无人机基站飞行规划方法、系统、储存介质及无人机基站技术方案

本发明专利技术提出了一种无人机基站飞行规划方法、系统、储存介质及无人机基站，方法部分包括以下步骤：通过采用视距‑非视距混合信道的无人机基站运作模型实时获取无人机基站的瞬时保密率以及无人机基站到终点位置的距离；以所述瞬时保密率作为收益进行强化学习，获取无人机基站从起始位置飞往瞬时保密率最大值位置的优化飞行轨迹；以所述瞬时保密率结合无人机基站到终点位置的距离作为收益进行强化学习，获取无人机基站从瞬时保密率最大值位置飞往终点位置的优化飞行轨迹。

【技术实现步骤摘要】
无人机基站飞行规划方法、系统、储存介质及无人机基站
本专利技术涉及无线通信
，更具体地，涉及一种无人机基站飞行规划方法、系统、储存介质及无人机基站。
技术介绍
近年来，以无人机实现的空中基站技术得到了充分的关注和发展。相比于传统的地面通信，无人机基站飞行高度较高，更容易与地面用户进行视距传输从而提高通信质量，可以根据需要快速部署，对灾害搜救等紧急场景具有很强的适用性。无人机基站作为无人机平台，其飞行路线的优化问题备受关注；同时，作为一种基站平台，如何确保机密信息在传输过程中的安全性也是一个非常重要现实问题。如公开时间为2020.06.26，公开号为CN111343712A的中国专利：一种无人机辅助认知无线网络通信安全的控制方法所示，目前现有技术一般是用连续凸逼近和块坐标下降法联合优化，这样得到的最优轨迹是固定的、离线的，同时也意味着需要前期大量的计算工作；另外，现有技术通常只考虑了视距传输，而这同样是脱离实际环境的，局限性明显。
技术实现思路
针对现有技术的局限，本专利技术提出一种无人机基站飞行规划方法、系统、储存介质及无人机基站，本专利技术采用的技术方案是：一种无人机基站飞行规划方法，包括以下步骤：通过采用视距-非视距混合信道的无人机基站运作模型实时获取无人机基站的瞬时保密率以及无人机基站到终点位置的距离；以所述瞬时保密率作为收益进行强化学习，获取无人机基站从起始位置飞往瞬时保密率最大值位置的优化飞行轨迹；以所述瞬时保密率结合无人机基站到终点位置的距离作为收益进行强化学习，获取无人机基站从瞬时保密率最大值位置飞往终点位置的优化飞行轨迹。相较于现有技术，本专利技术通过视距-非视距混合信道的无人机基站，并运用强化学习方法以收益形式化目标，使无人机基站在执行任务的过程中与环境不断自主交互，在线实时探索出一条最优路径，使得无人机在飞行过程中平均保密率达到最大，能够结合实际运用环境有效实现飞行过程中机密信息的安全通信。作为一种优选方案，所述无人机基站运作模型包括无人机基站以及能够从所述无人机基站获取无线信号的地面节点k，k取值为1表示合法接受节点，k取值为2表示窃听节点；无人机基站到地面节点k的平均路径损耗通过以下公式描述：其中，无人机基站与地面节点k在t时刻视距传输的概率θk(t)表示无人机基站与地面节点k在t时刻的仰角，a和b为根据环境得到的常量参数，H和L(t)分别为无人机基站的飞行高度和无人机基站到地面节点k的水平距离；视距传输信道的自由空间路径损耗PLLoS(t)：非视距传输信道的自由空间路径损PLNLoS(t)：dk(t)为无人机基站在t时刻到地面节点k的距离，fc为载波频率，c表示光速，ηLoS为视距信道因环境因素造成的额外损耗，ηNLoS为非视距信道因环境因素造成的额外损耗。作为一种优选方案，无人机基站的瞬时保密率通过以下公式获取：Rsec(t)＝R1(t)-R2(t)；其中，无人机基站到地面节点k的瞬时传输速率Rk(t)：P表示无人机基站的传输功率，gk(t)表示无人机基站到地面节点k链路的信道增益，σ2为地面节点k接收信号时产生的热噪声。进一步的，通过以小尺度衰落ρk(t)，作为的独立同分布，生成随机矩阵代入所述瞬时保密率的公式中获取无人机基站的瞬时保密率最大值位置。进一步的，在获取无人机基站从起始位置飞往瞬时保密率最大值位置的优化飞行轨迹时，强化学习过程中的收益如下：Rt＝β1Rsec(t)；在获取无人机基站从瞬时保密率最大值位置飞往终点位置的优化飞行轨迹时，强化学习过程中的收益如下：Rt＝β2Rsec(t)+β3D(t)；其中β1、β2以及β3为预设的系数。作为一种优选的方案，所述强化学习通过Q-learning算法进行。进一步的，在强化学习的过程中按以下公式更新价值函数Q(St,At)：其中，St表示无人机基站的位置，At表示无人机基站的飞行动作，a∈动作集A(s)，步长α表示无人机基站每次飞行动作的执行时间长度；γ为衰减因子，0≤γ≤1。一种无人机基站飞行规划系统，包括：无人机基站状态获取模块，用于通过采用视距-非视距混合信道的无人机基站运作模型实时获取无人机基站的瞬时保密率以及无人机基站到终点位置的距离；第一优化模块，用于以所述瞬时保密率作为收益进行强化学习，获取无人机基站从起始位置飞往瞬时保密率最大值位置的优化飞行轨迹；第二优化模块，用于以所述瞬时保密率结合无人机基站到终点位置的距离作为收益进行强化学习，获取无人机基站从瞬时保密率最大值位置飞往终点位置的优化飞行轨迹。本专利技术还提供以下内容：一种储存介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现如前述的无人机基站飞行规划方法的步骤。一种无人机基站，包括无人机平台以及设置在无人机平台的无线传输设备，所述无人机平台包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现如前述的无人机基站飞行规划方法的步骤。附图说明图1为本专利技术实施例提供的无人机基站飞行规划方法的步骤流程图；图2为本专利技术实施例提供的无人机基站运作模型示意图；图3为本专利技术实施例对无人机基站进行强化学习的逻辑示意图；图4为本专利技术实施例对无人机基站采用Q-learning算法的执行逻辑流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或本文档来自技高网...

