System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 无人机辅助CEP-TML通信网络的能量收集方法及系统技术方案_技高网

无人机辅助CEP-TML通信网络的能量收集方法及系统技术方案

技术编号:42675658 阅读:1 留言:0更新日期:2024-09-10 12:27
本发明专利技术涉及物联网的资源管理技术领域,具体公开了一种无人机辅助CEP‑TML通信网络的能量收集方法及系统,为了解决重叠干扰场景下UAV‑CEPC‑TML网络的有效资源管理问题,实现低功耗物联网,该方法和系统首先建立了UAV‑CEPC‑TML网络的系统模型,然后基于该系统模型建立基于超图的干扰模型,以在UAV‑CEPC‑TML网络抗干扰的前提下,实现CEP之间的通信,提高资源利用率。然后,为了在保证无人机EH的前提下实现网络吞吐量的最大化,建立了UAV‑CEPC‑TML网络的不完全CSI优化模型,该模型结合了传输功率约束、EH约束、速率约束和资源分配冲突容忍约束。最后,将问题分解为两个子问题,并基于学习理论提出了UAV‑CEPC‑TML网络的IH‑EHRA策略,以降低不完美CSI的影响并获得最优解。

【技术实现步骤摘要】

本专利技术涉及物联网的资源管理,尤其涉及一种无人机辅助cep-tml通信网络的能量收集方法及系统。


技术介绍

1、在自然灾害、突发事件和偏远环境中,如果目标区域缺乏基站覆盖,消费电子产品(consumer electronics products,cep)往往无法正常运行。针对这一问题,有方案提出了一种利用无人机(unmanned aerial vehicles,uav)辅助通信的方案,利用uav作为空中基站采集数据并传输到其他cep,或者直接传输到地面基站,保证cep的可靠运行。

2、此外,tinyml是一种新兴技术,可以分析数据并做出实时决策,而无需依赖云计算。将tinyml集成到cep(cep-tml)中具有许多优点,包括减少延迟、增强安全性和隐私性、提高可扩展性等,可以彻底改变各种cep。然而,在无人机辅助cep-tml通信(uav-cepc-tml)网络中,实现低功耗物联网也面临一些挑战:1)用户数量增加导致频谱稀缺;2)对更高数据速率的需求激增;3)延长无人机的使用寿命。

3、为了解决无人机在低功耗物联网网络中能量寿命有限的问题,并支持更多的连接,越来越多的学者和行业开始研究这一问题。因此,人们提出了同步无线信息和电力传输(simultaneous wireless information and power transfer,swipt)技术,以延长设备运行时间并增强无线连接。该技术可以通过能量收集(energy harvesting,eh)增强无线通信网络的有效性和可靠性,降低设备维护成本,进一步推动网络向环保、节能、高效、安全的方向发展。

4、在最近的研究中,学者们主要关注无人机的eh问题,无人机通过从环境中的射频(rf)信号中收集能量来延长其飞行时间并增强其任务执行能力。在目前的研究中,研究人员充分考虑了eh技术对无人机辅助通信网络资源管理的影响,并采取了有效措施来提高低功耗物联网网络的可靠性和有效性。然而,uav-cepc-tml网络中高密度的移动cep给资源分配带来了新的挑战。如果在同一设备上同时进行发射和接收操作,可能会对设备本身造成干扰,从而降低接收到的信号质量。此外,大规模网络中产生的重叠干扰也会降低能量收集效率,导致资源分配冲突。因此,在重叠干扰的情况下,如何在实现uav-cepc-tml网络最大吞吐量的同时减少资源分配冲突是一个新的挑战。


技术实现思路

1、本专利技术提供无人机辅助cep-tml通信网络的能量收集方法及系统,解决的技术问题在于:如何在实现uav-cepc-tml网络最大吞吐量的同时减少资源分配冲突。

2、为解决以上技术问题,本专利技术提供无人机辅助cep-tml通信网络的能量收集方法,包括步骤:

3、s1、建立无人机辅助cep-tml通信网络即uav-cepc-tml网络的系统模型,cep-tml指集成了tinyml技术的消费电子产品;

4、s2、基于所述uav-cepc-tml网络的系统模型中的干扰关系建立所述uav-cepc-tml网络的干扰超图模型;

5、s3、基于所述uav-cepc-tml网络的系统模型和所述干扰超图模型构建在保证无人机能量收集的前提下,最大化网络吞吐量的优化模型;

6、s4、将所述优化模型范围分解为低能量收集模型和高能量收集模型;

7、s5、应用学习理论估计不完美的通信链路增益并利用拉格朗日对偶定理对所述低能量收集模型和所述高能量收集模型进行求解。

8、进一步地,在所述步骤s1中,所述uav-cepc-tml网络的系统模型包括b个基站、d个蜂窝cep、n个d2d对和j条通信链路,每个所述d2d对由cep和无人机组成,每个所述cep都集成了tinyml技术,所述d2d对复用所述蜂窝cep的频谱进行通信,所述蜂窝cep通过通信链路与所述基站和所述d2d对通信,所述d2d对也通过通信链路向所述无人机传输信息;所述无人机从环境中收集能量,同时将数据传输到所述基站和所述蜂窝cep,所述cep则从同一通信链路上的蜂窝cep接收控制信息。

9、进一步地,在所述步骤s2中,所述uav-cepc-tml网络的系统模型中的干扰关系包括独立干扰和累积干扰;

10、独立干扰是指仅受一个cep-dps影响的干扰,又分为强干扰和弱干扰,一组蜂窝cep和d2d对构成一个cep-dps;在uav-cepc-tml网络中,两个cep-dps相互干扰时,当一个cep-dps的干扰超过另一个cep-dps的最大干扰阈值时发生强干扰,否则发生弱干扰;

