[发明专利]一种无人机协作NOMA通信网络的能效最大化方法

权利要求书

1.一种无人机协作NOMA通信网络的能效最大化方法，其特征在于，包括以下步骤：

步骤1)、在存在硬件损伤的条件下建立一个无人机协作NOMA通信网络能效最大化模型；

步骤2)、迭代优化对能效最大化模型进行求解，初始化无人机起点、终点位置以及其发射功率、解码顺序变量、基站位置以及发射功率、用户最小速率门限、基站功率分配系数、飞行周期大小；

步骤3)、设置深度Q学习算法中环境的参数，将状态空间定义为{无人机的水平坐标、系统能效}、将动作空间定义{基站发射功率、无人机发射功率、无人机飞行方向、无人机飞行速度}、将奖励定义{系统能效}，其中无人机充当智能体；

步骤4)、根据无人机的初始位置以及其功率、基站发射功率求解出解码顺序以及功率分配系数，并判断功率分配系数是否收敛，若已收敛则更新功率分配系数，否则重复该步骤直至结果收敛；

步骤5)、输入无人机当前时刻的水平位置坐标、解码顺序、飞行方向以及速度、基站发射功率、步骤4)收敛后的功率分配系数至深度神经网络，并对深度Q学习算法中的Q值进行更新；

步骤6)、深度神经网络通过对样本的学习，输出当前时刻从环境中获得的奖励，并改变智能体状态到下一刻并更新基站发射功率，同时将学习后的样本存储在经验回放池中，对输出参数进行保存；

步骤7)、判断无人机飞行周期是否结束，若未结束则转至步骤4)，若已结束则先判断无人机飞行周期的平均奖励是否已经收敛，若已经收敛，则将步骤6)记录的每个时刻的无人机位置进行轨迹绘制，同时输出每个时隙无人机的功率以及飞行速度、基站发射功率，若未收敛则转至步骤2)直至收敛。

2.根据权利要求1所述的一种无人机协作NOMA通信网络的能效最大化方法，其特征在于，所述步骤1)建立UAV协作NOMA通信网络能效最大化模型为：

(P1)

s.t.

C1a:

C1b:

C1c:

C1d:

C1e:0≤α_m≤1

C1f:

C1g:

C1h:

C1i:

C1j:

C1k:

C1l:q_uav[1]＝q₀

C1m:q_uav[N]＝q_F

该优化问题的优化变量为P_bs基站发射功率、P_uav无人机发射功率、q_uav无人机的位置、V表示无人机的飞行速度、α表示功率分配系数向量；所考虑系统包括M个用户，且无人机飞行周期为N，无人机的最大飞行速度为V_max，用t表示单独每一时刻，η_EE表示当前时刻t的系统能效，和分别表示基站和无人机的最大发射功率，α_m、a_k分别表示用户m、k的功率分配系数，A_uav表示无人机的飞行高度，表示在t时刻从基站到无人机的信道功率增益，表示在t时刻从无人机到用户m的信道功率增益，φ_k,m是二元解码变量，表示在用户k端去解码用户m信号，同样的，φ_m,k和φ_m,m分别表示在用户m端去解码用户k的信号以及用户m解码自身的信号，其取值为0或1，其取值为1时表示用户m在解码自身信号时候需要将用户k的信号视为干扰，若为0时则表示用户m在解码自身信号之前可以先解码出用户k的信号，在解码自身时不需要考虑其带来的干扰，κ_bs,uav、κ_uav,m分别表示基站到无人机之间整体硬件损伤水平已经无人机到用户m之间的整体硬件损伤水平，σ²表示加性高斯白噪声功率，P_com表示无人机用于进行通信的功耗，P₀、P_i分别表示无人机在悬停状态下的旋翼的轮廓功率和感应功率，U_tip表示无人机旋翼的速度，v₀表示无人机在悬停时的平均转轴感应向量，d₀表示机身拖曳比，ρ表示空气密度，s表示转轴坚固度，A表示旋翼旋转面积，q₀表示无人机的初始位置，q_F表示无人机最终的位置；

其中约束C1a为无人机在每个时隙内飞行的距离都不超过以最大速度直线飞行的约束，δ为每个时隙的长度，单位为秒，约束C1b为基站发射功率约束，约束C1c为无人机发射功率约束，约束C1d为功率分配系数和的约束，表示总和为1，约束C1e为单个约束都在0到1之间，C1f为每个用户的速率约束限制，C1g为用户m能够解码自身信息的约束，C1h为任意两个用户k，m必有一个能够解码另一个，约束C1i为解码变量的取值约束，约束C1j为当用户k到无人机的距离远于用户m到无人机的距离时，其能被用户m解码的约束，约束C1k表示无人机每个时隙飞行的距离等于该时隙长度乘该时隙速度的约束，约束C1l表示无人机起点位置的约束，约束C1m表示无人机终点位置的约束。