能量效率知觉的无人机群三维部署方法.pdf

《能量效率知觉的无人机群三维部署方法.pdf》由会员分享，可在线阅读，更多相关《能量效率知觉的无人机群三维部署方法.pdf（18页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010046411.X (22)申请日 2020.01.16 (71)申请人 中国人民解放军陆军工程大学 地址 210007 江苏省南京市秦淮区后标营 路88号 (72)发明人 徐煜华陈瑾俞星月刘典雄 杨旸 (74)专利代理机构 北京力量专利代理事务所 (特殊普通合伙) 11504 代理人 姚远方 (51)Int.Cl. H04W 16/20(2009.01) H04W 16/22(2009.01) H04W 16/26(2009.01) H04W 52/24(2009.0。

2、1) H04B 7/185(2006.01) G05D 1/10(2006.01) (54)发明名称 一种能量效率知觉的无人机群三维部署方 法 (57)摘要 一种能量效率知觉的无人机群三维部署方 法， 将无人机群三维部署模型分成两个问题求 解， 无人机通过两个阶段来改变自身的三维位置 状态和功率选择得到的整体效用值， 再根据策略 选择公式依概率调整当前状态， 最终收敛到稳定 解。 能很好地描述基于地面任务分布的无人机协 同覆盖场景， 有效避免了现有技术中对无人机群 的部署模型做出的假设过于简化， 没有充分考虑 天线增益、 空地链路特性、 无人机状态、 信道衰 落等实际物理因素， 无法准确描述空。

3、地状态变化 对无人机效用的影响的缺陷。 权利要求书4页 说明书10页 附图3页 CN 111711960 A 2020.09.25 CN 111711960 A 1.一种能量效率知觉的无人机群三维部署方法， 其特征在于， 包括： 将无人机群三维部署模型分成两个问题求解， 无人机就据此通过两个阶段来改变自身 的三维位置状态和功率选择得到的整体效用值， 再根据策略选择公式依概率调整当前状 态， 最终收敛到稳定解。 2.根据权利要求1所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 对所述 无人机群三维部署模型的描述如下： 所述无人机群三维部署模型涉及到无人机群的水平位 置和高度的三维部署问。

4、题， 该问题也就是无人机群的三维位置部署问题； 所述无人机群三 维部署模型还涉及到无人机群的功率控制问题。 3.根据权利要求1所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 所述两 个阶段包括： 当所述无人机群中的无人机完成了最大化覆盖效用的三维位置部署后， 开始 功率优化来让无人机调整传输功率， 在满足地面任务的区域的最低通信需求下最大化该无 人机群三维部署模型的覆盖能量效率。 4.根据权利要求1所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 所述两 个阶段具体分为第一阶段和第二阶段； 所述第一阶段为无人机部署阶段， 在该阶段中， 无人机群以最大功率进行位置部署， 调 整。

5、无人机的三维位置实现覆盖效用最大化， 该阶段具体包括： 定义所述无人机群中的所有 无人机组成的集合为对于任意无人机其中， n为正整数且表示无人机的编号， 将 无人机n的覆盖效用设计成其对全局效用的边际贡献u1n(ln,l-n)， 该边际贡献u1n(ln,l-n)如 公式(1)所示： 其中， ln表示无人机n的三维位置(xn,yn,hn)， l-n表示除无人机之外无人机群中的 其他的无人机的位置， 在(xn,yn,hn)中被逗号隔开的三个数字， 自左向右分别表示无人机n 的横坐标、 无人机n的纵坐标和无人机n的高度坐标， I表示总的覆盖目标区域， i是目标任务 点， i表示目标任务点i的重要度，。

6、 i值越大， 代表目标任务点i的重要度越高；代表 无人机集合中除了无人机n以外的无人机； qi(lk)代表无人机在位置是lk时对目 标任务点i的覆盖成功的概率， qi(ln)代表无人机在位置是ln时对目标任务点i的覆 盖成功的概率， 该qi(ln)如公式(2)所示： 其中，表示无人机n的视距链路概率， C和D是取决于环 境的常量， 是地面任务的区域与无人机n之间的仰角； 相应的， 无人机n的非视距链路概 率PNLos,n可表示为： PNLos,n1-PLos,n； pmin则是无人机n一次成功探测所需要的最小传输功率， LdB10n0log(4 fcdn,i/c)且LdB表示无人机n的空对地通。

