一种面向6G网络的无人区实时监测能效提升方法

一种面向6g网络的无人区实时监测能效提升方法
技术领域
1.本发明属于无人机实时监测网络中能量效率优化领域，涉及无人机服务小区时能效提升的设计方案，具体是指无人机以圆形轨迹在小区上空盘旋，实时服务小区内的用户，通过优化无人机的飞行中心点，飞行半径和发射功率，从而最大化整个小区的能量效率，实现高效绿色立体覆盖。


背景技术：

2.5g已经进入了大规模商用状态，为了进一步提升通信性能和满足未来通信需求，6g的研究已经提上日程。5g虽然已经让生活在许多方面变得智能，推动了智慧城市的建设，使出行、医疗、工作等各个方面更加便捷，但是在无人区的应用不尽人意。6g提出到2030+，“泛在覆盖”将成为网络的主要形式，完成在深山、深海、沙漠等“无人区”的网络部署，实现空天地海全域覆盖，推动社会治理便捷化、精细化与智能化。同时，智赋农业和智赋工业也提出了“无人”概念，实时检测设备，收集并分析数据，保证产业利益最大化。但是，如果为了监测无人区建造基站，则配套的信号塔、供电设备等必不可少，还需要人员定期前去保养维修。而且一旦监测区域发生变化，或者遭到自然灾害的破坏，基站就不能再继续使用，显然这项投入会耗费大量人力和财力，得到的收益却不可观。在此场景下，无人机基站相对于普通基站优势明显，对环境变化的适应能力要更强，因此可将无人机基站部署在无人区进行实时监测。
3.无人机凭借自己的高机动性，已经在很多领域得到了应用，比如军事、运输和农业。近些年，无人机在无线通信领域中的应用也得到了越来越多的关注。首先，无人机可以辅助地面蜂窝网络，在热点密集的地区，无人机能依靠灵活性和部署方便的特点快速进行业务分流，减少地面基站压力。然后，无人机也可以作为移动中继，根据任务部署，比起传统的固定中继灵活性好，可优化部署位置，提高通信性能。最后，无人机可以搭载基站，作为空中基站部署到没有地面基站的区域，提供通信连接，也是本发明研究的主要方面。
4.随着接入设备不断增加，基站以及配套设施也随之增长，这不仅带来数据流量的浪涌，还会导致整个网络能耗急剧上升，所以“比特/焦耳”这一衡量系统能效的概念在6g的研究中成为重要的考虑指标。在全球倡导减少碳排放的背景下，移动通信的发展不应该只追求速率和容量，应为可持续发展做出贡献，所以本发明致力于无人区实时监测中的能效提升研究，对无人机的飞行轨迹和功率分配进行了合理设计。


技术实现要素：

5.本发明提供了一种无人区实时检监测背景下的小区能量效率提升的方法。6g提出到2030+，“泛在覆盖”将成为网络的主要形式，完成“无人区”的网络部署，实现空天地海全域覆盖。在缺乏基础设施的地区，可以利用空基接入点进行实时监测，无人机搭载基站盘旋在监测区域上空实现立体、广域、移动覆盖，具体方案如图1所示。基于此模型，本发明提出一种优化无人机飞行中心点、飞行半径和功率分配的方案，从而提高系统的能量效率，实现
绿色立体覆盖。
6.本发明解决技术问题采用的技术方案如下：
7.一种面向6g场景的无人区实时监测能效提升方法，包括以下步骤：
8.第一步，构建系统模型：
9.1)不失一般性，假设在需要实时监测的无人区存在k个接入设备，设备立体分布在0-300m的地面及空中，一架搭载基站的无人机以圆形轨迹在高度为h的空中飞行，t为飞行周期，要求无人机与k个设备实时通信并满足速率门限。通过协同优化无人机的飞行中心点、飞行半径和功率分配，有效提高小区的能量效率。
10.2)在系统模型中，粗体大写字母表示矩阵，粗体小写字母表示向量，不加粗的字母表示标量；||a||表示矩阵a的frobenius范数，||a||表示向量a的euclidean范数；表示标量；||a||表示矩阵a的frobenius范数，||a||表示向量a的euclidean范数；
11.系统的能量效率定义为，每焦耳可传送的信息量，不失一般性，本发明以无人机一个飞行周期为例，一周期内传送的信息量与所耗能量相比即为能量效率，可表述为：
[0012][0013]
其中i为一个周期内传送的信息量，e为一周期内消耗的能量。
[0014]
