动态阻挡下毫米波无人机高度和密度部署估计方法及系统技术方案

本发明专利技术属于无人机通信网络技术领域，公开了一种动态阻挡下毫米波无人机高度和密度部署估计方法及系统，所述动态阻挡下毫米波无人机高度和密度部署估计方法包括：设定毫米波无人机通信系统，对动态阻挡者及无人机基站的高度、密度及位置进行随机化建模；为准确预测用户视距通信的阻挡特性，分别计算由移动阻挡者和用户自身引起的动态阻挡概率和自阻挡概率，通过积分最终得出目标用户被完全阻挡的概率的闭式解，获得完全阻挡概率与阻挡者高度、速度、密度及无人机密度和位置的函数关系，快速评估满足服务质量QoS所需的无人机密度及高度。本发明专利技术能使得无人机基站在密度和高度部署之间达到性能折衷，同时兼顾到通信系统的可靠性和低成本运营。

【技术实现步骤摘要】
动态阻挡下毫米波无人机高度和密度部署估计方法及系统
本专利技术属于无人机通信网络
，尤其涉及一种动态阻挡下毫米波无人机高度和密度部署估计方法及系统。
技术介绍
近年来，无人机因其突出的灵活性而受到了广泛关注。这种灵活性集成了多种优势，如快速部署等，这也使无人机通信成为未来通信中最重要的技术之一。同时毫米波通信在高带宽、大容量和低延迟等方面也表现出了其独特的优势。这两种技术都以不同的方式解决着现有的通信难题。那么将这两种技术进行结合(即毫米波无人机通信)来为自发性和临时性通信，例如大型的体育赛事或灾难现场等提供服务是很诱人的。因为它可以提供比单独使用任何一种方法更好的效果。虽然在这一领域已经取得了大量的研究成果，但在将这些成果付诸实践之前本专利技术还面临着许多问题，尤其是因毫米波信号的阻塞效应带来的挑战。众所周知，毫米波由于其高频特性而对信道中的障碍物非常敏感，甚至人体也可以阻挡毫米波信号的视线路径。因此将阻塞问题纳入毫米波通信系统的性能分析中是非常重要的。随机几何已被广泛用于系统的各项性能分析中。I.K.Jain、R.Kumar和S.S.Panwar；M.Gapeyenko和M.Gerasimenko以及M.Gapeyenko、A.Samuylov和M.Gerasimenko基于随机几何方法分别在其论文“TheImpactofMobileBlockersonMillimeterWaveCellularSystems”，“OntheTemporalEffectsofMobileBlockersinUrbanMillimeter-WaveCellularScenarios”和“AnalysisofHuman-BodyBlockageinUrbanMillimeter-WaveCellularCommunications”中建立了传统蜂窝基站下毫米波通信中人类阻挡问题的分析模型。但是，与传统毫米波蜂窝系统不同的是机载基站的位置及高度会发生随机灵活的变化。此外，由于内部控制回路的不准确以及风力或其他外部因素的影响，无人机在空中会具有小的随机波动。因此，固定基站场景下的阻挡分析模型无法直接扩展到无人机通信系统。为了克服这个难题，M.Boschiero、M.Giordani、M.Polese和M.Zorzi在文献“CoverageAnalysisofUAVsinMillimeterWaveNetworks:AStochasticGeometryApproach”中使用随机几何方法专门研究了毫米波无人机通信中由建筑物等引起的阻挡，并对网络的覆盖率和信噪比覆盖率进行了详细的分析。J.Zhao、J.Liu和F.Gao也在其文献“EfficientDeploymentWithGeometricAnalysisformmWaveUAVCommunications”中提出了一种新颖的基于随机几何的分析方法来检测毫米波无人机通信中的静态阻碍。为有效进行毫米波无人机通信，除了建筑物引起的静态阻挡外，由移动的人员或车辆造成的动态阻挡更应谨慎考虑，尤其是在户外集会或体育赛事等大规模开放式通信场景中。