公开/公告号CN107205225A
专利类型发明专利
公开/公告日2017-09-26
原文格式PDF
申请/专利权人 北京邮电大学;
申请/专利号CN201710656351.1
申请日2017-08-03
分类号H04W4/02(20090101);H04W36/00(20090101);H04W36/18(20090101);H04W36/30(20090101);H04W36/32(20090101);
代理机构11413 北京柏杉松知识产权代理事务所(普通合伙);
代理人项京;马敬
地址 100876 北京市海淀区西土城路10号
入库时间 2023-06-19 03:21:52
法律状态公告日
法律状态信息
法律状态
2019-10-11
授权
授权
2017-10-27
实质审查的生效 IPC(主分类):H04W4/02 申请日:20170803
实质审查的生效
2017-09-26
公开
公开
技术领域
本发明涉及通信技术领域,特别是涉及基于用户轨迹预测的无人机机载基站的切换方法和装置。
背景技术
随着无人机技术的发展,在移动通信网络中引入无人机机载基站逐渐成为研究热点。
在现有文献中,Handover Management of Net-Drones for FutureInternetPlatforms的Kyung-Nam Park、Jin-Hyeok Kang、Byeong-Moon Cho、Kyung-Joon Park和Hwangnam Kim等人,描述了一种使用无人机机载基站进行切换的方法,通过判断在重叠覆盖区域内用户移动速度及方向来实现切换。
本发明引入机器学习方法,采用基于轨迹预测的无人机机载基站切换方法,降低切换时延,保持通信连续性。
发明内容
本发明的目的在于提供基于用户轨迹预测的无人机机载基站的切换方法和装置,以实现快速判决是否需要对移动终端进行小区切换,保证用户的通信质量。具体技术方案如下:
本发明提出了一种基于用户轨迹预测的无人机机载基站的切换方法,所述方法包括:
基于移动通信的切换判决标准,检测移动终端是否已经进入当前服务小区和待选服务小区的重叠覆盖区域,其中,所述当前无人机机载基站下的当前服务小区和待选无人机机载基站下的待选服务小区为相邻小区,所述移动终端当前归属于所述当前服务小区;
若为是,则将所述移动终端在到达所述当前位置之前的预设第一数量的历史轨迹点以及所述当前位置的轨迹点,确定为预先训练的预测模型的输入集合;
使用所述预测模型,计算所述移动终端在到达所述当前位置之后的预设第二数量的预期轨迹点,其中,所述预测模型基于机器学习中的回归预测方法,用于根据移动终端在进入所述重叠覆盖区域之前的历史轨迹点和当前位置的轨迹点,计算移动终端在进入所述重叠覆盖区域之后的预期轨迹点;
判断当所述移动终端位于任一所述预期轨迹点时,该预期轨迹点对应的预设第一预期参考信号接收功率(Reference Signal Received Power,RSRP)和预设第二预期RSRP是否满足所述移动通信的切换判决标准,其中,所述第一预期RSRP是指当所述移动终端位于该预期轨迹点时,通过预设的推导公式计算出的所述移动终端上报的所述当前无人机机载基站的预期RSRP,所述第二预期RSRP是指当所述移动终端位于该预期轨迹点时,通过所示预设的推导公式计算出的所述移动终端上报的所述待选无人机机载基站的预期RSRP;
若为是,则将所述移动终端从所述当前服务小区切换至所述待选服务小区。
优选的,所述预测模型的训练过程包括:
获取预设第三数量的移动终端对应的轨迹点集合,其中,所述轨迹点集合包括各移动终端在进入所述重叠覆盖区域之前的轨迹点,以及所述各移动终端在进入所述重叠覆盖区域之后的轨迹点;
将所述轨迹点集合输入初始预测模型,训练得到所述预测模型。
优选的,所述预设第二数量通过如下步骤确定:
使用如下公式计算所述预设第二数量;
在公式中,k为所述预设第二数量;TTT为预设的触发时长;△T为所述预设第一数量的历史轨迹点之间的时间间隔;ceil函数用于返回大于或者等于指定表达式的最小整数。
优选的,在所述判断当所述移动终端位于任一所述预期轨迹点时,该预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP是否满足所述移动通信的切换判决标准的步骤之前,所述方法还包括:
使用如下公式,分别计算当所述移动终端位于各所述预期轨迹点时,当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,以及待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离;
在公式中,i=1,2;当i=1时,d1为所述当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,(x1,y1)为所述当前无人机在所述移动终端所在水平面的投影位置坐标;当i=2时,d2为所述待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离,(x2,y2)为所述待选无人机在所述移动终端所在水平面的投影位置坐标;(xc,yc)为任一预设轨迹点坐标;
