一种面对5G无人机通信联合波束与功率的分配算法

摘要

本发明是一种面对5G无人机通信联合波束与功率的分配算法，属于通信领域。首先构建无人机通信架构，毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的SINR，并分别计算各自分配的链路容量；然后结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；最后求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配。本发明减少了迭代次数，达到快速波束和功率联合分配，既保证了无人机公平性又使得系统容量得到提升。

说明书

技术领域

本发明属于通信领域，具体是一种面对5G无人机通信联合波束与功率的分配算法。

背景技术

无人机作为移动通信设备具有体积小，可视通信面积大，移动性强等优点，能承担一定强度的业务，满足一定特殊区域(如地震、洪水等紧急情况)和特殊场景(重大体育赛事转播)的通信需求，因此被大量的应用在第五代移动通信5G场景中。

目前针对无人机的研究主要集中在飞行控制以及图像防抖采集方面，对于无人机通信方面的研究，有相关文献定义了无人机的通信频段：基于802.11的WIFI通信制式以及LTE通信频段；导致研究场景主要局限于WIFI频段和LTE频段通信，对于无人机组网以及高频段通信的研究较为薄弱，并不能承载高速率高吞吐量等业务场景的需求，并且无法满足功率的高效利用。对于无人机通信资源和信道建模等方面也没有进行相关的研究，导致现有的无人机处于低速率不稳定的通信链路状态。

对于现有的无人机组网以及信道容量研究，存在以下两个方面的技术提升空间。第一，目前对无人机机群通信频段的研究主要是基于802.11WIFI和LTE频段，计算信道容量主要依据业务的请求作为基站的无人机的通信频率。第二，对于无人机机群通信中的波束干扰没有进行有效的数学建模，导致信道容量计算时忽略了波束干扰这一因素带来的影响。

随着第五代移动通信技术的发展，毫米波频段成为5G通信新空口(New Radio)，其大带宽高频点高吞吐量等特性为提供高速率的业务(全息投影，虚拟现实)带来新的提升。与此同时，毫米波具有视距传输的特性，抗阻挡能力弱，路径损耗较大，因此适用于视距传输的无人机间通信。

发明内容

本发明基于毫米波频段的无人机机群组间通信基础上，通过动态合理的联合分配波束与功率，在无人机波束干扰以及发射功率限制下，提升无人机机群系统的容量和吞吐量；提出了一种面对5G无人机通信联合波束与功率的分配算法。

具体步骤如下：

步骤一、构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构；

毫米波基站选用大型无人机，携带N_s(N_s＜K)根RF射频链，每根射频链携带N_t根天线，基站无人机具有波束赋形形成多波束的能力，直接指向物理空间上垂直分布的K个小型无人机机群组；K个小型无人机机群组在覆盖范围内形成三维立体均匀分布，机群组中的每个小型无人机均携带单根天线。

K个小型无人机机群组集合为：{1,2,...k,...K}；针对第k个无人机群组中的所有小型无人机集合为：{1,2,...i,...U_k}。

步骤二、毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的SINR；

针对第k个无人机群中第i个无人机的信噪比，计算公式如下：

是波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率；是波束b被分配给第k个无人机群组中第i个小型无人机的信道增益；n是高斯白噪声；b∈B；B是基站无人机当前的多波束最大数量，且每一个波束服务一个小型无人机。

步骤三、利用每个小型无人机的SINR，分别计算各自分配的链路容量；

针对第k个无人机群中第i个无人机分配的链路容量，计算公式如下：

步骤四、结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；

目标函数表示K个无人机机群组的总容量；如下：

约束条件如下：

U_k是第k个无人机群中的所有无人机总数；表示该波束是否分给了第k个无人机群中第i个无人机；当值为1时，表示该波束分给了第k个无人机群中第i个无人机。当值为0时，表示该波束没有分给第k个无人机群中第i个无人机。

