无人机用户匹配和频谱资源优化方法、装置、设备及介质

1.本发明涉及无人机通信技术领域，特别是涉及一种无人机用户匹配和频谱资源优化方法、装置、设备及介质。


背景技术：

2.无人驾驶飞机通常被称为无人机，是一种可以自主飞行或由地面控制站遥控以完成商业任务或军事任务的飞行器。近年来，无人机由于其高度灵活性、按需低空部署能力以及与地面的良好链路特性，在无线通信网络中发现了许多有前景的应用。例如，无人机可以作为空中基站或空中移动中继站进行快速部署，为现有无线通信网络提供增强的通信性能，或支持战争、灾区的紧急服务。此外，无人机还可用于执行远程监控，并将实时视频数据传输到地面终端。
3.尽管具有上述优点，但无人机通信仍面临不少挑战，例如无人机与地面用户设备之间匹配，簇内地面用户设备之间的频谱资源分配等问题。近年来，针对以上挑战，学者们进行了大量研究，例如联合优化地面用户设备关联和无人机位置来最大化下行地面用户设备总速率的方案，由于原问题是混合整数非凸优化问题，则该方案将其分解为整数的地面用户设备关联问题和非凸的无人机位置优化问题，然后交替迭代求得次优解，但是其仅考虑一架无人机不存在频谱复用及共信道干扰；另一篇文献考虑了共信道干扰，在固定轨迹条件下，采用联合算法迭代优化信道分配和无人机速度以最大化无人机上行链路速率，但是其没有考虑无人机与地面用户设备匹配及功率控制问题。再一篇文献样考虑了共信道干扰，以吞吐量为性能优化指标，联合优化多小区网络中子信道分配和功率分配，但是其子信道分配方式采用分布式优化，即将多小区优化问题分解为多个单小区优化问题，然后再让多个小区交替迭代优化直到收敛，但是这样忽略了小区之间的协调能力。


技术实现要素：

4.鉴于当前多无人机辅助通信下动态频谱分配面临的挑战与不足，为保证地面用户设备通信的公平性，本发明提供了一种基于块坐标下降法的无人机用户匹配和频谱资源优化方法、装置、设备及介质，以有效提升地面用户设备的最小平均传输速率。
5.为实现上述目的，本发明提供了如下方案：
6.第一方面，本发明提供了一种无人机用户匹配和频谱资源优化方法，包括：
7.获取目标区域相关参数；所述目标区域相关参数包括无人机的数量、可用信道的数量、地面用户设备的数量以及每个所述地面用户设备的位置信息；
8.在共享频谱环境下，根据所述目标区域相关参数，确定地面用户设备匹配与频谱资源联合优化问题；
9.利用块坐标下降法，将目标优化问题分解为无人机-地面用户设备匹配子问题、信道分配子问题和功率分配子问题，并利用迭代优化算法求解所述无人机-地面用户设备匹配子问题、所述信道分配子问题和所述功率分配子问题，以得到最优的无人机-地面用户设
备匹配矩阵、最优的信道分配矩阵和最优的功率分配矩阵；所述目标优化问题为地面用户设备匹配与频谱资源联合优化问题。
10.第二方面，本发明提供了一种无人机用户匹配和频谱资源优化装置，包括：
11.数据获取模块，用于获取目标区域相关参数；所述目标区域相关参数包括无人机的数量、可用信道的数量、地面用户设备的数量以及每个所述地面用户设备的位置信息；
12.优化问题确定模块，用于在共享频谱环境下，根据所述目标区域相关参数，确定地面用户设备匹配与频谱资源联合优化问题；
13.优化问题求解模块，用于利用块坐标下降法，将目标优化问题分解为无人机-地面用户设备匹配子问题、信道分配子问题和功率分配子问题，并利用迭代优化算法求解所述无人机-地面用户设备匹配子问题、所述信道分配子问题和所述功率分配子问题，以得到最优的无人机-地面用户设备匹配矩阵、最优的信道分配矩阵和最优的功率分配矩阵；所述目标优化问题为地面用户设备匹配与频谱资源联合优化问题。
