辅助智能物联网覆盖增强的无人机轨迹优化方法及系统与流程

本发明涉及无线通信技术领域，尤其是一种辅助智能物联网覆盖增强的无人机轨迹优化方法及系统。

背景技术

随着通信技术、电子设备的快速发展，越来越多的设备接入网络，对通信系统产生了巨大的挑战。下一代无线通信(5G)被要求能够提供无处不在的覆盖和可持续的高数据传输速率。传统无线通信系统主要由固定的地面基础设施组成，比如地面基站、接入点和中继。然而，传统基站部署大多数是静止的且部署在地面，这使得它们不能满足某些特定场景的应用，比如热点区域流量激增(如体育场、节假日等)、紧急情况下的基础设施被毁坏(如洪灾、地震灾区等)以及偏远地区没有基站覆盖(如山区、沙漠、戈壁等)。上述问题是5G无线通信必须解决的。

近来，电子设备、传感器和通信技术的快速发展极大地推动了无人机在各个领域的应用，如导航、精准农业、航拍等。鉴于无人机具有快速部署、可控制移动、低成本及高概率视距通信的优势，无人机被应用到无线通信领域。无人机通过搭载不同的通信设备作为中继、接入点、基站及边缘服务器。由于无人机能够随时随地、按需部署。因此，无人机空中基站被认为是解决传统蜂窝网不足的有效方法。目前，有一些成功的无人机通信原型，如Facebook太阳能无人机和Google Loon计划。无人机空中基站根据移动性是否被使用分为：静止空中基站和移动空中基站。静止空中基站，虽然能够提供无缝覆盖，但是这类基站灵活性差，不具有自适应能力。移动空中基站，无人机充分利用其灵活移动性，能够缩短空地通信距离，及时改善信道质量。然而，实现无人机辅助智能物联网还面临诸多挑战。

无人机轨迹设计是实现无人机辅助无线网络的关键。因为，无人机3D轨迹位置对信道链路、通信覆盖及能量消耗有重要的影响。同样，无人机轨迹也受物联网设备特定服务质量、设备位置分布、系统无线资源及机载能量的影响。如何设计一条合适的无人机轨迹是目前关注的重点。不同的通信目标和约束产生的轨迹也不同，无人机轨迹优化方案大致可以分为如下两类：2D轨迹优化，例如，最小吞吐量最大化，固定无人机高度，优化其水平飞行轨迹地面用户接收服务公平化；3D轨迹优化，例如，移动无人机实现节能物联网通信，物联网设备的位置信息保存在云端控制器，无人机从控制器获得物联网设备位置，根据当前需要服务的设备数量及时调整其3D位置，使得物联网设备总能耗最小。

无人机的机载能量是无人机辅助无线网络的关键难点。无人机机载能量对其操作和续航有重要的影响。物联网网络中不同的应用具有不同的服务质量需求。如何设计一条既能保障服务质量的同时也使得系统能效最大的无人机飞行轨迹是目前关注的重点之一。无线电资源分配是无人机辅助无线网络的关键技术。如何保障服务用户的服务质量使得资源合理按需分配也是目前关注的重点。

虽然目前关于资源分配和轨迹优化的方法有很多，但它们的系统效益不佳。

技术实现要素：

本发明提供一种辅助智能物联网覆盖增强的无人机轨迹优化方法及系统，用于克服现有技术中系统效益不佳等缺陷。

为实现上述目的，本发明提出一种辅助智能物联网覆盖增强的无人机轨迹优化方法，包括：

根据无人机与预先设置的智能物联网系统的通讯关系以及所述无人机的无人机属性，确定无人机轨迹优化的约束条件；所述智能物联网系统包括：地面物联网终端设备；所述无人机与所述地面物联网终端设备进行通讯；

根据所述约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型；

根据所述智能物联网系统和所述通信调度与关联模型，构建任务周期内所有无人机的总能量消耗模型和所述地面物联网终端设备的总吞吐量模型；

根据所述总能量消耗模型和所述总吞吐量模型，建立无人机轨迹优化模型，通过迭代求解所述无人机轨迹优化模型，获得满足所述约束条件的无人机优化轨迹。

为实现上述目的，本发明还提出一种辅助智能物联网覆盖增强的无人机轨迹优化系统，包括：

限定模块，用于根据无人机与预先设置的智能物联网系统的通讯关系以及所述无人机的无人机属性，确定无人机轨迹优化的约束条件；所述智能物联网系统包括：地面物联网终端设备；所述无人机与所述地面物联网终端设备进行通讯；

