UAV轨迹、传感节点调度及任务执行时间联合优化方法

摘要

本发明公开了一种UAV轨迹、传感节点调度及任务执行时间联合优化方法，包括：基于UAV需要采集的数据量及相应的能耗，构建UAV效用函数；利用构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型；其中，联合优化模型以最大化UAV效用函数为目标，以所有传感节点数据量上传需求、传感节点调度以及无人机的移动特性为限制条件；将联合优化模型转化为UAV路径优化和任务执行时间优化两个子问题，采用块下降法和连续凸逼近算法得到传感节点调度与UAV飞行路径的优化解，进一步利用二分法获得最小任务执行时间。本发明能够实现UAV在最短时间内完成数据采集任务的同时，降低UAV的能耗。

权利要求

1.一种UAV轨迹、传感节点调度及任务执行时间联合优化方法，其特征在于，包括以下步骤：基于UAV需要采集的数据量及相应的能耗，构建UAV效用函数；

所述构建的UAV效用函数表示为：Θ＝Rave‑κE

其中，Θ为UAV执行任务的效用函数，Rave为UAV单位时间内采集的数据量，即UAV的任务执行速率，E为UAV执行任务相应的能耗，κ为量纲标准化因子；

所述UAV的任务执行速率表示为：其中，W为传输信道带宽，δ为每个时隙的持续时间，K为传感节点数，N为时隙数， 为传感节点k在第n个时隙的调度因子，q[n]为UAV在第n个时隙的位置，wk为传感节点k的位置， 为UAV与传感节点k间LoS信道出现的概率，η为NLoS信道引起的额外损耗因子，Pk为地面传感节点的发送功率，β0为参考距离1m处的信道增益，2

σ为UAV接收到的噪声功率；

所述UAV执行任务相应的能耗模型为：其中，e为UAV飞行环境阻力因子，f为UAV的个体特征因子，包括质量和惯性矩，a[n]为第n个时隙的飞行加速度，ag为UAV重力加速度，PS为UAV通信模块的功率；

利用所述构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型；其中，所述联合优化模型以最大化UAV效用函数为目标，以所有传感节点数据量上传需求、传感节点调度以及无人机的移动特性为限制条件；

建立的UAV轨迹、传感节点调度以及任务执行时间的联合优化模型表示为：P1

q[0]＝q[N]＝qI，

其中，s.t.表示约束条件，qI为UAV飞行的起止位置，v[n]为UAV在第n个时隙的速度，Vmax为UAV的最大飞行速度；

将所述联合优化模型转化为UAV路径优化和任务执行时间优化两个子问题，采用块下降法和连续凸逼近算法得到传感节点调度与UAV飞行路径的优化解，进一步利用二分法获得最小任务执行时间；

问题P1属于混合整数非凸问题，所述联合优化方法还包括将问题P1放缩变换，所述放缩变换后的问题表示为：P2

q[0]＝q[N]＝qI，

问题P2属于非凸问题，所述联合优化方法还包括将问题P2转化为问题P3和问题P4，其中，问题P3为UAV路径优化子问题，问题P4为任务执行时间最小化子问题，包括：P3

q[0]＝q[N]＝qI

P4

*

s.t.Θ(M)existing*

其中，M为UAV执行任务时隙数的初试值，Θ(M)为问题P3对应的最优值；

问题P3属于非凸问题，所述联合优化方法还包括利用块下降法将问题P3转化为问题P5和问题P6，其中，问题P5为优化传感节点调度因子，问题P6为优化UAV飞行轨迹，包括：P5

P6

q[0]＝q[M]＝qI

其中，问题P5解决传感节点调度因子的优化问题，问题P6解决UAV飞行轨迹的优化问题；

针对LP问题P5和非凸问题P6，所述联合优化方法还包括利用近似凸逼近法得到UAV效用最大的最优传感节点调度因子，UAV飞行轨迹，速度以及加速度，包括：初始化 和 设置收敛精度ε，求解问题P5得到传感节点调度因子 r＝0为迭代次数；

