能效最优准则下无人机空中高度的优化算法_陈卡.pdf

第 43 卷第 3 期2023 年 6 月弹箭与制导学报Journal of Projectiles，ockets，Missiles and GuidanceVol.43 No.3Jun.2023DOI:10 15892/j cnki djzdxb 2023 03 009收稿日期:2022 07 09基金项目:吉林省科技发展计划资助项目(20190902010TC)，吉林省教育厅职业教育与成人教育教学改革研究课题(2018ZCY244)资助作者简介:陈卡(1981)，男，讲师，研究方向:计算机应用，无人机能效优化。引用本文:陈卡 能效最优准则下无人机空中高度的优化算法 J 弹箭与制导学报，2023，43(3):62-67CHEN Ka Optimal energy efficient based aerial altitude optimization of unmanned aerial vehicle J Journal of Projectiles，ockets，Missiles and Guidance，2023，43(3):62-67能效最优准则下无人机空中高度的优化算法陈卡(驻马店职业技术学院公共教学部，河南 驻马店463000)摘要:利用无人机(unmanned aerial vehicle，UAV)组建空中移动基站，可为地面终端用户提供更灵活、高效的接入服务。受 UAV 覆盖范围和有限能量的约束，研究如何建立能效最优的 UAV 部署算法至关重要。为此，提出能效最优准则下无人机空中高度的优化算法(optimal energy efficient based aerial altitude optimization，EEAO)。先在满足用户最小速率要求和 UAV 高度的约束条件下，构建能效最优的高度优化的目标函数。同时，定义能效时不仅考虑 UAV 的通信能耗，还考虑 UAV 在垂直爬升和悬停阶段的能耗。再分别利用和序列凸规划法(sequential convex programming，SCP)和单调分式规划法(monotonic fractional programming，MFP)求解目标函数，获取能效最优的 UAV 高度值。性能分析表明，基于 SCP 法求解的最优高度值与基于 MFP 法求解的最优高度值相近。同时，相比于不考虑悬停阶段 UAV 的能耗，考虑悬停阶段 UAV 的能耗可提升网络能效。关键词:空中通信系统;能效;和序列凸规划法;单调分式规划法;空中高度中图分类号:TN929文献标志码:A文章编码:1673-9728(2023)03-0062-06Optimal Energy Efficient Based Aerial Altitude Optimization ofUnmanned Aerial VehicleCHEN Ka(Zhumadian Vocational and Technical College，Zhumadian 463000，Henan，China)Abstract:Utilizing a unmanned aerial vehicle(UAV)to build aerial mobile small cell can provide more flexible and efficientservices for ground terminal users Constrained by the coverage and limited energy of the UAV，it is necessary to study how tobuild an optimal energy efficient based deployment of UAV Therefore，objective function is constructed that maximizing theglobal energy efficiency，subject to altitude and minimum individual date rate constraints When maximizing the energy effi-cient，both energy required for communication and energy consume by aerial vehicle，including the energy consumed by the ro-tor of UAV during climbing and hovering Sequential convex programming(SCP)and monotonic fractional programming(MFP)are used to solve the objective function Numerical results show that solution obtained from SCP is the same as the opti-mal solution form MFP In addition，there is a gain in energy efficient when the UAV is hovering at an optimal altitude deter-mined by considering the non-zero roto energy consumption of UAVKeywords:aerial communication system;energy efficient;sequential convex programming;monotonic fractional program-ming;aerial altitude0引言因机动性好、易部署，无人机(unmanned aerial ve-hicle，UAV)已在森林防火、航拍和应急救援领域广泛使用1-2。