无人机辅助反向散射通信系统最小任务时间资源管理方法技术方案

本发明专利技术请求保护一种基于任务完成时间最小化的无人机辅助反向散射通信系统资源管理方法。本发明专利技术建立基于任务完成时间最小化的无人机辅助反向散射通信模型，联合优化无人机发射功率、反射系数、反向散射设备BDs调度和无人机飞行轨迹，将原非凸优化问题通过两层迭代算法来进行求解，在内层迭代算法中利用块坐标下降算法和连续凸近似算法将优化问题进行解耦，然后交替优化变量得到优化后的目标值，将优化后的目标值带到外层迭代算法中，根据二分查找算法对目标值更新收敛进行判断，直到循环结束得到最小任务完成时间。根据仿真结果表明所提出算法的有效性，相比较基准方案，所提出的算法任务完成时间更少。法任务完成时间更少。法任务完成时间更少。

【技术实现步骤摘要】
无人机辅助反向散射通信系统最小任务时间资源管理方法


[0001]本专利技术属于无人机辅助反向散射通信系统资源管理领域，具体地，聚焦于任务完成时间约束下的无人机辅助反向散射通信系统资源管理相关研究。

技术介绍

[0002]随着物联网技术的飞速发展，数字人民币硬钱包、智慧物流等重要应用领域对于信息收集提出更高的要求，而信息收集依赖于无线传感器的部署，但由于地面用户的移动性或传感器节点部署不精确。而无人机具有高机动性、动态部署和高概率视线链接等优势，将无人机与反向散射通信系统相结合具有很高的预测性。
[0003]基于信息收发的无人机辅助通信系统，无人机可以搭载反向散射设备进行信息收发，王正强等人在文献“无人机辅助的非正交多址反向散射通信系统max
‑
min速率优化算法”[J/OL].电子与信息学报,2022[2023
‑
02
‑
24].中将无人机通信与反向散射通信相结合，基于NOMA技术在反射系数、无人机发射功率、最小信息速率要求和SIC解码顺序约束下，提出了一个最小速率最大化的系统模型，所提出的算法用户公平性得到验证；DU Y,CHEN Z,HAO J在文献“Joint optimization of trajectory and communication in multi
‑
UAV assisted backscatter communication networks[J]”IEEE Access,2022,10:40861
‑<br/>40871.中研究了一种多无人机辅助反散射通信网络，该网络使用多个无人机向部署在地面的多个反向散射传感器节点传输射频载波并收集数据。在反向散射设备调度，无人机发射功率和飞行轨迹约束下，建立了反向散射通信系统最小速率最大化模型；YEH SH,WANG Y S等人在文献“UAV trajectory optimization for data
‑
gathering from backscattering sensor networks[C].”ICC IEEE International Conference on Communications,Dublin,Ireland,2020:1
‑
6.中研究了一种反向散射辅助无线传感器网络进行收集数据。在严格的飞行时间约束下，可用于收集数据的时隙数量是有限的，传感器必须根据无人机在给定时间的位置仔细确定其激活时隙。NIE Y,ZHAO J等人在文献“Energy
‑
efficient UAV trajectory design for backscatter communication:a deep reinforcement learning approach[J].China communications,2020,17(10):129
‑
141.”中提出了基于深度强化学习算法的反向散射通信网络，考虑了发射功率、BD调度、无人机飞行轨迹以及反射系数约束条件，建立了能量效率最大化模型。
[0004]在实际应用场景中，每个反射设备都有数据传输的需求，同时考虑到无人机携带的电池容量有限制，无人机任务飞行时间受到严格限制，上述论文未考虑每个设备收集信息需求和最小化任务时间，导致不能满足每个反射设备的最低数据传输，对无人机辅助的反向散射通信系统性能的发挥产生影响。所以本专利技术考虑了每个反向散射设备可实现数据量与需要传输数据量的比率，以满足每个反射节点在任意时刻的最低通信需求，同时为了实现任务完成时间最小化的优化目标，同时采用了基于TSP/TSPN的无人机初始飞行轨迹，实现任务完成时间最小化的优化目标。

