基于旋翼无人机的节能自适应视频传输方法与流程

本发明涉及通信技术领域，更具体地说，涉及一种基于旋翼无人机的节能自适应视频传输方法。

背景技术：

近年来，由于无人机的高敏捷性、按需和低空部署能力以及无人机与地面用户之间存在的良好视距(los)通信链路，使得无人机通信得到了广泛的应用例如，可以迅速部署无人机作为空中基站提供远程监控服务，并在无基础设施的情况下向地面用户提供实时视频数据。据预计，到2021年视频流量将占到所有网络流量的82％，这将为提供高质量视频流媒体服务的无人机通信网络带来全新的挑战。

由于无人机的机动性，随时间不断变化的空对地信道质量以及不稳定的网络状况对视频传输的负面影响，这些因素都会导致用户的视频体验质量降低。基于动态自适应视频流(dash)协议的视频传输策略由于其固有的自适应性、可扩展性和对不稳定网络条件的通用性可以很好的解决上述问题。具体而言，将视频采用不同的比特率进行编码，并且由于网络条件的不同，每个地面用户都能够动态地选择合适的视频比特率，因此dash是一种很有吸引力的提高用户视频体验质量的技术。另一方面，旋翼无人机配备了螺旋桨，这可以使其悬停在固定位置上。这样的优势使其成为合适的移动基站，因为它可以飞向每个地面用户并盘旋在其上空以提供更好的视频服务。但是为了支持其运动，旋翼无人机需要消耗额外的能量提供推进力(例如：悬停)，因此无人机的有限机载能量和通信资源应得到有效利用和分配。在充分利用无人机的有限机载能量和通信资源的情况下如何最大限度地提高所有用户的最小视频体验质量也成为当前亟待解决的技术问题。

技术实现要素：

为解决上述技术问题，本发明提供一种基于旋翼无人机的节能自适应视频传输方法。

为实现上述目的，本发明所采用的具体技术方案如下：

一种基于旋翼无人机的节能自适应视频传输方法，所述方法适用于旋翼无人机视频传输系统，所述旋翼无人机视频传输系统包括一个旋翼无人机以及k个用户终端{u1,u2,…,uk}，所述旋翼无人机为所述k个用户终端提供视频服务，所述方法包括：

s1：根据公式计算所述旋翼无人机与其服务范围内的每一用户终端之间传输视频数据的视频传输速率rk[n]，rk[n]表示所述旋翼无人机与用户终端uk在时隙n进行视频传输可达到的传输速率，k＝1,2,...,k，t＝nδt,n＝1,2,...,n，t表示旋翼无人机视频服务的时长，n表示针对t划分的时隙总数，δt表示每个时隙的长度，xk[n]表示所述旋翼无人机在时隙n分配给用户终端uk的带宽占比，pk[n]表示所述旋翼无人机在时隙n分配给用户终端uk的传输功率，βk0表示所述旋翼无人机与用户终端uk距离1米的信道功率增益，h表示所述旋翼无人机的飞行高度，b表示传输总带宽，nk0表示用户终端uk的噪声功率谱密度，q[n]表示所述旋翼无人机在时隙n所处的位置点投影到二维水平面的坐标，wk表示用户终端uk的坐标；

s2：基于视频传输速率rk[n]的对数函数计算用户终端uk的视频体验质量效用uk；

s3：针对所述旋翼无人机视频传输系统建立视频体验质量效用模型p1，其中，μ＝minkuk，所述视频体验质量效用模型p1为：

p1：

s.t.ec({pk[n]})+ep({q[n]})≤emax,

q[0]＝qi,q[n]＝qf,

其中，表示旋翼无人机在n个时隙上的通信相关能耗，表示旋翼无人机在n个时隙上的无人机推进能量消耗，其中p0和pi分别表示旋翼无人机的螺旋桨叶片轮廓功率和感应功率，表示旋转叶片的最大速度，||v[n]||表示旋翼无人机在时隙n的速度，v0表示悬停中的平均叶片感应速度此外，d0表示机身阻力比，ρ表示空气密度，s表示旋转叶片的坚固性，a表示旋翼无人机转子盘面积，emax表示旋翼无人机的最大能量限制，pmax表示每个时隙旋翼无人机的最大传输功率，qi和qf分别表示旋翼无人机的初始位置和最终位置；

s4：计算所述视频体验质量效用模型p1得到变量{pk[n]}，{xk[n]}和{q[n]}在视频体验质量效用模型p1中的最优解和{q^os[n]}；

s5：根据所述最优解{q^os[n]}控制所述旋翼无人机的运动轨迹，并根据最优解控制所述旋翼无人机向对应的用户终端分配视频数据传输带宽，并根据最优解控制所述旋翼无人机向对应的用户终端分配传输功率。