使用如下公式,根据所述第一距离和所述第二距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机到所述移动终端的第一直线距离,以及所述待选无人机到所述移动终端的第二直线距离;
在公式中,i=1,2;当i=1时,s1为所述当前无人机到所述移动终端的第一直线距离,h1为所述当前无人机到所述移动终端所在水平面的垂直距离;当i=2时,s2为所述待选无人机到所述移动终端的第二直线距离,h2为所述待选无人机到所述移动终端所在水平面的垂直距离;
使用如下公式,根据所述第一直线距离和所述第二直线距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机的第一自由空间的路径损耗,以及所述待选无人机的第二自由空间的路径损耗;
FSPLi=20log>i)+20log>MHZ)-27.55
在公式中,i=1,2;当i=1时,FSPL1为所述当前无人机的第一自由空间的路径损耗;当i=2时,FSPL2为所述待选无人机的第二自由空间的路径损耗;fMHZ为所述当前无人机机载基站和所述待选无人机机载基站的发射频段;
使用如下公式,根据所述第一自由空间的路径损耗和所述第二自由空间的路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,以及所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;
PLi=FSPLi+ηi
在公式中,i=1,2;当i=1时,PL1为所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,η1为在由空中的所述当前无人机与地面的所述移动终端形成的空地场景中,所述当前无人机向所述移动终端发送信号时受到的预设第一额外路径损耗值;当i=2时,PL2为所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;η2为在由空中的所述待选无人机与地面的所述移动终端形成的空地场景中,所述待选无人机向所述移动终端发送信号时受到的预设第二额外路径损耗值;
使用如下公式,根据所述第一平均路径损耗和所述第二平均路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述移动终端上报的所述当前无人机机载基站的第一预期RSRP,以及所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;
RSRPi=P-PLi
在公式中,i=1,2;当i=1时,RSRP1为所述移动终端上报的所述当前无人机机载基站的第一预期RSRP;当i=2时,RSRP2为所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;P为所述当前无人机机载基站和所述待选无人机机载基站的发射功率。
本发明还提出了一种基于用户轨迹预测的无人机机载基站的切换装置,所述装置包括:触发条件判别单元、轨迹预测单元、切换判决单元和切换执行单元;
所述触发条件判别单元,用于基于移动通信的切换判决标准,检测移动终端是否已经进入当前服务小区和待选服务小区的重叠覆盖区域,其中,所述当前无人机机载基站下的当前服务小区和待选无人机机载基站下的待选服务小区为相邻小区,所述移动终端当前归属于所述当前服务小区;
所述轨迹预测单元,用于若所述用户临界位置检测单元的检测结果为所述第一RSRP与所述第二RSRP满足移动通信的切换判决标准,则将所述移动终端在到达所述当前位置之前的预设第一数量的历史轨迹点以及所述当前位置的轨迹点,确定为预先训练的预测模型的输入集合;使用所述预测模型,计算所述移动终端在到达所述当前位置之后的预设第二数量的预期轨迹点,其中,所述预测模型基于机器学习中的回归预测方法,用于根据移动终端在进入所述重叠覆盖区域之前的历史轨迹点和当前位置的轨迹点,计算移动终端在进入所述重叠覆盖区域之后的预期轨迹点;
所述切换判决单元,用于判断当所述移动终端位于所述轨迹预测单元计算出的任一所述预期轨迹点时,该预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP是否满足所述移动通信的切换判决标准,其中,所述第一预期RSRP是指当所述移动终端位于该预期轨迹点时,通过预设的推导公式计算出的所述移动终端上报的所述当前无人机机载基站的预期RSRP,所述第二预期RSRP是指当所述移动终端位于该预期轨迹点时,通过所述预设的推导公式计算出的所述移动终端上报的所述待选无人机机载基站的预期RSRP;
所述切换执行单元,用于若所述第二判断单元的判断结果为所述第一预期RSRP和所述第二预期RSRP满足所述移动通信的切换判决标准,则将所述移动终端从所述当前服务小区切换至所述待选服务小区。。
优选的,所述预测模型通过执行如下单元预设:
获取单元,用于获取预设第三数量的移动终端对应的轨迹点集合,其中,所述轨迹点集合包括各移动终端在进入所述重叠覆盖区域之前的轨迹点,以及所述各移动终端在进入所述重叠覆盖区域之后的轨迹点;
训练单元,用于将所述轨迹点集合输入初始预测模型,训练得到所述预测模型。
优选的,所述预设第二数量通过执行如下单元确定:
所述轨迹预测单元,还用于使用如下公式计算所述预设第二数量;