技术实现思路

[0005]本专利技术旨在解决以上现有技术的问题。提出了一种无人机辅助反向散射通信系统最小任务时间资源管理方法。本专利技术的技术方案如下：
[0006]一种无人机辅助反向散射通信系统最小任务时间资源管理方法，其包括以下步骤：
[0007]101、建立基于任务完成时间最小化的无人机辅助反向散射通信模型，并转化为便于处理的等价问题；
[0008]102、初始化无人机发射功率；迭代算法收敛阈值；二分查找算法参数T1＝0,T2足够大和收敛阈值；
[0009]103、更新T＝(T1+T2)/2，通过基于旅行商TSP/带邻域旅行商TSPN初始化无人机飞行轨迹，并根据初始飞行轨迹求解初始反向散射设备调度；
[0010]104、利用给定无人机发射功率、无人机飞行轨迹和反向散射设备调度求解反向散射系数,并将其更新；
[0011]105、利用给定无人机发射功率和反向散射系数求解无人机飞行轨迹和反向散射设备调度，并将其更新；
[0012]106、目标值更新收敛判断，计算更新的目标值，如果更新的目标值与上一次的目标值之差不大于迭代算法收敛阈值，则判断目标值收敛，给出目标值迭代结束；如果更新的目标值与上一次的目标值之差大于迭代算法收敛阈值，则将新计算出的目标值保存为此时的目标值，并转到步骤104中更新系统参数，直到目标值满足收敛条件，给出目标值；
[0013]107、二分查找算法搜索最小任务完成时间，如果目标值不小于1，令T2＝T，同时更新迭代计算的反向散射系数、无人机飞行轨迹、反向散射设备调度和飞行时间优化值；如果目标值小于1，令T1＝T；二分查找算法循环结束判断，如果T2‑
T1不大于收敛阈值，输出反向散射系数、无人机飞行轨迹、反向散射设备调度和飞行时间优化值；如果T2‑
T1大于收敛值，转到步骤103，直到满足收敛。
[0014]进一步的，所述步骤101，建立一个基于任务完成时间最小化的无人机辅助反向散射通信模型为：
[0015][0016][0017][0018][0019][0020][0021]C1f:q(0)＝q
ini
,q(T
f
)＝q
ini
,
[0022][0023][0024]其中，T
f
为无人机任务完成时间，a
k
(t)表示在任意t时刻设备BDk的调度，B为带宽，P(t)表示任意t时刻无人机的发射功率，β
k
(t)为任意t时刻BDk与无人机之间的信道功率增益，b
k
(t)为任意t时刻BDk反射系数，σ2为系统噪声，C
k
为从BDk中收集的数据量，η
k
表示BDk能量效率转换系数，E
min
表示收集到的最小能量，q(t)表示任意t时刻无人机投影在地面上的无人机轨迹，V
max
表示无人机最大飞行的速度，q
ini
表示无人机的初始位置，P
max
表示无人机发射最大功率；问题P1的优化变量无人机发射功率反射系数无人机飞行轨迹和反向散射设备调度问题P1的目标函数无人机任务完成时间T<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机辅助反向散射通信系统最小任务时间资源管理方法，其特征在于，包括以下步骤：101、建立基于任务完成时间最小化的无人机辅助反向散射通信模型，并转化为便于处理的等价问题；102、初始化无人机发射功率；迭代算法收敛阈值；二分查找算法参数T1＝0,T2足够大和收敛阈值；103、更新T＝(T1+T2)/2，通过基于旅行商TSP/带邻域旅行商TSPN初始化无人机飞行轨迹，并根据初始飞行轨迹求解初始反向散射设备调度；104、利用给定无人机发射功率、无人机飞行轨迹和反向散射设备调度求解反向散射系数,并将其更新；105、利用给定无人机发射功率和反向散射系数求解无人机飞行轨迹和反向散射设备调度，并将其更新；106、目标值更新收敛判断，计算更新的目标值，如果更新的目标值与上一次的目标值之差不大于迭代算法收敛阈值，则判断目标值收敛，给出目标值迭代结束；如果更新的目标值与上一次的目标值之差大于迭代算法收敛阈值，则将新计算出的目标值保存为此时的目标值，并转到步骤104中更新系统参数，直到目标值满足收敛条件，给出目标值；107、二分查找算法搜索最小任务完成时间，如果目标值不小于1，令T2＝T，同时更新迭代计算的反向散射系数、无人机飞行轨迹、反向散射设备调度和飞行时间优化值；如果目标值小于1，令T1＝T；二分查找算法循环结束判断，如果T2‑
