基于圆覆盖功率优化的6G无人机基站站址规划方法及系统

基于圆覆盖功率优化的6g无人机基站站址规划方法及系统
技术领域
1.本发明属于本发明涉及6g天地一体化网络场景中对天基核心通信设备无人机基站的规划技术领域，具体涉及一种利用几何圆覆盖进行建模来保证对地面用户全覆盖的无人机基站站址规划方法。


背景技术：

2.移动通信从最初发展到第五代通信网络(the fifth generation mobile communication，5g)其通信特点发生了巨大改变，1g时代只能打电话、信号质量差，2g时代称为“文字时代”到3g时代数据传输有所提升4g进入“视频时代”再到5g开启通信技术与互联网技术的融合时代，出现了多种新型无线接入技术和演进技术，但这对于人们日益丰富的需求而言，仍存在大量不足。2019年11月于北京成立了6g的研发专家工作组，标志着我国6g关键技术研发工作正式开始。
3.6g相对于5g时代在通信网络整体架构上将发生改变，从而满足未来出现的多种应用场景及通信需求。目前5g网络中基站大多部署在陆地上，这种静态的、单维的通信网络在面对特殊的通信场景或是突发性的通信网络瘫痪时可能无法满足用户的通信需求。6g通信网络将是一个前所未有的全维度全覆盖的超灵活致密网络，它将联合传统地面网络、空中网络、卫星星座网络以及水下网络，实现空天地海一体化的全球覆盖。特别是，热气球、空中飞行艇、无人机(unmanned aerial vehicle,uav)等可移动性强且便于部署的空中飞行器的种类和数量增加，建立空中飞行基站作为通信节点的低空网络用于补充静态网络架构将在6g时代发挥重要作用。
4.无人机通信网络相比于其他通信而言具有可控性强，灵活性高等优势，能够用于火灾探测、紧急救援等应急通信场景，也能为重要会议、大型赛事等高密度业务场景提供有效的通信服务。同时，近些年来无人机技术也在快速发展，在制造成本、操作可控性以及机体尺寸方面都有巨大改进，这使得无人机通信从军事领域转向公共民事领域，在城市交通、水利管理、战场侦察、林业管理等方面都展开广泛应用。由此可见，无人机通信具有巨大的应用市场及发展潜力。
5.无人机通信的发展离不开对无人机通信系统模型及其性能方面的研究。在通信领域，无人机既可以作为空中用户也可以搭载空中基站作为中继或基站。无人机作为空中用户被大规模使用在物联网中，收集来自于地面设备的传感数据等；无人机搭载基站作为中继被用在超密集场景中，可对移动用户进行信号加强以及提供远距离通信；uav-bs则更多的用于卸载地面网络的数据量和应急通信方向。无人机通信借助其便捷、受环境影响较小的优势在应急通信方面成为低空网络组成首选。但同时无人机自身的体积小、电池容量低、续航时间有限的特点也给无人机网络带来通信服务时间有限，能效低的问题。另外，无人机飞行高度受限，载重能力受限使得uav-bs覆盖范围有所限制。因此，综合考虑无人机的限制因素以及不同场景的通信需求进行合理的位置部署及站址规划技术研究对6g通信技术发展具有深刻影响。
6.uav-bs站址规划问题的研究目的在于通过位置部署规划来尽可能的提高无人机通信网络的有效性及覆盖性能。一方面，无人机飞行或悬停会对信道产生影响，当无人机靠近地面时可以降低信号的路径损耗，但也有可能增加非直射信号加剧多径效应及小尺度衰落。另一方面，机载基站功率受限导致uav-bs覆盖范围有限，部署过多无人机会带来干扰问题，无人机个数过少则无法满足用户需求。
7.目前，相关技术仍待发展，大多数站址规划技术依然针对地面网络，基站部署于地面网络，覆盖范围有限，可提供的通信服务容量远不能满足6g天地一体化架构带来的密集服务请求。同时当前站址规划也存在基站覆盖范围重复率高、干扰严重、功率损耗严重的问题，不能很好的做到绿色节能。此外，当前站址规划大多基于长期的目标区域地理交通模式，重新部署灵活性较差，无法保证6g网络无处不在的连接要求。


技术实现要素：

8.为了解决现有技术中存在的问题，本发明提供一种基于圆覆盖功率优化的6g uav-bs站址规划方法，利用圆覆盖模型进行无人机站址规划以保证天基无线网络能够实现对地面用户的全覆盖，同时利用最小二乘法进行拟合圆覆盖结果提出系统发射功率函数作为站址规划性能指标，最后利用牛顿迭代求解满足覆盖约束包含最优uav-bs部署个数、站址信息及最小系统功率的规划方案。
