一种基于时间相关性的无人机基站群组部署方法与流程

本发明涉及无线通信技术领域，特别涉及无人机(unmannedaerialvehicle，简称为uav)基站网络中基于时间相关性的无人机基站群组的部署设计。

背景技术：

随着无人机(unmannedaerialvehicle，uav)技术的显著进步，例如更好的电力管理技术，增加的有效载荷能力，更长的平均飞行时间等，无人机可以用于多种目的，例如拍摄，监视，运输，通信等，无人机成为增强当前蜂窝网络的功能的一种灵活的解决方案。在通信方面，由于无人机的高动态特性和无人机与地面用户之间的视距的传输链路，无人机可作为临时基站为有大量数据流量需求的热点区域(如大型活动、音乐会、体育赛事)分流，或者是为事故、灾难导致的地面覆盖的盲区提供临时覆盖，此外，无人机基站还可以作为在缺乏传统蜂窝基础设施的偏远地区提供无处不在的连接的可能候选者。对于这些补盲、补热的场景，与临时安装传统基站相比，无人机基站的临时部署更加高效且更具成本效益。

在无人机基站为地面基站的覆盖盲区提供服务的网络场景中，无人机基站具有灵活部署和视距传输的优点，然而仅由单个无人机提供服务时，单个无人机具有有限的服务能力，障碍物会对单链路的传输质量产生较大的影响，视距链路传输会带来严重的干扰问题，且无人机的动态特性会导致速率波动。由此可见，单无人机基站进行服务时，无法保证用户通信的高质量、稳定性和持续性。因此以无人机基站群组的方式进行部署，以保证无人机基站服务区域内，用户处的传输的有效性和稳定性。在无人机基站群组内，无人机基站的部署与需要服务的区域范围、用户的数据流量需求、建筑物的遮挡状况有关，群内的无人机基站存在着站点间的资源协作，多个无人机基站的位置部署存在空间依赖关系。

在地面基站的覆盖盲区部署无人机基站群组时，由于无人机基站群组中站点之间的空间依赖性和地面基站的静态部署，网络拓扑具有稳定性，这种稳定性引入了时间相关性，即不同时隙之间网络状态的相关性，对站点而言，可根据时间相关性的大小得到网络状态在当前时隙与历史时隙的关联程度，从而指导网络资源调度。另一方面，由于三维空间信道中非视距(non-line-of-sight，nlos)/视距(line-of-sight，los)径能量的变化、障碍物的遮挡情况不同、及不同时隙之间独立的多径衰落，用户处性能在时间上具有波动性；无人机基站群组的动态构建导致了站点空间分布和链路状态的改变，从而使得用户处的网络性能具有时变性；由于用户处的网络性能在时间上波动，瞬时速率已经不能表征网络平均速率，瞬时的性能指标并不能反应用户处的实际的通信质量，因此基于单时隙的覆盖率、速率来指导无人机基站的部署无法实现无人机基站的最优部署，需要考虑基于时间相关性的大尺度时间的网络性能对无人机基站部署的影响。

技术实现要素：

本发明考虑基于时间相关性的无人机基站群组部署方法，无人机基站在地面基站的覆盖盲区进行快速部署，为地面用户提供服务。具体地，存在多个地面基站的覆盖盲区，将由多个无人机基站群组为这些区域内的用户提供服务；将这些由无人机基站服务的区域称为目标区域，则每个目标区域对应一个无人机群，无人机群的中心对应于目标区域的中心，无人机基站群组的部署范围由目标区域的大小决定，无人机基站的部署高度与目标区域内建筑物的平均高度有关。无人机基站覆盖区域内用户的累积干扰总共来自于三个方面：一是用户的服务无人机基站群组内除服务无人机基站外的其他无人机的干扰；二是其他群内的无人机的干扰；三是地面基站的干扰。进一步地，通过度量不同时隙之间用户处累积干扰的相关关系来反映时间相关性大小，基于时间相关性，用多个时隙的联合覆盖率表征大尺度时间的网络性能，根据联合覆盖率随部署参数的变化关系，得到使联合覆盖性能最优时的部署高度、群内无人机基站数量。

本发明的无人机基站群组的部署方法包括以下步骤：

步骤200，根据需要无人机基站覆盖的目标区域的环境参数，确定无人机基站群组的部署中心、群半径和部署高度的范围。

根据每个目标区域的位置确定无人机基站群组的位置，根据每个目标区域的大小确定无人机群的群半径r，群内的无人机部署在一个以目标区域的区域中心为圆心，以r为半径的圆形区域内，每个群所处的圆形区域的半径r的计算如式(1)为：

其中，上述式(1)中，α代表半径因子，由每个无人机基站群组对应的目标区域的大小决定，是半径常量，对所有无人机基站群组都相同，由需要无人机基站覆盖的所有目标区域的平均大小决定。

根据目标区域内建筑物的平均高度h0，确定无人机基站的部署h的取值范围，其关系式为：

h≥h0(2)

