异构需求下无人机无线携能传输优化策略.pdf

第2卷 第4期V o l.2 N o.4 2 0 2 3年8月 J o u r n a l o f A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A A u g.2 0 2 3异构需求下无人机无线携能传输优化策略孙启明,宋 绯(陆军工程大学 通信工程学院,江苏 南京 2 1 0 0 0 7)摘要:物联网设备电池容量有限且充电不便,无人机无线携能传输技术很好地解决了这个问题,可以实现能量和数据的同时传输。根据节点设备的异构能量需求,提出了基于全网满意度最大化的无人机位置和功率联合优化策略。将无人机与地面节点关联系数的优化问题建模成联盟形成博弈问题,通过设计合作准则,证明了其存在纳什均衡点。基于最大化满意度准则,探索无人机最佳悬停位置。在确定关联系数、无人机位置后,采用凸优化方法求解无人机与节点之间的发射功率。仿真结果表明,所提联合优化策略能够较大幅度地提升全网满意度。关键词:无人机;无线携能传输;异构需求;联合优化 中图分类号:T N 9 2 9.5D O I:1 0.1 2 0 1 8/j.i s s n.2 0 9 7-0 7 3 0.2 0 2 2 0 6 1 9 0 0 1O p t i m i z a t i o n S t r a t e g y o f U A V-A s s i s t e d SW I P T w i t h H e t e r o g e n e o u s R e q u i r e m e n t s S UN Q i m i n g,S ONG F e i(C o l l e g e o f C o mm u n i c a t i o n s E n g i n e e r i n g,A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A,N a n j i n g 2 1 0 0 0 7,C h i n a)A b s t r a c t:A i m i n g a t t h e p r o b l e m s o f t h e l i m i t e d b a t t e r y c a p a c i t y a n d i n c o n v e n i e n t c h a r g i n g o f i n t e r n e t o f t h i n g s d e v i c e s(I o T D s),UAV-a s s i s t e d s i m u l t a n e o u s w i r e l e s s i n f o r m a t i o n a n d p o w e r t r a n s f e r(SW I P T)c a n t r a n s m i t e n e r g y a n d d a t a s i m u l t a n e o u s l y.F o c u s i n g o n t h e h e t e r o g e n e o u s e n e r g y r e q u i r e m e n t s o f I o T D s,a j o i n t o p t i m i z a t i o n s t r a t e g y o f h o v e r i n g p o s i t i o n a n d p o w e r t r a n s m i s s i o n i s p r o p o s e d b a s e d o n m a x i m i z a t i o n o f t h e s a t i s f a c t i o n o f t h e w h o l e n e t w o r k.T o b e g i n w i t h,t h e o p t i m i z a t i o n o f t h e c o r r e l a t i o n c o e f f i c i e n t b e t w e e n UAV s a n d I o T D s c a n b e m o d e l l e d a s a c o a l i t i o n f o r m a t i o n g a m e.I t i s p r o v