一种面向海浪扰动无人机辅助海上物联网的自适应功率分配方法及系统

本发明属于无线通信资源优化与智能优化算法，具体涉及一种面向海浪扰动环境下无人机辅助海上物联网的自适应功率分配方法。

背景技术：

1、海浪扰动造成海面浮标位置不断变化，使通信链路信道质量具有明显时变特性。现有海上物联网系统通常采用固定功率分配策略或基于加权最小均方误差（weightedminimum mean squared error, wmmse）的优化算法进行资源分配，但固定功率无法适应动态信道变化，而wmmse依赖梯度迭代，计算复杂度较高。另一方面，粒子群优化算法（particle swarm optimization, pso）、遗传算法（genetic algorithm, ga）等智能优化算法存在参数敏感、易陷入局部最优及收敛速度慢等不足。因此，有必要提出一种能够根据海浪扰动实时调整各用户发射功率的自适应功率分配方法。

技术实现思路

1、本发明提供一种面向海浪扰动无人机辅助海上物联网的自适应功率分配方法及系统，其目的在于解决海浪扰动导致通信链路信道状态快速变化、固定功率分配难以适应动态海洋环境的问题。

2、第一个方面，本发明的目的在于提供一种面向海浪扰动无人机辅助海上物联网的自适应功率分配方法，包括以下步骤：

3、s1、获取海浪扰动作用下各海上浮标的实时位置，基于实时位置更新无人机与浮标间、基站与浮标间的通信链路信道状态信息，计算各浮标对应的瞬时信干噪比；

4、s2、以系统能量效率最大化为优化目标，构建功率分配优化问题，所述功率分配优化问题的约束至少包括信干噪比约束、功率鲁棒约束以及恒模量约束；

5、s3、基于均匀平面阵列的阵元位置与信号目标方向，分别计算无人机-浮标链路和基站-浮标链路下各阵元的连续相位值，按列优先堆叠形成连续模拟预编码矩阵；根据移相器位宽确定离散相位集合，将各阵元的连续相位量化至最近的离散相位值，得到满足恒模量约束的模拟预编码矩阵；

6、s4、在交替优化框架下，交替迭代求解公共信息流与私有信息流的数字波束成形向量，得到最优数字波束成形矩阵；

7、s5、对优化变量进行分层解耦处理：依据所有浮标中信道质量最差的浮标的公共信息流服务质量约束，以闭合解方式计算得到公共信息流的发射功率；

8、s6、采用dinkelbach分式规划方法，将所述功率分配优化问题转化为减式优化问题；

9、s7、将浮标位置映射为哈里斯鹰位置向量，发射功率映射为猎物位置，初始化种群并计算初始适应度；基于逃跑概率和收缩能量，选择功率更新策略；计算适应度函数，根据适应度更新最优解，迭代至收敛，输出最优功率分配方案。

10、更进一步地，提供优选方案：所述s1中，海上浮标的实时位置由理想位置叠加海浪扰动引起的水平位置偏移得到；根据浮标实时位置重新计算链路传播距离、方位角及俯仰角，进而更新信道矩阵与各浮标的瞬时信干噪比。

11、更进一步地，提供优选方案：所述s2中，功率分配优化模型的约束还包括鲁棒信干噪比裕量约束，用于补偿海浪扰动引起的浮标位置偏移对信干噪比造成的波动影响。

12、更进一步地，提供优选方案：所述s4中，交替迭代求解公共信息流与私有信息流的数字波束成形向量的过程具体为：

13、固定私有信息流的数字波束成形矩阵，将公共信息流波束成形子问题通过半定松弛松弛秩一约束，转化为凸半定规划问题进行求解，得到公共信息流的数字波束成形向量；

14、固定公共信息流的数字波束成形向量，引入辅助变量，采用连续凸逼近处理非凸约束并结合半定松弛删除秩一约束，迭代求解凸半定规划问题，得到私有信息流的数字波束成形向量；

15、交替迭代直至收敛，得到最终的最优数字波束成形矩阵。

16、更进一步地，提供优选方案：所述s5中，公共信息流的发射功率取所有浮标中满足公共信息流最小信干噪比约束所需的最大功率值，使公共信息流恰好满足全部浮标的最低服务质量需求。

