一种无人机辅助无线供电物联网的资源分配方法与流程

本发明涉及无线供电物联网领域，特别是指一种无人机辅助无线供电物联网的资源分配方法。

背景技术：

物联网(IoT)在下一代移动通信和无线网络中发挥着重要的作用，可以应用于服务。随着万物互联时代的到来，数据传输变得越来越密集，信息交换量也越来越大。因此，具有更大带宽，更高速度，更低延迟和更低能耗的通信技术是确保物联网普及的重要保证。由于物联网中大多数无线设备的能量有限，即使是低功率密度和高成本，物联网的开发和应用也面临着前所未有的严峻挑战。如何为无线设备提供可持续能源已成为物联网发展中亟待解决的问题。

作为能源供应的重要方式之一，无线功率传输(WPT)技术被视为在物联网应用中为无线设备提供可持续能源的理想技术解决方案，可有效解决物联网中有限电池电量问题的瓶颈。越来越多的设备需要使用WPT技术来减少对电池的过度依赖。WPT已广泛应用于便携式电子设备、植入式医疗设备、智能家居、电动汽车(EV)等。但是在传统的无线功率传输技术中，能量发射器(ET)的位置相对固定，无法实现无线供电物联网系统有效的资源分配，导致无线供电物联网系统性能低下。

技术实现要素：

本发明要解决的技术问题是提供一种无人机辅助无线供电物联网的资源分配方法，以解决现有技术所存在的无线功率传输技术中能量发射器的位置相对固定，无法实现无线供电物联网系统有效的资源分配，导致无线供电物联网系统性能低下的问题。

为解决上述技术问题，本发明实施例提供一种无人机辅助无线供电物联网的资源分配方法，包括：

构建由无人机和无线节点组成的无线供电物联网系统，其中，所述无线供电物联网系统包括：无线节点和为无线节点供电的无人机，所述无人机基于无线电力传输技术移动以进行功率传输，所述无线节点从无人机获取能量并利用获取到的能量将信息传输到无人机；

构建无线节点的能量传递的最大利润函数，对构建的利润函数进行求解，得到无线节点到无人机的最佳发射功率；

无人机在无线信息传输和无线功率传输过程中，以最大化能量传递收益为目标，构建基于动态博弈的无人机与无线节点资源分配模型，其中，无人机是动态博弈的领导者，无线节点是动态博弈的追随者，能量传递收益等于无线节点的能量传递的利润减去无线能量传递到无线节点的成本；

根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼动态规划，获得纳什均衡解，作为无线供电物联网系统中无线能量传递资源的最佳分配策略。