e d t h a t t h e r e i s a t l e a s t a N a s h e q u i l i b r i u m p o i n t,b y d e s i g n i n g t h e c o o p e r a t i v e c r i t e r i o n.S e c o n d l y,t h e o p t i m a l h o v e r i n g p o s i t i o n o f UAV s i s e x p l o r e d b a s e d o n t h e c r i t e r i o n o f s a t i s f a c t i o n m a x i m i z a t i o n.L a s t l y,s i n c e t h e c o r r e l a-t i o n c o e f f i c i e n t a n d h o v e r i n g p o s i t i o n a r e d e t e r m i n e d,t h e t r a n s m i t t i n g p o w e r o f UAV s i s f i g u r e d o u t b y c o n v e x o p t i m i z a t i o n.T h e r e s u l t s o f t h e s i m u l a t i o n s h o w t h a t t h e p r o p o s e d j o i n t o p t i m i z a t i o n s t r a t e g y c a n g r e a t l y i m p r o v e t h e s a t i s f a c t i o n o f t h e w h o l e n e t w o r k.K e y w o r d s:UAV;s i m u l t a n e o u s w i r e l e s s i n f o r m a t i o n a n d p o w e r t r a n s f e r(SW I P T);h e t e r o g e n e o u s r e q u i r e m e n t s;j o i n t o p t i m i z a t i o n 收稿日期:2 0 2 2-0 6-1 9基金项目:国家自然科学基金(6 2 0 6 1 0 1 3)。第一作者:孙启明,硕士研究生,主要研究无人机通信。通信作者:宋 绯,博士,副教授,主要研究无线通信。无人机具有高机动性,可以作为空中基站,为一定范围内的区域提供网络覆盖,是现有地面基站通信的重要补充手段1-3。在物联网中,地面节点通常由电池供电,系统工作时间受到节点电池容量限制。为了保证系统续航时间以及向节点发送信息,可以利用 无人机无线 携 能 传 输(s i m u l t a n e o u s w i r e l e s s i n f o r m a t i o n a n d p o w e r t r a n s f e r,S W I P T)技术对某一任务区域内多个物联网节点进行信息和能量传输。文献4 研究了单架无人机辅助通信,然而当任务区域面积较大或者需要服务的节点过多时,单架无人机通常无法完成覆盖任务。为了对任务区内的所有物联网节点进行无缝覆盖,需要多架无人机共同完成。利用多架无人机对多个地面节点进行覆盖,必然涉及无人机与节点的关联系数优化问题。现有文献利用穷搜法5、线性规划6、凸近似7、k-m e a n s分簇8等方法求解关联系数。文献9 联合优化了无人机位置和关联系数,但未对无人机的发射功率进行优化。在无人机SW I P T场景中,节点因自身剩余能量和工作任务的不同,从无人机获取能量有异构需求。现有研究主要是以优化数据吞吐量为目标,很少考虑节点的异构能量需求与无人机能力的匹配问题。为了充分利用有限的能量,对各个节点的满意程度进行量化,参考文献1 0 的工作,引入节点满意度的概念,以节点的异构能量需求是否被满足为评价标准,以全网满意度最大化为优化目标。通过联盟形成博弈(c o a l i t i o n f o r m a t i o n g a m e,C F G)、位置探索和凸优化方法,联合优化关联系数、无人机位置和发射功率以最大化全网满意度。