C1表示每个波束被分配给无人机群组中某无人机时，波束被分配的功率为正数；

C2表示某个无人机群组中所有无人机被分配的波束功率之和不超过功率上限P_max；

C3表示每个波束只能有两种选择，要么分配给一个无人机，要么没有。

C4表示每个波束只能服务于一个小型无人机。

步骤五、遵循启发式二分迭代法求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配。

具体步骤如下：

步骤501、采用拉格朗日乘子法对目标函数和约束条件进行计算，得到：

表示波束分配功率向量集合；表示波束分配向量集合；λ和μ是拉格朗日乘子；μ_b是拉格朗日乘子的实例化值。

步骤502、对目标函数的结果采用KKT条件分解，得到分配给每个无人机的波束；

波束分配标准为：

当满足时，值为0，表明波束b没有分配给无人机i；

否则，当满足时，值为1，表明波束b分配给无人机i；

针对第k个无人机群中第i^*个无人机，当满足：

将波束b分配给无人机i^*，则目标函数能达到最大值，无人机i^*也就是在波束干扰下有着最大SINR值的无人机；

同时被分配的无人机波束变量标为1，

步骤503、在每个无人机分配了对应的波束后，依据功率注水分配法计算每个波束的功率；

针对波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率计算如下：

δ_b是比例干扰因子，其值与B2U波束b对其他B2U波束m的干扰大小成正比。

是干扰波束m被分配给第k个无人机群组中第j个无人机的信道增益；θ_(j,m)表示中第j个无人机和干扰波束m间的方向夹角。

I_Intra→i表示同一无人机群组内其他波束对无人机i造成的干扰；

步骤504、对所有无人机的波束分配向量集合以及波束分配功率向量集合进行更新，直至无人机波束间干扰比例因子δ_b不再随迭代次数的增加而改变，达到固定值更新结束；

干扰比例因子δ_b固定后，波束b被分配的功率随之固定，当所有的波束被分配的功率全部固定后，此时系统容量最大。

本发明的优点在于：

1)一种面对5G无人机通信联合波束与功率的分配算法，减少迭代次数，达到快速波束和功率联合分配，提升无人机机群系统容量。

2)一种面对5G无人机通信联合波束与功率的分配算法，基于混合波束赋形架构，与现有技术相比，关注到了无人机高速移动以及高吞吐量业务的要求，引入了波束间的干扰对无人机通信链路的影响，联合进行波束与功率的分配，既保证了无人机公平性又使得系统容量得到提升。

附图说明

图1为本发明构建的两层无人机通信架构示意图；

图2为本发明无人机通信架构中毫米波基站和无人机机群组之间天线架构的示意图；

图3为本发明面对5G无人机通信联合波束与功率的分配算法专利总流程图；

图4为本发明在毫米波频段对小型无人机群组进行波束和波束功率的资源分配流程图。

具体实施方式

下面结合附图对本发明的具体实施方法进行详细说明。

本发明为了提升无人机群组间系统容量，构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构，对无人机在毫米波频段通信进行建模，考虑视距和非视距下无人机毫米波通信的路径损耗以及无人机移动轨迹建模。分析无人机的机群密度、机群移动速度以及飞机接收天线方向角等对信道质量的影响。基站无人机遵循提出的启发式二分迭代法在毫米波频段，联合分配第五代通信(5G)无人机间通信的波束和功率，降低了无人机间波束的干扰，提高功率效率，保证无人机在低速率(相对基站无人机)情况下，系统容量最大化。

如图3所示，具体步骤如下：

步骤一、构建具有毫米波基站和K个小型无人机机群组的两层无人机通信架构；

如图1所示，一个大型无人机做基站(Base Station)，具备毫米波基站的功能以及较高的续航能力，在其覆盖范围内，为K个小型无人机形成的群组提供功率和波束的联合动态分配。

如图2所示，承担基站的大型无人机携带N_s(N_s＜K)根RF射频链，每根射频链携带N_t根天线，基站无人机具有波束赋形形成多波束的能力，用于直接指向小型无人机，因此具有同时服务多个小型无人机通信的能力；每个小型无人机携带单根天线。

K个小型无人机机群组在物理空间上垂直分布在毫米波基站下方，在一定的空间范围内形成三维立体均匀分布，其群组相对基站无人机保持相对静止，内部以一定速率运动。当小型无人机地理空间上形成一定的群落后(假设群落与群落间隔大于200m，则视为该无人机群自动分组)，大型无人机进行波束分配时，即可避免无人机群组间波束干扰。

