基于可重构智能表面的多无人机协同优化方法及系统

本发明涉及无人机通信，尤其涉及基于可重构智能表面的多无人机协同优化方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、随着低空经济与智能无人机技术的快速发展，无人机的通信感知一体化（integrated sensing and communication，isac）能力不断增强，使得无人机能够在提供通信服务的同时，完成环境感知、目标检测等任务。

3、随着5g/6g通信技术的快速发展，出现了一些对服务质量高度敏感的应用，如实时数据采集、应急通信、目标追踪、车路协同等；这些应用需要满足低信息年龄与低能耗的双重要求。由于传统直连通信易受建筑物遮挡、信道衰落影响，通信与感知性能难以同时保障；因此，传统无人机通信感知一体化系统面临着信息年龄高、能耗大的挑战。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了基于可重构智能表面的多无人机协同优化方法及系统，旨在解决现有技术中存在的多无人机通信感知一体化系统的信息年龄高、能耗大的问题。

2、为了实现上述目的，本发明提供的技术方案如下：

3、第一方面，本发明提供了基于可重构智能表面的多无人机协同优化方法，包括：

4、构建可重构智能表面辅助的多无人机通信感知一体化系统模型，并以最小化系统总信息年龄和系统总能耗为目标函数，结合约束条件，建立包含基站与无人机关联变量、波束成形向量、可重构智能表面反射相位和无人机轨迹的联合优化问题；

5、将联合优化问题分解为基站与无人机关联优化、波束成形向量优化、可重构智能表面反射相位优化以及无人机轨迹优化四个子问题；通过交替迭代求解各子问题，迭代更新基站与无人机关联变量、波束成形向量、反射相位与无人机轨迹，直至目标函数收敛，输出优化结果。

6、作为进一步的技术方案，所述可重构智能表面辅助的多无人机通信感知一体化系统模型包括多座基站、搭载可重构智能表面的多架无人机和一个待测目标。

7、作为进一步的技术方案，所述以最小化系统总信息年龄和系统总能耗为目标函数，表示为：

8、；

9、c1：；

10、c2：；

11、c3：；

12、c4：；

13、c5：；

14、c6：；

15、c7：；

16、c8：；

17、c9：，；

18、其中，表示基站m第个时隙可服务的无人机集合，表示基站集合，k表示无人机个数，表示第个时隙，表示时隙间隔，是反映信息年龄重要性的权重系数，表示系统总信息年龄，是反映能耗重要性的权重系数，表示系统总能耗，表示无人机第个时隙能否与基站通信，表示目标

l与基站间的感知信干噪比，表示感知阈值，表示无人机到基站上行传输的信干噪比，表示上行传输最大阈值，表示基站第个时隙向可服务无人机发射的波束赋形向量，表示基站发射最大功率，表示无人机第个时隙向基站发射的波束成形向量，表示无人机发射的最大功率，表示无人机第个时隙的轨迹，表示无人机最大速度，表示时隙集合，表示无人机第个时隙的轨迹，表示两架无人机之间的安全距离，s是被动反射单元个数，表示可重构智能表面单元的相位对角矩阵，表示表示相移矩阵要满足的恒定模式，表示基站m的发射功率，表示无人机的发射功率。

19、作为进一步的技术方案，所述系统总信息年龄由信息传输时间组成，表示为：

20、；

21、其中，表示系统总信息年龄，表示在满足有效传输时隙数前提下，在时隙无人机的总aoi，表示第个时隙，表示总时隙数，表示第个基站，表示基站集合，表示第个无人机，表示基站m第个时隙可服务的无人机集合。

22、所述系统总能耗包括无人机飞行能耗和无人机通信能耗，表示为：

23、；

24、其中，表示系统总能耗，表示第个时隙，表示总时隙数，表示无人机第个时隙的飞行能耗，表示无人机第个时隙的通信能耗；

25、所述无人机飞行能耗表示为：

26、；

27、其中，表示无人机第个时隙的飞行能耗，表示第个基站，表示基站集合，表示第个无人机，表示基站m第n个时隙可服务的无人机集合，表示无人机悬停状态下桨叶轮廓功率，表示无人机第个时隙的飞行速度，表示旋翼桨尖线速度，表示无人机悬停诱导功率，表示无人机悬停诱导速度，表示机身阻力系数，表示空气密度，表示第个被动反射单元，表示旋翼桨盘面积，表示时隙间隔；

28、所述无人机通信能耗表示为：

29、；

30、其中，表示无人机第个时隙的通信能耗，表示第个基站，表示基站集合表示第个无人机，表示基站m第n个时隙可服务的无人机集合，表示表示无人机第个时隙向基站发射的波束成形向量，表示无人机的发射功率表示上行传输阶段的时长。

31、作为进一步的技术方案，所述基站与无人机关联优化具体为：固定轨迹、波束、可重构智能表面相位，采用惩罚函数和逐次凸逼近sca求解最优关联变量，确保每架无人机在每个时隙接入最优基站。

32、作为进一步的技术方案，所述波束成形向量优化具体为：固定关联变量、轨迹、可重构智能表面相位，对非凸sinr约束进行一阶泰勒展开，将问题凸化，求解基站与无人机的最优发射波束。

33、作为进一步的技术方案，所述可重构智能表面反射相位优化具体为：固定关联变量、轨迹、波束，采用投影梯度下降pgd沿负梯度更新可重构智能表面相位，并投影至[0，2]之间。

34、作为进一步的技术方案，所述无人机轨迹优化具体为：固定关联变量、波束成形、可重构智能表面相位，采用sca和自适应信任区域，对通信速率、飞行能耗和防撞约束进行线性化，求解最优飞行轨迹。

35、第二方面，本发明提供了基于可重构智能表面的多无人机协同优化系统，包括：

36、联合优化问题构建模块：用于构建可重构智能表面辅助的多无人机通信感知一体化系统模型，并以最小化系统总信息年龄和总能耗为目标函数，结合约束条件，建立包含基站与无人机关联变量、波束成形向量、可重构智能表面反射相位和无人机轨迹的联合优化问题；

37、优化求解模块：用于将联合优化问题分解为基站与无人机关联优化、波束成形向量优化、可重构智能表面反射相位优化以及无人机轨迹优化四个子问题；通过交替迭代求解各子问题，迭代更新基站与无人机关联变量、波束成形向量、反射相位与无人机轨迹，直至目标函数收敛，输出优化结果。

38、第三方面，本发明提供了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如上述第一方面所述的基于可重构智能表面的多无人机协同优化方法。

39、从以上技术方案可以看出，本发明具有以下有益效果：

40、本发明将系统总信息年龄与系统总能耗作为目标函数，在保障通信感知性能的同时，显著降低了系统的信息年龄与总能耗，提升了低空场景下无人机服务的时效性与能效；通过问题分解与交替迭代优化，将原非凸优化问题转化为多个可高效求解的凸子问题，降低了计算复杂度，能够在动态场景下快速得到近似最优解；同时考虑了城市场景下的los/nlos信道特性与可重构智能表面反射增益，通过可重构智能表面相位优化改善了无线传播环境，提升了通信感知性能的鲁棒性；构建了统一的能耗模型，同时考虑无人机飞行能耗与通信能耗，优化结果更贴合实际无人机系统的能效特性。