1 系统模型和问题构建1.1 模型构建在物联网系统中,多架无人机对任务区域进行覆盖,区域内分布多个物联网设备节点,节点从无人机采集能量和获取信息,如图1所示。图1 多无人机S W I P T模型无人机集合为M=1,2,m,M,|M|=M。地 面 节 点 集 合 为K=1,2,k,K,|K|=K。为了完成能量和信息传输任务,每架无人机在固定位置悬停,其三维坐标为wm=(xm,ym,zm),m M。物联网设备固定在地面,其位置为wk=(xk,yk,0),kK。由于无人机主要靠机载电池供电,飞行时间有限,假设无人机需要在时间T内完成对任务区域内所有节点的携能传输任务。为了简化问题,假设无人机之间没有相互干扰,每架无人机可以服务多个物联网设备,而每个物联网设备只能被一架无人机服务。节点的带宽为B,每架无人机的总发射功率为P0,分配给与其连接的所有节点。每个地面节点配置功率分割器,将接收到的能量按照比率分割,用于能量收集,1-用于信息传输。现有研究表明,无人机与地面节点之间的无线信号在自由空间传播时的传输方式主要有视距传输和非视距传输。视距损耗和非视距损耗分别为1 1P LL o S=2 0 l g4 fcdc +L o SP LN L o S=2 0 l g4 fcdc +N L o S(1)式中:c为电磁波在真空中的传播速度,d为无人机和节点之间的距离,fc为无人机射频信号的载波频率,L o S和N L o S分别为直射链路和非直射链路的额外损耗。在此信道模型中,由于无人机和节点位置的差异、传输环境的不同,无法确定究竟是视距传输还是非视距传输,因此需要考虑这两种传输方式的概率。无人机通过视距传输和非视距链路传输信号的概率分别为P rL o S=11+e x p(-m,k-)P rN L o S=1-P rL o S(2)式中:,为与环境有关的常量;m,k为无人机m与 地 面 节 点k之 间 的 俯 仰 角,m,k=a r c c o s(hm/dm,k),hm为无人机m的垂直高度,dm,k为无人机m与地面节点k之间的直线距离,dm,k=(xm-xk)2+(ym-yk)2+z2m。无人机m和地面节点k之间的平均路径损耗为P Lm,k=P rL o SP LL o S+P rN L o SP LN L o S(3)在任务时间T内,节点k收集的能量总和为Ek=T m,kPm,khm,k m M,kK(4)式中:hm,k=1 0-P Lm,k/1 0;为节点的能量转换效率,01;为功率分配系数;关联系数m,k为一个二进制变量,表示无人机和物联网节点之间的连接关系,m,k=1表示无人机m与节点k连接,m,k=0表示无人机m与节点k之间不连接;Pm,k表示无人机m分配给节点k的功率。根据香农公式,得出节点k接收的信息速率为Rk=B m,kl o g21+(1-)Pm,khm,kB 2 m M,kK(5)52第4期 孙启明,等:异构需求下无人机无线携能传输优化策略 在异构能量需求下的物联网中,每个地面物联网节点由于其工作任务、电池剩余电量的差异,对能量的需求也不同。为了真实反映具有异构能量需求的物联网设备的满意程度,设计了一个节点能量需求满意度函数uk(m)。将uk(m)建模为uk(m)=11+e x p-(Ek-Er e qk)+V(6)式中:uk(m)表示节点k与无人机m连接时的满意度,uk(m)的取值范围为0,1,uk(m)=1表示该节点的能量需求得到完全满足,uk(m)=0表示该节点的能量需求无法满足;Er e qk表示节点k能量需求;V为一个常数。当节点k从无人机采集到的能量大于其需求时,即EkEr e qk时,满意度uk(m)的数值应为1。取V=-7,此时uk(m)1/(1+e x p(-7)1,表明该节点能达到满意状态。综上,设计的满意度函数能够正确反映节点实际满意程度。1.2 满意度最大化问题建模为了提高全网的满意度,将提高任务区域内所有地面节点的满意度之和作为优化目标。为了求解无人机最佳位置,首先将所有地面节点与无人机进行关联,在确定关联系数m,k后,进一步优化无人机位置。通过联合优化关联系数、无人机位置和功率分配来提高全网满意度。