基于协同异构空中网络的位置优化和资源分配方法及系统

1.本发明属于无线通信技术领域，具体涉及一种基于协同异构空中网络的位置优化和资源分配方法及系统。


背景技术：

2.近年来，无人机通信引起了广泛的关注，它可以作为空中基站为边远地区提供广域覆盖。由于在无人机和地面用户之间存在较少的阻碍，空中网络更容易建立可视链路(los)。此外，可以根据用户的分布动态地调整无人机的位置和轨迹来提高网络的性能，这是地面网络无法比拟的。这些优势使得无人机在未来的无线网络中有着巨大的发展潜力，空中网络将会是6g中一个重要的组成部分。
3.如何优化系统参数(例如：位置，轨迹，信道，功率等)对无人机基站是相关重要的。现有技术一提出了一种按需
‑
密度驱动的无人机三维布局方法，在最小速率要求约束下实现覆盖用户数最大化。现有技术二提出了一个流级模型(flow
‑
level model)来真实描述无人机空中基站性能，并采用深度强化学习方法优化无人机的轨迹。现有技术三提出了一种双频机载接入网络，并基于在此网络上测得的信道特征设计一种信道
‑
功率联合优化的方法。现有技术四将无人机作为中继来增强覆盖或者作为传感器的数据收集器。尽管在无人机通信系统的参数优化方面有着大量的研究工作，很少有研究聚焦于异构空中网络。采用低频波段的高空无人机基站(habs)能够实现广域覆盖，采用高频波段的低空无人机基站(labs)能够辅助高空无人机基站，支持高质量的通信。因此，相比于同构网络，habs和labs协同异构网络能够提供更好的通信质量。
4.协同异构空中网络存在的挑战：挑战一：异构网络中高低空无人机协同工作，高空无人机与用户距离远但是los链路通信质量好，低空无人机与用户距离近但采用高频波段路径损耗较大，因此对用户的接入分配是十分有必要的，在决策时要对无人机的优势进行合理的开发，选取合适的用户分配方案；挑战二：由于环境因素对信道质量的影响很大，使用不同的信道数据传输路径损耗有很大的差别，因此要设计合适的信道分配方案，降低环境的影响，减小系统路径损耗；挑战三：要在保证用户最低速率需求的前提下最大化系统吞吐量，各无人机的功率分配是非常重要的，要避免将资源耗费在对提升系统性能作用不大的用户上。


技术实现要素：

5.本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于协同异构空中网络的位置优化和资源分配方法及系统，使得高低空无人机协作，在保证用户公平性的前提下，提高整个小区的传输速率。
6.本发明采用以下技术方案：
7.基于协同异构空中网络的位置优化和资源分配方法，包括以下步骤：
8.s1、构建包括一个habs、n个labs和m个用户的小区通信模型；
9.s2、基于步骤s1构建的小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；
10.s3、基于步骤s1构建的小区通信模型和步骤s2构建的信息传输机制，确立无人机与各用户之间的传输速率及小区内总传输速率；
11.s4、基于步骤s1构建的小区通信模型和步骤s2构建的信息传输机制，建立通信约束机制；
12.s5、基于步骤s3和步骤s4构建系统吞吐量最大化的优化目标与约束条件；
13.s6、将步骤s5中的优化问题分解为labss位置优化和各无人机资源分配优化子问题；
14.s7、基于步骤s6分解的优化目标与步骤s5的约束条件，采用粒子
‑
鱼群优化算法求解位置优化问题，以覆盖用户数最多为目标，求解labss的位置，完成位置优化；
15.s8、基于步骤s7得到的labs位置，利用匹配算法和拉格朗日对偶分解算法优化各无人机的资源分配方案，实现资源分配。
16.具体的，步骤s1中，构建包括一个habs、n个labs和m个用户的小区通信模型具体为：
17.s101、构建一个三维直角坐标系，将habs在地面的投影设为原点，x、y轴为水平方向，z轴为垂直高度，m个用户随机分布；
18.s102、habs的高度为h，覆盖半径为r，第n个labss的位置为w
n
＝{x
n
,y
n
,h
n
}，w＝{w
n
}，覆盖半径为r。
19.具体的，步骤s2中，通信节点之间的信息传输机制具体为：
20.habs的信道数为k0，各信道带宽为b0hz，第n个labs的信道数为k
n
，各信道带宽为b
n
，在labs覆盖范围内的用户与对应labs关联，没有与labs关联的用户与habs关联，不同labs之间的信道为正交。
21.具体的，步骤s3中，传输速率r
m
表示为：
[0022][0023]
所有用户的总传输速率r
tot
为：
[0024][0025]
其中，b
n
为各信道带宽，表示与无人机n关联的用户的集合，k
n
表示中元素的个数，n0表示噪声功率谱密度，表示无人机n到用户m在信道k
n
上的信道功率增益，表示无人机在信道k
n
上的发射功率，代表信道分配变量，为无人机n与用户m关联时在信道k