进一步地，步骤s2中通过公式计算用户终端uk的视频体验质量效用uk，其中，θ和β表示应用程序常数，rk表示用户终端uk所需的视频播放速率。

进一步地，步骤s4包括：

将待优化的变量{pk[n]}，{xk[n]}和{q[n]}划分为两组，将两组变量以迭代的方式进行交替优化从而得到变量{pk[n]}，{xk[n]}和{q[n]}的最优解。

进一步地，步骤s4中划分变量{pk[n]}和{xk[n]}为一组，划分变量{q[n]}为一组。

进一步地，步骤s4包括以下步骤：

s41：设置旋翼无人机轨迹为q^r[n]；

s42：在旋翼无人机轨迹为q^r[n]的基础上将视频体验质量效用模型p1转化为凸优化模型p2，并对凸优化模型p2进行计算得到变量{pk[n]}和{xk[n]}在凸优化模型p2中的最优解和其中，凸优化模型p2为：

p2：

s.t.ec({pk[n]})+ep≤emax，

ep为在旋翼无人机的飞行轨迹为q^r[n]时，该旋翼无人机在n个时隙上的推进能量消耗；

s43：利用和q^r[n]对凸优化模型p3进行计算得到变量{q[n]}在凸优化模型p3中的最优解q^r+1[n]；凸优化模型p3为：

p3：

s.t.

q[0]＝qi,q[n]＝qf,

其中，τ[n]表示松弛变量，且

ec表示旋翼无人机向对应的用户终端根据分配视频数据传输带宽，且根据向对应的用户终端分配传输功率时旋翼无人机在n个时隙上的通信相关能耗，τ^r[n]表示当旋翼无人机的飞行轨迹为q^r[n]时，该旋翼无人机在时隙n对应的松弛变量取值，v^r[n]表示当旋翼无人机的飞行轨迹为q^r[n]时，该旋翼无人机在时隙n的速度向量；

s44：判断当前是否满足收敛条件，如是，转至s45；否则，将r更新为r+1后转至s41继续进行迭代；

s45：{q^os[n]}＝q^r+1[n]。

进一步地，所述判断当前是否满足收敛条件包括：

判断迭代次数是否达到预设迭代次数阈值，如是，则判定当前满足收敛条件；

或，

判断当前计算得到的μ是否大于等于预设视频体验质量效用阈值，如是，则判定当前满足收敛条件。

进一步地，采用凸优化技术或cvx工具对凸优化模型p2和凸优化模型p3进行求解。

本发明提供的基于旋翼无人机的节能自适应视频传输方法引入了用户视频体验质量效用模型，使所有用户终端的最小视频体验质量效用最大化，同时满足无人机的能量约束，包括通信能量和无人机推进能量，从而提升了用户体验的满意度；

进一步地，在求解用户视频体验质量效用模型的过程中应用逐次凸近似和交替优化技术得到了有效的最优解，与传统的方案相比可以在最大-最小体验质量效用方面获得显著的增益，提供节能视频流服务。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为基于旋翼无人机的节能自适应视频传输方法的流程示意图；

图2为求解模型p1的流程示意图；

图3为实验过程中旋翼无人机能量约束emax的变化对无人机轨迹的影响示意图；

图4为实验过程中旋翼无人机能量约束emax的变化对无人机速度的影响示意图；

图5为无人机能量约束emax在不同方案下对视频效用的影响示意图；

图6为不同的时间范围t对视频效用值的影响示意图。

具体实施方式

为了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，应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本实施例提供一种基于旋翼无人机的节能自适应视频传输方法，该方法适用于旋翼无人机视频传输系统，本实施例中的旋翼无人机视频传输系统包括一个旋翼无人机以及k个用户终端，这k个用户终端的集合用{u1,u2,…,uk}表示，旋翼无人机作为移动基站为k个用户终端提供视频服务，请参见图1所示，本实施例提供的基于旋翼无人机的节能自适应视频传输方法包括：

s1：计算旋翼无人机与其服务范围内的每一用户终端之间传输视频数据的视频传输速率rk[n]。

rk[n]表示旋翼无人机与用户终端uk在时隙n进行视频传输可达到的传输速率，本实施例中旋翼无人机视频服务的时长为t，在此期间旋翼无人机可以通过正交分频多址(ofdma)同时与多个用户终端通信，则每个用户终端可以分配到通信总带宽和功率的一部分，实际应用中t可以对应于所有用户视频服务的截止时间。