最后将该联合优化问题表述为P 1:m a xm,k,wm,Pm,kS a t i s=mMkKm,kuk(m)s.t.C 1:RkRr e qC 2:Mm=1m,k=1 m,k0,1,kKC 3:Xm i nxmXm a xYm i nymYm a xHm i nzmHm a xC 4:Kk=1m,kPm,kP0 m M(7)其中,约束C 1反映节点的通信需求,Rr e q是保证节点信息需求的最低速率;约束C 2表示每一个节点仅能和一架无人机连接;约束C 3表示无人机的悬停位置必须在任务区域内;约束C 4表示由于无人机硬件限制,每架无人机能分配给节点的功率总和不超过P0。可以看出,问题P 1的目标函数为非平滑函数,且该优化问题涉及多个变量,包括关联系数、无人机位置、功率分配,难以直接求解。以4 0个节点、5架无人机的场景为例,仅关联系数就有54 0个可能的组合。为了求解该问题,提出了关联系数、无人机位置、发射功率联合优化策略。2 关联系数、无人机位置和功率联合优化策略关联系数、无人机位置、发射功率这些变量相互耦合,且问题P 1是一个非凸问题,通常难以直接求解,可以将问题拆分成关联系数优化、无人机位置优化、无人机功率优化3个子问题分别进行求解。K-m e a n s算法在进行节点分组时具有较好的效果,故可以采用该方法进行任务分配,得到初始关联系数。无人机初始位置设为各个分组的质心,初始发射功率采取将总发射功率平均分配给其连接的所有节点的方法。2.1 关联系数优化求解节点用户与无人机的关联系数是一个二进制整数规划问题,现有算法通常难以解决。如果简单地将节点与最近的无人机相关联,很有可能导致无人机负载轻重不均,不利于提高全网满意度。因此,必须找出一组最优的关联系数m,k。给出问题P 1的分解问题P 2。P 2:m a xm,kS a t i s=mMkKm,kuk(m)s.t.C 2:Mm=1m,k=1 m,k0,1,kK(8)为了求解问题P 2,利用C F G模型优化关联系数。多个地面节点形成一个联盟,同一个联盟中的所有节点与同一架无人机相关联。定义1(C F G)策略集(M,K,),M是所有无人机的集合,K是所有地面节点的集合。联盟划分(1,2,M),m是所有与无人机m关联的节点形成的一个联盟1 2。对于任意的无人机m M,联盟m的效用定义为u(m)=kmuk(m)(9)定义2(偏好关系)在一定的联盟选择机制下,任意节点j加入联盟1,离开2(1,2),则1j2,j表示节点j的偏好1 3。定义3(合作准则)在联盟形成博弈中,对于任意的节点j,j N,如果离开联盟1,加入联盟2(1,2)后,可以增加自身和联盟中其他节62 第2卷点分别在新旧两个联盟中的总效用,那么j满足合作准则1 31j2uj1 +k1,kjuk1 +k2juk2j uj2 +k1juk1j +k2,kjuk2 (1 0)式中:mj表示不包括节点j的联盟。依据上述合作准则,节点不仅应该考虑自己的效用,而且还应该考虑所属联盟其他成员的整体效用。定义4(纳什均衡)给定一组联盟选择策略A=(a1,a2,aK),改变任意一个参与者k K的策略选择,都不能使效用函数增加1 4,即Uj(a*k,a*-k)Uj(ak,a*-k)kK,ak A(1 1)定义5(精确势能博弈)如果存在一个势能函数:A1A2AM?A,对于任意两个联盟选择策略ak,a*k A,如果满足下列等式U(a*k,a-k)-U(ak,a-k)=(a*k,a-k)-(ak,a-k)(1 2)即节点改变其联盟选择时,效用函数的变化等于势能函数的变化,那么所提博弈模型为精确势能博弈,其至少 存 在 一 个 纳 什 均 衡 点(N a s h e q u i l i b r i u m,N E)1 5。根据C F G合作准则,节点效用函数定义为Uj(aj,a-j)=uj(aj,a-j)+kajjuk(ak,a-k)+kojuk(ak,a-k)(1 3)式中:aj表示节点j当前选择的联盟,o表示节点j的初始联盟选择。在当前联盟博弈模型下,优化目标是提高全网满意度。引入势能博弈的概念,构造势能函数为(aj,a-j)=jKuj(aj,a-j)(1 4)假设节点j的联盟选择策略从aj变成a*j,效用函数的变化如下U(a*j,a-j)-U(aj,a-j)=uj(a*j,a-j)-uj(aj,a-j)+kojuk(ak,a*-k)-uk(ak,a-k)+kajjuk(ak,a*-k)-uk(ak,a-k)+ka*jjuk(ak,a*-k)-uk(ak,a-k)(1 5)假设节点j的联盟选择策略从aj变成a*j,势能函数变化为(a*j,a-j)-(aj,a-j)=uj(a*j,a-j)-uj(aj,a-j)+kojuk(ak,a*-k)-uk(ak,a-k)+kajjuk(ak,a*-k)-uk(ak,a-k)+ka*jjuk(ak,a*-k)-uk(ak,a-k)+kBjuk(ak,a*-k)-uk(ak,a-k)(1 6)式中:Bj=K aja*j表示除了联盟aj、a*j中的节点外其他所有节点的集合。