一种协同异构空中网络设计及部署优化方法及系统

1.本发明属于无线通信技术领域，具体涉及一种协同异构空中网络设计及部署优化方法及系统。


背景技术：

2.由于无人机(uav)通信的灵活性，具有很大的应用潜力。配备通信设备的无人机作为一个重要的应用，可作为空中基站(abs)，为远程地区提供广域覆盖。与地面网络相比，可视链路(los)在空对地通信中更容易建立，这是因为abs和地面用户之间存在的障碍更少。此外，无人机可以动态部署，以匹配用户分布，从而提高网络性能。这些优势促进了无人机在未来无线网络中的应用，据预测，空中网络将成为第六代移动通信系统的重要组成部分。
3.abs的部署(如位置轨迹)对系统整体性能是至关重要的，也引起了学术界广泛研究。现有技术一提出了一种按需-密度驱动的无人机三维部署方法，在最小速率要求约束下覆盖尽可能多的用户。现有技术二提出通过部署无人机来辅助增强地面基站对用户的覆盖概率。现有技术三提出了一个流级模型(flow-level model)来真实描述无人机空中基站性能，并采用深度强化学习方法优化无人机的轨迹。现有技术四提出了一种双频机载接入网络，并基于在此网络上测得的信道特征设计一种信道-功率联合优化的方法。虽然针对abs已经提出了大量的优化算法，但对异构空中网络(hetans)的研究却很少。在实际应用中，低频高空abs(habs)可以实现广域覆盖，而高频低空abs(labs)可以支持大容量通信。因此，与同构空中网络(homans)相比，habs与labs合作可以为地面用户提供更好的服务。但由于hetans需要联合部署优化，其覆盖问题比homans更复杂，尚未得到很好的研究。
4.协同异构空中网络存在的挑战：
5.挑战一：无人机的高度对通信质量有很大的影响，增大无人机的高度可以提升los通信的概率，但无人机和用户之间的距离也随之增大，大尺度衰落增大，因此需要权衡los概率增大带来的优势和大尺度衰落增大带来的弊端之间的关系，合理设置无人机的高度；
6.挑战二：异构空中网络中高低空无人机协同工作，高空无人机与用户距离远但阻碍较少、los链路质量好、采用低频波段路径损耗较小，而低空无人机与用户虽然距离近但阻碍多、信道质量相对较差、采用高频波段路径损耗大，因此需要根据用户的分布和无人机的位置合理设置无人机和用户之间的关联。


技术实现要素：

7.本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种协同异构空中网络设计及部署优化方法及系统，使采用低频波段的habs和采用高频波段的labs共同服务资源小区，实现系统覆盖用户数最大化。
8.本发明采用以下技术方案：
9.一种协同异构空中网络设计及部署优化方法，包括以下步骤：
10.s1、构建小区通信模型，包括一个habs、n个labs和m个用户；
11.s2、基于步骤s1构建的小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；
12.s3、基于步骤s1构建的小区通信模型和步骤s2构建的信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；
13.s4、将步骤s3构建的系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；
14.s5、基于步骤s3的约束条件和步骤s4的优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；
15.s6、基于步骤s5获得的labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；
16.s7、基于步骤s4的优化目标分解和步骤s6的labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；
17.s8、基于步骤s7求得的habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。
18.具体的，步骤s1具体为：
19.s101、构建一个三维直角坐标系，x、y轴为水平方向，z轴为垂直高度，以原点(0,0,0)为圆心，以rs为半径的圆形区域即为资源小区，m个用户随机均匀分布；
20.s102、基于步骤s101的通信模型，habs的高度为h，以固定的半径r绕(0,0,h)周期性盘旋，覆盖半径为r，第n个labs的位置为ωn＝(xn,yn,hn)，所有labs的位置表示为w＝{ωn}，第m个用户的位置为ωm＝(xm,ym,hm)。
21.具体的，步骤s2具体为：
22.s201、habs的信道数为k
l
，各信道带宽为b
l
hz，各labs的信道数为kh,各信道带宽为bh，不同labs之间的信道为正交；
23.s202、基于步骤s201的信道模型，考虑路径损耗，包括los和nlos因素，确定第n个abs和第m个用户之间的los通信概率，以及第n个abs和第m个用户之间的路径损耗；
24.s203、基于s202的通信机制，确定无人机n所关联用户m的接收功率；
25.s204、基于步骤s203的用户接收功率，确定用户m的覆盖概率。
26.进一步的，步骤s202中，第n个abs和第m个用户之间的los通信概率p
los
(n,m)为：
