地面车载基站路径动态规划方法与系统技术方案

本发明专利技术公开了一种地面车载基站路径动态规划方法与系统，涉及无人机通信技术领域，该方法包括：基于空地协同系统模型确定目标优化函数；空地协同系统为无人机群在执行任务过程中，地面车载基站实时为空中无人机群提供通信支持服务和能源供给服务的系统；目标优化函数为设计地面车载基站的移动轨迹，在尽可能满足所有无人机最低通信需求和能量需求的情况下，最大化无人机的瞬时通信传输速率和瞬时能量接收功率的优化函数；根据离散化处理后的目标优化函数构建马尔可夫决策过程；利用强度学习算法求解马尔可夫决策过程，确定地面车载基站的移动路径。本发明专利技术能够无人机协同执行任务时面临的通信速率低以及能源短缺问题。面临的通信速率低以及能源短缺问题。面临的通信速率低以及能源短缺问题。

【技术实现步骤摘要】
地面车载基站路径动态规划方法与系统


[0001]本专利技术涉及无人机通信
，特别是涉及一种地面车载基站路径动态规划方法与系统。

技术介绍

[0002]无人机作为当代商业、工业以及军事活动的载体，因其结构简单、续航时间长、造价低、隐蔽性强和安全性高等优势，广泛地被应用在信息化战争中，执行监视、侦察和充当诱饵等任务，以提高部队的指挥控制能力及多兵种协作作战的能力。然而，由于环境的复杂性以及任务的多样性，无人机很难独立执行任务，因此为了满足复杂场景下的困难任务需求，如今往往采用多种不同规格以及不同种类的无人机协同完成任务。无人机协同侦察，协同通信以及各种无人机协同执行任务已经得到广泛研究及应用。
[0003]无人机群在协同执行任务时，为保证其协同性，各架无人机需要实时保持通信畅通，并且在某些场景任务中，无人机群需要与地面用户设备通信。然而，现有关于无人机系统的研究中，大多数考虑无人机群接收来自卫星天线的信号或者不考虑无人机群的通信需求，这在实际应用中可能因为链路非视距，电磁干扰等原因导致通信能力不足。针对此技术问题，提供了采用中继无人机的方式，为无人机群提供通信服务，这在实际应用中同样对中继无人机的通信能力是不小的考验。
[0004]在针对多无人机协同执行任务的研究中，能耗问题作为另一个重点问题受到广泛关注。出于便捷性和灵活性的考虑，往往不会让无人机携带过大的储能设备，在执行复杂任务时，无人机需要同时实现通信、侦察等功能，这就对续航提出了更高的要求。