节点j的联盟选择由aj变为a*j后,只改变了联盟aj、a*j中其他节点的效用值。对于节点kBj,kj,效用值并不会改变,因此得到以下关系uk(ak,a*-k)-uk(ak,a-k)=0 k Bj,kj(1 7)根据式(1 51 7),可以推导出(a*j,a-j)-(aj,a-j)=U(a*j,a-j)-U(aj,a-j)(1 8)从式(1 8)可以看出,节点j改变其联盟选择后,势能函数的变化值等于效用函数的变化值。根据定义5可知,所提C F G模型是一个精确势能博弈,必定存在N E。在式(1 4)中,势能函数设置为全网所有节点的满意度之和,因此问题P 2在给定无人机位置、发射功率的前提下,可以求出稳定的联盟分区,并且存在一个使全网满意度最高的稳定解,从而可以确定节点与无人机之间的最优关联系数*m,k。2.2 无人机位置优化在确定节点与无人机之间的最优关联系数am,k后,根据最大满意度原则,寻找无人机的最优位置,将无人机位置优化问题表述为P 3:m a xwmS a t i s=mMkKm,kuk(m)s.t.C 3:Xm i nxmXm a xYm i nymYm a xHm i nzmHm a x m M(1 9)对于问题P 3,可以将任务空间以1 m为间隔,划分出有限个无人机可能部署的位置。在某一给定位置,无人机m可以在 上、下、左、右、前、后6个方向进行随机探索,直到无人机m对应的联盟m的所有节点的效用和u(m,wm)不再增长。72第4期 孙启明,等:异构需求下无人机无线携能传输优化策略2.3 功率分配在初始设置中,每架无人机将发射功率平均分配给与其连接的节点,然而每个节点的能量需求、信息门限是不一样的。在达到节点信息门限的前提下,为了最大化全网用户节点满意度,需要对每架无人机的发射功率重新分配。在给定关联系数m,k、无人机位置wm后,功率分配优化问题表述为P 4:m a xPm,kS a t i s=mMkKm,kuk(m)s.t.C 1:Rk=B m,kl o g21+(1-)Pm,khm,kB 2 Rr e qm M,kKC 4:Kk=1am,kPm,kP0 m M(2 0)由于l o g2(1+x)是关于x的凹函数且约束C 4是线性的,因此可以证明问题P 4是一个凸优化问题,可以用现有的凸优化方法解决。2.4 整体优化策略及收敛性分析首先用C F G求解最优关联系数,再根据最大满意度原则探索无人机最佳悬停位置,最后通过凸优化方法优化无人机功率分配。联合优化策略如表1所示。表1 无人机位置和功率联合优化策略方法步骤1:初始化。初始关联系数m,k、无人机初始位置wm、发射功率Pm,k;2:C F G方法求解最优关联系数*m,k;3:给定*m,k,根据最大满意度原则,得到无人机最佳部署位置w*m;4:给定*m,k、w*m,用凸优化算法求解无人机最佳发射功率P*m,k;5:直至全网效用值收敛;6:输出最终的全网满意度,最优关联系数*m,k、无人机位置w*m、发射功率P*m,k。所提的联合优化策略,通过将问题P 1分解成3个子问题分别求解。由于每个子问题的全网满意度均在提升,因此经过整体联合优化策略后,全网满意度也是上升的。但是由于无人机的覆盖能力、发射功率都是有限的,最终的全网满意度存在一个上限,因此提出的无人机位置和功率联合优化策略是收敛的。3 仿真与分析为了验证所提无人机位置和功率联合优化策略的有效性,在MA T L A B平台上进行了多次仿真。3.1 仿真参数设置若干个物联网节点分布在1 0 01 0 0 m2的任务区域。仿真参数设置参考文献1 0,节点的通信带宽B=1 MH z,噪声功率谱密度2=-1 7 4 d B m/H z,单位信道收益0=1 0-3。载波频率fc=2 GH z,电磁传播速度c=3 1 08 m/s,L o S=1 d B,N L o S=1 0 d B,=9.6,=0.2 8。节点的能量采集效率=0.5,功率分割系数=0.9。无人机发射功率P0=1 0 0 0 mW,任务时间T=3 0 0 s。节点的信息门限Rr e q=2 0 b i t/H z。