K个小型无人机机群组集合为：{1,2,...k,...K}；针对第k个无人机群组中的所有小型无人机集合为：{1,2,...i,...U_k}。

本实施例中无人机通信群组的通信频点在28GHz左右，即第五代移动通信的新频点毫米波空口。每个小型无人机与BS-UAV通信的传输功率分配是不一样的。假设当前的B2U波束的最大数量是B并且每一个B2U的波束服务一个小型无人机。

进一步地，假设BS-UAV与小型无人机群间是视距(LOS)传输。其中如果两个波束的方向角过于接近，小于某一个最小值(Δθ_i,j≤ε)则会造成波束间的干扰。同时由于小型无人机在空间是立体均匀分布，可会造成某些无人机被遮挡，而无法接受到毫米波波束。

由于无人机飞行于空中，因此毫米波通信多为视距传输，下式是毫米波视距通信路径损耗公式：

PL_26GHz(LOS)[dB](d)＝αdB+21log(d)+χ_σ[α＝61.4σ＝3.6dB]

步骤二、毫米波基站发送通信信号，基于自适应波束赋形，计算无人机机群组中每个小型无人机的SINR；

BS-UAV与小型无人机间的信道增益表征为：θ_i,b表示BS-UAV间的方向夹角。本发明中假设BS-UAV能够精准的对准所需通信的小型无人机，即θ_i,b＝0，因此本发明仅考虑BS-UAV与其他无人机间通信的波束带来的干扰。毫米波信道增益表示如下：

其中表示毫米波路径损耗，表示本发明中考虑的天线增益。

为了提升无人机群组间系统容量并且使之尽可能的提高功率效率，本发明采用一个方向性的传输技术，如自适应波束赋形。自适应波束赋形是指对于目标用户形成一个方向性的波束用来提供接收端的信号功率。容量可以得到进一步的提升通过采用针对不同位置无人机形成多方向波束的机制。

进一步推导天线增益；小型无人机接收信号可表示为：

其中，是第k个无人机群组中第i个无人机被分配波束b的功率，W是接收端接受天线相应矩阵，H为信道矩阵，F表示发送端天线波束赋型矩阵。其中假设大型无人机携带线性均匀分布天线(ULA)，所以其波束赋型矩阵表征如下：

接收天线响应矩阵：

信道矩阵H表示如下，假设每个小型无人机与BS-UAV通信的传输路径仅为一条：

H＝α_PLa_r(θ_i,b)a_t(θ_i,b)

天线增益计算如下：G＝|z^*Hf|²

其中，d表示天线间间隔，λ表示毫米波波长。

在本发明中，基于自适应波束赋形，无人机间波束的干扰和阻挡将会降低系统容量，

针对第k个无人机群中第i个无人机的信噪比，计算公式如下：

n是高斯白噪声；b∈B；

步骤三、利用每个小型无人机的SINR，分别计算各自分配的链路容量；

针对第k个无人机群中第i个无人机分配的链路容量，计算公式如下：

步骤四、结合每个小型无人机的链路容量，构建约束条件和目标函数最大化通信架构的系统容量；

链路容量受波束间的信干燥比(SINR)的影响，为了提升系统容量，设定K个无人机机群组的总容量为目标函数，如下：

约束条件如下：

U_k是第k个无人机群中的所有无人机总数；表示该波束是否分给了第k个无人机群中第i个无人机；当值为1时，表示该波束分给了第k个无人机群中第i个无人机。当值为0时，表示该波束没有分给第k个无人机群中第i个无人机。

C1表示每个波束被分配给无人机群组中某无人机时，波束被分配的功率为正数；

C2表示某个无人机群组中所有无人机被分配的波束功率之和不超过功率上限P_max；

C3表示每个波束只能有两种选择，要么分配给一个无人机，要么没有。

C4表示每个波束只能服务于一个小型无人机。

其中，令

步骤五、遵循启发式二分迭代法求解目标函数，在毫米波频段对小型无人机群组进行波束和波束功率的资源分配。

本发明要解决的是如何进行波束以及波束功率的分配达到目标函数最大，波束b可以任意分配给无人机k_i，当波束b被分配给无人机k_i时，波束b的被分配的功率为如何将波束分配给K个机群中的众多小型无人机，以及如何配置每一个波束的功率就是重点。

