一种基于椭圆覆盖模型的无人机基站分流部署方法技术

本发明专利技术提出一种无人机基站椭圆覆盖部署方法，具体表现为：首先设定无人机椭圆覆盖长半轴最大值A

【技术实现步骤摘要】
一种基于椭圆覆盖模型的无人机基站分流部署方法


[0001]本专利技术涉及无线通信
，特别涉及地面宏站分流方案、无人机基站部署方案研究。

技术介绍

[0002]在蜂窝移动网络中，带宽需求高的移动应用程序占用了大量的无线资源，且随着用户数量的增加以及城市环境的变化，小区基站可能会逐渐满足不了部分区域的服务需求。而无人机基站具有灵活调度的特点，可作为空中基站为流量压力过大而固定基站信号又难以覆盖的区域进行临时快速无线覆盖。
[0003]然而，无人机携带基站在实际应用中也有一些技术限制。首先，在不同的环境下无人机基站信号面临的信道干扰可能有很大的不同，要让无人机能够适应多种环境，就需要建立足够鲁棒的信道模型。其次，无人机飞行所需的功耗较大，滞空时间有限，难以持续为用户提供服务，所以需要在算法上进行优化，通过调整信号发射功率，飞行高度等参数尽可能增加能效。在密集部署的情况下，多个无人机基站之间又可能会出现严重的相互干扰，为了降低干扰，则需要调整无人机的信号发射频率，波束形状或者空间位置等参数。
[0004]在实际环境中，地面用户如果过于分散，或者数量过多，则很难用同一个无人机全部覆盖。这种情况就需要多个无人机协同配合，统一调度进行部署。针对这一情景，一些无人机基站集群部署算法应运而生。K
‑
means算法就是一种被广泛引用的无人机集群部署算法。螺旋算法是另一种被广泛使用的无人机部署算法。这一算法先通过环境信道参数选取最适合的无人机飞行高度和发射功率以获得单个无人机在地面的最大覆盖区域面积，然后统一设置所有无人机的参数使之地面覆盖面积达到最大值。螺旋算法通过一种巧妙的启发式算法，沿逆时针方向从外向内在用户所处的区域内生成无人机基站，从而以尽可能少的无人机基站覆盖全部地面用户。
[0005]由于无人机基站在部署时可以考虑的变量较多，包括但不限于城市环境下的无线信道干扰，无人机基站发射功率以及无人机高度与地面信号覆盖区域大小的关系，无人机的续航能力等，因此大部分现有研究都对模型进行了相当的简化。绝大部分研究工作都假定无人机的覆盖区域呈圆形，并在此基础上固定无人机高度或功率等参数，然后探讨如何使得无人机基站在地面的覆盖范围最大化。实际研究表明，通过改变天线的波束模型可以实现无人机基站在地面的椭圆区域覆盖，这为无人机基站的部署提供了新思路。
[0006]本专利技术提出了无人机基站椭圆覆盖部署算法，重点研究了此算法在密集地区多用户部署中的理论和实际性能。本专利技术的核心是提出了一种异构网络下基于椭圆覆盖模型的无人机基站集群部署算法，该算法的目的在于根据地面用户和固定基站的坐标信息，计算得到异构网络下的无人机基站部署方案，同时尽可能降低基站之间的重叠干扰以及用户覆盖需要的无人机发射功率。

