多层无人机集群中基于RIS模型的无人机资源分配方法与流程

多层无人机集群中基于ris模型的无人机资源分配方法
技术领域
1.本发明属于无线通信技术领域，更进一步涉及应急通信技术领域中的一种多层无人机集群中基于ris模型的无人机资源分配方法。本发明可应用于由任意多架属性不同的无人机组建的任意多层无人机集群中，实现对功率资源的调度，以满足恶劣环境下任务目标对功率资源的需求，实现实时地对多层无人机集群携带功率资源的有效分配。


背景技术：

2.在典型的应急无线通信网络中，为了在暴雨灾害后及时、高效地搜救受困人员，无人机通常被放置为救援车辆无法到达的临时基站或临时中继，可以使用基于多层无人机(unmanned aerial vehicle,uav)集群的通信传输来快速建立临时通信网络。多层无人机集群由各种功能异构的无人机组成，不同的无人机可以搭载不同类型的机载设备，这使得无人机集群具有执行任务成本低、在暴雨等恶劣情况下灵活性和机动性高等优势。现有的多无人机资源分配方法主要是基于无人机和用户间的相对位置确定服务于具体用户的无人机，从而对不同的无人机和用户进行资源分配，在面对多层无人机集群在恶劣环境下的资源分配问题时，由于信道条件复杂多变，现有无人机资源分配方法无法满足用户对于通信容量的需求，适应范围较小。可重构智能表面(reconfigurable intelligent surface,ris)最早被用于传统地面无线通信，相关研究验证其应用范围可以拓展到无人机通信，并可实现不追加额外硬件设施的情况下提升系统容量。
3.南京邮电大学在其申请的专利文献“多无人机辅助移动用户通信的功率分配与航迹设计方法”(申请号：202110153592.0申请日：2021.02.04申请公布号：cn 112969185 a)中公开了一种无人机集群中无人机资源分配方法。该方法的实现步骤是，第一步，构建针对多无人机辅助移动用户无线通信的下行传输系统，根据用户移动轨迹对用户使用k means聚类方法进行分簇；第二步，同一时刻同一个簇内的用户由一架无人机提供通信服务，以最大化用户的最小平均吞吐量为目标，计算每个簇内最优的无人机通信位置以及发送功率；第三步，根据计算得到的每个无人机对应的最优的发送功率来进行功率分配。该方法存在的不足之处是，功率分配方法中一个用户在任意时刻只能收到一架无人机所发送的功率，而未考虑多架无人机同时给一个用户分配功率，因此该方法的用户容量较小。此外，在处理恶劣环境下多层无人机集群功率分配问题时，该方法未考虑信道的路损、雨衰、阴影衰落、多径衰落等因素，因此该方法无法适用于恶劣环境下多层无人机集群功率分配问题。
4.z.yao,w.cheng,w.zhang,and h.zhang在其发表的论文“resource allocation for 5g-uav based emergency wireless communications”(ieee journal on selected areas in communications,pp.1-1,2021)中公开了一种无人机集群中基于ris模型的资源分配方法。该方法的具体步骤是，首先，利用高斯超几何函数建立基于fisher-snedecor f信道的用户信道模型和功率增益表达式；其次，求解出在该模型下的最优的功率分配方法；最后，联合考虑带宽和功率等资源，求解出在该模型下的最优的带宽-功率分配方法。但是，该方法仍然存在的不足之处是，采用的fisher-snedecor f信道是未修正的超几何函数形
式，并且采用matlab建模，因此相应的功率功率分配方案既不能符合nakagami-m信道模型下的功率分配方案(nakagami-m信道是该信道在路损、阴影衰落为零下的特殊情况)，也不能适配相应的基于python的深度强化学习等方法，极大限制了基于ris模型的多层无人机信道模型的适用范围。此外，在处理恶劣环境下多层无人机集群功率分配问题时，该方法未考虑信道的雨衰等因素，因此该方法无法适用于恶劣环境下多层无人机集群功率分配问题。


技术实现要素：

5.本发明的目的是针对上述现有技术的不足，提出一种多层无人机集群中基于ris模型的无人机资源分配方法，用于解决多层无人机集群资源分配方法中用户容量较小，现有资源分配方法的适用范围较小，无法适用于恶劣环境的问题。
