买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：海南大学

摘要：本发明提供智能反射面辅助的认知无人机通信网络设计方法，该方法应用在在网络模型中，当领导无人机在帧持续时长T内感知频谱状态为空闲状态时，跟随无人机FollowingUAV,FUAV将利用感知的空闲频谱为领导无人机提供通信服务，同时智能反射面通过无源波束赋形来增强无人机之间的通信，通过应用认知无线电技术，频谱资源能够得到高效利用，进而提高无人机通信的频谱利用率，以实现网络频谱效率的最大化。

主权项：1.智能反射面辅助的认知无人机通信网络设计方法，其特征在于，所述方法包括以下步骤：步骤1、构建无人机系统模型、无人机信道模型和无人机传输模型，构建无人机系统模型具体为：步骤11、在智能反射面上部署M＝Mr×Mc个无源反射元件，其中K架领导无人机和一架跟随无人机均为单天线，主发射机为单天线，无源反射元件以均匀平面阵列排布，Mr和Mc分别为智能反射面上每行和每列的元件数目，智能反射面的相移矩阵表示为其中表示第m个反射元件的相移值，帧分为领导无人机频谱感知持续时长τ和跟随无人机数据传输时长T-τ，跟随无人机在上行传输过程中采用时分复用模式传输数据，在三维笛卡尔坐标系中，主发射机、智能反射面和第j个跟随无人机坐标分别固定在qP＝[xP,yP,zP]T、qR＝[xR,yR,zR]T和其中表示跟随无人机的集合，设qL＝[x,y,z]T为需要优化的领导无人机坐标；构建无人机信道模型具体为：步骤12、通过将智能反射面辅助链路和直连链路进行分别采用视距信道模型和自由空间路径损耗模型，智能反射面辅助链路包含跟随无人机到智能反射面链路和智能反射面到领导无人机链路，其中，跟随无人机j到智能反射面的信道增益表示为： 其中，ρ表示参考距离d0＝1处的路径损失，α表示智能反射面辅助链路的路径损耗指数，表示跟随无人机j到智能反射面的距离，表示该链路的确定性视距信道分量，其中和分别表示跟随无人机j到智能反射面的仰角和方位角，gx,y表示视距信道分量函数，表示为 其中，d表示智能反射面上两个相邻元件的间距，λ表示载波波长，表示克罗内克积，智能反射面到领导无人机的信道增益表示为： 其中，dRL＝||qR-qL||表示智能反射面到领导无人机的距离，表示该链路的确定性视距信道分量，其中θRL和ξRL分别表示智能反射面到领导无人机的仰角和方位角，对于直连链路，即跟随无人机j到领导无人机链路和领导无人机到主发射机链路，跟随无人机j到领导无人机的信道增益表示为： 其中表示跟随无人机j到领导无人机的距离，κ表示相应的路径损耗指数，领导无人机到主发射机的信道增益表示为： 其中dLP＝||qL-qP||表示领导无人机到主发射机的距离，μ表示相应的路径损耗指数；构建无人机传输模型具体为：步骤13、设PH0和PH1分别表示主发射机处于空闲和忙碌状态的概率，Pd和Pf分别表示检测和虚警概率，在给定Pd，Pf可以表示为其中表示高斯Q函数，fs表示采样频率，表示领导无人机接收主发射机信号的信噪比，其中PT为主发射机的发射功率，表示领导无人机处的噪声功率；步骤2、通过确定无人机系统模型、无人机信道模型和无人机传输模型中的目标函数和相关约束来构建无人机优化问题；具体为：通过对领导无人机的感知时长τ，智能反射面的相移矩阵Θj和领导无人机的三维位置qL联合优化，实现网络可达速率的最大化，则优化问题可以表述为： s.t.C1:Pd≥Pd0,C2:ω2ω12≤τ≤T, C4:||qL-qR||2≥ζ2,C5:||qL-qP||2≥ζ2,C6:其中，C1表示检测概率约束，C2表示有界感知时长约束，C3表示智能反射面上每个反射元件的相移约束，其中Θr,j表示跟随无人机j下相移矩阵的第r个对角元素，C4