【技术实现步骤摘要】
本专利技术涉及无人机网络设计，特别是涉及一种高能效的irs辅助认知无人机网络设计方法。
技术介绍
1、随着未来智慧城市的发展和和物联网技术的进步，预计至2030年，全球的物联网设备数量将达到241亿。为满足众多无线设备的服务需求，无线通信网络需要提供更广泛的覆盖和更稳定的链接。为此，无人机由于其灵活部署和可靠视距传播等优点，在无线通信网络中得到了广泛的应用。然而，无人机通信依旧面临许多严峻挑战。一方面，由于无线设备的急速增长和宽带服务的巨大需求，分配给无人机通信频谱资源越来越稀缺。另一方面，考虑任务驱动的无人机工作在复杂的通信环境，无人机与接收器之间的通信链路可能会受到建筑物和其他障碍物的干扰和衰减，从而引发通信不稳定的问题。为了有效应对无人机通信面临的挑战，迫切需要开发新的无线通信技术。
2、认知无线电是解决无人机通信频谱稀缺问题的重要技术方案，其通过保证主用户服务质量得到满足的情况下或检测主用户频谱未被占用的情况下，允许无人机接入主网络并授权使用主网络频谱资源，从而提高频谱利用率。智能反射面(intelligent reflectingsurface，irs)是一种可重构无线通信环境的新兴技术，由大量的无源反射元件组成，每个反射元件都能够调整入射信号的幅度和相位，从而重新配置无人机与接收器之间的无线信道，以实现所需的分布，进而解决无线信道干扰和衰减问题，并有可能实现无线通信频谱效率和能量效率产生质的飞跃。因此，将认知无线电和智能反射面引入到无人机通信，可以提高无人机通信的频谱利用率，改善无人机通信的可靠性。>
3、现有技术大多考虑利用无人机增强通信覆盖范围、系统吞吐量等，很少考虑无人机通信频谱稀缺问题。另外，现有技术只考虑利用智能反射面增强无人机的数据传输性能，并没有考虑利用智能反射面同时增强无人机的频谱感知性能，而在复杂通信环境中，无人机频谱感知的精度会大幅度降低，导致无人机无法准确判断主用户的频谱工作状态。此外，无人机作为中继进行数据传输和频谱感知会产生一定的能耗，无人机自身的飞行也会产生大量推进能耗，考虑到无人机的板载能量有限，如何提高无人机通信的能量效率是一个关键问题。
技术实现思路
1、针对上述现有技术，本专利技术在于提供一种高能效的irs辅助认知无人机网络设计方法，主要解决的技术问题在于如何提高无人机网络频谱利用率、增强无人机的传输和感知性能以及降低无人机对主用户干扰。
2、为达到上述目的，本专利技术实施例的技术方案是这样实现的：一种高能效的irs辅助认知无人机网络设计方法，所述方法包括下列步骤：
3、构建基于智能反射面辅助的认知无人机网络模型；
4、在所述无人机网络模型中构建建立信道模型、传输模型和能耗模型；
5、基于所述信道模型、传输模型和能耗模型，构建使网络能效最大化的非凸优化问题；
6、将所述非凸优化问题解耦成四个子问题，利用不同凸优化方法，迭代求解每个子问题，最终得到所述非凸优化问题的最优解。
7、可选的，所述无人机网络模型包括主网络、次网络和智能反射面，所述主网络包含至少一个主用户及主发射器，所述次网络包括至少一架无人机和k个次级用户，所述智能反射面配备由m＝mx×mz反射元件组成的均匀平面阵。
8、可选的，在所述无人机网络模型中构建建立信道模型，具体包括：
9、构建第n个时隙中无人机到智能反射面的信道系数：
10、
11、式中，ρ表示单位参考点的路径损耗，dur,n表示无人机到智能反射面的距离，α表示该链路的路径损耗指数，表示该链路确定的视距分量，其中和ξur,n分别表示无人机到智能反射面的仰角和方位角，表示阵列响应向量，hru,n为智能反射面到无人机的信道系数；
12、确定第n个时隙中无人机到第k位次用户的信道系数：
13、
14、其中，表示无人机到第k位次用户的距离，κ表示莱斯因子，表示该链路的确定视距分量，表示该链路的随机非视距分量；
15、确定无人机到主用户的信道系数hup,n、智能反射面到主用户的信道系数hrp,n、智能反射面到第k位次用户的信道系数主发射器到无人机的信道系数htu,n、主发射器到智能反射面的信道系数htr,n。
16、可选的，在所述无人机网络模型中构建建立传输模型，具体包括：
17、确定无人机感知频谱的虚警概率：
18、
19、其中，表示高斯q函数，fs表示抽样频率，为无人机的接收信噪比，其中pt为主发射器的发射功率；