6.实现本发明的具体思路是：本发明采用可重构智能表面ris技术，在每一层的每一架无人机上加装ris，利用ris的无源反射特性，无源反射无人机发射的通信信号，可以在不额外增加无人机发射功率的情况下，增大地面接收终端用户的信道容量，由此解决多层无人机集群资源分配方法中用户容量较小的问题。本发明采用fox’s h函数和拟合后的fisher-snedecor f信道模型，对通过无人机和终端间利用前导信号通信得到的多层无人机集群信道特征进行求解，生成基于ris模型的多层无人机集群瞬时信道功率增益的概率分布，使其可以拟合恶劣环境下多层无人机集群的信道模型，解决基于ris模型的多层无人机信道模型的适用范围较小的问题。本发明将多层无人机集群瞬时信道功率增益的概率分布代入到功率优化模型中，得到使用户容量最大的功率分配方案，解决了现有功率分配方法无法利用于恶劣环境的问题。
7.本发明的步骤包括如下：
8.步骤1，在多层无人机集群网络每一层的每一架无人机上加装ris；
9.步骤2，获得复合信道的信道特征：
10.(2a)地面发送端发送一个前导信号到中继集群的每个无人机中继，每个无人机中继将前导信号发射回地面发射端，地面发送端计算地面发送端发送到该中继集群的通信信号所经历的瞬时路损雨衰值，所述中继集群是指一个携带ris的多架无人机中继组成的多层无人机集群；
11.(2b)每一个无人机中继发送一个前导信号到地面接收端，地面接收端将前导信号发射回中继集群的每一个无人机中继，每一个无人机中继计算每一个无人机中继发送到地面接收端的通信信号所经历的瞬时路损雨衰值,拟合fisher-snedecor f信道模型中每一个无人机中继发送到地面接收端的通信信号的阴影衰落因子和多径衰落因子；
12.(2c)每一个无人机中继将该无人机中继端到地面接收端的瞬时路损雨衰值、阴影衰落因子和多径衰落因子发送到地面发送端，地面发送端利用fox’s h函数，得到地面发送端到中继集群再到地面接收终端的总体信道的信道特征；
13.步骤3，生成概率密度分布f(h)如下：
14.15.其中，h表示地面接收终端接收信号的瞬时功率增益，p表示多层无人机集群的总层数，π表示连乘操作，p表示多层无人机集群的层数的序号，k表示第p层无人机中无人机的总数，k表示第p层第k个无人机中继对应的序号，n表示第p层第k个无人机中继上ris的总数，n表示第p层第k个无人机中继上第n个ris对应的序号,γ表示gamma函数求值操作，m
p,k,n
表示第p层第k个无人机中继上第n个ris到接收端的多径衰落因子，ms
p,k,n
表示第p层第k个无人机中继上第n个ris到接收端的阴影衰落因子；
16.步骤4，生成功率优化模型如下：
[0017][0018][0019]
其中，p表示地面发射终端发射功率的模型，表示使得括号中表达式值最大的地面发射终端发射的瞬时信号的功率p(h)，b表示地面发射端发射信号的带宽，h表示地面接收终端接收信号的瞬时功率增益，δ表示复合信道噪声功率的均方根值，s.t.表示地面发射终端发射功率的模型的受限条件，表示地面发射终端发射信号的平均功率值，p
hm
表示地面发射终端发射信号的功率的峰值；
[0020]
步骤5，求解功率优化模型，地面发射端分配功率p(h)给每个无人机中继如下：
[0021][0022]
其中，h0表示地面发射端到中继再到地面接收终端的瞬时信道增益门限，λ表示地面发射端根据限定的功率分配参数。
[0023]
本发明与现有技术相比具有以下优点：
[0024]
第一，由于本发明在多层无人机集群网络每一层的每一架无人机上加装ris，克服了现有技术中用户容量较小的缺陷，使得本发明具有多层无人机集群所服务的用户容量较大的特点，具有在不额外增加无人机发射功率的情况下，增大地面接收终端用户的信道容量的优点。
[0025]
第二，由于本发明采用fox’s h函数和拟合后的fisher-snedecor f信道模型，获得复合信道的信道特征，生成基于ris模型的多层无人机集群瞬时信道功率增益的概率分布，解决了现有信道模型无法拟合恶劣环境下多层无人机集群信道的问题，使得本发明可以拟合恶劣环境下的信道模型的特点，具有信道模型拟合性强，适用性强的优点。
[0026]