在公式中,k为所述预设第二数量;TTT为预设的触发时长;△T为所述预设第一数量的历史轨迹点之间的时间间隔;ceil函数用于返回大于或者等于指定表达式的最小整数。
优选的,所述轨迹预测单元,还用于使用如下公式,分别计算当所述移动终端位于各所述预期轨迹点时,当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,以及待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离;
在公式中,i=1,2;当i=1时,d1为所述当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,(x1,y1)为所述当前无人机在所述移动终端所在水平面的投影位置坐标;当i=2时,d2为所述待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离,(x2,y2)为所述待选无人机在所述移动终端所在水平面的投影位置坐标;(xc,yc)为任一预设轨迹点坐标;
所述轨迹预测单元,还用于使用如下公式,根据所述第一距离和所述第二距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机到所述移动终端的第一直线距离,以及所述待选无人机到所述移动终端的第二直线距离;
在公式中,i=1,2;当i=1时,s1为所述当前无人机到所述移动终端的第一直线距离,h1为所述当前无人机到所述移动终端所在水平面的垂直距离;当i=2时,s2为所述待选无人机到所述移动终端的第二直线距离,h2为所述待选无人机到所述移动终端所在水平面的垂直距离;
所述轨迹预测单元,还用于使用如下公式,根据所述第一直线距离和所述第二直线距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机的第一自由空间的路径损耗,以及所述待选无人机的第二自由空间的路径损耗;
FSPLi=20log>i)+20log>MHZ)-27.55
在公式中,i=1,2;当i=1时,FSPL1为所述当前无人机的第一自由空间的路径损耗;当i=2时,FSPL2为所述待选无人机的第二自由空间的路径损耗;fMHZ为所述当前无人机机载基站和所述待选无人机机载基站的发射频段;
所述轨迹预测单元,还用于使用如下公式,根据所述第一自由空间的路径损耗和所述第二自由空间的路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,以及所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;
PLi=FSPLi+ηi
在公式中,i=1,2;当i=1时,PL1为所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,η1为在由空中的所述当前无人机与地面的所述移动终端形成的空地场景中,所述当前无人机向所述移动终端发送信号时受到的预设第一额外路径损耗值;当i=2时,PL2为所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;η2为在由空中的所述待选无人机与地面的所述移动终端形成的空地场景中,所述待选无人机向所述移动终端发送信号时受到的预设第二额外路径损耗值;
所述轨迹预测单元,还用于使用如下公式,根据所述第一平均路径损耗和所述第二平均路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述移动终端上报的所述当前无人机机载基站的第一预期RSRP,以及所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;
RSRPi=P-PLi
在公式中,i=1,2;当i=1时,RSRP1为所述移动终端上报的所述当前无人机机载基站的第一预期RSRP;当i=2时,RSRP2为所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;P为所述当前无人机机载基站和所述待选无人机机载基站的发射功率。
本发明提供的基于用户轨迹预测的无人机机载基站的切换方法和装置,首先,基于移动通信的切换判决标准,检测移动终端是否已经进入当前服务小区和待选服务小区的重叠覆盖区域,其中,当前无人机机载基站下的当前服务小区和待选无人机机载基站下的待选服务小区为相邻小区,移动终端当前归属于所述当前服务小区;若为是,则根据移动终端在到达当前位置之前的预设第一数量的历史轨迹点,计算移动终端在当前位置之后的预设第二数量的预期轨迹点;接下来,判断当移动终端位于任一预期轨迹点时,该预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP是否满足移动通信的切换判决标准,其中,第一预期RSRP是指当该移动终端位于预期轨迹点时,预测出的该移动终端上报的当前无人机机载基站的预期RSRP,第二预期RSRP是指当该移动终端位于预期轨迹点时,预测出的该移动终端上报的待选无人机机载基站的预期RSRP;若为是,则将移动终端从当前服务小区切换至待选服务小区。