n
上的传输速率。
[0026]
具体的，步骤s4中，约束机制包括：
[0027]
保证用户的最低传输速率要求，设计约束机制：
[0028][0029]
为保证每个用户关联到无人机设计的用户分配方案：
[0030][0031][0032][0033]
各无人机的最大发射功率限制了功率分配方案：
[0034][0035][0036]
对labss的位置约束为：
[0037][0038][0039][0040]
其中，代表用户的最低速率要求，表示无人机n的最大发射功率，d
i,j
表示第i个和第j个labs之间的距离，d表示labs之间的安全距离，分别表示可行域在x轴方向的最小最大范围，分别表示可行域在y轴方向的最小最大范围。
[0041]
具体的，步骤s5中，优化目标为小区和速率最大表示为：
[0042][0043]
s.t.c1:
[0044]
c2:
[0045]
c3:
[0046]
c4:
[0047]
c5:
[0048]
c6:
[0049]
c7:
[0050]
c8:
[0051]
c9:
[0052]
其中，c1为用户的最低速率要求限制，c2限制每个用户只能分配一个信道，c3和c4限制每个信道最多只能分配给一个用户，c5限制每个abs的发射功率之和不能大于其最大发射功率，c6限制无人机在每个信道上的发射功率不小于0，c7限制各低空无人机之间的距离大于安全距离d，c8和c9为低空无人机的水平方向飞行范围，r
m
为传输速率，k
n
表示中元素的个数，为信道分配变量，表示与无人机n关联的用户的集合，表示无人机在信道k
n
上的发射功率，分别表示可行域在x轴方向的最小最大范围，分别表示可行域在y轴方向的最小最大范围。
[0053]
具体的，步骤s7具体为：
[0054]
s701、初始化ω＝0.9,c1＝c2＝2,j＝200,n＝1,i＝1；
[0055]
s702、在可行域内随机生成粒子群的位置x1和速度v1以及鱼群位置x2；
[0056]
s703、计算x1中各粒子的覆盖用户数记为y1，计算x2中各人工鱼的覆盖用户数记为y2；
[0057]
s704、对y1和y2进行逐项比较，将各项中的最大值写入fitnesspbest，对应的粒子或人工鱼的位置写入pbest；
[0058]
s705、将y1中最大的值记为t，将y2中最大的值记为s，比较t和s，将两者中大的写入fitnessgbest，对应的粒子或人工鱼位置写入gbest；
[0059]
s706、更新粒子速度得到新的v1,并将大于vmax的值改为vmax，将小于vmin的值改为vmin；
[0060]
s707、更新粒子位置得到新的x1，并将大于xmax的值改为xmax，将小于xmin的值改为xmin；
[0061]
s708、计算x1各粒子的覆盖用户数记为y1；
[0062]
s709、将y1与fitnesspbest中的值逐项比较，若y1中的值大，更新fitnesspbest和pbest；
[0063]
s710、将y1中的每个值与fitnessgbest比较，若y1中的值大，更新fitnessgbest和gbest；
[0064]
s711、分别根据聚群行为和追尾行为更新鱼群的位置得到x
2,1
和x
2,2
；
[0065]
s712、计算x
2,1
和x
2,2
各位置处的覆盖用户数记为y
2,1
,y
2,2
；
[0066]
s713、对y
2,1
和y
2,2
进行逐项比较，将各项中的最大值写入y2，对应的人工鱼位置写入x2；
[0067]
s714、将y2中的每个值与fitnessgbest比较，若y2中的值大，更新fitnessgbest和gbest；
[0068]
s715、i＝i+1，若i＜j，重复步骤s706～步骤s715，得到第n个无人机的最佳位置
[0069]
s716、n＝n+1，若n＜n+1，将覆盖范围从可行域内去除，重复步骤s702～步骤s716，直到n＝n+1，完成位置优化。
[0070]
具体的，步骤s8具体为：
[0071]
将功率平均分配，计算信道分配权重因子w
m,k
，使用kuhn
‑
munkras方法解决信道分配问题，得到信道分配矩阵x
n
；根据信道分配矩阵x
n
用拉格朗日对偶分解方法求解功率控制问题。
[0072]
进一步的，信道分配问题表示如下：
[0073][0074]
s.t.c2:
[0075]
c3:
[0076]
c4:
[0077]
其中，表示与无人机n关联的用户的集合，k
n
表示中元素的个数，为信道分配变量，c2限制每个用户只能分配一个信道，c3和c4限制每个信道最多只能分配给一个用户。
[0078]
功率控制优化问题表示如下：
[0079][0080]
s.t.c1:
[0081]
c5:
[0082]
c6:
[0083]
其中，b
n