14.第三方面，本发明提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的无人机用户匹配和频谱资源优化方法。
15.第四方面，本发明提供了一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的无人机用户匹配和频谱资源优化方法。
16.根据本发明提供的具体实施例，本发明公开了以下技术效果：
17.无人机由于其高度灵活性、按需低空部署能力以及与地面的良好链路特性，在无线通信网络中发现了许多有前景的应用。本发明主要研究了无人机作为空中临时基站辅助地面用户设备通信的场景，在考虑频谱复用及共信道干扰条件下，为保证地面用户设备通信的公平性，以最大最小地面用户设备平均传输速率为目标，主要涉及无人机-地面用户设备匹配、信道分配和功率分配三个方面。由于原优化问题是一个混合整数非线性规划问题，很难得到其最优解，因此本发明提出一种基于块坐标下降法的多无人机地面用户设备匹配与频谱资源联合优化算法，通过不断迭代求解得到原问题的相对最优解。通过仿真实验分析表明，本发明所提算法能够有效提升地面用户设备的传输速率，保证地面用户设备通信的公平性。
附图说明
18.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1为本发明无人机基站辅助通信下网络模型示意图；
20.图2为本发明无人机用户匹配和频谱资源优化方法的流程示意图；
21.图3为本发明3架无人机服务14个地面用户设备的位置分布及轨迹图；
22.图4为本发明初始无人机-地面用户设备匹配矩阵示意图；
23.图5为本发明t＝13时隙的无人机-地面用户设备匹配矩阵示意图；
24.图6为本发明3架无人机、12个地面用户设备、10个信道条件下的基于ga的信道分配收敛图；
25.图7为本发明所保护的技术方案在不同场景下的收敛曲线；
26.图8为本发明地面用户设备最小传输速率随可接入信道数变化图；
27.图9为本发明不同算法性能对比图；
28.图10为本发明无人机用户匹配和频谱资源优化装置的结构示意图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
31.本发明提供了一种基于块坐标下降法的无人机用户匹配和频谱资源优化方法、装置、设备及介质，与现有研究相比，本发明的主要贡献与创新如下：
32.(1)本发明构建了多无人机作为临时基站辅助地面用户设备进行通信的场景，为了保证地面用户设备通信的公平性，在考虑频谱复用和共信道干扰的情况下，以最大化地面用户设备在一段时间内的最小平均传输速率为目标，提出一种基于块坐标下降法(block coordinate descent algorithm，bcd)的地面用户设备匹配与频谱资源联合优化算法。该算法将混合整数非线性规划(non-linear-optimization problem，minlp)问题分解为多个子问题，从无人机-地面用户设备匹配、信道分配和功率分配三个方面进行求解，并最终得到原问题的一个相对最优解。
33.(2)本发明使用交替优化的方法求解该问题，即在每次迭代中分别解决无人机-地面用户设备匹配子问题、信道分配子问题和功率分配子问题，直到收敛。其中，对于无人机-地面用户设备匹配子问题，通过一种启发式算法进行优化；对于信道分配子问题，采用遗传算法(geneticalgorithm，ga)进行求解，通过引入精英保留策略，确保每次进化的最佳个体都被保留下来；对于功率分配子问题，采用几何规划算法对功率分配子问题进行凸化，并应用cvx求解器进行求解。