11、在多个cep-dps相互干扰的情况下,当来自其他cep-dps的总干扰超过任何一个cep-dps的最大干扰阈值时,发生累积干扰。

12、进一步地,在所述步骤s2中,以cep-dps作为超图的节点,以cep-dps之间通信的干扰关系作为超图的超边,构建的超图即为所述干扰超图模型。

13、进一步地,在所述步骤s3中,所述优化模型构建为:

14、

15、s.t.c1:rn,j≥rmin

16、c2:eh≥emin

17、c3:ax≤i

18、c4:0≤pn,j≤pmax

19、其中,max表示最大化,s.t.表示使满足,xn,j是资源矩阵x的第n行第j列的元素,rn,j表示第n个d2d对在第j条通信链路上的用户率,eh表示第n个d2d对的总功耗,a为表示所述干扰超图模型中节点之间的关系的邻接矩阵,i为干扰阈值矩阵,pn,j表示第n个d2d对在第j条通信链路上的发射功率,rmin表示的最小速率阈值,emin表示每个d2d对的最小能量阈值,pmax表示每个d2d对的最大功率阈值,c1表示每个d2d对所需的最小速率约束,c2表示每个d2d对的最小能量收集约束,c3表示基于所述干扰超图模型的干扰容忍约束,c4表示d2d对的功率不能超过功率阈值;

20、xn,j定义为:

21、

22、其中,vn表示干扰超图模型中第n个节点。

23、进一步地,第n个d2d对的总功耗eh由下式计算:

24、

25、其中,pi,j表示第i个d2d对在第j条通信链路上的发射功率,gi,j表示第i个d2d对在第j条通信链路上的信道增益,i≠n,p为所述基站的总发射功率,g表示所述基站到所述d2d对的通信链路增益,α为能量转换效率;

26、第n个d2d对在第j条通信链路上的用户率rn,j由下式计算:

27、rn,j=b1log2(1+γn)

28、其中,b1表示每条通信链路的带宽,γn表示第n个d2d对的信噪比。

29、进一步地,在所述步骤s4中,当emin≤αγminσ2时,所述优化模型范围分解为所述低能量收集模型:

30、

31、c2:eh≥emin

32、c3:ax≤本文档来自技高网...

【技术保护点】

1.无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,包括步骤:

2.根据权利要求1所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,在所述步骤S1中,所述UAV-CEPC-TML网络的系统模型包括B个基站、D个蜂窝CEP、N个D2D对和J条通信链路,每个所述D2D对由CEP和无人机组成,每个所述CEP都集成了TinyML技术,所述D2D对复用所述蜂窝CEP的频谱进行通信,所述蜂窝CEP通过通信链路与所述基站和所述D2D对通信,所述D2D对也通过通信链路向所述无人机传输信息;所述无人机从环境中收集能量,同时将数据传输到所述基站和所述蜂窝CEP,所述CEP则从同一通信链路上的蜂窝CEP接收控制信息。

3.根据权利要求2所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于:在所述步骤S2中,所述UAV-CEPC-TML网络的系统模型中的干扰关系包括独立干扰和累积干扰;

4.根据权利要求3所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,在所述步骤S2中,以CEP-DPs作为超图的节点,以CEP-DPs之间通信的干扰关系作为超图的超边,构建的超图即为所述干扰超图模型。

5.根据权利要求1~4任一项所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,在所述步骤S3中,所述优化模型构建为:

6.根据权利要求5所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,第n个D2D对的总功耗EH由下式计算:

7.根据权利要求6所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,在所述步骤S4中,当Emin≤αγminσ2时,所述优化模型范围分解为所述低能量收集模型:

8.根据权利要求7所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,所述步骤S5具体包括步骤:

9.根据权利要求8所述的无人机辅助CEP-TML通信网络的能量收集方法,其特征在于,在获取通信链路增益的学习过程中,每一次的迭代点通过下式更新:

10.无人机辅助CEP-TML通信网络的能量收集系统,其特征在于,应用权利要求1~9任一项所述的无人机辅助CEP-TML通信网络的能量收集方法。

...

【技术特征摘要】

1.无人机辅助cep-tml通信网络的能量收集方法,其特征在于,包括步骤:

2.根据权利要求1所述的无人机辅助cep-tml通信网络的能量收集方法,其特征在于,在所述步骤s1中,所述uav-cepc-tml网络的系统模型包括b个基站、d个蜂窝cep、n个d2d对和j条通信链路,每个所述d2d对由cep和无人机组成,每个所述cep都集成了tinyml技术,所述d2d对复用所述蜂窝cep的频谱进行通信,所述蜂窝cep通过通信链路与所述基站和所述d2d对通信,所述d2d对也通过通信链路向所述无人机传输信息;所述无人机从环境中收集能量,同时将数据传输到所述基站和所述蜂窝cep,所述cep则从同一通信链路上的蜂窝cep接收控制信息。

3.根据权利要求2所述的无人机辅助cep-tml通信网络的能量收集方法,其特征在于:在所述步骤s2中,所述uav-cepc-tml网络的系统模型中的干扰关系包括独立干扰和累积干扰;

4.根据权利要求3所述的无人机辅助cep-tml通信网络的能量收集方法,其特征在于,在所述步骤s2中,以cep-dps作为超图的节点,以c...

【专利技术属性】
技术研发人员:杨凡喻涛黄杰赖显智蔡杰良张鑫姚凤航
申请(专利权)人:重庆理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1