这样,在移动终端满足移动通信的切换判决标准的情况下,通过判断当移动终端位于计算出的预期轨迹点时是否符合移动通信的切换判决标准来实现快速判决是否需要对移动终端进行小区切换,保证用户的通信质量。当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于用户轨迹预测的无人机机载基站的切换方法的流程图;
图2为本发明的应用场景示意图;
图3为本发明的基于用户轨迹预测的无人机机载基站的切换装置的示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着通讯技术的快速发展,使用无人机机载基站解决热点区域的覆盖及接入受到越来越多的关注,目前,已经实现了利用无人机机载基站作为空中接入点进行通信。在实际应用中,相邻两个服务小区的覆盖范围存在重叠覆盖区域。为了保证用户的通信质量和使用体验,当移动终端移动至两个服务小区的重叠覆盖区域时,需要判断是否对移动终端进行小区切换。
具体的,已知技术中,长期演进技术(Long Term Evolution,移动通信)网络中判断是否对移动终端进行小区切换的具体流程为:
第一步:判断移动终端对应当前基站的RSRP与该移动终端对应待选基站的RSRP是否满足移动通信的切换判决标准,其中,移动通信的切换判决标准如公式(1)所示:
RSRP2≥RSRP1+HOM(1)
在公式(1)中,RSRP2为该移动终端对应待选基站的RSRP;RSRP1为该移动终端对应当前基站的RSRP;HOM为预设的切换滞后差值,具体可以根据实际情况设置。
第二步:若为是,则在触发时长(Time Triggered Technology,TTT)内,当前基站按照预测周期,多次接收该移动终端对应当前基站的RSRP和该移动终端对应待选基站的RSRP;判断该移动终端对应当前基站的RSRP和该移动终端对应待选基站的RSRP是否持续满足移动通信的切换判决标准。
第三步:若为是,则将该移动终端从当前基站下的当前服务小区切换至待选基站下的待选服务小区。
其中,上述当前服务小区和待选服务小区为归属于不同基站的相邻小区,当前服务小区和待选服务小区存在重叠覆盖的区域,当前移动终端归属于当前服务小区。
可见,在上述的小区切换流程中,当前基站需要在TTT内持续接收移动终端上报的RSRP并进行判决,这样,延长了等待小区切换的时长,可能出现由于没有及时切换小区而导致用户掉话或者通信质量变差的问题。因此,本发明提出了基于用户轨迹预测的无人机机载基站的切换方法,能够快速判决是否需要对移动终端进行小区切换,保证用户的通信质量。
本发明公开了一种基于用户轨迹预测的无人机机载基站的切换方法。参见图1,图1为本发明的基于用户轨迹预测的无人机机载基站的切换方法的流程图,包括如下步骤:
步骤101,基于移动通信的切换判决标准,检测移动终端是否已经进入当前服务小区和待选服务小区的重叠覆盖区域;如果是,执行步骤102。
其中,所述当前无人机机载基站下的当前服务小区和待选无人机机载基站下的待选服务小区为相邻小区,所述移动终端当前归属于所述当前服务小区。
在本步骤中,当移动终端移动至当前服务小区和待选服务小区的重叠覆盖区域时,检测该移动终端上报的当前无人机机载基站的第一参考信号接收功率RSRP与该移动终端上报的待选无人机机载基站的第二RSRP是否满足移动通信的切换判决标准,其中,移动通信的切换判决标准可以参考公式(1)。
需要说明的是,本步骤的详细过程可以参考现有技术,在此不再赘述。
步骤102,将移动终端在到达当前位置之前的预设第一数量的历史轨迹点以及当前位置的轨迹点,确定为预先训练的预测模型的输入集合。
在本步骤中,当该移动终端上报的当前无人机机载基站的第一RSRP与该移动终端上报的待选无人机机载基站的第二RSRP满足移动通信的切换判决标准时,将该移动终端在到达当前位置之前的预设第一数量的历史轨迹点以及当前位置的轨迹点,确定为预先训练的预测模型的输入集合。
在实际应用中,在移动终端到达当前位置之前的预设第一数量的历史轨迹点以及当前位置的轨迹点中,相邻两点之间的时间间隔均为△T;其中,预设第一数量可以根据实际情况来确定。
步骤103,使用预测模型,计算移动终端在到达所述当前位置之后的预设第二数量的预期轨迹点,其中,预测模型基于机器学习中的回归预测方法,用于根据移动终端在进入重叠覆盖区域之前的历史轨迹点和当前位置的轨迹点,计算移动终端在进入重叠覆盖区域之后的预期轨迹点。
具体的,预设模型能够根据移动终端在进入重叠覆盖区域之前的历史轨迹点和当前位置的轨迹点,计算出移动终端在进入重叠覆盖区域之后的预期轨迹点,也就是说,预设模型能够通过使用机器学习中的回归预测方法,计算移动终端在进入重叠覆盖区域之后的预期轨迹点。
其中,预测模型可以是神经网络,也可以是由高斯混合聚类方法与高斯过程回归方法组成的混合模型,当然,也可以是其他能够使用回归预测方法的数学模型。具体可以根据实际情况来确定使用的预测模型,本发明对此不加以限制。
可以理解的,预设第二数量的预期轨迹点实际就是预测移动终端的移动轨迹,根据预测出的移动轨迹,可以快速判决是否需要将移动终端切换至待选服务小区。相比现有技术,无需等待TTT才能判决是否需要进行切换,缩短了等待切换的时长,提高了切换效率,保证用户的通信质量。
步骤104,判断当所述移动终端位于任一所述预期轨迹点时,该预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP是否满足所述移动通信的切换判决标准,如果是,执行步骤105。