[0027][0028][0029]
其中，α,β为环境参数，
hn
为无人机n的高度，
hm
为用户m的高度，xn、yn分别为无人机n在水平方向的横坐标、纵坐标，xm、ym分别为用户m在水平方向的横坐标、纵坐标，为无人机n和用户m在水平方向上的距离；
[0030]
los和nlos的路径损耗模型pl
los
和pl
nlos
分别为：
[0031]
pl
los
＝32.44+20lg(d[m])+20lg(fc[ghz])
[0032]
pl
nlos
＝32.4+30lg(d[m])+20lg(fc[ghz])
[0033]
其中，d代表用户与无人机之间的距离，fc代表频率；
[0034]
第n个abs和第m个用户之间的路径损耗pl
n,m
为：
[0035]
pl
n,m
＝p
los
pl
los
+(1-p
los
)pl
nlos
[0036]
其中，p
los
为无人机和用户之间为los通信的概率。
[0037]
具体的，步骤s3中，优化问题表示为：
[0038][0039]
s.t.c1:
[0040]
c2
[0041]
c3:
[0042]
c4
[0043]
其中γm代表用户m的覆盖概率，x
min
,x
max
，y
min
,y
max
，h
min
,h
max
，r
min
,r
max
分别表示可行域在x轴、y轴和z轴方向的最小最大范围以及habs的最小最大盘旋半径，c1、c2、c3分别为labs在x轴方向、y轴方向和高度上的飞行范围约束，r为habs的盘旋半径范围约束。
[0044]
具体的，步骤s6中，采用粒子-鱼群优化算法优化labss的位置，优化问题表示为：
[0045][0046]
s.t.c1:
[0047]
c2:
[0048]
其中，c1、c2分别为labs在x轴方向、y轴方向上的飞行范围约束，是一个指示器。
[0049]
具体的，步骤s6中，求解labs最佳位置的步骤如下：
[0050]
s601、初始化ω＝0.9,c1＝c2＝2,i＝1，最大迭代次数j＝200；
[0051]
s602、在可行域内随机生成粒子群的位置x1和速度v1以及鱼群位置x2；
[0052]
s603、计算x1中各粒子的覆盖用户数记为y1，计算x2中各人工鱼的覆盖用户数记为y2；
[0053]
s604、将y1和y2逐项比较，各项中的较大值写入fitnesspbest，其对应的粒子或人工鱼的位置写入pbest；
[0054]
s605、将y1中最大的值记为t,将y2中最大的值记为s，比较t和s,将两者中较大的写入fitnessgbest，其对应的粒子或人工鱼位置写入gbest；
[0055]
s606、更新粒子速度得到新的v1,并将大于vmax的值置为vmax，将小于vmin的值置为vmin；
[0056]
s607、更新粒子位置得到新的x1，并将大于xmax的值改为xmax，将小于xmin的值改为xmin；
[0057]
s608、计算x1各粒子的覆盖用户数记为y1；
[0058]
s609、将y1与fitnesspbest中的值逐项比较，若y1中的值更大，更新fitnesspbest和pbest；
[0059]
s610、将y1中的每个值与fitnessgbest比较，若y1中的值更大，更新fitnessgbest和gbest；
[0060]
s611、分别根据聚群行为和追尾行为更新鱼群的位置得到x
2,1
和x
2,2
；
[0061]
s612、计算x
2,1
和x
2,2
各位置处的覆盖用户数记为y
2,1
,y
2,2
；
[0062]
s613、将y
2,1
和y
2,2
逐项比较，将各项中的较大值写入y2,对应的人工鱼位置写入x2；
[0063]
s614、将y2中的每个值与fitnessgbest比较，若y2中的值更大，更新fitnessgbest和gbest；
[0064]
s615、i＝i+1,若i＜j，重复s706到s715之间的步骤，得到labss的最佳位置gbest。
[0065]
具体的，步骤s8中，将habs求解覆盖用户数最大问题转化为使所关联用户的覆盖概率和最大化，即寻找使f(r)最大的r值，具体如下：
[0066][0067]
其中，表示labs覆盖用户的集合，γm(r)为habs盘旋半径为r时用户m的覆盖概率。
[0068]
具体的，步骤s8中，使用随机区间收缩算法计算habs最优盘旋半径r
*
具体为：
[0069]
s801、初始化区间内取点数量k＝100，误差ε＝0.1，黄金分割比例
[0070]
s802、在区间[r
min
,r
max
]上均匀选取k个点，分别计算各点处的目标函数值f(rk)；
[0071]
s803、在k个目标函数值中寻找最大值，并令
[0072]
s804、创建新的盘旋半径取值区间，令左边界右边界其中δ＝r
max-r
min
；
[0073]
s805、在[a,b]区间选两点r1＝a+(1-μ)(b-a)，r2＝a+μ(b-a)，并计算f(r1)，f(r2)；
[0074]
s806、判断b-a＞ε是否成立，若成立，执行s807，若不成立，跳转至s809；
[0075]
s807、若f(r1)-f(r2)＜0，令a＝r1,r1＝r2,r2＝a+μ(b-a)，计算f(r2)，否则令b＝r2,r2＝r1,r1＝a+(1-μ)(b-a)，并计算f(r1)；
[0076]