如图4所示，具体步骤如下：

步骤501、采用拉格朗日乘子法对目标函数和约束条件进行计算，得到：

表示波束分配功率向量集合；表示波束分配向量集合；λ和μ是非负的拉格朗日乘子；μ_b是拉格朗日乘子的实例化值。

步骤502、对目标函数的结果采用KKT条件分解，得到分配给每个无人机的波束；

满足目标函数的最优解是符合KKT(Karush-Kuhn-Tucker)条件的；即满足如下：

由KKT分解可知，如果B2U的波束b没有分配给无人机i，那么会有下面的不等式：

否则，如果B2U波束b分配给了无人机i，那么会满足等式：

假设B2U波束b应该被分配给使得无人机机群系统容量最大的无人机i^*，那么该无人机i^*应该满足：

无人机i^*也就是在波束干扰下有着最大SINR值的无人机；

同时被分配的无人机波束变量标为1，

步骤503、在每个无人机分配了对应的波束后，依据功率注水分配法计算每个波束的功率；

由KKT分解可知，B2U波束b如果没有分配给无人机i，那么波束b的传输功率也不需被分配下面的不等式也会成立：

如果B2U波束b分配给了无人机i波束b相应的会分配功率，并且满足下式：

将代入KKT条件进行求解，则得出最佳的波束分配公式：

其中：I_Intra→i表示同一无人机群组内其他波束对无人机i造成的干扰；

δ_b是比例干扰因子，其值与B2U波束b对其他B2U波束m的干扰大小成正比。

是干扰波束m被分配给第k个无人机群组中第j个无人机的信道增益；θ_(j,m)表示中第j个无人机和干扰波束m间的方向夹角。

其中波束功率的求解是依据功率注水分配法，针对波束b被分配给第k个无人机群组中第i个无人机时，波束b被分配的功率进一步改写为：

步骤504、对所有无人机的波束分配向量集合以及波束分配功率向量集合进行更新，直至无人机波束间干扰比例因子δ_b不再随迭代次数的增加而改变，达到固定值更新结束；

迭代的过程分为三个步骤：在第一个步骤中，基站无人机形成的功率分配向量集合根据功率注水原则(IWF)进行更新迭代。一旦功率分配向量集合被更新了，无人机机群的容量C_UAV也会被更新。第二步，基于已更新的功率分配向量集合基站无人机的波束分配向量集合也会进行更新。两个步骤不停的迭代，直到功率分配向量集合以及波束分配向量集合收敛到一个固定值。利用收敛得到的固定值来更新无人机波束间干扰比例因子向量δ的计算。迭代过程一直执行，直到比例干扰因子向量δ收敛。

干扰比例因子δ_b固定后，波束b被分配的功率随之固定，当所有的波束被分配的功率全部固定后，此时系统容量最大。

本发明把波束分配给具有最大SINR值的无人机，即可满足最佳波束分配的要求。而最佳波束功率分配是采用注水原则进行求解的。我们假设此时向量是目标函数的最优解，那么，对于一个给定的功率分配向量集合波束分配向量集合分配给无人机应该满足公式

同样的，如果功率分配向量集合对波束分配向量集合而言也一定要是最优的，那么波束分配向量集合应该满足公式

本发明针对无人机高速移动以及高吞吐量等特性，提出基于毫米波频段的通信，并且根据小型无人机在空间的地理分布进行合理分组，因此保证了无人机在高速移动下高数据速率业务的传输。

同时针对进一步提升无人机机群的信道容量，在采用混合波束赋形架构以及波束赋形算法的基础上，对用作基站侧的大型无人机采用波束与功率联合分配的启发迭代机制，降低小型无人机波束间的干扰，提高功率效率，进而增加无人机机群的整体容量。