一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法技术方案

本发明专利技术提出了一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法，该方法包括如下步骤：首先根据基于NOMA的移动无人机系统的参数构建优化问题，即在无人机的起点与终点、飞行时间、飞行速度和发送功率等约束下，通过联合优化无人机轨迹与功率分配来最大化用户的最小可达平均速率；其次对优化问题进行等价转化，获得一个满足惩罚对偶分解算法框架的等价问题；然后根据基于惩罚对偶分解的两层迭代算法对优化问题进行求解；最后输出计算结果，得到优化的无人机飞行轨迹和功率分配方案；本发明专利技术对基于NOMA的移动无人机通信系统中无人机基站的飞行轨迹和发送功率进行优化，以提高用户的最小可达平均速率。

A NOMA-based Joint Trajectory and Power Optimization Method for Mobile UAV System

【技术实现步骤摘要】
一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法
本专利技术涉及一种无人机通信系统的资源分配优化方法，对基于NOMA的移动无人机通信系统中无人机基站的飞行轨迹和发送功率进行联合优化，以提高用户的可达平均速率。
技术介绍
无人机具有灵活性、可移动性和较低的价格，因此无人机通信系统成为了未来无线通信系统的重要组成部分。利用无人机的可移动性，可以通过优化无人机基站的飞行轨迹来提升用户的平均可达速率。NOMA技术可以利用同一个资源块同时服务多个用户，并通过功率域进行非正交的复用，从而提高系统的频谱效率和可容纳的连接数，是未来无线通信系统的关键技术。在接收端，则以信道增益上升的顺序，采用串行干扰消除(SIC)的方法进行检测和译码。在基于NOMA的移动无人机通信系统，无人机基站可移动，因而接收端的SIC顺序会随时间改变，使得资源分配问题十分复杂。本专利技术针对基于NOMA的移动无人机通信系统，提出了一种通过联合优化无人机轨迹与发送功率来最大化用户的最小可达平均速率的方法。优化问题的构造考虑的SIC顺序与无人机位置的相关性，能够有效处理SIC顺序随着飞行轨迹变化而变化的问题；所提出的方法在满足无人机参数约束的情况下求解以最大化用户最小可达平均速率为目标函数的优化问题，能够有效地提高基于NOMA的移动无人机通信系统的传输速率。
技术实现思路
本专利技术的目的是针对基于NOMA的移动无人机通信系统提出一种无人机轨迹与功率联合优化方法，该方法能够处理接收端SIC顺序随无人机位置变化的问题，能够有效提高用户的最小可达平均速率。为了达到上述目的，本专利技术所采用的技术方案如下：一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法，其特征在于，具体包括如下步骤：1、根据基于NOMA的移动无人机系统的参数构建优化问题，即在无人机的起点与终点、飞行时间、飞行速度和发送功率等约束下，通过联合优化无人机轨迹与功率分配来最大化用户的最小可达平均速率。在一个下行移动无人机通信网络，用1个无人机作为空中基站服务K个地面用户。该无人机花费时间T从起始位置q0飞行到终点位置qT，且其与地面的距离固定为dh。无人机的最大飞行速度表示为Vmax，总发送功率为P。所有的用户利用同样的频带进行信号传输，而无人机利用NOMA技术对这些用户进行功率域上的复用。将移动无人机基站的飞行时间T离散成N个时隙，每个时隙的长度为δt，则无人机的飞行轨迹坐标可表示为将用户k在时隙n分配到的发送功率表示为Pk(n)，对应水平坐标为无人机在时隙n与用户k的距离为每1m的参考距离下信道功率增益表示为ρ0，而噪声方差则表示为σ2。根据这些参数，可以构建以下优化问题：s.t.‖q(n+1)-q(n)‖≤Vmaxδt,(1.35)q(1)＝q0,q(N)＝qT,(1.36)其中表示用户k在无人机飞行时间内的平均可达速率，而二进制辅助变量βk,l(n)∈{0,1}表示用户k和l的相对远近。