9.为了实现上述目的，本发明采用的技术方案是：一种基于圆覆盖功率优化的6g无人机基站站址规划方法，包括以下步骤：
10.s1，根据规划要求测量计算目标区域大小，根据业务需求设置网络带宽、载波频率以及飞控中心可同时控制的uav-bs个数m，对uav-bs与地面用户之间进行信道建模及网络能耗建模，得到圆覆盖模型；
11.s2，根据圆覆盖模型，利用二项幂函数拟合圆覆盖策略下小圆个数与半径关系，计算当前场景下每个uav-bs的覆盖半径；
12.s3，计算圆覆盖模型下单个uav-bs的发射功率寻找满足功率限制的最小uav-bs部署个数；
13.s4，设置牛顿迭代初始值为所述最小uav-bs部署个数及系统误差η，采用拉格朗日函数进行牛顿迭代计算，判断牛顿迭代计算结果是否满足|n
i+1-ni|＜η，如果满足则终止迭代、输出uav-bs最优部署个数n
opt
＝n
i+1
，否则返回继续进行牛顿迭代计算；
14.s5，对s4所得uav-bs最优部署个数进行取整操作，重新计算系统发射功率并比较得出最小值，更新并输出最少无人机基站个数及对应的圆覆盖策略下小圆位置作为站址规划。
15.s1中，对无人机基站与地面用户之间进行信道建模及网络能耗建模，uav-bs与地面用户之间的信道模型为：
16.pl(d,f)＝pl
fs
(f)+10αlg(d)+ξ
17.其中f为载波频率，c为光速，d为信号传输距离，α是衰减指数,α≥2，ξ为阴影衰落项，服从均值为0、方差为σ2的正态分布，上式第一项与f相关参考距离为1m处使用自由空间传播的friis定律计算得到，第二项是d与路径损失的对数关系，
其中r为uav-bs在地面上的投影与目标用户之间的水平距离，h为无人机飞行高度。
18.s1所述圆覆盖模型中，设计中心uva-bs与其他uva-bs之间的使用频分多址方法进行信道复用，uav-bs与用户之间的通信链路复用采用时分多址方法涉及信道，考虑n个uva-bs进行站址规划，系统通信能耗是uva-bs对地总发射功率与uva-bs间通信功率的和，即
[0019][0020]
p
ugi
(d)表示用n个uav-bs对地面用户进行全覆盖时，第i个uav-bs所需的发射功率，p
uu
为中心uva-bs与其他uva-bs之间的信道分配功率，d为信号传输距离。
[0021]
根据uav-bs与地面用户之间的信道模型、系统通信能耗以及全覆盖下每个无人机对地面用户服务所需的最小发射功率计算得到保障全覆盖条件下无人机通信系统发射功率：
[0022][0023]
pn为噪声功率，γ为地面用户的snr，dn为部署n个无人机时每个无人机能连接的最大距离，p
uu
为中心uva-bs与其他uva-bs之间的信道分配功率，n为无人机个数。
[0024]
s2中，根据圆覆盖模型，利用二项幂函数拟合圆覆盖策略下小圆个数m与半径r0的关系，计算当前场景下每个uav-bs的覆盖半径时，
[0025]
将uav-bs站址规划看做小圆覆盖大圆的问题，对一个给定圆形区域放置固定大小的等圆进行全覆盖，每个小圆的半径随着圆的数量的增加而减小，圆覆盖策略下小圆个数与小圆半径关系拟合函数如下：
[0026]
r0(n)＝ax-b
+c
[0027]
其中a、b、c为常数，置信度为95％条件下，a、b、c的置信区间为{(1.725，1.851)；(-0.8055,-0.7105)；(0.06404,0.1085)}，取(1.788，0.758，0.08626)；部署n个无人机，每个无人机所能连接的最远距离为：h为无人机飞行高度；
[0028]
每个uav-bs覆盖的投影圆最大半径为：
[0029]
r(n)＝rcr0(n)
[0030]
rc为所述大圆的半径。
[0031]
s3中，基于所述圆覆盖模型，根据所述uav-bs覆盖半径重新计算保障全覆盖条件下无人机通信系统发射功率；
[0032]
将uav-bs对地面的全覆盖时所需要的最小通信能耗优化问题为：
[0033]
p1：n
opt
＝arg min{p
sum
(n)}
[0034]
s.t.
