信息与能量协同传输的通信方法、装置、无人机及系统与流程

本发明涉及通信技术领域，尤其涉及一种信息与能量协同传输的通信方法、装置、无人机及系统。

背景技术：

为了增强网络覆盖，满足日益增长的数据流量需求，无线网络的部署已经从传统的2d平面转移到了3d空间。按照这一趋势，无人机(unmannedaerialvehicle，简称uav)辅助无线通信已经引起了业界和学术界的极大关注。与传统的地面基础设施相比，由于其成本低，移动性和部署灵活性高的特性，悬停在空中的无人机更有可能建立具有更好信道条件的无线链路(例如，视距)，因此无人机辅助通信被认为能在许多实际应用中更好的支持无线通信，如公共安全和灾害管理。

其中，无人机辅助无线通信的一个重要应用是在协作通信系统中作为中继，这是一种在弱信道条件下(源点与终点的存在的远距离或严重障碍)，提高通信性能和扩大覆盖范围的有效技术。作为空中移动中继，无人机能够灵活地调整位置以获得更加有利的信道条件。即使源点与终点之间的直接链路严重受阻，也能提高协作通信性能。

但是，现有的无人机辅助无线通信仍然存在一些缺点，其中一个实际问题是为了迎合无人机小尺寸和轻量化的特性而导致的无人机机载电池容量有限的问题。针对这一实际问题，现有的大部分工作都集中在无人机辅助无线通信系统的能量效率改进上。相对于减少能量消耗，探索可再生能源也是另一种重要的选择。然而，远远大于无人机自身的非自主能量采集设备(例如太阳能电池板)可能会显著增加负载，从而使得能耗更高。

技术实现要素：

本发明提供一种信息与能量协同传输的通信方法、装置、无人机及系统，以解决。

第一方面，本发明提供一种信息与能量协同传输的通信方法，应用于信息与能量协同传输的协作通信系统，所述系统包括：源点发射器、终点接收器以及作为所述源点发射器与所述终点接收器之间通信中继的无人机，所述无人机还用于从所述源点发射器所发送的源信号中收集能量；所述方法包括：

初始化所述无人机的功率分布、飞行轨迹以及所述源点发射器与所述终点接收器之间的第一协作吞吐量，其中，所述功率分布包括所述无人机在每个时间节点时的输出功率值，所述飞行轨迹为所述无人机包括在每个时间节点时的位置信息；

根据所述功率分布、所述飞行轨迹以及所述第一协作吞吐量优化计算所述无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，其中，所述最佳决策分布包括所述无人机在每个时间节点时的工作状态，所述工作状态为作为所述源点发射器与所述终点接收器之间通信中继的无人机或从所述源点发射器所发送的源信号中收集能量；

根据所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹进行协作通信，以使所述源点发射器与所述终点接收器之间的协作吞吐量最大化。

在一种可能的设计中，所述根据所述功率分布、所述飞行轨迹以及所述第一协作吞吐量优化计算所述无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，包括：