在应急救援中，将 UAV 作为空中基站，能帮助灾区用户恢复通信。然而，由于 UAV 储能量有限，续航时间不长，在所有基于 UAV 的应用中，空中通信系统(aerial communication system，ACS)的效率严重依赖 UAV 的能量效率3-5。相比于传统的蜂窝通信系统，ACS 系统对总体能量效率要求更高。原因在于:在 ACS 系统中，除了通信相关的能量消耗外，UAV 在垂直爬升和悬停阶段均消耗能量。然而，现存的文献大部分只考虑了通信相关的能耗，而没有充分考虑 UAV 的能量消耗。第 3 期陈卡:能效最优准则下无人机空中高度的优化算法由于通信能耗量占 UAV 总的能量消耗量的比例很小，现存的能效优化算法实际上并不能获取 ACS系统中的全局能效(global energy efficiency，GEE)的最优解。当 UAV 在空中接入点(aerial access point，AAP)的高度增加，它的视距覆盖区域也随之增加，但视距信道增益随之下降，消耗的能量也增加。基于这些事实，需对 GEE 进行重新定义。即通过在传输的数据量与所消耗的能量间进行权衡，计算 AAP 最优的悬停高度。目前已有的部分研究工作6-8 考虑了 UAV 在垂直爬升和悬停阶段消耗的能量。文献 6通过联合优化移动轨迹以及在固定高度中的速度和加速度，最大化能量效率。文献 7-8通过优化 UAV 的移动轨迹，最小化固定和旋转翼的能量消耗。然而，上述工作在最大化 GEE 时并没有优化UAV 的高度。为此，文中提出能效最优准则下无人机空中高度的优化算法(optimal energy efficient basedaerial altitude optimization，EEAO)。EEAO 算法在定义能效时，不仅考虑 UAV 的通信能耗，还考虑了 UAV在爬升和悬停阶段的能耗。性能分析表明，综合考虑这些能耗可提升 ACS 系统的 GEE。1系统模型考虑正交多址接入下行广播传输场景，AAP 作为移动基站。AAP 覆盖区域内的用户所分配的带宽固定。假定系统内存在足够的正交信道。令 Aue表示一个 AAP 所覆盖的区域面积，且 Aue=r2，其中 r 表示覆盖区域面积的半径，如图 1 所示。从图 1 可知，AAP 在不同高度所覆盖的区域面积并不相同，高度 h越高，覆盖区域面积越大。图 1网络模型Fig 1Network model在 AAP 覆盖的区域内有 N 个用户，用户密度 ue=N/Aue。图中 表示维持 AAP 与用户间视距链路的最小倾斜角9。倾角、高度 h 和覆盖区域半径 r 满足关系:r=hcot。令 ui表示第 i 个用户，其中 i=1，2，N。用 ri表示用户 ui离覆盖区域中心位置的距离。考虑用户离 AAP 间链路为视距链路。用户 ui与 AAP 间的信道增益为:h(ri)=/(r2i+h2)，其中 表示 1 m 参考距离下的信道增益。若用户 ui位于覆盖区域边缘(ri=r)，其能够获取的信噪比 r(signal-to-noise ratio，SN)10 为:r=PTN(r2+h2)2(1)式中:PT表示 AAP 总的传输功率;2表示用户端的高斯白噪声变量的方差。在时间 T 内，从 AAP 至用户 ui内单位带宽内传输的比特数(ri)=Tlog2(1+ri)。依据式(1)可知，ri与用户离 AAP 在覆盖区域的投影点距离 ri成反比。因此，位于覆盖区域的边缘用户(ri=r)所获取的(ri)最小。即任意用户 ui，(ri)(r)。由于 r=hcot，用(h)表示用户能够获取的最小速率，即(h)=(r)。2ACS 系统的 GEE 及目标函数令 N(h)表示在时间 T 内 N 个用户所获取的最小速率之和;令 EAPP(h)表示 AAP 在时间 T 内所消耗的总能量。参照文献 11-12 中能效定义，GEE 等于N(h)与 EAAP(h)的比值，其定义为:E=N(h)EAAP(h)(2)2 1计算 N(h)由于 N 个用户均匀分布于覆盖区域，可依下式计算 N(h):N(h)=T20r0ue(ri)drid=Tueh2cot2log21+PTN(r2+h2)()2=ueh2cot2log21+h()4(3)式中，=PTsin2ue(cot2)2。2 2计算 EAAP(h)AAP 的总体能耗由两部分组成:1)通信能耗，即因传输数据所消耗的能量;2)在垂直爬升和悬停阶36弹 箭 与 制 导 学 报第 43 卷段所消耗的能量。令 EC(T)表示 AAP 在时间 T 内的通信能耗;令 E(h，T)表示 AAP 在时间 T 内垂直爬升和悬停阶段所消耗的能量。因此，EAPP(h)可表示为13:EAAP(h)=EC(T)+E(h，T)=EC(T)+Ecl(h)+Eho(h，T)(4)式中:EC(T)=(PT+PH)T，PH表示 AAP 在传输数据时硬件电路所消耗的功率;Ecl(h)表示垂直爬升消耗的能量;Eho(h，T)表示盘旋时旋翼所消耗的能量。依据文献 13，无人机在垂直爬升所消耗的能量为13:Ecl(h)=clh+cl(5)无人机在高度为 h 的位置时，它盘旋 T 时间内所消耗的能量13:Eho(h，T)=(hoh+ho)T(6)式中:cl，cl和 ho，ho均为无人机硬件参数。在第 5节的仿真实验中，它们分别取值为 cl=315，cl=211 261和 ho=4 917，ho=275 204。图 2 给出无人机在 T=400 s 时 E(h，T)随高度 h 的变化情况。从图可知，E(h，T)随高度 h 呈线性增加。原因在于:飞行高度越高，空气温度和压强越低，这就使得无人机需要消耗更多的能量。图 2E(h，T)随高度的变化情况Fig 2The impact of altitude on E(h，T)2 3目标函数EEAO 算法旨在满足最小速率和高度约束条件下，通过优化无人机的高度，最大化网络的 GEE 值。为此，建立如 P1