【技术实现步骤摘要】
本专利技术属于卫星通信领域，公开了一种基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法。
技术介绍
1、最近的研究表明，去蜂窝大规模多输入多输出（cell-free massive mimo）技术因其更高的频谱效率、更高的能量效率和更好的空间分集已成为现代网络的关键研究课题之一。然而，随着无线通信技术的快速发展、广域物联网（iot）对支持海量设备和更高数据吞吐量的需求进一步增长，传统的去蜂窝（massive mimo）技术由于每个接入点（ap）和中央处理单元（cpu）之间的大量长电缆阻碍了其实际应用。因此，建立一种由卫星辅助的支持大规模接入的空地网络是长远解决当前困境的有效方法，但由于有限的频谱资源和通信速率以及端到端固有的超大延迟，目前考虑卫星网络直接提供通信服务也是一个巨大的挑战。
2、现有技术中的无人机和卫星在去蜂窝大规模mimo系统中的应用，将无人机视为特殊的用户，或者假设无人机是固定的并且高度与低传播无关，实际上，在部署无人机时，其高度和水平坐标应该根据用户的位置进行调整，同时，视距（los）传播的百分比与无人机高度密切相关，因此传统的去蜂窝大规模通信缺乏综合考虑无人机和卫星的影响，导致存在盲区，由于传统的去蜂窝大规模通信系统需要使用相同的时间-频率资源来为大量的用户终端提供服务，这就导致了频谱资源的紧张和浪费，以及跨层干扰的严重性且受跨层干扰的影响较为严重。
技术实现思路
1、专利技术目的：提供一种基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法
2、技术方案：一种基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法，包括如下步骤：
3、s1、从卫星下行链路收集信道模型数据，对信道模型数据进行预处理，构建基于无人机-卫星协作的去蜂窝大规模mimo系统的下行通信传输模型，用于由卫星发射器、卫星、uav、cpu、ap和用户组成的通信系统；
4、s2、针对下行通信传输模型，构建目标函数和约束条件，目标函数为最大化用户最小速率，约束条件为ap和uav的最大发射功率、最大跨层干扰、最大通信覆盖范围和最大部署距离，构建基于无人机-卫星协作的去蜂窝大规模mimo资源优化模型，基于约束条件获得非凸优化问题；
5、s3、依序采用块坐标下降方法和连续凸优化方法，将非凸优化问题转化为预定数量的子问题，交替求得各个子问题的近似解，基于各个子问题的近似解得到最优近似解；
6、s4、基于最优近似解和下行通信传输模型，对基于无人机-卫星协作的去蜂窝大规模mimo系统的下行通信进行仿真，计算并记录性能指标。
7、根据本申请的一个方面，所述步骤s1具体为：
8、s11、基于卫星发射器和卫星之间的双向通信链路，接收卫星下行链路的信道模型数据，包括信道增益、信道相位和信道延迟；
9、s12、对信道模型数据进行预处理，包括去除噪声、补偿相位偏移和校正信道延迟，提高信道模型数据的准确性和可靠性；
10、s13、根据预处理后的信道模型数据，构建基于无人机-卫星协作的去蜂窝大规模mimo系统的下行通信传输模型，包括卫星发射器-卫星-uav-cpu-ap-用户的通信传输模型、cpu-uav-用户的通信传输模型、卫星发射器-卫星-uav-用户的通信传输模型和卫星发射器-卫星-用户的通信传输模型。
11、根据本申请的一个方面，所述步骤s2具体为：
12、s21、定义基于无人机-卫星协作的去蜂窝大规模mimo系统中的变量和参数，其中变量包括用户关联矩阵、功率分配矩阵和资源分配矩阵，参数包括最大发射功率、最大跨层干扰、最大通信覆盖范围和最大部署距离；
13、s22、根据变量和参数，以及下行通信传输模型，构建基于无人机-卫星协作的去蜂窝大规模mimo系统的目标函数，最大化用户最小速率，定义基于无人机-卫星协作的去蜂窝大规模mimo系统的约束条件，包括ap和uav的最大发射功率约束、最大跨层干扰约束、最大通信覆盖范围约束和最大部署距离约束；
14、s23、针对目标函数和约束条件，构建基于无人机-卫星协作的去蜂窝大规模mimo资源优化模型，获取非凸优化问题。
15、根据本申请的一个方面，所述步骤s3具体为：
16、s31、采用块坐标下降方法，将非凸优化问题分解为包括关于用户关联矩阵、功率分配矩阵和资源分配矩阵的凸优化子问题；
17、s32、采用连续凸优化方法，对凸优化子问题进行线性化，将其转化为容易求解的凸优化问题，采用内点法进行求解，得到凸优化子问题的至少两个近似解，重复该过程，直到收敛；
18、s33、将凸优化子问题的至少两个近似解进行权重组合，得到非凸优化问题的最优近似解。
19、根据本申请的一个方面，所述步骤s4具体为：