s808、跳转至s806；
[0077]
s809、得到最优盘旋半径
[0078]
本发明的另一技术方案是，一种协同异构空中网络设计及部署优化系统，包括：
[0079]
通信模块，构建小区通信模型，包括一个habs、n个labs和m个用户；
[0080]
传输模块，基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；
[0081]
约束模块，基于小区通信模型和信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；
[0082]
分解模块，将系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；
[0083]
计算模块，基于约束模块的约束条件和分解模块的优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；
[0084]
位置模块，基于labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；
[0085]
最大化模块，基于分解模块的优化目标分解和labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；
[0086]
部署模块，基于habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。
[0087]
与现有技术相比，本发明至少具有以下有益效果：
[0088]
一种面向用户覆盖的协同异构空中网络设计及部署优化方法，提出利用labs协助habs覆盖更多用户的协同异构空中网络，为使系统覆盖用户数最大化，提出abs覆盖半径优化、labs三维位置优化和habs轨迹优化的联合优化问题，并将该复杂优化问题分解为labs覆盖用户数最多和habs覆盖用户数最多两个子问题。首先利用二分法和黄金分割法迭代更新求得labs最优高度和最大覆盖半径，再设计粒子-鱼群优化算法确定labs的三维位置，然后利用二分法获得habs最大覆盖半径，通过几何关系得出habs关联用户的覆盖概率，并设计随机区间收缩算法求解habs的最优盘旋半径，有效提升系统性能。
[0089]
进一步的，高空无人机采用低频波段提供广域覆盖，低空无人机采用高频波段辅助高空无人机的覆盖，充分利用频谱资源且避免干扰，使得系统整体性能得到很大的提升。
[0090]
进一步的，对habs和用户之间以及labs和用户之间的通信接入机制进行了分析。
[0091]
进一步的，对无人机与用户之间的路径损耗模型进行了分析。
[0092]
进一步的，合理的系统优化目标和约束机制使得所建立的通信系统模型更加贴近实际，更有现实意义。
[0093]
进一步的，将系统覆盖用户数最大化这一复杂问题分解为labs覆盖用户数最大化和habs覆盖用户数最大化，并建立优化目标和约束机制，为分析求解提供了基础。
[0094]
进一步的，采用粒子-鱼群优化算法求解labs位置优化问题，结合了粒子群算法收敛速度快和鱼群算法全局收敛性好的特点，能够很快求解出labs的最优位置，使labs覆盖用户数最大。
[0095]
进一步的，当用户与habs关联时，由于高空基站是周期性盘旋的，用户与基站之间的通信也是不连续的，用覆盖概率更能准确描述基站和用户之间的关联。
[0096]
进一步的，由于labs覆盖部分用户，导致habs覆盖用户分布不均匀，计算最优盘旋半径r
*
能极大程度上避开labs覆盖范围，实现最优覆盖。
[0097]
综上所述，本发明针对现有空中异构网络研究的缺失，提出一种协同异构空中网络设计及部署优化方法及系统，使得habs和labs协同工作，覆盖更多用户。发明利用二分法和黄金分割法迭代求解低空无人机的最优飞行高度和半径，并设计粒子-鱼群算法优化labs的位置，使其覆盖用户数最多，其次利用二分法确定habs的最优飞行高度，并设计随机区间收缩方法确定habs的盘旋半径，以使得habs覆盖用户数最大。通过上述方案，使得采用
低频波段的habs和采用高频波段的labs共同服务资源小区，实现系统覆盖用户数最大化。
[0098]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0099]
图1为本发明流程图；
[0100]
图2为本发明提供的场景图；
[0101]
图3为habs用户覆盖平面图；
[0102]
图4为小区用户数不同时使用本发明与未使用本发明的性能对比图；
[0103]
图5为用户接收门限功率不同时使用本发明与未使用本发明的性能对比图；
[0104]
图6为小区半径不同时使用本发明与未使用本发明的性能对比图。
具体实施方式
[0105]
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。
[0106]
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0107]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0108]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0109]
