一种吞吐量优化的无人机飞行轨迹规划算法

李春若，邹子贤

（江西财经职业学院南昌校区信息中心，南昌 331700）

0 引言

由于移动便捷、部署灵活，无人机（Unmanned Aerial Vehicle，UAV）通信已成为满足下一代蜂窝用户需求的有效技术［1-2］。UAV 给空中和陆地的连接架上通信桥梁。

目前，UAV 常用于灾难现场的救援。将UAV 作为空中基站，其为地面上用户提供可靠、低时延的通信服务［3-4］，进而适应极端场景的通信需求。与地面通信相比，UAV 在三维空间的灵活能力强。例如，在地震的应急场景，可利用UAV 作为基站，构建临时的网络，实现快速救援［5］。

无人机的通信位置对通信服务质量有直接影响［6］。无人机为地面上的用户提供通信服务时，需规划一条有效的飞行轨迹，进而保证通信链路的可靠性。例如，文献［7］提出基于中断概率感知的UAV轨迹规划算法，以最小化网络的中断概率为目标函数设计规划UAV 轨迹。文献［8］针对全双工的UAV，提出基于迭代算法的轨迹规划算法。文献［9］对UAV 轨迹进行研究。研究表明：增加天线数目可提高中继网络的性能。

此外，文献［10］提出轨迹预测的非线性模型，通过优化UAV 的移动轨迹，提高UAV 中继服务质量。文献［11］对UAV 的发射功率和移动轨迹进行了联合优化，旨在提高通信链路的可靠性。

然而，上述研究工作并没考虑到吞吐量。吞吐量是衡量系统性能的重要指标。文献［12］对UAV通信系统的吞吐量问题进行了研究，并提出连续凸优化策略。文献［13］提出了基于非正交多址接入的UAV 通信系统的传输功率的自适应策略，进而最大化吞吐量。

为此，本文以最大化吞吐量为目标函数，规划UAV 的飞行轨迹，提出基于吞吐量优化的UAV 轨迹规划算法TPMT。先依据视距和非视距通信链路，构建UAV 与用户的通信模型，再构建吞吐量优化的目标函数。最后，利用GASimplex 算法求解目标函数，进而实现对UAV 飞行轨迹的规划。仿真结果表明，提出的TPMT 算法有效地提高吞吐量。

1 系统模型

1.1 网络模型

考虑如图1 所示的网络模型，一个UAV 盘旋在高度为H 的上空。UAV 为U 个用户服务。令ui表示第i 个用户，且i=1，2，3，…，U。

图1 网络模型

1.2 信道模型

由于预先难以判断用户ui与UAV 间的通信链路是否为视距还是非视距，利用平均路径衰耗模型表述用户ui与UAV 间的通信链路模型：

图2 信道模型

2 基于吞吐量最大化的UAV 移动轨迹

2.1 目标函数

将基于吞吐量最大化的UAV 移动轨迹进行形式化表述：

2.2 目标函数的离散化处理

2.3 目标函数的求解

式（10）的求解问题属于混合整数非线性规划（Mixed Integer Nonlinear Programming，MINLP）问题。为此，引用文献［16］提出的混合优化算法GASimplex 求解MINLP 问题。

GASimplex 算法结合了遗传算法模块和单纯形算法模块，其算法流程如图3 所示。GASimplex 算法利用遗传算法模块GASolver 对MINLP 中变量进行混合编码，并通过单纯形算法模块SimplexSolver 计算个体适应函数。GASimplex 算法能够有效地处理非凸规划、非连续问题，算法详情见文献［16］。

图3 GASimplex 算法流程

3 性能仿真

3.1 仿真环境

在Windows 7 操作系统、8 GB 内存，core i7 CPU的PC 上进行实验仿真。利用MATLAB 软件建立仿真平台。考虑如图1 所示的网络模型，UAV 服务的用户数为6（U=6），它们随机分布于120 m×240 m。表1 给出了具体的仿真参数。

表1 仿真参数

3.2 TPMT 算法的移动轨迹及收敛性能

首先，分析TPMT 算法的移动轨迹，如下页图4所示。从图4 可知，UAU 所移动的轨迹能够有效地覆盖所用用户。在飞行时间T 达到100 s，UAV 所移动的轨迹能够将6 个用户覆盖，能够有效为用户提供通信服务。

图4 TPMT 算法中UAV 的移动轨迹

图5 TPMT 算法的收敛性能

3.3 吞吐量性能的对比分析

为了更好地分析TPMT 算法，选择UAV 固定圆形轨迹（Fixed Circular Trajectory，UAV-FCT）和UAV静止（UAV-Static）作为参照。在UAV-FCT 算法中，UAV 在沿着半径为60 m 的圆飞行；在UAV-Static算法中，UAV 盘旋在覆盖区域的上空不移动，如图6 所示。

图6 UAV-Static 算法和UAV-FCT 算法示意图

图7 给出了TPMT 算法、UAV-FCT 算法和UAVStatic 算法的吞吐量随高度H 的变化情况，并考虑了链路模型因子α 对吞吐量的影响（见式（5））。在仿真中，取α=2，3，4。

从图7 可知，相比于TPMT 算法、UAV-FCT 算法，UAV-Static 算法的吞吐量是固定的，且长期保持最低的水平。而TPMT 算法的吞吐量最高。原因在于：TPMT 算法以最大化吞吐量为目标函数，规划UAV的移动轨迹，进而提升了系统的吞吐量。此外，链路模型因子α 的增加，降低了TPMT 算法的吞吐量。原因在于：α 的增加，提高了信道增益（见式（7））。

图7 吞吐量

4 结论

基于UAV 的协作通信为视距和非视距环境提出可靠的通信链路。考虑了UAV 的飞行轨迹对通信链路和吞吐量有直接影响，本文提出了TPMT 算法。该算法通过规划UAV 移动轨迹，优化吞吐量。仿真结果表明，提出的TPMT 算法有效地提升了吞吐量。后期，将考虑大型的UAV 网络，对多无人机系统的组网进行研究。