7、信传输的路径损耗， n0表示路径 权利要求书 1/4 页 2 CN 111711960 A 2 损耗系数， fc表示无人机n的工作载频， dn,i表示无人机n和任务区域点i的直线距离， c代表 电磁波传输速率； pn表示无人机n的传输功率， G是无人机n的天线增益， 当无人机n的通信信 号在天线波束宽度 内时， 天线增益由主瓣增益G29000/ 2决定， 当无人机n的通信超过天 线的波束宽度时， 天线增益由旁瓣增益决定， N0代表无人机天线数量， ( Los, Los)和( NLos, NLos)分别表示视距链路LOS下阴影衰落的均值与方差以及非视距链路 NLOS下阴影衰落的均值与方差； Q(。

8、.)表示标准正态分布的右尾函数； qi(lk)表示无人机 对目标任务点i的覆盖成功概率； 这样第一阶段就转化为通过优化无人机n的三维 位置策略(xn,yn,hn)， 从而最大化无人机群对任务区域的边际覆盖效用。 5.根据权利要求4所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 作为无 人机部署阶段的所述第一阶段结束后进入第二阶段， 所述第二阶段为功率分配阶段， 该功 率分配阶段包括保持第一阶段中无人机群的无人机部署不变， 并调整无人机传输功率使能 源效率最大化； 该功率分配阶段具体包括： 在满足任务区域最低通信需求 的条件下， 对无 人机n构建了如公式(3)所示的基于能量效率的边际效。

9、用函数u2n(pn,p-n)： 其中， pn表示无人机n的传输功率状态， p-n表示除无人机之外无人机群中的其他的 的传输功率， qi(pn)代表无人机在功率是pn时对目标任务点i的覆盖成功概率， qi(pk) 表示无人机对目标任务点i的覆盖成功概率， 所述第二阶段通过优化无人机n的功 率状态pn的选择策略从而最大化无人机群对任务区域的总覆盖能量效率。 6.一种能量效率知觉的无人机群三维部署方法， 其特征在于， 该方法基于对数线性学 习而具体包括以下步骤： 步骤1： 初始化， 所述初始化包括： 设置无人机状态集， 所述无人机状态集包括无人机群 中各个无人机n的三维位置和输出功率， 初始化无人机。

10、群中各个无人机n的三维位置和输出 功率均为NULL， 利用高斯分布设定目标任务点i的i并生成作为作为总的覆盖目标区域的 任务区域I， 设置迭代次数的最大值K， K为正整数， K大于无人机群中的无人机的总数量； 步骤2： 执行第一阶段实现在最大传输功率下的无人机群的三维空间最优部署； 步骤3： 执行第二阶段实现在最大覆盖效用下的无人机群最优功率分配。 7.根据权利要求6所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 所述步 骤2具体包括如下步骤： 步骤2-1： 设定迭代次数的变量为i， i的初始值为0； 步骤2-2： 从无人机群中的所有无人机组成的集合中随机选择一个未被之前随机选 择出。

11、的无人机n， 将其载波传输功率pn调整到最大； 步骤2-3： 从无人机n的可选位置集合S1n中随机选一个三维位置ln作为当前位置， 更新 权利要求书 2/4 页 3 CN 111711960 A 3 此时的无人机位置为(xn,yn,hn)， 无人机群中的其他无人机位置状态不变， 这里的可选位置 集合S1n包含有该无人机n的可选位置； 步骤2-4： 根据公式(1)计算所选无人机n在其当前位置下的效用值u1n(ln(i),l-n(i)和 所选无人机n在其预期位置下的效用值这里为无人机n 的预期位置， 根据该两个效用值建立如公式(4)所示的策略选择概率一， 所述策略选择概率 一包括当前位置下的概率P。

12、(ln(i+1)ln(i)和预期位置下的概率根据该 当前位置下的概率P(ln(i+1)ln(i)进行位置更新， 并且迭代次数的变量的值加一， 即i i+1， 该位置更新的方式为： 若当前位置下的概率P(ln(i+1)ln(i)不小于0.98或者当前位 置下的概率P(ln(i+1)ln(i)不小于随机值rand， 就把所述无人机状态集中的该无人机n 的三维位置设置为无人机n的当前位置， 若当前位置下的概率P(ln(i+1)ln(i)小于0.98 且当前位置下的概率P(ln(i+1)ln(i)小于随机值rand， 就把所述无人机状态集中的该无 人机n的三维位置设置为无人机n的预期位置， 这里的随机。

13、值rand是一个随机的大于0且小 于1的纯小数值； 步骤2-5:若迭代次数的变量的值小于迭代次数的最大值K， 就返回步骤2-2中执行， 若 迭代次数的变量的值不小于迭代次数的最大值K， 就执行步骤2-6； 步骤2-6： 比较当前无人机群中的总计所有无人机的效用值后得到的无人机群的总覆 盖效用U与作为预先设定的最低通信需求的通信门限 相比， 若U ， 保存当前无人机群状 态集， 并进入步骤3来执行第二阶段且把迭代次数的变量i的值归零； 否则， 终止执行所述能 量效率知觉的无人机群三维部署方法。 8.根据权利要求7所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 所述步 骤3具体包括如下步。