技术实现思路

[0007]本专利技术致力于减少重复覆盖率，提高用户覆盖率和无人机基站的总体能效，提出一种无人机基站椭圆覆盖部署方法，具体表现为：获得固定基站信息后，设定无人机椭圆覆盖区域的长半轴最大值A
max
，首先把被地面基站覆盖的用户剔除出用户坐标集，然后计算能覆盖剩余所有用户的最小圆的中心点和半径；当最小圆半径大于椭圆长半轴最大值时，用k
‑
means聚类算法将用户分为两个簇，再分别对每个簇进行上述判断和拆分，直到所有用户簇最小覆盖圆的半径都小于椭圆长半轴的最大值；以此前求得的覆盖圆中心点作为椭圆中心，用随机梯度下降算法求得全覆盖下椭圆面积最小时长轴的角度，得到多个满足覆盖条件且参数不同的椭圆；在求得最小覆盖椭圆的过程中，进行用户重复覆盖的检测，如果发现当前无人机覆盖的用户重复覆盖，此时运行碰撞消除算法，即将当前无人机覆盖用户拆分成两个簇，用两个无人机进行覆盖；当一个无人机既无法被拆分也无法满足用户无重叠覆盖要求时，停止迭代，输出最终结果。
[0008]本专利技术的面向密集用户的无人机基站椭圆覆盖部署方法包括以下步骤：
[0009]步骤200，获取固定基站信息，把地面基站覆盖的用户剔除，用Welzl算法计算能覆盖所有用户的最小覆盖圆。
[0010]在使用椭圆算法开始求解之前，需要已知用户坐标U，固定基站坐标及其覆盖半径R
BS
，以及无人机在地面覆盖椭圆区域的长半轴大小范围A
m
＝[A
min
,A
max
]和椭圆长短半轴比K。获得固定基站信息后，我们的算法首先把被地面基站覆盖的用户剔除出用户坐标集，然后采用Welzl算法计算能覆盖剩余所有用户的最小圆的中心点和半径。
[0011]步骤210，用k
‑
means聚类算法分簇，直到所有用户簇的最小覆盖圆半径都小于椭圆长半轴最大值。
[0012]当半径大于椭圆长半轴最大值时，用k
‑
means聚类算法将用户分为两个簇，再分别对每个簇进行上述判断和拆分，直到所有用户簇最小覆盖圆的半径都小于椭圆长半轴的最大值。
[0013]步骤220，以最小圆中心坐标为椭圆中心输出多个椭圆，利用随机梯度下降求解并椭圆长半轴方向，并选取面积最小的椭圆。最小覆盖椭圆的求解算法会以之前求得的圆中心点坐标作为椭圆中心，求能够覆盖用户簇内所有用户的最小覆盖椭圆，最后输出多个满足覆盖条件且参数不同的椭圆。对于无人机基站m，该算法会任意选取地面覆盖椭圆的初始水平角度θ
m
,计算当椭圆位于左右两侧临近角度时能够覆盖所有用户的最小长轴E(θ
m
)＝A
m
,再进行随机梯度下降求得A
m
最小时对应的θ
m
。
[0014]步骤230，对用户进行重复覆盖检测，若碰撞则用碰撞消除算法将无人机拆分。直到一个无人机既无法被拆分也无法满足用户无重叠覆盖要求时，我们就会停止迭代，输出最终结果。
[0015]有益效果
[0016]本专利技术的面向密集用户的无人机基站椭圆覆盖部署方法能够很好地降低重复度和总发射功率，大大降低计算复杂度，因此这种方法可以减少用户之间的干扰。此外。本专利技术提出的椭圆覆盖算法相比传统的圆覆盖算法增加了一个可以调整的参数，即椭圆的倾角，这将使得无人机基站能够更加灵活地覆盖地面用户。
附图说明
[0017]本专利技术的技术步骤会涉及到无人机基站椭圆部署场景、椭圆覆盖模型、部署过程、仿真结果的描述，下面将简单解释本专利技术说明书中提到的所有附图。需要说明的是，下面描述的附图仅仅是本专利技术实施的一些例子，无人机部署领域其他普通技术人员依旧可以根据这些附图在其他不同场景下获得其他的附图。
[0018]图1是本专利技术的实施流程图；
[0019]图2是本专利技术的无人机基站椭圆部署场景图；
[0020]图3是本专利技术的同一场景下不同部署算法的部署结果图；
[0021]图4是四种算法在不同场景条件下的无人机数量和用户重复覆盖比例图；
[0022]图5是椭圆和圆(K＝1)覆盖模型在不同场景条件下的发射功率对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于椭圆覆盖模型的无人机基站分流部署方法，其特征在于，包括：首先设定无人机椭圆覆盖长半轴最大值A
max
，计算能覆盖所有未被地面宏站覆盖的用户的最小圆；若最小圆半径大于A
max
，用k
‑
means聚类算法将用户分为两个簇，再分别对每个簇进行上述操作，直到所有用户簇最小覆盖圆半径都小于A
max
；以所有覆盖圆中心作为椭圆中心，用随机梯度下降算法求得全覆盖下椭圆面积最小时长轴的角度；在求最小覆盖椭圆的过程中，进行用户重复覆盖检测，如果当前无人机覆盖的用户重复覆盖，运行碰撞消除算法，即将当前无人机覆盖用户拆分成两个簇，用两个无人机进行覆盖；当一个无人机既无法被拆分也无法满足用户无重叠覆盖要求时，停止迭代，输出最终结果。2.根据权利要求1所述的方法，其特征在于，获取地面固定宏基站信息，把地面基站覆盖的用户剔除，用Welzl算法计算能覆盖所有用户的最小覆盖圆；Welzl算法：先取凸包上的三个不共线的点建立一个圆，如果找不到三个点共线就取距离最远的两点作为直径建立圆，然后再对剩余的点进行遍历，每遍历到一个点都对当前的最小覆盖圆进行更新，保证所有遍历过的点都位于圆内。3.根据权利要求1所述的方法，其特征在于，只要距离用户簇中心最远的用户超出无人机的最远覆盖距离，用户聚类算法就会将用户簇重新聚为两类，从而保证单个用户簇至少能够被一个半径等同于无人机最远覆盖距离的圆完全覆盖，最终所有用户簇最小覆盖圆半径都小于A
max
。4.根据权利要求1所述的方法，其特征在于，设定椭圆长短半轴比设为K，以权利要求3中获得的覆盖圆中心作为椭圆中心，用随机梯度下降算法求得全覆盖下椭圆面积最小时...

【专利技术属性】
技术研发人员：张鸿涛，刘江徽，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：