34.(3)本发明在给出所提算法收敛性和复杂度分析的基础上，通过不同参数下的性能分析和算法对比，证明所提算法可以有效提升地面用户设备的最小平均传输速率，保证地面用户设备通信的公平性。
35.本发明主要包括以下几个部分：
36.1.系统模型与问题构建
37.图1为本发明无人机基站辅助通信下网络模型示意图，如图1所示，考虑部署多架无人机(英文简称uav)作为临时基站为多个临时的热点场景(用频设备分布密集)提供通信服务以缓解地面基站的压力。例如，需要在城市中心的体育场开大型运动会，地面基站无法满足这种热点场景中的高流量需求，而且为了临时需求建设地面基站成本太高，因此部署
无人机基站是一个合理的解决方案，其集合可以表示为：无人机地面用户设备信道并且满足m＜k。考虑空中远端有一控制中心对无人机进行集中式频谱资源管理，无人机在t＞0的飞行周期内以固定高度h飞行，无人机采用正交频分多址技术为地面用户设备提供服务。
38.2.无人机-地面用户设备匹配
39.给定地面用户设备分布后，首先要确定无人机与地面用户设备的匹配问题，即地面用户设备要按照无人机数量进行分簇，由簇头无人机提供本簇内所有地面用户设备的通信服务。相应的决策变量定义为：
[0040][0041]
其中，ω
m,k
[t]表示无人机m在t时隙服务地面用户设备k。
[0042]
为了保证地面用户设备的持续通信，任意时隙地面用户设备都要有且仅有一架无人机提供服务，即有约束条件：
[0043][0044]
3.信道分配
[0045]
其次要确定为每个地面用户设备分配的信道，假设信道带宽为b，相应的决策变量定义为：
[0046][0047]
其中，b
k,n
[t]表示在t时隙地面用户设备k占用信道n。
[0048]
由于无人机服务地面用户设备采用正交频分多址技术，其通信链路可以占用多个信道；同时为了保证地面用户设备的持续通信，每个时隙都至少占用一个信道，且最多不得超过个n信道。有约束条件：
[0049][0050]
同时存在约束，对于任意给定无人机，一个信道仅能服务一个地面用户设备，这就导致了无人机-地面用户设备匹配矩阵与信道分配矩阵的耦合，表示为：
[0051][0052]
4.功率分配
[0053]
当分配无人机地面用户设备m为地面用户设备k服务时，其通信链路可以占用多个信道以不同功率进行传输，用p
m,n
[t]表示t时隙无人机m在信道n中的传输功率，要满足一架无人机在所有信道中的发射功率不超过自身发射功率上限，表示为：
[0054][0055]
5.通信模型
[0056]
在空对地通信中，路径损耗链路是通过使用对数正态阴影模型将视距链路los link和非视距链路nlos link加权组合而成。无人机m与地面用户设备k之间的视距路径损耗和非视距路径损耗可以表示为：
[0057][0058]
其中，fc和c为载波频率和光速，ξ
los
和ξ
nlos
是由于自由空间传播损耗导致的视距链路和非视距链路的平均附加损耗，α是路径损耗系数，是t时隙无人机m(其坐标为(x
um
，y
um
，h))与地面用户设备k(其坐标为(xk，yk))之间的距离。视距链路概率和非视距链路概率为：
[0059][0060][0061][0062]
其中a和b是常数值，取决于传播环境，h表示无人机飞行高度，θ
um,k
[t]是t时隙无人机m到地面用户设备k的仰角，因此空对地链路的平均路径损耗是视距和非视距链路的平均值：
[0063][0064]
其中a＝4πfc/c。
[0065]
6.问题构建
[0066]
在需满足地面用户设备匹配、可用信道以及发射功率等约束条件下，通过优化无人机-地面用户设备匹配、信道分配策略、功率分配策略，最大化一段时间内地面用户设备的最小平均传输速率。
[0067]