第三，由于本发明将生成的可适用于恶劣环境的多层无人机集群瞬时信道功率增益的概率分布代入到功率优化模型，生成使用户容量最大的功率分配方案，解决了现有无人机功率分配方法无法利用于恶劣环境的问题，使得本发明具有可以适用于恶劣环境的特点，具有无人机功率分配方法适用范围大的优点。
附图说明
[0027]
图1为本发明的流程图。
[0028]
图2为本发明仿真实验1的仿真图；
[0029]
图3为本发明仿真实验2的仿真图；
[0030]
图4为本发明仿真实验3的仿真图；
[0031]
图5为本发明仿真实验4的仿真图；
[0032]
图6为本发明仿真实验5的仿真图。
具体实施方式
[0033]
下面结合附图和实施例对本发明做进一步的详细描述。
[0034]
参照图1，对本发明的实现步骤做进一步的详细描述。
[0035]
步骤1，在多层无人机集群网络每一层的每一架无人机上加装ris。
[0036]
多层无人机集群是指，在地面发射终端工作时，无人机集群中的每一架无人机作为无人机空中中继，在地面发射终端不工作时，无人机集群中的每一架无人机作为无人机空中基站。
[0037]
步骤2，获得复合信道的信道特征。
[0038]
每一架无人机作为空中中继时，复合信道的信道特征是按照下述步骤生成的：
[0039]
第一步，地面发送端发送一个前导信号到中继集群的每个无人机中继，每个无人机中继将前导信号发射回地面发射端，地面发送端计算地面发送端发送到该中继集群的通信信号所经历的瞬时路损雨衰值。
[0040]
地面发送端v发送到第p层第k个无人机中继d的通信信号所经历的瞬时路损雨衰值表示为值表示为表示地面发射终端到第p层第k个无人机中继的距离,α表示复合信道的路径损耗因子，表示地面发射终端到第p层第k个无人机中继的路径损耗，a
rvd,p,k
表示地面发射终端到第p层第k个无人机中继的降雨损耗，所述中继集群是指一个携带ris的多架无人机中继组成的多层无人机集群。
[0041]
第二步，每一个无人机中继发送一个前导信号到地面接收端，地面接收端将前导信号发射回中继集群的每一个无人机中继，每一个无人机中继计算每一个无人机中继发送到地面接收端的通信信号所经历的瞬时路损雨衰值,拟合fisher-snedecor f信道模型中每一个无人机中继发送到地面接收端的通信信号的阴影衰落因子和多径衰落因子。
[0042]
第p层第k个无人机中继发送到地面接收端的通信信号所经历的瞬时路损雨衰值表示为表示为表示第p层第k个无人机中继到地面接收终端的距离，表示第p层第k个无人机中继到地面接收终端的路径损耗，a
rdu,p,k
表示第p层第k个无人机中继到地面接收终端的降雨损耗，m
p,k,n
表示第p层第k个无人机中继上第n个ris到接收端的多径衰落因子，ms
p,k,n
表示第p层第k个无人机中继上第n个ris到接收端的阴影衰落因子。
[0043]
第三步，每一个无人机中继将该无人机中继端到地面接收端的瞬时路损雨衰值、阴影衰落因子和多径衰落因子发送到地面发送端，地面发送端利用fox’s h函数，得到地面发送端到中继集群再到地面接收终端的总体信道的信道特征h
pdf
。
[0044]hpdf
的表达式如下：
[0045][0046]
其中，
[0047]
表示复合信道中第p层第k个无人机中继的所经历的路损和雨衰，表示第p层第k个无人机中继上第n个ris到地面接收终端的平均功率增益，增益，
[0048]
每一架无人机作为空中基站时，复合信道的信道特征是按照下述步骤生成的：
[0049]
第一步，每一个无人机基站发送一个前导信号到地面接收端，地面接收端将前导信号发射回无人机集群的每一个无人机基站，每一个无人机基站计算每一个无人机基站发送到地面接收端的通信信号所经历的瞬时路损雨衰值、阴影衰落因子和多径衰落因子；
[0050]
第p层第k个无人机中继发送到地面接收端的通信信号所经历的瞬时路损雨衰值表示为表示为表示第p层第k个无人机中继到地面接收终端的距离，α表示复合信道的路径损耗因子，表示第p层第k个无人机中继到地面接收终端的路径损耗，a
rdu,p,k
表示第p层第k个无人机中继到地面接收终端的降雨损耗，m
p,k,n
表示第p层第k个无人机中继上第n个ris到接收端的多径衰落因子，ms
p,k,n
表示第p层第k个无人机中继上第n个ris到接收端的阴影衰落因子。
[0051]
第二步，每一个无人机基站将该无人机基站到地面接收端的瞬时路损雨衰值、阴影衰落因子和多径衰落因子发送到其他所有无人机基站，无人机集群的每一个无人机基站考虑所有无人机基站发射到地面接受终端的直射通信信号，得到所有无人机基站到地面接收端的总体信道的信道特征h