-C6表示领导无人机的避碰约束，其中ζ表示领导无人机与主发射机、智能反射面以及跟随无人机之间的最小安全距离；步骤3、通过算法求解单无人机下的优化问题，具体为：利用二分搜索、半定松弛、连续凸逼近和凸差分将单无人机的优化问题分解为三个子问题的最优值，再通过交替迭代算法，即K＝1并且交替优化三个子问题，直至算法收敛，具体步骤如下:步骤31、领导无人机的感知时长τ的优化给定相移矩阵Θj和领导无人机三维位置qL，则感知时长优化的子问题可以表示为： s.t.C2,其中为分析Rjτ的性质，Rjτ关于τ的二阶导数如下所示： 其中经分析因此Rjτ是关于τ的拟凹函数，可以通过二分搜索法来解决；步骤32、智能反射面的相移矩阵Θj的优化给定感知时长τ和领导无人机三维位置qL，则相移矩阵优化的子问题可以简写为： s.t.C3由于子问题中模值为1的约束是非凸的，因此拟应用半定松弛技术来松弛该约束，而目标函数也转化成求迹问题，因此，子问题可以被等效重写为： s.t.V≥0,Vr,r＝1,r＝1,2,…,M+1,rankV＝1,其中Tr表示矩阵的迹，Vr,r表示矩阵V的r,r位元素，由于秩为一的解很难获取，因此选择松弛秩一约束，此时该问题是一个标准的半定规划问题，可以通过凸优化工具CVX求解，随后，利用高斯随机化方法，相移向量v可以从求解出来的V恢复出来；步骤33、领导无人机的三维位置qL优化给定感知时长τ和相移矩阵Θj，则领导无人机三维位置优化的子问题可以简写为： s.t.C4-C6,其中C0＝PH0T-τ，和由于hRL关于位置变量qL是复数且非线性，这使得位置优化难以设计，为此，在第l-1次迭代的领导无人机位置变量用来近似第l次迭代的hRL，因此HQ表示为 考虑到子问题是一个非凸优化问题，通过引入辅助变量该非凸优化问题可以等效转化为： s.tlog21+ρC1rd≥w,1-Qh≥k,h≥0, γs≥t, C4-C6,将上述约束转化为上镜图形式，即epif＝{x,t∣x∈domf,fx≤t}，由于上述约束的上镜图形式均存在凹函数，则通过应用连续凸近似的方法，将上镜图形式中凹函数在可行点上一阶泰勒展开，从而上述约束被近似转化凸约束，并利用连续凸近似转化为凸约束，约束可以转换为二阶锥约束，经过凸差分和连续凸近似后可转换为： 其中k0，w0为给定的可行点，由此，子问题被转化成凸问题；步骤34、首先利用二分搜索法求解最优的频谱感知时长，随后利用半定松弛法和高斯随机化求解最优的相移矩阵，最后通过连续凸近似和凸差分函数求解最优的领导无人机部署位置，具体流程如下：1设置初始的频谱感知时长τ0，智能反射面相移矩阵Θ0，领导无人机的三维位置迭代次数l＝1，辅助变量{u0,e0,t0,k0,w0}，目标函数值和迭代终止阈值ε；2给定和Θl-1,计算出最优频谱感知时长τl；3给定和τl,计算出最优相移矩阵Θl；4给定Θl,τl和{u0,e0,t0,k0,w0},计算出{ul,el,tl,kl,wl}和最优领导无人机部署位置5更新辅助变量：u0＝ul,e0＝el,t0＝tl,k0＝kl和w0＝wl，更新目标函数值6若则终止迭代，输出若则更新迭代次数l＝l+1，并跳至步骤2；步骤4、通过设计算法求解多无人机下的优化问题，具体为：通过设计可达速率加权和算法和位置加权和算法求解多无人机优化问题，即K1,可达速率加权和算法具体为：通过加权优化问题可被重新表述为： C4-C6,其中为跟随无人机j下的最优目标函数值，ωj为加权系数；位置加权和算法具体为：为最小化到每个qLj的欧式距离，可以通过加权qLj获得，具体如下所示： 其中qLj为跟随无人机j下的最优领导无人机位置，为位置加权和算法下领导无人机的最终位置。

全文数据：

权利要求：

百度查询： 海南大学 智能反射面辅助的认知无人机通信网络设计方法