由NOMA原理，发送方通过为不同的用户分配不同级别的发射功率对数据进行传输，接收方通过检测各接受信号的增益差异，逐次解码消除信道增益较小的链路；在设定的任务场景下，集群UAVi与集群UAVj到中继无人机的通信链路增益分别是和当时，中继无人机会先解码集群UAVj的链路，反之，会先解码集群UAVi的链路，集群无人机的功率分配因子集合为λ＝{λ1,λ2,...,λM}，由于集群无人机在不同时隙内仅选择一个信道进行数据传输，则在时隙k中，工作在频率信道上的中继无人机接收UAVi发射信号的信干噪比为： 步骤二，基于离散柔性策略方法训练中继无人机进行信道选择，规避多类动态干扰，所述多类动态干扰包括固定频率干扰、扫频干扰以及同时包含固定频率和扫频的混合干扰；步骤三，应用贝叶斯方法优化离散柔性策略方法的超参数组，所述超参数组包括学习率、折扣因子以及目标熵；步骤四，获取上一次迭代的优化变量值，所述优化变量值包括整个任务周期内中继无人机的调制阶数、发射功率、轨迹以及集群无人机功率分配因子；步骤五，由所获得的优化变量值，求解第一子问题，得到当前迭代次数下中继无人机的调制阶数，并更新优化变量值；步骤六，由更新的优化变量值，求解第二子问题，得到当前迭代次数下中继无人机的发射功率，并更新优化变量值；步骤七，由更新的优化变量值，求解第三子问题，得到当前迭代次数下中继无人机的轨迹，并更新优化变量值；步骤八，由更新的优化变量值，求解第四子问题，得到当前迭代次数下集群无人机的功率分配因子，更新优化变量值，并根据最新的优化变量值计算当前迭代次数下集群无人机的通信速率值；步骤九，判断当前迭代次数下的集群无人机通信速率与上一次迭代对应的集群无人机通信速率差值是否满足阈值，或者当前迭代次数是否超过最大迭代次数；若是，则转步骤十，否，则转步骤四；步骤十，将当前迭代次数下中继无人机的调制阶数、发射功率、轨迹以及集群无人机的功率分配因子确定为优化变量值次最优解，由此次最优解对应的集群无人机通信速率为次最优值。

全文数据：

权利要求：

百度查询： 长春理工大学 一种干扰条件下集群无人机中继通信速率联合优化方法