[发明专利]无人机辅助反向散射通信系统基于max-min公平的资源分配方法

说明书

本发明请求保护一种无人机辅助反向散射通信系统基于max‑min公平的资源分配方法，属于反向散射通信网络资源分配领域。本发明使用时分多址(TDMA)传输协议，在反向散射设备调度、反射系数、无人机发射功率和无人机飞行轨迹变量约束条件下，考虑用户公平性，建立了基于max‑min公平性的无人机辅助反向散射通信系统资源配置模型。将原问题运用块坐标下降法(BCD)转换为四个子问题，然后利用连续凸逼近算法(SCA)进行一阶泰勒展开等价转换为凸优化问题。通过凸优化问题的最优性方程求解获得最优反向散射设备调度、最优反射系数、最优无人机发射功率、最优无人机飞行轨迹，最后获得最小用户速率。该算法具有低复杂度，同时能够权衡用户最小速率和系统总和速率。

技术领域

本发明属于反向散射通信网络资源分配领域，具体涉及无人机辅助反向散射通信系统基于max-min公平的资源分配方法。

背景技术

物联网已经成为下一代网络发展的新兴技术之一，它被公认为是随时随地连接一切的终极基础设施，但是能量限制和成本高的问题使它的部署面临一些挑战，而反向散射技术的提出用来解决这些问题。当传统蜂窝基站的覆盖范围不能满足需求时，无人机可依据其高机动性、可灵活部署、受地形制约小等优势，特别是拥有更长网络寿命、可靠的数据收集和实时数据传输。无人机作为空中基站(Aerial Base Station),简称ABS，对于基于地面用户的时空间分布特性确定无人机的部署位置。W.U.Khan等人在文献“Backscatter-Enabled NOMA for Future 6G Systems:A New Optimization Framework underImperfect SIC(面向未来6G系统的NOMA支持的反向散射：不完美连续干扰消除下的新优化框架)”IEEE COMMUN.LETT.,vol.25,no.5,pp.1669-1672,May 2021.中提出一种支持反向散射的功率域非正交多址优化框架，一种新的具有不完全连续干扰消除(SIC)解码的功率域非正交多址(PD-NOMA)环境反向散射通信(AmBC)系统优化框架。通过次梯度法迭代计算拉格朗日乘子，联合优化了源的发射功率和反向散射标签的反射系数。但是本文没有考虑实际性问题，当传统的蜂窝基站不能满足覆盖要求，可以利用无人机充当空中基站用来辅助反向散射通信系统。Yu Zhan等人在文献“Hierarchical Deep Reinforcement Learningfor Backscattering Data Collection With Multiple UAVs(分层深度强化学习用于多架无人机的反向散射数据采集)”IEEE Internet Things J.vol.8,no.5,pp.3786-3800,1March1,2021.中提出了一种多无人机辅助的数据收集场景，其中无人机可以飞近反向散射传感器节点(BSN)以激活它，然后收集数据。在收集任务完成后，尽量减少可充电无人机的总飞行时间，在这篇文章中并没有考虑无人机的飞行轨迹。

在现有的反向散射通信研究中，系统内不同位置的反向散射设备的通信性能差异大，面临严重的公平性问题，并且很少考虑反向散射通信和无人机结合的场景，为了弥补现有研究的不足，本发明提出了一种无人机辅助反向散射通信装置及资源分配控制方法，将无人机作为一个控制中心，在时分多址协议下向反向散射设备发射接收信息命令，反向散射设备从中收集能量或者反射信号发送信息给接收机。利用无人机灵活的移动性和可操作性来优化飞行轨迹，从而有效缩短无人机与反向散射设备的距离，进而提高通信系统的吞吐量。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种提高了最小用户速率的无人机辅助反向散射通信系统基于max-min公平的资源分配方法。本发明的技术方案如下：

一种无人机辅助反向散射通信系统基于max-min公平的资源分配方法，其包括以下步骤：

步骤一：建立一个无人机辅助反向散射通信网络系统模型，包括一个无人机、K个反向散射设备、一个反向散射接收机，所述基于max-min公平的资源分配模型为一个非凸优化问题；