一种高能效无人机覆盖点连续覆盖方法和装置制造方法及图纸

本发明专利技术提供了一种高能效无人机覆盖点连续覆盖方法和装置，涉及无人机的技术领域，包括：确定目标参数；基于粒子群优化算法和目标参数，对初始坐标位置和初始分配策略进行反复迭代优化，每次迭代优化之后得到目标坐标位置和目标分配策略；在对初始坐标位置和初始分配策略进行迭代优化的第一迭代次数达到第一预设次数之后，将迭代优化第一预设次数之后得到的目标坐标位置确定为最优坐标位置，以及迭代优化第一预设次数之后得到目标分配策略确定为最优分配策略，解决了现有的无人机空中连续覆盖的方法中，无人机对目标区域内的用户提供连续覆盖时的通信能效较低问题。

A Continuous Covering Method and Device for Covering Points of High Energy Efficiency UAV

The invention provides a method and device for continuous coverage of coverage points of high-energy-efficient UAV, which relates to the technical field of UAV, including: determining target parameters; iteratively optimizing the initial coordinate position and initial allocation strategy based on particle swarm optimization algorithm and target parameters, and obtaining the target coordinate position and target allocation strategy after each iteration optimization; After the first iteration times of position and initial allocation strategy reach the first preset times, the target coordinate position obtained after the first preset times of iteration optimization is determined as the optimal coordinate position, and the target allocation strategy is determined as the optimal allocation strategy after the first preset times of iteration optimization, which solves the existing method of UAV continuous aerial coverage. Unmanned aerial vehicles (UAVs) provide continuous coverage to users in the target area with low communication energy efficiency.

【技术实现步骤摘要】
一种高能效无人机覆盖点连续覆盖方法和装置
本专利技术涉及无人机
，尤其是涉及一种高能效无人机覆盖点连续覆盖方法和装置。
技术介绍