已知 利用近似凸逼近法求解问题P6，得到UAV飞行轨迹 速度加速度

r+1 r

更新r＝r+1，判断Θ ‑Θ 的值是否满足精度值ε，若满足，确认求得的和 即为问题P3的最优解；若不满足，继续r+1 r

求解问题P5和问题P6，直到Θ ‑Θ满足精度要求为止；

针对问题P4，利用二分法搜索的方式得到UAV完成数据采集任务的最小时隙数，包括：*

初始化UAV执行数据采集任务的时隙数M，求解问题P3，则使得Θ (M)存在的最小M即为问题P4的最优解。

说明书

UAV轨迹、传感节点调度及任务执行时间联合优化方法

技术领域

[0001] 本发明涉及无线通信技术领域，特别涉及一种UAV轨迹、传感节点调度及任务执行时间联合优化方法。

背景技术

[0002] 无人机(Unmanned Aerial Vehicles，UAV)由于其具有较高的机动性，灵活性以及与用户间易形成视线(Line of Sight，LoS)信道等优点，近年来在无线通信领域得到了广泛的关注。一个重要的应用场景是UAV辅助无线通信系统进行及时数据采集或信息广播。与传统通信系统不同，UAV辅助通信系统的通信资源分配通常与UAV的飞行路径相关，因此UAV路径规划是一个重要问题。同时，UAV由于物理条件限制，机载能量有限，任务执行过程中UAV的能耗问题不可忽略。因此，尽管关于UAV路径规划问题已经做了一些研究，但是关于UAV的任务执行速率与相应能耗的联合研究仍然匮乏，无法有效解决UAV辅助无线通信任务执行速率与UAV能耗间的矛盾。

发明内容

[0003] 本发明的目的在于提供一种UAV轨迹、传感节点调度及任务执行时间联合优化方法，能够对UAV通信资源进行合理配置，在保证UAV最短时间内完成任务的同时，降低UAV的能耗。

[0004] 为解决上述技术问题，本发明的实施例提供如下方案：

[0005] 一种UAV轨迹、传感节点调度及任务执行时间联合优化方法，包括以下步骤：

[0006] 基于UAV需要采集的数据量及相应的能耗，构建UAV效用函数；

[0007] 利用所述构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型；其中，所述联合优化模型以最大化UAV效用函数为目标，以所有传感节点数据量上传需求、传感节点调度以及无人机的移动特性为限制条件；

[0008] 将所述联合优化模型转化为UAV路径优化和任务执行时间优化两个子问题，采用块下降法和连续凸逼近算法得到传感节点调度与UAV飞行路径的优化解，进一步利用二分法获得最小任务执行时间。

[0009] 优选地，所述构建的UAV效用函数表示为：

[0010] Θ＝Rave‑κE

[0011] 其中，Θ为UAV执行任务的效用函数，Rave为UAV单位时间内采集的数据量，即UAV的任务执行速率，E为UAV执行任务相应的能耗，κ为量纲标准化因子。

[0012] 优选地，所述UAV的任务执行速率表示为：

[0013]

[0014] 其中，W为传输信道带宽，δ为每个时隙的持续时间，K为传感节点数，N为时隙数，为传感节点k在第n个时隙的调度因子，q[n]为UAV在第n个时隙的位置，wk为传感节点k的位置， 为UAV与传感节点k间LoS信道出现的概率，η为NLoS信道引起的额外损耗因子，Pk为地面传感节点的发送功率，β0为参考距离1m处的信道增
2
益，σ为UAV接收到的噪声功率。

[0015] 优选地，所述UAV执行任务相应的能耗模型为：

[0016]

[0017] 其中，e为UAV飞行环境阻力因子，f为UAV的个体特征因子，包括质量和惯性矩等，a[n]为第n个时隙的飞行加速度，ag为UAV重力加速度，PS为UAV通信模块的功率。

[0018] 优选地，建立的UAV轨迹、传感节点调度以及任务执行时间的联合优化模型表示为：

[0019]