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
[0110]
本发明提供了一种协同异构空中网络设计及部署优化方法，首先利用二分法和黄金分割法迭代求解低空无人机的最优飞行高度和半径，使得无人机在满足用户最小接收门限的前提下得到最大的覆盖半径；其次，设计粒子-鱼群算法优化labss的位置，使低空基站覆盖用户数最多；然后，利用二分法确定habs的飞行高度，通过几何关系得出habs各关联用户覆盖概率，并设计随机区间收缩方法确定habs的盘旋半径，以使得habs所有关联用户的覆盖概率和最大。
[0111]
请参阅图1，本发明一种协同异构空中网络设计及部署优化方法，包括以下步骤：
[0112]
s1、构建小区通信模型，包括一个habs、n个labs和m个用户，labs所在集合为用户所在集合为
[0113]
s101、构建一个三维直角坐标系，x、y轴为水平方向，z轴为垂直高度，以原点(0,0,
0)为圆心，以rs为半径的圆形区域即为资源小区，m个用户随机均匀分布；
[0114]
s102、habs的高度为h，以固定的半径r绕(0,0,h)周期性盘旋，覆盖半径为r，第n个labs的位置为ωn＝(xn,yn,hn)，所有labs的位置表示为w＝{ωn}，第m个用户的位置为ωm＝(xm,ym,hm)。
[0115]
s2、基于步骤s1的小区通信模型，构建habs与用户之间以及labs与用户之间的信息传输机制；
[0116]
s201、habs的信道数为k
l
，各信道带宽为b
l
hz，各labs的信道数为kh,各信道带宽为bh。为了避免干扰，假设不同labs之间的信道是正交的；
[0117]
s202、在本发明中仅考虑路径损耗，空对地路径损耗包括los和nlos因素，第n个abs(n＝0表示habs，n＞0表示第n个labs)和第m个用户之间的los通信概率为：
[0118][0119]
其中，α,β为环境参数，
[0120]
los和nlos路径损耗模型分别为：
[0121]
pl
los
＝32.44+20lg(d[m])+20lg(fc[ghz])
[0122]
pl
nlos
＝32.4+30lg(d[m])+20lg(fc[ghz])
[0123]
其中，d代表用户与无人机之间的距离，fc代表频率；
[0124]
第n个abs和第m个用户之间的路径损耗为:
[0125]
pl
n,m
＝p
los
pl
los
+(1-p
los
)pl
nlos
；
[0126]
s203、与第n个abs关联的用户m的接收功率为：
[0127]
prm＝pt
n-pl
n,m
[0128]
其中ptn代表第n个abs的传输功率；
[0129]
s204、用户通过最大接收信号强度指示(rssi)接入labs，即prm≥γ，其中γ为接收门限功率，取决于用户的接收敏感性。则用户m的覆盖概率为：
[0130]
γm＝p(prm≥γ)。
[0131]
s3、基于步骤s1的小区通信模型和步骤s2的信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；
[0132][0133]
s.t.c1:
[0134]
c2
[0135]
c3:
[0136]
c4:
[0137]
其中γm代表用户m的覆盖概率，x
min
,x
max
，y
min
,y
max
，h
min
,h
max
，r
min
,r
max
分别表示可行域在x轴、y轴和z轴方向的最小最大范围以及habs的最小最大盘旋半径，c1、c2、c3分别为labs在x轴方向、y轴方向和高度上的飞行范围约束，r为habs的盘旋半径范围约束。
[0138]
s4、将步骤s3构建的系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和覆盖半径，以及habs的轨迹和覆盖半径；
[0139]
s5、基于步骤s3的约束条件和步骤s4的优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；
[0140]
考虑到labs覆盖半径越大，在其覆盖范围内的用户越多，而用户通过rssi接入labs，只有满足prm≥γ，用户m才能与低空基站关联，因此问题转化为求使labs覆盖范围内任意用户都满足pr≥γ的最大覆盖半径。根据相关研究，路径损耗随半径增大而增大，随高度增大先减小后增大，因此利用二分法和黄金分割法可以得出labs的最优高度和最大覆盖半径。
[0141]
s6、基步骤于s5的labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标，求解labs的最佳位置；
[0142]
采用粒子-鱼群优化算法优化labss的位置，优化问题表示为：
[0143][0144]
s.t.c1:
[0145]
c2
[0146]
其中，c1、c2分别为labs在x轴方向、y轴方向上的飞行范围约束，是一个指示器，如果满足，γm＝1，否则γm＝0。
[0147]
具体步骤为：
[0148]
s601、初始化ω＝0.9,c1＝c2＝2,i＝1，最大迭代次数j＝200；
[0149]
s602、在可行域内随机生成粒子群的位置x1和速度v1以及鱼群位置x2；
[0150]