20、s41、根据最优近似解，确定无人机-卫星协作的去蜂窝大规模mimo系统中的参数，包括用户关联矩阵、功率分配矩阵、资源分配矩阵、信道增益、信道相位和信道延迟；
21、s42、将确定的参数输入下行通信传输模型，仿真计算基于无人机-卫星协作的去蜂窝大规模mimo系统中的信号，包括卫星发射器-卫星的信号、cpu-ap的信号、ap-用户的信号、cpu-uav的信号和uav-用户的信号；
22、s43、根据基于无人机-卫星协作的去蜂窝大规模mimo系统中的信号，计算性能指标，包括用户速率、系统吞吐量、系统覆盖率、系统干扰和系统能耗；
23、s44、根据性能指标，绘制图表，对基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法进行分析。
24、根据本申请的一个方面，最大化用户最小速率具体为：
25、下行链路采用共轭波束形成发送信号给用户k，第m个ap传输信号为：
26、xik=∑k∈kisqrt（pmk）gmkdk
27、其中，pmk为ap对用户下行链路的发射功率，dk为传输给用户的信号，满足e｛｜dk｜2｝=1，gmk表示ap和用户之间的信道增益，
28、结合用户调度下的用户k接收信号为：
29、yk=∑im∪uξikgikxik+ωk
30、其中，xik表示ap发出的信号, ωk是满足正态分布的高斯白噪声，用二进制变量ξk=｛ξmk，ξuk｝分别表示用户的调度情况，定义用户调度矩阵ξ∈ck×（u+1），c为复数集合符号，k为地面用户数量，u为地面无人机的数量，m为地面ap点数量，若用户k由地面ap点服务则二进制变量ξmk系数为1，否则为0，
31、由地面ap提供服务的用户可达速率为:
32、rkcf=log2（1+ξmk∑m=1m（sqrt（pmk）g2mk）2/（∑i=1，i≠kkξmi∑m=1m（sqrt（pmi）g2mi）2+σ2））
33、其中，σ2为加性高斯白噪声功率，
34、当无人机u本文档来自技高网...
【技术保护点】
1.一种基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，所述步骤S1具体为：
3.根据权利要求2所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，所述步骤S2具体为：
4.根据权利要求3所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，所述步骤S3具体为：
5.根据权利要求4所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，所述步骤S4具体为：
6.根据权利要求5所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，最大化用户最小速率具体为：
7.根据权利要求5所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，以最大发射功率为约束条件具体为:
8. 根据权利要求5所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，基于无人机-卫星协作的
9.根据权利要求5所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，步骤S33具体为：
10.根据权利要求1所述的基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法，其特征在于，还包括采用遗传算法，对非凸优化问题进行求解，得到最优解，具体为：
...【技术特征摘要】
1.一种基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法，其特征在于，所述步骤s1具体为：
3.根据权利要求2所述的基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法，其特征在于，所述步骤s2具体为：
4.根据权利要求3所述的基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法，其特征在于，所述步骤s3具体为：
5.根据权利要求4所述的基于无人机-卫星协作的去蜂窝大规模mimo资源优化方法，其特征在于，所述步骤s4具体为：
6.根据权利要求5所述的基于无人机-卫星协作的去蜂窝大规模...
【专利技术属性】
技术研发人员：赖海光，石锋，孙峰，张超，潘奇，
申请(专利权)人：南京控维通信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。