[0020]

[0021]

[0022]

[0023] q[0]＝q[N]＝qI，

[0024]

[0025]

[0026]

[0027] 其中，s.t.表示约束条件，qI为UAV飞行的起止位置，v[n]为UAV在第n个时隙的速度，Vmax为UAV的最大飞行速度。

[0028] 优选地，问题P1属于混合整数非凸问题，所述联合优化方法还包括将问题P1放缩变换，所述放缩变换后的问题表示为：

[0029]

[0030]

[0031]

[0032]

[0033] q[0]＝q[N]＝qI，

[0034]

[0035]

[0036]

[0037] 优选地，问题P2属于非凸问题，所述联合优化方法还包括将问题P2转化为问题P3和问题P4，其中，问题P3为UAV路径优化子问题，问题P4为任务执行时间最小化子问题，包括：

[0038]

[0039]

[0040]

[0041]

[0042] q[0]＝q[N]＝qI

[0043]

[0044]

[0045]

[0046]

[0047] s.t.Θ*(M)existing

[0048] 其中，M为UAV执行任务时隙数的初试值，Θ*(M)为问题P3对应的最优值。

[0049] 优选地，问题P3属于非凸问题，所述联合优化方法还包括利用块下降法将问题P3转化为问题P5和问题P6，其中，问题P5为优化传感节点调度因子，问题P6为优化UAV飞行轨迹，包括：

[0050]

[0051]

[0052]

[0053]

[0054]

[0055]

[0056] q[0]＝q[M]＝qI

[0057]

[0058]

[0059]

[0060] 其中，问题P5解决传感节点调度因子的优化问题，问题P6解决UAV飞行轨迹的优化问题。

[0061] 优选地，针对LP问题P5和非凸问题P6，所述联合优化方法还包括利用近似凸逼近法得到UAV效用最大的最优传感节点调度因子，UAV飞行轨迹，速度以及加速度，包括：

[0062] 初始化 和 设置收敛精度ε，求解问题P5得到传感节点调度因子 r＝0为迭代次数；

[0063] 已知 利用近似凸逼近法求解问题P6，得到UAV飞行轨迹速度 加速度

[0064] 更新r＝r+1，判断Θr+1‑Θr的值是否满足精度值ε，若满足，确认求得的和 即为问题P3的最优解；若不满足，继续r+1 r
求解问题P5和问题P6，直到Θ ‑Θ满足精度要求为止。

[0065] 优选地，针对问题P4，利用二分法搜索的方式得到UAV完成数据采集任务的最小时隙数，包括：

[0066] 初始化UAV执行数据采集任务的时隙数M，求解问题P3，则使得Θ*(M)存在的最小M即为问题P4的最优解。

[0067] 本发明实施例提供的技术方案带来的有益效果至少包括：

[0068] 本发明实施例中，基于UAV任务执行速率和相应的能耗构建的UAV效用函数模型，能够对UAV完成任务的时间与相应能耗的整体效用进行合理评估；利用所构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型，能够有效配置UAV通信资源，合理解决UAV及时完成通信任务的需求与机载能量有限的问题之间的矛盾，实现UAV在最短时间内完成任务，同时消耗的能量有效降低。

附图说明

[0069] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。

[0070] 图1是本发明实施例提供的一种UAV轨迹、传感节点调度及任务执行时间联合优化方法的流程图；

[0071] 图2是本发明实施例提供的UAV辅助数据采集的移动通信系统结构示意图；

[0072] 图3是本发明实施例提供的传感节点数变化时不同UAV路径规划算法下UAV能耗的对比示意图；

[0073] 图4是本发明实施例提供的传感节点数变化时不同UAV路径规划算法下UAV任务执行时间的对比示意图；

[0074] 图5是本发明实施例提供的传感节点数变化时不同UAV路径规划算法下完成任务后UAV效用的对比示意图。

具体实施方式

[0075] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

[0076] 本发明的实施例提供了一种UAV轨迹、传感节点调度及任务执行时间联合优化方法，如图1所示，所述联合优化方法包括以下步骤：

[0077] S101、基于UAV需要采集的数据量及相应的能耗，构建UAV效用函数；

[0078] S102、利用所述构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型；其中，所述联合优化模型以最大化UAV效用函数为目标，以所有传感节点数据量上传需求、传感节点调度以及无人机的移动特性为限制条件；