14、骤： 步骤3-1:保持第一阶段实现的在最大传输功率下的无人机群的三维空间最优部署不 变； 步骤3-2： 从无人机群中的所有无人机组成的集合中随机选择一个未被之前随机选 择出的无人机n； 步骤3-3:从所选出的无人机n的功率集合S2n中随机选择一输出功率pn作为当前功率， 无人机群中的其他无人机的输出功率不变， 这里的功率集合S2n包含有无人机n可用的输出 功率； 步骤3-4:所选无人机n根据公式(3)计算其在当前功率下的效用值u2n(pn(i),p-n(i)和 在预期功率下的效用值这里为预先设定的无人 机n的预期功率， 根据两个效用值建立如公式(5)所示的策略选择概率二， 所述策略选择概 率二。

15、包括当前功率下的概率P(pn(i+1)pn(i)和预期功率下的根据该 当前功率下的概率P(pn(i+1)pn(i)和预期功率下的进行功率更新， 并 且迭代次数的变量的值加一， 即ii+1， 该功率更新的方式为： 若当前功率下的概率P(pn(i +1)pn(i)不小于0.98或者当前功率下的概率P(pn(i+1)pn(i)不小于随机值rand， 就 把所述无人机状态集中的该无人机n的输出功率设置为无人机n的当前功率， 若当前功率下 的概率P(pn(i+1)pn(i)小于0.98且当前功率下的概率P(pn(i+1)pn(i)小于随机值 权利要求书 3/4 页 4 CN 111711960 A 4 。

16、rand， 就把所述无人机状态集中的该无人机n的输出功率设置为无人机n的预期功率， 这里 的随机值rand是一个随机的大于0且小于1的纯小数值； 步骤3-5： 输出当前的无人机状态集作为最优的联合状态策略集 9.根据权利要求8所述的能量效率知觉的无人机群三维部署方法， 其特征在于， 所述公 式(4)为： 所述公式(5)为： 所述ln(i)和分别表示无人机n的当前位置和无人机n的预期位置； pn(i)和分 别表示无人机n的当前功率和无人机n的预期功率， , 是预先设定的学习参数。 权利要求书 4/4 页 5 CN 111711960 A 5 一种能量效率知觉的无人机群三维部署方法 技术领域 00。

17、01 本发明涉及无线通信技术领域， 具体涉及一种能量效率知觉的无人机群三维部署 方法。 背景技术 0002 无人驾驶飞机简称无人机， 英文缩写为UAV， 是利用无线电遥控设备和自备的程序 控制装置操纵的不载人飞机， 或者由车载计算机完全地或间歇地自主地操作， 而无人机通 信技术是无人机开发中的重点技术之一。 近年来， 灵活、 高效的无人机通信技术得到了迅速 发展， 在动态变化的通信场景中发挥着重要作用。 在执行战场侦察， 数据采集、 救援等紧急 任务时， 通常采用多无人机联合覆盖的方式进行。 根据任务分布差异动态地调整无人机位 置部署尤为重要。 然而， 针对无人机覆盖部署问题， 很多研究通过设。

18、立阈值来确定无人机是 否成功覆盖区域点， 对系统模型做出的假设过于简化， 协作覆盖性能度量方法没有充分考 虑实际物理模型和自组织网络中局部合作的特点。 0003 实际上， 由于无人机的飞行特性， 它们会受到视距链路概率、 阴影衰落、 路径损耗 等影响， 所以每架无人机并不是百分百地成功覆盖每个目标， 都有一定的覆盖成功概率。 但 是， 通过相互之间的合作覆盖， 能够提高任务目标的被覆盖概率， 从而提高对整个任务区域 的覆盖效果， 避免无人机只顾己身所带来的效用损失。 单架无人机只要改变自身水平位置 和高度、 或者传输功率等状态， 就会改变对任务区域的覆盖成功概率， 从而改变其覆盖效 用。 在现。

19、有的一些工作中， 较少考虑多无人机协同覆盖场景， 因为要描述局部变动会影响整 体性能这样的合作关系很难。 因此通常采用如 “参考文献： D.Monderer,L S. Shapley. “Potential Games,” Games and Economic Behavior,vol.14,no. 1,pp.124-143,1996.” 所提及的博弈论研究多无人机之间的相互作用。 此外， 大多相关文献对无人机群的部署模 型做出的假设过于简化， 没有充分考虑天线增益、 空-地链路特性、 无人机状态、 信道衰落等 实际物理因素， 无法准确描述空地状态变化对无人机效用的影响。 发明内容 0004 。