根据所述功率分布以及所述飞行轨迹优化计算所述无人机的决策分布；

根据所述决策分布以及所述飞行轨迹更新所述功率分布；

根据所述决策分布以及所述功率分布更新所述飞行轨迹；

根据所述决策分布、所述功率分布以及所述飞行轨迹计算所述源点发射器与所述终点接收器之间的第二协作吞吐量；

判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的容差值；

若判断结果为是，则输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹。

在一种可能的设计中，判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的容差值，判断结果为否；

将所述第一协作吞吐量更新为所述第二协作吞吐量；

根据所述功率分布以及所述飞行轨迹优化计算所述无人机的决策分布；

根据所述决策分布以及所述飞行轨迹更新所述功率分布；

根据所述决策分布以及所述功率分布更新所述飞行轨迹；

根据所述决策分布、所述功率分布以及所述飞行轨迹更新所述源点发射器与所述终点接收器之间的第二协作吞吐量；

判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的所述容差值；

若判断结果为是，则输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹。

在一种可能的设计中，所述根据所述功率分布以及所述飞行轨迹计算所述无人机的决策分布，包括：

将所述决策分布的决策变量松弛为0到1的连续变量，以使所述决策分布的优化计算问题转化为线性规划问题；

对所述线性规划问题进行求解以获得所述决策分布。

在一种可能的设计中，所述根据所述决策分布以及所述飞行轨迹更新所述功率分布，包括：

根据拉格朗日乘子法将所述功率分布的优化计算问题转化为拉格朗日对偶方程求解问题；

对所述拉格朗日对偶方程进行最优解的求解以获得所述功率分布。

在一种可能的设计中，所述根据所述决策分布以及所述功率分布更新所述飞行轨迹，包括：

根据所述决策分布以及所述功率分布计算所述无人机单位时间内的轨迹增量；

根据所述飞行轨迹中的初始位置参数以及所述轨迹增量更新所述飞行轨迹。

在一种可能的设计中，在输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹之前，还包括：

对所述最佳决策分布进行二进制化，以使当所述无人机在所述最佳决策分布的值为1时，作为所述源点发射器与所述终点接收器之间的中继，当所述无人机在所述最佳决策分布的值为0时，从所述源点发射器所发送的源信号中收集能量。

第二方面，本发明还提供一种信息与能量协同传输的通信装置，应用于信息与能量协同传输的协作通信系统，所述系统包括：源点发射器、终点接收器以及作为所述源点发射器与所述终点接收器之间通信中继的无人机，所述无人机还用于从所述源点发射器所发送的源信号中收集能量；包括：

初始化模块，用于初始化所述无人机的功率分布、飞行轨迹以及所述源点发射器与所述终点接收器之间的第一协作吞吐量，其中，所述功率分布包括所述无人机在每个时间节点时的输出功率值，所述飞行轨迹为所述无人机包括在每个时间节点时的位置信息；

优化计算模块，用于根据所述功率分布、所述飞行轨迹以及所述第一协作吞吐量优化计算所述无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，其中，所述最佳决策分布包括所述无人机在每个时间节点时的工作状态，所述工作状态为作为所述源点发射器与所述终点接收器之间通信中继的无人机或从所述源点发射器所发送的源信号中收集能量；

协作通信模块，用于根据所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹进行协作通信，以使所述源点发射器与所述终点接收器之间的协作吞吐量最大化。

在一种可能的设计中，所述优化计算模块，具体用于：

根据所述功率分布以及所述飞行轨迹优化计算所述无人机的决策分布；

根据所述决策分布以及所述飞行轨迹更新所述功率分布；

根据所述决策分布以及所述功率分布更新所述飞行轨迹；

根据所述决策分布、所述功率分布以及所述飞行轨迹计算所述源点发射器与所述终点接收器之间的第二协作吞吐量；

判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的容差值；

若判断结果为是，则输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹。

在一种可能的设计中，所述优化计算模块，还具体用于：当所述第二协作吞吐量与所述第一协作吞吐量之差不小于预设的容差值时；

将所述第一协作吞吐量更新为所述第二协作吞吐量；

根据所述功率分布以及所述飞行轨迹优化计算所述无人机的决策分布；

根据所述决策分布以及所述飞行轨迹更新所述功率分布；

根据所述决策分布以及所述功率分布更新所述飞行轨迹；

根据所述决策分布、所述功率分布以及所述飞行轨迹更新所述源点发射器与所述终点接收器之间的第二协作吞吐量；

判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的所述容差值；

若判断结果为是，则输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹。

在一种可能的设计中，所述优化计算模块，还具体用于：

将所述决策分布的决策变量松弛为0到1的连续变量，以使所述决策分布的优化计算问题转化为线性规划问题；

对所述线性规划问题进行求解以获得所述决策分布。

在一种可能的设计中，所述优化计算模块，还具体用于：

根据拉格朗日乘子法将所述功率分布的优化计算问题转化为拉格朗日对偶方程求解问题；

对所述拉格朗日对偶方程进行最优解的求解以获得所述功率分布。

在一种可能的设计中，所述优化计算模块，还具体用于：

根据所述决策分布以及所述功率分布计算所述无人机单位时间内的轨迹增量；

根据所述飞行轨迹中的初始位置参数以及所述轨迹增量更新所述飞行轨迹。

在一种可能的设计中，所述优化计算模块，还具体用于：

对所述最佳决策分布进行二进制化，以使当所述无人机在所述最佳决策分布的值为1时，作为所述源点发射器与所述终点接收器之间的中继，当所述无人机在所述最佳决策分布的值为0时，从所述源点发射器所发送的源信号中收集能量。