根据香农公式，在t时隙无人机m服务地面用户设备k在信道n上的可达传输速率为：
[0068][0069]
其中b为信道带宽，n0为背景噪声功率，h
um,k
[t]为t时隙无人机m与地面用户设备k之间的信道增益，并且p
m,n
[t]为t时隙无人机m在信道n中的传输功
率。
[0070]
因此，在时隙t中，地面用户设备k可以实现的总传输速率为：
[0071][0072]
因此，t个时隙中地面用户设备k的平均传输速率可以表示为：
[0073][0074]iu
[t]为在时隙t中不同无人机-地面用户设备网络的共信道干扰，具体表示如下：
[0075][0076]
考虑地面用户设备公平性，本发明提供的目标函数是通过联合优化无人机-地面用户设备匹配矩阵wf＝{ω
m,k
[t]}m×k×
t
，信道分配矩阵bf＝{b
k,n
[t]}k×n×
t
和功率分配矩阵pf＝{p
m,n
[t]}m×n×
t
，使所有地面用户设备在一段时间t内的最小平均传输速率最大，为了方便求解，引入作为所有地面用户设备的最小速率，然后优化问题等价于最大化μ(wf,bf,pf)。因此，该问题的动态频谱分配目标函数可以表示为：
[0077][0078]
其中，目标函数μ表示联合优化无人机-地面用户设备匹配矩阵wf＝{ω
m,k
[t]}m×k×
t
，信道分配矩阵bf＝{b
k,n
[t]}k×n×
t
和功率分配矩阵pf＝{p
m,n
[t]}m×n×
t
，使所有地面用户设备在一段时间t内的最小平均传输速率最大化的函数；m表示无人机的数量，k表示地
面用户设备的数量，n表示信道的数量，ω
m,k
[t]表示无人机m在t时隙服务地面用户设备k，b
k,n
[t]表示在t时隙地面用户设备k占用信道n；p
m,n
[t]表示t时隙无人机m在信道n中的传输功率；
[0079]
c1表示任意地面用户设备k在一段时间t内的平均传输速率都大于目标函数值μ的约束条件；c2表示一个地面用户设备一个时隙t只能由一个无人机服务的约束条件；c3表示给定无人机，地面用户设备k可以在多条信道中传输，但不超过n个信道的约束条件；c4表示对于给定无人机，一个信道只允许分配一个地面用户设备的约束条件；c5表示任意无人机在信道中的功率不为负的约束条件；c6表示任意无人机在所有信道发射功率的总和不超过自身最大发射功率的约束条件；c7表示无人机-地面用户设备匹配矩阵中各元素的取值范围为0或1的约束条件；c8表示信道分配矩阵中各元素的取值范围为0或1的约束条件。
[0080]
实施例一
[0081]
基于以上内容，本发明实施例提供了一种无人机用户匹配和频谱资源优化方法，如图2所示，包括如下步骤：
[0082]
步骤100：获取目标区域相关参数；所述目标区域相关参数包括无人机的数量、可用信道的数量、地面用户设备的数量以及每个所述地面用户设备的位置信息。
[0083]
步骤200：在共享频谱环境下，根据所述目标区域相关参数，确定地面用户设备匹配与频谱资源联合优化问题。
[0084]
步骤300：利用块坐标下降法，将目标优化问题分解为无人机-地面用户设备匹配子问题、信道分配子问题和功率分配子问题，并利用迭代优化算法求解所述无人机-地面用户设备匹配子问题、所述信道分配子问题和所述功率分配子问题，以得到最优的无人机-地面用户设备匹配矩阵、最优的信道分配矩阵和最优的功率分配矩阵；所述目标优化问题为地面用户设备匹配与频谱资源联合优化问题。
[0085]
其中，所述目标优化问题对应的目标函数及约束条件参见公式(16)。
[0086]
由于目标函数涉及到二进制变量ω
m,k
[t],b
k,n
[t]和实数变量p
m,n