[0035]
0＜p
ug
＜p
max
[0036]
sc(n)-s≥0
[0037]
n≤n
[0038]
其中p
max
代表uav-bs与地面用户通信所能发射的最大功率，sc(n)为规划部署n个
无人机所能覆盖的面积，s为目标区域总面积，该约束表示在每个无人机的发射功率受限的条件下部署n个以内的uav-bs实现对目标区域全覆盖，结合重新计算所得无人机通信系统发射功率和优化问题解算得到圆覆盖模型下单个uav-bs的发射功率寻找满足功率限制的最小uav-bs部署个数。
[0039]
s5中，对于牛顿迭代求解所得最优个数，同时进行向上向下取整并计算对应圆覆盖策略下覆盖目标区域所需的系统发射功率，比较二者计算结果，选择更小值所对应的uav-bs站址规划，得到uav-bs部署个数最优整数解、最小无人机通信网络系统发射功率及对应圆覆盖策略下的uav-bs位置。
[0040]
另一方面，本发明提供一种基于圆覆盖功率优化的6g无人机基站站址规划系统，包括模型构建模块、uav-bs的覆盖半径计算模块、最小uav-bs部署个数计算模块以及优化求解模块；
[0041]
模型构建模块用于根据规划要求测量计算目标区域大小，根据业务需求设置网络带宽、载波频率以及飞控中心可同时控制的uav-bs个数m，对uav-bs与地面用户之间进行信道建模及网络能耗建模，得到圆覆盖模型；
[0042]
uav-bs的覆盖半径计算模块用于根据圆覆盖模型，利用二项幂函数拟合圆覆盖策略下小圆个数与半径关系，计算当前场景下每个uav-bs的覆盖半径；
[0043]
最小uav-bs部署个数计算模块用于计算圆覆盖模型下单个uav-bs的发射功率寻找满足功率限制的最小uav-bs部署个数；
[0044]
优化求解模块用于设置牛顿迭代初始值为所述最小uav-bs部署个数及系统误差，采用拉格朗日函数进行牛顿迭代计算，判断牛顿迭代计算结果是否满足|n
i+1-ni|＜η，如果满足则终止迭代、输出uav-bs最优部署个数n
opt
＝n
i+1
，否则返回继续进行牛顿迭代计算；对uav-bs最优部署个数进行取整操作，重新计算系统发射功率并比较得出最小值，更新并输出最少无人机基站个数及对应的圆覆盖策略下小圆位置作为站址规划。
[0045]
本发明还提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述基于圆覆盖功率优化的6g无人机基站站址规划方法。
[0046]
同时提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于圆覆盖功率优化的6g无人机基站站址规划方法。
[0047]
与现有技术相比，本发明至少具有以下有益效果：
[0048]
本发明以全覆盖作为基本要求，能够确保在目标区域内任意位置用户都能够接入网络，实现6g通信所提倡无处不在的连接网络需求；利用圆覆盖模型实现全覆盖要求能够在最大程度上减少覆盖重复面积，降低uav-bs与基站之间的通信干扰；从无人机通信网络系统发射功率角度出寻找最佳无人机部署个数和最小系统发射功率对照圆覆盖模型给出最优站址规划方案，能够实现绿色节能通信；考虑飞控中心计算能力将离散圆覆盖模型进行曲线拟合再求解，有效降低了计算复杂度节约飞控中心的计算资源，以规划要求作为输入，能够适应多个不同场景的业务需求，具有很好的普适性。
附图说明
[0049]
图1为本发明的场景示意图。
[0050]
图2为圆覆盖示意图。
[0051]
图3为本发明规划方法实施步骤流程图。
[0052]
图4为利用基于圆覆盖功率优化的6g uav-bs站址规划方法实例规划结果示意图。
[0053]
图5为无人机飞行高度对系统发射功率的影响。
[0054]
图6为衰减指数对系统发射功率的影响。
[0055]
图7为目标区域半径对部署方案的影响。
[0056]
图8为本发明与传统站址规划方法性能比较。
具体实施方式
[0057]
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
[0058]
一种基于圆覆盖功率优化的6g无人机基站站址规划方法，包括以下步骤：
[0059]
步骤1：设置网络基本参数
[0060]
站址规划的目的是通过合理规划基站个数以及位置信息实现对目标区域覆盖同时需要满足客户所提的业务需求。本发明在进行站址规划前同样需要根据规划要求测量计算目标区域大小进行建模，根据业务需求设置网络带宽、载波频率、飞控中心可同时控制的uav-bs个数。图1给出了站址规划场景示意图。