第三方面，本发明还提供一种无人机，包括：车载电池以及如第二方面中任一种可能的协作通信装置；

所述车载电池，用于为所述无人机的机动飞行提供动力；

所述协作通信装置，用于为所述源点发射器与所述终点接收器之间提供中继或从所述源点发射器所发送的源信号中收集能量；

其中，所述协作通信装置从所述源点发射器收集的所述能量用于为所述无人机的通信传输提供动力。

第四方面，本发明还提供一种信息与能量协同传输的通信系统，包括：源点发射器、终点接收器以及如第三方面提供的无人机，所述无人机用于作为所述源点发射器与所述终点接收器之间通信中继或从所述源点发射器所发送的源信号中收集能量。

本发明提供的一种信息与能量协同传输的通信方法、装置、无人机及系统，通过将无线携能通信引入到无人机辅助通信中，从而使得无人机的能量限制能够通过从信源点发射的无线电信号中获取无线能量而得到有效缓解，并通过初始化无人机的功率分布、飞行轨迹以及源点发射器与终点接收器之间的第一协作吞吐量优化计算所述无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，从而使得源点发射器与终点接收器之间的协作吞吐量最大化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据一示例性实施例示出的信息与能量协同传输的通信方法应用场景图；

图2是根据一示例性实施例示出的信息与能量协同传输的通信方法的流程示意图；

图3是根据另一示例性实施例示出的信息与能量协同传输的通信方法的流程示意图；

图4是采用本实施例提供的方法和现有技术方法的效果比较图；

图5是根据一示例性实施例示出的信息与能量协同传输的通信装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是根据一示例性实施例示出的信息与能量协同传输的通信方法应用场景图。如图1所示，本实施例提供的信息与能量协同传输的通信方法，应用于信息与能量协同传输的协作通信系统，具体地，该系统包括：源点发射器、终点接收器以及作为源点发射器与终点接收器之间通信中继的无人机，无人机还用于从源点发射器所发送的源信号中收集能量。

通过无线携能通信(simultaneouswirelessinformationandpowertransfer，简称swipt)实现同时传输信号和能量，即在与无线设备进行信息交互的同时，为无线设备提供能量。它不仅能充分利用信息，还可以充分利用无线电信号携带的能量。因此，由于无需安装额外的能量收集设备，无线携能通信成为一种经济有效的方式来补充无人机的能量。

图2是根据一示例性实施例示出的信息与能量协同传输的通信方法的流程示意图。如图2所示，本实施提供的信息与能量协同传输的通信方法，包括：

步骤101、初始化无人机的功率分布、飞行轨迹以及源点发射器与终点接收器之间的第一协作吞吐量。

具体地，上述的信息与能量协同传输的协作通信系统是一个经典的由具有放大转发协议(amplify-and-forward，简称af)的无人机作为空中移动中继进行辅助的点对点无线通信系统，其中源点发射器和终点接收器固定在地面上的两个不同位置。为了有效利用周围环境的能量，可以将无线携能通信引入到无人机协作通信系统中，即无人机的传输能力完全由源点发射器的无线电信号供给，而车载电池只为机动性供电。在无需额外的能量收集设备下，在一段时间内对无线通信系统的能量采集和信息传输进行优化。

对于无人机的携能无线通信，主要需要考虑其时分机制，在此机制中，无人机的能量采集和中继传输在同一时间段内是不重叠的。

可以考虑在一个三维笛卡尔坐标系统内，分别用s和d表示源点发射器和终点接收器的位置。此时，假定无人机从起始位置到终点位置作为移动中继在有限时间范围t内以固定高度h在空中飞行，并且将时间范围t离散化为具有相等间隙的n个时隙，无人机在时隙n内的位置坐标可以用二维坐标[x,y]表示，其中无人机的移动性约束可由各时隙的最大飞行距离得出，即相邻时隙间的位移要小于等于无人机在各时隙内的最大飞行距离，即：

