多无人机携能网络的轨迹与资源规划算法分析

杨 宏

（甘肃省武威市凉州区职业中等专业学校，甘肃 武威 733099）

1 研究背景

作为当代移动通信主要场景，大型机器通信和常规通信的区别，在于前者需要接入多个物联网节点，同时要承载节点连接所产生的连锁反应，随着物联网节点数量的增多，数据发送所消耗网络能量大幅度增加，在节点能量有限的情况下，能量大量消耗将给网络生命周期造成负面影响，为解决上述问题，研究人员对通信类型进行了创新，无线携能通信应运而生[1]。该通信类型能够同步传输能量、无线信息，简单来说，就是在交互信息的过程中，由无人机向无线设备传输维持其运行所需能量，彻底突破节点能量有限所带来的限制。

需要注意的是，现阶段仍有一部分灾区、偏远山区尚不具备无线通信的条件，上述地区既有地面基站往往难以做到长期与使用者保持联系，同时也无法做到向无线设备传输能量[2]。如果将依托地面基站所建立的蜂窝通信网络作为对照物，无人机的优势则体现在以下方面：一是机动性能佳；二是灵活性理想；三是基本能够实现全面覆盖；四是对环境的适应性极强，可被部署在环境、位置相对复杂的区域，使当地在应急通信等方面的需求得到满足。

2 建立模型

在多无人机携能场景中，无人机主要负责向使用者传输信息，同时依托无线电能对服务进行输送。在飞行周期固定的情况下，无人机需要利用时分多址法传输信息，以此保证信息能够准确传递给位于地面的使用者。若在特定飞行周期内，各台无人机所用通信频段相同，则需要依托单天线完成信息传输任务。

恒定飞行高度设为H，其水平坐标随飞行时间的变化而变化。由于飞行周期会给系统整体性能产生直接影响，飞行周期过短，将制约无人机功能的发挥，飞行周期过长，则会增加使用者等待时间，只有合理选择飞行周期，才能取得理想成效[3]。针对该情况，研究人员提出了以下方案：将飞行周期划分成数个时隙，各时隙间隔相同，时隙长度用T/N表示，其中，T代表飞行周期，N代表时隙总数。在条件允许的前提下，最大限度缩小时隙，以免处于不同时隙的无人机的坐标存在明显区别，此时，时隙n对应无人机坐标如下：

考虑到无人机基站普遍具有便于移动的特点，因此，可将使用者与无人机通信的形式转变成视距通信，对应信道质量由使用者与无人机距离决定。假设在飞行状态下，无人机会产生多普勒效应，但接收端能够对该效应进行合理补偿，那么，可以将路径损耗模型设定如下：

式中，f代表观测所得频率值；v代表现有介质中波传输的速度；代表观察者前进的速度；代表发射源前进的速度；f代表现有介质中发射源初始频率。

另外，实践表明，在接收信号的过程中，附近无人机所发出信号会给使用者造成干扰，鉴于此，研究人员决定将信干噪比纳入考虑范围，其公式为

随后，出于改善服务公平性考虑，研究人员从优化可达速率的角度出发，依次调整功率分配、使用者调度和无人机规划。假设无人机需要通过时分复用或类似方法对信号进行及时且准确的传输，则可得到以下公式：

以上公式表示在特定时隙内，无人机仅能向一个使用者传输信息，同时使用者也仅能接收由一架无人机所发出的信息。为深入研究约束飞行轨迹的因素，研究人员引入了下列公式：

该公式代表飞行周期结束后，无人机应回到原始位置，确保其能够持续服务使用者，正常情况下，无人机均要受到安全距离、飞行速度的制约，这点要有所了解。将同为变量的发射功率、无人机轨迹耦合后，受上述公式所具有非凸性影响，优化问题将表现出非凸特征，求解难度极大，鉴于此，研究人员决定以连续凸块优化相关技术为依托，利用最新算法进行求解。

3 模型分析

3.1 算法说明

凸优化的特点是局部最优代表全局最优，对该类问题进行求解的方法通常有两个，一是确定局部最优解，二是对公式进行迭代计算。在本项目中，为实现优化目标，研究人员结合块坐标下降原理，提出了全新的迭代算法，该算法需要先拆分优化问题，拆分后可得到以下问题：首先是功率分配、轨迹确定，优化使用者调度。其次是功率分配、使用者调度确定，优化无人机轨迹。最后是使用者调度、轨迹确定，优化功率分配。通过连续凸优化的方式，促使非凸约束相关问题尽快转变成近似凸优化，随后，便可利用现有工具求解，保证计算所得结果具有实际意义。对初始问题进行分解后，再根据块坐标下降相关原理，通过交替优化的方式，确定资源配置所适用的算法，其原理如下：先对转化所得问题进行求解，再借助交替迭代法调整系统性能，使系统所表现出的性能达到理想水平。