其中,所述第一预期RSRP是指当所述移动终端位于该预期轨迹点时,通过预设的推导公式计算出的所述移动终端上报的所述当前无人机机载基站的预期RSRP,所述第二预期RSRP是指当所述移动终端位于该预期轨迹点时,通过预设的推导公式计算出的所述移动终端上报的所述待选无人机机载基站的预期RSRP。
在本步骤中,在计算出移动终端在当前位置之后的预设第二数量的预期轨迹点之后,判断当该移动终端位于任一预期轨迹点时,该预期轨迹点对应的第一预期RSRP和第二预期RSRP是否满足移动通信的切换判决标准,以便快速判决是否需要将移动终端切换至待选服务小区;其中,第一预期RSRP和所述第二预期RSRP可以根据移动终端的预期轨迹点计算得到。
步骤105,将所述移动终端从所述当前服务小区切换至所述待选服务小区。
在本步骤中,当移动终端位于任一预期轨迹点时,该预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP均满足移动通信的切换判决标准时,将移动终端从当前服务小区切换至待选服务小区。这样,不需要等待TTT,也无需向当前无人机机载基站持续上报第一RSRP和第二RSRP,就能够快速确定是否需要对移动终端进行切换,提高了切换效率。
可见,本发明提供的基于用户轨迹预测的无人机机载基站的切换方法,能够当移动终端的当前位置位于当前服务小区和待选服务小区的重叠覆盖区域时,且移动终端满足移动通信的切换判决标准的情况下,通过检测当移动终端位于计算出的任一预期轨迹点时是否符合移动通信的切换判决标准,来实现快速判决是否需要对移动终端进行小区切换,保证用户的通信质量。
在本发明的一种可选实施例中,对图1所示的本发明的基于用户轨迹预测的无人机机载基站的切换方法中的步骤102至步骤104进行详细说明:
需要说明的是,预期轨迹点的预设第二数量可以根据△T和预设的TTT来确定,具体的,可以通过公式(2)计算得到:
在公式(2)中,k为预设第二数量;TTT为预设的触发时长;△T为所述预设第一数量的历史轨迹点之间的时间间隔;ceil函数用于返回大于或者等于指定表达式的最小整数。
假设当前时刻为t0,移动终端当前位置的轨迹点坐标为(xt0,yt0),预期轨迹点的预设第二数量为k;计算预期轨迹点的具体步骤如下:
第一步,确定预测模型的第一个输入集合T0,包括:移动终端在到达当前位置之前的预设第一数量的历史轨迹点坐标(xT1,yT1)、(xT2,yT2)、…,以及当前位置的轨迹点坐标(xt0,yt0),如公式(3)所示;
T0={(xT1,yT1),(xT2,yT2),…,(xt0,yt0)}(3)
第二步,将输入集合T0输入到预测模型中,计算下一时刻t1的预期轨迹点坐标(xt1,yt1),其中,t1=t0+△T。
第三步,判断当移动终端位于预期轨迹点坐标(xt1,yt1)时,对应的预设第一预期RSRP和预设第二预期RSRP是否满足移动通信的切换判决标准;若为是,则将预期轨迹点坐标(xt1,yt1)添加到输入集合T0中,得到第二个输入集合T1,包括:移动终端在到达当前位置之前的预设第一数量的历史轨迹点坐标(xT1,yT1)、(xT2,yT2)、…,当前位置的轨迹点坐标(xt0,yt0)以及时刻t1的预期轨迹点坐标(xt1,yt1),如公式(4)所示:
T1={(xT1,yT1),(xT2,yT2),…,(xt0,yt0),(xt1,yt1)}(4)
第四步,将输入集合T1输入到预测模型中,计算出下一时刻t2的预期轨迹点坐标(xt2,yt2),其中,t2=t0+△T+△T。
第五步,判断当移动终端位于预期轨迹点坐标(xt2,yt2)时,对应的预设第一预期RSRP和预设第二预期RSRP是否满足移动通信的切换判决标准;若为是,则将预期轨迹点坐标(xt2,yt2)添加到输入集合T0中,得到第三个输入集合T2,如此循环。
若其中一个预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP不满足移动通信的切换判决标准,则停止切换流程,不对移动终端进行小区切换;若确定k个预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP均满足移动通信的切换判决标准,则继续执行步骤205。
可以理解的,计算出的k个的预期轨迹点实际就是预测移动终端在TTT内的移动轨迹,根据预测出的移动轨迹,就快速判决是否需要将移动终端切换至待选服务小区;相比现有技术,无需等待TTT才能判决是否需要进行切换,缩短了等待切换的时长,提高了切换效率,保证用户的通信质量。
在实际应用中,在执行图1所示的本发明的基于用户轨迹预测的无人机机载基站的切换方法中的步骤102之前,需要训练好预设模型。所述预测模型的训练过程包括:
获取预设第三数量的移动终端对应的轨迹点集合,其中,所述轨迹点集合包括各移动终端在进入所述重叠覆盖区域之前的轨迹点,以及所述各移动终端在进入所述重叠覆盖区域之后的轨迹点;
将所述轨迹点集合输入初始预测模型,训练得到所述预测模型。
具体的,用于训练预测模型的轨迹点集合,可以包括预设第三数量的移动终端的轨迹点数据;比如,当预设第三数量为1000时,那么,轨迹点集合包括1000个移动终端中每个移动终端在进入重叠覆盖区域之前的20组轨迹点,以及重叠覆盖区域之后的5组轨迹点。当然,预设第三数量,以及轨迹点的组数都可以根据实际情况来设置。