用户终端uk的二维坐标可以表示为wk，wk∈r^1×2，本实施例中设置旋翼无人机在固定高度h上飞行，h对应于避免与建筑物碰撞所需的最低高度，旋翼无人机的飞行轨迹投影到二维水平面可以表示为q(t)∈r^2×1,t∈[0,t]，最大无人机速度表示为vmax，将时间范围t划分为n个间隔相等的时隙，即t＝nδt,n＝1,2,...,n，则旋翼无人机轨迹q(t)可近似表示为q[n]＝q(nδt),n＝1,2,...,n，并且在第n个时隙的无人机的速度可以表示为||v[n]||＝||q[n]-q[n-1]||/δt≤vmax。此外，旋翼无人机与用户终端uk之间的距离在第n个时隙可以表示为

本实施例中将旋翼无人机和用户终端之间的链路视为los通信链路，因此，旋翼无人机与用户终端uk之间在任何时隙n处的信道功率增益可以模型化为：

其中，βk0表示旋翼无人机与用户终端uk距离1米的信道功率增益，||·||表示向量的求模运算，假设旋翼无人机的传输总带宽b，则在时隙n处分配给用终端uk的带宽占比为xk[n],0≤xk[n]≤1来表示。因此带宽分配约束条件可以表示为假设pk[n]为旋翼无人机在时隙n分配给用户uk的传输功率，则有以下功率约束条件：其中pmax表示每个时隙旋翼无人机的最大传输功率。无人机与用户uk之间在任何时隙n可达到的单位速率(bps/hz)可表示为：

其中，nk0表示用户终端uk的噪声功率谱密度。

因此，步骤s1中可以通过公式计算旋翼无人机与其服务范围内的每一用户终端之间传输视频数据的视频传输速率rk[n]。

s2：基于视频传输速率rk[n]的对数函数计算用户终端uk的视频体验质量效用uk。

本实施例中考虑的视频流效用模型中的视频体验质量效用只与视频传输速率相关，所以可以基于视频传输速率rk[n]的对数函数计算用户终端uk的视频体验质量效用uk，具体的，可以采用计算uk，θ和β表示应用程序常数，取决于不同类型的应用程序，为用户终端uk在时间范围t期间的平均传输速率，rk是用户终端uk所需的视频播放速率，它对应于视频媒体终端的物理能力(例如屏幕大小)。因此用户uk的视频体验质量效用可以表示为：

旋翼无人机的总能耗主要由两部分组成，即通信相关能量和无人机推进能量。在n个时隙上的通信相关能耗可以由给出。而无人机推进能量消耗可以由以下公式给出：

其中p0和pi分别表示旋翼无人机的螺旋桨叶片轮廓功率和感应功率，表示旋转叶片的最大速度，||v[n]||表示旋翼无人机在时隙n的速度，v0表示悬停中的平均叶片感应速度此外，d0表示机身阻力比，ρ表示空气密度，s表示旋转叶片的坚固性，a表示旋翼无人机转子盘面积。

s3：针对旋翼无人机视频传输系统建立视频体验质量效用模型p1，其中，μ＝minkuk，视频体验质量效用模型p1的优化目标为maxμ，也即表示最大化所有用户终端最小的体验质量效用，同时需要满足旋翼无人机的能量限制。

本实施例中建立的视频体验质量效用模型p1为：

p1：

s.t.ec({pk[n]})+ep({q[n]})≤emax,(4)

q[0]＝qi,q[n]＝qf,(10)

其中，表示旋翼无人机在n个时隙上的通信相关能耗，表示旋翼无人机在n个时隙上的无人机推进能量消耗，emax表示旋翼无人机的最大能量限制，pmax表示每个时隙旋翼无人机的最大传输功率，qi,qf∈r^1×2，qf分别表示旋翼无人机的初始位置和最终位置。

s4：计算视频体验质量效用模型p1得到变量{pk[n]}，{xk[n]}和{q[n]}在视频体验质量效用模型p1中的最优解和{q^os[n]}。

s5：根据最优解{q^os[n]}控制所述旋翼无人机的运动轨迹，并根据最优解控制旋翼无人机向对应的用户终端分配视频数据传输带宽，并根据最优解控制旋翼无人机向对应的用户终端分配传输功率。

在求解视频体验质量效用模型p1的过程中，约束条件(4)的左边部分不是关于{q[n]}和{pk[n]}的联合凸函数，并且约束条件(5)的左边部分也不是变量{q[n]}，{pk[n]}和{xk[n]}的联合凸函数，因此问题p1是一个通常很难求解的非凸优化问题。