s603、计算x1中各粒子的覆盖用户数记为y1，计算x2中各人工鱼的覆盖用户数记为y2；
[0151]
s604、将y1和y2逐项比较，各项中的较大值写入fitnesspbest，其对应的粒子或人工鱼的位置写入pbest；
[0152]
s605、将y1中最大的值记为t,将y2中最大的值记为s，比较t和s,将两者中较大的写入fitnessgbest，其对应的粒子或人工鱼位置写入gbest；
[0153]
s606、更新粒子速度得到新的v1,并将大于vmax的值置为vmax，将小于vmin的值置为vmin，公式如下：
[0154]vi
(t+1)＝ωvi(t)+c1random(0,1)(p
ibest
(t)-xi(t))+c2random(0,1)(g
best
(t)-xi(t))
[0155]
s607、更新粒子位置得到新的x1，并将大于xmax的值改为xmax，将小于xmin的值改为xmin，公式如下：
[0156]
xi(t+1)＝xi(t)+vi(t+1)；
[0157]
s608、计算x1各粒子的覆盖用户数记为y1；
[0158]
s609、将y1与fitnesspbest中的值逐项比较，若y1中的值更大，更新fitnesspbest
和pbest；
[0159]
s610、将y1中的每个值与fitnessgbest比较，若y1中的值更大，更新fitnessgbest和gbest；
[0160]
s611、分别根据聚群行为和追尾行为更新鱼群的位置得到x
2,1
和x
2,2
；
[0161]
s612、计算x
2,1
和x
2,2
各位置处的覆盖用户数记为y
2,1
,y
2,2
；
[0162]
s613、将y
2,1
和y
2,2
逐项比较，将各项中的较大值写入y2,对应的人工鱼位置写入x2；
[0163]
s614、将y2中的每个值与fitnessgbest比较，若y2中的值更大，更新fitnessgbest和gbest；
[0164]
s615、i＝i+1,若i＜j，重复s706到s715之间的步骤，得到labss的最佳位置gbest。
[0165]
s7、基于步骤s4的优化目标分解和步骤s6的labs位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；
[0166]
用户通过rssi接入habs，且只有在habs覆盖范围内的用户才能与其建立通信，为使覆盖用户数最多，求使habs覆盖范围内任意用户都满足pr≥γ的最大覆盖半径。根据相关研究，路径损耗随半径增大而增大，因此利用二分法得出habs的最大覆盖半径。
[0167]
s8、基于步骤s7求得的habs覆盖半径，设计随机区间收缩算法，求habs最优盘旋半径。
[0168]
用户m与habs关联，由于高空基站是周期性盘旋的，用户与基站之间的通信也是不连续的，根据几何关系推导出用户m的覆盖概率为：
[0169][0170][0171]
其中，r为habs的盘旋半径，r为habs的覆盖半径，γm(r)为habs盘旋半径为r时用户m的覆盖概率。
[0172]
对于habs求解覆盖用户数最大问题，转化为使其所关联用户的覆盖概率和最大化，即寻找使f(r)最大的r值
[0173][0174]
其中，表示labs覆盖用户的集合。
[0175]
由于f(r)是一元连续函数，设计随机区间收缩算法求解，具体步骤如下：
[0176]
s801、初始化区间内取点数量k＝100，误差ε＝0.1，黄金分割比例
[0177]
s802、在区间[r
min
,r
max
]上均匀选取k个点，分别计算各点处的目标函数值f(rk)；
[0178]
s803、在k个目标函数值中寻找最大值，并令
[0179]
s804、创建新的盘旋半径取值区间，令左边界右边界
其中δ＝r
max-r
min
；
[0180]
s805、在[a,b]区间选两点r1＝a+(1-μ)(b-a)，r2＝a+μ(b-a)，并计算f(r1)，f(r2)；
[0181]
s806、判断b-a＞ε是否成立，若成立，执行s807，若不成立，跳转至s809；
[0182]
s807、若f(r1)-f(r2)＜0，令a＝r1,r1＝r2,r2＝a+μ(b-a)，计算f(r2)，否则令b＝r2,r2＝r1,r1＝a+(1-μ)(b-a)，并计算f(r1)；
[0183]
s808、跳转至s806；
[0184]
s809、得到最优盘旋半径
[0185]
本发明再一个实施例中，提供一种协同异构空中网络设计及部署优化系统，该系统能够用于实现上述协同异构空中网络设计及部署优化方法，具体的，该协同异构空中网络设计及部署优化系统包括通信模块、传输模块、约束模块、模块、分解模块、计算模块、位置模块、最大化模块以及部署模块。
[0186]
其中，通信模块，构建小区通信模型，包括一个habs、n个labs和m个用户；
[0187]
传输模块，基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；
[0188]
约束模块，基于小区通信模型和信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；
[0189]
分解模块，将系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；
[0190]