20、为解决上述问题， 本发明提供了一种能量效率知觉的无人机群三维部署方法， 能 很好地描述基于地面任务分布的无人机协同覆盖场景， 有效避免了现有技术中对无人机群 的部署模型做出的假设过于简化， 没有充分考虑天线增益、 空-地链路特性、 无人机状态、 信 道衰落等实际物理因素， 无法准确描述空地状态变化对无人机效用的影响的缺陷。 0005 为了克服现有技术中的不足， 本发明提供了一种能量效率知觉的无人机群三维部 署方法的解决方案， 具体如下： 0006 一种能量效率知觉的无人机群三维部署方法， 包括： 0007 将无人机群三维部署模型分成两个问题求解， 无人机就据此通过两个阶段来改变 自身的三维位置。

21、状态和功率选择得到的整体效用值， 再根据策略选择公式依概率调整当前 状态， 最终收敛到稳定解。 说明书 1/10 页 6 CN 111711960 A 6 0008 对所述无人机群三维部署模型的描述如下： 所述无人机群三维部署模型涉及到无 人机群的水平位置和高度的三维部署问题， 该问题也就是无人机群的三维位置部署问题； 所述无人机群三维部署模型还涉及到无人机群的功率控制问题。 0009 所述两个阶段包括： 当所述无人机群中的无人机完成了最大化覆盖效用的三维位 置部署后， 开始功率优化来让无人机调整传输功率， 在满足地面任务的区域的最低通信需 求下最大化该无人机群三维部署模型的覆盖能量效率。 0。

22、010 进一步地， 所述两个阶段具体分为第一阶段和第二阶段； 0011 所述第一阶段为无人机部署阶段， 在该阶段中， 无人机群以最大功率进行位置部 署， 调整无人机的三维位置实现覆盖效用最大化， 该阶段具体包括： 定义所述无人机群中的 所有无人机组成的集合为N， 对于任意无人机nN， 其中， n为正整数且表示无人机的编号， 将无人机n的覆盖效用设计成其对全局效用的边际贡献u1n(ln,l-n)， 该边际贡献u1n(ln,l-n) 如公式(1)所示： 0012 0013 其中， ln表示无人机n的三维位置(xn,yn,hn)， l-n表示除无人机nN之外无人机群 中的其他的无人机的位置， 在(x。

23、n,yn,hn)中被逗号隔开的三个数字， 自左向右分别表示无人 机n的横坐标、 无人机n的纵坐标和无人机n的高度坐标， I表示总的覆盖目标区域， i是目标 任务点， i表示目标任务点i的重要度， i值越大， 代表目标任务点i的重要度越高； kNn代 表无人机集合N中除了无人机n以外的无人机； qi(lk)代表无人机kNn在位置是lk时对目 标任务点i的覆盖成功的概率， qi(ln)代表无人机nN在位置是ln时对目标任务点i的覆盖 成功的概率， 该qi(ln)如公式(2)所示： 0014 0015其中，表示无人机n的视距链路概率， C和 D是取决 于环境的常量， 是地面任务的区域与无人机n之间的。

24、仰角； 相应的， 无人机n的非视距链路 概率PNLos,n可表示为： PNLos,n1-PLos,n； pmin则是无人机n一次成功探测所需要的最小传输功 率， LdB10n0log(4 fcdn,i/c)且LdB表示无人机n的空对地通信传输的路径损耗， n0表示 路径损耗系数， fc表示无人机n的工作载频， dn,i表示无人机n和任务区域点i的直线距离， c 代表电磁波传输速率； pn表示无人机n的传输功率， G是无人机n的天线增益， 当无人机n的通 信信号在天线波束宽度 内时， 天线增益由主瓣增益G29000/ 2决定， 当无人机n的通信超 过天线的波束宽度时， 天线增益由旁瓣增益决定， 。

25、N0代表无人机天线 数量， ( Los, Los)和 ( NLos, NLos)分别表示视距链路LOS下阴影衰落的均值与方差以及非视 距链路NLOS下阴影衰落的均值与方差； Q(.)表示标准正态分布的右尾函数； qi(lk)表示无人 机kNn对目标任务点i的覆盖成功概率； 这样第一阶段就转化为通过优化无人机n的三维 说明书 2/10 页 7 CN 111711960 A 7 位置策略(xn,yn,hn)， 从而最大化无人机群对任务区域的边际覆盖效用。 0016 进一步地， 作为无人机部署阶段的所述第一阶段结束后进入第二阶段， 所述第二 阶段为功率分配阶段， 该功率分配阶段包括保持第一阶段中无人。