为各信道带宽，为分配给用户m的信道，表示无人机n在信道上的发射功率，表示无人机n到用户m在信道上的信道功率增益，n0表示噪声功率谱密度，为用户的最低速率要求，为无人机n的最大发射功率，c1为用户的最低速率要求限制，c5限制每个abs的发射功率之和不能大于其最大发射功率，c6限制无人机在每个信道上的发射功率不小于0。
[0084]
本发明的另一技术方案是，一种基于协同异构空中网络的位置优化和资源分配系统包括：
[0085]
通信模块，构建包括一个habs、n个labs和m个用户的小区通信模型；
[0086]
传输模块，基于通信模块构建的小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；
[0087]
速率模块，基于通信模块构建的小区通信模型和传输模块构建的信息传输机制，确立无人机与各用户之间的传输速率及小区内总传输速率；
[0088]
约束模块，基于通信模块构建的小区通信模型和传输模块构建的信息传输机制，建立通信约束机制；
[0089]
优化模块，基于速率模块和约束模块构建系统吞吐量最大化的优化目标与约束条件；
[0090]
分解模块，将优化模块中的优化问题分解为labss位置优化和各无人机资源分配优化子问题；
[0091]
位置模块，基于分解模块分解的优化目标与优化模块的约束条件，采用粒子
‑
鱼群优化算法求解位置优化问题，以覆盖用户数最多为目标，求解labss的位置，完成位置优化；
[0092]
分配模块，基于位置模块得到的labs位置，利用匹配算法和拉格朗日对偶分解算法优化各无人机的资源分配方案，实现资源分配。
[0093]
与现有技术相比，本发明至少具有以下有益效果：
[0094]
本发明一种基于协同异构空中网络的位置优化和资源分配方法，提出利用labs协助habs为目标用户提供更好服务的协同异构空中网络，在此基础上提出位置确定、信道分配和功率控制的联合优化问题；采用了粒子
‑
鱼群优化算法确定labss的位置、用匹配算法和拉格朗日对偶分解算法解决了信道分配和功率控制问题，在保证用户公平性的条件下使整个网络的吞吐量最大化；利用粒子
‑
鱼群优化算法对labs的位置进行优化，使得尽可能多的用户与labs关联，其次在保证用户最低速率要求的条件下，利用匹配算法和拉格朗日对偶分解技术选择出最优的信道
‑
功率分配方案，为用户带来更高的传输速率。
[0095]
进一步的，高空无人机采用低频波段提供广域覆盖，低空无人机采用高频波段辅助高空无人机的覆盖，充分利用频谱资源且避免干扰，使得系统整体性能得到很大的提升。
[0096]
进一步的，对habs和用户之间以及labs和用户之间的信息传输机制进行了分析。
[0097]
进一步的，对abs和用户之间的信息传输速率进行计算，得出系统的总吞吐量，得出系统优化目标。
[0098]
进一步的，合理的约束机制使得所建立的通信系统模型更加贴近实际，更有现实意义。
[0099]
进一步的，构建了系统和速率最大化的优化目标和约束条件，确定了关于labs位置优化和各abs资源分配的优化问题，这为实现系统和速率最大化分析提供了基础。
[0100]
进一步的，采用粒子
‑
鱼群优化算法求解labs位置优化问题，结合了粒子群算法收敛速度快和鱼群算法全局收敛性好的特点，能够很快求解出labs的最优位置，使labs覆盖用户数最大。
[0101]
进一步的，将资源分配问题进一步分解为信道分配和功率控制两个子问题，便于求解。
[0102]
进一步的，采用kuhn
‑
munkras方法将信道分配问题由0
‑
1整型规划问题转化为最优匹配问题，降低了求解的难度，采用拉格朗日对偶分解问题求解功率控制优化问题，降低了运算复杂度，得出最优的资源分配烦方案，为系统带来更高的吞吐量。
[0103]
综上所述，本发明针对现有空中异构网络研究的缺失，提出一种基于协同异构空中网络的位置优化和资源分配方法，使得habs和labs协同工作，为小区提供更大的吞吐量。发明采用粒子
‑
鱼群优化算法优化labs的位置，使其覆盖用户数最多，其次采用kuhn
‑
munkras方法在满足用户最低速率要求的前提下求解各无人机的信道分配问题，最后利用
拉格朗日对偶分解法，对无人机的功率控制方案进行优化，为系统带来更高的吞吐量，极大提升了系统的性能。
[0104]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0105]
图1为本发明流程图；
[0106]
图2为本发明提供的场景图；
[0107]
图3为不同最低速率要求下使用本发明与未使用本发明的性能对比图；
[0108]
图4为不同用户数量下使用本发明与未使用本发明的性能对比图；
[0109]
图5为不同labs覆盖半径下使用本发明与未使用本发明的性能对比图。
具体实施方式
[0110]
