单无人机反向散射通信网络轨迹优化与资源分配方法

摘要

本发明提出一种单无人机反向散射通信网络轨迹优化与资源分配方法，属于无人机反向散射通信网络技术领域。包括：步骤1，将所有地面反向散射节点组成的目标区域，根据节点位置进行聚类，划分为N个小区，并获取各小区的质心位置；步骤2，设置无人机在小区间连续飞行，并在各小区的质心位置的上方悬停采集数据；步骤3，建立单无人机反向散射通信网络轨迹优化与资源分配的优化目标；步骤4，将优化目标进行解耦，转换为每个小区悬停时间以及每个小区内收集能量与传输时间的比例划分问题，迭代求解，输出最优的各小区的服务时间Ti以及各小区内的比例参数βi。本发明方法减小了无人机能量消耗，最大程度上利用了时间资源，显著提高了系统能效。

权利要求

1.一种单无人机反向散射通信网络轨迹优化与资源分配方法，其特征在于，包括如下步骤：

步骤1，将所有地面反向散射节点组成的目标区域，根据节点位置进行聚类，划分为N个小区，并获取各小区的质心位置；N为正整数；

步骤2，设置无人机在小区间连续飞行，并在各小区的质心位置的上方悬停采集数据，无人机的飞行轨迹表示为小区的质心位置的排列组合；

设无人机悬停在小区Di的服务时间为Ti，i＝1,2,…N；其中，在时间βiTi内，无人机和地面反向散射节点从信号塔发出的射频信号中收集能量，在剩余时间(1‑βi)Ti内，地面反向散射节点反向散射传输数据给无人机，比例参数βi大于0且小于1；设小区Di内有Ni个地面反向散射节点，将剩余的(1‑βi)Ti时间等分为Ni个时间块，小区内的每个地面反向散射节点选择一个时隙反向散射传输数据至无人机，在其他时隙内保持睡眠模式；

步骤3，建立单无人机反向散射通信网络轨迹优化与资源分配的优化目标，即：求取单无人机反向散射通信网络能效q最大时的各小区的服务时间Ti以及比例参数βi，i＝1,2,…N；

其中，能效q＝所有地面反向散射节点的吞吐量/无人机的总能耗；

求解时需要满足的约束条件包括：C1：小区内每个地面反向散射节点收集的能量需满足最小收集能量Enij；

C2：在时间(1‑βi)Ti内满足小区内所有地面反向散射节点的传输数据量；

C3：无人机的总飞行时间+各小区的停留时间＝设置的无人机的工作时间；

C4：βi大于0且小于1；

C5：Ti大于0；

步骤4，利用基于Dinkelbach的分数规划方法将步骤3的优化目标进行解耦，转换为每个小区悬停时间以及每个小区内收集能量与传输时间的比例划分问题，进行迭代求解，输出最优的各小区的服务时间Ti以及各小区内的比例参数βi，i＝1,2,…N。

2.根据权利要求1所述的方法，其特征在于，所述的步骤3中，所有地面反向散射节点的吞吐量表示为Thtotal，如下计算获得：2

其中，bij为小区Di内的地面反向散射节点Uij的反射系数，σ代表无人机接收机端的加性高斯白噪声，PB为信号塔的传输功率， 为信号塔与地面反向散射节点Uij的链路的信道增益， 为无人机与地面反向散射节点Uij的链路的平均路径衰落。

3.根据权利要求1所述的方法，其特征在于，所述的步骤3中，建立的优化目标表示为P1，如下：

C2:(1‑βi)TiRu≥NiQs,C4:0＜βi＜1,

C5:Ti＞0,

其中，PB为信号塔的传输功率， 为信号塔与地面反向散射节点Uij的链路的信道增益，bij为小区Di内的地面反向散射节点Uij的反射系数，Ru和Qs分别为地面反向散射节点的数据传输速率和最小数据量；Tf是无人机飞行的总时间。