模型构建模块，用于根据所述约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型；根据所述智能物联网系统和所述通信调度与关联模型，构建任务周期内所有无人机的总能量消耗模型和所述地面物联网终端设备的总吞吐量模型；

轨迹优化模块，用于根据所述总能量消耗模型和所述总吞吐量模型，建立无人机轨迹优化模型，通过迭代求解所述无人机轨迹优化模型，获得满足所述约束条件的无人机优化轨迹。

为实现上述目的，本发明还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。

与现有技术相比，本发明的有益效果有：

本发明提供的辅助智能物联网覆盖增强的无人机轨迹优化方法，结合已知的地面物联网终端设备位置、服务质量需求信息(主要为数据传输速率)及智能物联网系统可用无线电资源，及时调整无人机空中基站位置，能够有效地保障服务质量；此外，本发明方法通过协调智能物联网系统内无人机总能量消耗和系统总吞吐量之间的关系，实现对无人机轨迹的优化，可节省无人机能量从而有效提高无人机无线通信网络的寿命。通过本发明提供的辅助智能物联网覆盖增强的无人机轨迹优化方法能够实现系统效益最大化，同时保障设备服务质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明提供的辅助智能物联网覆盖增强的无人机轨迹优化方法流程图；

图2为实施例1中智能物联网系统组成图；

图3a为吞吐量最大化方案下的无人机3D轨迹图；

图3b为本发明提供的辅助智能物联网覆盖增强的无人机轨迹优化方法下的无人机3D轨迹图；

图4为实施例1提供的方法与现有方法下的系统能对比效示意图；

图5为在实施例1提供的方法与现有方法中不同最大发射功率下无人机能量消耗示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明提出一种辅助智能物联网覆盖增强的无人机轨迹优化方法，如图1所示，包括：

101根据无人机与预先设置的智能物联网系统的通讯关系以及所述无人机的无人机属性，确定无人机轨迹优化的约束条件；所述智能物联网系统包括：地面物联网终端设备；所述无人机与所述地面物联网终端设备进行通讯；

智能物联网系统包括地面物联网终端设备和无人机空中基站。从智能物联网系统中可获得无人机的数量、材质属性、螺旋叶尖转速、机身阻力比、转子硬度、转子面积大小和无人机的推力等信息；空气密度；无人机服务周期；地面物联网终端设备的坐标；无人机空中基站天线半波宽；地面物联网终端设备特定服务的最小数据传输速率需求；无人机最大飞行速度；无人机最大发射功率等信息。

无人机轨迹优化需满足该约束条件，以确保无人机安全飞行、保障系统通信服务质量等。

102根据所述约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型；

根据该通信调度与关联模型可实时调整无人机空中基站与地面物联网终端设备的通信情况。

103根据所述智能物联网系统和所述通信调度与关联模型，构建任务周期内所有无人机的总能量消耗模型和所述地面物联网终端设备的总吞吐量模型；

在智能物联网系统内无人机是进行周期性服务的，因此只需建立周期内的无人机的总能量消耗模型和地面物联网终端设备的总吞吐量模型。

104根据所述总能量消耗模型和所述总吞吐量模型，建立无人机轨迹优化模型，通过迭代求解所述无人机轨迹优化模型，获得满足所述约束条件的无人机优化轨迹；

智能物联网系统中，M个地面物联网终端设备随机均匀分布在地面。任务周期内，无人机结合时分多址接入技术和频分多址接入技术与地面物联网终端设备进行通信。假设地面物联网终端设备位置固定且位置信息已经被无人机知道，地面物联网终端设备的体验质量需求是多样性的、随机分布且每个任务周期都不同，无人机在每个任务周期内都会从云端服务器处收集每个地面物联网终端设备的流量需求。

无人机轨迹是指无人机在任务周期内的位置时间序列。轨迹优化过程中需要根据智能物联网系统状态决定轨迹位置。

在其中一个实施例中，对于步骤101，根据无人机与预先设置的智能物联网系统的通讯关系以及所述无人机的无人机属性，确定无人机轨迹优化的约束条件，包括：

(1)空-地链路可达数据传输速率≥特定服务的最小数据传输速率需求；

Ri(t)≥Ri,th (7)