T1不大于收敛阈值，输出反向散射系数、无人机飞行轨迹、反向散射设备调度和飞行时间优化值；如果T2‑
T1大于收敛值，转到步骤103，直到满足收敛。2.根据权利要求1所述的无人机辅助反向散射通信系统最小任务时间资源管理方法，其特征在于，所述步骤101，建立一个基于任务完成时间最小化的无人机辅助反向散射通信模型为：(P1)(P1)(P1)(P1)(P1)(P1)C1f:q(0)＝q
ini
,q(T
f
)＝q
ini
,,其中，T
f
为无人机任务完成时间，a
k
(t)表示在任意t时刻设备BDk的调度，B为带宽，P(t)
表示任意t时刻无人机的发射功率，β
k
(t)为任意t时刻BDk与无人机之间的信道功率增益，b
k
(t)为任意t时刻BDk反射系数，σ2为系统噪声，C
k
为从BDk中收集的数据量，η
k
表示BDk能量效率转换系数，E
min
表示收集到的最小能量，q(t)表示任意t时刻无人机投影在地面上的无人机轨迹，V
max
表示无人机最大飞行的速度，q
ini
表示无人机的初始位置，P
max
表示无人机发射最大功率；问题P1的优化变量无人机发射功率反射系数无人机飞行轨迹和反向散射设备调度问题P1的目标函数无人机任务完成时间T
f
，C1a和C2b表示所有BDs的时分多址调度约束和调度指标变量的二进制约束,C3c表示反向散射设备需要传输数据量约束,C4d表示能量因果关系约束，即第k个反向散射设备处能量收集的约束,C5e表示无人机移动性约束,C6f表示每个无人机需要在每个周期T
f
结束时返回其初始位置,C7g表示无人机发射功率约束,C8h表示反射系数的限制。3.根据权利要求2所述的无人机辅助反向散射通信系统最小任务时间资源管理方法，其特征在于，所述问题P1是关于时间T
f
连续问题，T
f
作为积分区间的上界难以直接进行求解，并且所提出的问题是通过联合优化连续函数P
f
、A
f
、B
f
、Q
f
才能得到解决，在给定周期时间T的情况下，最大化每个反向散射设备可实现数据量与需要传输数据量的比率θ，目标解表示为θ
*
(T)，当且仅当θ
*
(T)≥1时，可以实现目标速率要求；进一步将连续时间T离散化，给定的时间范围[0,T]离散成N个时隙，即T＝Nδ
t
，其中δ
t
为时隙步长，将问题P1转化为问题P2：(P2):(P2):(P2):(P2):(P2):C2e:||q[n+1]
‑
q[n]||≤V
max
δ
t
,1≤n≤N
‑
1,C2f:q[1]＝q
ini
,q[N]＝q
ini
,,利用块坐标下降和逐次凸逼近方法的迭代算法，将原始问题P2分解成三个子问题，然后对各个子问题进行交替迭代优化求解。4.根据权利要求3所述的无人机辅助反向散射通信系统最小任务时间资源管理方法，其特征在于，所述步骤102初始化T1＝0、T2足够大；迭代算法收敛阈值υ＞0；二分查找算法收敛阈值λ＞0；给定无人机发射功率P为无人机最大发射功率具体步骤为：固定A、B和Q，优化P和θ子问题一P3为：(P3):
利用反证法进行证明，首先假设问题P3的最优解为P
*
[n]，因此得到结论P
*
[n]＜P
...

【专利技术属性】
技术研发人员：王正强，任昕志，洪端，樊自甫，万晓榆，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：