4.根据权利要求3所述的方法，其特征在于，所述的步骤4，利用基于Dinkelbach的分数规划方法将优化目标P1进行转换，如下：首先，转化为P2问题，如下：

s.t.C1‑C5

2

其中，σ代表无人机接收机端的加性高斯白噪声， 为无人机与地面反向散射节点Uij的链路的平均路径衰落；Pc是无人机在接收地面反向散射节点传来的数据时的功耗；Ph是无人机悬停时的功耗；Pf是无人机飞行时的功耗，Tf是无人机飞行的总时间；

ci是依据系统参数决定的常数，进一步，将P2问题解耦为以下两个子问题P3和P4：其中，β和T分别是βi和Ti的N维矢量。

5.根据权利要求4所述的方法，其特征在于，所述的步骤4，在迭代求解时，(1)先给定各子区域的收集能量与传输时间的时隙分配比例βi，求解问题P3，计算无人机在各小区的服务时间；(2)再根据当前得到的各小区服务时间，求解问题P4，计算各小区的时隙分配比例βi；

(3)然后基于当前的服务时间和时隙分配比例计算系统能效，判断所得到的能效是否满足设置的收敛条件，若满足，则输出当前获得的各小区的服务时间以及小区内时隙分配比例参数，若不满足，继续迭代执行(1)～(3)，直到系统能效满足收敛条件。

6.根据权利要求4所述的方法，其特征在于，所述的步骤4，求解Ti及βi的过程如下：(1)初始化，包括：设置能效q初始值为0，迭代次数l＝0；设置最大迭代次数L、错误容忍{0}

阈值ε；设置每个小区内收集能量与传输数据的时间比例的初始值β ；

{l}

(2)利用当前能效q以及时间比例β 求解P3子问题，求得当前迭代次数l下每个小区的{l}

悬停时间T ；

{l} {l+1}

(3)利用每个小区的悬停时间T 求解子问题P4，更新得到β ；

{l} {l+1} {l+1} {l}(4)利用每个小区的悬停时间T 和比例β ，计算问题P2的函数值f2(β ,T )：{l+1} {l} {l+1} {l} {l+1}若f2(β ,T )小于等于错误容忍阈值ε，则当前迭代值β ,T 为最优解，由β ,T{l} {l+1} {l}

计算得到最优能效；否则，根据当前迭代值β ,T 更新能效值q；

(5)当前迭代次数l自增1，判断l是否等于L，若是，停止迭代，否则，继续转步骤(2)执行。

说明书

单无人机反向散射通信网络轨迹优化与资源分配方法

技术领域

[0001] 本发明涉及无人机反向散射通信网络技术领域，具体涉及一种面向能效优化的单无人机反向散射通信网络轨迹优化与资源分配方法。

背景技术

[0002] 作为一种经济高效的通信技术，反向散射通信技术的提出为大量能量受限的低成本设备提供了一种有效的解决方案。其中，反向散射发射机通过反射调制信号进行信息传
输，不需要有源射频元件，使得电路功耗降低了几个数量级。而在环境反向散射网络中，反
向散射节点(Backscatter Nodes,BNs)可以从Wi‑Fi信号等环境射频源获取其操作所需的
能量。BN从信号源发出的射频(Radio Frequency,RF)信号收集能量，然后通过反向散射将
数据信息转发给接收机。然而，由于严重的信道衰减，BN的数据速率很低，并且由于可用的
环境能量有限，通信范围受到限制。

[0003] 而无人机(Unmanned Aerial Vehicle,UAV)在提供无线连接方面表现良好，并且通过配备消息处理或通信模块，无人机可以实现中继、数据采集或射频信号源等功能。由于
无人机具有高机动性、易于部署和与地面用户高概率的视距连接，无人机辅助网络已引起
越来越多的研究关注。采用无人机进行反向散射通信，可大大扩展通信范围，提高节点的通
信质量。在节点分布密集且范围较广的区域下，无人机采集数据的方式主要有两种，一种是
连续飞行，一种是悬停。如何平衡无人机与BNs之间的通信链路状态和传输质量是需要关注
的关键问题之一。