[0079] S103、将所述联合优化模型转化为UAV路径优化和任务执行时间优化两个子问题，采用块下降法和连续凸逼近算法得到传感节点调度与UAV飞行路径的优化解，进一步利用二分法获得最小任务执行时间。

[0080] 本发明实施例中，基于UAV任务执行速率和相应的能耗构建的UAV效用函数模型，能够对UAV完成任务的时间与相应能耗的整体效用进行合理评估；利用所构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型，能够有效配置UAV通信资源，合理解决UAV及时完成通信任务的需求与机载能量有限的问题之间的矛盾，实现UAV在最短时间内完成任务，同时消耗的能量有效降低。

[0081] 具体地，所述UAV辅助数据采集的场景如图2所示，其中K个地面传感节点在给定区域内随机分布，每个传感节点发送功率固定且都具有需要上传的目标数据量限制。每个任务周期内UAV从充电桩出发执行数据采集任务，结束后返回充电桩。UAV采用时分复用接入方式采集数据，每个时隙内最多有一个用户上传信息，故传感器间传输干扰忽略不计。

[0082] 进一步地，基于上述，所述构建的UAV效用函数表示为：

[0083] Θ＝Rave‑κE

[0084] 其中，Θ为UAV执行任务的效用函数，Rave为UAV单位时间内采集的数据量，即UAV的任务执行速率，E为UAV执行任务相应的能耗，κ为量纲标准化因子。

[0085] 进一步地，所述UAV的任务执行速率表示为：

[0086]

[0087] 其中，W为传输信道带宽，δ为每个时隙的持续时间，K为传感节点数，N为时隙数，为传感节点k在第n个时隙的调度因子，q[n]为UAV在第n个时隙的位置，wk为传感节点k的位置， 为UAV与传感节点k间LoS信道出现的概率，η为NLoS信道引起的额外损耗因子，Pk为地面传感节点的发送功率，β0为参考距离1m处的信道
2
增益，σ为UAV接收到的噪声功率。

[0088] 进一步地，所述UAV执行任务相应的能耗模型为：

[0089]

[0090] 其中，e为UAV飞行环境阻力因子，f为UAV的个体特征因子，包括质量和惯性矩等，a[n]为第n个时隙的飞行加速度，ag为UAV重力加速度，PS为UAV通信模块的功率。

[0091] 进一步地，建立的UAV轨迹、传感节点调度以及任务执行时间的联合优化模型表示为：

[0092]

[0093]

[0094]

[0095]

[0096] q[0]＝q[N]＝qI，

[0097]

[0098]

[0099]

[0100] 其中，s.t.表示约束条件，qI为UAV飞行的起止位置，v[n]为UAV在第n个时隙的速度，Vmax为UAV的最大飞行速度。

[0101] 进一步地，问题P1属于混合整数非凸问题，所述联合优化方法还包括将问题P1放缩变换，所述放缩变换后的问题表示为：

[0102]

[0103]

[0104]

[0105]

[0106] q[0]＝q[N]＝qI，

[0107]

[0108]

[0109]

[0110] 进一步地，问题P2属于非凸问题，所述联合优化方法还包括将问题P2转化为问题P3和问题P4，其中，问题P3为UAV路径优化子问题，问题P4为任务执行时间最小化子问题，包括：

[0111]

[0112]

[0113]

[0114]

[0115] q[0]＝q[N]＝qI

[0116]

[0117]

[0118]

[0119]