若用户k与无人机的距离相较于用户l更远，则βk,l(n)＝1，否则βk,l(n)＝0；2、对优化问题进行等价转化，获得一个满足惩罚对偶分解算法框架的等价问题。引入辅助变量并分别满足以下不等式：更进一步地，引入辅助变量{πk(n)}来表示分式中分母的上界，将分式不等式约束(1.42)等价转化为此外，将{βk,l(n)}当作辅助变量，引入辅助变量并结合约束(1.40)，可以将分段二进制约束(1.39)等价转化为综合以上转化，我们把复杂的原问题(1.51)等价转化为s.t.(1.35)-(1.38)，(1.40)，(1.43)，(1.44)，(1.53)(1.45)，(1.46)，(1.47)-(1.50)，(1.54)其中表示变量集合；3、对变量和对偶变量进行初始化。初始化外层迭代次数r＝0和惩罚参数并设定惩罚更新参数0＜c＜1和容错精度δO；4、对于第r+1次外层迭代，从第r次外层迭代的结果出发，固定惩罚参数ρr和对偶变量λr，采用凹凸过程和块坐标下降法求解以下增广拉格朗日问题：s.t.(1.35)-(1.38)，(1.43)，(1.44)，(1.56)(1.45)，(1.46)，(1.49)，(1.50)；(1.57)5、用表示所有等式约束对应的函数组成的向量，判断等式约束违反程度是否满足若是，则输出最终结果；否则，判断等式约束违反程度是否满足若是，则按以下规则更新对偶变量：否则，更新惩罚参数另外更新门限参数ηr+1＝cηr，然后更新迭代次数r＝r+1，并重复步骤4和5。所述步骤4具体包含以下步骤：(4.1)以第r次外层迭代计算结果对变量进行初始化。初始化内层迭代次数i＝0；(4.2)根据凹凸过程理论，在第i+1次内层迭代中将非凸约束(1.45)，(1.46)和(1.50)分别近似为以下凸约束：其中表示变量在第i次内层迭代的计算结果。约束(1.49)则等价转化为综上，在第i+1次内层迭代，问题(1.55)近似为s.t.(1.35)-(1.38)，(1.43)，(1.44)，(1.59)-(1.62)，(1.64)将问题(1.63)中的变量分为以下2块：如此，则第i+1次内层迭代可以分为以下2步：(4.2.1)在第1步中，固定其他变量的情况下，根据以下闭式解更新变量块(4.2.2)在第2步中，固定变量块的情况下，利用内点法更新变量块也即求解以下凸问题：s.t.(1.35)-(1.38)，(1.43)，(1.44)，(1.59)-(1.62)；(1.67)(4.3)判断内层迭代是否达到最大迭代次数Nmax。若是，则输出计算结果；否则，更新迭代次数i＝i+1，并重复步骤(4.2)和(4.3)。本专利技术具有的有益效果是：充分考虑了基于NOMA的移动无人机通信系统检测顺序随无人机位置变化的特点，描述并建立了无人机轨迹与功率分配的联合优化问题，通过求解该优化问题可以有效提升这类系统的传输速率，使得资源得到充分利用；轨迹与功率联合优化问题含有高度耦合的离散约束，因而本专利技术对该复杂优化问题进行巧妙的等价转化，使其符合惩罚对偶分解算法框架，从而可以通过迭代求得这个复杂优化问题的一个稳态解。附图说明图1是基于NOMA的移动无人机通信系统示意图；图2是用户最大化最小可达平均速率随迭代次数的变化图；图3是惩罚项的值随迭代次数的变化图；图4是优化后的无人机水平飞行轨迹图；图5是不同方法下最大化最小可达平均速率随飞行时间T变化图；图6是不同方法下最大化最小可达平均速率随发送功率P变化图。具体实施方式为了使本专利技术的技术方案和优点变得更加清晰，接下来将结合附图对技术方案的具体实施方式作更加详细地说明：在一个如图1所示的下行移动无人机通信网络，用1个无人机作为空中基站服务1×1km2区域内均匀分布的K＝3个地面用户。该无人机从起始位置q0＝[0,500]T飞行到终点位置qT＝[0,-500]T，与地面的距离固定为dh＝100m。无人机的最大飞行速度表示为Vmax＝50m/s，其飞行时间T和发送功率P可以自由设置。所有的用户利用同样的频带进行信号传输，而无人机利用NOMA技术对这些用户进行功率域上的复用。将无人机飞行时间及轨迹离散化，每个时隙的长度为δt＝0.5s。关于信道，假设1m参考距离下的功率增益为ρ0＝-70dB，而噪声本文档来自技高网...