考虑节点的异构能量需求,设置任意节点k的异构能量需求为Er e qk为 E,2E之间的随机数。为了验证所提无人机位置和功率联合优化策略的有效性,结合实际应用中地面节点分布的特点,分别设置了两种场景进行对比。场景1:在任务区域内,4 0个物联网节点随机分布;场景2:在任务区域内,4 0个物联网节点均匀分布。3.2 结果与讨论首先验证所提联合优化策略在两个场景中对全网满意度的优化效果。设置节点异构能量需求参数E=8 m J,比较无人机数量分别为M=5、M=1 0时的全网满意度。如图2所示,在本文所提无人机位置和功率联合优化策略下,节点的满意度在不同的参数设置下均能达到收敛状态。全网满意度经过3个阶段的优化,均出现了较大幅度的提升。在场景2中,当无人机数量M=1 0时,全网满意度已经接近最大值4 0。图2 不同场景下全网满意度优化过程收敛示意图3、图4分别给出了无人机在场景1和场景2中的位置部署图,红点表示地面节点,节点在圆圈内就表示该节点与对应无人相关联,粉色五角星为无人机初始位置的投影,绿色五角星为经过探索后无人机的新位置。从图中可见,地面节点在两种场景下均能够形成稳定联盟,无人机通过优化位置部署82 第2卷覆盖了所有节点。当增加无人机的数量时,如从M=5增加到M=1 0,无人机会改变位置部署,地面节点也会重新形成稳定联盟。为了进一步比较不同的无人机数量对全网满意度的影响,仿真比较了M=51 1等不同数量无人机执行S W I P T任务的情形。设置节点数量K=4 0,节点异构能量需求Er e qk为 E,2E中的随机数,E分别取6、8、1 0和1 2 m J,节点信息门限Rr e q=2 0 b i t/H z。全网满意度随无人机数量变化如图5所示。图3 场景1中无人机位置部署图4 场景2中无人机位置部署图5 无人机数量对满意度的影响由图5可知,随着无人机数量的增加,全网满意度在不同能量需求下均呈上升趋势。当节点能量需求较低时,如E=6 m J时,全网满意度在无人机数量M=7时就已经接近满意度上限。而节点能量需求较大时,如E=1 2 m J时,全网满意度会持续增加,直到无人机数量M=1 1时才趋于平稳,接近满意度上限。可见节点能量需求越大,所需的无人机也越多。同时表明在不同任务场景下,需要选择合适数量的无人机去完成任务,最大限度地利用好有限的无人机,避免资源浪费。图6给出了不同节点数量对全网满意度的影响。以6架无人机的情形为例,固定M=6,设置节点信息门限Rr e q=2 0 b i t/s/H z。从图6可以看出,不同需求下的全网满意度出现了两种不同趋势。节点能量需求较低时,如E=6 m J和E=8 m J,随着节点数量的增加,全网满意度能持续上升,甚至在E=6 m J时,满意度在不同K值下,均能够接近各自上 限。但 当 节 点 的 能 量 需 求 提 高 后,如E=1 0 m J和E=1 2 m J,随着节点数量的增加,全网满意度先升高,在节点数量超过3 5后又出现了降低的情况,因为节点的能量需求较低时,现有无人机完全可以满足各个节点的异构需求。一旦节点的能量需求继续增大,当前配置的无人机已经无法满足节点92第4期 孙启明,等:异构需求下无人机无线携能传输优化策略的需求,节点之间的资源竞争更为激烈,导致最终的全网满意度下降。因此,除了要关注 无人机的 数量,还要综合考虑当前任务区域的物联网设备配置情况、节点能量需求,选择合适的无人机数量去完成任务。图6 节点数量对满意度的影响为了研究全网满意度与节点信息需求的关系,图7给出了不同信息门限下的全网满意度变化趋势。图7 信息门限对满意度的影响从图7可以看出,在不同无人机数量、不同节点数量的组合下,随着节点信息门限的提高,全网满意度均在不同程度地下降。这是因为当节点的信息门限提高时,无人机不得不将功率分配给信息速率较小的节点以达到所需的信息门限,从而忽略节点的能量需求,导致满意度下降。再分析不同数量无人机的具体情况,考虑节点信息门限从Rr e q=2 0 b i t/s/H z增加到Rr e q=3 5 b i t/s/H z的情形。节点数量为K=4 0,无人机数量为M=7架时,全网满意度从2 9.8 3下降到2 7.1 4;无人机数量为M=6架时,全网满意度却从2 7.5 7下降到2 2.1 7。很明显,无人机数量较少时全网满意度下降更多。这是因为系统中无人机数量越少,每架无人机的负载也就越重。一旦节点的信息门限提高,无人机将更加不堪重负,满意度也会下降得更多。