【技术保护点】
1.一种无人机基站飞行规划方法，其特征在于，包括以下步骤：/n通过采用视距-非视距混合信道的无人机基站运作模型实时获取无人机基站的瞬时保密率以及无人机基站到终点位置的距离；/n以所述瞬时保密率作为收益进行强化学习，获取无人机基站从起始位置飞往瞬时保密率最大值位置的优化飞行轨迹；/n以所述瞬时保密率结合无人机基站到终点位置的距离作为收益进行强化学习，获取无人机基站从瞬时保密率最大值位置飞往终点位置的优化飞行轨迹。/n

【技术特征摘要】
1.一种无人机基站飞行规划方法，其特征在于，包括以下步骤：
通过采用视距-非视距混合信道的无人机基站运作模型实时获取无人机基站的瞬时保密率以及无人机基站到终点位置的距离；
以所述瞬时保密率作为收益进行强化学习，获取无人机基站从起始位置飞往瞬时保密率最大值位置的优化飞行轨迹；
以所述瞬时保密率结合无人机基站到终点位置的距离作为收益进行强化学习，获取无人机基站从瞬时保密率最大值位置飞往终点位置的优化飞行轨迹。


2.根据权利要求1所述的无人机基站飞行规划方法，其特征在于，所述无人机基站运作模型包括无人机基站以及能够从所述无人机基站获取无线信号的地面节点k，k取值为1表示合法接受节点，k取值为2表示窃听节点；无人机基站到地面节点k的平均路径损耗通过以下公式描述：



其中，无人机基站与地面节点k在t时刻视距传输的概率



θk(t)表示无人机基站与地面节点k在t时刻的仰角，a和b为根据环境得到的常量参数，H和L(t)分别为无人机基站的飞行高度和无人机基站到地面节点k的水平距离；
视距传输信道的自由空间路径损耗PLLoS(t)：



非视距传输信道的自由空间路径损PLNLoS(t)：



dk(t)为无人机基站在t时刻到地面节点k的距离，fc为载波频率，c表示光速，ηLoS为视距信道因环境因素造成的额外损耗，ηNLoS为非视距信道因环境因素造成的额外损耗。


3.根据权利要求2所述的无人机基站飞行规划方法，其特征在于，无人机基站的瞬时保密率通过以下公式获取：
Rsec(t)＝R1(t)-R2(t)；
其中，无人机基站到地面节点k的瞬时传输速率Rk(t)：



P表示无人机基站的传输功率，gk(t)表示无人机基站到地面节点k链路的信道增益，σ2为地面节点k接收信号时产生的热噪声。


4.根据权利要求3所述的无人机基站飞行规划方法，其特征在于，通过以小尺度衰落ρk(t)，作为的独立同分布，生成随机矩阵代入所述瞬时保密率的公式中获取无人...

【专利技术属性】
技术研发人员：张广驰，郑思远，崔苗，刘圣海，王昆，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44