[0004] 在无人机辅助的反向散射通信网络中，参考文献[1]考虑了一种无人机辅助的反向散射通信网络，其中地面用户通过反向散射向飞行中的无人机传输数据信息，并在考虑
无人机轨迹的情况下优化能效。参考文献[2]考虑无人机辅助的无线反向散射网络中上行
吞吐量最大化的问题，其中地面设备通过NOMA(Non‑orthogonal Multiple Access,非正交
多址接入)方式传输数据。参考文献[3]采用TDMA(Time Division Multiple Access,时分
多址)技术，让多个地面用户将自己的数据信息上传到无人机上，然后无人机飞到基站上传
采集到的数据，考虑中断概率的情况下优化了系统的能效。目前对于无人机辅助的反向散
射通信网络的研究大多认为无人机工作在单模态，无人机采集数据的方式主要有两种，一
种是连续飞行，一种是悬停。无人机的连续飞行使其与分布式设备之间的距离更近，但在飞
行过程中通信链路状态不稳定。当无人机悬停在某一特定位置时，通信链路状态较好，但边
缘设备的通信质量又难以得到保障。因此，如何平衡无人机与BNs之间的通信链路状态和传
输质量是需要关注的关键问题之一。此外，现有研究都是针对地面用户的能量问题，而没有
考虑无人机的能耗。

[0005] 参考文献：

[0006] [1]G.Yang,R.Dai and Y.Liang,“Energy‑Efficient UAV Backscatter Communication with Joint Trajectory and Resource Optimization,”ICC 2019‑2019 
IEEE International Conference on Communications(ICC),Shanghai,China,2019,
pp.1‑6.

[0007] [2]A.Farajzadeh,O.Ercetin and H.Yanikomeroglu,“UAV Data Collection Over NOMA Backscatter Networks:UAV Altitude and Trajectory Optimization,”ICC 
2019‑2019 IEEE International Conference on Communications(ICC),Shanghai,
China,2019,pp.1‑7.

[0008] [3]S.Yang,Y.Deng,X.Tang,Y.Ding and J.Zhou,“Energy Efficiency Optimization for  UAV‑Assisted Backscatter Communications,”in IEEE 
Communications Letters,vol.23,no.11,pp.2041‑2045,Nov.2019.

发明内容

[0009] 针对无人机辅助反向散射通信网络场景下无人机与节点之间链路状态以及通信质量的权衡问题，本发明提出了一种面向能效优化的单无人机反向散射通信网络轨迹优化
与资源分配方法，在保证用户数据量需求的前提下，通过将目标区域进行分簇后，联合优化
每个小区的悬停时间以及每个小区内节点收集能量与传输时间的比例，同时考虑了无人机
的能耗，达到优化无人机辅助反向散射通信网络的能效的目的。

[0010] 本发明提出的一种面向能效优化的单无人机反向散射通信网络轨迹优化与资源分配方法，包括如下步骤：

[0011] 步骤1，将所有地面反向散射节点组成的目标区域，根据节点位置进行聚类，划分为N个小区，并获取各小区的质心位置；N为正整数；

[0012] 步骤2，设置无人机在小区间连续飞行，并在各小区的质心位置的上方悬停采集数据，在收集完当前小区的数据后，飞到下一个子区域；无人机的飞行轨迹可以表示为小区的
质心位置的排列组合；

[0013] 设无人机悬停在小区Di的服务时间为Ti，i＝1,2,…N；其中，在时间βiTi内，无人机和地面反向散射节点从信号塔发出的射频信号中收集能量，在剩余时间(1‑βi)Ti内，地面反
向散射节点反向散射传输数据给无人机，比例参数βi大于0且小于1；