[t]，因此公式(16)是一个混合整数非线性规划问题(minlp)，所以本发明采用块坐标下降法(英文简称bcd法)来解决，即在给定相应子问题中其他变量值不变的情况下，迭代优化每一组变量，直到收敛。
[0087]
作为一种优选的实施方式，本发明实施例所述的步骤300具体包括：
[0088]
步骤1：确定当前迭代次数对应的无人机-地面用户设备匹配矩阵、信道分配矩阵和功率分配矩阵；其中，当前迭代次数对应的无人机-地面用户设备匹配矩阵是将上一次迭代次数对应的信道分配矩阵和功率分配矩阵作为固定变量，求解所述无人机-地面用户设备匹配子问题后确定的；当前迭代次数对应的所述信道分配矩阵是将上一次迭代次数对应的无人机-地面用户设备匹配矩阵和功率分配矩阵作为固定变量，求解所述信道分配子问题后确定的；当前迭代次数对应的功率分配矩阵是将上一次迭代次数对应的无人机-地面用户设备匹配矩阵和信道分配矩阵作为固定变量，求解所述功率分配子问题后确定的；
[0089]
步骤2：判断当前迭代次数是否达到迭代总数，得到第一判断结果。
[0090]
若所述第一判断结果表示当前迭代次数达到所述迭代总数，则将当前迭代次数对应的无人机-地面用户设备匹配矩阵确定为最优的无人机-地面用户设备匹配矩阵，将当前迭代次数对应的信道分配矩阵确定为最优的信道分配矩阵，将当前迭代次数对应的功率分
配矩阵确定为最优的功率分配矩阵；
[0091]
若所述第一判断结果表示确定当前迭代次数对应的无人机-地面用户设备匹配矩阵、信道分配矩阵和功率分配矩阵，计算当前迭代次数对应的目标函数值。
[0092]
步骤3：判断当前迭代次数对应的目标函数值与上一次迭代次数对应的目标函数值的差值是否大于设定阈值，得到第二判断结果。
[0093]
若所述第二判断结果表示当前迭代次数对应的目标函数值与上一次迭代次数对应的目标函数值的差值大于设定阈值，则将上一次迭代次数对应的无人机-地面用户设备匹配矩阵更新为当前迭代次数对应的无人机-地面用户设备匹配矩阵，将上一次迭代次数对应的信道分配矩阵更新为当前迭代次数对应的信道分配矩阵，将上一次迭代次数对应的功率分配矩阵更新为当前迭代次数对应的功率分配矩阵，并将当前迭代次数加1，然后返回步骤1：确定当前迭代次数对应的无人机子信道分配矩阵、无人机飞行轨迹坐标矩阵和无人机发射功率分配矩阵。
[0094]
若所述第二判断结果表示当前迭代次数对应的目标值与上一次迭代次数对应的目标值的差值小于或者等于设定阈值，则将当前迭代次数对应的无人机-地面用户设备匹配矩阵确定为最优的无人机-地面用户设备匹配矩阵，将当前迭代次数对应的信道分配矩阵确定为最优的信道分配矩阵，将当前迭代次数对应的功率分配矩阵确定为最优的功率分配矩阵。
[0095]
具体操作如下：
[0096]
3.1给定信道分配矩阵和功率分配矩阵，优化无人机-地面用户设备匹配矩阵。
[0097]
令式(16)中bf、pf作为固定变量，wf作为决策变量，则式(16)中混合整数非线性规划问题转化为整数规划问题，可描述为：
[0098][0099]
该整数规划问题的求解难度较大，因此本发明提出了一种启发式算法来解决无人机-地面用户设备匹配子问题，表1给出了该问题的具体求解步骤：
[0100]
表1迭代无人机-地面用户设备匹配算法表
[0101][0102][0103]
3.2给定无人机-地面用户设备匹配矩阵、功率分配矩阵，优化信道分配矩阵。
[0104]
令式(16)中wf、pf作为固定变量，bf作为决策变量，则式(16)中混合整数非线性规划问题转化为整数规划问题，可描述为：
[0105][0106]
该整数规划问题的求解难度较大，因此本发明提出了一种基于ga的信道分配算法，表2给出了该算法的具体求解步骤和关键步骤说明：
[0107]
表2基于ga的信道分配算法表
