基于无人机抗干扰通信的联合优化方法、装置及电子设备制造方法及图纸

本发明专利技术属于无人机通信技术领域，考虑无线传感器在与无人机进行通信时,地面有一个移动的恶意节点对无人机通信进行干扰，假设各个传感器与无人机采用频分复用进行通信，所以各个传感器之间不存在互相干扰，由此得到了在恶意干扰下的通信模型。在该模型下，为了使无人机在恶意干扰下的吞吐量最大化，得到了一个优化问题。由于该优化问题是一个非凸问题并具有很大的变量空间，很难得到最优解。为了解决这一问题，采用路径离散化方法将原问题转化为离散等价问题，然后应用逐次凸逼近和块坐标下降技术得到局部最优解，并通过凸优化原理证明了所得到的局部最优可以近似代替全局最优，最后通过仿真结果证实并显示了该算法的收敛性和有效性。效性。效性。

【技术实现步骤摘要】
基于无人机抗干扰通信的联合优化方法、装置及电子设备


[0001]本专利技术属于无人机抗干扰通信
，尤其涉及一种基于无人机抗干扰通信的联合优化方法、装置及电子设备。

技术介绍

[0002]由于无人机的高机动性、可按需部署并具有良好的视距传输信道，无人机(Unmanned Aerial Vehicle，UAV)通信近年来吸引了越来越多的关注。因为无人机的高机动性提供新的自由度，可以通过设计算法优化无人机飞行轨迹可以显著提高系统性能。
[0003]通常，无线传感器网络(Wireless Sensor Networks，WSNs)中有许多传感器节点(Sensor Nodes，SNs)，它们由电池供电并部署(系统地或随机地)在特定地理区域上，用于测量和传输测量信息。由于无线传感器的协作工作方式和灵活部署，无线传感器网络得到了广泛的应用。
[0004]在无人机中继系统中，无人机资源优化和路径优化一直是一个重要的设计。无人机作为数据收集的一个未来性因素，它能够支持按需、可靠和节能的数据收集。考虑到地面有无线干扰，无人机为了得到更好的通信条件，需要设计相关算法来实现恶意干扰下的无人机有效通信。
[0005]凸优化算法，作为一种有效的优化工具，引起了人们的广泛关注。在凸优化算法中，将应用场景建立的数学模型，通过合理的推导建立凸优化问题，并用凸优化工具进行对目标公式的求解与优化。由于凸优化问题的局部最优就是全局最优，可以很快得到问题的优化策略，通过凸优化算法来解决无人机资源优化问题，使得无人机通信得到有效保障。