[0014] 步骤3，建立单无人机反向散射通信网络轨迹优化与资源分配的优化目标，即：求取单无人机反向散射通信网络能耗q最大时的各小区的服务时间Ti以及比例参数βi，i＝1,
2,…N；

[0015] 其中，能耗q＝所有地面反向散射节点的吞吐量/无人机的总能耗；

[0016] 求解时需要满足的约束条件包括：

[0017] C1：小区内每个地面反向散射节点收集的能量需满足最小收集能量Enij；

[0018] C2：在时间(1‑βi)Ti内满足小区内所有地面反向散射节点的传输数据量；

[0019] C3：无人机的总飞行时间+各小区的停留时间＝设置的无人机的工作时间；

[0020] C4：βi大于0且小于1；

[0021] C5：Ti大于0；

[0022] 步骤4，利用基于Dinkelbach的分数规划方法将步骤3的优化目标进行解耦，转换为每个小区悬停时间以及每个小区内收集能量与传输时间的比例划分问题，再使用CVX工
具进行迭代求解，输出最优的各小区的服务时间Ti以及各小区内的比例参数βi，i＝1,2,…
N。

[0023] 相对于现有技术，本发明的优点与积极效果在于：(1)本发明方法减小了无人机能量消耗，仿真结果表明，与无人机在每个子区域的悬停时间一致的等时间服务方案相比，本
发明方法考虑了每个子区域内BN节点数量的影响，使得无人机能够机动的调整在每个小区
的悬停时间，最大程度上利用了时间资源。(2)本发明方法可以满足用户传输数据量的需
求，与无人机悬停在PB正上方采集所有节点的数据的无人机悬停采集方案相比，无人机采
用小区内悬停，小区间飞行这样一种折中的飞行方式保证了边缘节点的通信需求。(3)本发
明方法在优化无人机与节点之间的链路状态以及通信质量问题实现了一个较好的平衡，相
对于现有技术，显著提高了系统能效。

附图说明

[0024] 图1是本发明研究的一个网络场景模型示意图；

[0025] 图2是地面反向散射节点通信的时隙结构示意图；

[0026] 图3是本发明将时间资源分配问题进行求解的流程示意图；

[0027] 图4是本发明对时间资源分配问题进行求解的一个伪代码示意图；

[0028] 图5是本发明仿真实验所提供的BN节点位置及小区划分示意图；

[0029] 图6是本发明方法在不同PB发射功率下的能效收敛示意图；

[0030] 图7是本发明方法在不同PB发射功率下的各小区悬停时间及时间比例示意图；

[0031] 图8是不同无人机采集数据方案下的EE与PB功率的对比图。

具体实施方式

[0032] 下面将结合附图和实施例对本发明作进一步的详细说明。

[0033] 本发明提出的一种面向能效优化的单无人机反向散射通信网络轨迹优化与资源分配方法，联合考虑无人机轨迹以及时间资源分配，所研究的场景是一个单无人机辅助的
反向散射通信网络。图1所示场景中，一架旋翼无人机UAV从M(M≥1)个地面反向散射节点BN
收集数据，BN节点通过反射PB(Power Beacon,信号塔)发射的RF射频信号传输数据；地面反
向散射节点均匀且独立地分布在PB的周围；无人机和反射节点BN可以从PB获取能量。PB高
度为H，有稳定的能量来源，作为系统的无线能量源，PB的传输功率用PB表示。

[0034] 基于PB建立三维直角坐标系，以地平面建立xy平面，z轴垂直于地面，PB的坐标为IPB＝(0,0,H)，无人机的坐标为Iuav＝(x,y,h)，h为无人机的悬停高度。设无人机飞行一圈的
操作时间为T(T＞0)。