26、机群的无人机部署不变， 并调整无人机传输功率使能源效率最大化； 该功率分配阶段具体包括： 在满足任务区域最 低通信需求 的条件下， 对无人机n构建了如公式(3)所示的基于能量效率的边际效用函数 u2n(pn,p-n)： 0017 0018 其中， pn表示无人机n的传输功率状态， p-n表示除无人机nN之外无人机群中的其 他的的传输功率， qi(pn)代表无人机nN在功率是pn时对目标任务点i的覆盖成功概率， qi (pk)表示无人机kNn对目标任务点i的覆盖成功概率， 所述第二阶段通过优化无人机n的 功率状态pn的选择策略从而最大化无人机群对任务区域的总覆盖能量效率。 0019 一种能量效率。

27、知觉的无人机群三维部署方法， 该方法基于对数线性学习而具体包 括以下步骤： 0020 步骤1： 初始化， 所述初始化包括： 设置无人机状态集， 所述无人机状态集包括无人 机群中各个无人机n的三维位置和输出功率， 初始化无人机群中各个无人机n的三维位置和 输出功率均为NULL， 利用高斯分布设定目标任务点i的i并生成作为作为总的覆盖目标区 域的任务区域I， 设置迭代次数的最大值K， K为正整数， K大于无人机群中的无人机的总数 量； 0021 步骤2： 执行第一阶段实现在最大传输功率下的无人机群的三维空间最优部署； 所 述步骤2具体包括如下步骤： 0022 步骤2-1： 设定迭代次数的变量为i，。

28、 i的初始值为0； 0023 步骤2-2： 从无人机群中的所有无人机组成的集合N中随机选择一个未被之前随机 选择出的无人机n， 将其载波传输功率pn调整到最大； 0024 步骤2-3： 从无人机n的可选位置集合S1n中随机选一个三维位置 ln作为当前位置， 更新此时的无人机位置为(xn,yn,hn)， 无人机群中的其他无人机位置状态不变， 这里的可选 位置集合S1n包含有该无人机n 的可选位置； 0025 步骤2-4： 根据公式(1)计算所选无人机n在其当前位置下的效用值u1n(ln(i),l-n (i)和所选无人机n在其预期位置下的效用值这里为 无人机n的预期位置， 根据该两个效用值建立如公。

29、式(4)所示的策略选择概率一， 所述策略 选择概率一包括当前位置下的概率P (ln(i+1) ln(i) 和预期位置下的概率 根据该当前位置下的概率P(ln(i+1)ln(i)进行位置更新， 并且迭代次 数的变量的值加一， 即ii+1， 该位置更新的方式为： 若当前位置下的概率P(ln(i+1)ln 说明书 3/10 页 8 CN 111711960 A 8 (i)不小于0.98或者当前位置下的概率P(ln(i+1)ln(i)不小于随机值rand， 就把所述无 人机状态集中的该无人机n的三维位置设置为无人机n的当前位置， 若当前位置下的概率P (ln(i+1)ln(i)小于0.98且当前位置下。

30、的概率P(ln(i+1)ln(i)小于随机值rand， 就把 所述无人机状态集中的该无人机n的三维位置设置为无人机n的预期位置， 这里的随机值 rand是一个随机的大于0且小于 1的纯小数值； 0026 步骤2-5:若迭代次数的变量的值小于迭代次数的最大值K， 就返回步骤2-2中执 行， 若迭代次数的变量的值不小于迭代次数的最大值 K， 就执行步骤2-6； 0027 步骤2-6： 比较当前无人机群中的总计所有无人机的效用值后得到的无人机群的 总覆盖效用U与作为预先设定的最低通信需求的通信门限 相比， 若U ， 保存当前无人机 群状态集， 并进入步骤3 来执行第二阶段且把迭代次数的变量i的值归零。

31、； 否则， 终止执行 所述能量效率知觉的无人机群三维部署方法； 0028 步骤3： 执行第二阶段实现在最大覆盖效用下的无人机群最优功率分配。 所述步骤 3具体包括如下步骤： 0029 步骤3-1:保持第一阶段实现的在最大传输功率下的无人机群的三维空间最优部 署不变； 0030 步骤3-2： 从无人机群中的所有无人机组成的集合N中随机选择一个未被之前随机 选择出的无人机n； 0031 步骤3-3:从所选出的无人机n的功率集合S2n中随机选择一输出功率pn作为当前功 率， 无人机群中的其他无人机的输出功率不变， 这里的功率集合S2n包含有无人机n可用的 输出功率； 0032 步骤3-4:所选无人机。