步骤210，引入时间相关性因子，通过计算不同时隙累积干扰的相关性获取时间相关性大小。

无人机基站服务的用户受到的累积干扰，来自于三个部分：服务无人机群内其他无人机的干扰；其他无人机群的干扰；地面基站的干扰。其计算如式(3)为：

其中，上述式中代表服务无人机群中，除了服务无人机基站的其他无人机基站给用户带来的干扰，代表除服务无人机群的其他群给用户带来的干扰，is代表地面基站给用户带来的干扰，它们的计算分别如式(4)、(5)、(6)为：

其中，上述式中pd代表无人机的发射功率，ps代表地面基站的发射功率；g代表小尺度衰落，考虑信号的小尺度衰落为瑞利衰落；ls(||x||)代表地面基站到用户之间的平均路损，其计算式为:

ls(r)＝k^-1r^-α(7)

其中，k代表常数，α代表链路的路损指数。

和都代表空对地信道的平均路损其具体的计算式为：

其中，r代表无人机基站在地面的投影到用户之间的距离；h代表无人机基站的高度；而的计算式为:

其中，a1和b1都与传输环境有关的常数值，kδ＝klos-knlos，ki＝ζi(c/(4πfmhz))^-1，i∈{los,nlos}，ζi是与环境有关的固定的路损值，α是空对地链路的路损指数。

获取用户的累积干扰后，通过计算不同时隙的干扰相关系数ζ(u1,u2,t1,t2)来获取网络状态的时间相关性，干扰相关系数ζ(u1,u2,t1,t2)的计算如式(10)为：

其中，iε(un,tn)代表第n个时隙的累积干扰，un代表第n个时隙用户所处的位置，e[iε(un,tn)]代表第n个时隙的网络平均干扰功率，代表时隙1和时隙2的累积干扰乘积的期望，var[iε(un,tn)]代表第n个时隙的累积干扰的方差。

步骤220，基于网络的时间相关性，获取无人机基站群组服务区域内的大尺度时间覆盖性能，并根据大尺度时间覆盖性能随无人机基站的部署高度和群内无人机基站数量的变化情况，得到最优的无人机基站群组部署方案。

用联合覆盖率pcⁿ来准确地表征大尺度时间的网络性能，联合覆盖率定义为多个时隙用户处的接收信噪比同时高于信噪比阈值的概率，其计算如式(11)为：

其中，pd代表无人机的发射功率，代表路径损耗，gn代表第n个时隙的小尺度衰落，in代表第n个时隙的累积干扰，β代表接收信噪比的阈值，由用户的对信噪比的需求确定。

通过已知环境参数确定部署位置、群半径、部署高度的范围后，根据联合覆盖率随着群内无人机基站数量、无人机基站的部署高度和地面基站与无人基站的发射功率比的变化关系，确定使网络的大尺度时间覆盖性能最优时的群参数设置。得到最优的部署高度、群内无人机基站数量后，根据联合覆盖率随地面基站和无人机基站的发射功率比的变化关系，调整无人机基站的发射功率，得到最优的无人机基站群组部署。

有益效果

本发明针对地面基站的覆盖盲区，提出了利用无人机基站群组进行补盲时的部署方法。利用无人机基站群组进行补盲，有效的解决了单无人机基站服务能力受限、单无人机基站传输时链路波动等问题；根据实际环境情况得到部署的参数设置：根据目标区域的位置确定了部署的位置，根据目标区域的大小确定了群半径，根据目标区域内建筑物高度给出了无人机基站的部署高度的范围，对实际补盲场景中无人机基站的部署有指导意义。

引入时间相关性因子，通过不同时隙累积干扰的相关系数来获取网络状态在不同时隙的相关关系。在无人机基站群组进行传输时，不同时隙之间los和nlos径之间互相转化、障碍物的遮挡情况发生变化、无人机基站群组的动态更新，导致了链路状况的波动和网络拓扑的变化，使得瞬时的性能指标不能反应实际的通信质量，因此提出基于时间相关性的联合覆盖率以更准确地反映实际的网络性能。

通过联合覆盖率随无人机基站部署高度和群内无人机基站数量的变化关系，确定网络的大尺度时间覆盖性能最优时部署参数的设置，确定部署参数设置之后，根据联合覆盖率随地面基站和无人机基站的发射功率比的变化关系调整无人机基站的发射功率，实现最优的无人机基站群组的部署。

附图说明

图1是本发明的基于时间相关的无人机基站群组部署的网络模型示意图；

图2是本发明的算法实施流程图；

图3是干扰相关系数随群内无人机基站数量和群半径变化关系图；

图4是联合覆盖率随群内无人机基站数量的变化关系图；

具体实施方式

本发明针对地面基站的覆盖盲区，提出了无人机基站群组进行补盲时的部署方法，网络模型如附图1所示。附图1中的子图给出了无人机基站群组补盲时的网络拓扑：存在多个地面基站覆盖盲区的区域(即，目标区域)，将由多个无人机基站群组为这些目标区域内的用户提供服务；根据目标区域的位置和范围在一个圆形区域内部署无人机基站群组，每个群内包含多个无人机基站；圆形区域的中心对应于目标区域的区域中心，圆形区域的半径由目标区域的大小确定；无人机的部署高度与目标区域内建筑物的平均高度有关。如图1中的3d模型图所示，无人机基站群组服务区域中，用户的累积干扰来源于三个部分：服务无人机群内的干扰，其他无人机群的干扰，地面基站的干扰。