由于无人机的低成本和高灵活性等特性，无人机目前已经广泛应用在军用和民用领域。在通信领域，由于无人机在高空可以避免建筑物的影响，对地面用户产生直线可见的高质量链路，所以无人机可以作为空中接入点，为地面用户提供通信覆盖服务。此外，在一些地质灾害地区比如地震、海啸等区域或者某些赛事活动热点区域，地面通信基础设施遭到破坏或者不满足当前热点区域的覆盖需求，由于无人机空中基站的灵活性和非地面依赖性，无人机作为空中基站非常适合为这些灾害地区提供应急网络覆盖或辅助地面基站实现增强覆盖。但是，目前民用微型无人机的承载能力有限，续航时间有限，如何为目标区域用户提供长时间的连续覆盖成为一个巨大挑战。针对上述问题，还未提出有效的解决方案。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种高能效无人机覆盖点连续覆盖方法和装置，以缓解了解决了现有的无人机空中连续覆盖的方法中，无人机对目标区域内的用户提供连续覆盖时的通信能效较低问题。第一方面，本专利技术实施例提供了一种高能效无人机覆盖点的连续覆盖方法，该方法包括：确定目标参数，其中，所述目标参数包括以下至少之一：无人机的飞行参数和通信参数，粒子群优化算法参数，无人机的目标覆盖点的初始坐标位置和目标覆盖点的初始分配策略，所述分配策略用于确定无人机在每条飞行路径中所到达的目标覆盖点；基于粒子群优化算法和所述目标参数，对所述初始坐标位置和所述初始分配策略进行反复迭代优化，每次迭代优化之后得到目标坐标位置和目标分配策略；在对所述初始坐标位置和所述初始分配策略进行迭代优化的第一迭代次数达到第一预设次数之后，将迭代优化所述第一预设次数之后得到的目标坐标位置确定为最优坐标位置，以及迭代优化所述第一预设次数之后得到目标分配策略确定为最优分配策略。进一步地，所述粒子群优化算法参数包括：第一粒子群优化算法参数和第二粒子群优化算法参数；基于粒子群优化算法和所述目标参数，对所述初始坐标位置和所述分配策略进行第N次迭代优化包括：基于粒子群优化算法、所述通信参数、所述飞行参数、所述第一粒子群优化算法参数，对所述初始坐标位置执行第二预设次数迭代优化，得到所述第N次迭代优化之后得到的目标坐标位置，其中，N大于等于1，且N小于或者等于所述第一预设次数；基于粒子群优化算法，所述第N次迭代优化之后得到的目标坐标位置，所述第二粒子群优化算法参数，对所述分配策略进行执行第三预设次数迭代优化，得到第N次迭代优化之后得到的目标分配策略。进一步地，所述第一粒子群优化算法参数包括：第一能效适应度参数，第一更新参数，第二预设迭代次数，第一粒子群中每个粒子的预设坐标位置和每个粒子的预设速度；对所述初始坐标位置执行第一预设次数迭代优化中每个迭代优化包括：反复执行以下迭代步骤，直至第二迭代次数满足第二预设迭代次数，则基于执行第二预设迭代次数之后得到的第一粒子群中的每个粒子的目标坐标位置，确定每个所述目标覆盖点的目标坐标位置：第一计算步骤，利用能效适应度函数对所述飞行参数和所述通信参数，所述第一能效适应度参数和第一粒子群中每个粒子的预设坐标位置进行计算，得到第一粒子群中每个第一粒子的能效适应度值；第一确定步骤，基于第一粒子群中每个第一粒子的能效适应度值，确定第一粒子群中每个粒子的历史最优位置和每个粒子的全局最优位置；第二计算步骤，利用第一更新函数对所述每个粒子的历史最优位置、所述每个粒子的全局最优位置、所述第一更新参数、所述第一粒子群中每个粒子的预设坐标位置和每个粒子的预设速度进行计算，得到第一粒子群中每个粒子的目标坐标位置和每个粒子的目标速度；其中，若当前第二迭代次数小于所述第二预设迭代次数，则将所述每个粒子的目标坐标位置确定为所述预设坐标位置，以及将所述每个粒子的目标速度确定为所述预设速度，并返回执行所述第一计算步骤，所述第一确定步骤，和所述第二计算步骤，继续进行迭代计算。