pdf
。
[0052]hpdf
的表达式如下：
[0053]
[0054]
其中，
[0055]
表示复合信道中第p层第k个无人机中继的所经历的路损和雨衰，表示第p层第k个无人机中继上第n个ris到地面接收终端的平均功率增益，增益，
[0056][0057]
步骤3，生成概率密度分布f(h)：
[0058][0059]
其中，h表示地面接收终端接收信号的瞬时功率增益，p表示多层无人机集群的总层数，π表示连乘操作，p表示多层无人机集群的层数的序号，k表示第p层无人机中无人机的总数，k表示第p层第k个无人机中继对应的序号，n表示第p层第k个无人机中继上可重构智能表面ris的总数，n表示第p层第k个无人机中继上第n个ris对应的序号,γ表示gamma函数求值操作。
[0060]
步骤4，将多层无人机集群中地面基站借助通信无人机中继与地面用户通信时发射功率的优化问题转换为凸优化问题，生成功率优化模型如下：
[0061][0062][0063]
其中，p表示地面发射终端发射功率的模型，表示使得括号中表达式值最大的地面发射终端发射的瞬时信号的功率p(h)，b表示地面发射端发射信号的带宽，h表示地面接收终端接收信号的瞬时功率增益，δ表示复合信道噪声功率的均方根值，s.t.表示地面发射终端发射功率的模型的受限条件，表示地面发射终端发射信号的平均功率值，p
hm
表示地面发射终端发射信号的功率的峰值。
[0064]
步骤5，求解功率优化模型，地面发射端分配功率p(h)给每个无人机中继如下：
[0065][0066]
其中，h0表示地面发射端到中继再到地面接收终端的瞬时信道增益门限，λ表示地面发射端根据限定的功率分配参数。
[0067]
下面结合仿真实验对本发明的效果做进一步的说明：
[0068]
1.仿真实验条件：
[0069]
本发明的仿真实验的硬件平台为：处理器为amd ryzen 7 3800x，显卡为nvidia geforce gtx 1050ti，主频为4.3ghz，内存32gb。
[0070]
本发明的仿真实验的软件平台为：windows 10操作系统，pycharm2021.1.1和python 3.6。
[0071]
2.仿真内容及其结果分析：
[0072]
本发明的仿真实验包括5个。
[0073]
本发明仿真实验1是采用本发明和一个现有技术利用输入的无人机参数、无线信道参数获得复合信道的信道特征，获得瞬时信道增益的概率密度分布图和最佳发送功率的结果。
[0074]
本发明仿真实验1无人机参数包括无人机的层数p＝2，每层无人机数量k＝1，每架无人机上可重构智能表面单元的数量n＝2。无线信道参数包括itu-r降雨衰落模型的信号频率f＝30ghz，d
rain
＝5km，r＝100mm/h，无人机相对于水平面的极化倾斜角τ＝0，路径仰角θ＝45
°
，每一层无人机距离发射端和接收端d＝l
du
＝l
vd
＝400m，α＝0.3，阴影衰落系数ms＝5，多径衰落系数m＝1～10。
[0075]
在仿真实验1中所采用的一个现有技术可重构反射表面ris是指：
[0076]
崔铁军等人在“coding metamaterials,digital metamaterials and programmable metamaterials，light-sci.appl.,vol.3,pp.1-9,oct.2014”提出的数字编码超材料和可编程超材料的概念，简称可重构反射表面ris。
[0077]
下面结合图2的仿真图对本发明的效果做进一步的描述。
[0078]
图2(a)为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验1中每个无人机中继发送到地面接受端的信号经历阴影衰落系数ms＝5，多径衰落系数m＝1～10时的瞬时信道增益的概率密度分布图。图2(a)中的x轴坐标为多径衰落系数m，y轴坐标为信道的瞬时功率增益，z轴坐标为瞬时信道增益的概率密度分布。
[0079]
由图2(a)可以看出，固定信道每一层的平均信噪比，随着多径衰落系数m的减小，多径衰落不断增大，可见，该仿真得到的瞬时信噪比/信道增益概率密度函数曲线整体向左偏移，表明信道的瞬时信噪比的中心值减小。因此表明采用该发明可以得到符合恶劣环境信道多径衰落不断变化的信道模型。
