高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于传输公平性的多无人机通感一体化空间部署与波束成形设计

时统志 李博 杨洪娟 张桐 王钢

时统志, 李博, 杨洪娟, 张桐, 王钢. 基于传输公平性的多无人机通感一体化空间部署与波束成形设计[J]. 电子与信息学报. doi: 10.11999/JEIT240590
引用本文: 时统志, 李博, 杨洪娟, 张桐, 王钢. 基于传输公平性的多无人机通感一体化空间部署与波束成形设计[J]. 电子与信息学报. doi: 10.11999/JEIT240590
SHI Tongzhi, LI Bo, YANG Hongjuan, ZHANG Tong, WANG Gang. Spatial Deployment and Beamforming for Design Multi-Unmanned Aerial Vehicle-Integrated Sensing and Communication Based on Transmission Fairness[J]. Journal of Electronics & Information Technology. doi: 10.11999/JEIT240590
Citation: SHI Tongzhi, LI Bo, YANG Hongjuan, ZHANG Tong, WANG Gang. Spatial Deployment and Beamforming for Design Multi-Unmanned Aerial Vehicle-Integrated Sensing and Communication Based on Transmission Fairness[J]. Journal of Electronics & Information Technology. doi: 10.11999/JEIT240590

基于传输公平性的多无人机通感一体化空间部署与波束成形设计

doi: 10.11999/JEIT240590
基金项目: 国家自然科学基金(62171154, 62171163),中央高校基本科研业务费专项资金(HIT.OCEF.2023030)
详细信息
    作者简介:

    时统志:男,博士生,研究方向为通信感知一体化、无人机通信

    李博:男,副教授/博导,博士,研究方向为无线通信、空天地网络、海洋信息传感网、飞行自组织网络等

    杨洪娟:女,副教授/硕导,博士,研究方向为无线通信、协作网络编码、水声通信等

    张桐:女,博士生,研究方向为无人机辅助通信系统、智能反射面

    王钢:男,教授/博导,博士,研究方向为数据通信、物理层网络编码、通信网理论与技术等

    通讯作者:

    杨洪娟 hjyang@hit.edu.cn

  • 中图分类号: TN911

Spatial Deployment and Beamforming for Design Multi-Unmanned Aerial Vehicle-Integrated Sensing and Communication Based on Transmission Fairness

Funds: The National Natural Science Foundation of China (62171154, 62171163), The Fundamental Research Funds for the Central Universities (HIT.OCEF.2023030)
  • 摘要: 针对农村偏远地区通信不畅的临时突发性问题,该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制,在地面用户和感测目标呈簇状随机分布的情况下,通过合理调度多无人机实现覆盖式通信保障,为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题,在空地关联约束条件下,系统可通过优化无人机的通信和感知波束成形变量组,最大限度地提高用户传输可达速率的下限,同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题,该文借助基于高斯核的均值漂移算法(MS),用以处理关联策略中的混合整型线性问题,此外,结合2次变换与连续凸逼近(SCA)的相关技巧,采用块坐标下降(BCD)的方式优化波束成形,以获取次优解。数值结果验证了自适应机制的有效性。
  • 图  1  多无人机辅助通感一体化系统模型

    图  2  部分关键参数对区域传输速率的影响

    图  3  部分关键参数对区域传输速率的影响

    图  4  不同目标方案下的系统输出速率对比

    图  5  不同算法下系统可达速率对比

    1  空地关联与空中基站二维笛卡尔坐标部署的解决策略

     步骤1 初始化地面用户(目标)集合,设定初始迭代次数为${l_1} = 1$,任选一用户或目标点作为中心点,位置为$ {\boldsymbol{q}}_i^1,i \in \{ 1,2,\cdots,K + J\} $;
     步骤2 计算均值漂移向量${\boldsymbol{M}}\left( {{\boldsymbol{q}}_i^{{l_1}}} \right)$,其中半径$r$设为${d_{{\text{min}}}}$,注意:同一水平面无人机满足防撞约束,则3维环境下同样适用;
     步骤3 移动密度估计窗口${\boldsymbol{q}}_i^{{l_1} + 1} = {\boldsymbol{q}}_i^{{l_1}} + {\boldsymbol{M}}\left( {{\boldsymbol{q}}_i^{{l_1}}} \right)$;
     步骤4 迭代更新${l_1} = {l_1} + 1$;
     步骤5 当均值漂移向量的模值小于阈值$ \varepsilon _{{\mathrm{th}}}^{\boldsymbol{q}} $或移动窗口内用户(目标)数不再增加时,迭代停止,否则重复步骤2~4;
     步骤6 重新选定未被覆盖的随机点作为中心点,继续执行步骤2~5,直至所有用户(目标)点都被分配到对应聚类中心;
     步骤7 构建Voronoi图和相应的凸包区域;
     步骤8 计算凸包区域范围内的所有用户(目标)的位置均值;
     步骤9 输出所有聚类中心坐标和对应坐标下的聚类用户(目标)。
    下载: 导出CSV