计算模块，基于约束模块的约束条件和分解模块的优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；
[0191]
位置模块，基于labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；
[0192]
最大化模块，基于分解模块的优化目标分解和labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；
[0193]
部署模块，基于habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。
[0194]
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于协同异构空中网络设计及部署优化方法的操作，包括：
[0195]
构建小区通信模型，包括一个habs、n个labs和m个用户；基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；基于小区通信模型和信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；将系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；基于约束条件和优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；基于labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；基于优化目标分解和labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；基于habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。
[0196]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0197]
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关协同异构空中网络设计及部署优化方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
[0198]
构建小区通信模型，包括一个habs、n个labs和m个用户；基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；基于小区通信模型和信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；将系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；基于约束条件和优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；基于labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；基于优化目标分解和labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；基于habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。
[0199]
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
[0200]
本实验对本发明和基于相同网络参数的已有机制进行仿真，验证本发明的优越
性。其中对比机制分别是：无优化，高度优化，labs水平位置优化，habs轨迹优化。具体的参数设置如下：habs个数为1，labs个数为3，habs高度为2km，labs高度范围[h
min
,h
max
]为[100m,1000m]。低频载波频率4.9ghz，高频载波频率28ghz，各无人机信道数量为1000。无人机最大发射功率10w，噪声功率谱密度为-174dbm/hz。仿真次数为500。
[0201]
请参阅图4、图5和图6，分别是在小区用户数不同时、用户接收门限功率不同以及小区半径不同的场景下得到的总覆盖用户数，可以看出本发明进行labs三维位置优化和habs轨迹优化的方法明显优于其他方案。
[0202]
综上所述，本发明一种协同异构空中网络设计及部署优化方法及系统，提出高空无人机采用低频波段，低空无人机采用高频波段的高低空无人机协同工作的异构网络，为资源小区提供更好的服务。本发明首先用二分法和黄金分割法得出labs最优飞行高度和覆盖半径，然后利用粒子-鱼群算法，以labs覆盖用户数最多为目标，得出最优的labs无人机位置，随后采用二分法得出habs最优覆盖半径，并设计随机区间收缩算法优化habs的盘旋半径，使整个资源小区的覆盖用户数大幅增加。
[0203]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0204]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0205]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0206]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0207]