图8展示了场景1中6架无人机的功率分配情况。以无人机3为例,功率分配相对比较平均。根据仿真数据,无人机3连接的几个节点接收的能量都已经接近各自的需求,因此平均分配功率能够同时达到信息门限并实现满意度最大化。再以无人机6连接的编号为6的节点为例,无人机分配给该节点的功率比其 他 节 点 多。一 是 因 为 该 节 点 的 能 量 需 求 为2 0.6 9 m J,但接收到的能量仅有4.6 7 m J,节点的满意度较低;二是因为它离无人机相对较远,只有分配更多的功率才能保证该节点达到信息门限。图8 无人机功率分配为了评估所提无人机位置和功率联合优化策略的优越性,对比了以下3种优化策略下全网满意度。策略1:仅C F G方法优化关联系数;策略2:C F G方法优化关联系数以及无人机位置探索;策略3:所提的无人机位置和功率联合优化策略。为了考察场景变化对优化策略效果的影响,分别仿真了4种案例下的全网满意度。案例1:6架无人机,地面随机分布3 5个节点;案例2:6架无人机,地面随机分布4 0个节点;案例3:7架无人机,地面随机分布3 5个节点;案例4:7架无人机,地面随机分布4 0个节点。从图9可以看出,在上述4种案例中,所提无人机位置和功率联合优化策略相比其他两种优化策略均有大幅提升。这是因为关联系数、无人机位置、无人机发射功率等变量均会对最终的全网满意度产生影响。经过3个阶段的优化,满意度不断提升。从图中还可分析得出,在地面节点较多、无人机负载较重的案例中,如案例2、案例4,全网满意度提升更加明显,与不优化功率的策略2相比,两个案例中的全网满意度在经过联合优化后分03 第2卷别提升了3 5%、2 6%。图9 不同优化策略下4种案例全网满意度对比4 结论本文研究了地面物联网节点存在异构能量需求时的无人机SW I P T场景,引入了用户满意度的概念。设计了一种无人机位置和功率联合优化策略,在满足节点信息门限的前提下,通过优化关联系数、无人机位置部署和发射功率提高全网满意度。阶段1,利用C F G方法解决了多无人机与多节点之间的匹配问题;阶段2,依据最高满意度原则,对无人机位置进行探索,寻找最佳悬停位置;阶段3,利用凸优化方法解决无人机功率分配问题。最后,将所提无人机位置和功率联合优化策略与现有方法进行对比。仿真结果表明,所提优化策略能够在多种场景中较大程度地提升全网满意度。此外,还分析了无人机数量、用户节点数量、节点异构能量需求及信息门限的改变对全网满意度的影响。在不同任务场景、节点需求下,需要合理选择执行任务的无人机数量,以最大限度地利用现有通信资源。参考文献:1 A Z A R I M M,G E R A C I G,G A R C I A-R O D R I G U E Z A,e t a l.UAV-t o-UAV c o mm u n i c a t i o n s i n c e l l u l a r n e t-w o r k sJ.I E E E T r a n s a c t i o n s o n W i r e l e s s C o mm u n i-c a t i o n s,2 0 2 0,1 9(9):6 1 3 0-6 1 4 4.2 R AHMAN S U,K I M G H,CHO Y Z,e t a l.P o s i t i o-n i n g o f UAV s f o r t h r o u g h p u t m a x i m i z a t i o n i n s o f t-w a r e-d e f i n e d d i s a s t e r a r e a UAV c o mm u n i c a t i o n n e t-w o r k sJ.J o u r n a l o f C o mm u n i c a t i o n s a n d N e t w o r k s,2 0 1 8,2 0(5):4 5 2-4 6 3.3 WANG X Y,F E I Z S,Z HAN G J A,e t a l.C o n s t r a i n-e d u t i l i t y m a x i m i z a t i o n i n d u a l-f u n c t i o n a l r a d a r-c o m-m u n i c a t i o n m u l t i-UAV n e t w o r k sJ.I E E E