【技术保护点】
1.一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法，其特征在于，具体包括如下步骤：1)根据基于NOMA的移动无人机系统的参数构建优化问题，即在无人机的起点与终点、飞行时间、飞行速度和发送功率约束下，通过联合优化无人机轨迹与功率分配来最大化用户的最小可达平均速率；在一个下行移动无人机通信网络，用1个无人机作为空中基站服务K个地面用户；该无人机花费时间T从起始位置q0飞行到终点位置qT，且其与地面的距离固定为dh；无人机的最大飞行速度表示为Vmax，总发送功率为P；所有的用户利用同样的频带进行信号传输，而无人机利用NOMA技术对这些用户进行功率域上的复用；将移动无人机基站的飞行时间T离散成N个时隙，每个时隙的长度为δt，则无人机的飞行轨迹坐标可表示为

【技术特征摘要】
1.一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法，其特征在于，具体包括如下步骤：1)根据基于NOMA的移动无人机系统的参数构建优化问题，即在无人机的起点与终点、飞行时间、飞行速度和发送功率约束下，通过联合优化无人机轨迹与功率分配来最大化用户的最小可达平均速率；在一个下行移动无人机通信网络，用1个无人机作为空中基站服务K个地面用户；该无人机花费时间T从起始位置q0飞行到终点位置qT，且其与地面的距离固定为dh；无人机的最大飞行速度表示为Vmax，总发送功率为P；所有的用户利用同样的频带进行信号传输，而无人机利用NOMA技术对这些用户进行功率域上的复用；将移动无人机基站的飞行时间T离散成N个时隙，每个时隙的长度为δt，则无人机的飞行轨迹坐标可表示为将用户k在时隙n分配到的发送功率表示为Pk(n)，对应的水平坐标表示为无人机在时隙n与用户k的距离表示为每1m的参考距离下信道功率增益表示为ρ0，而噪声方差则表示为σ2；根据这些参数，可以构建以下优化问题：s.t.‖q(n+1)-q(n)‖≤Vmaxδt,(1.2)q(1)＝q0,q(N)＝qT,(1.3)其中表示用户k在无人机飞行时间内的平均可达速率，而二进制辅助变量βk,l(n)∈{0,1}表示用户k和l的相对远近。若用户k与无人机的距离相较于用户l更远，则βk,l(n)＝1，否则βk,l(n)＝0；2)对优化问题进行等价转化，获得一个满足惩罚对偶分解算法框架的等价问题；为了处理目标函数，引入辅助变量并分别满足以下不等式：引入辅助变量{πk(n)}来表示分式中分母的上界，将分式不等式约束(1.9)等价转化为此外，将{βk,l(n)}当作辅助变量，引入辅助变量并结合约束(1.7)，将分段二进制约束(1.6)等价转化为综合以上转化，把复杂的原问题等价转化为s.t.(1.2)-(1.5)，(1.7)，(1.10)，(1.11)，(1.19)(1.12)，(1.13)，(1.14)-(1.17)，(1.20)其中...

【专利技术属性】
技术研发人员：崔方宇，蔡云龙，赵民建，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33