[发明专利]一种蜂窝和无人机一体化网络的选择方法及装置

说明书

本发明提供了一种蜂窝和无人机一体化网络的选择方法及装置，方法包括：获取动态网络模型和动态用户模型；其中，动态网络模型至少包括：无人机网络的位置模型、蜂窝网络的容量模型以及无人机网络的容量模型，动态用户模型至少包括：用户的位置模型、传输速率模型；根据无人机网络的位置模型和用户的位置模型生成用户可接入网络集合；根据蜂窝网络的容量模型、无人机网络的容量模型、用户可接入网络集合以及传输速率模型生成随机事件向量；根据随机事件向量生成动作向量；根据动作向量和随机事件向量获得每个用户的个体效益；构建第一选择模型；根据第一选择模型获得动作概率的数值，以根据动作概率的数值确定用户选择接入的网络。

技术领域

本发明属于网络选择技术领域，更具体地，涉及一种蜂窝和无人机一体化网络的选择方法及装置。

背景技术

为了提供更好的网络数据服务，避免蜂窝网络出现拥塞现象，可以采用借助配备了收发机的低空无人机来卸载拥塞的蜂窝网络上的业务的方案。针对蜂窝和无人机一体化网络，为了充分地利用无人机资源，一个重要的挑战是如何进行高效公平的网络选择。

一种解决网络选择问题的方法是基于博弈论的方法。在基于博弈论的方法中，首先将网络选择问题构建为一个博弈，然后通过集中式/分布式的方法实现均衡。例如，Man等人在用户移动信息不完整的条件下，将网络选择问题构建为一个贝叶斯博弈。然后他们提出了一种具有良好收敛性的分布式方法来实现贝叶斯纳什均衡。

现有的基于博弈论的方法考虑了用户间的相互影响和竞争，然而，他们中绝大多数是在准静态或可预测的网络状态条件下研究网络选择问题。而蜂窝和无人机一体化网络具有高动态性并且网络状态难以预测，导致现有的基于博弈论的方法无法解决蜂窝和无人机一体化网络的选择问题。

发明内容

本发明提供一种蜂窝和无人机一体化网络的选择方法及装置，旨在解决由于蜂窝和无人机一体化网络具有高动态性并且网络状态难以预测，导致现有的基于博弈论的方法无法解决蜂窝和无人机一体化网络的选择问题。

第一方面，本发明提供一种蜂窝和无人机一体化网络的选择方法，包括：获取动态网络模型和动态用户模型；其中，动态网络模型至少包括：无人机网络的位置模型、蜂窝网络的容量模型以及无人机网络的容量模型，动态用户模型至少包括：用户的位置模型、传输速率模型；根据无人机网络的位置模型和用户的位置模型生成用户可接入网络集合；根据蜂窝网络的容量模型、无人机网络的容量模型、用户可接入网络集合以及传输速率模型生成随机事件向量，其中，用户可接入网络集合包括无人机网络和/或蜂窝网络；根据随机事件向量生成动作向量，动作向量用于表示用户选择接入无人机网络和/或蜂窝网络；根据动作向量和随机事件向量获得每个用户的个体效益；构建第一选择模型；其中，第一选择模型包括：第一目标函数和第一约束，第一目标函数为以个体效益的时间平均值为自变量的比例公平函数，第一约束至少包括：第一粗相关均衡约束、第一最小个体时间平均效益约束以及第一动作概率约束，第一粗相关均衡约束用于对个体效益的时间平均值和第一辅助变量进行约束，第一最小个体时间平均效益约束用于对个体效益的时间平均值进行约束，第一动作概率约束用于对在随机事件向量的条件下的动作概率进行约束；个体效益的时间平均值根据个体效益、随机事件概率和在随机事件向量的条件下的动作概率获得，在随机事件向量的条件下的动作概率为用户在随机事件向量发生的条件下执行动作向量的概率；随机事件的概率为随机事件发生的概率；根据第一选择模型获得动作概率的数值，以根据动作概率的数值确定用户选择接入的网络。

在本发明提供的网络选择方法中，获取动态网络模型和动态用户模型，基于获取动态网络模型和动态用户模型生成随机事件向量，根据随机事件向量和动作向量构建第一选择模型，根据第一选择模型获得动作概率的数值，以根据动作概率的数值确定用户选择接入的网络。解决了由于蜂窝和无人机一体化网络具有高动态性并且网络状态难以预测，导致现有的基于博弈论的方法无法解决蜂窝和无人机一体化网络的选择问题。