17、更进一步地，提供优选方案：所述s7中，功率更新策略包括：软围攻、硬围攻、渐进式快速俯冲的软围攻、渐进式快速俯冲的硬围攻。

18、更进一步地，提供优选方案：所述s7中，适应度函数引入惩罚因子权重与指示函数，当功率分配向量违反约束条件时，指示函数取值为1并触发惩罚项，对不可行解进行惩罚。

19、第二个方面，本发明的目的在于提出一种面向海浪扰动无人机辅助海上物联网的自适应功率分配系统，用于实现上述任意一项或多项方案组合所述的面向海浪扰动无人机辅助海上物联网的自适应功率分配方法，所述系统包括：

20、信道更新模块：用于获取海浪扰动作用下各海上浮标的实时位置，基于实时位置更新无人机与浮标间、基站与浮标间的通信链路信道状态信息，计算各浮标对应的瞬时信干噪比；

21、优化建模模块：用于以系统能量效率最大化为优化目标，构建功率分配优化问题，所述功率分配优化问题的约束至少包括信干噪比约束、功率鲁棒约束以及恒模量约束；

22、模拟预编码矩阵量化模块：用于基于均匀平面阵列的阵元位置与信号目标方向，分别计算无人机-浮标链路和基站-浮标链路下各阵元的连续相位值，按列优先堆叠形成连续模拟预编码矩阵；根据移相器位宽确定离散相位集合，将各阵元的连续相位量化至最近的离散相位值，得到满足恒模量约束的模拟预编码矩阵；

23、波束成形矩阵求解模块：用于在交替优化框架下，交替迭代求解公共信息流与私有信息流的数字波束成形向量，得到最优数字波束成形矩阵；

24、分层解耦模块：用于对优化变量进行分层解耦处理：依据所有浮标中信道质量最差的浮标的公共信息流服务质量约束，以闭合解方式计算得到公共信息流的发射功率；

25、分式规划转化模块：用于采用dinkelbach分式规划方法，将所述功率分配优化问题转化为减式优化问题；

26、智能寻优输出模块：用于将浮标位置映射为哈里斯鹰位置向量，发射功率映射为猎物位置，初始化种群并计算初始适应度；基于逃跑概率和收缩能量，选择功率更新策略；计算适应度函数，根据适应度更新最优解，迭代至收敛，输出最优功率分配方案。

27、第三个方面，本发明的目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据上述任意一项或多项方案组合所述的面向海浪扰动无人机辅助海上物联网的自适应功率分配方法。

28、第四个方面，本发明的目的在于提供一种计算机可读存储介质，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行上述任意一项或多项方案组合所述的面向海浪扰动无人机辅助海上物联网的自适应功率分配方法。

29、与现有技术相比，本发明的优势在于：

30、（1）本发明将速率分裂多址接入技术引入无人机辅助海上物联网场景，建立公共信息流与私有信息流联合优化的功率分配模型。针对海浪扰动导致信道状态时变的特点，以系统能量效率最大化为目标，在满足各用户最小服务质量约束和总发射功率约束的条件下，实现公共流功率与私有流功率的自适应动态分配，克服了传统功率分配策略在动态海洋环境中适应性差的缺陷。

31、（2）本发明采用“分层解耦”的功率优化思路，将公有功率从高维优化变量中分离出来，利用公有信号须被所有用户共同解码的传输特性，根据信道条件最差用户的qos需求直接计算公有功率取值，在保证公共信息可靠传输的前提下避免功率冗余；将私有功率分配问题转化为独立子问题，利用哈里斯鹰优化算法进行全局寻优。该策略有效降低了优化问题的求解维度与计算复杂度。

32、（3）本发明将哈里斯鹰优化算法应用于海上物联网功率分配问题，通过模拟哈里斯鹰群协同捕猎的四种围攻策略——软围攻、硬围攻、渐进式软围攻俯冲和渐进式硬围攻俯冲，对功率解空间进行全局探索与局部开发。该算法不依赖于目标函数的凸性和梯度信息，适用于海浪扰动导致的非凸、非线性功率优化问题，具有收敛速度快、全局搜索能力强的优点，能够快速适应动态变化的海洋信道环境。

33、本发明适用于无人机辅助的海上物联网通信场景。