式中，Ri(t)为空-地链路可达数据传输速率；Ri,th为地面物联网终端设备i特定服务的最小数据传输速率需求；

(2)无人机的移动速度≤无人机最大飞行速度；

式中，q(t)为无人机时变坐标，q(t)＝{x(t),y(t),z(t)}；为无人机的移动速度，vmax为无人机最大飞行速度。

(3)无人机的发射功率≤无人机最大发射功率；

pi(t)≤pmax (9)

式中，pi(t)为无人机发射功率；pmax为无人机最大发射功率。

(4)地面物联网终端设备在无人机覆盖范围内。

在另一个实施例中，对于约束条件，其中，空-地链路可达数据传输速率Ri(t)取决于无人机与地面物联网终端设备之间的距离di(t)，无人机发射功率pi(t)和无人机信道带宽bi(t)。假设已知地面物联网终端设备i特定服务的最小数据传输速率需求为Ri,th，为了保障服务质量，空-地链路可达数据传输速率Ri(t)≥特定服务的最小数据传输速率需求Ri,th。其中，空-地链路可达数据传输速率Ri(t)为

式中，Ri(t)为空-地链路可达数据传输速率；bi(t)为无人机信道带宽；pi(t)为无人机发射功率；Li(t)为无人机路径损耗；δ²为高斯白噪声功率。

在下一个实施例中，对于无人机路径损耗Li(t)，智能物联网系统中空-地链路中包含视距链路和非视距链路，这是基于无人机无线通信系统中不可避免的通信方式，因此所述无人机路径损耗包括视距链路路径损耗和非视距链路路径损耗。本发明中无人机基站使用的天线的半功率波宽仰角ψ为3dB，那么在无人机基站覆盖范围内，视距链路概率pLoS≈1，根据视距链路和非视距链路在无人机空中基站覆盖范围内的权重，本发明的智能物联网系统的无人机路径损耗Li(t)主要与无人机与地面物联网终端设备之间的距离di(t)有关，为

式中，Li(t)为无人机路径损耗；c为光速，fc为载波频率；di(t)为无人机与地面物联网终端设备之间的距离；μLoS为视距链路衰减系数；{x(t),y(t),z(t)}为无人机在空中的时变坐标；(xi,yi)为第i个地面物联网终端设备的坐标。

因此，所述空-地链路可达数据传输速率Ri(t)可简化为：

式中，bi(t)为无人机信道带宽；pi(t)为无人机发射功率；δ²为高斯白噪声功率；c为光速，fc为载波频率；di(t)为无人机与地面物联网终端设备之间的距离；μLoS为视距链路衰减系数。

在某个实施例中，对于约束条件，其中，地面物联网终端设备在无人机覆盖范围内，具体为：

di(t)≤H(t)tanθ (4)

式中，di(t)为无人机与地面物联网终端设备之间的距离；H(t)为无人机在t时刻的高度；θ为无人机空中基站天线半波宽。

在下一个实施例中，对于步骤102，根据所述约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型，包括：

根据空-地链路可达数据传输速率≥特定服务的最小数据传输速率需求、地面物联网终端设备在无人机覆盖范围内两个约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型，

式中，λi(t)＝1为地面物联网终端设备i在t时刻与无人机通信，λi(t)＝0为地面物联网终端设备i在t时刻不与无人机通信；Ri(t)为空-地链路可达数据传输速率；Ri,th为地面物联网终端设备i特定服务的最小数据传输速率需求；di(t)为无人机与地面物联网终端设备之间的距离；H(t)为无人机在t时刻的高度；θ为无人机空中基站天线半波宽。

当地面物联网终端设备i与无人机之间的链路容量(即空-地链路可达数据传输速率Ri(t))在时刻t满足地面物联网终端设备i特定服务的最小数据传输速率需求Ri,th，并且地面物联网终端设备i在无人机覆盖范围内，则地面物联网终端设备i被安排与无人机通信，否则无人机不与地面物联网终端设备i通信。