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，所描述的实施例是本发明一部分实施例，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做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。
[0111]
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0112]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0113]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0114]
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
[0115]
请参阅图1，本发明一种基于协同异构空中网络的位置优化和资源分配方法，包括以下步骤：
[0116]
s1、构建小区通信模型，包括一个habs(采用低频波段的高空无人机基站)、n个labs(采用高频波段的低空无人机基站)和m个用户；
[0117]
s101、构建一个三维直角坐标系，将habs在地面的投影设为原点，x、y轴为水平方向，z轴为垂直高度，m个用户随机分布；
[0118]
s102、habs的高度为h，覆盖半径为r，第n个labss的位置为w
n
＝{x
n
,y
n
,h
n
}，w＝{w
n
}，覆盖半径为r。
[0119]
s2、基于通信节点之间的网络模型，构建通信节点之间信息传输机制；
[0120]
habs的信道数为k0，各信道带宽为b0hz，第n个labs的信道数为k
n
,各信道带宽为
b
n
；默认在labs覆盖范围内的用户与此labs关联，没有与labs关联的用户即与habs关联；为了避免干扰，假设不同labs之间的信道是正交的。
[0121]
s3、基于步骤s1构建的通信网络模型和步骤s2构建的信息传输机制，确立无人机与各用户之间的传输速率及小区内总传输速率；
[0122]
如果用户则传输速率表示为：
[0123][0124]
所有用户的总传输速率为：
[0125][0126]
其中，表示与无人机n关联的用户的集合，k
n
表示中元素的个数，也就是与无人机n关联的用户的个数，n0表示噪声功率谱密度，表示无人机n到用户m在信道k
n
上的信道功率增益，表示无人机在信道k
n
上的发射功率，代表信道分配变量，若表示信道k
n
分配给用户m，否则用n＝0代表habs，用n＞0代表第n个labs。
[0127]
s4、基于通信节点间的信道容量建立约束机制；
[0128]
为保证用户的最低传输速率要求，设计约束机制：
[0129][0130]
为保证每个用户关联到无人机设计了用户分配方案：
[0131][0132][0133][0134]
各无人机的最大发射功率限制了功率分配方案：
[0135][0136][0137]
对labss的位置约束为：
[0138][0139]
[0140][0141]
其中，代表用户的最低速率要求，表示无人机n的最大发射功率，d
i,j
表示第i个和第j个labs之间的距离，d表示labs之间的安全距离，分别表示可行域在x轴方向的最小最大范围，分别表示可行域在y轴方向的最小最大范围。
[0142]
s5、构建全部用户传输速率均衡的优化目标与约束条件；
[0143]
优化目标为小区和速率最大，因此优化问题表示为：
[0144][0145]
s.t.c1:
[0146]
c2:
[0147]
c3:
[0148]
c4:
[0149]
c5:
[0150]
c6:
[0151]
c7:
[0152]
c8:
[0153]
c9:
[0154]
其中，c1为用户的最低速率要求限制，c2限制每个用户只能分配一个信道，c3和c4限制每个信道最多只能分配给一个用户，c5限制每个abs的发射功率之和不能大于其最大发射功率，c6限制无人机在每个信道上的发射功率不小于0，c7限制各低空无人机之间的距离大于安全距离d，c8和c9为低空无人机的水平方向飞行范围。
[0155]
s6、将步骤s5中的复杂优化问题分为labss位置优化和信道
‑
功率分配优化两个子问题；
[0156]
s7、基于优化目标与约束条件，采用粒子
‑
鱼群优化算法求解位置优化问题，以覆盖用户数最多为目标，求解labss的位置；
[0157]
采用粒子
‑
鱼群优化算法优化labss的位置，优化问题表示为：
[0158][0159]
s.t.c1:
[0160]
c2:
[0161]
具体步骤为：
[0162]
s701、初始化ω＝0.9,c1＝c2＝2,j＝200,n＝1,i＝1；
[0163]
s702、在可行域内随机生成粒子群的位置x1和速度v1以及鱼群位置x2；
[0164]
s703、计算x1中各粒子的覆盖用户数记为y1，计算x2中各人工鱼的覆盖用户数记为y2；
[0165]