这样,将移动终端在进入重叠覆盖区域之前的历史轨迹点和当前位置的轨迹点输入到训练好的预测模型中,能够输出移动终端在进入重叠覆盖区域之后的预期轨迹点,以便根据预期轨迹点来快速判决是否需要将移动终端切换至待选服务小区。
在本发明的一种可选实施例中,对步骤103中预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP的计算方法进行了详细说明。具体的,该过程可以包括如下步骤:
步骤一,使用公式(5),分别计算当所述移动终端位于各所述预期轨迹点时,当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,以及待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离;
在公式(5)中,i=1,2;当i=1时,d1为所述当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,(x1,y1)为所述当前无人机在所述移动终端所在水平面的投影位置坐标;当i=2时,d2为所述待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离,(x2,y2)为所述待选无人机在所述移动终端所在水平面的投影位置坐标;(xc,yc)为任一预设轨迹点坐标。
具体的,根据预设轨迹点坐标(xc,yc),以及当前无人机和待选无人机在移动终端所在水平面的投影(x1,y1)和(x2,y2),能够计算出当前无人机在移动终端所在水平面的投影到移动终端的第一距离d1和待选无人机在移动终端所在水平面的投影到所述移动终端的第二距离d2。
参考图2,图2为本发明的应用场景示意图。如图2所示,图2中的点B所在的由斜杠组成的阴影部分即为当前服务小区和待选服务小区的重叠覆盖区域,可以认为点B为移动终端的当前位置。点A为移动终端在到达当前位置点B之前的历史轨迹点,移动终端的预期轨迹点为点C。
如图2所示,图2中以预期轨迹点为点C为例进行说明,点C坐标为(xc,yc),点C至当前无人机在点C所在水平面的投影点位置坐标(x1,y1)的第一距离为d1,点C至待选无人机在点C所在水平面的投影位置坐标(x2,y2)的第二距离为d2。
步骤二,使用公式(6),根据所述第一距离和所述第二距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机到所述移动终端的第一直线距离,以及所述待选无人机到所述移动终端的第二直线距离;
在公式(6)中,i=1,2;当i=1时,s1为所述当前无人机到所述移动终端的第一直线距离,h1为所述当前无人机到所述移动终端所在水平面的垂直距离;当i=2时,s2为所述待选无人机到所述移动终端的第二直线距离,h2为所述待选无人机到所述移动终端所在水平面的垂直距离。
具体的,根据当前无人机在移动终端所在水平面的投影到移动终端的第一距离d1和待选无人机在移动终端所在水平面的投影到所述移动终端的第二距离d2,以及当前无人机到移动终端所在水平面的垂直距离h1和待选无人机到移动终端所在水平面的垂直距离h2,能够计算出当前无人机到移动终端的第一直线距离s1和待选无人机到移动终端的第二直线距离s2。
如图2所示,当前无人机至点C的第一直线距离为s1,待选无人机至点C的第二直线距离为s2,h1为当前无人机到点C所在水平面的垂直距离,h2为待选无人机到点C所在水平面的垂直距离。
步骤三,使用公式(7),根据所述第一直线距离和所述第二直线距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机的第一自由空间的路径损耗,以及所述待选无人机的第二自由空间的路径损耗;
FSPLi=20log>i)+20log>MHZ)-27.55(7)
在公式(7)中,i=1,2;当i=1时,FSPL1为所述当前无人机的第一自由空间的路径损耗;当i=2时,FSPL2为所述待选无人机的第二自由空间的路径损耗;fMHZ为所述当前无人机机载基站和所述待选无人机机载基站的发射频段。
具体的,根据计算出的第一直线距离s1和第二直线距离s2,以及已知的发射频段fMHZ,能够计算出当前无人机的第一自由空间的路径损耗FSPL1和待选无人机的第二自由空间的路径损耗FSPL2。
步骤四,使用公式(8),根据所述第一自由空间的路径损耗和所述第二自由空间的路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,以及所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;
PLi=FSPLi+ηi(8)
在公式(8)中,i=1,2;当i=1时,PL1为所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,η1为在由空中的所述当前无人机与地面的所述移动终端形成的空地场景中,所述当前无人机向所述移动终端发送信号时受到的预设第一额外路径损耗值;当i=2时,PL2为所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;η2为在由空中的所述待选无人机与地面的所述移动终端形成的空地场景中,所述待选无人机向所述移动终端发送信号时受到的预设第二额外路径损耗值。
