[发明专利]一种基于无人机群覆盖优化的智能集群方法

说明书

本发明公开一种基于无人机群覆盖优化的智能集群方法，提出了以群智能优化算法来优化无人机基站的部署问题，使得无人机的对地覆盖最大化；本发明公开的智能集群方法是一类快速寻找最优解的算法，可以迅速找出无人机对地覆盖率的最优解，在理论上通过改进粒子群算法控制无人机基站对任务区域进行覆盖，通过仿真结果现实改进的粒子群算法能够有效优化无人机基站的空中部署，相比于粒子群算法，改进后的算法能够大幅度提升，为无人机基站的部署和覆盖优化问题提供了新思路。

技术领域

本发明涉及无人机通信技术领域，尤其涉及一种基于无人机群覆 盖优化的智能集群方法

背景技术

在灾区救援和重建的过程中，我们的固定基站大部分会遭到破 坏，大型移动通信设备在运输过程中也会受到不同程度的阻碍，无人 机(Unmanned Aerial Vehicle，UAV)通信有其独特的优势。面对这种突发情况时，需要多架无人机基站组成网络将受灾(任务)区域进行 全覆盖，才能保障所有地面用户的通信服务。多无人机基站在任务区 域的覆盖率问题是无人机基站建设中的重要问题之一；但是单一的无 人机基站具有明显的不足之处，它的覆盖面积十分有限、在面对紧急情况时应变能力有限，因此，解决这一类的问题显得尤为重要。

发明内容

针对上述问题，本发明提供了一种基于无人机群覆盖优化的智能 集群方法，提出了以群智能优化算法来优化无人机基站的部署问题， 使得无人机的对地覆盖最大化。

为了实现上述技术方案，本发明提供了一种基于无人机群覆盖优 化的智能集群方法，包括以下步骤：

步骤一：分析无人机基站覆盖场景，然后部署人机基站，利用 A2G信道模型建立无人机基站的现实模型，并计算得出无人机基站的 通信最大半径；

步骤二：通过粒子群算法根据无人机基站的现实覆盖场景，进行 覆盖算法的编写，再加入人工萤火虫算法，来改进粒子群算法；

步骤三：选用粒子群算法作为主函数使用，并加入适应度函数， 得到以粒子群算法为基础的多UAV覆盖算法，适应度函数用来计算无 人机基站对任务区域的覆盖面积，其中在粒子群算法的基础上加入人 工萤火虫算法，以形成距离约束粒子群算法；

步骤四：仿真结果分析，通过MATLAB对无人机基站覆盖环境的模 拟，将距离约束粒子群算法与PSO算法和进行比较，判断出优化是否 成功。

进一步改进在于：在步骤一中，在无人机基站处于H高度时，无 人机基站的发射功率为P_u，那么用户在地面收到无人机基站发射的 功率可由式(2-1)计算得出。

其中：P_dmin为用户在接收到无人机基站通信信号的最小功率，H为无 人机基站此时的飞行高度，R为无人机基站通信半径，α为路径损耗 指数，ε₀为无人机基站通信的信道增益；

由于用户接收到的功率需要大于无人机基站通过损耗后的信号功 率，再通过根据式(2-1)可化简无人机基站通信半径

R计算出来的最大值为无人机基站的通信最大半径。

进一步改进在于：在步骤二中，所述适应度函数是计算任务区域 覆盖比率的算法，适用度函数在粒子群算法中控制适应度值的大小， 适应度值影响着粒子的位置更新和速度更新。

进一步改进在于：在步骤二中，粒子群算法用位置、速度、适应 度值来表示粒子的特征；在空间中通过适应度大小来控制个体极值和 群体极值，通过公式进行位置更新，更新公式如下：