一种基于无线电地图的无人机轨迹设计和功率分配方法
专利汇可以提供一种基于无线电地图的无人机轨迹设计和功率分配方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于无线电地图的无人机轨迹设计和功率分配方法，特征是根据基于无线电地图获取的信道模型，通过设计无人机的轨迹和发送功率来最大化无人机通信链路的可得速率，同时控制给原有存在的地面链路的干扰小于一定的 阈值 ；采用 强化学习 算法 来设计无人机的轨迹和发送功率。与现有的无人机通信中基于固定的视距信道或者统计的概率视距信道来联合设计无人机轨迹和功率分配从而实现无人机通信系统吞吐量最大化并控制无人机引入干扰方法的相比，采用本发明方法能够符合实际环境的信道特征，在满足干扰限制的要求下，进一步地提高无人机通信系统的吞吐量。，下面是一种基于无线电地图的无人机轨迹设计和功率分配方法专利的具体信息内容。
1.一种基于无线电地图的无人机轨迹设计和功率分配方法，其特征在于：
考虑一个实际环境的场景，其中A2G信道会遭到障碍物的遮挡，并且地面的障碍物分布是不均匀的；包括参考信道功率增益以及路损指数在内的信道参数与无人机以及地面节点的位置紧密相连，设无人机在通信之前可以利用无线电地图技术来提前获取这些具体的信道参数；
根据基于无线电地图技术获取的信道参数和信道模型，考虑一个无人机用户与一个地面基站通信，通过共享现有地面链路的频谱资源；为了保护现有的地面链路，采用了认知无线电网络下的干扰温度IT技术，使得共信道地面链路受到来自无人机通信的干扰功率不超过给定的阈值；通过优化无人机的轨迹和发送功率来最大化无人机和其相连基站的可得速率，并受限于无人机的飞行速度，初始位置，发送功率的限制，以及共信道地面链路的IT限制；
考虑一个频谱共享的场景，其中一个无人机用户和一个空闲地面基站available GBS通信，该available GBS没有利用与无人机相同的工作频段来服务地面用户，与此同时有K个被占用的地面基站occupied GBS正在利用与无人机相同的工作频段来服务相对应的地面用户；注意到这些occupied GBSs工作在相同的频段；令 定义为occupied GBS的集合；关注一个特定的工作时间段 其中T＞0定义为总的通信时间；为了便于分析，将这个连续的时间段离散化为N个时隙，每个时隙有相同的时间δ＝T/N；这里，δ选取的足够小以至于无人机的位置在每个时隙内可以被假设为近似固定的；进一步定义不失一般性，考虑一个三维系统，其中available GBS固定在(x,y,0)，每个occupied GBS固定在(xk,yk,0)；为了方便起见，定义 和 为available
GBS以及每个occupied GBS k的水平位置坐标；设无人机飞行在一个固定的高度H，以及无人机具有时变的水平位置q[n]＝(x[n],y[n])；定义无人机的初始水平位置qI＝(xI,yI)，因此有q[1]＝qI；设在每个时刻n，无人机可以改变它的位置或者留在原地；定义为无人机位置改变的集合，每个元素分别代表无人机
停在原地，向左飞，向右飞，向前飞，向后飞；这里λ是一个常数，代表无人机每个时刻的位移量；令λ[n]定义为无人机每个时刻的位置改变向量；因此，有 以及
在每个时隙n，无人机和available GBS以及每个occupied GBS k之间的距离分别是其中‖·‖代表欧式范数；因此，从无人机到available GBS以及每个occupied GBS k之间的信道功率增益分别表示为
其中β(q[n],w)和β(q[n],wk)是参考信道功率增益，α(q[n],w)和α(q[n],wk)是路损指数；注意到在考虑的信道模型下，β(q[n],w)，β(q[n],wk)，α(q[n],w)和α(q[n],wk)与无人机的位置q[n]以及地面基站的位置w和wk有很大的关系；设无人机通信之前通过频谱感知以及机器学习的方法获取这些精确的信道参数；
定义p[n]≥0为无人机的发射功率，因此无人机到available GBS之间的瞬时通信速率为
其中σ2为噪声功率；令P＞0为无人机的最大发送功率，因此
每个时刻n，在每个occupied GBS k处收到的干扰能量为
