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！

摘要：本发明提供一种基于非正交多址技术的无人机轨迹与时间联合优化方法，属于无人机下行通信的资源优化领域。无人机作为单天线移动基站服务于多个用户，这些用户可以被划分为多个用户簇。无人机由起点出发，依次经过每一个用户群，并在其上方进行悬停通信。为了提高频谱效率，无人机采用非正交多址接入技术服务所有用户。在满足各个用户通信要求的基础上，对资源进行优化，使系统的总吞吐量达到最大。基于该模型，本发明是一种联合优化无人机的传输功率、悬停位置和工作时间的设计方法，该方法可以满足用户的通信要求，且能最大化系统的吞吐量。

主权项：1.一种基于非正交多址技术的无人机轨迹与时间联合优化方法，其特征在于，包括以下步骤：第一步，构建系统模型：1在一个无人机通信网络中，一个配备单天线的旋翼无人机作为基站，服务K个地面用户，所述K个用户被划分到M个用户群，用Λ＝{1,2,…,M}表示用户群的集合；每个用户群中包括Nm个用户，用Γm＝{1,2,…,Nm},m∈Λ表示第m个用户群中用户的集合；无人机从起点出发，根据最优的飞行路线经过每一个用户群并在其上方悬停基于NOMA进行通信；2在系统模型中，粗体的字母表示矩阵或者集合，不加粗的字母表示标量；表示一个维度为2×1的矩阵空间；其中，用Θ＝{Γm|Γm＝{1,2,…,Nm},m∈Λ}表示全体用户的集合；3无人机总的可工作时间T0可以被分为飞行时间TS以及悬停通信时间，无人机在第m个用户群上方悬停通信时间表示为τm，得到： 定义第m个用户群中第n个用户为Um,n，设置无人机固定工作高度为H0，无人机的在第m个用户群上方的水平悬停位置与用户的位置分别用和表示，则用户Um,n与无人机之间的距离表示为： 假设每个用户群中用户与无人机的距离满足如下关系式： 将无人机空对地信道看作是LoS链接，因此用户Um,n的信道系数|hm,n2表示为： 其中，ρ0表示单位距离处的信道增益；根据NOMA，信道质量较好的用户将会被分配更少的传输功率；因此： 其中，Pm,n表示用户Um,n的传输功率；对于用户Um,n,2≤n∈Γm，信号与干扰加噪声比SINR为： 其中，表示用户Um,n的信号在用户Um,w接收机处的SINR；表示Um,n解码自己信号时的SINR；σ2表示噪声功率；为了顺利实现串行干扰消除，用户的SINR需要满足： 其中，ηm,n表示用户Um,n最低SINR要求；则用户的可达速率表示为： 第二步，根据第一步的具体设置，确定目标函数，列出优化问题：用户的传输功率、无人机悬停位置以及悬停时间的集合分别为P＝{Pm,n|n∈Γm,m∈Λ}，L＝{Lm|m∈Λ}和T＝{τm|m∈Λ}；当无人机悬停通信的时候，用户服务质量的要求需要被满足；确定优化目标是最大化系统的总吞吐量，则优化问题表示为： Rm,nτm≥δm,n,10d 其中，δm,n是用户Um,n的通信要求，Psum是无人机的总传输功率；第三步，设计算法解决优化问题：先利用K-means算法将K个用户分到M个用户群，再利用遗传算法求出最优路线，最后提出一个交替迭代的算法来优化P，L和T；具体过程为：1对用户聚类的优化采用K-means算法来将用户进行分簇；2最优路线优化得到无人机用户的分组后，将各用户群的质心设为无人机的初始悬停位置；找出无人机飞行的最优路线，该问题可以转换为一个旅行商问题TSP；采用遗传算法求出最优路线G以及对应的最短总距离Smin，其中G是一个M+1×1的矩阵存储当前最优路线；其具体步骤如下：2.1对该问题进行编码；定义无人机的起飞位置编号为0，则在该问题中遗传算法每个个体的基因表示无人机经过用户群的顺序；设置在遗传算法中每一代种群总个体数为Z；定义在第t代中个体的集合为Ωt＝{1,2,…,Z}；2.2计算个体的适应度值，定义第t代中第z个个体的适应度值ψtz为： 