技术实现思路

[0006]针对现有技术中存在的问题，本专利技术提供一种基于无人机抗干扰通信的联合优化方法、装置及电子设备。通过引入凸优化的相关原理，构建了无人机资源优化的凸优化算法，使得相比于传统飞行方案较大的提升了无人机吞吐量。
[0007]本专利技术是通过以下技术方案来实现：
[0008]一种基于无人机抗干扰通信的联合优化方法，包括以下步骤：
[0009]S101、构建无人机覆盖无线传感器的通信模型，根据该覆盖通信模型分析得到无线传感器数据传输上行的吞吐量公式；
[0010]S102、设定地面恶意干扰，并结合无人机覆盖通信模型得到无人机在恶意干扰下的通信模型的吞吐量公式；
[0011]S103、根据步骤S102所得到的无人机在恶意干扰下的通信传输模型，并结合无人机、无线传感器的资源得到优化问题；
[0012]S104、基于步骤S103得到的资源优化问题，并结合凸优化的线性化原理，将模型中非凸问题转化为凸问题；
[0013]S105、基于步骤S104得到的凸问题，通过块坐标下降算法来进行联合优化，得到无
人机和无线传感器的资源优化策略。
[0014]优选的，步骤S101中由多个无线传感器作为发送端、无人机作为接收端、构建无人机视距通信模型：
[0015]在不丧失通用性的情况下，无人机利用频分多址方案同时接收无线传感器信息；无人机到无线传感器的信道由视距信道主导，因此无人机覆盖通信模型的时隙信道增益为：
[0016][0017]其中，H是无人机飞行高度，q[n]是无人机在第n个时隙投影到地面的二维坐标，w是地面传感器的二维坐标，β0是参考距离的信道能量。
[0018]优选的，步骤S101中无线传感器数据传输上行的吞吐量公式：
[0019][0020]其中，x
i
[n]表示分配给第i个无线传感器带宽占总带宽的比例，B表示所有无线传感器的总带宽，p
i
[n]为无人机给每个用户分配的功率。
[0021]优选的，S102无人机在恶意干扰下的通信模型的吞吐量为：
[0022][0023]其中，p
m
为恶意干扰的功率，h
m
[n]表示恶意干扰的自由空间路径损耗模型，n0为高斯白噪声功率谱密度。
[0024]优选的，步骤S103得到优化问题为：
[0025][0026]s.t.0≤x
i
[n]≤1
[0027][0028][0029]||q[n]‑
w
i
||≤V
max
[0030]其中，U表示无线传感器的个数，i表示无线传感器的序号，N表示无人机飞行总时隙，P
max
是所有无线传感器的最大传输功率，V
max
是无人机最大飞行速度。是无人机最大飞行速度。分别是无人机轨迹策略，无线传感器发送功率，发送带宽。
[0031]优选的，步骤S104，该问题关于无人机路径是一个非凸问题，由于目标函数关于无人机轨迹是一个非凸函数，因此对目标函数利用泰勒公式做一个线性化处理，引入松弛变量L[n]，与I[n]，(L
f
[n]，I
f
[n])是任意一个可行点；
[0032]目标函数可以表示为：
[0033][0034]其中，A＝
‑
1/(L
f
[n]+(L
f
[n])2I
f
[n]，C＝
‑
1/(I
f
[n]+(I
f
[n])2L
f
[n]；η表示一个松弛变量；
[0035]由于限制中的非凸性，也需要对约束进行线性化处理对表达式||q[n]‑
J[n]||2做一阶泰勒展开，J[n]表示恶意干扰的位置，得到更低的边界：
[0036]其中，(x[n],y[n])是无人机位置，(x
m
[n],y
m
[n])是地面干扰的位置；引入松弛变量d
m
[n]，使得
[0037]p
m
β0d
m
[n]‑1≤I
i
(n)
[0038]d
m
[n]≤q
u
[n][0039]0≤d
m
[n][0040]由此，将非凸优化问题转化为凸优化问题为：
[0041][0042][0043]p
i
[n]h
i
[n]≥L
i
[n]‑1[0044]||q[n]‑
w
i
||≤V
max
[0045]n0+p
m
β0d
i
[n]‑1≤I
i
(n)
[0046]d
m
[n]≤q
u
[n][0047]0≤d
m
[n][0048]优选的，步骤S105，得到无人机在恶意干扰情况下的优化算法步骤为：
[0049]步骤一，通过初始化无人机轨迹得到无线传感器带宽和功率分配策略；
[0050]步骤二，通过步骤一优化得到的无线传感器带宽和功率分配策略，进而优化无人机轨迹；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机抗干扰通信的联合优化方法，其特征在于，利用凸优化解决无人机资源分配问题，包括以下步骤：S101、构建无人机覆盖无线传感器的通信模型，根据该覆盖通信模型分析得到无线传感器数据传输上行的吞吐量公式；S102、设定地面恶意干扰，并结合无人机覆盖通信模型得到无人机在恶意干扰下的通信模型的吞吐量公式；S103、根据步骤S102所得到的无人机在恶意干扰下的通信传输模型，并结合无人机、无线传感器的资源得到优化问题；S104、基于步骤S103得到的资源优化问题，并结合凸优化的线性化原理，将模型中非凸问题转化为凸问题；S105、基于步骤S104得到的凸问题，通过块坐标下降算法来进行联合优化，得到无人机和无线传感器的资源优化策略。2.根据权利要求1所述的一种基于无人机抗干扰通信的联合优化方法，其特征在于，步骤S101中由多个无线传感器作为发送端、无人机作为接收端、构建无人机视距通信模型：在不丧失通用性的情况下，无人机利用频分多址方案同时接收无线传感器信息；无人机到无线传感器的信道由视距信道主导，因此无人机覆盖通信模型的时隙信道增益为：其中，H是无人机飞行高度，q[n]是无人机在第n个时隙投影到地面的二维坐标，w是地面传感器的二维坐标，β0是参考距离的信道能量。3.根据权利要求2所述的一种基于无人机抗干扰通信的联合优化方法，其特征在于，步骤S101中无线传感器数据传输上行的吞吐量公式：其中，x
i
[n]表示分配给第i个无线传感器带宽占总带宽的比例，B表示所有无线传感器的总带宽，p
i
[n]为无人机给每个用户分配的功率。4.根据权利要求3所述的一种基于无人机抗干扰通信的联合优化方法，其特征在于，步骤S102无人机在恶意干扰下的通信模型的吞吐量为：其中，p
m
为恶意干扰的功率，h
m
[n]表示恶意干扰的自由空间路径损耗模型，n0为高斯白噪声功率谱密度。5.根据权利要求4所述的一种基于无人机抗干扰通信的联合优化方法，其特征在于，步骤S103得到优化问题为：s.t.0≤x
i
[n]≤1
||q[n]
‑
w
i
||≤V
max
其中，U表示无线传感器的个数，i表示无线传感器的序号，N表示无人机飞行总时隙，P
max
是所有无线传感器的最大传输功率，V
max
是无人机最大飞行速度，分别是无人机轨迹策略，无线传感器发送功率，发送带宽。6.根据权利要求5所述的一种基于无人机抗干扰通信的联合优化方法，其特征在于，步骤S104，该问题关于无人机路径是一个非凸问...

【专利技术属性】
技术研发人员：李彬，李人杰，张若南，崔进宝，丛嘉艺，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：