T r a n s a c-t i o n s o n C o mm u n i c a t i o n s,2 0 2 1,6 9(4):2 6 6 0-2 6 7 2.4 WAN G H C,D I N G G R,WAN G J L,e t a l.R e s o u r c e a l l o c a t i o n f o r e n e r g y h a r v e s t i n g-p o w e r e d D 2 D c o mm u-n i c a t i o n s u n d e r l a y i n g c e l l u l a r n e t w o r k sJ.I E E E T r a n s a c t i o n s o n G r e e n C o mm u n i c a t i o n s a n d N e t w o r-k i n g,2 0 1 7,2(1):1 4-2 4.5 HUAN G F,CHE N J,WAN G H C,e t a l.M u l t i p l e-UAV-a s s i s t e d S W I P T i n i n t e r n e t o f t h i n g s:U s e r a s s o-c i a t i o n a n d p o w e r a l l o c a t i o nJ.I E E E A c c e s s,2 0 1 9,7:1 2 4 2 4 4-1 2 4 2 5 5.6 S UN S,Z HAN G G P,ME I H B,e t a l.O p t i m i z i n g m u l t i-UAV d e p l o y m e n t i n 3-D s p a c e t o m i n i m i z e t a s k c o m p l e t i o n t i m e i n UAV-e n a b l e d m o b i l e e d g e c o m p u-t i n g s y s t e m sJ.I E E E C o mm u n i c a t i o n s L e t t e r s,2 0 2 1,2 5(2):5 7 9-5 8 3.7 Y A N G G,D A I R,L I A N G Y C.E n e r g y-e f f i c i e n t U A V b a c k s c a t t e r c o mm u n i c a t i o n w i t h j o i n t t r a j e c t o r y a n d r e-s o u r c e o p t i m i z a t i o nJ.I E E E T r a n s a c t i o n s o n W i r e l e s s C o mm u n i c a t i o n s,2 0 2 0,2 0(2):9 2 6-9 4 1.8 P AN C Y,Y I J R,Y I N C C,e t a l.J o i n t 3 D UAV p l a c e m e n t a n d r e s o u r c e a l l o c a t i o n i n s o f t w a r e-d e f i n e d c e l l u l a r n e t w o r k s w i t h w i r e l e s s b a c k h a u lJ.I E E E A c c e s s,2 0 1 9,7:1 0 4 2 7 9-1 0 4 2 9 3.9 E L HAMMO U T I H,B E N J I L L A L I M,S H I HA D A B,e t a l.L e a r n-a s-y o u-f l y:a d i s t r i b u t e d a l g o r i t h m f o r j o i n t 3 D p l a c e m e n t a n d u s e r a s s o c i a t i o n i n m u l t i-U A V s n e t-w o r k sJ.I E E E T r a n s a c t i o n s o n W i r e l e s s C o mm u n i c