事实证明，通过连续凸优化的方式，对功率分配、规划轨迹所面临非凸约束进行求解，基于一阶泰勒对约束、优化边界加以明确，能够使非凸问题顺利转变成凸问题，不仅求解难度有所降低，计算所得结果的准确性也能够得到保证[5]。

3.2 仿真实验

3.2.1 实验方案

假设在500 m×500 m的平面空间内，随机分布有7个用户，该空间上方30 m存在3台处于飞行状态的无人机。将接收端白噪声值设为-100 dBm，白噪声发出点1 m外信道增益值为-50 dB。正常状态下，无人机飞行速度最快可达30 m/s，发射信号的最大功率是0.2 W，发射能量的功率是20 W，使用者对能量的需求最小为0.1 mW。将相邻无人机飞行距离控制在15 m左右，对应飞行周期是90 s，隔10 s进行采样，如实记录采样所得无人机位置坐标。

3.2.2 实验结论

首先，仿真结果表明，可达速率与迭代次数的关系为正相关，当迭代次数为40时，达到收敛效果，这表示上文所提出算法具有收敛性。

其次，将飞行周期设为0，此时，无人机由飞行状态转变成静止状态，使用者、无人机所配置天线均为单天线。为使可达速率达到预期水平，研究人员将无人机、用户中心一一对应，同时对剩余无人机与已匹配无人机距离进行了调整，通过削弱通信干扰的方式，使传输速率得到显著提高。

最后，研究证实，可达速率最小值与飞行周期的关系同样为正相关，随着飞行周期的延长，可达速率变化幅度逐渐趋于平缓。如果飞行周期相对较短，无人机所能提供服务十分有限，受信息传输速度影响，可达速率明显降低。虽然延长飞行周期并不能保证可达速率维持特定值，但使用者接入等待的时间会较短，周期有所增加，由此可见，以实际情况为依据，对飞行周期进行科学选择，将给无人机功能的发挥产生积极影响。

综上，本文所使用算法具有良好收敛性，可保证无人机均匀分布，同时使可达速率得到明显提高。

4 总结

早期，曾有国外学者提出“将单无人机打造成空中基站，通过该基站向使用者传输信息”的设想，随后，基于无人机高度确定了相应的优化算法，使单无人机所能覆盖的范围、使用者总数得到大幅度增加。随后，各国学者纷纷将目光转向多无人机，以多无人机的使用场景为落脚点，对设备位置、高度进行调整，希望能够在优化通信质量的前提下，掌握利用有限无人机，尽量覆盖特定区域的方案。相关研究均将无人机视为静止基站，对该基站服务能力进行探索，而忽略了动态部署的重要性，致使无人机在系统吞吐量、动态覆盖范围等方面所具有的优势未能得到充分发挥。针对该情况，有学者指出应将下行能量传输作为切入点，在限制无人机飞行速度的前提下，对其轨迹进行规划，同时对规划轨迹的算法加以确定，综合考虑悬停时长、位置等因素，使设备所接收能量达到预期水平。后人以该研究所取得成果为基础，新增了与功率分配相关的内容，结合下行信息传输所表现出特点，对飞行轨迹、功率分配进行优化，使吞吐量得到显著增加。这里要注意的是，上述研究均以单无人机作为分析对象，在实际传输、通信过程中，联合运用多台无人机的做法已变得十分常见，多无人机和单无人机的区别，主要在于前者所提供的接入服务质量更符合使用者预期。近几年，国内学者将下行信息传输算法列入研究计划，指出逐一调整功率分配、设备轨迹，可使网络实时吞吐量得到改善，但相关研究仍难以保证通信质量不受影响。

综上，现有研究均没有考虑下行能量传输所表现出的特征，且针对干扰限制、速度约束还有能量约束的探索也有待深入。为弥补现有成果存在的空白，研究人员决定以优化资源配置为落脚点，对无人机传输信息、能量的效率进行提高，使该设备成为无线携能通信不可或缺的一环，由此达到推动行业发展的最终目标。文章以能量传输、下行信息传输为背景，分别从功率分配、使用者调度和规划轨迹的角度出发，对相关参数进行优化，通过引入块坐标下降等技术的方式，将非凸问题转变成三个问题并依次优化，基于连续凸优化对非凸约束加以处理，在保证求解准确的前提下，使计算、求解难度得到大幅降低，可供其他人员借鉴。

5 结束语

本文将改善能量、无线信息传输效率，有效规避节点能量被制约作为最终目标，围绕无人机资源分配、通信轨迹展开讨论，结合非凸优化要点，确定了相应的算法，使连续凸优化、块坐标下降等技术的优势得到充分发挥，并在此基础上，分别对功率分配方案、飞行传输轨迹进行了调整，使传输速率达到理想水平。未来，研究人员应重点关注信息传输发生场景，灵活运用波束成形等先进技术，对信号传输方向进行固定，有效规避通信干扰所造成不利影响，使系统性能得到显著提高。■