[0061]
根据以上参数，对无人机基站(uav-bs)与地面用户之间进行信道建模及网络能耗建模。
[0062]
uav-bs与地面用户通信过程中会受到多路径传播和信号衰落影响，即uav-bs对地通信链路包含非视距通信链路，认为信号在自由空间中的传播满足阴影衰落模型。uav-bs与地面用户之间的信道模型可以表示为：
[0063]
pl(d,f)＝pl
fs
(f)+10αlg(d)+ξ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0064]
其中f为载波频率，c为光速，d为信号传输距离，α是衰减指数,α≥2，ξ为阴影衰落项，服从均值为0、方差为σ2的正态分布。上式第一项与f相关参考距离为1m处使用自由空间传播的friis定律计算可得。第二项给出了d与路径损失的对数关系，其中r为uav-bs在地面上的投影与目标用户之间的水平距离。
[0065]
同时，无人机通信网络中包含两种通信链路，中心uva-bs与其他uva-bs的通信链路以及uva-bs对地的通信链路。本发明中设计中心uva-bs与其他uva-bs之间的使用频分多址方法进行信道复用，以避免严重的共信道干扰，uav-bs与用户之间的通信链路复用采用时分多址方法涉及信道。考虑n个uva-bs进行站址规划，系统通信能耗是uva-bs对地总发射功率与uva-bs间通信功率的和p
sum
，即
[0066]
[0067]
p
ugi
(d)表示用n个uav-bs对地面用户进行全覆盖时，第i个uav-bs所需的发射功率。p
uu
为中心uva-bs与其他uva-bs之间的信道分配功率。假设所有uav-bs均无差别旋翼无人机、搭载同类小型基站，具有相同的覆盖能力，信号传播距离为d所需的发射功率均为p
ug
(d)。
[0068]
根据站址规划的目的可知，uav-bs部署需要保证目标区域内任意位置用户的接收信噪比(signal noise ration，snr)大于snr阈值γ
th
，即无人机部署必须满足用户需求实现全覆盖。地面用户的snr为：
[0069]
γ＝p
ug
(d)-pn-pl(d)
ꢀꢀꢀꢀꢀ
(3)
[0070]
其中pn为噪声功率。
[0071]
全覆盖下每个无人机对地面用户服务所需的最小发射功率为p
ug
(dn)
[0072][0073]dn
为部署n个无人机时每个无人机能连接的最大距离。联合公式(1)、(2)和(4)可得保障全覆盖条件下无人机通信系统发射功率为：
[0074][0075]
步骤2：获取当前场景下每个uav-bs的覆盖半径
[0076]
本发明中根据圆覆盖模型，利用二项幂函数拟合圆覆盖策略下小圆个数与半径关系，计算当前场景下每个uav-bs的覆盖半径。
[0077]
根据保障全覆盖条件下无人机通信系统发射功率，即根据公式(5)可知，系统发射功率大小受到信噪比阈值、uav-bs与用户间通信距离以及uav-bs个数的影响。
[0078]
uav-bs搭载全向天线向地面辐射覆盖区域可建模为圆形，则覆盖问题可看作一类几何问题，类似于位置问题中的圆盘放置问题(circle packing problem,cpp)。cpp问题分为两类，一是圆包装问题，在容器中包装一定数量的圆，每个圆具有最大半径(每个圆不需要相同的)。另一种是圆覆盖问题，即一个完全被给定的圆可以覆盖的容器的面积可以有多大的问题。容器的形状可以是“简单的”的圆、正方形、矩形或者由线和弧段的组合组成。henry friedman整理了1983年至2018小圆覆盖大圆问题的最优结果。为了实现uav-bs对地面用户的全覆盖，本发明将uav-bs站址规划看做小圆覆盖大圆的问题。即对一个给定圆形区域放置固定大小的等圆进行全覆盖。
[0079]
图2显示了一个较大的圆内5个等圆的最优放置。此外，假设大圆的半径为rc，小圆的半径与完全覆盖大圆的所需的个数之间满足下表1。由表1可知，每个圆的半径随着圆的数量的增加而减小。对于m的每个值有一个特定的小圆放置策略，m为小圆个数。很难找到一个对任意m最优的一般放置策略，对于m的每个值，需要提供一个包装策略。
[0080]
表1小圆半径r0与小圆个数之间的关系
[0081][0082]
为了节约acc的计算资源同时使这一方案更具有普适性，本发明利用非线性最小二乘对上述数据进行曲线拟合，采用二项幂函数进行逼近，给出圆覆盖策略下小圆个数与小圆半径关系拟合函数如下：