其中，xn为无人机在时隙n内的位置横坐标，yn为无人机在时隙n内的位置纵坐标，v为预设的最大飞行距离值。

假设源点发射器到无人机和无人机到终点接收器的信道以视距链路为主，因此在时隙n内源点到无人机和无人机到终点的信道功率增效遵循自由空间路径损耗模型，与两者间的距离成反比关系，即：

其中，为信道功率增效，为在时隙n内源点发射器与无人机的距离，为η单位距离(如1米)的参考信道功率增益。

本实施例采用swipt在无人机上的分时接收机结构，也就是在每个时隙内，无人机必须决定从信号源发送的信号中收集能量，或者是作为中继将数据转发到目的地。无人机的决策分布由二进制指示符来表示，其中1表示用作中继，0表示从源信号获取能量；当然，还可以是1表示从源信号获取能量，0表示用作中继，在本实施例中对此并不进行具体限定。

而根据无人机的决策分布、功率分布和飞行轨迹来最大化端到端的协作吞吐量的目标函数如下：

其中，n为第n个时隙，pn为在第n个时隙时的无人机功率，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率，rd为源点发射器到终点接收器的直连速率，[xn,yn]为第n时隙无人机的位置。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

(x1-xs)²+(y1-ys)²≤v²

(xe-xn)²+(ye-yn)²≤v²

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离，xs为无人机初始位置横坐标，ys为无人机初始位置纵坐标，xe为无人机终点位置横坐标，ye为无人机终点位置纵坐标。

但是，由于上述问题求解并不是凸优化问题，无法通过标准解法获取最优解。因此，我们通过给定两个变量来求解每组变量的方法将上式分解为三个子问题进行轮换优化(也称为块下降法)：决策分布，功率分布和无人机飞行轨迹。子问题优化时固定其他两个变量，对该变量进行优化使得端到端协作吞吐量可以迭代地增加直到收敛。

在本实施例中，可以给定无人机的功率分布、飞行轨迹并且初始化源点发射器与终点接收器之间的第一协作吞吐量，其中，功率分布包括无人机在每个时间节点时的输出功率值，飞行轨迹为无人机包括在每个时间节点时的位置信息，并且将决策分布变量βn松弛为0到1的连续变量，从而将上述的非凸优化问题转化为典型的线性规划问题，从而可以通过现有的优化技术有效求解。

步骤102、根据功率分布、飞行轨迹以及第一协作吞吐量优化计算无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹。

通过上述步骤将最大化端到端的协作吞吐量问题下降为：

其中，n为第n个时隙，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率，rd为源点发射器到终点接收器的直连速率。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离。

由于上式的最优解通常是非二元的，所以在总问题迭代优化后，得出的可行决策分布变量需要进行二进制化。因此，在此子问题中可以提出一个用于二进制化决策分布的算法：若子问题的约束条件都满足，则最优决策分布取整作为可行解；否则，整个n时隙内部分整数必须翻转为负值。作为贪心算法，每个正数决策分布中运行翻转过程以便在满足子问题的全部约束下，由翻转决策分布引起的端到端协作吞吐量的递减最小化。

根据优化得到的决策分布βn以及上述步骤中给定的飞行轨迹[xn,yn]，可以将问题简化为对功率分布pn的求解，将最大化端到端的协作吞吐量问题下降为：

其中，n为第n个时隙，pn为在第n个时隙时的无人机功率，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离。

该子问题是标准的凸优化问题，并且满足slaters条件，使得强对偶成立，可以根据拉格朗日乘子法得到上式的拉格朗日对偶方程，然后通过求解它的对偶方程得到最优解。

根据优化得到的决策分布βn以及功率分布pn，可以将问题简化为对飞行轨迹[xn,yn]的求解，将最大化端到端的协作吞吐量问题下降为：

其中，n为第n个时隙，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率，[xn,yn]为第n时隙无人机的位置。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

