[发明专利]一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法

权利要求书

1.一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法，其特征在于，具体包括如下步骤：

1)根据基于NOMA的移动无人机系统的参数构建优化问题，即在无人机的起点与终点、飞行时间、飞行速度和发送功率约束下，通过联合优化无人机轨迹与功率分配来最大化用户的最小可达平均速率；

在一个下行移动无人机通信网络，用1个无人机作为空中基站服务K个地面用户；该无人机花费时间T从起始位置q₀飞行到终点位置q_T，且其与地面的距离固定为d_h；无人机的最大飞行速度表示为V_max，总发送功率为P；所有的用户利用同样的频带进行信号传输，而无人机利用NOMA技术对这些用户进行功率域上的复用；将移动无人机基站的飞行时间T离散成N个时隙，每个时隙的长度为δ_t，则无人机的飞行轨迹坐标可表示为将用户k在时隙n分配到的发送功率表示为P_k(n)，对应的水平坐标表示为无人机在时隙n与用户k的距离表示为每1m的参考距离下信道功率增益表示为ρ₀，而噪声方差则表示为σ²；根据这些参数，可以构建以下优化问题：

s.t.‖q(n+1)-q(n)‖≤V_maxδ_t, (1.2)

q(1)＝q₀,q(N)＝q_T, (1.3)

其中

表示用户k在无人机飞行时间内的平均可达速率，而二进制辅助变量β_k,l(n)∈{0,1}表示用户k和l的相对远近。若用户k与无人机的距离相较于用户l更远，则β_k,l(n)＝1，否则β_k,l(n)＝0；

2)对优化问题进行等价转化，获得一个满足惩罚对偶分解算法框架的等价问题；

为了处理目标函数，引入辅助变量并分别满足以下不等式：

引入辅助变量{π_k(n)}来表示分式中分母的上界，将分式不等式约束(1.9)等价转化为

此外，将{β_k,l(n)}当作辅助变量，引入辅助变量并结合约束(1.7)，将分段二进制约束(1.6)等价转化为

综合以上转化，把复杂的原问题等价转化为

s.t.(1.2)-(1.5)，(1.7)，(1.10)，(1.11)， (1.19)

(1.12)，(1.13)，(1.14)-(1.17)， (1.20)

其中表示变量集合；

3)对变量和对偶变量进行初始化；初始化外层迭代次数r＝0和惩罚参数并设定惩罚更新参数0＜c＜1和容错精度δ_O；

4)对于第r+1次外层迭代，从第r次外层迭代的结果出发，固定惩罚参数ρ_r和对偶变量λ_r，采用凹凸过程和块坐标下降法求解以下增广拉格朗日问题：

s.t.(1.2)-(1.5)，(1.10)，(1.11)， (1.22)

(1.12)，(1.13)，(1.16)，(1.17)； (1.23)

5)用表示所有等式约束对应的函数组成的向量，判断等式约束违反程度是否满足若是，则输出最终结果；否则，判断等式约束违反程度是否满足若是，则按以下规则更新对偶变量：

否则，更新惩罚参数另外更新门限参数η_r+1＝cη_r，然后更新迭代次数r＝r+1，并重复步骤4)和5)。

2.根据权利要求1所述的一种基于NOMA的移动无人机系统的轨迹与功率联合优化方法，其特征在于：所述步骤4)具体包含以下步骤：

(4.1)以第r次外层迭代计算结果对变量进行初始化；初始化内层迭代次数i＝0；

(4.2)根据凹凸过程理论，在第i+1次内层迭代中将非凸约束(1.12)，(1.13)和(1.17)分别近似为以下凸约束：

其中表示变量在第i次内层迭代的计算结果；约束(1.16)则等价转化为

综上，在第i+1次内层迭代，问题(1.21)近似为

s.t.(1.2)-(1.5)，(1.10)，(1.11)，(1.25)-(1.28)， (1.30)

将问题(1.29)中的变量分为以下2块：

如此，则第i+1次内层迭代可以分为以下2步：

(4.2.1)在第1步中，固定其他变量的情况下，根据以下闭式解更新变量块

(4.2.2)在第2步中，固定变量块的情况下，利用内点法更新变量块也即求解以下凸问题：

s.t.(1.2)-(1.5)，(1.10)，(1.11)，(1.25)-(1.28)； (1.33)

(4.3)判断内层迭代是否达到最大迭代次数N_max。若是，则输出计算结果；否则，更新迭代次数i＝i+1，并重复步骤(4.2)和(4.3)。