无人机的能耗主要有三部分组成，分别为推进功率、发射功率和基站的固定消耗功率，则无人机在一个飞行周期内消耗的能量可表示为：
[0015]
e＝(p
p
+p
t
+pb)
×
t,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0016]
其中p
p
表示推进功率，p
t
表示发射功率，pb表示基站的固定消耗功率，t为无人机的一个飞行周期。无人机以圆形轨迹飞行，一周期内推进耗能e
p
与飞行速度、加速度、无人机参数相关，可表示为：
[0017][0018]
其中c1，c2为无人机参数，v和a
cen
分别为无人机飞行速度和加速度，且v＝2πr/t，a
cen
＝4π2r/t2，其中r为飞行半径。则无人机一周期的能耗又可写为：
[0019][0020]
为了研究一周期内传送的信息量，本发明将一个周期分为n个时隙，每个时隙的持续时间为τ＝t/n。当时隙很小时，在每个时隙内，可认为无人机的位置是不变的。由于无人机的飞行高度较高，与用户之间易建立los(line-of-sight)信道，在第n个时隙内，无人机与第k个设备的信道可表述为
[0021][0022]
其中ρ为单位路径损耗，qu[n]＝(xe+rcosθ[n],ye+rsinθ[n],h)和qk＝(xk,yk,zk)分别为第n个时隙的无人机的位置和第k个设备的位置，(xe,ye)为飞行中心点的水平坐标，其中，θ[n]＝2πn/n。则第k个设备在第n个时隙内的信息量可表示为：
[0023][0024]
其中b为每个用户分配的带宽，pk[n]为第k个用户在第n个时隙内的分配到的功率，σ2为噪声功率。在一个周期内传送的总的信息量为：
[0025][0026]
综上所述，在该系统中可以将能量效率表达式更为详尽的表示为：
[0027][0028]
其中qu[n]和qk分别无人机和用户k在第n个时隙的位置，v为无人机的飞行速度。
[0029]
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：
[0030]
本发明的目的是最大化能量效率，也即ee，同时要满足用户的速率限制、加速度限制、发射功率限制、无人机轨迹限制。根据优化目标和限制条件，列出优化问题：
[0031][0032][0033]vmin
≤v≤v
max
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9c)
[0034]acen
≤a
max
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9d)
[0035][0036]
其中，r
th
为单个用户的速率门限值，v
min
和v
max
分别为最小飞行速度和最大飞行速度，a
max
最大加速度，p
max
为最大发射功率。
[0037]
第三步，设计算法解决优化问题：
[0038]
首先，针对k个设备的分布情况，讨论如何确定飞行中心点。无人机的飞行高度固定为h，飞行中心点，也即(xe,ye)，对小区的能效有一定的影响。当用户在空间中立体均匀分布时，为了简化算法，可直接选择小区的中心点为飞行中心点。而当用户不呈均匀分布时，如用户靠小区一侧分布，直接以小区中心点为飞行中心点会导致无人机的飞行轨迹不能很好的覆盖用户，影响小区的能效。无人机的飞行高度以及设备的分布高度都是固定的，为此，提出以到各用户水平距离之和最短的点为飞行中心点，也即(xe,ye)满足如下关系式：
[0039]
[0040]
其中(x,y)为平面任意一点。
[0041]
当(xe,ye)确定时，优化问题(p1)是关于半径和功率的优化问题。针对约束(9c)和(9d)，当无人机的飞行周期t一定时，由于无人机以圆形轨迹飞行，所以v和a
cen
只与飞行半径有关，则可重写为关于r的约束：
[0042][0043][0044]
虽然(9e)，(11)和(12)均为凸约束，但优化目标为分式且约束(9b)为一个非凸约束，致使(p1)不能直接求解。本发明利用连续凸近似方法将(p1)转换为一个凸问题，首先引入辅助变量γ
n,k
，且满足：
[0045][0046]
等价于：