20、无人机根据感知结果，在以下两种情况传输数据，情况1：主用户处于空闲状态且被正确感知，该情况发生的概率为相应的传输速率为：
21、
22、其中pu为无人机发射功率和表示主用户处于空闲状态概率；
23、情况2：主用户处于忙碌状态但被错误感知，该情况发生的概率为其中表示主用户处于忙碌状态概率。
24、可选的，在所述无人机网络模型中构建建立功耗模型，所述功耗模型包括智能反射面功耗和无人机功耗，所述智能反射面功耗表示为ei,n＝tn(mpr)，其中pr表示每个反射元件的功耗；
25、无人机功耗包括频谱感知功耗、数据传输功耗和飞行推进功耗，
26、频谱感知功耗表示为es,n＝τnps，其中ps表示频谱感知功率；
27、数据传输功耗表示为
28、飞行推进功耗表示为ep,n＝tnpv,n，其中pv,n表示无人机的推进功率，建模为：
29、
30、其中vn表示无人机在第n时刻的飞行速度，pb、utip、v0和α为给定的系统参数；
31、在第n时隙，所述无人机网络的全部功耗可表示为en＝ei,n+es,n+ec,n+ep,n。
32、可选的，所述子问题包括频谱感知时长子问题、感知相移矩阵子问题、传输相移矩阵子问题、无人机轨迹子问题。
33、可选的，利用黄金分割法求解最优的频谱感知时长，通过对齐直连信道和智能反射面辅助信道计算最优的感知相移表达式，利用半定松弛和高斯随机化方法求解最优的传输相移矩阵，利用连续凸逼近和凸差分函数求解最优的无人机轨迹。
34、本专利技术的有益效果在于：相较于传统无人机通信网络，本专利技术引入认知无线电技术和智能反射面技术，能够提升频谱资源利用率，增强无人机数据传输和频谱感知能力，同时降低无人机对主用户的干扰。此外，本专利技术还提供了一种频谱感知时长、发射功率、智能反射面相移矩阵和无人机轨迹的联合优化方法，在最低频谱感知精度和最大容忍干扰等约束下，最大化无人机网络的能效。
本文档来自技高网...【技术保护点】
1.一种高能效的IRS辅助认知无人机网络设计方法，其特征在于，所述方法包括下列步骤：
2.根据权利要求1所述的一种高能效的IRS辅助认知无人机网络设计方法，其特征在于，所述无人机网络模型包括主网络、次网络和智能反射面，所述主网络包含至少一个主用户及主发射器，所述次网络包括至少一架无人机和K个次级用户，所述智能反射面配备由M＝Mx×Mz反射元件组成的均匀平面阵。
3.根据权利要求2所述的一种高能效的IRS辅助认知无人机网络设计方法，其特征在于，在所述无人机网络模型中构建建立信道模型，具体包括：
4.根据权利要求3所述的一种高能效的IRS辅助认知无人机网络设计方法，其特征在于，在所述无人机网络模型中构建建立传输模型，具体包括：
5.根据权利要求4述的一种高能效的IRS辅助认知无人机网络设计方法，其特征在于，在所述无人机网络模型中构建建立功耗模型，所述功耗模型包括智能反射面功耗和无人机功耗，所述智能反射面功耗表示为Ei,n＝tn(MPr)，其中Pr表示每个反射元件的功耗；
6.根据权利要求5述的一种高能效的IRS辅助认知无人机
7.根据权利要求6所述的一种高能效的IRS辅助认知无人机网络设计方法，其特征在于，利用黄金分割法求解最优的频谱感知时长，通过对齐直连信道和智能反射面辅助信道计算最优的感知相移表达式，利用半定松弛和高斯随机化方法求解最优的传输相移矩阵，利用连续凸逼近和凸差分函数求解最优的无人机轨迹。
...【技术特征摘要】
1.一种高能效的irs辅助认知无人机网络设计方法，其特征在于，所述方法包括下列步骤：
2.根据权利要求1所述的一种高能效的irs辅助认知无人机网络设计方法，其特征在于，所述无人机网络模型包括主网络、次网络和智能反射面，所述主网络包含至少一个主用户及主发射器，所述次网络包括至少一架无人机和k个次级用户，所述智能反射面配备由m＝mx×mz反射元件组成的均匀平面阵。
3.根据权利要求2所述的一种高能效的irs辅助认知无人机网络设计方法，其特征在于，在所述无人机网络模型中构建建立信道模型，具体包括：
4.根据权利要求3所述的一种高能效的irs辅助认知无人机网络设计方法，其特征在于，在所述无人机网络模型中构建建立传输模型，具体包括：
5.根据权利要求4述的一...
【专利技术属性】
技术研发人员：邓茜，虞广成，梁小朋，束锋，李太君，黄良骥，刘世豪，张智，杜娟娟，
申请(专利权)人：海南大学，
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。