在无人机基站服务时，由于视距和非视距链路之间能量的互相转化、障碍物遮挡情况的变化、以及无人机基站群组的动态更新，导致了链路的波动和用户处业务速率的波动，为了更准确地表征用实际的网络性能，利用多时隙的联合覆盖率对大尺度时间的网络性能进行度量，联合覆盖率的定义为多个时隙的接收信噪比同时超过阈值的概率。利用联合覆盖率表征网络的大尺度时间性能的必要性有赖于网络状态的时间相关性，在本发明考虑的场景中，网络状态的时间相关性是由无人机基站群组中站点之间的空间依赖性和地面基站的静态部署导致的稳定性引入的，用不同时隙用户处的累积干扰的相关系数度量时间相关性，在此基础上，得到用户处多个时隙的联合覆盖率。根据联合覆盖率随部署参数的变化关系，确定最优的参数设置。

本案例的算法流程如附图2所示，其具体的实施步骤为：

步骤300，以地面盲区作为无人机基站服务的目标区域，获取目标区域的环境参数：位置，大小，区域内建筑物的平均高度。无人机基站群组部署在一个个圆形区域内，圆形区域的中心对应于目标区域的区域中心，每个圆形区域的半径由决定，α是半径因子，由当前部署的目标区域大小和所有目标区域的平均大小的比值决定，由所有目标区域的平均大小决定。无人机基站的部署高度h的取值范围与目标区域内建筑物平均高度h0有关，由于无人机基站的部署会受建筑物的约束，同时，为了保证大概率的视距传输，设定h的取值大于h0。

步骤310，引入时间相关性因子，用户处的累积干扰是服务群内的除服务无人机外其他无人机、其他群的无人机和地面基站的干扰总和，通过计算不同时隙累积干扰的相关系数获取时间相关性大小，反映不同时隙之间网络状态的相关程度。

步骤320，基于网络的时间相关性，获取无人机基站群组的大尺度时间覆盖性能，用联合覆盖率表征大尺度时间覆盖性能；基于已经获得的无人机基站群组的群半径和无人机基站高度的取值范围，根据联合覆盖率随无人机基站高度、群内无人机基站的数量、地面基站和无人机基站的发射功率比的变化关系，得到最优的uav群部署。

仿真结果如附图3和附图4所示。附图3中给出了干扰相关系数随不同的无人机基站的数量c、群半径r、用户在两个时隙之间的距离的变化关系。附图3中以两个时隙之间用户的距离为横坐标，可以看出干扰相关系数随着用户在时隙间距离的变大而减小，这是因为随着距离的增大，两个时隙间用户处的传输环境差别越大导致传输链路的相关性越小，且两个时隙间无人机基站到用户传输距离的差值变大导致两个时隙信号经过的衰落情况相关性变小。附图3中3条实线对比了群内不同的无人机基站数量的干扰相关系数，可以看出随着无人机基站数量增多干扰相关性变强；图中还可以看出，随着群半径的增大，干扰相关系数减小，这是因为随着群半径增大，群内站点的集群效应在减小，站点间的依赖关系减小，导致干扰相关性减小。当两个时隙用户所处的位置为零时，干扰相关性较强，这说明对于静止的或是低速率的用户，两个时隙的性能具有较强的相关性。对于本发明研究的实际场景中，由于两个时隙的间隙很小，用户位置的距离也趋于零，干扰相关系数较大，说明不同时隙的网络状态具有较强的时间相关性，因此用联合覆盖率来表征网络大尺度时间覆盖性能。

附图4给出了对于已知群半径和给定最优高度时联合覆盖率随地面基站和无人机基站的发射功率比、无人机基站数量的变化关系。具体地，群半径由决定，根据联合覆盖率随部署高度在取值范围内的变化关系，取得最佳多时隙联合覆盖性能时的高度值即为最优高度。由附图4可以看出，联合覆盖率随着群内无人机基站的数量先增大后减小，这是因为一开始增加群内的无人机数量，可以减小服务无人机基站到用户的传输距离，提高用户处的接收信噪比，但增加到一定程度之后，无人机基站数量的增多不仅加强了有用信号强度，也使干扰问题变得更加严重。对于不同的群半径，联合覆盖率达到峰值的点所对应的无人机基站数量不同，例如图中所示，在r＝20时，对应的群内最优无人机基站的数量为3，而r＝100时，对应的群内最优无人机基站的数量为5；且在群半径较小时，能取得的最大联合覆盖率的值更大。此外，从图中还可看出，当地面基站与无人机基站发射功率比更小时，用户处的联合覆盖性能越好，这是因为，图中所示是盲区内的多时隙覆盖性能，用户由无人机基站进行服务，当地面基站与无人机基站发射功率比较低时，意味着无人机站点的传输功率更大，导致用户处有用信号的功率更大，因此大尺度时间覆盖性能越好。