进一步地，所述方法还包括：

按照信息传输所需要的能量，将无线节点分为高能耗无线节点和低能耗无线节点；

其中，高能耗无线节点传输信息所需要的能量大于等于预设的能量阈值；低能耗无线节点传输信息所需要的能量小于预设的能量阈值。

进一步地，从无人机传输到不同能耗类别无线节点的能量是不同的；

相同能耗类别中的无线节点共享相同的信道；

当无人机将能量传输到某一类别中的无线节点时，无人机与另一类别中的无线节点之间没有能量传输和信息传输。

进一步地，构建的无人机与无线节点的资源分配模型，用于实现能量传递的最佳功率控制；

所述构建的无人机与无线节点的资源分配模型包括：无人机与高能耗无线节点的资源分配模型、无人机与低能耗无线节点的资源分配模型；其中，

构建的无人机与高能耗无线节点的资源分配模型表示为：

构建的无人机与低能耗无线节点的资源分配模型表示为：

其中，V^k(t)表示无人机与类别为k的无线节点的资源分配模型；k表示无线节点类别的集合，k＝{H,L}，H、L分别表示高能耗类别和低能耗类别；πk(t)表示无人机在时刻t时控制的无线功率传输的能量转移单价；pk(t)表示为类别k中的无线节点分配的无线能量传递资源；Nk表示类别k中的无线节点的数目；γk,i表示类别k中的无线节点i的信号干扰噪声比；pk,i(t)表示从类别k中的无线节点i到无人机的发射功率；γth表示信号干扰噪声比的阈值；ck表示无线能量传递的单位成本；分别表示高能耗无线节点、低能耗无线节点对高能耗无线节点的信息传输干扰；分别表示低能耗无线节点、高能耗无线节点对低能耗无线节点的信息传输干扰；μk表示类别k中的无线节点的自然能量衰减率；x(t)表示整个无线供电物联网系统在时刻t的能量；r表示贴现率；T表示时间上限；sk表示时刻t的能量对相应资源分配模型的影响权重。

进一步地，信号干扰噪声比表示为：

其中，gk,i(t)表示从类别k中的无线节点i到无人机的信道增益；表示从类别k中的另一个无线节点j到类别k中的无线节点i的信道增益；σ²(t)表示背景噪声；Ik,i(t)表示类别k中的无线节点i的总干扰。

进一步地，表征无线供电物联网系统能量动态变化的微分方程为：

其中，ηk表示类别k中的无线节点的能量转换效率；δ表示整个无线供电物联网系统的能量消耗率。

进一步地，所述根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼动态规划，获得纳什均衡解，作为无线供电物联网系统中无线能量传递资源的最佳分配策略包括：

根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼动态规划，构建能量传递的最佳功率控制的贝尔曼方程V^k(t,x)；

对贝尔曼方程V^k(t,x)进行求解，得到为类别k中的无线节点分配的最佳无线能量传递资源，作为无线供电物联网系统中无线能量传递资源的最佳分配策略。

进一步地，构建的贝尔曼方程V^k(t,x)满足微分方程：

V^H(T,x)＝sHx(T)e^-rT

V^L(T,x)＝sLx(T)e^-rT

其中，k表示无线节点类别的集合，k＝{H,L}，H、L分别表示高能耗类别和低能耗类别；V^k(t,x)表示无人机在类别k中的无线节点的能量传递期间控制收益的价值函数；πk(t)表示无人机在时刻t时控制的无线功率传输的能量转移单价；pk(t)表示为类别k中的无线节点分配的无线能量传递资源；Nk表示类别k中的无线节点的数目；γk,i表示类别k中的无线节点i的信号干扰噪声比；pk,i(t)表示从类别k中的无线节点i到无人机的发射功率；γth表示信号干扰噪声比的阈值；ck表示无线能量传递的单位成本；分别表示高能耗无线节点、低能耗无线节点对高能耗无线节点的信息传输干扰；分别表示低能耗无线节点、高能耗无线节点对低能耗无线节点的信息传输干扰；μk表示类别k中的无线节点的自然能量衰减率；ηk表示类别k中的无线节点的能量转换效率；δ表示整个无线供电物联网系统的能量消耗率；x(t)表示整个无线供电物联网系统在时刻t的能量；r表示贴现率；T表示时间上限；Vt^k(t,x)表示V^k(t,x)关于t的偏导；表示V^k(t,x)关于x的偏导；sk表示时刻t的能量对相应资源分配模型的影响权重。

