基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法
申请人信息
- 申请人:南京控维通信科技有限公司
- 申请人地址:210000 江苏省南京市江宁区麒麟街道天骄路100号启迪科技城华清园6号楼
- 发明人: 南京控维通信科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202410091292.8 |
| 申请日 | 2024/1/23 |
| 公告号 | CN117614520B |
| 公开日 | 2024/3/29 |
| IPC主分类号 | H04B7/185 |
| 权利人 | 南京控维通信科技有限公司 |
| 发明人 | 赖海光; 石锋; 孙峰; 张超; 潘奇 |
| 地址 | 江苏省南京市江宁区麒麟科技创新园智汇路300号B单元二楼 |
摘要文本
本发明公开了一种基于无人机‑卫星协作的去蜂窝大规模MIMO资源优化方法,包括从卫星下行链路收集信道模型数据,对信道模型数据进行预处理,构建基于无人机‑卫星协作的去蜂窝大规模MIMO系统的下行通信传输模型;针对下行通信传输模型,构建基于无人机‑卫星协作的去蜂窝大规模MIMO资源优化模型,获得非凸优化问题;依序采用块坐标下降方法和连续凸优化方法,将非凸优化问题转化为预定数量的子问题,交替求得各个子问题的近似解,基于各个子问题的近似解得到最优近似解;基于最优近似解和下行通信传输模型,计算并记录性能指标。本发明通过这种优化方法增加了用户的覆盖范围,同时减少了跨层干扰,满足了特殊情况下的通信需求激增的需要。
专利主权项内容
1.一种基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法,其特征在于,包括如下步骤:S1、从卫星下行链路收集信道模型数据,对信道模型数据进行预处理,构建基于无人机-卫星协作的去蜂窝大规模MIMO系统的下行通信传输模型,用于由卫星发射器、卫星、UAV、CPU、AP和用户组成的通信系统;S2、针对下行通信传输模型,构建目标函数和约束条件,目标函数为最大化用户最小速率,约束条件为AP和UAV的最大发射功率、最大跨层干扰、最大通信覆盖范围和最大部署距离,构建基于无人机-卫星协作的去蜂窝大规模MIMO资源优化模型,基于约束条件获得非凸优化问题;S3、依序采用块坐标下降方法和连续凸优化方法,将非凸优化问题转化为预定数量的子问题,交替求得各个子问题的近似解,基于各个子问题的近似解得到最优近似解;S4、基于最优近似解和下行通信传输模型,对基于无人机-卫星协作的去蜂窝大规模MIMO系统的下行通信进行仿真,计算并记录性能指标;所述步骤S1具体为:S11、基于卫星发射器和卫星之间的双向通信链路,接收卫星下行链路的信道模型数据,包括信道增益、信道相位和信道延迟;S12、对信道模型数据进行预处理,包括去除噪声、补偿相位偏移和校正信道延迟,提高信道模型数据的准确性和可靠性;S13、根据预处理后的信道模型数据,构建基于无人机-卫星协作的去蜂窝大规模MIMO系统的下行通信传输模型,包括卫星发射器-卫星-UAV-CPU-AP-用户的通信传输模型、CPU-UAV-用户的通信传输模型、卫星发射器-卫星-UAV-用户的通信传输模型和卫星发射器-卫星-用户的通信传输模型;所述步骤S2具体为:S21、定义基于无人机-卫星协作的去蜂窝大规模MIMO系统中的变量和参数,其中变量包括用户关联矩阵、功率分配矩阵和资源分配矩阵,参数包括最大发射功率、最大跨层干扰、最大通信覆盖范围和最大部署距离;S22、根据变量和参数,以及下行通信传输模型,构建基于无人机-卫星协作的去蜂窝大规模MIMO系统的目标函数,最大化用户最小速率,定义基于无人机-卫星协作的去蜂窝大规模MIMO系统的约束条件,包括AP和UAV