[发明专利]一种面向窄带物联网的无人机基站增强网络优化方法

说明书

本发明公开一种面向窄带物联网的无人机基站增强网络优化方法，包括了对通过对某一负载基站的半径对部署无人机基站时高度进行优化，使无人机基站最大限度覆盖负载基站内的所有拥塞网络和瘫痪网络，紧接着应用深度Q学习网络对部署无人机基站的路径进行优化，确保其能够以最短时间到达指定部署位置，进而对网络提供分流服务或者建立空域通信网络，从而提高通信服务质量。本发明通过深度强化学习提高了无人机的智能性，减少了人力资源，优化了拥塞网络，解决了网络瘫痪，提高了网络的通信服务质量，达到了优化网络的目的。

技术领域

本发明属于物联网技术领域，具体涉及一种面向窄带物联网的无人机基站增强网络优化方法。

背景技术

当前无人机发展主要应用在街景拍摄、监控巡查、电力巡检、交通监视、灾后救援以及军事等方面，随着第五代移动通信技术的普及，无人机技术越来越多地应用于通信领域，目前较成熟的代替人工对基站、通信线路进行检测保障，极大降低了成本，提高了维护优化工作的效率，但是第五代移动通信技术也带来新的挑战，未来互联网终端设备数量将不断增长，窄带物联网技术的突破，会进一步加剧终端设备的数量，在一些突发性的应急救灾场景下，会导致地面的通信基础设施极易处于拥塞状态，甚至通信瘫痪，这会进一步影响救援行动的部署。因此在局部的网络拥塞和网络瘫痪场景中，应用无人机空中基站辅助或代替地面基站已经成为一种高效的方案。在网络拥塞场景中，无人机空中基站与地面基站共同建立空地一体化网络，为小区基站提供分流服务，有效地提高了通信服务质量；在网络瘫痪场景中，无人机空中基站取代地面基站，建立空域通信网络，快速恢复通信，提高了通信服务质量。

无人机由于体积小、灵活性强、价格低廉等特点在通信中快速发展，但也面临着巨大的挑战。虽然无人机辅助地面基站的研究取得了一定的进展，但是无人机的控制方面还没有深入的研究。无人机的功率受限，如何部署无人机以最大化用户覆盖范围也存在很大挑战。人工智能经过几十年来的发展，近年来取得了重大的突破，并进入了新一代的人工智能时代。新一代人工智能在互联网、大数据、神经网络和深度学习等技术的推动下,智能水平越来越接近人类,在某些领域甚至超越了人类的智能。深度学习和强化学习作为人工智能的两大领域，深度学习具有较强的感知能力，但是缺乏一定的决策能力；而强化学习具有决策能力，对感知问题束手无策。因此，深度强化学习将深度学习的感知能力和强化学习的决策能力相结合，优势互补，可以直接从高维原始数据学习控制策略，是一种更接近人类思维方式的人工智能方法。目前深度强化学习在游戏、机器人、推荐系统等领域已经取得了突破性进展。当前无人机技术大多需要人为的精确控制，将无人机技术与深度强化学习结合，可以实现无人机的智能化，甚至代替人类完成一些复杂的工作，减少了人力资源。在网络拥塞甚至瘫痪的时候，先应用深度强化学习网络对无人机进行模拟仿真，训练无人机快速有效地到达目标地，再对无人机进行部署，对于拥塞网络实现对网络的分流服务，减少地面网络的负载；对于瘫痪网络实现无人机作为空中基站取代地面负载基站，建立空域通信网络，快速恢复地面通信。

当前对无人机基站的研究有对无人机基站应急通信的覆盖能力展开研究，在应急场景下的无人机基站资源分配方法展开研究，对无人机基站选址以及路径优化方法的研究等等，但是对无人机基站网络优化方法比较少。

发明内容

发明目的：本发明提供一种面向窄带物联网的无人机基站增强网络优化方法，通过深度强化学习提高了无人机的智能性，优化了拥塞网络，解决了网络瘫痪，提高了网络的通信服务质量，达到了优化网络的目的。

发明内容：本发明所述的一种面向窄带物联网的无人机基站增强网络优化方法，包括以下步骤：

(1)通过负载基站的半径对无人机基站的高度进行优化，并将无人机部署在基站正上方，给出无人机当前的实时位置坐标作为无人机的当前状态s_t；

(2)根据无人机的状态s_t，通过当前值神经网络得到无人机不同飞行方式下的不同飞行方案，从而仿真环境遵从ε-greedy策略在这些飞行方案中选择一个飞行方案a_t；