在每个时刻n，每个occupied GBS收到的干扰能量不能超过给定的阈值，定义为Γ≥0，因此
最大化从无人机到available GBS之间的平均通信速率 通过优化无人
机的水平轨迹以及发送功率；优化可以形成如下形式
(P1):
q[1]＝qI[1] (7)
其中式(6)是无人机最大发送功率限制，式(7)是初始位置限制，式(8)是速度限制，式(9)是IT限制；
在任何给定可行的轨迹下，限制式(6)和式(9)合并成
当问题(P1)取得最优解的时候，限制式(10)一定要取等；因此
将公式(11)带入问题(P1)的目标函数中去，问题(P1)转换为
(P1.1):
s.t.(7)and(8),
其中
采取强化学习算法来设计无人机的轨迹即求解问题(P1.1)，从而基于式(11)设计无人机的功率分配，具体的求解过程如下：
第一步：将问题匹配成一个马尔科夫决策过程(MDP)，其中MDP的四元组设置如下：
1)状态空间 其包括无人机的实时位置以及时间；
2)动作空间 以至于在每个时刻n，无人机可以留在原地，向左飞，向右飞，
向前飞或者向后飞；
3)转移概率P：状态转移概率为
4)奖励函数R：奖励函数为在available GBS处的实时通信速率；
第二步：利用如下所示算法1来设计无人机的轨迹；
第三步：基于算法1得到的无人机轨迹以及公式(11)来设计无人机的功率分配，具体为其中，{q*[n]}是利用算法1得到的问题(P1.1)的解。
一种基于无线电地图的无人机轨迹设计和功率分配方法
技术领域
背景技术
发明内容
每个元素分别代表无人机或停在原地，或向左飞，或向右飞，或向前飞，或向后飞；这里λ是一个常数，代表无人机每个时刻的位移量；令λ[n]定义为无人机每个时刻的位置改变向量，因此有 以及
π来最大化奖励，其中这个策略可以被定义为π(a|s)＝Pr(an＝a|sn＝s)。
6个GBS，具体如附图2所示，其中的方块代表平均高度为40m的障碍物(比如建筑物)。本发明考虑分段信道模型，其中，如果在无人机和GBS的连线有障碍物的话，本发明设信道服从非视距(non-line-of-sight(NLoS))信道，其中路损指数为αNLoS＝4，参考信道功率增益为βNLoS＝-40dB。相反地，如果无人机和GBS的连线上没有障碍物的话，本发明设信道服从LoS信道，其中路损指数为αLoS＝2，参考信道功率增益为βLoS＝-30dB。无人机的初始位置设置为qI＝(-240m,130m)。为了执行Q-learning，本发明将整个区域分为20*20的方格，以及设置无人机的单位位移为λ＝25m。在执行Q-learning的过程中，如果无人机采取的动作使无人机移出20*20的方格以外，会加一个很大的惩罚。除此之外，本发明设置学习率为α＝0.3，打折因子为γ＝0.9，随机动作选择概率的初始值为∈＝0.9。仿真程序在Matlab上运行。具体的仿真对比结果可参见所附图1、图2、图3、图4和图5中所示。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于TextCNN网络的信道编码识别方法 | 2020-05-08 | 119 |
| 基于能量协作的双向认知中继网络资源分配方法 | 2020-05-08 | 349 |
| 一种基于可用信道集的认知无线电盲会合方法 | 2020-05-08 | 795 |
| 一种基于多天线的空域频谱感知方法 | 2020-05-11 | 187 |
| 一种基于FCM聚类算法的合作频谱感知方法 | 2020-05-12 | 193 |
| 一种基于卷积神经网络STBC信号识别方法 | 2020-05-12 | 536 |
| 基于加权一致优化的宽带分布式协作压缩频谱感知方法 | 2020-05-08 | 160 |
| 基于感知质量的可缩放视频编码速率适配 | 2020-05-11 | 598 |
| 一种基于软融合策略的盲协作频谱感知方法 | 2020-05-12 | 223 |
| 一种认知无线电中的统计频谱检测方法 | 2020-05-11 | 522 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