进一步地，所述第二粒子群优化算法参数包括：第二能效适应度参数，第二更新参数，第三预设迭代次数，第二粒子群中每个粒子的预设坐标位置和每个粒子的预设速度，每个所述目标覆盖点的预设分配策略；对所述初始分配策略执行预设次数迭代优化中每个迭代优化包括：反复执行以下迭代步骤，直至第三迭代次数满足第三预设迭代次数，则基于执行第三预设迭代次数之后得到的第三粒子群中的每个粒子的目标分配策略，确定每个所述目标覆盖点的目标分配策略：第三计算步骤，利用能效适应度函数对所述飞行参数和所述通信参数，所述第二能效适应度参数和第二粒子群中每个粒子的预设坐标位置进行计算，得到第二粒子群中每个第二粒子的能效适应度值；第二确定步骤，基于第二粒子群中每个第二粒子的能效适应度值，确定第二粒子群中每个粒子的历史最优分配策略和每个粒子的全局最优分配策略；第四计算步骤，利用第二更新函数对所述每个粒子的历史最优分配策略、所述每个粒子的全局最优分配策略、所述第二更新参数、所述第二粒子群中每个粒子的预设坐标位置和每个粒子的预设速度进行计算，得到第二粒子群中每个粒子的目标分配策略和每个粒子的目标速度；其中，若当前第三迭代次数小于所述第三预设迭代次数，则将所述每个粒子的目标分配策略确定为所述预设分配策略，以及将所述每个粒子的目标速度确定为所述预设速度，并返回执行所述第三计算步骤，所述第二确定步骤，和所述第四计算步骤，继续进行迭代计算。进一步地，所述方法还包括：基于每个目标覆盖点的初始坐标位置，确定所述第一粒子群中的粒子，其中，所述第一粒子群中的粒子表示为：X(i1，j1，k)，X(i1，j1，K)表征所述第一粒子群中的第i1个粒子在第j1无人机目标覆盖点的轮询循环中各个无人机覆盖点的位置坐标，K＝2，k对应每个无人机目标覆盖点的横坐标xm和纵坐标ym。进一步地，所述方法还包括：基于每个目标覆盖点的目标坐标位置，确定所述第二粒子群中的粒子，其中，所述第二粒子群中的粒子表示为：X(i2，j2)，X(i2，j2)表征第i2个粒子中第j2个无人机目标覆盖点分配的轮询循环序号，j2的取值范围范围为1到N，N为所述无人机目标覆盖点的数量。进一步地，所述能效适应度函数为其中，L(r)＝plosLlos+(1-plos)Lnlos，J为无人机目标覆盖点的轮询循环数量，Nj为分配到第j个轮询循环中的目标覆盖点的数量，Mj对应在第j个轮询循环中为保证目标点连续覆盖所需的无人机数量，Tj为无人机完成第j个轮询循环所需的时间，Cn(R)为无人机在任一目标覆盖点，且无人机的覆盖半径为R，无人机的飞行高度为H时无人机的通信容量，L(r)为无人机在半径r处的链路衰减值，plos为无人机的飞行仰角为θ时，无人机的通信链路为直接可见链路的概率，Llos(x,y)为无人机的通信链路是直接可见链路，且用户坐标为(x,y)时，无人机的路径衰减值，Lnlos(x,y)为无人机的通信链路是非直接可见链路，且用户坐标为(x,y)时，无人机的路径衰减值，(xm,ym)为无人机的坐标，Dj为无人机在第j个轮询循环中的飞行距离，为在第j个轮询循环中无人机在每个目标覆盖点的悬停覆盖时间，λ(r)对应在离无人机水平距离为r半径圆上的用户分布密本文档来自技高网...

【技术保护点】
1.一种高能效无人机覆盖点的连续覆盖方法，其特征在于，包括：确定目标参数，其中，所述目标参数包括以下至少之一：无人机的飞行参数和通信参数，粒子群优化算法参数，无人机的目标覆盖点的初始坐标位置和目标覆盖点的初始分配策略，所述分配策略用于确定无人机在每条飞行路径中所到达的目标覆盖点；基于粒子群优化算法和所述目标参数，对所述初始坐标位置和所述初始分配策略进行反复迭代优化，每次迭代优化之后得到目标坐标位置和目标分配策略；在对所述初始坐标位置和所述初始分配策略进行迭代优化的第一迭代次数达到第一预设次数之后，将迭代优化所述第一预设次数之后得到的目标坐标位置确定为最优坐标位置，以及迭代优化所述第一预设次数之后得到目标分配策略确定为最优分配策略。

【技术特征摘要】
1.一种高能效无人机覆盖点的连续覆盖方法，其特征在于，包括：确定目标参数，其中，所述目标参数包括以下至少之一：无人机的飞行参数和通信参数，粒子群优化算法参数，无人机的目标覆盖点的初始坐标位置和目标覆盖点的初始分配策略，所述分配策略用于确定无人机在每条飞行路径中所到达的目标覆盖点；基于粒子群优化算法和所述目标参数，对所述初始坐标位置和所述初始分配策略进行反复迭代优化，每次迭代优化之后得到目标坐标位置和目标分配策略；在对所述初始坐标位置和所述初始分配策略进行迭代优化的第一迭代次数达到第一预设次数之后，将迭代优化所述第一预设次数之后得到的目标坐标位置确定为最优坐标位置，以及迭代优化所述第一预设次数之后得到目标分配策略确定为最优分配策略。