的最大发射功率约束、最大跨层干扰约束、最大通信覆盖范围约束和最大部署距离约束;S23、针对目标函数和约束条件,构建基于无人机-卫星协作的去蜂窝大规模MIMO资源优化模型,获取非凸优化问题;所述步骤S3具体为:S31、采用块坐标下降方法,将非凸优化问题分解为包括关于用户关联矩阵、功率分配矩阵和资源分配矩阵的凸优化子问题;S32、采用连续凸优化方法,对凸优化子问题进行线性化,将其转化为容易求解的凸优化问题,采用内点法进行求解,得到凸优化子问题的至少两个近似解,重复该过程,直到收敛;S33、将凸优化子问题的至少两个近似解进行权重组合,得到非凸优化问题的最优近似解;所述步骤S4具体为:S41、根据最优近似解,确定无人机-卫星协作的去蜂窝大规模MIMO系统中的参数,包括用户关联矩阵、功率分配矩阵、资源分配矩阵、信道增益、信道相位和信道延迟;S42、将确定的参数输入下行通信传输模型,仿真计算基于无人机-卫星协作的去蜂窝大规模MIMO系统中的信号,包括卫星发射器-卫星的信号、CPU-AP的信号、AP-用户的信号、CPU-UAV的信号和UAV-用户的信号;S43、根据基于无人机-卫星协作的去蜂窝大规模MIMO系统中的信号,计算性能指标,包括用户速率、系统吞吐量、系统覆盖率、系统干扰和系统能耗;S44、根据性能指标,绘制图表,对基于无人机-卫星协作的去蜂窝大规模MIMO资源优化方法进行分析;最大化用户最小速率具体为:下行链路采用共轭波束形成发送信号给用户k,第m个AP传输信号为:x=∑sqrt(p)gdikk∈Kimkmkk其中,p为AP对用户下行链路的发射功率,d为传输给用户的信号,满足E{|d|}=1,g表示AP和用户之间的信道增益,mkkk2mk结合用户调度下的用户k接收信号为:y=∑ξgx+ωkiM∪Uikikikk其中,x表示AP发出的信号, ω是满足正态分布的高斯白噪声,用二进制变量ξ={ξ,ξ}分别表示用户的调度情况,定义用户调度矩阵ξ∈C,C为复数集合符号,K为地面用户数量,U为地面无人机的数量,M为地面AP点数量,若用户k由地面AP点服务则二进制变量ξ系数为1,否则为0,ikkkmkukK×(U+1)mk由地面AP提供服务的用户可达速率为 : R=log(1+ξ∑(sqrt(p)g)/(∑ξ∑(sqrt(p)g)+σ))kcf2mkm=1Mmk2mk2i=1,i≠kKmim=1Mmi2mi22其中,σ为加性高斯白噪声功率,2当无人机u悬停在固定位置时,其通信范围内的用户k可达速率为:R=log(1+ξρh/(∑∑ξρh+σ))ku2ukuku,ki=1,i≠kKu=1Uuiuiu,i2其中,ρ为无人机为用户服务的发射功率,h为用户和无人机之间的高度差,uku,k用户的整个接收速率为:R= R+ Rkkcfku-s其中,R为无人机卫星提供服务的用户k的速率;ku-s以最大发射功率为约束条件具体为 : 受去蜂窝大规模MIMO系统资源限制, AP和UAV的发射功率不能超过自身最大发射功率, AP和UAV功率分配参数需满足以下约束 : ∑ξ∑P<Pk=1Kmkm=1Mmkmax∑ξρ<ρk=1Kukukmax其中,P为AP提供的最大功率,ρ为无人机提供的最大功率;maxmax基于无人机-卫星协作的去蜂窝大规模MIMO非凸优化问题具体为 : maxminR=R+Rη,(x,y)Шkkkcfku-sC : ∑ξ+ξ≤11M∪UmkukC : ξ、ξ∈{0, 1}2mkukC : ‖q-q‖≤S, u≠j3juafs.t. C:∑ξp<P4k=1KmkmkmaxC : ∑ξρ<ρ5k=1KukukmaxC : ∑∑ξρg≤ζ6u=1Uk=1Kukskukt其中,ζ为由卫星服务的用户容忍的干扰阈值,q为无人机的水平位置,ρ为卫星为用户服务的发射功率,g为无人机和用户之间的信道增益,Ш表示任意。tuskuk