[0035] 本发明首先将所有地面反向散射节点组成的目标区域，按照K‑Means聚类的分簇算法对节点位置进行聚类，将目标区域划分为N个子区域，每个子区域用Di,i＝{1,2,…,N}
表示，子区域Di内的反射节点用Uij,i＝{1,2,…,N},j＝{1,2,…,Ni}表示，Ni为子区域Di内
的反射节点数量。获取N个子区域的质心，用C＝[ce1,ce2,…,ceN]表示。则无人机的飞行轨
迹可以视为N个质心的排列组合，即Tr＝[ce(1),ce(2),…,ce(N),ce(N+1)]，其中ce(N+1)＝ce(1)，
即无人机的起始点和终点为同一地点，ce(i)为无人机在第i个子区域悬停位置的投影坐标。

[0036] 下面分析无人机辅助反向散射通信网络场景的信道模型。PB‑BN的链路以及PB‑UAV的链路采用自由空间信道模型建模。其中，PB‑BN链路的信道增益 PB‑UAV
链路的信道增益表示为 其中，β是单位路径损耗， 为PB和节点Uij之间的距
离，dFP是无人机与PB之间的距离。

[0037] UAV易与地面节点建立G2A(Ground‑to‑air,地对空)或者A2G(Air‑to‑ground,空对地)信道，受到一定概率的视距(LoS)或者非视距(NLoS)链路的路径损耗。其中，LoS链路
依赖于无人机与节点的位置、建筑物的密集程度以及物理环境等，LoS链路的路径损耗的概
率可表示为PLoS＝1/1+aexp(‑b(θ‑a))，其中θ为UAV与BN之间的夹角，a和b是由环境决定的
常数，夹角 其中， 为UAV和节点Uij之间的距离。相应地，NLoS的
路径损耗的概率可表示为PNLoS＝1‑PLoS。

[0038] UAV和BN节点Uij之间的LoS路径损耗可表示为LLoS,ij，如下：

[0039]

[0040] 其中，f代表载波频率，ηLoS代表LoS链路衰减因子，c代表电磁波传播速率。同样地，NLoS路径损耗表示为：

[0041]

[0042] 其中，ηNLoS代表NLoS链路的衰减因子。因此，UAV‑BN链路的平均路径衰落可表示为：

[0043]

[0044] PB与UAV之间的链路为G2A信道模型。与UAV‑BN链路间的衰落 类似，PB与UAV之间的信道衰落可表示为gFP，将 表达式中的 替换为PB与UAV之间的距离dFP即可。

[0045] 考虑到用户对传输数据量的要求，基于用户分布将其划分为若干个子区域后，本发明提出一种无人机在小区内质心上方悬停采集数据，小区间连续飞行的折中飞行方式来
实现对所有节点的信息采集。单无人机收集数据的方案是：设每个小区Di(i＝1,2,…N)的
服务时间Ti分为两部分，针对无人机机载电源能量受限的问题，无人机飞到每个子区域时
一部分时间βiTi用来从地面信号源PB发出的RF射频信号中收集能量来延长服务时间，同时
在此时间段内，地面节点也可从RF射频信号中获取能量，但收集的能量需满足节点进行操
作的最小能量要求，同时在此时间段内，为了满足节点传输数据量的要求，所有节点的数据
需传输完毕。而另一部分时间(1‑βi)Ti用来供地面节点以TDMA的接入方式反向散射传输数
据至无人机，完成此子区域信息的采集。每个子区域的悬停时间以及子区域之间飞行时间
的总和需满足总操作时间的要求。同时为了保证每个子区域的通信质量，βi需大于0且小于
1。通过优化无人机在每个子区域收集能量以及采集数据的比例βi和每个子区域的悬停时
间Ti，可以更好的平衡无人机与BNs之间的通信链路状态和传输质量问题。

[0046] 地面反向散射节点的位置信息可以由PB收集。根据PB和反向散射节点的二维位置，本发明首先通过K‑Means聚类方法将BNs划分为几个子区域。每个子区域质心的坐标是
无人机悬停位置的投影。如图2所示，无人机在每个子区域的工作过程包括能量收集和反向
散射通信两个阶段。在βiTi时间段内，无人机和地面反向散射节点从PB发出的RF射频信号中
收集能量，剩余的(1‑βi)Ti时间则等分为Ni个时间块，每个地面反向散射节点选择一个时隙
反向散射传输自己的数据至无人机，在剩余的Ni‑1时隙内则保持睡眠模式，无人机悬停在
小区质心上方(cei,h)来采集地面所有节点的信息。