[0108][0109]
下面对其中的关键步骤进行说明：
[0110]
(1)基因编码：首先对信道分配矩阵bf进行基因拉直,即将k
×n×
t矩阵转化为1
×
knt的矩阵，作为种群中的一个个体；
[0111]
(2)初始种群：随机生成一个λ
×
knt的二维矩阵，其中λ为种群中的个体数量；
[0112]
(3)基因交叉：将种群中的λ个个体以随机的方式进行配对组成λ/2对配对基因组，然后再对配对基因组中的两个基因进行交叉。本发明中采用单点交叉法，即根据给定交叉概率pc在交叉点处互相交换对方基因，从而产生新的编码向量。
[0113]
(4)基因变异：为了在寻找最优解过程中优化局部搜索能力和保持种群的多样性，防止出现早熟收敛。即根据给定变异概率pm对基因中的一个或多个变异点值进行取反操作，从而产生新的编码向量。
[0114]
(5)基因修正、筛选：在对种群中个体进行选择前，按照公式(18)中的约束条件对每个时隙经过基因交叉和变异的个体进行修正和筛选，防止种群中存在过多不满足条件的基因个体。
[0115]
(6)适应度函数：适应度函数代表种群中个体的适应能力，本算法中即为问题(18)的优化目标μ。
[0116]
(7)选择策略：这里采用的选择策略是轮盘赌选择法，该方法的选择依据是个体适
应度的大小，如果个体适应值小它就很有可能被丢弃，如果个体的适应值大，它被选中的概率就大。通过选择策略，将种群数目控制在初始种群数λ。同时，为了保证最佳个体在选择和交叉的过程中不被丢失，在算法的实施过程中还引入了精英保留策略，即保存每一代的最佳个体到下一代，提高了算法的收敛速度。
[0117]
3.3给定无人机-地面用户设备匹配、信道分配，优化功率分配
[0118]
优化功率分配策略。将wf、bf作为固定变量，pf作为决策变量，则公式(16)中混合整数非线性规划问题转化为非整数规划问题，可描述为：
[0119][0120]
可以看出功率分配子问题是一个非凸优化问题，可以通过几何规划算法将其转化为一个凸优化问题。
[0121]
定理1公式(19)中的优化问题可以通过使用对数变换转为凸形式：
[0122]
证明：
[0123]
在几何规划中，log2(1+x)在高信噪比条件下可以近似为log2(x)，使用对数变量则约束条件c1可以转换为：
[0124][0125]
从公式(20)可以看出，第一项是关于的线性函数，它既可以是凸的也可以是凹的；第二项包含log-sum-exp形式，这种形式是凸的，取反变成凹函数。原问题转化为：
[0126][0127]
易知约束条件都是log-sum-exp和sum-exp，所以为凸约束。由于问题是凸优化问题，应用matlab的cvx包即可解决该问题得到在此之后，再应用得到p
k,n*
[t]。其求解算法3为一个标准的cvx求解算法。
[0128]
3.4联合无人机-地面用户设备匹配、信道分配和功率分配的交替优化算法
[0129]
基于3.1、3.2、3.3的部分结果，本发明提出了算法4：基于bcd的地面用户设备匹配与频谱资源联合优化算法，其算法收敛性分析如下：
[0130]
表3基于bcd的地面用户设备匹配与频谱资源联合优化算法表
[0131]
[0132][0133]
由于每一个子问题的优化结果都是递增的，而传输速率作为优化目标，其值一定存在一个上限，所以所提算法4必定收敛到一个可行解。
[0134]
接下来以所需算数分析所提算法的复杂度，对于无人机-地面用户设备匹配子问题，由于算法1为每个地面用户设备分配无人机服务，需要遍历所有的无人机和地面用户设备，涉及的复杂度为o1(l1mkt)，其中l1为算法1收敛所需的迭代次数；算法2，ga的复杂度取决于其适应度函数即o