[0047][0048]
但(14)依然是非凸约束，基于连续凸优化的思想，在第i+1次迭代时，不等式右端可进行一阶泰勒展开为：
[0049][0050]
其中为第i次迭代的值。则问题(p1)可转换为：
[0051][0052]
问题(p2)中虽然约束均为凸约束，但是优化目标是分式函数，所以(p2)依然难以直接求解。基于dinkelbach算法，本发明提出如下解决办法，在第i+1次迭代时，一周期传送的信息量可表示为：
[0053][0054]
并引入常数λ，可将优化问题可转换为：
[0055]
[0056]
针对问题(p3)，本发明提出如下算法：
[0057]
1.初始化迭代次数i＝0，λ＝1和
[0058]
2.利用和λ解决问题(p3)得到
[0059]
3.更新
[0060]
4.更新i＝i+1；
[0061]
5.若未收敛则返回第2步，若收敛则进行第6步；
[0062]
6.得到r及pk[n]，并根据事先确定的中心点(xe,ye)计算得出优化后的能效。
[0063]
本发明的有益效果为：本发明面向6g无人区实时监测需求提供了一种方案，与传统监测手段相比，不需要部署大量地面设备，利用无人机的灵活性监测无人区，通过合理设计飞行中心点、飞行轨迹和功率分配方案，最大化小区能量效率，实现绿色高效立体覆盖。
附图说明
[0064]
图1为无人机实时监测无人区系统图。
[0065]
图2为优化方案和基准方案的能效对比。
[0066]
图3为优化方案和不同半径下能效随发射功率的变化。
[0067]
图4为能效、信息量、能耗随着用户数的变化。
具体实施方式
[0068]
为了更好的理解上述技术方案，以下结合附图以及具体的实施方式，给出具体分析。本实施例的具体步骤包括：
[0069]
第一步，构建系统模型：
[0070]
1)不失一般性，假设需要实时监测的无人区为半径2km的蜂窝小区，小区内存在k＝200个接入设备，设备立体分布在0-300m的地面及空中，无人机的飞行高度设为h＝1000m，为飞行周期设为t＝1000s，要求无人机与所有接入设备实时通信并满足速率门限。通过协同优化无人机的飞行中心点、飞行半径和功率分配，有效提高小区的能量效率。
[0071]
2)在系统模型中，粗体大写字母表示矩阵，粗体小写字母表示向量，不加粗的字母表示标量；||a||表示矩阵a的frobenius范数，||a||表示向量a的euclidean范数；表示标量；||a||表示矩阵a的frobenius范数，||a||表示向量a的euclidean范数；
[0072]
系统的能量效率定义为，每焦耳可传送的信息量，不失一般性，本发明以无人机一个飞行周期为例，一周期内传送的信息量与所耗能量相比即为能量效率，可表述为：
[0073][0074]
其中i为一个周期内传送的信息量，e为一周期内消耗的能量。
[0075]
无人机的能耗主要有三部分组成，分别为推进功率、发射功率和基站的固定消耗功率，则无人机在一个飞行周期内消耗的能量可表示为：
[0076]
e＝(p
p
+p
t
+pb)
×
t,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0077]
其中p
p
表示推进功率，p
t
表示发射功率，pb表示基站的固定消耗功率，发射功率和
基站的固定消耗功率设为固定值，分别设置为p
t
＝5w和pb＝80w。而一周期内推进耗能e
p
与飞行速度、加速度、无人机参数相关，由于无人机以圆形轨迹飞行，e
p
可表示为：
[0078][0079]
其中c1＝1.85
×
10-3
，c2＝4500为无人机参数，v和a
cen
分别为无人机飞行速度和加速度，且v＝2πr/t，a
cen
＝4π2r/t2，其中r为飞行半径。则无人机一周期的能耗又可写为：
[0080][0081]
为了研究一周期内传送的信息量，本发明将一个周期分为n个时隙，每个时隙的持续时间为τ＝t/n。当时隙很小时，在每个时隙内，可认为无人机的位置是不变的。由于无人机的飞行高度较高，与用户之间易建立los(line-of-sight)信道，在第n个时隙内，无人机与第k个设备的信道可表述为如式(5)的形式。则第k个设备在第n个时隙内的信息量可表示为：