s704、对y1和y2进行逐项比较，将各项中的最大值写入fitnesspbest，其对应的粒子或人工鱼的位置写入pbest；
[0166]
s705、将y1中最大的值记为t,将y2中最大的值记为s，比较t和s,将两者中较大的写入fitnessgbest，其对应的粒子或人工鱼位置写入gbest；
[0167]
s706、更新粒子速度得到新的v1，并将大于vmax的值改为vmax，将小于vmin的值改为vmin，公式如下：
[0168]
v
i
(t+1)＝ωv
i
(t)+c1random(0,1)(p
ibest
(t)
‑
x
i
(t))+c2random(0,1)(g
best
(t)
‑
x
i
(t))
[0169]
s707、更新粒子位置得到新的x1，并将大于xmax的值改为xmax，将小于xmin的值改为xmin，公式如下：
[0170]
x
i
(t+1)＝x
i
(t)+v
i
(t+1)
[0171]
s708、计算x1各粒子的覆盖用户数记为y1；
[0172]
s709、将y1与fitnesspbest中的值逐项比较，若y1中的值大，更新fitnesspbest和pbest；
[0173]
s710、将y1中的每个值与fitnessgbest比较，若y1中的值大，更新fitnessgbest和gbest；
[0174]
s711、分别根据聚群行为和追尾行为更新鱼群的位置得到x
2,1
和x
2,2
；
[0175]
s712、计算x
2,1
和x
2,2
各位置处的覆盖用户数记为y
2,1
,y
2,2
；
[0176]
s713、对y
2,1
和y
2,2
进行逐项比较，将各项中的最大值写入y2，对应的人工鱼位置写入x2；
[0177]
s714、将y2中的每个值与fitnessgbest比较，若y2中的值更大，更新fitnessgbest和gbest；
[0178]
s715、i＝i+1,若i＜j，重复步骤s706到步骤s715，得到第n个无人机的最佳位置
[0179]
s716、n＝n+1,若n＜n+1，将覆盖范围从可行域内去除，重复步骤s702到步骤s716，直到n＝n+1，完成位置优化。
[0180]
s8、利用匹配算法和拉格朗日对偶分解方法优化资源分配方案，提高系统总传输速率。
[0181]
采用匹配算法和拉格朗日对偶分解方法进行资源分配优化，目的是在保证公平性的前提下尽可能使小区内总传输速率最大，优化问题为：
[0182][0183]
s.t.c1:
[0184]
c2:
[0185]
c3:
[0186]
c4:
[0187]
c5:
[0188]
c6:
[0189]
具体又分为信道分配和功率控制，信道分配问题表示如下：
[0190][0191]
s.t.c2:
[0192]
c3:
[0193]
c4:
[0194]
其中，表示与无人机n关联的用户的集合，k
n
表示中元素的个数，为信道分配变量，c2限制每个用户只能分配一个信道，c3和c4限制每个信道最多只能分配给一个用户。
[0195]
功率控制优化问题表示如下：
[0196][0197]
s.t.c1:
[0198]
c5:
[0199]
c6:
[0200]
其中，b
n
为各信道带宽，为分配给用户m的信道，表示无人机n在信道上的发射功率，表示无人机n到用户m在信道上的信道功率增益，n0表示噪声功率谱密度，为用户的最低速率要求，为无人机n的最大发射功率，c1为用户的最低速率要求限制，c5限制每个abs的发射功率之和不能大于其最大发射功率，c6限制无人机在每个信道上的发射功率不小于0。
[0201]
解决步骤为：
[0202]
s801、假定功率平均分配，计算信道分配权重因子，公式如下：
[0203][0204]
s802、使用kuhn
‑
munkras(km)算法解决信道分配问题，得到信道分配矩阵x
n
；
[0205]
s803、根据s802得到的x
n
用拉格朗日对偶分解方法求解功率控制问题。
[0206]
本发明再一个实施例中，提供一种基于协同异构空中网络的位置优化和资源分配系统，该系统能够用于实现上述基于协同异构空中网络的位置优化和资源分配方法，具体的，该基于协同异构空中网络的位置优化和资源分配系统包括通信模块、传输模块、速率模块、约束模块、优化模块、分解模块、位置模块以及分配模块。
[0207]
其中，通信模块，构建包括一个habs、n个labs和m个用户的小区通信模型；
[0208]
传输模块，基于通信模块构建的小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；
[0209]
速率模块，基于通信模块构建的小区通信模型和传输模块构建的信息传输机制，确立无人机与各用户之间的传输速率及小区内总传输速率；
[0210]
约束模块，基于通信模块构建的小区通信模型和传输模块构建的信息传输机制，建立通信约束机制；
[0211]