技术实现思路

[0005]针对无人机协同执行任务时面临的通信速率低以及能源短缺问题，本专利技术的目的是提供一种地面车载基站路径动态规划方法与系统。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]第一方面，本专利技术提供了一种地面车载基站路径动态规划方法，包括：
[0008]构建地面车载基站与无人机群之间的空地协同系统模型，并基于所述空地协同系统模型确定目标优化函数；所述空地协同系统模型是根据空地协同系统构建的；所述空地协同系统为所述无人机群在执行任务过程中，所述地面车载基站实时为空中所述无人机群提供通信支持服务和能源供给服务的系统；所述目标优化函数为设计所述地面车载基站的移动轨迹，在尽可能满足所有无人机最低通信需求和能量需求的情况下，最大化所述无人机的瞬时通信传输速率和瞬时能量接收功率的优化函数；其中，所述无人机群在执行任务过程中，所述地面车载基站和所述无人机均处于移动状态；
[0009]对所述目标优化函数进行离散化处理，并根据离散化处理后的目标优化函数构建马尔可夫决策过程；
[0010]利用强度学习算法求解所述马尔可夫决策过程，确定地面车载基站的移动路径。
[0011]第二方面，本专利技术提供了一种地面车载基站路径动态规划系统，包括：
[0012]目标优化函数确定模块，用于构建地面车载基站与无人机群之间的空地协同系统模型，并基于所述空地协同系统模型确定目标优化函数；所述空地协同系统模型是根据空地协同系统构建的；所述空地协同系统为所述无人机群在执行任务过程中，所述地面车载基站实时为空中所述无人机群提供通信支持服务和能源供给服务的系统；所述目标优化函数为设计所述地面车载基站的移动轨迹，在尽可能满足所有无人机最低通信需求和能量需求的情况下，最大化所述无人机的瞬时通信传输速率和瞬时能量接收功率的优化函数；其中，所述无人机群在执行任务过程中，所述地面车载基站和所述无人机均处于移动状态；
[0013]马尔可夫决策过程构建模块，用于对所述目标优化函数进行离散化处理，并根据离散化处理后的目标优化函数构建马尔可夫决策过程；
[0014]移动路径确定模块，用于利用强度学习算法求解所述马尔可夫决策过程，确定地面车载基站的移动路径。
[0015]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0016]针对无人机协同执行任务时面临的通信速率低以及能源短缺问题，本专利技术提供了一种基于强化学习的地面车载基站路径动态规划(Vehicle
‑
base
‑
station
‑
dynamic
‑
path
‑
planning，VBSDPP)方法与系统，首先提供了一种地面车载基站为空中多无人机提供通信及供电的空地协同系统，即地面车载基站实时为空中无人机提供通信支持和能源供给进行建模，并且证明地面车载基站的移动服务过程为马尔可夫过程，然后提供了一种基于强化学习的地面车载基站路径动态规划算法来优化地面车载基站路径。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的地面车载基站路径动态规划方法的流程示意图；
[0019]图2为本专利技术实施例提供的空地协同系统模型的结构示意图；
[0020]图3为本专利技术实施例提供的改进Q表形式图；
[0021]图4为本专利技术实施例提供的移动区域的初始分布图；
[0022]图5为本专利技术实施例提供的不同学习算法下地面车载基站服务效用对比图；
[0023]图6为本专利技术实施例提供的不同学习算法下地面车载基站移动路径对比图
[0024]图7为本专利技术实施例提供的不同通信权重下地面车载基站服务效用对比图；
[0025]图8为本专利技术实施例提供的不同移动步数下地面车载基站服务效用对比图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0028]以往关于无人机作为通信基站对地面用户设备进行服务的研究中，仅考虑地面用户设备集中在某些分布区域时通信基站的移动情况，并未考虑地面用户设备存在移动的情况，不能有效的给动态地面用户设备提供高质量通信服务。而在本专利技术所设想的情况中，无人机群在执行任务过程中，始终处于移动状态，因此研究如何规划地面车载基站的移动路径更好地为动态状态下的无人机群服务很有必要。
[0029]实施例一
[0030]图1为本专利技术实施例提供的地面车载基站路径动态规划方法的流程示意图；如图1所示，本专利技术实施例提供的地面车载基站路径动态规划方法，包括如下步骤。
[0031]步骤100：构建地面车载基站与无人机群之间的空地协同系统模型，并基于所述空地协同系统模型确定目标优化函数；所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地面车载基站路径动态规划方法，其特征在于，包括：构建地面车载基站与无人机群之间的空地协同系统模型，并基于所述空地协同系统模型确定目标优化函数；所述空地协同系统模型是根据空地协同系统构建的；所述空地协同系统为所述无人机群在执行任务过程中，所述地面车载基站实时为空中所述无人机群提供通信支持服务和能源供给服务的系统；所述目标优化函数为设计所述地面车载基站的移动轨迹，在尽可能满足所有无人机最低通信需求和能量需求的情况下，最大化所述无人机的瞬时通信传输速率和瞬时能量接收功率的优化函数；其中，所述无人机群在执行任务过程中，所述地面车载基站和所述无人机均处于移动状态；对所述目标优化函数进行离散化处理，并根据离散化处理后的目标优化函数构建马尔可夫决策过程；利用强度学习算法求解所述马尔可夫决策过程，确定地面车载基站的移动路径。2.根据权利要求1所述的一种地面车载基站路径动态规划方法，其特征在于，所述目标优化函数包括目标函数以及所述目标函数对应的约束条件；所述目标优化函数为：其中，公式(a)为目标函数；所述目标函数为设计所述地面车载基站的移动轨迹，在尽可能满足所有无人机最低通信需求和能量需求的情况下，最大化所述无人机的瞬时通信传输速率和瞬时能量接收功率的函数；R
t
为在t时刻时，k个无人机的通信传输速率之和，r
t
(i)为在t时刻时，第i个无人机的瞬时通信传输速率；E
t
为在t时刻时，k个无人机的能量接收功率之和，P
t
(i)为在t时刻时，第i个无人机的瞬时能量接收功率；T0为任务总时长；ω1和ω2均为权重值；公式(b)为最低瞬时通信传输速率约束条件，r
min
为最低瞬时通信传输速率；公式(c)为最低瞬时能量接收功率约束条件，P
min
为最低瞬时能量接收功率；公式(d)为对地面车载基站的移动范围限制的约束条件；(X
t
,Y
t
)为在t时刻地面车载基站的位置坐标，S
area
为指定区域内，除了障碍物所占区域以外的区域，S
block
为指定区域内障碍物坐标集合。3.根据权利要求2所述的一种地面车载基站路径动态规划方法，其特征在于，所述离散化处理后的目标优化函数为：
其中，T0＝N
×
δ
t
；t＝nδ
t
。4.根据权利要求3所述的一种地面车载基站路径动态规划方法，其特征在于，所述马尔可夫决策过程包括：状态空间、动作空间和奖励规则；所述状态空间包括地面车载基站在第n个时隙的位置以及无人机群在第n个时隙的位置；所述动作空间包括在第n个时隙地面车载基站执行的动作；所述动作包括向东移动、向南移动、向西移动、向北移动以及原地不动；所述奖励规则包括：一是地面车载基站对无人机群的通信速率之和以及能量供给之和，二是地面车载基站在第n个时隙移动到某一位置时，部分无人机无法满足最低瞬时通信传输速率和瞬时能量接收功率时的惩罚值，三是地面车载基站移动出指定区域或者障碍物时，直接将奖励值计为0。5.根据权利要求3所述的一种地面车载基站路径动态规划方法，其特征在于，所述利用强度学习算法求解所述马尔可夫决策过程，确定地面车载基站的移动路径，具体包括：步骤1：场景初始化，随机分配障碍物位置、无人机位置，设置地面车载基站初始位置，...

【专利技术属性】
技术研发人员：张建照，柳永祥，胡程程，邓俊荃，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：