无人机辅助无线通信网络资源自适应协同分配

李 菱,鹿可可,欧发斌,李宇程,纪硕磊

(广西电网有限责任公司,广西 南宁 530000)

0 引言

目前,无人机的联网智能化发展[1-2],为我国低空空域改革、发展低空数字经济提供了新的网络应用市场。无人机和移动网络的联合应用[3-4],可为多种产业提供新的商业契机[5-7]。无人机辅助的无线通信技术,能够为不存在基础设施覆盖的地区提供通信,实现地形条件较差地区的无线网络连接功能。和卫星通信相比,无人机辅助的无线通信技术布署难度小、应用成本低,在突发事件或工期有限的任务中优势明显[8]。

在此类协同通信模式下,如何自适应协同分配通信网络资源,是目前通信领域的主要研究课题。唐枫等[9]提出自适应知识迁移与资源分配的方式,但是未考虑到动态因素的存在,具体是否适用还需深入测试。郎磊等[10]针对无人机辅助通信网络,提出了结合用户分布状态优化无人机运行轨迹的策略,以实现无线资源合理分配。该策略在求解无线资源最优分配方案时,仅可获取近似次优解。

结合上述研究,本文提出无人机辅助的无线通信网络资源自适应协同分配技术。此技术能够以自适应协同分配无人机辅助通信网络资源为目标,控制无人机运行轨迹,从而自适应协同控制网络覆盖面。

1 无线通信网络资源自适应协同分配

1.1 无人机辅助无线通信网络模型构建

蜂窝网络作为无线通信的基础架构,可以利用现有的基站设施和通信信道资源,结合网络管理和优化技术,实现对网络资源的自适应分配和协同工作。通过蜂窝网络中的基站布局,可以对频谱资源、天线系统和传输链路进行有效规划和分配。这在提高网络覆盖范围的同时,使整体通信网络更具可靠性和可操作性,以满足实时的通信需求。但传统的蜂窝网络无法灵活满足不同地区和时间段的无线通信需求变化,在网络规划上存在一定限制,导致部分地区的无线通信网络覆盖范围和容量受限,形成了数字鸿沟。

为了提升蜂窝小区的覆盖范围和容量,并且在需求变化较大的区域提供即时的临时通信覆盖、保障无线通信网络的灵活性,本文以单无人机辅助多蜂窝小区为例,在传统蜂窝网络中引入可自由移动的无人机节点,灵活地调整位置和服务区域,通过无线中继和数据传输来增强蜂窝小区的覆盖范围和容量,构建无人机辅助无线通信网络模型。该模型为无线通信网络资源自适应协同分配奠定重要基础。无人机辅助无线通信网络模型如图1所示。

图1 无人机辅助无线通信网络模型

由图1可知,无人机辅助无线通信网络模型结构主要为1个无人机、2个无线蜂窝通信网络覆盖小区。无人机主要用于辅助地面基站的蜂窝网络,以下行链路通信服务的方式[11-12]为2个小区的边缘用户提供无线通信网络服务。此网络结构属于协同通信网络结构。无人机能够以空中中继节点的方式辅助无线通信网络,从而为用户提供网络服务。

本文设置2个小区的覆盖半径为rFi,i∈{1,2}。地面基站依次设置在小区的中心点。因地面基站的覆盖范围有限,处于覆盖边缘用户的网络信号会受基站距离影响,导致网络资源传输速率降低。所以,无人机主要在2个小区的边缘位置运行。此情境下,本文在分析无线通信网络资源自适应协同分配问题时,主要分析无人机与用户之间的下行通信链路中的网络资源分配问题。

本文设置:用户密度为αFi,i∈{1,2};第j个用户的二维水平位置为vj={xj,yj},j∈{1,2};无人机的飞行周期为T;飞行高度为G。循环飞行时,无人机飞行速度最大值、天线的信号发射角分别为Umax、β。

(1)

式中:rw为无人机在运行时覆盖的地面区域半径,m。

无人机飞行周期T可看作1个通信网络服务周期。T能够分解成n个大小一致的时隙。本文将无人机在某时隙n的位置p[n]设成二维平面坐标,则p[n]={x[n],y[n]}。此时,无人机的轨迹变化为:

(2)