32、n根据公式(3)计算其在当前功率下的效用值u2n(pn(i),p-n (i)和在预期功率下的效用值这里为预先设定的 无人机n的预期功率， 根据两个效用值建立如公式(5)所示的策略选择概率二， 所述策略选 择概率二包括当前功率下的概率P(pn(i+1)pn(i)和预期功率下的根 据该当前功率下的概率P(pn(i+1)pn(i)和预期功率下的进行功率更 新， 并且迭代次数的变量的值加一， 即ii+1， 该功率更新的方式为： 若当前功率下的概率 P(pn(i+1)pn(i)不小于0.98或者当前功率下的概率P(pn(i+1)pn(i)不小于随机值 rand， 就把所述无人机状态集中的该无人机n的输出。

33、功率设置为无人机n的当前功率， 若当 前功率下的概率P(pn(i+1)pn(i)小于0.98且当前功率下的概率P(pn(i+1)pn(i)小于 随机值rand， 就把所述无人机状态集中的该无人机n的输出功率设置为无人机n的预期功 率， 这里的随机值rand是一个随机的大于0且小于1的纯小数值； 0033步骤3-5： 输出当前的无人机状态集作为最优的联合状态策略集 0034 所述公式(4)为： 0035 说明书 4/10 页 9 CN 111711960 A 9 0036 所述公式(5)为： 0037 0038所述ln(i)和分别表示无人机n的当前位置和无人机n的预期位置； pn(i)和 分别表。

34、示无人机n的当前功率和无人机n的预期功率， , 是预先设定的学习参数。 0039 本发明的有益效果为： 0040 (1)构建了一个能量效率知觉的无人机三维部署模型。 在实际通信场景中， 无人机 高度对覆盖效用的影响不容忽视。 因此， 考虑到可调高度， 更有利于找到更好的位置， 最大 化覆盖效用。 0041 (2)建立了无人机群之间的决策关系， 构造了边际效用函数， 证明了所提出的三维 部署模型是一个至少有一个纳什均衡点的精确势能博弈。 0042 (3)设计了一种基于对数线性学习的无人机群三维部署算法。 在动作空间中对无 人机的三维位置和传输功率进行调整和优化。 在实际的多无人机协同通信场景中具。

35、有很大 的应用潜力。 附图说明 0043 图1是本发明中无人机群三维部署模型图。 0044 图2是本发明中任务区域重要度分布图。 0045 图3是本发明实施例1中不同数量的无人机覆盖总效用对比。 0046 图4是本发明实施例1中6架无人机的部署效果图。 0047 图5是本发明能量效率知觉的无人机群三维部署方法的流程图。 具体实施方式 0048 下面将结合附图和实施例对本发明做进一步地说明。 0049 如图1-图5所示， 能量效率知觉的无人机群三维部署方法， 包括： 0050 本发明所提出的能量效率知觉的无人机群三维部署方法， 旨在提供方案以解决多 无人机协同覆盖能量优化问题。 本发明将无人机群。

36、三维部署模型分成两个问题求解， 降低 策略空间复杂度， 便于更快地求解。 本发明并基于对数线性法， 无人机就据此可以通过两个 阶段来改变自身的三维位置状态和功率选择得到的整体效用值， 再根据策略选择公式依概 率调整当前状态， 最终收敛到稳定解。 0051 对所述无人机群三维部署模型的描述如下： 考虑到无人机群的多架无人机同时执 行作为地面任务的空对地覆盖任务的场景， 地面任务有重要度等级的划分， 重要度越高， 覆 盖此区域的效用越高。 由于无人机的飞行特性， 他们的覆盖效用会受到传输功率、 视距链路 概率、 阴影衰落、 路径损耗等影响， 所以每架无人机并不是百分百地成功覆盖每个目标， 对 地面。

37、任务的区域点都有一定的覆盖成功的概率。 由于无人机高度越高， 路径损耗， 阴影衰落 越大， 覆盖成功率越低， 而高度越低， 覆盖范围变小， 同样影响覆盖效用， 因此所述无人机群 说明书 5/10 页 10 CN 111711960 A 10 三维部署模型涉及到无人机群的水平位置和高度的三维部署问题， 该问题也就是无人机群 的三维位置部署问题； 同样， 无人机群对地面任务的区域点的覆盖成功的概率不仅取决于 无人机群的位置部署， 而且与它们的载波传输功率也密切相关。 在给定单架无人机的位置 部署下， 其载波传输功率能够明显地影响对地面任务的区域点的覆盖成功的概率。 当载波 传输功率增加到一定量时，。

38、 覆盖成功的概率会逐渐趋于峰值， 此时， 增大传输功率不仅对提 高覆盖效用效果不明显， 反而带来了巨大的能量损耗， 因此所述无人机群三维部署模型还 涉及到无人机群的功率控制问题。 无人机通过调整自身的三维位置或者传输功率等状态， 对地面任务的区域的覆盖效用也会随之改变。 无人机通过相互之间的合作覆盖， 能够提高 地面任务目标的被覆盖成功概率， 从而提高对整个地面任务的区域的覆盖效果， 避免无人 机只顾己身所带来的效用损失。 0052 所述两个阶段包括： 当所述无人机群中的无人机完成了最大化覆盖效用的三维位 置部署后， 开始进行功率优化来让无人机调整传输功率， 在满足地面任务的区域的最低通 信需。