[0047] 进一步地，本发明通过对无人机在每个小区的悬停时间以及每个小区内收集能量与传输数据时间的比例的优化，获得系统最大的能效。

[0048] 在子区域Di内，βiTi的时间用来供无人机以及节点从PB发出的RF射频信号中获取能量，剩下的时间则由节点按照TDMA的接入方式反向散射传输自己的数据至无人机，地面
节点Uij传输数据的速率可表示为：

[0049]

[0050] 其中σ2代表UAV接收机端的加性高斯白噪声(Additive White Gaussian Noise,AWGN),bij代表Uij的反射系数，所有BN节点的吞吐量可表示为：

[0051]

[0052] 无人机的能耗主要包括三个方面：飞行能耗、悬停能耗以及收集数据时的能耗。飞行能耗可表示为Efly＝PfTf。其中，Pf是无人机飞行时的功耗，Tf是无人机飞行的总时间。

[0053] 无人机悬停能耗Ehover＝Ph(T‑Tf)。其中，Ph是无人机悬停时的功耗。

[0054] 无人机收集数据时的能耗 其中，Pc是无人机在接收BN传来的数据时的功耗。

[0055] 因此，无人机的总能耗可表示为Etotal＝Ehover+Efly+Ec。

[0056] 因此，本发明的单无人机辅助的反向散射通信网络系统的能效q可表示为：

[0057]

[0058] 因此，本发明的优化问题可以表述为：

[0059]

[0060] 其中C1代表每个节点收集的能量需满足最小收集能量Enij，以确保节点获取足够的能量来保证数据传输。C2中Qs表示节点的最小数据量需求，Ru为节点的数据传输速率，C2
即需满足节点数据量传输。C3为整个工作时间的要求，即无人机采集完所有节点信息后能
够飞回原点。

[0061] 本发明对上述优化问题利用基于Dinkelbach的分数规划方法进行求解。

[0062] 根据划分结果，时间资源分配可分为两部分：不同子区域的时间资源分配和各子区域内的收集能量与传输数据时间比例的划分问题。针对分数形式的目标函数，
Dinkelbach方法提供了一种通过迭代一系列参数规划问题来求解分时规划问题的解决方
案。当满足

[0063]

[0064] 时，P1问题可以得到最优解，上角标*代表取得最优解时的变量值。

[0065] 因此，可以将P1问题转化为以下P2问题：

[0066]

[0067] 其中，

[0068]

[0069] 是依据系统参数决定的常数。

[0070] 转换后的P2问题依旧非凸，但通过观察发现目标函数随着βi的减小以及Ti的增加而增加。βi取值范围为：

[0071]

[0072] 并且无人机在每个小区悬停的时间满足

[0073]

[0074] 将P2问题解耦为以下两个子问题：

[0075]

[0076]

[0077] 其中，β和T都是N维矢量。

[0078] 很显然，P3、P4两个子问题皆为凹函数且有其最优值，因此可采用CVX工具包来对每个子问题进行求解，然后用各自的结果迭代求解来获得最优的系统能效，当算法收敛时，就
可以得到最优解。

[0079] 本发明将公式(7)进行上面转换，解耦为如公式(13)和(14)两个子问题，再进行求解，如图3所示，本发明首先通过固定各子区域的时隙分配比例参数βi，求解问题P3，计算无
人机在各小区的服务时间，即悬停时间；再根据当前得到的各小区服务时间，求解问题P4，
计算各小区的时隙分配比例参数βi；然后基于当前的服务时间和时隙分配比例计算系统能
效，判断所得到的能效是否满足设置的收敛条件，若满足，则输出当前获得的各小区的服务
时间以及小区内时隙分配比例参数，若不满足，则需要继续如上迭代计算分配比例βi和Ti，
直到系统能效满足收敛条件。所进行求解的一个伪代码流程如图4所示，下面是对图4所示
流程的说明。

