[发明专利]一种面向数据分发的无人机飞行轨迹与资源调度联合优化方法

摘要

本发明提出一种面向数据分发的无人机飞行轨迹与资源调度联合优化方法。基于无人机数据分发的优化问题建模；优化问题分析推导；固定无人机飞行轨迹，更新无人机资源调度；固定无人机发射功率，更新无人机飞行状态；无人机的飞行轨迹和资源调度联合优化。本发明可有效地解决当地面节点分布范围广，节点网络连通性无法保证时的数据分发问题；能够利用无人机的飞行特性改善通信链路，提高无人机数据分发过程中的频谱利用率，实现无人机的节能飞行，并获得数据分发性能的提升。

主权项

1.一种面向数据分发的无人机飞行轨迹与资源调度联合优化方法，其特征在于，优化目标是无人机在所有时隙内向所有地面节点分发的数据总量，优化变量为无人机在每个时隙n＝1,...,N上的飞行轨迹qn、飞行速度vn和加速度an，以及无人机发送信号的功率pn和所占用的带宽ωn；约束条件包括：(1)飞行状态约束和飞行能量约束；(2)每个地面节点所需的最低数据量约束；(3)无人机在每个时隙的最大发射功率；(4)无人机在每个时隙所占用的最大信道带宽；假定地面有K个节点，节点的位置已知，第k个地面节点的位置为wk；每个节点接收无人机分发的数据，设定第k个节点所需的最低数据量为Jreq,k；无人机限定在高度为H的平面上飞行，在t时刻，无人机的飞行轨迹在水平面上的投影坐标为q(t)；假定无人机需要在时间T内完成数据分发的任务，时间T离散化为N+1个时隙，每个时隙的长度为δt，任意时刻t＝nδt,n＝1,...,N+1；在第n个时隙，无人机的飞行轨迹为qn，飞行速度和加速度分别表示为向量vn和an；无人机在第n个时隙向第k个节点发射信号的功率为pk,n，无人机发射信号所占用的信道带宽为ωk,n，用pn＝[p1,n,...,pk,n]和ωn＝[ω1,n,...,ωk,n]表示无人机在第n个时隙的发射功率向量和信道带宽向量；建立如公式(1)所示的优化模型更新无人机的资源调度，和如公式(2)所示的优化模型更新无人机的飞行状态：公式(1)和公式(2)中，l表示迭代次数，和表示优化变量ω_k,n和z_k,n在第l次迭代时的值；辅助变量z_k,n,k＝1,...,K,n＝1,...,N，辅助变量φ_k,n,k＝1,...,K,n＝1,...,N，P_max为无人机的最大发射功率，B_max为无人机可用的最大信道带宽；ρ₀表示在参考位置1米处的信道功率增益，表示节点k接收数据时接收机处的噪声功率；为固定无人机飞行轨迹并更新无人机资源调度时固定无人机在每个时隙n＝1,...,N上的飞行轨迹；公式(2)中，C1表示针对无人机飞行状态的约束条件：其中，qI为无人机的初始位置，qF为无人机的终点位置；Vmin为无人机保持水平飞行状态的最小速度，Vmax为无人机能够达到的最大飞行速度，||·||2表示2‑范数；amax为无人机能够达到的最大飞行加速度；公式(2)中，C2′表示针对无人机能耗限制的约束条件：其中，μ_n,n＝1,...,N为辅助变量，g＝9.8m/s²表示重力加速度；κ₁＝9.26×10^‑4和κ₂＝2250表示与无人机的质量，机翼面积和空气密度有关的参数，根据经验取值；ε为无人机的飞行能量预算；建立如公式(1)所示的无人机的资源调度更新模型和如公式(2)所示的无人机飞行状态更新模型后，按照下述方法优化无人机的飞行轨迹和资源调度：步骤一、初始化：输入变量q_n,p_n,ω_k,n和z_k,n的初始化值和设定初始目标函数值误差精度τ，迭代次数l＝0；步骤二、依次迭代执行以下运算：(1)固定q_n为求解优化模型(1)，得到优化变量p_n，ω_n和z_k,n的最优解和并使得和更新(2)固定p_n为求解优化模型(2)，得到优化变量q_n，v_n，a_n，ω_n和z_k,n的最优解和并更新和(3)计算目标函数值(4)当满足时，l＝l+1，跳到(1)；否则迭代终止，进入步骤三；步骤三、输出无人机在所有时隙n＝1,...,N上的飞行轨迹以及资源调度，资源调度包括无人机的发射功率和信道占用带宽