在下一个实施例中，对于步骤103，根据所述智能物联网系统和所述通信调度与关联模型，构建任务周期内所有无人机的总能量消耗模型，包括：

301根据所述智能物联网系统，获得任务周期内无人机的总能量消耗组成；

根据所述智能物联网系统，任务周期内无人机的总能量消耗由通信能耗Pc和推力能耗P(v(t))组成。

302根据所述总能量消耗组成和所述通信调度与关联模型，构建任务周期内无人机的总能量消耗模型，

其中，

式中，E为任务周期内无人机的总能量消耗；Pc(t)为通信能耗；P(v(t))为推力能耗；T为任务周期，t为任务周期内的时刻；M为无人机数量；λi(t)为无人机与地面物联网终端设备的通信调度与关联模型；pi,c(t)为第i个无人机的通信能耗；v(t)为无人机在t时刻的速度，包括垂直方向和水平方向；po，pi为已知量，取决于无人机的材质属性；k为无人机推力与重力的比值；Utip为螺旋叶尖转速；v0为无人机悬停速度；vz(t)为无人机垂直方向速度；d0为无人机机身阻力比；ρ为空气密度；S为无人机转子硬度；A为无人机转子面积；为无人机的推力。

在其中一个实施例中，考虑无人机转子圆盘面积小，机身阻力也比较小，因此推力与重力比k≈1。公式(13)可进一步简化为：

式中，W为无人机重力；其他符号含义同公式(13)。

在某个实施例中，对于步骤103，任务周期内所述地面物联网终端设备的总吞吐量模型为

式中，R(t)为任务周期内地面物联网终端设备的总吞吐量；M为无人机数量；Ri(t)为空-地链路可达数据传输速率。

在下一个实施例中，对于步骤104，根据所述总能量消耗模型和所述总吞吐量模型，建立无人机轨迹优化模型，通过迭代求解所述无人机轨迹优化模型，获得满足所述约束条件的无人机优化轨迹，其中，所述无人机轨迹优化模型为

式中，E(t)为任务周期内所有无人机的总能量消耗；R(t)为任务周期内地面物联网终端设备的总吞吐量。

无人机轨迹是连续时间变量，因此所述无人机轨迹优化模型的解集合是一个无限极。另外，上述无人机轨迹优化模型是一个分数函数，其分母是非凸函数，分子为非凸非凹函数。本实施例通过坐标快下降算法和Dinkelbach算法，迭代求解所述无人机轨迹优化模型，最终获得满足所述约束条件的无人机优化轨迹。

本发明还提出一种辅助智能物联网覆盖增强的无人机轨迹优化系统，包括：

限定模块，用于根据无人机与预先设置的智能物联网系统的通讯关系以及所述无人机的无人机属性，确定无人机轨迹优化的约束条件；所述智能物联网系统包括：地面物联网终端设备；所述无人机与所述地面物联网终端设备进行通讯；

模型构建模块，用于根据所述约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型；根据所述智能物联网系统和所述通信调度与关联模型，构建任务周期内所有无人机的总能量消耗模型和所述地面物联网终端设备的总吞吐量模型；

轨迹优化模块，用于根据所述总能量消耗模型和所述总吞吐量模型，建立无人机轨迹优化模型，通过迭代求解所述无人机轨迹优化模型，获得满足所述约束条件的无人机优化轨迹。

本发明还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。

实施例1

本实施例提供一种辅助智能物联网覆盖增强的无人机轨迹优化方法，包括：

根据无人机与预先设置的智能物联网系统的通讯关系以及所述无人机的无人机属性，确定无人机轨迹优化的约束条件；所述智能物联网系统包括：地面物联网终端设备；所述无人机与所述地面物联网终端设备进行通讯；