[0080]

[0081]

[0082] 上述代码中，Convergence用来标识算法是否收敛，当取值True表示收敛，取值False时表示未收敛。函数f1如公式(6)所示，函数f2如公式(9)所示：

[0083] f1＝q；

[0084]

[0085] 错误容忍阈值ε是可根据实验或者经验设置，取值为正数。

[0086] 对本发明方法进行仿真实验，如下：

[0087] 设系统包含150个用户BN节点，地面PB的高度为5m，网络覆盖40米×40米的区域。‑4
无人机的飞行高度为30m，飞行速度为15m/s。迭代阈值为10 ，PB的功率为30dBm。系统工作
时间为250s，其他参数见表。

[0088] 表1系统仿真参数

[0089]

[0090]

[0091] 本发明的对比方案描述如下：

[0092] (1)对比方案一采用无人机悬停服务算法：无人机悬停在PB正上方采集所有节点的数据，位置固定。

[0093] (2)对比方案二采用等时间划分算法：其中，无人机在每个子区域的悬停时间设为一致。

[0094] 如图5所示，给出了所有BN节点的位置以及采用本发明方法的子区域的划分结果。150个BN节点被划分至四个子区域，并且每个区域中的质心即为无人机在此子区域悬停位
置的地面投影。无人机的轨迹即为悬停在每个小区质心的正上方采集完数据后飞行至下一
个相邻的小区。每个小区的BN的数量分别为N1＝53,N2＝34,N3＝25,N4＝38，显然更密集的
区域所划分到的BN节点数量更多。

[0095] 如图6所示，显示了在PB传输功率分别为1W、3W、5W的情况下本发明方法的收敛性。图6的横坐标为迭代次数，纵坐标为系统能耗值。可以看到在约两次迭代后能收敛到最优的
能效值，并且PB传输功率为6W时，系统能效可达到0.46。同时，随着PB发射功率的增加，节点
以及无人机所获取的能量增多，本发明方法所能收敛到的最佳能效值也逐渐增加。

[0096] 图7显示了采用本发明方法，在PB传输功率分别为1W、3W、6W的情况下每个子区域的悬停时间以及子区域内部收集能量与传输数据时间的比例。图7中，左右两幅图的横坐标
均为PB传输功率，左图纵坐标为悬停时间，右图纵坐标为时间分配比例。可以看到，由于子
区域D1有最多数量的BN节点，即更大的数据吞吐量需求，因此无人机在子区域D1悬停时间最
长。同时由于每个子区域内部BN节点的能量需求以及所要传输的数据量不同，每个小区内
部传输数据与收集能量时间的比例也不相同。BN节点从PB发出的RF射频信号所收集的能量
必须满足其最小能量需求Enij。另一方面，用来采集数据的时间必须能够满足无人机在此时
间段内将当前子区域内所有BN节点的数据采集完毕。同时可以看到无人机在每个子区域的
悬停时间不会随着PB发射功率的改变而改变，并且每个随着PB发射功率的增加，每个子区
域收集能量所占的时间比例也会下降。

[0097] 图8显示了本发明方法与两个对比方案的不同无人机采集数据方案下的能效(EE)与PB功率的对比图。其中PB发射机功率步长为0.5W。图8中的横坐标为PB传输功率，纵坐标
为系统能效。可以看到，与两种对比方案相比，本发明方法显著提高了系统的能效。采用本
发明方法的系统能效在开始增加后趋于稳定，而两种对比方案的系统能效在一个较低的值
保持稳定。由于无人机的服务能耗和BN与无人机之间的服务路径损耗，静态悬停方案获得
的能效最差。等时间划分的方案由于没有考虑每个子区域内BN节点数量的影响，获得的系
统能效较差。