智能反射面辅助的无人机使能的无线传感网数据收集方法技术

本发明专利技术请求保护一种智能反射面辅助的无人机使能的无线传感网数据收集方法，属于无线传感网技术领域，其具体包括以下步骤：将无人机派遣到地面空间分布的传感器节点SN上空收集数据，并借助智能超表面RIS提高通信质量；为了最大化最小的无人机从所有传感器节点的平均数据收集率，联合优化传感器节点通信调度、智能反射面相移和无人机轨迹；通过利用交替优化AO、逐次凸近似SCA和半正定松弛SDR来得到平均数据收集次优解，根据次优解进行无线传感网数据收集。数据收集。数据收集。

【技术实现步骤摘要】
智能反射面辅助的无人机使能的无线传感网数据收集方法


[0001]本专利技术属于无线传感网领域，尤其涉及智能反射面辅助的无人机使能的无线传感网数据收集方法技术。

技术介绍

[0002]随着无线通信、电子学和嵌入式微处理器的技术进步，无线传感器网络(WSN)在工业界和学术界引起了强烈的学术热情，实现了环境监测、医疗保健、应急救援和智能家居等应用的普及[1]，[2]，[3]。一般来说，WSN是由许多电量有限的传感器节点(SN)组成，传感数据通常由静态节点以多跳中继的方式收集[4]。因此，每个SN不仅传输自己的传感数据，而且还帮助中继其他SN的数据。在这种情况下，SN的电量容易耗尽，这可能导致WSN的覆盖率和吞吐量严重下降[5]。
[0003]最近，由于其高度灵活的移动性和视线(LoS)传输链路，无人机(UAV)已经被融合到地面无线网络中，以显著改善网络覆盖和系统吞吐量[6]，[7]，从而产生了各种各样的创新应用，如无人机安全通信[8]，[9]，无人机辅助地面通信[10]，无人机中继[11]，[12]，和无人机使能的WSN[13]，[14]。特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，包括以下步骤：将无人机派遣到地面空间分布的传感器节点SN上空收集数据，并借助智能超表面RIS提高通信质量；为了最大化最小的无人机从所有传感器节点的平均数据收集率，联合优化传感器节点通信调度、智能反射面相移和无人机轨迹；通过利用交替优化AO、逐次凸近似SCA和半正定松弛SDR来得到其次优解，根据次优解进行无线传感网数据收集。2.根据权利要求1所述的一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，所述智能超表面RIS是由大量可配置单元组成的，每个单元都可以通过操作数字信号引起相移和振幅的变化，通过优化其相移，传输信号可以聚焦于用户。3.根据权利要求1所述的一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，当无人机为智能超表面RIS附近的传感器节点SN提供通信服务时，它飞近智能超表面RIS，而对离智能超表面RIS远的传感器节点SN提供服务时，则飞近传感器节点SN。4.根据权利要求1所述的一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，所述联合优化传感器节点通信调度、智能反射面相移和无人机轨迹，具体包括：通过在整个时隙N内联合合优化无人机的水平轨迹通信调度和RIS相移然后，优化问题可以被表述为为为(1)
‑
(2),(4),(12),(16)
‑
(17).η表示最小用户平均数据收集速率，α
k
[n]为二元通信调度变量，R
k
[n]分别表示用户期望速率和用户瞬时通信速率，θ
m
[n]表示智能反射面的第m个元素的相移、表示智能反射面元素个数集合、表示任务飞行时隙集合、n表示当前的时隙、k表示当前传感器节点、分别传感器节点集合。5.根据权利要求4所述的一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，所述通信调度优化具体包括：对于RIS的任何可行相移矩阵Θ，以及前次迭代得到的无人机轨迹Q，将二元变量α
k
[n]松弛为连续变量，得到以下优化问题
(16),(21),这是一个简单的线性规划问题，因此通过使用常用的CVX来进行优化求解。6.根据权利要求5所述的一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，所述RIS相位优化具体包括：对于任何可行的无人机轨迹Q和(23)中求解出的通信调度A，相移Θ的优化问题可以被表述为s.t.(21),(22).然而，约束条件(21)包含Θ的对角元素，导致优化问题(25)是一个单位模数约束的非凸优化问题，做出如下变换，定义定义表示SN k和无人机在第n个时隙的LoS或NLoS状态的信道系数、表示RIS和无人机在第n个时隙的LoS或NLoS状态的信道系数、Θ[n]表示RIS的对角相移矩阵、h
kR
表示SN k和RIS在第n时隙的信道增益、和H表示辅助变量、ξ[n]表示RIS的相移向量、f和o表示辅助标识变量、L和N分别表示LoS或NLoS状态；其中其中和ξ[n]＝[ξ1[n],ξ2[n],
…
,ξ
M
[n],1]
TT
和分别表示LoS和NLoS状态下的可达速率，可以被重新表述为因此，问题(25)可以被写成问题(25)可以被写成(21).由于约束条件(28)不是一个凸形式，应用SDR方法来松弛它；然后，我们有我们有我们有
其中Ξ[n]＝ξ[n](ξ[n])
H
，，以及Tr(X)代表X的迹，然后，可以重写问题(27)为以重写问题(27)为以重写问题(27)为以重写问题(27)为其中其中和和分别表示松弛后的在LoS和NLoS状态下的可达速率、γ0表示发送功率和噪音比值、A1[n]，A2[n]，A3[n]，A4[n]是辅助变量、Ξ[n]表示相位松弛变量；以上可以表明问题(30)是一个凸的半正定规划问题，因此可以利用CVX来解决它；尽管如此，可能不会产生一个秩为1的解；因此，可以用高斯随机化方法从Ξ[n]中恢复ξ[n]。7.根据权利要求6所述的一种智能反射面辅助的无人机使能的无线传感网数据收集方法，其特征在于，所述无人机水平轨迹优化，具体包括：对于(23)中求解出的通信调度A，以及在(30)求解出的最优相移Θ，问题(20)可以被重新表述为s.t.(1)
‑
(2),(4),(12),(21).然而，(14)中的对于无人机轨迹来说是复杂的、非线性的，这导致了无人机轨迹设计的困难性。为了解决这种难以解决的问题，我们使用(l
‑
1)次迭代的...

【专利技术属性】
技术研发人员：多滨，邵明谦，刘一凡，罗俊松，胡艳梅，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：