对此，M.Gapeyenko、I.Bor-Yaliniz和Y.Koucheryavy在其文献“EffectsofBlockageinDeployingmmWaveDroneBaseStationsfor5GNetworksandBeyond”中提出了一种有效的部署算法以实现单个毫米波无人机的最大服务用户数量，但该算法使用的是一个比较简单的，仅考虑每一时刻阻挡者随机数量的信道模型。对比与上述的无人机部署算法，M.Gapeyenko和V.Petrov发表论文“FlexibleandReliableUAV-AssistedBackhaulOperationin5GmmWaveCellularNetworks”，提出了一种针对毫米波无人机回程链路的新型分析框架，该框架将毫米波无人机用于在基站之间重新路由信号，以在容易阻塞的信道上保持不间断的连接。最后在考虑移动的人类障碍物的前提下，对单个无人机在固定高度下的系统中断概率和中断的持续时间进行了详细的分析。尽管做出了上述贡献，但是目前为止有关毫米波无人机通信中动态阻挡效应的研究仍然有限。据本专利技术所知，现有的有关人类阻挡效应的研究文献当中，无论是对传统的无人机通信，还是基于毫米波的无人机通信大都忽略了无人机随机高度分布的问题。众所周知，无人机的灵活性使其三维位置易于改变。因此，无人机的高度分布更像是一种随机分布，而不是现有分析中假设的统一固定高度。所以在综合考虑移动人类阻挡者和无人机位置随机波动的情况下，如何分析毫米波无人机通信系统的动态阻挡特性，预测目标用户视距链路的阻挡情况，并基于此快速评估满足特定QoS所需的无人机部署密度和高度，仍然是目前十分重要的一个研究方向，也是本专利技术所要解决的问题。通过上述分析，现有技术存在的问题及缺陷为：(1)固定基站场景下的阻挡分析模型无法直接扩展到无人机通信系统。(2)目前为止有关毫米波无人机通信中动态阻挡效应的研究仍然有限。(3)现有的有关人类阻挡效应的研究文献当中，无论是对传统的无人机通信，还是基于毫米波的无人机通信大都忽略了无人机随机高度分布的问题。解决以上问题及缺陷的难度为：(1)如何准确把握影响毫米波无人机通信系统阻挡特性的各个因素。(2)如何对毫米波无人机基站的随机位置分布进行准确建模。(3)如何描述毫米波无人机通信系统的阻挡特性，得出用户链路阻挡概率与各阻挡因素之间的函数关系。解决以上问题及缺陷的意义为：通过解决上述问题，本专利技术可以准确预测系统中目标用户通信链路的阻挡情况，从而有效地评估和指导各种阻挡下所需的无人机密度及高度部署，同时兼顾到通信系统的可靠性和低成本运营。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种动态阻挡下毫米波无人机高度和密度部署估计方法及系统，旨在解决现有阻挡分析模型未充分考虑无人机三维位置随机波动的缺点。本专利技术是这样实现的，一种动态阻挡下毫米波无人机高度和密度部署估计方法，所述动态阻挡下毫米波无人机高度和密度部署估计方法包括：设定一毫米波无人机通信系统，并对动态阻挡者及无人机基站的高度、密度及位置进行随机化建模；分别计算由移动阻挡者和用户自身引起的动态阻挡概率和自阻挡概率，通过积分最终得出目标用户被完全阻挡的概率的闭式解，获得完全阻挡概率与阻挡者高度、速度、密度及无人机密度和位置的函数关系，快速评估满足服务质量QoS所需的无人机密度及高度。进一步，所述动态阻挡下毫米波无人机高度和密度部署估计方法包括以下步骤：步骤一，设定半径为R的圆形开放式区域为目标场景，目标用户位于原点位置，高度为hR，潜在的阻挡者及携带毫米波基站的无人机都随机分布在整个区域以构成通信系统，该步骤明确了本方案的适用场景及范围；步骤二，设定目标场景中角度为ω的一个扇形区域为自阻挡区域，即视距传输链路被目标用户自己的身体阻挡，该区域中所有无人机本文档来自技高网...