进一步地，为类别k中的无线节点分配的最佳无线能量传递资源表示为：

其中，表示为类别k中的无线节点分配的最佳无线能量传递资源。

进一步地，所述方法还包括：

对贝尔曼方程Vt^k(t,x)进行求解，得到无线功率传输的最佳能量转移单价：

其中，表示无人机在时刻t时控制的无线功率传输的最佳能量转移单价。

本发明的上述技术方案的有益效果如下：

上述方案中，构建由无人机和无线节点组成的无线供电物联网系统，所述无人机基于无线电力传输技术移动以进行功率传输，为无线节点充电，所述无线节点从无人机获取能量并利用获取到的能量将信息传输到无人机；构建无线节点的能量传递的最大利润函数，对构建的利润函数进行求解，得到无线节点到无人机的最佳发射功率；无人机在无线信息传输和无线功率传输过程中，以最大化能量传递收益为目标，构建基于动态博弈的无人机与无线节点资源分配模型；根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼动态规划，获得纳什均衡解，作为无线供电物联网系统中无线能量传递资源的最佳分配策略，从而实现无线供电物联网系统中无人机与无线节点的最佳资源分配。这样，与传统无线功率传输技术相比，无人机由于其固有的灵活性、高移动性，可以在无线节点周围动态移动，为大面积分布的无线节点提供无处不在的能量，具有更快，更灵活，更可控的特点，同时，无人机辅助无线功率传输可以通过动态调整位置来大大提高系统性能。

附图说明

图1为本发明实施例提供的无人机辅助无线供电物联网的资源分配方法的流程示意图；

图2为本发明实施例提供的构建无人机与无线节点的资源分配模型的流程示意图；

图3为本发明实施例提供的求解无线供电物联网系统中无线能量传递资源的最佳分配策略的流程示意图；

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的无线功率传输技术中能量发射器的位置相对固定，无法实现无线供电物联网系统有效的资源分配，导致无线供电物联网系统性能低下的问题，提供一种无人机辅助无线供电物联网的资源分配方法。

如图1所示，本发明实施例提供的无人机辅助无线供电物联网的资源分配方法，包括：

S101，构建由无人机(UAV)和无线节点组成的无线供电物联网系统，其中，所述无线供电物联网系统包括：无线节点和为无线节点供电的无人机，所述无人机基于无线电力传输技术移动以进行功率传输，所述无线节点从无人机获取能量并利用获取到的能量将信息传输到无人机；

S102，构建无线节点的能量传递的最大利润函数，对构建的利润函数进行求解，得到无线节点到无人机的最佳发射功率；

S103，无人机在无线信息传输和无线功率传输过程中，以最大化能量传递收益为目标，构建基于动态博弈的无人机与无线节点资源分配模型，其中，无人机是动态博弈的领导者，无线节点是动态博弈的追随者，能量传递收益等于无线节点的能量传递的利润减去无线能量传递到无线节点的成本；

S104，根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼(Bellman)动态规划，获得纳什均衡解，作为无线供电物联网系统中无线能量传递资源的最佳分配策略。

本发明实施例所述的无人机辅助无线供电物联网的资源分配方法，构建由无人机和无线节点组成的无线供电物联网系统，所述无人机基于无线电力传输技术移动以进行功率传输，为无线节点充电，所述无线节点从无人机获取能量并利用获取到的能量将信息传输到无人机；构建无线节点的能量传递的最大利润函数，对构建的利润函数进行求解，得到无线节点到无人机的最佳发射功率；无人机在无线信息传输和无线功率传输过程中，以最大化能量传递收益为目标，构建基于动态博弈的无人机与无线节点资源分配模型；根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼动态规划，获得纳什均衡解，作为无线供电物联网系统中无线能量传递资源的最佳分配策略，从而实现无线供电物联网系统中无人机与无线节点的最佳资源分配。这样，与传统无线功率传输技术相比，无人机由于其固有的灵活性、高移动性，可以在无线节点周围动态移动，为大面积分布的无线节点提供无处不在的能量，具有更快，更灵活，更可控的特点，同时，无人机辅助无线功率传输可以通过动态调整位置来大大提高系统性能。

本实施例中，构建的无线供电物联网系统包括：多个无线节点和为所述无线节点供电的无人机；其中，所述无人机作为电源工作，在无线节点周围移动，可以基于无线电力传输技术移动以进行功率传输，为无线节点充电。所述无线节点从无人机获取能量并利用获取到的能量将信息传输到无人机。即：无人机作为可以基于无线电力传输技术移动以对无线节点充电的电源，无人机还可以从无线节点收集所有信息；无线节点通过从无人机处收集到的能量进行信息传输，无线节点用于控制信息传输的资源。