[0082][0083]
其中设置每个用户分配的带宽b＝360khz，pk[n]为第k个用户在第n个时隙内的分配到的功率，且噪声功率与带宽满足σ2＝10-20.4
b关系。在一个周期内传送的总的信息量为：
[0084][0085]
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：
[0086]
本发明的目的是最大化能量效率，也即ee，同时要满足用户的速率限制、加速度限制、发射功率限制、无人机轨迹限制。根据优化目标和限制条件，列出优化问题：
[0087][0088][0089]vmin
≤v≤v
max
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25c)
[0090]acen
≤a
max
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25d)
[0091][0092]
其中，r
th
为单个用户的速率门限值，设置最小飞行速度v
min
＝10m/s和最大飞行速度v
max
＝100m/s，a
max
＝10m/s2为最大加速度。
[0093]
第三步，设计算法解决优化问题：
[0094]
首先，针对k个设备的分布情况，中心点(xe,ye)需满足(10)式。当(xe,ye)确定时，优化问题是关于半径和功率的优化问题。为了将非凸约束(9b)转化为一个凸约束，本发明使用连续凸近似方法，并引入辅助变量γ
n,k
得到问题(p2)，具体操作过程如(13)-(15)。问题(p2)中虽然约束均为凸约束，但是优化目标是分式函数，所以(p2)依然难以直接求解。基于dinkelbach算法，本发明提出了一种解决办法，在第i+1次迭代时，一周期传送的信息量
可表示为：
[0095][0096]
引入常数λ，可将优化问题转换为(p3)。
[0097]
针对问题(p3)，本发明提出如下算法：
[0098]
1.初始化迭代次数i＝0，λ＝1和
[0099]
2.利用和λ解决问题(p3)得到
[0100]
3.更新
[0101]
4.更新i＝i+1；
[0102]
5.若未收敛则返回第2步，若收敛则进行第6步；
[0103]
6.得到r及pk[n]。
[0104]
本发明的有益效果为：本发明面向6g无人区实时监测需求提供了一种方案，与传统监测手段相比，不需要部署大量地面设备，利用无人机的灵活性监测无人区，通过合理设计飞行中心点、飞行轨迹和功率分配方案，最大化小区能量效率，实现绿色高效立体覆盖。
[0105]
图2为优化方案和基准方案的对比，其中优化方案为本发明提出的优化中心点、飞行半径和飞行中心点使得小区的能效最大，基准方案为无人机以小区中心点为飞行中心点，功率平均分配，速度选择使得推进功率最小的飞行速度，即v
op
＝(c1/3c2)
1/4
m/s。优化方案的能效为1.51mbit/j，基准方案的能效为1.46mbit/j，可见本发明提出的优化方法有效，与基准方案相比有一定提升。
[0106]
图3展示了几种方案与发射功率的关系。其中以小区中心为飞行中心点，并选择了半径为360m,460m,560m作为对比。对于该三种方案而言，当发射功率增加时，可满足用户更大的信息量需求，所以能量效率均有所提升，当半径为460m时，此时无人机的飞行速度接近v
op
，能量效率较高，低于或高于该速度能量效率都会下降。本发明提出的优化方案的能量效率也随着发射功率上升而上升，且在每一种发射功率下的能量效率都是最高的，说明优化方案不受发射功率影响，依然能有效提升能量效率。
[0107]
图4展示了在用户数递增时，无人机在一周期内的能量效率、信息量和能耗的变化。从图中可以看出，除了能耗外，能量效率和信息量都随着用户数的上升而上升，虽然优化方案的能量消耗要大于基准方案，但是传输的信息量也要高，综合看来优化方案的能量效率还是要高于基准方案。
[0108]
以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。