[0080]
图2(b)为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验1中每个无人机中继发送到地面接受端的信号经历阴影衰落系数ms＝5，多径衰落系数m＝1～10时的最佳分配功率图。图2(b)中的x轴坐标为信道的瞬时功率增益，y轴坐标为多径衰落系数m，z轴坐标为最佳分配功率。
[0081]
由图2(b)可以看出，随着多径衰落系数m的不断减小，多径衰落不断增强，所需分配给应急通信信道的功率也随之增加，可见，本发明可以和作为信道特殊情况的nakagami-m信道的最佳功率分配方案吻合。因此表明采用该发明可以符合恶劣环境信道衰落为多径衰落的功率分配情况。
[0082]
本发明仿真实验2是采用本发明和一个现有技术利用输入的无人机参数、无线信
道参数获得复合信道的信道特征，获得瞬时信道增益的概率密度分布图和最佳发送功率的结果。
[0083]
本发明仿真实验2无人机参数包括无人机的层数p＝2，每层无人机数量k＝1，每架无人机上可重构智能表面单元的数量n＝2。无线信道参数包括itu-r降雨衰落模型的信号频率f＝30ghz，d
rain
＝5km，r＝100mm/h，无人机相对于水平面的极化倾斜角τ＝0，路径仰角θ＝45
°
，每一层无人机距离发射端和接收端d＝l
du
＝l
vd
＝400m，α＝0.3，多径衰落系数m＝5，阴影衰落系数ms＝1.1～10。
[0084]
在仿真实验2中所采用的一个现有技术可重构智能表面ris是指：
[0085]
崔铁军等人在“coding metamaterials,digital metamaterials and programmable metamaterials，light-sci.appl.,vol.3,pp.1-9,oct.2014”提出的数字编码超材料和可编程超材料的概念，简称可重构智能表面ris。
[0086]
下面结合图3的仿真图对本发明的效果做进一步的描述。
[0087]
图3(a)为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验2中每个无人机中继发送到地面接受端的信号经历多径衰落系数m＝5，阴影衰落系数ms＝1.1～10时的瞬时信道增益的概率密度分布图。图3(a)中的x轴坐标为阴影衰落系数ms，y轴坐标为信道的瞬时功率增益，z轴坐标为瞬时信道增益的概率密度分布。
[0088]
由图3(a)可以看出，固定信道每一层的平均信噪比，随着阴影衰落系数ms的减小，阴影衰落不断增大，仿真得到的瞬时信噪比/信道增益概率密度函数曲线整体向左偏移，表明信道的瞬时信噪比的中心值减小。因此表明采用该发明可以得到符合恶劣环境信道阴影衰落不断变化的信道模型。
[0089]
图3(b)为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验2中每个无人机中继发送到地面接受端的信号经历阴影衰落系数ms＝5，多径衰落系数m＝1～10时的最佳分配功率图。图3(b)中的x轴坐标为信道的瞬时功率增益，y轴坐标为多径衰落系数m，z轴坐标为最佳分配功率。
[0090]
由图3(b)可以看出，随着ms＝1.1～10的不断减小，阴影衰落不断增强，所需分配给应急通信信道的功率也随之增加，同阴影衰落情况相吻合。因此表明采用该发明可以符合恶劣环境信道衰落为阴影衰落的功率分配情况。
[0091]
本发明仿真实验3是采用本发明和一个现有技术利用输入的无人机参数、无线信道参数获得复合信道的信道特征，获得瞬时信道增益的概率密度分布结果。
[0092]
本发明仿真实验3无人机参数包括无人机的层数p＝2，每层无人机数量k＝1，每架无人机上智能反射单元的数量n＝2。无线信道参数包括itu-r降雨衰落模型的信号频率f＝30ghz，d
rain
＝5km，不同的雨速r＝95～110mm/h，无人机相对于水平面的极化倾斜角τ＝0，路径仰角θ＝45
°
，每一层无人机距离发射端和接收端d＝l
du
＝l
vd
＝400m，α＝0.3，多径衰落系数m＝5，阴影衰落系数ms＝5。
[0093]
在仿真实验3中所采用的一个现有技术可重构反射表面ris是指：
[0094]