    2  无人机通信波束成形子算法

     步骤1 初始化通信波束成形${\boldsymbol{W}}_{b,k}^{\left( 0 \right)}$,设定初始迭代次数为
         ${l_2} = 1$, $b = 1$;
     步骤2 给定${\boldsymbol{W}}_{b,k}^{\left( {{l_2} - 1} \right)}$,利用式 (18) 更新辅助变量$\delta _{b,k}^{\left( {{l_2}} \right)}$;
     步骤3 给定${\boldsymbol{W}}_{b,k}^{\left( {{l_2} - 1} \right)}$和$\delta _{b,k}^{\left( {{l_2}} \right)}$,求解问题P3.1.1,获得${\boldsymbol{W}}_{b,k}^{\left( {{l_2}} \right)}$,
        迭代更新${l_2} = {l_2} + 1$;
     步骤4 当信息传输速率增量小于阈值$\varepsilon _{{\text{th}}}^{\boldsymbol{V}}$时,迭代停止,否则重
        复步骤2~3;
     步骤5 无人机选择切换$b = b + 1$,继续执行步骤2~4,直至所
        有无人机的通信波束成形均已优化;
     步骤6 输出所有无人机通信波束成形矩阵${{\boldsymbol{W}}_{b,k}}$。
    下载: 导出CSV

    3  无人机感知波束成形子算法

     步骤1 初始化感知波束成形${\boldsymbol{V}}_{b,j}^{\left( 0 \right)}$,设定初始迭代次数为
        ${l_3} = 1$, $b = 1$;
     步骤2 给定${\boldsymbol{V}}_{b,j}^{\left( {{l_3} - 1} \right)}$,求解凸优化问题P3.2.1,获取${\boldsymbol{V}}_{b,j}^*$,令    ${\boldsymbol{V}}_{b,j}^{\left( {{l_3}} \right)} = {\boldsymbol{V}}_{b,j}^*$,迭代更新${l_3} = {l_3} + 1$;
     步骤3 当信息传输速率增量小于阈值$\varepsilon _{{\text{th}}}^{\boldsymbol{V}}$时,迭代停止,否则重    复步骤2;
     步骤4 无人机选择切换$b = b + 1$,继续执行步骤2~3,直至所    有无人机的感知波束成形均已优化;
     步骤5 输出所有无人机感知波束成形矩阵$ {{\boldsymbol{V}}_{b,j}} $。
    下载: 导出CSV

    4  无人机波束成形总体算法

     步骤1 初始化通信和感知波束成形${\boldsymbol{W}}_{b,k}^{\left( 0 \right)}$, ${\boldsymbol{V}}_{b,j}^{\left( 0 \right)}$,设定初始迭
        代次数为${l_4} = 1$, $b = 1$;
     步骤2 给定${\boldsymbol{W}}_{b,k}^{\left( {{l_4} - 1} \right)}$,${\boldsymbol{V}}_{b,j}^{\left( {{l_4} - 1} \right)}$,通过算法2求解通信波束成形子
        问题,获得${\boldsymbol{W}}_{b,k}^{\left( {{l_4}} \right)}$;
     步骤3 给定${\boldsymbol{W}}_{b,k}^{\left( {{l_4}} \right)}$,${\boldsymbol{V}}_{b,j}^{\left( {{l_4} - 1} \right)}$,通过算法3求解感知波束成形子
        问题,获得${\boldsymbol{V}}_{b,j}^{\left( {{l_4}} \right)}$;
     步骤4 迭代更新${l_4} = {l_4} + 1$,当信息传输速率增量小于阈值
        $\varepsilon _{{\mathrm{th}}}^{{\mathrm{all}}}$时,迭代停止,否则重复步骤2~3;
     步骤5 无人机选择切换$b = b + 1$,继续执行步骤2~4,直至所
        有无人机的波束成形均已优化;
     步骤6 输出所有无人机波束成形矩阵${{\boldsymbol{W}}_{b,k}}$, $ {{\boldsymbol{V}}_{b,j}} $。
    下载: 导出CSV