需要说明的是,当无人机处于不同飞行高度时,无人机向移动终端发送信号时受到的额外路径损耗值是不同的。在实际应用中,可以在无人机处于不同飞行高度的情况下,测量多组无人机向移动终端发送信号时受到的额外路径损耗值,并对多组测量值进行统计处理后得到无人机处于不同飞行高度时对应的额外路径损耗值。可以理解的,预设第一额外路径损耗值η1是根据当前无人机的飞行高度确定的,预设第二额外路径损耗值η2是根据待选无人机的飞行高度确定的;当当前无人机和待选无人机的飞行高度相同时,预设第一额外路径损耗值η1和预设第二额外路径损耗值η2相同。
具体的,根据计算出的当前无人机的第一自由空间的路径损耗FSPL1和待选无人机的第二自由空间的路径损耗FSPL2以及已知的额外损耗η,能够计算出当前无人机向移动终端发送信号时受到的第一平均路径损耗PL1和待选无人机向移动终端发送信号时受到的第二平均路径损耗PL2。
步骤五,使用公式(9),根据所述第一平均路径损耗和所述第二平均路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述移动终端上报的所述当前无人机机载基站的第一预期RSRP,以及所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;
RSRPi=P-PLi(9)
在公式(9)中,i=1,2;当i=1时,RSRP1为所述移动终端上报的所述当前无人机机载基站的第一预期RSRP;当i=2时,RSRP2为所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;P为所述当前无人机机载基站和所述待选无人机机载基站的发射功率。
具体的,根据计算出的当前无人机向移动终端发送信号时受到的第一平均路径损耗PL1和待选无人机向移动终端发送信号时受到的第二平均路径损耗PL2,以及已知的无人机机载基站的发射功率,能够计算出移动终端位于预期轨迹点时,上报的当前无人机机载基站的第一预期RSRP和待选无人机机载基站的第二预期RSRP。
由公式(5)至公式(9)可知,因为无人机机载基站的发射功率P相同,使用的发射频段fMHZ也相同,且无人机到移动终端所在水平面的垂直距离不变,所以,信号在传输过程中所受到的自由空间路径损耗FSPL仅与无人机与移动终端的直线距离s有关,同时,由于周围环境所致的额外损耗η为常量,可知无人机向移动终端发送信号时受到的平均路径损耗PL也仅和该直线距离s有关。
综上所述,当移动终端位于任一预期轨迹点时,预期轨迹点对应的预设第一预期RSRP仅与当前无人机与移动终端的第一直线距离s1有关,预设第二预期RSRP仅与待选无人机与移动终端的第二直线距离s2有关。
可见,本发明提供的基于用户轨迹预测的无人机机载基站的切换方法,能够在移动终端满足移动通信的切换判决标准的情况下,通过判断计算出的第一预期RSRP和第二预期RSRP是否符合移动通信的切换判决标准,来实现快速判决是否需要对移动终端进行小区切换;需要说明的是,由于第一预期RSRP仅与当前无人机与移动终端的第一直线距离s1有关,预设第二预期RSRP仅与待选无人机与移动终端的第二直线距离s2有关,因此,可以根据当前无人机与移动终端的第一直线距离s1和待选无人机与移动终端的第二直线距离s2,准确计算出第一预期RSRP和第二预期RSRP,以使得能够精确判决出是否需要对移动终端进行小区切换,保证用户的通信质量。
本发明还公开了一种基于用户轨迹预测的无人机机载基站的切换装置。参见图3,图3为本发明的基于用户轨迹预测的无人机机载基站的切换装置的示意图,所述装置包括:触发条件判别单元301、轨迹预测单元302、切换判决单元303和切换执行单元304;
所述触发条件判别单元301,用于基于移动通信的切换判决标准,检测移动终端是否已经进入当前服务小区和待选服务小区的重叠覆盖区域,其中,所述当前无人机机载基站下的当前服务小区和待选无人机机载基站下的待选服务小区为相邻小区,所述移动终端当前归属于所述当前服务小区;
所述轨迹预测单元302,用于将所述移动终端在到达所述当前位置之前的预设第一数量的历史轨迹点以及所述当前位置的轨迹点,确定为预先训练的预测模型的输入集合;使用所述预测模型,计算所述移动终端在到达所述当前位置之后的预设第二数量的预期轨迹点,其中,所述预测模型基于机器学习中的回归预测方法,用于根据移动终端在进入所述重叠覆盖区域之前的历史轨迹点和当前位置的轨迹点,计算移动终端在进入所述重叠覆盖区域之后的预期轨迹点;
所述切换判决单元303,用于判断当所述移动终端位于所述轨迹预测单元计算出的任一所述预期轨迹点时,该预期轨迹点对应的预设第一预期RSRP和预设第二预期RSRP是否满足所述移动通信的切换判决标准,其中,所述第一预期RSRP是指当所述移动终端位于该预期轨迹点时,通过预设的推导公式计算出的所述移动终端上报的所述当前无人机机载基站的预期RSRP,所述第二预期RSRP是指当所述移动终端位于该预期轨迹点时,通过所述预设的推导公式计算出的所述移动终端上报的所述待选无人机机载基站的预期RSRP;
所述切换执行单元304,用于若所述第二判断单元的判断结果为所述第一预期RSRP和所述第二预期RSRP满足所述移动通信的切换判决标准,则将所述移动终端从所述当前服务小区切换至所述待选服务小区。