崔铁军等人在“coding metamaterials,digital metamaterials and programmable metamaterials，light-sci.appl.,vol.3,pp.1-9,oct.2014”提出的数字编码超材料和可编程超材料的概念，简称可重构反射表面ris。
[0095]
下面结合图4的仿真图对本发明的效果做进一步的描述。
[0096]
图4为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验3中地面发送终端发送到每个无人机中继再到地面接受端的信号经历随雨速增长而变化的不同降雨衰减时的瞬时信道增益的概率密度分布图。图4中的x轴坐标为信道的瞬时功率增益，y轴坐标为瞬时信道增益的概率密度分布。图4中以小圆点标示的直线代表雨速为95mm/h的情况，以大圆点标示的直线代表雨速为100mm/h的情况，以下三角标示的直线代表雨速为105mm/h的情况，以上三角标示的直线代表雨速为110mm/h的情况。
[0097]
由图4可以看出，随着雨速的增大，相应的链路雨衰也变大，将降雨衰减作为影响每一层平均信噪比的重要因素(路损的趋势同雨衰)，固定信道每一层的瞬时信噪比上下波动，仿真得到的瞬时信噪比/信道增益概率密度函数曲线整体向左偏移，表明信道的瞬时信噪比的中心值减小，并且瞬时信噪比的集中度上升。暴雨的雨速越大，信道的功率增益越小，通信条件越恶劣，因此表明采用本发明可以适用于暴雨等恶劣环境的情况。
[0098]
本发明仿真实验4是采用本发明和一个现有技术利用输入的无人机参数、无线信道参数获得复合信道的信道特征，获得瞬时信道增益的概率密度分布图和最佳发送功率的结果。
[0099]
本发明仿真实验4无人机参数包括无人机的层数p＝2，每层无人机数量k＝1，每架无人机上智能反射单元的数量n＝2。无线信道参数包括itu-r降雨衰落模型的信号频率f＝30ghz，d
rain
＝5km，r＝100mm/h，无人机相对于水平面的极化倾斜角τ＝0，路径仰角θ＝45
°
，每一层无人机距离发射端和接收端d＝l
du
＝l
vd
＝380～410m，α＝0.3，多径衰落系数m＝5，阴影衰落系数ms＝5。
[0100]
在仿真实验4中所采用的一个现有技术可重构反射表面ris是指：
[0101]
崔铁军等人在“coding metamaterials,digital metamaterials and programmable metamaterials，light-sci.appl.,vol.3,pp.1-9,oct.2014”提出的数字编码超材料和可编程超材料的概念，简称可重构反射表面ris。
[0102]
下面结合图5的仿真图对本发明的效果做进一步的描述。
[0103]
图5(a)为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验4中地面发送终端发送到每个无人机中继再到地面接受端的信号经历不同层的无人机的长度不同时的瞬时信道增益的概率密度分布图。图5(a)中的x轴坐标为信道的瞬时功率增益，y轴坐标为瞬时信道增益的概率密度分布。其中以小圆点标示的直线代表第一层距离为410m，第二层距离为410m(每一层都有2个反射单元)的情况，以大圆点标示的直线代表第一层距离为410m，第二层距离为400m的情况，以下三角标示的直线代表第一层距离为400m，第二层距离为400m的情况，以上三角标示的直线代表第一层距离为410m，第二层距离为390m的情况，短间距以左三角标示的直线代表第一层距离为410m，第二层距离为380m的情况，长间距以左三角标示的直线代表第一层距离为400m，第二层距离为390m的情况。
[0104]
由图5(a)可以看出，当一层的平均snr固定(如设置路径长度为400m)，而另一层增加时(如设置路径长度从410m变为400m)，固定信道每一层的瞬时信噪比上下波动，仿真得到的瞬时信噪比/信道增益概率密度函数曲线向右移动，表明信道的瞬时信噪比的中心值
增大，同时中心值的概率降低。并且两层的平均snr之间的较大差异导致瞬时功率增益向中心更集中。因此表明本发明可以符合多层无人机集群的信道模型。
[0105]