22
(μ)的复杂度，假设最大迭代次数为max_gen，种群数量为λ，则复杂度为o2(max_gen
×
λ
×o22
(μ))；算法3的复杂度为o3(m(n)
4.5
log(1/ζ))。设l为算法4的迭代次数，则联合优化算法的复杂度为o(l(o1+o2+o3))。
[0135]
仿真结果与讨论
[0136]
本发明考虑在半径为r0＝500m的圆形区域内包含多地面用户设备集群，即热点区域，每个圆形集群区域的半径为rc＝200m，不同集群之间的距离足够远不会重叠。初始无人机的飞行轨迹：假设每个无人机服务于一个热点区域，对于每个热点区域，要首先确定其中心ω0＝(x0,y0)和无人机的匀速圆周运动半径r
uav
。已知热点区域中地面用户设备的分布，中心点可以采取聚类算法求得，匀速圆周运动半径可通过确定，其中|代表地面用户设备到中心点的最大距离，假设无人机的飞行能量充足，足以覆盖其任务完成时间内的飞行操作和无线通信。这在文献中得到支持，配备3芯，3250mah，11.1v lipo电池的uav的飞行时间约为20分钟，
[0137]
为了使参数设置更合理，设置的仿真参数，如表4所示。
[0138]
表4高密度场景下系统仿真参数表
[0139][0140]
图3展示了3架无人机服务14个地面用户设备的位置分布及轨迹图，图4展示了按照初始无人机-地面用户设备匹配策略，无人机只服务相应热点区域中的地面用户设备，图5以t＝13时隙为例，经过本发明所提联合优化算法优化后，地面用户设备8和地面用户设备13的服务无人机发生了改变，为其找到了服务性能更好的无人机。
[0141]
图6展示了3架无人机、12个地面用户设备、10个信道条件下的基于ga的信道分配收敛图，其中，初始种群为100，最大代数为900，交叉概率0.95，变异概率0.1。结果显示当进化达到720代时，种群的平均适应度及地面用户设备的最小平均传输速率达到稳定。
[0142]
图7分别展示了本发明所提联合优化算法在不同场景下的收敛曲线，可以看出目标函数值在迭代过程中不断增加，同时随着无人机数、信道数的增加，联合优化算法的复杂度增加，其所需迭代次数也随之增加。
[0143]
图8展示了地面用户设备数为12，不同信道数下的地面用户设备最小传输速率对比，可以看出地面用户设备最小传输速率几乎随着信道数的增加呈线性增加。此外，无人机数目越多，地面用户设备最小平均传输速率也越大，并且随着信道数的增加差异会变得越来越明显。
[0144]
为了进一步验证本发明所提算法在多无人机辅助通信场景中的有效性，采用仿真对比的方法，通过更换联合算法中某一子问题的求解算法，分析本发明所提算法的性能。单信道分配算法通过进行多次单信道接入方式的频谱分配，直至将所有可用信道分配完毕，并采用最大权匹配算法，确保每次单信道接入的频谱分配过程目标函数值最大。图9展示了3架无人机，12个地面户场景下的四种方案性能对比，可以看出本发明所提出的联合优化算法性能优于其他三种联合算法，单信道分配算法虽然每次都能找到最优信道接入，但是由于其分布式选择的特性，没有考虑不同簇之间的共信道干扰，导致其性能最差；功率均分策略由于不能动态调整无人机在每个信道中的发射功率，导致其性能也差于本文所提算法。
[0145]
实施例二
[0146]
如图10所示，本发明实施例提供的一种无人机用户匹配和频谱资源优化装置，包括：
[0147]
数据获取模块10，用于获取目标区域相关参数；所述目标区域相关参数包括无人机的数量、可用信道的数量、地面用户设备的数量以及每个所述地面用户设备的位置信息。
[0148]
优化问题确定模块20，用于在共享频谱环境下，根据所述目标区域相关参数，确定地面用户设备匹配与频谱资源联合优化问题。