[0120] s.t.Θ*(M)existing

[0121] 其中，M为UAV执行任务时隙数的初试值，Θ*(M)为问题P3对应的最优值。

[0122] 进一步地，问题P3属于非凸问题，所述联合优化方法还包括利用块下降法将问题P3转化为问题P5和问题P6，其中，问题P5为优化传感节点调度因子，问题P6为优化UAV飞行轨迹，包括：

[0123]

[0124]

[0125]

[0126]

[0127]

[0128]

[0129] q[0]＝q[M]＝qI

[0130]

[0131]

[0132]

[0133] 其中，问题P5解决传感节点调度因子的优化问题，问题P6解决UAV飞行轨迹的优化问题。

[0134] 进一步地，针对LP问题P5和非凸问题P6，所述联合优化方法还包括利用近似凸逼近法得到UAV效用最大的最优传感节点调度因子，UAV飞行轨迹，速度以及加速度，包括：

[0135] 初始化 和 设置收敛精度ε，求解问题P5得到传感节点调度因子 r＝0为迭代次数；

[0136] 已知 利用近似凸逼近法求解问题P6，得到UAV飞行轨迹速度 加速度

[0137] 更新r＝r+1，判断Θr+1‑Θr的值是否满足精度值ε，若满足，确认求得的和 即为问题P3的最优解；若不满足，继续r+1 r
求解问题P5和问题P6，直到Θ ‑Θ满足精度要求为止。

[0138] 进一步地，针对问题P4，利用二分法搜索的方式得到UAV完成数据采集任务的最小时隙数，包括：

[0139] 初始化UAV执行数据采集任务的时隙数M，求解问题P3，则使得Θ*(M)存在的最小M即为问题P4的最优解。

[0140] 为了验证本发明实施例提出的UAV轨迹、传感节点调度以及任务执行时间的联合优化方法的有效性，对其进行验证，根据表1中所示的仿真参数设置仿真环境，可以得到如图3至图5所示的仿真结果：

[0141] 表1系统仿真参数设置

[0142]参数 参数值
UAV最大飞行速度 30m/s
UAV安全飞行高度 [35m,40m]
UAV接收的噪声功率 ‑110dBm
传感节点分布范围 1000m×1000m
传感节点发送功率 0.1W
传感节点上传目标数据量 30M
传感节点个数 20
传输带宽 1MHz

[0143] 图3给出了UAV轨迹、传感节点调度以及任务执行时间的联合优化方法中传感节点数量不同时UAV完成任务需要的相应能耗，同时给出了时间最小化轨迹优化方法在传感节点数量不同时UAV完成任务需要的相应能耗。通过对比可以看出，本发明实施例提出的UAV轨迹、传感节点调度以及任务执行时间的联合优化方法在不同传感节点数下UAV完成任务消耗的能量都小于时间最小方案。

[0144] 图4给出了UAV轨迹、传感节点调度以及任务执行时间的联合优化方法与时间最小化轨迹优化方法随着传感节点数量变化时UAV完成任务所需时间的对比。通过对比可以看出，本发明实施例提出的UAV轨迹、传感节点调度以及任务执行时间的联合优化方法在不同传感节点数下执行任务的时间性能达到与时间最小化轨迹优化方法相同的时间性能。

[0145] 图5给出了UAV轨迹、传感节点调度以及任务执行时间的联合优化方法与时间最小化轨迹优化方法关于UAV效用的对比。通过对比可以看出，本发明实施例提出的UAV轨迹、传感节点调度以及任务执行时间的联合优化方法在不同传感节点数量下UAV完成任务后的效用值都大于时间最小化轨迹优化方法。

[0146] 综上，本发明实施例中，基于UAV任务执行速率和相应的能耗构建的UAV效用函数模型，能够对UAV完成任务的时间与相应能耗的整体效用进行合理评估；利用所构建的UAV效用函数建立UAV轨迹、传感节点调度以及任务执行时间的联合优化模型，能够有效配置UAV通信资源，合理解决UAV及时完成通信任务的需求与机载能量有限问题间的矛盾，实现UAV在最短时间内完成任务同时消耗的能量有效降低。

[0147] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。