一种多无人机基站轨迹优化和功率分配方法与流程

1.一种多无人机基站轨迹优化和功率分配方法，其特征在于，

所述多无人机基站为处在同一频段服务地面用户的多个无人机基站，各个无人机基站的存储能量和服务半径均不同；

所述轨迹优化和功率分配的方法为：建立基于干扰相互作用的平均场型博弈模型，在满足用户通信质量的条件下基于所有无人机基站的位置状态以及储存能量状态的平均来描述与其他成员相互作用，构建状态演进的动态方程以及成本函数，使用平均场值学习算法不断迭代更新得到轨迹以及下行发射功率的最优规划。

2.根据权利要求1所述的一种多无人机基站轨迹优化和功率分配方法，其特征在于，具体按照以下步骤实施：

步骤一、构建系统模型：输入无人机移动基站个数m，用户个数n以及所有坐标位置d＝{l1,l2,l3,...,ln},li＝(li,1,li,2)，大量用户随机分布在指定服务区域内，每个无人机移动基站采用时分复用方式服务指定区域内地面用户；

步骤二、初始部署方案：通过使用k-means算法，根据用户分布密度将用户分为m簇，根据无人机基站的存储能量和服务半径合理将无人机基站部署于簇中心，得到每个无人机基站的初始位置信息(xi，1(t),xi,2(t),xi,3(t)),i∈{1,...,m}和每个簇内的用户个数ni,i∈{1,...,m}；

步骤三、建立无人机对地服务状态动态方程：用位置以及剩余能量信息表示无人机移动基站i的状态，无人机移动基站的动态状态方程描述了无人机基站在时刻t的位置以及下行发射功率变化趋势；

步骤四、建立无人机移动基站的成本函数：对于每个参与博弈过程的无人机基站而言，分别根据用户信干噪比要求以及无人机在飞行过程产生的能耗构造出无人机移动基站的通信成本函数以及飞行成本函数，将均场项引入无人机的长期平均总成本函数中，制定出每个无人机移动基站的长期平均总成本函数；

步骤五、通过平均场值学习算法对长期平均总成本函数不断迭代更新得到轨迹以及下行发射功率的最优规划。

3.根据权利要求书2所述的一种多无人机基站轨迹优化和功率分配方法，其特征在于，所述步骤二中k-means算法对用户分簇的具体方法是：

首先从输入的所有用户坐标集合d中随机选取m个用户坐标作为初始均值向量{μ1,μ2,...,μm}；

计算每个用户应该属于的簇类：

计算更新每个均值向量：

重复计算公式(1)和公式(2)，最终输出地面用户簇划分c＝{c1,c2,...,cm}，根据无人机基站的存储能量和服务半径合理将无人机基站部署于簇中心，得到无人机移动基站的初始部署位置。

4.根据权利要求书2所述的一种多无人机基站轨迹优化和功率分配方法，其特征在于，所述步骤三中建立状态动态方程的具体过程如下：

无人机基站i的位置信息以及剩余能量信息表示其在时刻t的状态，其中{xi，1(t),xi,2(t),xi,3(t)}表示无人机基站i的位置状态，xi,4(t)表示无人机基站i的剩余能量状态；表示无人机基站i的飞行控制策略以及功率控制策略；每个无人机基站的控制策略表示位置状态以及功率状态的转变；引入状态均场项和策略均场项来表征交互作用，则对于无人机基站i而言，状态动态方程可以表示为：

其中，r0表示环境对状态的影响因子，中的{ri，1(t),ri,2(t),ri,3(t)}表示无人机基站在各个方向的飞行速度，ri,4(t)＝-1表示剩余能量和下行发射功率之间的关系，可以表示为dxi,4(t)＝xi,4(t)-ui,4(t)+wi,4(t)。wi(t)为一个随机布朗过程表示状态动态方程的随机性。

5.根据权利要求书2所述的一种多无人机基站轨迹优化和功率分配方法，其特征在于，所述步骤四中构建成本函数的具体过程如下：

设计无人机的成本函数包含对地通信成本以及飞行成本；

首先，设计无人机基站的飞行成本定义为距离的函数，则可得无人机的飞行成本函数如公式(4)所示：

c1,i＝e0i||qi(t)||²(4)，

其中，为无人机每单位平方距离的推进功率，p0i为叶尖功率，vi为无人机i的飞行速度，utip为叶尖速度；另外，飞行距离表示为：

qi(t)＝(xi，1(t+1)-xi，1(t))²+(xi，2(t+1)-xi，2(t))²+(xi，3(t+1)-xi，3(t))²；

在任意时刻t，无人机基站i在用户k处的信干噪比为：

其中，pik(t)表示无人机基站i的发射功率，γk表示用户k的信干噪比要求，表示无人机j到用户k的距离，gjk表示无人机j对用户k的信道增益，n0代表噪声，α表示信道衰落因子，无人机基站i的通信成本函数为：

结合公式(4)和公式(6)，并将均场项引入成本函数，则无人机基站i的运行成本函数为：

终端成本函数φi(x,t)取决于无人机基站的最终的状态，表示为：

无人机移动基站i在时间(0,t)内的长期平均总成本函数为：