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

技术特征：
1.一种协同异构空中网络设计及部署优化方法，其特征在于，包括以下步骤：s1、构建小区通信模型，包括一个habs、n个labs和m个用户；s2、基于步骤s1构建的小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；s3、基于步骤s1构建的小区通信模型和步骤s2构建的信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；s4、将步骤s3构建的系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；s5、基于步骤s3的约束条件和步骤s4的优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；s6、基于步骤s5获得的labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；s7、基于步骤s4的优化目标分解和步骤s6的labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；s8、基于步骤s7求得的habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。2.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s1具体为：s101、构建一个三维直角坐标系，x、y轴为水平方向，z轴为垂直高度，以原点(0,0,0)为圆心，以r
s
为半径的圆形区域即为资源小区，m个用户随机均匀分布；s102、基于步骤s101的通信模型，habs的高度为h，以固定的半径r绕(0,0,h)周期性盘旋，覆盖半径为r，第n个labs的位置为ω
n
＝(x
n
,y
n
,h
n
)，所有labs的位置表示为w＝{ω
n
}，第m个用户的位置为ω
m
＝(x
m
,y
m
,h
m
)。3.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s2具体为：s201、habs的信道数为k
l
，各信道带宽为b
l
hz，各labs的信道数为k
h
,各信道带宽为b
h
，不同labs之间的信道为正交；s202、基于步骤s201的信道模型，考虑路径损耗，包括los和nlos因素，确定第n个abs和第m个用户之间的los通信概率，以及第n个abs和第m个用户之间的路径损耗；s203、基于s202的通信机制，确定无人机n所关联用户m的接收功率；s204、基于步骤s203的用户接收功率，确定用户m的覆盖概率。4.根据权利要求3所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s202中，第n个abs和第m个用户之间的los通信概率p
los
(n,m)为：
其中，α,β为环境参数，
hn
为无人机n的高度，
hm
为用户m的高度，x
n
、y
n
分别为无人机n在水平方向的横坐标、纵坐标，x
m
、y
m
分别为用户m在水平方向的横坐标、纵坐标，为无人机n和用户m在水平方向上的距离；los和nlos的路径损耗模型pl
los
和pl
nlos
分别为：pl
los
＝32.44+20lg(d[m])+20lg(f
c
[ghz])pl
nlos
＝32.4+30lg(d[m])+20lg(f
c
[ghz])其中，d代表用户与无人机之间的距离，f
c
代表频率；第n个abs和第m个用户之间的路径损耗pl
n,m
为：pl
n,m
＝p
los
pl
los
+(1-p
los
)pl
nlos
其中，p
los
为无人机和用户之间为los通信的概率。5.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s3中，优化问题表示为：s.t.c1:x
min
≤x
n
≤x
max
,c2:y
min
≤y
n
≤y
max
,c3:h
min
≤h
n
≤h
max
,c4:r
min
≤r≤r
max
.其中γ
m
代表用户m的覆盖概率，x
min
,x
max
，y
min
,y
max
，h
min
,h
max
，r
min
,r
max
分别表示可行域在x轴、y轴和z轴方向的最小最大范围以及habs的最小最大盘旋半径，c1、c2、c3分别为labs在x轴方向、y轴方向和高度上的飞行范围约束，r为habs的盘旋半径范围约束。6.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s6中，采用粒子-鱼群优化算法优化labss的位置，优化问题表示为：s.t.c1:x
min
≤x
n
≤x
max
,c2:y
min
≤y
n
≤y
max