[0083]
r0(n)＝ax-b
+c
[0084]
其中a、b、c为常数，置信度为95％条件下，a、b、c的置信区间为{(1.725，1.851)；(-0.8055,-0.7105)；(0.06404,0.1085)}，取(1.788，0.758，0.08626)。则部署n个无人机，每个无人机所能连接的最远距离为：
[0085]
每个uav-bs覆盖的投影圆最大半径为：
[0086]
r(n)＝rcr0(n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0087]
步骤3：计算圆覆盖模型下单个uav-bs的发射功率，计算得到满足功率限制的最小uav-bs部署个数。
[0088]
基于步骤2所述模型，根据所得uav-bs覆盖半径重新计算保障全覆盖条件下无人机通信系统发射功率为
[0089][0090][0091]
考虑uav-bs对地面的全覆盖时所需要的最小通信能耗优化问题可以表示为：
[0092]
p1：n
opt
＝arg min{p
sum
(n)}
[0093]
s.t.
[0094]
0＜p
ug
＜p
max
ꢀꢀꢀꢀ
(9)
[0095]
sc(n)-s≥0
[0096]
n≤n
[0097]
其中p
max
代表uav-bs与地面用户通信所能发射的最大功率。sc(n)为规划部署n个无人机所能覆盖的面积，s为目标区域总面积。该约束表示在每个无人机的发射功率受限的
条件下部署n个以内的uav-bs实现对目标区域全覆盖。
[0098]
步骤4：利用牛顿迭代求解无人机通信网络系统发射功率最小值及uav-bs部署个数最优解。
[0099]
步骤3内所得最小系统发射功率优化问题为凸问题，本发明利用拉格朗日乘数法将上述问题转换为无约束优化问题从而求解出满足不等式约束的解。构造步骤3所述问题的拉格朗日函数，如下：
[0100][0101]
其中k1,k2,k3,k4为非负的拉格朗日因子。
[0102]
对于上式具有局部最优解满足最优化理论中的(karush-kuhn-tucker,kkt)条件。即
[0103][0104]
利用牛顿迭代求解上式，第i次迭代值记为ni，i+1次迭代值为
[0105][0106][0107]
l(ni)＝(a-k1+k2)d(ni)-2k3r0(ni)r0'(ni)+p
uu
+k4[0108]
其中，
[0109]
那么通过求解上式，即可得到符合问题p1的n,带入式(9)即可得到采用本发明所提出的基站站址规划策略覆盖目标区域所需的最小系统总发射功率。
[0110]
步骤5：更新uav-bs部署个数最优整数解、最小无人机通信网络系统发射功率及对应圆覆盖策略下的uav-bs位置。
[0111]
步骤4所得最优解不一定是整数解，虑到uav-bs数量为整数值，对于所得最优个数，同时进行向上向下取整并计算对应圆覆盖策略下覆盖目标区域所需的系统发射功率，比较二者计算结果，选择更小值所对应的uav-bs站址规划，得到uav-bs部署个数最优整数解、最小无人机通信网络系统发射功率及对应圆覆盖策略下的uav-bs位置。
[0112]
通过实例对本发明基于圆覆盖功率优化的6g uav-bs站址规划方法适用于6g空天地一体化无线网络场景，如图1所示，该场景包括：未部署任何基站的覆盖目标区域、具有一
定飞行器控制及基础计算能力的飞控中心、若干架搭载空中基站的无人机。
[0113]
一种基于圆覆盖功率优化的6g uav-bs站址规划方法，如图3所示，所述方法包括以下步骤：
[0114]
步骤1.按照规划要求测量计算目标区域大小进行建模，根据业务需求设置网络带宽、载波频率，飞控中心可同时控制的uav-bs个数。
[0115]
步骤2.根据圆覆盖模型，利用二项幂函数拟合圆覆盖策略下小圆个数与半径关系，计算当前场景下每个uav-bs的覆盖半径。
[0116]
步骤3.计算圆覆盖模型下单个uav-bs的发射功率寻找满足功率限制的最小uav-bs部署个数。
[0117]
步骤4.设置牛顿迭代初始值为步骤3所得最小uav-bs部署个数及系统误差限制。
[0118]
步骤5.根据拉格朗日函数进行牛顿迭代计算第i+1次迭代值n
i+1
。
[0119][0120]
步骤6.判断步骤5所得结果是否满足|n
i+1-ni|＜η，如果满足则终止迭代、输出最优uav-bs部署个数n
opt
＝n
i+1
，否则返回步骤5继续迭代计算。
[0121]