[0149]
优化问题求解模块30，用于利用块坐标下降法，将目标优化问题分解为无人机-地面用户设备匹配子问题、信道分配子问题和功率分配子问题，并利用迭代优化算法求解所述无人机-地面用户设备匹配子问题、所述信道分配子问题和所述功率分配子问题，以得到最优的无人机-地面用户设备匹配矩阵、最优的信道分配矩阵和最优的功率分配矩阵；所述目标优化问题为地面用户设备匹配与频谱资源联合优化问题。
[0150]
进一步地，所述优化问题求解模块30，具体用于：
[0151]
步骤1：确定当前迭代次数对应的无人机-地面用户设备匹配矩阵、信道分配矩阵和功率分配矩阵；其中，当前迭代次数对应的无人机-地面用户设备匹配矩阵是将上一次迭代次数对应的信道分配矩阵和功率分配矩阵作为固定变量，求解所述无人机-地面用户设备匹配子问题后确定的；当前迭代次数对应的所述信道分配矩阵是将上一次迭代次数对应的无人机-地面用户设备匹配矩阵和功率分配矩阵作为固定变量，求解所述信道分配子问题后确定的；当前迭代次数对应的功率分配矩阵是将上一次迭代次数对应的无人机-地面用户设备匹配矩阵和信道分配矩阵作为固定变量，求解所述功率分配子问题后确定的。
[0152]
步骤2：判断当前迭代次数是否达到迭代总数，得到第一判断结果。
[0153]
若所述第一判断结果表示当前迭代次数达到所述迭代总数，则将当前迭代次数对应的无人机-地面用户设备匹配矩阵确定为最优的无人机-地面用户设备匹配矩阵，将当前迭代次数对应的信道分配矩阵确定为最优的信道分配矩阵，将当前迭代次数对应的功率分配矩阵确定为最优的功率分配矩阵；
[0154]
若所述第一判断结果表示确定当前迭代次数对应的无人机-地面用户设备匹配矩阵、信道分配矩阵和功率分配矩阵，计算当前迭代次数对应的目标函数值。
[0155]
步骤3：判断当前迭代次数对应的目标函数值与上一次迭代次数对应的目标函数值的差值是否大于设定阈值，得到第二判断结果。
[0156]
若所述第二判断结果表示当前迭代次数对应的目标函数值与上一次迭代次数对应的目标函数值的差值大于设定阈值，则将上一次迭代次数对应的无人机-地面用户设备匹配矩阵更新为当前迭代次数对应的无人机-地面用户设备匹配矩阵，将上一次迭代次数对应的信道分配矩阵更新为当前迭代次数对应的信道分配矩阵，将上一次迭代次数对应的功率分配矩阵更新为当前迭代次数对应的功率分配矩阵，并将当前迭代次数加1，然后返回步骤1：确定当前迭代次数对应的无人机子信道分配矩阵、无人机飞行轨迹坐标矩阵和无人机发射功率分配矩阵；
[0157]
若所述第二判断结果表示当前迭代次数对应的目标值与上一次迭代次数对应的目标值的差值小于或者等于设定阈值，则将当前迭代次数对应的无人机-地面用户设备匹配矩阵确定为最优的无人机-地面用户设备匹配矩阵，将当前迭代次数对应的信道分配矩阵确定为最优的信道分配矩阵，将当前迭代次数对应的功率分配矩阵确定为最优的功率分
配矩阵。
[0158]
实施例三
[0159]
本发明实施例提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的无人机用户匹配和频谱资源优化方法。
[0160]
可选地，上述电子设备可以是服务器。
[0161]
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的无人机用户匹配和频谱资源优化方法。
[0162]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0163]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。