39、求下最大化该无人机群三维部署模型的覆盖能量效率。 所述地面任务的区域也能简称 为任务区域。 0053 如图2所示为任务区域重要度分布图， 表示的是无人机群网络下的一个任务区域 实例， 在图2中将任务区域的坐标为 (10,35),(35,10),(38,38)的坐标点设置为业务热点， 越靠近业务热点， 任务区域的重要度越大， 覆盖效用越高， 这直接决定了无人机的部署。 这 里三组坐标(10,35),(35,10),(38,38)中， 括号内逗号左边的数字表示横坐标， 括号内逗号 右边的数字表示纵坐标。 0054 本发明基于地面任务的差异性， 结合多无人机协同部署问题， 考虑空地链路特性、 无人机。

40、之间相互作用等因素， 设计出该无人机群三维部署方法， 得出最佳部署决策， 以最大 化覆盖效用， 减少能量损耗。 0055 进一步地， 所述两个阶段具体分为第一阶段和第二阶段； 0056 考虑将无人机三维部署方法分为无人机部署和功率分配两个阶段， 所述第一阶段 为无人机部署阶段， 在该阶段中， 无人机群以最大功率进行位置部署， 调整无人机的三维位 置实现覆盖效用最大化， 该阶段具体包括： 考虑实际物理通信模型和地面任务分布差异性， 定义所述无人机群中的所有无人机组成的集合为N， 对于任意无人机 nN， 其中， n为正整 数且表示无人机的编号， 将无人机n的覆盖效用设计成其对全局效用的边际贡献u1。

41、n(ln, l-n)， 该边际贡献u1n(ln,l-n)如公式(1)所示： 0057 0058 其中， ln表示无人机n的三维位置(xn,yn,hn)， l-n表示除无人机nN之外无人机群 中的其他的无人机的位置， 在(xn,yn,hn)中被逗号隔开的三个数字， 自左向右分别表示无人 机n的横坐标、 无人机n的纵坐标和无人机n的高度坐标， I表示总的覆盖目标区域， i是目标 任务点， i表示目标任务点i的重要度， i值越大， 代表目标任务点i的重要度越高； kNn代 表无人机集合N中除了无人机n以外的无人机； qi(lk)代表无人机kNn在位置是lk时对目 标任务点i的覆盖成功的概率， qi(。

42、ln)代表无人机nN在位置是ln时对目标任务点i的覆盖 说明书 6/10 页 11 CN 111711960 A 11 成功的概率， 该qi(ln)如公式(2)所示： 0059 0060其中，表示无人机n的视距链路概率， C和 D是取决 于环境的常量， 是地面任务的区域与无人机n之间的仰角； 相应的， 无人机n的非视距链路 概率PNLos,n可表示为： PNLos,n1-PLos,n； pmin则是无人机n一次成功探测所需要的最小传输功 率， LdB10n0log(4 fcdn,i/c)且LdB表示无人机n的空对地通信传输的路径损耗， n0表示路 径损耗系数， fc表示无人机n的工作载频， d。

43、n,i表示无人机n和任务区域点i的直线距离， c代 表电磁波传输速率； pn表示无人机n的传输功率， G是无人机n的天线增益， 当无人机n的通信 信号在天线波束宽度 内时， 天线增益由主瓣增益G29000/ 2决定， 当无人机n的通信超过 天线的波束宽度时， 天线增益由旁瓣增益决定， N0代表无人机天线数 量， ( Los, Los)和 ( NLos, NLos)分别表示视距链路LOS下阴影衰落的均值与方差以及非视距 链路NLOS下阴影衰落的均值与方差； Q(.)表示标准正态分布的右尾函数； qi(lk)表示无人机 kNn对目标任务点i的覆盖成功概率； 因此， 这样第一阶段就转化为通过优化无人。

44、机n的 三维位置策略 (xn,yn,hn)， 从而最大化无人机群对任务区域的边际覆盖效用。 0061 进一步地， 作为无人机部署阶段的所述第一阶段结束后进入第二阶段， 所述第二 阶段为功率分配阶段， 该功率分配阶段包括保持第一阶段中无人机群的无人机部署不变， 并调整无人机传输功率使能源效率最大化； 该功率分配阶段具体包括： 在满足任务区域， 即 地面任务的区域最低通信需求 的条件下， 对无人机n构建了如公式(3)所示的基于能量效 率的边际效用函数u2n(pn,p-n)： 0062 0063 其中， pn表示无人机n的传输功率状态， p-n表示除无人机nN之外无人机群中的其 他的的传输功率， q。