本实施例中采用交替优化方法求解问题p1，具体的，步骤s4可以包括：

将待优化的变量{pk[n]}，{xk[n]}和{q[n]}划分为两组，将两组变量以迭代的方式进行交替优化从而得到变量{pk[n]}，{xk[n]}和{q[n]}的最优解。

可选的，可以划分变量{pk[n]}和{xk[n]}为一组，划分变量{q[n]}为一组。

在旋翼无人机轨迹{q[n]}固定的情况下，视频体验质量效用模型p1的优化问题可以转化成传输功率{pk[n]}和分配的带宽占比{xk[n]}的优化问题，由于{q[n]}固定，因此旋翼无人机的推进能量ep也固定了。在这种情况下视频体验质量效用模型p1的优化问题的子问题可以表示为问题(a)：

(a)：

s.t.ec({pk[n]})+ep≤emax,(11)

(5)-(9)；

在{q[n]}确定的情况下，可以验证优化问题(a)是一个凸优化问题，因此可以采用标准凸优化技术或cvx工具进行有效地求解。

如果带宽分配{xk[n]}和无人机传输功率分配{pk[n]}确定，则视频体验质量效用模型p1的优化问题的另一个子问题可以表示为：

(b)：

s.t.ec+ep({q[n]})≤emax,(12)

(5),(10)；

由于约束条件(5)和(12)是非凸约束条件，因此问题(b)是非凸优化问题。为了处理ep({q[n]})中的非凸项，引入松弛变量{τ[n]≥0}，定义为进而得到定义进而可以得到以下的优化问题：

(c)：

s.t.

(5),(10)；

可以验证问题(c)失去最优性的情况下，约束条件(14)中的等式应该成立。否则，我们总是在其他变量不变的情况下减少{τ[n]}，从而可以获得一个具有相同目标值的可行解。因此求解问题(b)等同于求解问题(c)。在问题(c)中，虽然约束条件(13)的左边部分是关于变量{q[n]}和{τ[n]}联合凸的，但由于约束条件(5)和(14)仍然是非凸，因此问题(c)仍然是一个非凸优化问题。但是对于问题(c)，可以利用逐次凸近似技术(sca)技术来求解问题(c)的局部最优解。具体来说，在第r次迭代过程中利用给定的局部点q^r[n]并且定义通过将对数函数进行一阶泰勒展开得到以下不等式：

其中，

类似的，通过在给定局部点τ^r[n]和处的τ[n]²和||v[n]||²进行一阶泰勒展开，可以得到

根据得到的下界和z^lb[n]，问题(c)在第r次迭代中近似为问题(d)：

(d)：

s.t.

(10),(13)；

可以验证问题(d)是一个凸优化问题,可以利用标准凸优化技术在多项式时间内求解。

基于上述分析，对于模型p1，可以应用交替优化方法来解决模型p1的优化问题，具体的，请参见图2所示，步骤s4的迭代过程可以包括以下子步骤：

s41：设置旋翼无人机轨迹为q^r[n]。

s42：在旋翼无人机轨迹为q^r[n]的基础上将视频体验质量效用模型p1转化为凸优化模型p2，并对凸优化模型p2进行计算得到变量{pk[n]}和{xk[n]}在凸优化模型p2中的最优解和其中，凸优化模型p2为：

p2：

s.t.ec({pk[n]})+ep≤emax，

ep为在旋翼无人机的飞行轨迹为q^r[n]时，该旋翼无人机在n个时隙上的推进能量消耗。

s43：利用和q^r[n]对凸优化模型p3进行计算得到变量{q[n]}在凸优化模型p3中的最优解q^r+1[n]；凸优化模型p3为：

p3：

s.t.

q[0]＝qi,q[n]＝qf,

其中，τ[n]表示松弛变量，且

ec表示旋翼无人机向对应的用户终端根据分配视频数据传输带宽，且根据向对应的用户终端分配传输功率时旋翼无人机在n个时隙上的通信相关能耗，τ^r[n]表示当旋翼无人机的飞行轨迹为q^r[n]时，该旋翼无人机在时隙n对应的松弛变量取值，v^r[n]表示当旋翼无人机的飞行轨迹为q^r[n]时，该旋翼无人机在时隙n的速度向量。