其中，表示第t代中最长总距离，为最短总距离，λtz是第z个个体对应的总距离；ε1为一个大于0的常数；找出第t代的最优个体，并与当前最优个体做对比，若该个体较好则更新当前最优路线和最短总距离；2.3根据轮盘赌法来选择生成下一代种群的父代；首先是计算第t代中第z个个体的累积概率 随机生成一个数ε2∈0,1]，若该随机数满足则将第z个个体选择为父代；2.4遗传或者变异来产生下一代；遗传算法要求有一定的变异概率来防止陷入局部最优解；定义变异的概率为随机产生一个随机数ε3∈0,1，如果该数满足则选择变异来生成下一代，否则使用遗传的方法；重复2.3和2.4直到获得足够的下一代个体；重复上述步骤直到迭代到足够的代数；通过上述遗传算法可以求出无人机的最优飞行路线和最短总距离；3交替迭代优化P，L和T；通过上述方法，用户分组与无人机飞行路线均确定，引入如下约束条件： 其中，LGj表示在无人机在第Gj个用户群上方悬停的水平位置；因此，现在问题P1可以转化为P2来优化P，L和T： s.t.Rm,nτm≥δm,n,16b 基于交替迭代的思想，将问题P2分为三个子问题，利用凸优化理论和凸近似技术把每个非凸的子问题转换为凸问题，最后提出一个迭代算法交替优化三个子问题解决问题P1；3.1传输功率P优化在优化功率P时，L和T保持不变，则问题P2可以分解为： s.t.Rm,nτm≥δm,n,17b 基于凹凸过程理论做近似，将约束17b和17c转换成凸约束；最终，综上问题P3被近似为一个凸问题，采用凸优化工具箱CVX进行求解；3.2悬停位置L优化在优化悬停位置L的时候，P和T保持不变，问题可以转化为： s.t.Rm,nτm≥δm,n,18b 在P4中，约束17b和17c均为非凸非凹的；先将凸函数||qm,n-Lm||2看作变量，同样对于Rm,n利用对数函数的性质将其转换为一个凸函数减一个凸函数，在利用一阶泰勒展开将第一个凸函数转化为关于变量L的凹函数，第二个凸函数引入松弛变量Vm,n将其转化为关于Vm,n的凸函数；对于18c同样将变量分离到等式的一边；这样P4也转化为可以利用CVX进行求解的凸优化问题；3.3悬停时间T优化基于优化后的P和L，对T进行优化；首先设置无人机在飞行过程中的最大飞行速率为ν；假设无人机在飞行过程中从当前位置出发先匀加速运动到最大速率，再做匀速运动，最后匀减速到下一个悬停位置；定义无人机在飞行过程中的加速和减速的加速度大小均为α；则无人机在飞行过程中所用时间： 其中，Sα和Tα为无人机在途中加速减速所飞行的距离和时间，可以表示为： 因此现在问题P2可以转化为： s.t.Rm,nτm≥δm,n,21b 3.4设计交替优化算法；为了解决问题P2，提出一种算法交替优化三个子问题来解决原问题，具体步骤如下：3.4.1初始化P0，L0和T0，r、k表示内外层迭代的次数，并设置初始值为k＝0；3.4.2设置初值r＝0；3.4.3基于Lr和Tk，优化Pr，得到Pr+1；3.4.4基于Pr+1和Tk，优化Lr，得到Lr+1；3.4.5根据Pr+1和Lr+1更新用户解码顺序并利用遗传算法重新计算最优路径G以及最短总路程Smin；3.4.6更新r＝r+1；3.4.7重复3.4.3-3.4.6直到P和L收敛；3.4.8基于Lr和Pr，优化Tk，得到Tk+1；3.4.9更新k＝k+1；3.4.10重复3.4.2-3.4.9直到P，L和T收敛；通过上述的优化算法可以求解出P2，给出最优的传输功率、时间分配方法。

全文数据：

权利要求：

百度查询： 大连理工大学 基于非正交多址技术的无人机轨迹与时间联合优化方法