(x1-xs)²+(y1-ys)²≤v²

(xe-xn)²+(ye-yn)²≤v²

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离，xs为无人机初始位置横坐标，ys为无人机初始位置纵坐标，xe为无人机终点位置横坐标，ye为无人机终点位置纵坐标。

由于上述目标函数在飞行轨迹变量[xn,yn]上是非凸的，所以该子问题是非凸的。因此可以采用连续凸优化技术，通过迭代地优化轨迹增量来最大化轨迹下界。由于凸函数的一阶泰勒展开式近似是全局下界。因此，先给定无人机的初始轨迹，在预定义的容差范围内，通过内点法求解最佳轨迹增量并更新无人机轨迹来获取无人机最佳轨迹。

根据上述的功率分布、飞行轨迹以及第一协作吞吐量优化计算无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，其中，最佳决策分布包括无人机在每个时间节点时的工作状态，工作状态为作为源点发射器与终点接收器之间通信中继的无人机或从源点发射器所发送的源信号中收集能量。

步骤103、根据最佳决策分布、最佳功率分布以及最佳飞行轨迹进行协作通信。

具体地，无人机根据上述步骤优化计算得到的最佳决策分布、最佳功率分布以及最佳飞行轨迹进行协作通信，以使源点发射器与终点接收器之间的协作吞吐量最大化。

在本实施例中，通过将无线携能通信引入到无人机辅助通信中，从而使得无人机的能量限制能够通过从信源点发射的无线电信号中获取无线能量而得到有效缓解，并通过初始化无人机的功率分布、飞行轨迹以及源点发射器与终点接收器之间的第一协作吞吐量优化计算所述无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，从而使得源点发射器与终点接收器之间的协作吞吐量最大化。

图3是根据另一示例性实施例示出的信息与能量协同传输的通信方法的流程示意图。如图3所示，本实施例提供的信息与能量协同传输的通信方法，包括：

步骤201、初始化无人机的功率分布、飞行轨迹以及源点发射器与终点接收器之间的第一协作吞吐量。

值得说明地，步骤201的具体实现方式参照图2所示实施例中步骤101的描述，这里不再赘述。

步骤202、根据功率分布以及飞行轨迹优化计算无人机的决策分布。

具体地，通过上述步骤将最大化端到端的协作吞吐量问题下降为：

其中，n为第n个时隙，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率，rd为源点发射器到终点接收器的直连速率。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离。

由于上式的最优解通常是非二元的，所以在总问题迭代优化后，得出的可行决策分布变量需要进行二进制化。因此，在此子问题中可以提出一个用于二进制化决策分布的算法：若子问题的约束条件都满足，则最优决策分布取整作为可行解；否则，整个n时隙内部分整数必须翻转为负值。作为贪心算法，每个正数决策分布中运行翻转过程以便在满足子问题的全部约束下，由翻转决策分布引起的端到端协作吞吐量的递减最小化。

步骤203、根据决策分布以及飞行轨迹更新功率分布。

具体地，根据优化得到的决策分布βn以及上述步骤中给定的飞行轨迹[xn,yn]，可以将问题简化为对功率分布pn的求解，将最大化端到端的协作吞吐量问题下降为：

其中，n为第n个时隙，pn为在第n个时隙时的无人机功率，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离。

该子问题是标准的凸优化问题，并且满足slaters条件，使得强对偶成立，可以根据拉格朗日乘子法得到上式的拉格朗日对偶方程，然后通过求解它的对偶方程得到最优解。

步骤204、根据决策分布以及功率分布更新飞行轨迹。

具体地，根据优化得到的决策分布βn以及功率分布pn，可以将问题简化为对飞行轨迹[xn,yn]的求解，将最大化端到端的协作吞吐量问题下降为：

其中，n为第n个时隙，βn为在第n个时隙时的无人机二进制决策，其中βn＝1表示在第n时隙无人机作为中继进行服务，βn＝0表示在n时隙无人机从源信号中获取能量，rn为在第n时隙的协作通信速率，[xn,yn]为第n时隙无人机的位置。

