【技术实现步骤摘要】
技术介绍
1、近年来，可移动天线(moveable antenna,ma)，也被称为流体天线，因其能够通过天线的灵活移动来创造有利的信道条件而备受关注。这种灵活性赋予了ma多种显著优势，包括提高传感精度、增强系统容量和减少信号干扰。因此，对ma的研究能够充分揭示未来通信系统的全部潜力，特别是在动态和不可预测的环境中。
2、初步研究已从多个角度证明了ma的优越性。1、现有技术一研究了ma增强的多用户通信，旨在通过联合优化ma的位置、用户的发射功率和基站的接收组合矩阵，同时满足每个用户的最小可达速率要求，来最小化用户的总发射功率。2、现有技术二利用到达角/离开角的幅度、相位和角度信息，为基于ma的多径信道开发了一个场响应模型。与传统的固定位置天线(fix-position antenna,fpa)相比，该模型可以显著提高可实现的最大信道增益。3、现有技术三研究了ma辅助的频谱共享，通过联合优化波束赋形设计和ma位置，从而在多个主要用户(primary user,pu)的同信道干扰功率约束下，最大化次要用户(secondaryuser,su)的接收信号功率。4、现有技术四基于ma的多波束形成则专注于通过协同优化天线位置向量(antenna position vector,apv)和天线权重向量(antenna weight vector,awv)，在考虑非期望方向上最大干扰功率限制的情况下，最大化多个期望方向上的最小波束形成增益。上述研究主要利用ma的局部移动来构建更有利的信道条件。
技术实现
1、本专利技术的目的在于提供一种基于uav-ma以最大化su的最小波束赋形增益的方法，深入研究了基于uav的线性ma阵列，从而为ma引入了除水平移动之外的垂直维度上的新自由度。本专利技术的目标是在确保对pu的干扰低于预定阈值的同时，最大化su的最小波束赋形增益，这需要联合优化uav的高度h以及ma的awv和apv。
2、然而，针对这些变量的优化问题构成了一个具有挑战性的非凸优化问题，使得直接求解变得非常困难。
3、为解决此问题，本专利技术提出了一种交替优化算法，迭代地优化uav的高度h以及ma的apv和awv，从而得到近似最优的解。相关数值结果证明了所提算法相对于基准方法的优越性，表明其能够以较低的计算复杂度为su提供全波束赋形增益。
4、本专利技术通过将ma阵列集成到无人机(unmanned aerial vehicle,uav)上，uav的机动性能够为动态调整ma与用户之间的相对位置提供额外的自由度。
5、采用的技术方案为：
6、一种基于uav-ma以最大化su的最小波束赋形增益的方法，包括以下步骤：
7、步骤1、建立uma系统，其包括uav、k个主要用户pu和l个次要用户su；uav上集成一个包含n个mas的天线阵列；
8、步骤2、基于uma系统，获取导向角θk和φl、apv和awv，最后获取导向角θk和φl的波束赋形增益；
9、步骤3、兼顾相邻天线之间的间距、对pus的干扰、总可用功率以及无人机最低悬停高度的约束，联合优化uav的高度h、apv和awv来最大化次用户的最小波束赋形增益。
10、优选地，步骤2中波束赋形增益为：
11、
12、apv表示为
13、awv定义为
14、优选地，步骤3中该优化问题可以建模为：
15、
16、‖w‖2≤1,(4d)
17、
18、h≥h0(4f)
19、其中，为第n个天线的位置；
20、d0为相邻天线间的最小距离；
21、η为su的波束赋形增益的预定阈值；
22、h0为uav的最低悬停高度。
23、优选地，当给定apv和awv，优化高度h时，步骤3中的模型为：
24、
25、优选地，当给定apv和h，优化awv时，步骤3中的模型为：
26、
27、优选地，当给定awv和h，优化apv时，步骤3中的模型为：
28、
29、s.t.(4a),(4f),(17),(19),(20),
30、
31、
32、
33、
34、
35、
36、
37、
38、
39、
40、
41、
42、与现有技术相比，本专利技术的优点为：
43、1.集成uav和ma的联合优化：首次提出将ma阵列集成到uav上，通过uav的垂直移动和ma的局部移动，共同优化通信性能。
44、2.非凸问题的交替优化算法：针对复杂的非凸优化问题，设计了一种低复杂度的交替优化算法，有效解决了uav悬停高度、apv和awv的联合优化难题。
45、3.高效的波束赋形增益和干扰管理：通过交替优化算法，能够在确保pus干扰受限的同时，使sus获得最大的波束形成增益，从而提升系统整体性能。
本文档来自技高网...【技术保护点】
1.一种基于UAV-MA以最大化SU的最小波束赋形增益的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于UAV-MA以最大化SU的最小波束赋形增益的方法，其特征在于，步骤2中波束赋形增益为：
3.根据权利要求2所述的基于UAV-MA以最大化SU的最小波束赋形增益的方法，其特征在于，步骤3中该优化问题可以建模为：
4.根据权利要求3所述的基于UAV-MA以最大化SU的最小波束赋形增益的方法，其特征在于，当给定APV和AWV，优化高度h时，步骤3中的模型为：
5.根据权利要求3所述的基于UAV-MA以最大化SU的最小波束赋形增益的方法，其特征在于，当给定APV和h，优化AWV时，步骤3中的模型为：
6.根据权利要求3所述的基于UAV-MA以最大化SU的最小波束赋形增益的方法，其特征在于，当给定AWV和h，优化APV时，步骤3中的模型为：
【技术特征摘要】
1.一种基于uav-ma以最大化su的最小波束赋形增益的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于uav-ma以最大化su的最小波束赋形增益的方法，其特征在于，步骤2中波束赋形增益为：
3.根据权利要求2所述的基于uav-ma以最大化su的最小波束赋形增益的方法，其特征在于，步骤3中该优化问题可以建模为：
4.根据权利要求3所述的基于uav-ma以最...
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。