45、i(pn)代表无人机nN在功率是pn时对目标任务点i的覆盖成功概率， qi (pk)表示无人机kNn对目标任务点i的覆盖成功概率， 因此， 所述第二阶段通过优化无人 机n的功率状态pn的选择策略从而最大化无人机群对任务区域的总覆盖能量效率。 0064 一种能量效率知觉的无人机群三维部署方法， 该方法基于对数线性学习而具体包 括以下步骤： 0065 步骤1： 初始化， 所述初始化包括： 设置无人机状态集， 所述无人机状态集包括无人 机群中各个无人机n的三维位置和输出功率， 初始化无人机群中各个无人机n的三维位置和 输出功率均为NULL， 利用高斯分布设定目标任务点i的i并生成作为作为总的覆盖目标。

46、区 说明书 7/10 页 12 CN 111711960 A 12 域的任务区域I， 设置迭代次数的最大值K， K为正整数， K大于无人机群中的无人机的总数 量； 0066 步骤2： 执行第一阶段实现在最大传输功率下的无人机群的三维空间最优部署； 所 述步骤2具体包括如下步骤： 0067 步骤2-1： 设定迭代次数的变量为i， i的初始值为0； 0068 步骤2-2： 从无人机群中的所有无人机组成的集合N中随机选择一个未被之前随机 选择出的无人机n， 将其载波传输功率pn调整到最大； 0069 步骤2-3： 从无人机n的可选位置集合S1n中随机选一个三维位置 ln作为当前位置， 更新此时的无人。

47、机位置为(xn,yn,hn)， 无人机群中的其他无人机位置状态不变， 这里的可选 位置集合S1n包含有该无人机n 的可选位置； 0070 步骤2-4： 根据公式(1)计算所选无人机n在其当前位置下的效用值u1n(ln(i),l-n (i)和所选无人机n在其预期位置下的效用值这里为 无人机n的预期位置， 根据该两个效用值建立如公式(4)所示的策略选择概率一， 所述策略 选择概率一包括当前位置下的概率P (ln(i+1) ln(i) 和预期位置下的概率 根据该当前位置下的概率P(ln(i+1)ln(i)进行位置更新， 并且迭代次 数的变量的值加一， 即ii+1， 该位置更新的方式为： 若当前位置下。

48、的概率P(ln(i+1)ln (i)不小于0.98或者当前位置下的概率P(ln(i+1)ln(i)不小于随机值rand， 就把所述无 人机状态集中的该无人机n的三维位置设置为无人机n的当前位置， 若当前位置下的概率P (ln(i+1)ln(i)小于0.98且当前位置下的概率P(ln(i+1)ln(i)小于随机值rand， 就把 所述无人机状态集中的该无人机n的三维位置设置为无人机n的预期位置， 这里的随机值 rand是一个随机的大于0且小于 1的纯小数值； 当前位置下的概率P(ln(i+1)ln(i)不小 于0.98能够保证算法的收敛性， 当前位置下的概率P(ln(i+1)ln(i)不小于随机。

49、值rand 能够保证探索效果， 能够探索到更优的无人机的可能位置。 选择预期位置可能在接下来的 探索中会得到一个更好的无人机的位置。 0071 步骤2-5:若迭代次数的变量的值小于迭代次数的最大值K， 就返回步骤2-2中执 行， 若迭代次数的变量的值不小于迭代次数的最大值 K， 就执行步骤2-6； 0072 步骤2-6： 比较当前无人机群中的总计所有无人机的效用值后得到的无人机群的 总覆盖效用U与作为预先设定的最低通信需求的通信门限 相比， 若U ， 保存当前无人机 群状态集， 并进入步骤3 来执行第二阶段且把迭代次数的变量i的值归零； 否则， 终止执行 所述能量效率知觉的无人机群三维部署方法。

50、； 0073 步骤3： 执行第二阶段实现在最大覆盖效用下的无人机群最优功率分配。 所述步骤 3具体包括如下步骤： 0074 步骤3-1:保持第一阶段实现的在最大传输功率下的无人机群的三维空间最优部 署不变； 0075 步骤3-2： 从无人机群中的所有无人机组成的集合N中随机选择一个未被之前随机 选择出的无人机n； 0076 步骤3-3:从所选出的无人机n的功率集合S2n中随机选择一输出功率pn作为当前功 率， 无人机群中的其他无人机的输出功率不变， 这里的功率集合S2n包含有无人机n可用的 说明书 8/10 页 13 CN 111711960 A 13 输出功率； 0077 步骤3-4:所选无。