式中:p[n+1]为无人机在时隙(n+1)的位置,m。

由于2个小区之间存在较显著的距离,所以2个地面基站之间的影响可忽略不计。为了防止无人机与地面基站存在干扰信息,本文把频带区间分解成2个。无人机与地面基站各自使用各自的频带。本文设置频带区间为A;无人机可用带宽与地面基站的可用带宽分别为A′、1-A′。针对各时隙而言,无人机能够以正交频分复用的方式,服务于半径rw中的用户。服务过程中,带宽会被均分。各用户的频带相同。

无人机辅助的无线通信网络属于1种协同通信模式。无人机可被看作中继节点。处于小区边缘位置的用户在请求应用无线通信网络资源时,作为中继节点的无人机会将在地面基站中提取的初级资源传输至用户端。如图1所示,1个无人机表示1个中继节点。本文设中继节点的传输速率为ρm,则用户端的吞吐量为:

(3)

式中:m为中继节点数目,m∈M,个。

本文无人机数量是1个。本文结合ρm的数值计算结果,确认无人机辅助无线通信网络模型的中继节点在整体网络框架中的空间位置,从而明确无人机与地面基站的交换关系。通过正交频分复用的方式,在A′与1-A′的限制下服务于半径rw中的用户,从而将在地面基站中提取的初级资源传输至服务范围内的用户端,完成无人机辅助无线通信网络模型的构建。

1.2 通信网络资源最大化分配方法

自适应协同分配问题指在保证网络服务质量的前提下,以自适应协同分配网络资源的传输速率、无人机运行轨迹为宗旨,实现通信网络资源Ω的最大化分配。本文结合无人机辅助无线通信网络模型结构中ρm的数值计算结果,设置自适应协同分配的目标函数为:

(4)

式中:δh+1为第(h+1)簇信息的约束内容;H为信息h的总量,G;W(0)为无人机初始运行点;W(t)为停止运行点,由于无人机运行轨迹最后是闭合的,W(0)=W(t);Umax为无人机运行速度最大值;μ为地面基站和无人机之间的频谱分解系数,0≤μ≤1。

目标函数构建完成后,本文对时隙传输时间、中继节点的传输速率以及无人机运行速度设置相关约束条件。具体约束为:

(5)

式中:tmax为时隙传输时间最大值。

ρm-max≥ρm≥ρm-min

(6)

式中:ρm-max为ρm的最大值;ρm-min为最小值。

x′[t]+y′[t]

(7)

式中:x′[t]、y′[t]分别为t时间段约束下的位置和速度约束一维导数。

1.3 自适应协同分配方案求解

传统的果蝇算法在寻优问题中,先寻找目前迭代进程的最佳个体,再更新群体位置。寻找到的最佳个体位置即全部果蝇的飞行目的地。此类寻优模式下,种群拥挤度显著、多样性受损、可行域变小。如果此个体并不属于整体最优解,便会出现局部最优问题。所以,本文引入排斥、吸引方法以改进果蝇算法。果蝇算法寻优主要获取的是最优果蝇种群。此种群代表无人机辅助通信网络资源的传输速率、无人机运行轨迹可行域。本文主要结合气味浓度的方差,分析可行域中果蝇是需要排斥还是需要吸引,以自适应更新种群位置、保证种群多样化,从而避免出现局部最优问题。

改进后果蝇算法在求解资源自适应协同分配时的步骤如下。

①假设种群规模(无人机辅助通信网络资源的传输速率、无人机运行轨迹可行域)与迭代次数最大值依次是Npop、σmax;基于可行域之内,初始化设置果蝇群体位置分别是xba、yba。果蝇个体即无人机辅助通信网络资源的传输速率、无人机运行轨迹可行解。

②将果蝇坐标通过式(8)执行初始化,并使用式(9)、式(10)运算果蝇个体的气味浓度阈值以及气味浓度。

(8)

式中:xj、yj依次为第j个果蝇个体的横、纵坐标;Es为寻优距离值。

(9)

式中:Eist,j为果蝇个体和原点位置的差值;oj为气味浓度阈值。

osmell,j=f(oj)

(10)

式中:f(oj)为气味浓度函数;osmell,j为果蝇个体目前气味浓度。

③提取最优、最差味道浓度与坐标信息。

(11)

(12)

(13)