在本发明的一种优选实施例中,所述预测模型通过执行如下单元预设:
获取单元,用于获取预设第三数量的移动终端对应的轨迹点集合,其中,所述轨迹点集合包括各移动终端在进入所述重叠覆盖区域之前的轨迹点,以及所述各移动终端在进入所述重叠覆盖区域之后的轨迹点;
训练单元,用于将所述轨迹点集合输入初始预测模型,训练得到所述预测模型。
在本发明的又一种优选实施例中,所述预设第二数量通过执行如下单元确定:
所述轨迹预测单元,还用于使用如下公式计算所述预设第二数量;
在公式中,k为所述预设第二数量;TTT为预设的触发时长;△T为所述预设第一数量的历史轨迹点之间的时间间隔;ceil函数用于返回大于或者等于指定表达式的最小整数。
在本发明的另一种优选实施例中,
所述轨迹预测单元,还用于使用如下公式,分别计算当所述移动终端位于各所述预期轨迹点时,当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,以及待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离;
在公式中,i=1,2;当i=1时,d1为所述当前无人机在所述移动终端所在水平面的投影到所述移动终端的第一距离,(x1,y1)为所述当前无人机在所述移动终端所在水平面的投影位置坐标;当i=2时,d2为所述待选无人机在所述移动终端所在水平面的投影到所述移动终端的第二距离,(x2,y2)为所述待选无人机在所述移动终端所在水平面的投影位置坐标;(xc,yc)为任一预设轨迹点坐标;
所述轨迹预测单元,还用于使用如下公式,根据所述第一距离和所述第二距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机到所述移动终端的第一直线距离,以及所述待选无人机到所述移动终端的第二直线距离;
在公式中,i=1,2;当i=1时,s1为所述当前无人机到所述移动终端的第一直线距离,h1为所述当前无人机到所述移动终端所在水平面的垂直距离;当i=2时,s2为所述待选无人机到所述移动终端的第二直线距离,h2为所述待选无人机到所述移动终端所在水平面的垂直距离;
所述轨迹预测单元,还用于使用如下公式,根据所述第一直线距离和所述第二直线距离,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机的第一自由空间的路径损耗,以及所述待选无人机的第二自由空间的路径损耗;
FSPLi=20log>i)+20log>MHZ)-27.55
在公式中,i=1,2;当i=1时,FSPL1为所述当前无人机的第一自由空间的路径损耗;当i=2时,FSPL2为所述待选无人机的第二自由空间的路径损耗;fMHZ为所述当前无人机机载基站和所述待选无人机机载基站的发射频段;
所述轨迹预测单元,还用于使用如下公式,根据所述第一自由空间的路径损耗和所述第二自由空间的路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,以及所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;
PLi=FSPLi+ηi
在公式中,i=1,2;当i=1时,PL1为所述当前无人机向所述移动终端发送信号时受到的第一平均路径损耗,η1为在由空中的所述当前无人机与地面的所述移动终端形成的空地场景中,所述当前无人机向所述移动终端发送信号时受到的预设第一额外路径损耗值;当i=2时,PL2为所述待选无人机向所述移动终端发送信号时受到的第二平均路径损耗;η2为在由空中的所述待选无人机与地面的所述移动终端形成的空地场景中,所述待选无人机向所述移动终端发送信号时受到的预设第二额外路径损耗值;
所述轨迹预测单元,还用于使用如下公式,根据所述第一平均路径损耗和所述第二平均路径损耗,分别计算当所述移动终端位于各所述预期轨迹点时,所述移动终端上报的所述当前无人机机载基站的第一预期RSRP,以及所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;
RSRPi=P-PLi
在公式中,i=1,2;当i=1时,RSRP1为所述移动终端上报的所述当前无人机机载基站的第一预期RSRP;当i=2时,RSRP2为所述移动终端上报的所述待选无人机机载基站的第二预期RSRP;P为所述当前无人机机载基站和所述待选无人机机载基站的发射功率。
可见,本发明提供的基于用户轨迹预测的无人机机载基站的切换装置,能够当移动终端的当前位置位于当前服务小区和待选服务小区的重叠覆盖区域时,且移动终端满足移动通信的切换判决标准的情况下,计算出移动终端的预期移动轨迹,进而判断当移动终端位于预期移动轨迹时是否符合移动通信的切换判决标准,来实现快速判决是否需要对移动终端进行小区切换,保证用户的通信质量。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
机译: 基于学习轨迹模型和gps日志的用户轨迹预测系统及方法
机译: 基于视点切换的预测结构的多视点视频编码的方法和装置,以及基于视点切换的预测结构的多视点视频解码的方法和装置
机译: 基于视点切换的预测结构的多视点视频编码的方法和装置,基于视点切换的预测结构的多视点视频解码的方法和装置