本实施例中，在无线供电物联网系统中，尽管无线节点在物联网环境中随机分布，但假设所有无线节点都由无人机充电。

在前述无人机辅助无线供电物联网的资源分配方法的具体实施方式中，进一步地，所述方法还包括：

按照信息传输所需要的能量，将无线节点分为高能耗无线节点和低能耗无线节点；

其中，高能耗无线节点传输信息所需要的能量大于等于预设的能量阈值；低能耗无线节点传输信息所需要的能量小于预设的能量阈值。

本实施例中，无线节点根据其能耗分为两类：一类是需要更多能量用于信息传输的高能耗节点(HEC节点)，另一类是能量需求较低的低能耗节点(LEC节点)。具有不同能耗水平的无线节点将具有来自无人机的不同能量，从无人机传递到不同类别无线节点的能量是不同的。

在前述无人机辅助无线供电物联网的资源分配方法的具体实施方式中，进一步地，从无人机传输到不同能耗类别无线节点的能量是不同的；

相同能耗类别中的无线节点共享相同的信道；

当无人机将能量传输到某一类别中的无线节点时，无人机与另一类别中的无线节点之间没有能量传输和信息传输。

本实施例中，相同能耗类别中的无线节点共享相同的信道，这将导致无线节点之间的信道间干扰。当无人机将能量传输到一个类别中的无线节点时，无人机与另一类别中的无线节点之间没有能量传输，也没有信息传输。

本实施例中，假设HEC类别中存在NH个无线节点，LEC类别中的无线节点数表示为NL。无线节点的收集能量由无人机控制。同时，无线节点应支付无人机用于能量收集，能量转移单价价格也由无人机控制。基于上面给出的假设，无人机被认为是动态博弈的领导者，无线节点被视为博弈追随者。无人机可以最佳地控制其能量传递资源，无线节点可以最佳地控制其能量以进行信息传输。

本实施例中，无人机在无线信息传输和无线功率传输过程中，以最大化能量传递收益为目标，构建基于动态博弈的无人机与无线节点资源分配模型，其中，构建的基于动态博弈的无人机与无线节点资源分配模型中无人机将基于所提出的不同资源分配模型为不同能耗类别的无线节点分别进行充电。

本实施例中，构建的无人机与无线节点的资源分配模型，用于实现能量传递的最佳功率控制，如图2所示，构建无人机与无线节点的资源分配模型具体可以包括以下步骤：

A1，构建无线节点的能量传递的最大利润函数。

本实施例中，首先，使用信号干扰噪声比(SINR)来表示信息传输过程中的收入，信息传输的功率电平的形式表示如下，

其中，k表示类别编号，k＝{H,L}，H、L分别表示高能耗类别和低能耗类别；gk,i(t)表示从类别k中的无线节点i到无人机的信道增益；pk,i(t)表示从类别k中的无线节点i到无人机的发射功率；表示从类别k中的另一个无线节点j到类别k中的无线节点i的信道增益；σ²(t)表示背景噪声；是从类别k中的另一个无线节点j到无线节点i的小区间干扰；Ik,i(t)表示类别k中的无线节点i的总干扰。

本实施例中，基于(1)中给出的SINR定义，在观察时间内给出无线节点的能量传递的最大利润函数：

其中，T表示时间上限；γth表示SINR阈值，也表示QoS约束；πk(t)表示无人机在时刻t时控制的无线功率传输的能量转移单价；r表示贴现率；e^-rt表示贴现因子。

A2，求解式(2)，得出信息传输的最优功率控制方案，即：从类别k中的无线节点i到无人机的最佳发射功率：

A3，构建无人机与低能耗无线节点的资源分配模型。

本实施例中，先假设x(t)表示整个无线供电物联网系统在时刻t的能量，所提出的无线供电物联网系统的系统状态的动态变化可以用以下微分方程来描述，

其中，pk(t)是为类别k中的无线节点分配的无线能量传递资源，ηk表示能量转换效率，δ表示整个无线供电物联网系统的能量消耗率，其应该是恒定值。系统状态的初始值用x0＝x(0)表示。