⑤设置方差阈值为Ψ。如果θ2≤Ψ,那么需要启动排斥模式。如果Ψ<θ2,那么需要执行吸引处理。使用式(14)更新自适应协同分配可行域坐标,迭代寻优直到迭代次数为最大值,或Ψ<θ2方可停止。

(14)

本文使用式(15)更新自适应协同分配可行域坐标,输出最优自适应协同分配可行域中资源的最优传输速率、最优无人机运行轨迹的分配解。

(15)

2 试验分析

为分析本文技术的应用效果,试验中的无人机发射功率最大值为45 dBm、基站的电路功耗功率为15 V、tmax=1.5 s。用户最小速率需求依次是3 bit/s、6 bit/s、9 bit/s。本文技术将传输速率设成10 bit/s。不同用户密度工况下无人机辅助的无线通信网络资源自适应分配结果如图2所示。

图2 不同用户密度工况下无人机辅助的无线通信网络资源自适应分配结果

图2中:x为无人机与地面基站或蜂窝小区之间的水平距离;y为无人机相对于地面基站或蜂窝小区的高度差。x既可以作为无人机与地面基站之间的通信距离,也可以作为无人机与用户之间的传输距离。由图2可知,不同工况中,无人机辅助无线通信时能够结合用户分布状态飞行,以全面辅助用户使用无线通信网络资源。其优化无人机辅助通信资源,以保证边缘位置用户的传输速率不会因地面基站覆盖范围的约束而变差。

无人机辅助的无线通信网络能量效率为网络可达吞吐量总值和消耗总能量之比。此效率越高,表示无人机辅助通信网络资源利用效率越高。

本文技术应用前后的网络资源平均能量效率对比如图3所示。

图3 网络资源平均能量效率对比

由图3可知,在本文技术应用前,通信平均能量效率与用户数量负相关。当用户数量增加时,平均能量效率逐渐降低。在用户数量为5时,平均能量效率达到最高值0.82。在用户数量为30时,平均能量效率达到最低值0.68。而本文技术应用后,无人机辅助通信的平均能量资源效率,均伴随用户数量的增多而变大,平均能量效率最大值高达0.98。其原因是无人机能够结合用户数目、用户位置分布信息,全面充分发挥自身吸收的网络资源,保证网络资源被合理利用,从而为用户提供其所需的通信网络服务。在本文技术的分配下,无人机通信网络资源的平均能量效率明显优于使用前。

用户最小速率需求标准依次是3 bit/s、6 bit/s、9 bit/s时,本文技术分配下,无人机辅助的无线通信网络为用户提供服务的最小速率变化如表1所示。

表1 最小速率变化

由表1可知,在无人机运行周期内,在本文技术分配下,无人机辅助的无线通信网络为用户提供服务时,资源传输最小速率均满足用户需求,从而确保用户可正常应用通信网络。

本文技术拓展性测试结果如图4所示。

图4 拓展性测试结果

由图4可知,本文技术中,改进果蝇算法在迭代次数是6次时,便可收敛到纳什均衡点,无线通信任务时延便可控制为最小值1.5 s。这说明迭代6次便可获取网络资源最佳分配结果。当无人机数量、用户数量都变多时,算法收敛时间出现线性增多状态,但收敛时间在1 s之内。由此证明,本文技术在求解无人机辅助的无线通信网络资源分配问题时具有可用价值。

3 结论

无人机辅助的无线通信网络资源是目前通信领域的核心资源。目前,在军事、灾区救援与管理等地理位置较为偏僻的地点,主要以此类无线通信网络为网络应用核心。但是,在无人机辅助地面通信的现实应用中,无人机和地面用户均存在动态性。如何在此条件下自适应协同分配网络资源,是目前无线通信网络资源分配问题的重点。本文提出了无人机辅助的无线通信网络资源自适应协同分配技术,通过分析无人机与用户之间下行通信链路中的网络资源分配问题,自适应协同分配网络资源的传输速率、无人机运行轨迹。试验结果表明,应用本文技术后,无人机辅助通信的平均能量资源效率伴随用户数量的增多而变大,不会受用户数量的影响。在无人机运行周期内,在本文技术分配下,无人机辅助的无线通信网络为用户提供服务时,用户最小速率均满足用户需求。用户可正常应用通信网络。