凸优化模型p3是利用给定的局部点q^r[n]得到的最优解，其目标值在每次迭代后都是递增的。另外目标值是存在有限的上界的，从而保证了迭代算法的收敛性。

s44：判断当前是否满足收敛条件，如是，转至s45；否则，将r更新为r+1后转至s41继续进行迭代；

步骤s44中判断当前是否满足收敛条件包括：

判断迭代次数是否达到预设迭代次数阈值，如是，则判定当前满足收敛条件；

或，

判断当前计算得到的μ是否大于等于预设视频体验质量效用阈值，如是，则判定当前满足收敛条件。

s45：{q^os[n]}＝q^r+1[n]。

具体来说，通过在每次迭代中相应地求解凸优化模型p2和凸优化模型p3，从而得到视频体验质量效用模型p1中的最优解和{q^os[n]}。

为了更好的理解上述提及的迭代算法，这里以一个具体的示例进行说明：

步骤1：可以将旋翼无人机的轨迹初始化为基于旅行商问题得到的路径，初始化的旋翼无人机的轨迹为q⁰[n]；

步骤2：基于q⁰[n]利用标准的凸优化技术可以求解凸优化模型p2，从而得到p2的最优解和

步骤3：利用q⁰[n]、和求解凸优化模型p3得到在本次迭代过程中{q[n]}的最优解{q¹[n]}；

通过上述步骤1-步骤3，则完成了一次迭代，后续则在第一次迭代得到的最优解{q¹[n]}、和的基础上进行第二次迭代，重复多次，从而得到视频体验质量效用模型p1中的最优解和{q^os[n]}。

为了验证本实施例提供方法的有效性，进行了相关实验，在实验中假设用户随机的位于1.6×1.6平方公里的地理区域内，对于视频体验质量效用函数中的参数，设置θ＝0.8，β＝100，rk＝r，r＝1mbps，对于旋翼无人机的能量相关参数，设置d0＝0.3，utip＝200，a＝0.79，a＝0.79，ρ＝1.225，s＝0.05，p0＝580.65，pi＝790.6715，pmax＝0.1w，h＝100米，qi和qf设为[-800,0]^t，b＝1mhz，nk0＝-170dbm/hz，βk0＝-60db，在执行迭代算法时初始化旋翼无人机的轨迹为基于旅行商问题得到的路径。

图3示出了实验过程中当t＝160s时旋翼无人机能量约束emax的变化对无人机轨迹的影响，图3中的三角形表示初始和最终的无人机位置，从图中可以看到无人机将靠近每个用户终端以提供视频流媒体服务，而且当能量约束emax足够大时，它可以悬停在每个用户上方，并且这种趋势在图4中也得到了验证，图4示出了实验过程中当t＝160s时旋翼无人机能量约束emax的变化对无人机速度的影响。原因在于通过能量消耗模型可以得到无人机悬停的能耗大于当无人机以15m/s速度飞行的无人机的能耗。

为了进一步表明本实施例提出的方法的性能增益，考虑了以下几个基准对比方案，即资源均分基准方案、最小化能量消耗基准方案和效用值上界方案。在资源均分基准方案中，在所有用户之间分配相同的功率和带宽并且通过求解问题(b)得到无人机轨迹。在最小化能量消耗基准方案中，通过类似的迭代算法可以将带宽和功率分配以及无人机轨迹进行联合优化以最小化无人机的总能量消耗。另外比较了max-min视频效用值的上界。通过假设理想情况得到一个上界的值，也即在整个飞行过程中，无人机一直在每个用户的顶部提供视频服务并且不考虑飞行时间和无人机的能量限制。在这种情况下，通过式(2)可以得到rmax是用户uk和无人机之间的最大传输速率

图5表明了当t＝160s时无人机能量约束emax在不同方案下对视频效用的影响。从图中我们发现，随着emax的增大，视频效用也增加，这是因为无人机有足够的能量悬停在每个用户上，因此它可以提供更好的视频服务。图6表明了emax＝200kj时不同的时间范围t对视频效用值的影响。随着t的增加，三种方案的视频效用先增大后减小。这是因为当能量约束emax固定时，当t变得足够大时，无人机应该以更小的推进能量飞行，因此无人机不会悬停在每个用户顶上，从而导致视频效用值总体上减少，这反映了视频流效用值与无人机能耗之间的折中平衡。此外，当emax和t很大时，本实施例提出的解决方案与视频效用上界之间的性能差距很小，显示了本实施例提供的方案的有效性。

本实施例提供的基于旋翼无人机的节能自适应视频传输方法实质上是一种联合优化方案，以最大限度地提高所有用户的视频效用并保证公平性。通过应用逐次凸近似和交替优化技术，本实施例提出了一种有效的迭代算法来得到视频体验质量效用模型的最优解，并对收敛性进行了分析。仿真结果表明，所提出的解决方案在提高用户视频效用方面优于其他基准方案。

要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。