,其中，c1、c2分别为labs在x轴方向、y轴方向上的飞行范围约束，是一个指示器。7.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s6中，求解labs最佳位置的步骤如下：s601、初始化ω＝0.9,c1＝c2＝2,i＝1，最大迭代次数j＝200；s602、在可行域内随机生成粒子群的位置x1和速度v1以及鱼群位置x2；s603、计算x1中各粒子的覆盖用户数记为y1，计算x2中各人工鱼的覆盖用户数记为y2；s604、将y1和y2逐项比较，各项中的较大值写入fitnesspbest，其对应的粒子或人工鱼
的位置写入pbest；s605、将y1中最大的值记为t,将y2中最大的值记为s，比较t和s,将两者中较大的写入fitnessgbest，其对应的粒子或人工鱼位置写入gbest；s606、更新粒子速度得到新的v1,并将大于vmax的值置为vmax，将小于vmin的值置为vmin；s607、更新粒子位置得到新的x1，并将大于xmax的值改为xmax，将小于xmin的值改为xmin；s608、计算x1各粒子的覆盖用户数记为y1；s609、将y1与fitnesspbest中的值逐项比较，若y1中的值更大，更新fitnesspbest和pbest；s610、将y1中的每个值与fitnessgbest比较，若y1中的值更大，更新fitnessgbest和gbest；s611、分别根据聚群行为和追尾行为更新鱼群的位置得到x
2,1
和x
2,2
；s612、计算x
2,1
和x
2,2
各位置处的覆盖用户数记为y
2,1
,y
2,2
；s613、将y
2,1
和y
2,2
逐项比较，将各项中的较大值写入y2,对应的人工鱼位置写入x2；s614、将y2中的每个值与fitnessgbest比较，若y2中的值更大，更新fitnessgbest和gbest；s615、i＝i+1,若i＜j，重复s706到s715之间的步骤，得到labss的最佳位置gbest。8.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s8中，将habs求解覆盖用户数最大问题转化为使所关联用户的覆盖概率和最大化，即寻找使f(r)最大的r值，具体如下：其中，表示labs覆盖用户的集合，γ
m
(r)为habs盘旋半径为r时用户m的覆盖概率。9.根据权利要求1所述的协同异构空中网络设计及部署优化方法，其特征在于，步骤s8中，使用随机区间收缩算法计算habs最优盘旋半径r
*
具体为：s801、初始化区间内取点数量k＝100，误差ε＝0.1，黄金分割比例s802、在区间[r
min
,r
max
]上均匀选取k个点，分别计算各点处的目标函数值f(r
k
)；s803、在k个目标函数值中寻找最大值，并令s804、创建新的盘旋半径取值区间，令左边界右边界其中δ＝r
max-r
min
；s805、在[a,b]区间选两点r1＝a+(1-μ)(b-a)，r2＝a+μ(b-a)，并计算f(r1)，f(r2)；s806、判断b-a＞ε是否成立，若成立，执行s807，若不成立，跳转至s809；s807、若f(r1)-f(r2)＜0，令a＝r1,r1＝r2,r2＝a+μ(b-a)，计算f(r2)，否则令b＝r2,r2＝r1,r1＝a+(1-μ)(b-a)，并计算f(r1)；
s808、跳转至s806；s809、得到最优盘旋半径10.一种协同异构空中网络设计及部署优化系统，其特征在于，包括：通信模块，构建小区通信模型，包括一个habs、n个labs和m个用户；传输模块，基于小区通信模型构建habs与用户之间以及labs与用户之间的信息传输机制；约束模块，基于小区通信模型和信息传输机制构建系统覆盖用户数最大化的优化目标与约束条件；分解模块，将系统覆盖用户数最大化优化目标分解为labs覆盖用户数最大化和habs覆盖用户数最大化，对应的优化变量为labs的位置和labs的覆盖半径，以及habs的轨迹和habs的覆盖半径；计算模块，基于约束模块的约束条件和分解模块的优化目标分解，利用二分法和黄金分割法求解labs最优高度和最大覆盖半径；位置模块，基于labs最优高度和最大覆盖半径设计粒子-鱼群优化算法，以覆盖用户数最多为目标求解labs的最佳位置；最大化模块，基于分解模块的优化目标分解和labs最佳位置，解决habs覆盖用户数最大化问题，利用二分法求解habs的最大覆盖半径；部署模块，基于habs最大覆盖半径，设计随机区间收缩算法计算habs最优盘旋半径，得到habs飞行轨迹，实现覆盖用户数最大化部署。

技术总结
本发明公开了一种协同异构空中网络设计及部署优化方法及系统，利用二分法和黄金分割法迭代求解低空无人机的最优飞行高度和半径，使得无人机在满足用户最小接收门限的前提下得到最大的覆盖半径；设计粒子-鱼群算法优化LABSs的位置，使低空基站覆盖用户数最多；利用二分法确定HABS的飞行高度，通过几何关系得出HABS各关联用户覆盖概率，并设计随机区间收缩方法确定HABS的盘旋半径，以使得HABS所有关联用户的覆盖概率和最大。使采用低频波段的HABS和采用高频波段的LABS共同服务资源小区，实现系统覆盖用户数最大化。系统覆盖用户数最大化。系统覆盖用户数最大化。


技术研发人员：翟道森 石启祺 张若南 李欢 王琛
受保护的技术使用者：西北工业大学
技术研发日：2021.12.01
技术公布日：2022/3/8