优化模块，基于速率模块和约束模块构建系统吞吐量最大化的优化目标与约束条件；
[0212]
分解模块，将优化模块中的优化问题分解为labss位置优化和各无人机资源分配优化子问题；
[0213]
位置模块，基于分解模块分解的优化目标与优化模块的约束条件，采用粒子
‑
鱼群优化算法求解位置优化问题，以覆盖用户数最多为目标，求解labss的位置，完成位置优化；
[0214]
分配模块，基于位置模块得到的labs位置，利用匹配算法和拉格朗日对偶分解算法优化各无人机的资源分配方案，实现资源分配。
[0215]
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于基于协同异构空中网络的位置优化和资源分配方法的操作，包括：
[0216]
构建包括一个habs、n个labs和m个用户的小区通信模型；基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；基于小区通信模型和信息传输机制，确立无人机与各用户之间的传输速率及小区内总传输速率；基于小区通信模型和信息传输机制，建立通信约束机制；构建系统吞吐量最大化的优化目标与约束条件；将优化问题分解为labss位置优化和各无人机资源分配优化子问题；基于分解的优化目标与约束条件，
采用粒子
‑
鱼群优化算法求解位置优化问题，以覆盖用户数最多为目标，求解labss的位置，完成位置优化；基labs位置，利用匹配算法和拉格朗日对偶分解算法优化各无人机的资源分配方案，实现资源分配。
[0217]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。
[0218]
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关基于协同异构空中网络的位置优化和资源分配方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
[0219]
请参阅图2，构建包括一个habs、n个labs和m个用户的小区通信模型；基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；基于小区通信模型和信息传输机制，确立无人机与各用户之间的传输速率及小区内总传输速率；基于小区通信模型和信息传输机制，建立通信约束机制；构建系统吞吐量最大化的优化目标与约束条件；将优化问题分解为labss位置优化和各无人机资源分配优化子问题；基于分解的优化目标与约束条件，采用粒子
‑
鱼群优化算法求解位置优化问题，以覆盖用户数最多为目标，求解labss的位置，完成位置优化；基labs位置，利用匹配算法和拉格朗日对偶分解算法优化各无人机的资源分配方案，实现资源分配。
[0220]
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
[0221]
对本发明和基于相同网络参数的已有机制进行仿真，验证本发明的优越性。其中对比机制分别是：无优化，位置优化，位置
‑
信道优化。
[0222]
具体的参数设置如下：labs个数为3，habs高度为2km，覆盖半径为5km，labs高度为200m。低频载波频率0.8ghz，带宽180khz，高频载波频率3.5ghz，带宽720khz，各无人机信道数量为600。无人机最大发射功率10w，噪声功率谱密度为
‑
174dbm/hz。仿真次数为500。
[0223]
请参阅图3、图4和图5，分别是在最低速率要求不同、小区用户数不同以及labs覆盖半径不同的场景下得到的系统总传输速率，可以看出本发明采用粒子
‑
鱼群算法优化labs的位置以及采用匹配算法
‑
拉格朗日对偶算法进行资源分配的方法明显优于其他方案。
[0224]
综上所述，本发明一种基于协同异构空中网络的位置优化和资源分配方法及系
统，提出高低空无人机协同工作的异构网络，构建起了小区的通信异构网络。本发明采用粒子
‑
鱼群算法，以labs覆盖用户数最多为目标，得出最优的labs无人机位置，又利用匹配算法、拉格朗日对偶分解算法对信道
‑
功率分配进行了优化，在保证用户最低速率需求的前提下，为整个通信系统带来更高的传输速率。
[0225]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0226]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0227]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0228]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0229]
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。