    表  1  主要仿真参数

    参数名称 数值
    单位距离的信道功率增益${\beta _0}$ –60 dB
    噪声功率${\sigma ^2}$ –110 dBm
    无人机防撞距离${d_{{\text{min}}}}$ 0.3 km
    单无人机发射功率上限${P_{{\text{max}}}}$ 0.5 W
    波束图增益下限${\varGamma _{{\text{th}}}}$ –17 dBm
    迭代收敛阈值$ \varepsilon _{{\text{th}}}^{\boldsymbol{q}},\varepsilon _{{\text{th}}}^{\boldsymbol{W}},\varepsilon _{{\text{th}}}^{\boldsymbol{V}},\varepsilon _{{\text{th}}}^{{\text{all}}} $ 1 × 10–4
    下载: 导出CSV
  • [1] CUI Yanpeng, FENG Zhiyong, ZHANG Qixun, et al. Toward trusted and swift UAV communication: ISAC-enabled dual identity mapping[J]. IEEE Wireless Communications, 2023, 30(1): 58–66. doi: 10.1109/MWC.003.2200207.
    [2] MU Junsheng, ZHANG Ronghui, CUI Yuanhao, et al. UAV meets integrated sensing and communication: Challenges and future directions[J]. IEEE Communications Magazine, 2023, 61(5): 62–67. doi: 10.1109/MCOM.008.2200510.
    [3] DENG Cailian, FANG Xuming, and WANG Xianbin. Beamforming design and trajectory optimization for UAV-empowered adaptable integrated sensing and communication[J]. IEEE Transactions on Wireless Communications, 2023, 22(11): 8512–8526. doi: 10.1109/TWC.2023.3264523.
    [4] MENG Kaitao, WU Qingqing, MA Shaodan, et al. Throughput maximization for UAV-enabled integrated periodic sensing and communication[J]. IEEE Transactions on Wireless Communications, 2023, 22(1): 671–687. doi: 10.1109/TWC.2022.3197623.
    [5] SAVKIN A V, NI Wei, and ESKANDARI M. Effective UAV navigation for cellular-assisted radio sensing, imaging, and tracking[J]. IEEE Transactions on Vehicular Technology, 2023, 72(10): 13729–13733. doi: 10.1109/TVT.2023.3277426.
    [6] WU Jun, YUAN Weijie, and HANZO L. When UAVs meet ISAC: Real-time trajectory design for secure communications[J]. IEEE Transactions on Vehicular Technology, 2023, 72(12): 16766–16771. doi: 10.1109/TVT.2023.3290033.
    [7] WANG Qianli and FAN Pingzhi. A multi-symbol compressive sensing model for OTFS based ISAC system[C]. 2023 IEEE Global Communications Conference, Kuala Lumpur, Malaysia, 2023: 2487–2492. doi: 10.1109/GLOBECOM54140.2023.10437965.
    [8] LIU Qian, LIANG Hairong, LUO Rui, et al. Energy-efficiency computation offloading strategy in UAV aided V2X network with integrated sensing and communication[J]. IEEE Open Journal of the Communications Society, 2022, 3: 1337–1346. doi: 10.1109/OJCOMS.2022.3195703.
    [9] WU Jun, YUAN Weijie, and BAI Lin. Multi-UAV enabled sensing: Cramér-Rao bound optimization[C]. 2023 IEEE International Conference on Communications Workshops (ICC Workshops), Rome, Italy, 2023: 925–930. doi: 10.1109/ICCWorkshops57953.2023.10283770.
    [10] LIU Xin, LIU Yuemin, LIU Zechen, et al. Fair integrated sensing and communication for multi-UAV-enabled internet of things: Joint 3-D trajectory and resource optimization[J]. IEEE Internet of Things Journal, 2024, 11(18): 29546–29556. doi: 10.1109/JIOT.2023.3327445.
    [11] JIANG Wangjun, WANG Ailing, WEI Zhiqing, et al. Improve sensing and communication performance of UAV via integrated sensing and communication[C]. 2021 IEEE 21st International Conference on Communication Technology (ICCT), Tianjin, China, 2021: 644–648, doi: 10.1109/ICCT52962.2021.9657955.
    [12] PAN Yu, LI Ruoguang, DA Xinyu, et al. Cooperative trajectory planning and resource allocation for UAV-enabled integrated sensing and communication systems[J]. IEEE Transactions on Vehicular Technology, 2024, 73(5): 6502–6516. doi: 10.1109/TVT.2023.3337106.
    [13] CHENG Yizong. Mean shift, mode seeking, and clustering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1995, 17(8): 790–799. doi: 10.1109/34.400568.
    [14] SHEN Kaiming and YU Wei. Fractional programming for communication systems—Part I: Power control and beamforming[J]. IEEE Transactions on Signal Processing, 2018, 66(10): 2616–2630. doi: 10.1109/TSP.2018.2812733.
    [15] XU Dongfang, YU Xianghao, SUN Yan, et al. Resource allocation for IRS-assisted full-duplex cognitive radio systems[J]. IEEE Transactions on Communications, 2020, 68(12): 7376–7394. doi: 10.1109/TCOMM.2020.3020838.
  • 加载中
图(5) / 表(5)
计量
  • 文章访问数:  340
  • HTML全文浏览量:  75
  • PDF下载量:  44
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-07-11
  • 修回日期:  2024-09-13
  • 网络出版日期:  2024-09-19

目录

    /

    返回文章
    返回