步骤7.对步骤6所得结果uav-bs最优部署个数进行ceil及floor操作，重新计算系统发射功率并比较得出最小值，更新并输出最少无人机基站个数及对应的圆覆盖策略下小圆位置作为站址规划。
[0122]
一个可实施例
[0123]
飞控中心包含50架搭载基站的旋翼无人机，目标区域为半径为1000m的圆形场景。无人机飞行高度为100m，单个uav-bs最大发射功率为5w，信道衰减指数α＝4，信道噪声为-174dbm/hz，接收信噪比阈值为5db。
[0124]
针对以上规划需求，利用本发明所提基于圆覆盖功率优化的6g uav-bs站址规划方法进行无人机网络规划部署。圆覆盖模型下单个无人机覆盖范围满足表1
[0125]
表2圆覆盖模型下单个无人机覆盖范围
[0126][0127]
考虑无分机装备电池容量有限，uav-bs发射功率受限导致uav-bs最大覆盖半径为397.7560m，故表2中第一行和第二行所示部分为不可选方案。
[0128]
综上所述，利用本发明所提站址规划方法，半径为1000m的目标区域内最优无人机部署个数为20个，系统最小发射功率为43.537w位置规划如图3。
[0129]
本发明所提基于圆覆盖功率优化的6g uav-bs站址规划方法具体实施是以具体的规划需求作为依据的，图4反应了不同飞行高度对规划结果的影响；图5反应不同规划场景下衰减指数变化对系统功率的影响；图6反应不同目标区域半径下部署方案的变化。
[0130]
本发明所提基于圆覆盖功率优化的6g uav-bs站址规划方法目标是保证对目标区域实现全覆盖的同时降低系统发射功率。图7则分析了该方法与传统六边形外接圆部署方法的系统发射功率，通过仿真比较，图8为本发明与传统站址规划方法性能比较，可看出，本发明能够显著降低系统发射功率，从而延长网络服务时间，能够有效解决uav-bs站址规划问题。
[0131]
另一方面，本发明还提供一种基于圆覆盖功率优化的6g无人机基站站址规划系统，包括模型构建模块、uav-bs的覆盖半径计算模块、最小uav-bs部署个数计算模块以及优化求解模块；模型构建模块用于根据规划要求测量计算目标区域大小，根据业务需求设置网络带宽、载波频率以及飞控中心可同时控制的uav-bs个数m，构建圆覆盖模型；
[0132]
uav-bs的覆盖半径计算模块用于根据圆覆盖模型，利用二项幂函数拟合圆覆盖策略下小圆个数与半径关系，计算当前场景下每个uav-bs的覆盖半径；
[0133]
最小uav-bs部署个数计算模块用于计算圆覆盖模型下单个uav-bs的发射功率寻找满足功率限制的最小uav-bs部署个数；
[0134]
优化求解模块用于设置牛顿迭代初始值为所述最小uav-bs部署个数及系统误差限制，采用拉格朗日函数进行牛顿迭代计算第i+1次迭代计算，判断牛顿迭代计算结果是否满足|n
i+1-ni|＜η，如果满足则终止迭代、输出最优uav-bs部署个数n
opt
＝n
i+1
，否则返回继续进行牛顿迭代计算；对uav-bs最优部署个数进行取整操作，重新计算系统发射功率并比较得出最小值，更新并输出最少无人机基站个数及对应的圆覆盖策略下小圆位置作为站址
规划。
[0135]
本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述基于圆覆盖功率优化的6g无人机基站站址规划方法。
[0136]
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于圆覆盖功率优化的6g无人机基站站址规划方法。
[0137]
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
[0138]
处理器可以是中央处理器(cpu)、数字信号处理器(dsp)、专用集成电路(asic)或现成可编程门阵列(fpga)。
[0139]
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
[0140]
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、固态硬盘(ssd，solid state drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(reram,resistance random access memory)和动态随机存取存储器(dram，dynamic random access memory)。