对上述最大化端到端的协作吞吐量问题的求解，具体需要满足以下的约束条件：

(x1-xs)²+(y1-ys)²≤v²

(xe-xn)²+(ye-yn)²≤v²

其中，pi为在第i个时隙时的无人机功率，βi为在第i个时隙时的无人机二进制决策，ps为源点发射器传输功率，γ0为协作信道的参考信噪比，为在第i个时隙时原点与无人机的距离，xs为无人机初始位置横坐标，ys为无人机初始位置纵坐标，xe为无人机终点位置横坐标，ye为无人机终点位置纵坐标。

由于上述目标函数在飞行轨迹变量[xn,yn]上是非凸的，所以该子问题是非凸的。因此可以采用连续凸优化技术，通过迭代地优化轨迹增量来最大化轨迹下界。由于凸函数的一阶泰勒展开式近似是全局下界。因此，先给定无人机的初始轨迹，在预定义的容差范围内，通过内点法求解最佳轨迹增量并更新无人机轨迹来获取无人机最佳轨迹。

步骤205、根据决策分布、功率分布以及飞行轨迹计算源点发射器与终点接收器之间的第二协作吞吐量。

具体地，根据上述优化计算的决策分布、功率分布、飞行轨迹以及上述目标函数计算源点发射器与终点接收器之间的第二协作吞吐量。

步骤206、判断第二协作吞吐量与第一协作吞吐量之差是否小于预设的容差值。

具体地，判断第二协作吞吐量与第一协作吞吐量之差是否小于预设的容差值。其中，若判断结果为是，则执行步骤207，若判断结果为否，则执行步骤209。

步骤207、输出决策分布、功率分布以及飞行轨迹分别作为无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹。

若根据上述优化计算的决策分布、功率分布、飞行轨迹以及上述目标函数计算源点发射器与终点接收器之间的第二协作吞吐量与第一协作吞吐量之差是否小于预设的容差值。则说明优化计算端到端协作吞吐量已经迭代至收敛。

步骤208、根据最佳决策分布、最佳功率分布以及最佳飞行轨迹进行协作通信。

值得说明地，步骤208的具体实现方式参照图2所示实施例中步骤103的描述，这里不再赘述。

步骤209、将第一协作吞吐量更新为第二协作吞吐量。

具体地，将通过上述步骤计算得到的第二协作吞吐量的具体数值赋值给第一协作吞吐量，然后在根据上述计算的无人机的功率分布、飞行轨迹，重复步骤201-步骤206，直至第二协作吞吐量与第一协作吞吐量之差是否小于预设的容差值，即优化计算端到端协作吞吐量已经迭代至收敛。

下面结合本实施例提供的信息与能量协同传输的通信方法与两个基线策略对于的端到端协作吞吐量与源点功率设置的比较，图4是采用本实施例提供的方法和现有技术方法的效果比较图。如图4所示，具体地，对于静态策略，是指无人机在源点和终点的中点处不断盘旋，以先存能量，后传输的方式进行能量采集，可以将时间分为50个时隙，即无人机在最初的m个时隙内从源点收集能量，并在剩下的50-m时隙内作为一个中继进行信息传输，而收获的能量在50-m时隙内平均分配，通过枚举m来确定最佳能量收集时隙数目，最终选择最优；另一策略是直线移动策略，是指无人机从起始位置到终点沿直线轨迹飞行，分别在前后25个时隙内进行能量收集和中继传输；最后，是通过本实施例提供的信息与能量协同传输的通信方法所提供的策略。从图中可明显可以看出，由于本实施例的无人机决策分布，功率曲线和无人机飞行轨迹设计合理，随着源点功率的增加，性能差距也显著增大。

图5是根据一示例性实施例示出的信息与能量协同传输的通信装置的结构示意图。如图5所示，本实施例提供的信息与能量协同传输的通信装置，应用于信息与能量协同传输的协作通信系统，所述系统包括：源点发射器、终点接收器以及作为所述源点发射器与所述终点接收器之间通信中继的无人机，所述无人机还用于从所述源点发射器所发送的源信号中收集能量；包括：

初始化模块301，用于初始化所述无人机的功率分布、飞行轨迹以及所述源点发射器与所述终点接收器之间的第一协作吞吐量，其中，所述功率分布包括所述无人机在每个时间节点时的输出功率值，所述飞行轨迹为所述无人机包括在每个时间节点时的位置信息；