根据所述约束条件，构建无人机与地面物联网终端设备的通信调度与关联模型；

根据所述智能物联网系统和所述通信调度与关联模型，构建任务周期内所有无人机的总能量消耗模型和所述地面物联网终端设备的总吞吐量模型；

根据所述总能量消耗模型和所述总吞吐量模型，建立无人机轨迹优化模型，通过迭代求解所述无人机轨迹优化模型，获得满足所述约束条件的无人机优化轨迹。

本实施例中获取的智能物联网系统如图2所示，图中θ为无人机空中基站天线半波宽，ψ为无人机天线半功率波宽仰角，

本实施例的仿真场景为无人机在流量热区(如大型体育赛事、音乐会等)提供按需无线通信服务。假设有10个地面移动用户随机均匀分布，并且具有不同的服务质量需求。系统总带宽B＝67kHz，噪声功率为δ²＝-90dbm，最大发射功率pmax＝100dbm，载波频率f0＝2e+09Hz，视距通信链路衰减系数μLoS＝3db，无人机水平方向最大移动速度和垂直方向最大移动速度分别为任务周期T＝60s，实时用户最低速率需求Rth＝100kbits，非实时用户速率需求Rth＝1kbits。

为了评估本实施例提供的辅助智能物联网覆盖增强的无人机轨迹优化方法的性能，将本实施例提供的方法(EE maximization)与现有吞吐量最大化方案(throughput maximization)、资源随机分配方案(resources allocation)及基准方案(baseline)进行对比。其中，吞吐量最大化方案没有考虑无人机能量消耗；资源随机分配方案没有考虑用户的服务体验质量的需求；基准方案既没有考虑吞吐量最大也没有考虑无人机能量消耗，仅仅只考虑用户服务体验质量要求。

图3a为吞吐量最大化方案下的无人机3D轨迹，该方案下获得的无人机轨迹大部分时间是停留在一个位置且几乎垂直上升。图3b为本发明技术方案下的无人机3D轨迹，本发明提出的技术方案的无人机3D轨迹相对平滑且以较小的角度上升或下降。

图3a和图3b中，用户分为3类，第一类是实时用户，这类用户不但需要一直在线连接并且需要数据传输速率高(如在线游戏、观看直播视频)；第二类用户是非实时用户，其中非实时用户又包括低数据传输速率(如发送短信，浏览网页)和高数据传输速率(如观看普通视频)。

吞吐量最大化方案与本发明技术方案相比，两种方案德无人机轨迹不同，原因是：

吞吐量最大化方案没有考虑无人机能量消耗。本发明方案在设计无人机轨迹的过程中考虑无人机能量消耗。无人机悬停状态比飞行状态消耗能量多，并且垂直上下飞行比斜飞的能量消耗大。为了节省无人机能量，本发明方案下的无人机轨迹比吞吐量最大化方案下的轨迹更平滑。本发明提出的方案下的无人机轨迹还有另外一个特点：当需要服务的用户当中非实时用户距离实时用户近且速率要求高时，无人机做下降飞行；当需要服务的用户中非实时用户距离实时用户较远且速率需求小时，无人机做爬升飞行。从仿真结果可知，本发明提出的方案能够很好的保障设备服务质量。为进一步评估本发明所提方案的性能，接下来考察系统能效。

图4为本实施例提供的方法与现有方法下的系统能对比效示意图，从图可知，本实施例提供的方法获得的系统能效高于现有吞吐量最大化方案(throughput maximization)和基准方案(baseline)，与资源随机分配方案(resources allocation)获得的系统能效接近，但资源随机分配方案(resources allocation)不能确保用户体验质量需求。基准方案(baseline)获得的系统能效最低，并且其迭代曲线走势与其他三种方案都相反，这是因为实验初始化过程中将系统资源全部分配给两个实时用户，而且无人机初始轨迹为固定高度的2D轨迹，所有轨迹点距离实时用户很近。因此本实施例在迭代过程中为了确保设备的体验质量需求，无人机作3D飞行，无人机与实时用户的距离增大，因此能量消耗比初始情况大，吞吐量比初始情况小，因此前3次迭代过程中，能效随迭代次数增加而下降。从仿真结果可知，本实施例提供的方法能够获得很好的系统效益。

图5为在本实施例提供的方法与现有方法中不同最大发射功率下无人机能量消耗示意图，从图可知，本实施例提供的方法不同最大发射功率下无人机能量消耗较现有吞吐量最大化方案(throughput maximization)和基准方案(baseline)明显降低；较现有资源随机分配方案(resources allocation)有降低，且本实施例的无人机能量消耗随最大发射功率线性变化(能量消耗随发射功率增大而增大)并于调节控制能耗，而现有资源随机分配方案(resources allocation)变化无明显规律。仿真结果充分说明了本实施例提供的方法能够达到很好的节能效果。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。