2.根据权利要求1所述的方法，其特征在于，所述粒子群优化算法参数包括：第一粒子群优化算法参数和第二粒子群优化算法参数；基于粒子群优化算法和所述目标参数，对所述初始坐标位置和所述分配策略进行第N次迭代优化包括：基于粒子群优化算法、所述通信参数、所述飞行参数、所述第一粒子群优化算法参数，对所述初始坐标位置执行第二预设次数迭代优化，得到所述第N次迭代优化之后得到的目标坐标位置，其中，N大于等于1，且N小于或者等于所述第一预设次数；基于粒子群优化算法，所述第N次迭代优化之后得到的目标坐标位置，所述第二粒子群优化算法参数，对所述分配策略执行第三预设次数迭代优化，得到第N次迭代优化之后得到的目标分配策略。3.根据权利要求2所述的方法，其特征在于，所述第一粒子群优化算法参数包括：第一能效适应度参数，第一更新参数，第二预设迭代次数，第一粒子群中每个粒子的预设坐标位置和每个粒子的预设速度；对所述初始坐标位置执行第一预设次数迭代优化中每个迭代优化包括：反复执行以下迭代步骤，直至第二迭代次数满足第二预设迭代次数，则基于执行第二预设迭代次数之后得到的第一粒子群中的每个粒子的目标坐标位置，确定每个所述目标覆盖点的目标坐标位置：第一计算步骤，利用能效适应度函数对所述飞行参数和所述通信参数，所述第一能效适应度参数和第一粒子群中每个粒子的预设坐标位置进行计算，得到第一粒子群中每个第一粒子的能效适应度值；第一确定步骤，基于第一粒子群中每个第一粒子的能效适应度值，确定第一粒子群中每个粒子的历史最优位置和每个粒子的全局最优位置；第二计算步骤，利用第一更新函数对所述每个粒子的历史最优位置、所述每个粒子的全局最优位置、所述第一更新参数、所述第一粒子群中每个粒子的预设坐标位置和每个粒子的预设速度进行计算，得到第一粒子群中每个粒子的目标坐标位置和每个粒子的目标速度；其中，若当前第二迭代次数小于所述第二预设迭代次数，则将所述每个粒子的目标坐标位置确定为所述预设坐标位置，以及将所述每个粒子的目标速度确定为所述预设速度，并返回执行所述第一计算步骤，所述第一确定步骤，和所述第二计算步骤，继续进行迭代计算。4.根据权利要求2所述的方法，其特征在于，所述第二粒子群优化算法参数包括：第二能效适应度参数，第二更新参数，第三预设迭代次数，第二粒子群中每个粒子的预设坐标位置和每个粒子的预设速度，每个所述目标覆盖点的预设分配策略；对所述初始分配策略执行预设次数迭代优化中每个迭代优化包括：反复执行以下迭代步骤，直至第三迭代次数满足第三预设迭代次数，则基于执行第三预设迭代次数之后得到的第三粒子群中的每个粒子的目标分配策略，确定每个所述目标覆盖点的目标分配策略：第三计算步骤，利用能效适应度函数对所述飞行参数和所述通信参数，所述第二能效适应度参数和第二粒子群中每个粒子的预设坐标位置进行计算，得到第二粒子群中每个第二粒子的能效适应度值；第二确定步骤，基于第二粒子群中每个第二粒子的能效适应度值，确定第二粒子群中每个粒子的历史最优分配策略和每个粒子的全局最优分配策略；第四计算步骤，利用第二更新函数对所述每个粒子的历史最优分配策略、所述每个粒子的全局最优分配策略、所述第二更新参数、所述第二粒子群中每个粒子的预设坐标位置和每个粒子的预设速度进行计算，得到第二粒子群中每个粒子的目标分配策略和每个粒子的目标速度；其中，若当前第三迭代次数小于所述第三预设迭代次数，则将所述每个粒子的目标分配策略确定为所述预设分配策略，以及将所述每个粒子的目标速度确定为所述预设速度，并返回执行所述第三计算步骤，所述第二确定步骤，和所述第四计算步骤，继续进行迭代计算。5.根据权利要求3所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：姚海鹏，张培颖，李晓伟，纪哲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11