优化计算模块302，用于根据所述功率分布、所述飞行轨迹以及所述第一协作吞吐量优化计算所述无人机的最佳决策分布、最佳功率分布以及最佳飞行轨迹，其中，所述最佳决策分布包括所述无人机在每个时间节点时的工作状态，所述工作状态为作为所述源点发射器与所述终点接收器之间通信中继的无人机或从所述源点发射器所发送的源信号中收集能量；

协作通信模块303，用于根据所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹进行协作通信，以使所述源点发射器与所述终点接收器之间的协作吞吐量最大化。

在一种可能的设计中，所述优化计算模块302，具体用于：

根据所述功率分布以及所述飞行轨迹优化计算所述无人机的决策分布；

根据所述决策分布以及所述飞行轨迹更新所述功率分布；

根据所述决策分布以及所述功率分布更新所述飞行轨迹；

根据所述决策分布、所述功率分布以及所述飞行轨迹计算所述源点发射器与所述终点接收器之间的第二协作吞吐量；

判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的容差值；

若判断结果为是，则输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹。

在一种可能的设计中，所述优化计算模块302，还具体用于：当所述第二协作吞吐量与所述第一协作吞吐量之差不小于预设的容差值时；

将所述第一协作吞吐量更新为所述第二协作吞吐量；

根据所述功率分布以及所述飞行轨迹优化计算所述无人机的决策分布；

根据所述决策分布以及所述飞行轨迹更新所述功率分布；

根据所述决策分布以及所述功率分布更新所述飞行轨迹；

根据所述决策分布、所述功率分布以及所述飞行轨迹更新所述源点发射器与所述终点接收器之间的第二协作吞吐量；

判断所述第二协作吞吐量与所述第一协作吞吐量之差是否小于预设的所述容差值；

若判断结果为是，则输出所述决策分布、所述功率分布以及所述飞行轨迹分别作为所述无人机的所述最佳决策分布、所述最佳功率分布以及所述最佳飞行轨迹。

在一种可能的设计中，所述优化计算模块302，还具体用于：

将所述决策分布的决策变量松弛为0到1的连续变量，以使所述决策分布的优化计算问题转化为线性规划问题；

对所述线性规划问题进行求解以获得所述决策分布。

在一种可能的设计中，所述优化计算模块302，还具体用于：

根据拉格朗日乘子法将所述功率分布的优化计算问题转化为拉格朗日对偶方程求解问题；

对所述拉格朗日对偶方程进行最优解的求解以获得所述功率分布。

在一种可能的设计中，所述优化计算模块302，还具体用于：

根据所述决策分布以及所述功率分布计算所述无人机单位时间内的轨迹增量；

根据所述飞行轨迹中的初始位置参数以及所述轨迹增量更新所述飞行轨迹。

在一种可能的设计中，所述优化计算模块302，还具体用于：

对所述最佳决策分布进行二进制化，以使当所述无人机在所述最佳决策分布的值为1时，作为所述源点发射器与所述终点接收器之间的中继，当所述无人机在所述最佳决策分布的值为0时，从所述源点发射器所发送的源信号中收集能量。

图5所示实施例提供的信息与能量协同传输的通信装置，可用于执行上述图2-图3所示的实施例提供的方法，具体实现方式和技术效果类似，这里不再赘述。

此外，本发明还提供一种无人机，包括：车载电池以及图4所示实施例提供的信息与能量协同传输的通信装置；

所述车载电池，用于为所述无人机的机动飞行提供动力；

所述协作通信装置，用于为所述源点发射器与所述终点接收器之间提供中继或从所述源点发射器所发送的源信号中收集能量；

其中，所述协作通信装置从所述源点发射器收集的所述能量用于为所述无人机的通信传输提供动力。

此外，本发明还提供一种信息与能量协同传输的通信系统，包括：源点发射器、终点接收器以及上述实施例提供的无人机，所述无人机用于作为所述源点发射器与所述终点接收器之间通信中继或从所述源点发射器所发送的源信号中收集能量。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。