图5(b)为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验4中地面发送终端发送到每个无人机中继再到地面接受端的信号，经历不同层的无人机的长度不同时的发射功率图。图5(b)中的x轴坐标为信道的瞬时功率增益，y轴坐标为最佳发射功率。其中，以叉标示的直线代表第一层距离为410m，第二层距离为410m(每一层都有2个反射单元)的情况。以五角星标示的直线代表第一层距离为410m，第二层距离为400m的情况。以米标示的直线代表第一层距离为400m，第二层距离为400m的情况。以上三角标示的直线代表第一层距离为410m，第二层距离为390m的情况。以下三角标示的直线代表第一层距离为410m，第二层距离为380m的情况。以六角星标示的直线代表第一层距离为400m，第二层距离为390m的情况。
[0106]
由图5(b)可以看出，无人机集群的层平均信噪比不同时，随着链路长度的增加，衰落变得更加严重，需要更多的功率来满足基本需求。可见，当多层的平均功率增益之和在不同条件下相等或近似相等时，它们的瞬时功率增益概率分布和功率分配方案接近。但是，如果一层的通信条件较差(平均信噪比低)，会增加该层所需的功率，两层之间平均snr的差异需要分配更多的功率。因此表明采本该发明可以符合多层无人机集群下功率资源分配的情况。
[0107]
本发明仿真实验5是采用本发明和一个现有技术利用输入的无人机参数、无线信道参数获得复合信道的信道特征，获得瞬时信道增益的概率密度分布结果。
[0108]
本发明仿真实验5无人机参数包括无人机的层数p＝1，每层无人机数量k＝1，智能反射单元的数量设置为n＝1～3。无线信道参数包括itu-r降雨衰落模型的信号频率f＝30ghz，d
rain
＝5km，不同的雨速r＝100mm/h，无人机相对于水平面的极化倾斜角τ＝0，路径仰角θ＝45
°
，每一层无人机距离发射端和接收端d＝l
du
＝l
vd
＝400m，α＝0.3，多径衰落系数m＝5，阴影衰落系数ms＝5。
[0109]
在仿真实验5中所采用的一个现有技术可重构反射表面ris是指：
[0110]
崔铁军等人在“coding metamaterials,digital metamaterials and programmable metamaterials，light-sci.appl.,vol.3,pp.1-9,oct.2014”提出的数字编码超材料和可编程超材料的概念，简称可重构反射表面ris。
[0111]
下面结合图6的仿真图对本发明的效果做进一步的描述。
[0112]
图6为使用pycharm2021.1.1和python 3.6软件平台，利用本发明的方法，绘制出本发明仿真实验5中地面发送终端发送到每个无人机中继再到地面接受端的信号，经历不同的智能发射表面转发时的瞬时信道增益的概率密度分布图。图6中的x轴坐标为信道的瞬时功率增益，y轴坐标为瞬时信道增益的概率密度分布。其中，以圆点标示的直线代表智能发射单元数为1的情况，以上三角标示的直线代表智能发射单元数为2的情况，以下三角标示的直线代表智能发射单元数为3的情况。
[0113]
由图4可以看出，随着智能反射单元数的增大，仿真得到的瞬时信噪比/信道增益概率密度函数曲线整体向右偏移，表明信道的瞬时信噪比的中心值增大。功率增益的中心值越大，代表信道条件越好，相应的信道容量也就越大。因此表明采用本发明可以在不额外
增加无人机发射功率的前提下，使得用户容量增大。
[0114]
以上仿真实验表明：本发明采用可重构智能表面ris技术，在每一层的每一架无人机上加装ris，利用ris的无源反射特性，无源反射无人机发射的通信信号，可以在不额外增加无人机发射功率的情况下，增大地面接收终端用户的信道容量，由此解决多层无人机集群资源分配方法中用户容量较小的问题。本发明采用fox’s h函数和拟合后的fisher-snedecor f信道模型，对通过无人机和终端间利用前导信号通信得到的多层无人机集群信道特征进行求解，生成基于ris模型的多层无人机集群瞬时信道功率增益的概率分布，使其可以拟合恶劣环境下多层无人机集群的信道模型，解决基于ris模型的多层无人机信道模型的适用范围较小的问题。本发明将多层无人机集群瞬时信道功率增益的概率分布代入到功率优化模型中，得到使用户容量最大的功率分配方案，解决了现有功率分配方法无法利用于恶劣环境的问题，是一种非常实用的多层无人机集群资源分配方法。