使用分别表示高能耗无线节点、低能耗无线节点对高能耗无线节点的信息传输干扰，并分别表示低能耗无线节点、高能耗无线节点对低能耗无线节点的信息传输干扰。对于负责两类无线节点能量传递的无人机，应该在整个无线信息传输和无线功率传输过程中，以最大化能量传递收益(利润减去成本)为目标，构建无人机与无线节点的资源分配模型，构建的无人机与无线节点的资源分配模型包括：无人机与高能耗无线节点的资源分配模型、无人机与低能耗无线节点的资源分配模型；其中，

构建的无人机与高能耗无线节点的资源分配模型表示为：

构建的无人机与低能耗无线节点的资源分配模型表示为：

在式(5)和(6)中，ck表示无线能量传递的单位成本，sk表示时刻t的能量对相应资源分配模型的影响权重；表示无线能量传递到HEC节点的成本，表示无线能量传递到LEC节点的成本；μH和μL是自然能量衰减率；sHx(T)e^-rT和sLx(T)e^-rT是两类无线节点的终端成本。

基于式(3)，可以发现信息传输的最优功率控制解决方案，主要根据传输能量的能量转移单价而变化。在无人机宣布两类无线节点转移能量的单价后，无线节点可以对功率控制问题做出最佳决策。

本实施例中，根据构建的基于动态博弈的无人机与无线节点资源分配模型，利用贝尔曼动态规划，获得纳什均衡解，作为无线供电物联网系统中无线能量传递资源的最佳分配策略，如图3所示，具体可以包括以下步骤：

B1，根据构建的基于动态博弈的无人机与无线节点资源分配模型，构建能量传递的最佳功率控制的贝尔曼方程。

本实施例中，无人机应该基于式(5)和(6)实现能量传递的最佳功率控制，也可以实现最优的无线功率传输的最佳能量转移单价，并且反馈纳什均衡可以表征如下：

定义1，对于每个节点类别，存在最优反馈解，用表示，其中，表示无人机在时刻t时控制的无线功率传输的最佳能量转移单价，表示为类别k中的无线节点分配的最佳无线能量传递资源，如果存在连续可微贝尔曼方程V^k(t,x)为k＝{H,L}，则V^k(t,x)满足以下微分方程，

V^H(T,x)＝sHx(T)e^-rT (8)

V^L(T,x)＝sLx(T)e^-rT (10)

其中：

本实施例中，V^k(t,x)表示无人机在类别k中的无线节点的能量传递期间控制收益的价值函数；Vt^k(t,x)表示V^k(t,x)关于t的偏导；表示V^k(t,x)关于x的偏导。在观察时间期间，无人机可以基于式(7)-(10)控制两类无线节点的功率传输水平。将式(1)和(3)代入式(7)和(9)，可以得到以下微分方程，

B2，求解无线功率传输的最佳能量转移单价。

计算(13)和(14)中的πH(t)和πL(t)的偏导数，无线功率传输的最佳能量转移单价可以如下给出：

B3，求解无人机为无线节点分配的最佳无线能量传递资源。

求解(13)和(14)，无线能量传递资源pH(t)和pL(t)的最佳分配策略可以如下给出：

定理1.(11-12)中给出的值函数V^H(t,x)和V^L(t,x)可以通过如下方式获得，

V^H(t,x)＝[AH(t)x+BH(t)]e^-rt (19)

V^L(t,x)＝[AL(t)x+BL(t)]e^-rt (20)

AH(t)由下式得出，

AH(T)＝sH (22)

并且AL(t)由下式得出，

AL(T)＝sL (24)

证明.通过将V^H(t,x)的导数取为t和x，得到了

将(25-26)代入(13)，AH(t)满足，

然后，得到，

同理，可以得到，

基于(28-29)，(17)和(18)中的无线能量传递资源的最佳分配策略，可以重写如下：

同时，可以重写无线功率传输的最佳能量转移单价如下：

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。