【技术保护点】
1.一种动态阻挡下毫米波无人机高度和密度部署估计方法，其特征在于，所述动态阻挡下毫米波无人机高度和密度部署估计方法包括：设定一毫米波无人机通信系统，并对动态阻挡者及无人机基站的高度、密度及位置进行随机化建模；分别计算由移动阻挡者和用户自身引起的动态阻挡概率和自阻挡概率，通过积分最终得出目标用户被完全阻挡的概率的闭式解，获得完全阻挡概率与阻挡者高度、速度、密度及无人机密度和位置的函数关系，快速评估满足服务质量QoS所需的无人机密度及高度。/n

【技术特征摘要】
1.一种动态阻挡下毫米波无人机高度和密度部署估计方法，其特征在于，所述动态阻挡下毫米波无人机高度和密度部署估计方法包括：设定一毫米波无人机通信系统，并对动态阻挡者及无人机基站的高度、密度及位置进行随机化建模；分别计算由移动阻挡者和用户自身引起的动态阻挡概率和自阻挡概率，通过积分最终得出目标用户被完全阻挡的概率的闭式解，获得完全阻挡概率与阻挡者高度、速度、密度及无人机密度和位置的函数关系，快速评估满足服务质量QoS所需的无人机密度及高度。


2.如权利要求1所述的动态阻挡下毫米波无人机高度和密度部署估计方法，其特征在于，所述动态阻挡下毫米波无人机高度和密度部署估计方法包括以下步骤：
步骤一，设定半径为R的圆形开放式区域为目标场景，目标用户位于原点位置，高度为hR，潜在的阻挡者及携带毫米波基站的无人机都随机分布在整个区域以构成通信系统；
步骤二，设定目标场景中角度为ω的一个扇形区域为自阻挡区域，即视距传输链路被目标用户自己的身体阻挡，该区域中所有无人机无法为目标用户提供通信服务，未处于自阻挡区域的无人机都有一定概率为目标用户提供服务；
步骤三，无人机数目遵循密度为λT的泊松点过程，当给定无人机的数量n时，每个无人机的二维位置遵循均匀分布，即无人机i与极轴之间的角度θ在[0,2π]上均匀分布，无人机i与目标用户的距离ri依据分布，其中Unif([0,1])表示在[0,1]上的均匀分布，即给定n时，ri的条件概率密度函数为此外，为了模拟无人机的微小随机波动，无人机高度hi的分布设定为服从均值为μ，标准差为σ的正态分布，即给定n时，hi的条件概率密度函数
步骤四，阻挡者依泊松点过程分布在整个区域，且被建模为密度为λB，高度为hB的圆柱体，假定其以恒定速度V向任意方向移动，当阻挡者位于目标用户和无人机i的连线上，且和目标用户之间的距离小于rieff时，目标用户到无人机i的视距链路将被阻挡，其中rieff为有效的阻挡区域长度，大小为
步骤五，目标用户到所有无人机的通信链路阻挡情况是互相独立的，其中无人机i到目标用户的动态阻挡过程为阻挡率和未阻挡率分别为αi和β的交替更新过程，其中β为固定值，设置为2，此时，第i条链路的阻挡概率为当所有链路同时阻挡时，目标用户处于完全阻挡状态，完全阻挡概率为其中为无人机基站未被自阻挡的概率，x为以为系数的一个变量，为达到系统的QoS需求，P(B)必须小于阈值此时评估出所需的无人机部署密度λT需满足
步骤六，假定事件A表示用户在自阻挡下仍至少拥有一个无人机服务基站的事件，那么条件阻挡概率P(B)及P(B|A)的闭式解表明了毫米波无人机通信系统动态阻挡特性与障碍物移动过程及无人机位置分布之间的内在关系，经数值运算，快速得出低于某阻挡概率阈值时的无人机部署高度范围。


3.如权利要求2所述的动态阻挡下毫米波无人机高度和密度部署估计方法，其特征在于，步骤五中，假定B表示目标用户被完全阻挡的事件，则阻挡概率P(B)及x按如下步骤进行计算：
(1)计算概率P(B|n,{hi},{ri})，其表示当给定未被自阻挡的无人机个数n，所有无人机高度集合{hi}，以及所有无人机和目标用户间的通信距离集合{ri}时用户被阻挡的条件概率，该条件概率可以用单个链路阻挡概率的乘积表示为：



(2)对步骤(1)中P(B|n,{hi},{ri})关于ri的分布进行积分获得P(B|n,{hi})为：



其中，P(B|n,{hi})表示当给定未被自阻挡的无人机个数n，所有无人机高度集合{hi}时的条件阻挡概率，
(3)对步骤(2)中P(B|n,{hi})关于无人机高度hi的分布进行积分计算得到给定无人机数目n下的条件阻挡概率P(B|n)为：



将步骤(2...

【专利技术属性】
技术研发人员：李小亚，马存燕，梁霄，李凡，周伟，贺晨，彭进业，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61