异构需求下无人机无线携能传输优化策略

物联网设备电池容量有限且充电不便，无人机无线携能传输技术很好地解决了这个问题，可以实现能量和数据的同时传输。根据节点设备的异构能量需求，提出了基于全网满意度最大化的无人机位置和功率联合优化策略。将无人机与地面节点关联系数的优化问题建模成联盟形成博弈问题，通过设计合作准则，证明了其存在纳什均衡点。基于最大化满意度准则，探索无人机最佳悬停位置。在确定关联系数、无人机位置后，采用凸优化方法求解无人机与节点之间的发射功率。仿真结果表明，所提联合优化策略能够较大幅度地提升全网满意度。     

无人机部署位置和信道分配联合优化方法

无人机在执行周期性数据采集任务时，由于任务执行时间有限、无线传感器的部署位置和功能不同，会存在无法采集全部数据、所采集数据具有不同应用价值等问题。基于此，提出了一种综合考虑采集公平性和重要度的数据采集评价方法。以采集周期内无人机采集数据的加权数据量最大化为优化目标，对无人机的悬停位置和信道分配进行联合优化。将该联合优化问题建模为一个非线性混合整数规划问题，并提出一种鲸鱼优化资源分配算法(whale optimized resource allocation algorithm, WORAA)对问题进行求解。仿真结果表明，相较于传统方法，在重要度影响不大的条件下，采集数据公平性有比较明显的提升，在满足公平性要求的基础上，加权数据量更大。     

一种多天线无线供电网络能量传输和数据上报联合优化算法

文章联合优化数据-能量传输时长与能量波束,在保障节点最低传输速率的前提下最大化所有节点的加权和速率,提出了一种基于交替迭代的求解框架。对于能量-数据时长优化,提出基于节点剔除的数据时长分配算法与基于黄金分割的能量时长搜索算法;对于能量波束设计,提出基于半正定规划和矩阵分解的信号数目选择和波束设计算法。仿真结果表明:所提方案通过设置节点最低数据传输速率,可以更好地保障节点数据的成功传输;此外,相比于单天线方案,多天线可以显著提高系统传输性能。     

智能超表面辅助的无人机通信能效联合优化

针对传统无人机无线网络通信场景中，无人机到客户端之间的灵活性不强、数据传输性能较差、能源效率不高等问题，设计了一种新型材料智能超表面(RIS)辅助的无人机通信系统，同时使用深度强化学习算法对该系统的通信能效进行优化。首先，引入RIS材料并结合无人机通信系统，对系统能源效率进行分析和建模；其次，针对目标函数中出现的非凸问题，利用DDQN算法对无人机的三维轨迹和RIS相移进行联合优化，最大化无人机通信系统整体的能源效率；最后，对该联合优化方案进行了实验验证，仿真结果表明，与未使用RIS和未采用可调相移的传统方案相比，该方案具有更高的能源效率。     

基于地理位置信息的无人机可靠路由算法

针对无人机自组织网络,提出了一种基于地理位置信息的高可靠性路由算法GPSR-HRU(High Reliability UAV Routing Algorithms Based on GPSR);算法针对无人机运动速度快、运动不规律、易产生路由断路、空洞等特点,将MALM(Mobility-assisted Location Management)移动节点辅助位置管理策略引入到无线自组网的GPSR协议中来预测节点的移动位置;通过NS-3仿真无人机的工作场景实验证明,算法较GPSR算法和其他改进算法有更低的传输延时,更可靠的端到端的投递成功率,同时整个网络的负载也更轻。     

基于信号线圈的多无人机身份识别方法研究

无线电能传输技术摆脱了物理介质的束缚，具有灵活、可靠、安全等优点，在无人机领域应用越来越广泛。无人机无线充电系统中常采用的Zigbee、蓝牙、WiFi等广域通信方式接入时间较长，存在非“点对点”传输情况，不具备身份识别功能，无法应对多无人机及多机舱环境。提出了一种基于信号线圈的多无人机身份识别方法，仿真研究2套耦合机构之间交叉耦合影响，设计了一套应用于多无人机及机舱环境下能量信号同步传输的无线电能传输系统。最后搭建了无人机无线电能传输系统进行实验验证，实验结果表明基于信号线圈可以快速有效进行无人机及机舱的身份识别，可识别无人机身份的点对点近场通信方式以应对多无人机无线充电场景，能量信号同步传输的分离通道传输模式具有两通道物理结构独立，避免传统通信方式干扰，保障充电的安全性与可靠性。。     

多天线FD-SWIPT中继信道下功率分裂和波束成形的联合优化

设计了多天线全双工(full-duplex,FD)中继信道下联合优化功率分裂因子和波束成形矩阵的能量与信息同传(simultaneous wireless information and power transfer,SWIPT)算法.不同于现有的FD-SWIPT方案,考虑较为复杂的多天线中继系统,并用功率分裂(power splitting,PS)代替传统的时间切换(time switching,TS),使得信息传输和能量采集过程可以同时进行.给出了基于迫零算法(zero-forcing algorithm,ZF)的波束成形方案,研究了系统低复杂度的次优解,其中波束成形的使用增强了能量采集和回路自干扰抑制的能力,从而达到更大的吞吐量.还优化了PS,并利用二次插值法求出最优的PS因子,最终得到整个系统的次优解.仿真结果表明,联合优化方案可以提升系统的最大吞吐量,另外,PS因子的选择对系统吞吐量起着至关重要的作用,同时这2个优化因子都与发射功率的大小有关.     

基于自供电智能反射面辅助的MISO系统无线安全传输

为增强无线通信的安全性,面向多输入单输出(Multiple Input Single Output, MISO)系统,提出了基于自供电智能反射面(Intelligent Reflecting Surface, IRS)辅助的物理层安全传输方案,其中IRS被用以协助基站到合法用户的信息传输,同时抑制传输给窃听者的信号,以此实现系统的安全传输。为保证IRS有足够的能量维持其运行,设计了基于时间切换(Time Switching, TS)的能量收集方案,即将传输块分为能量收集阶段和信息反射阶段。在能量收集阶段,IRS从基站发射的射频信号中收集能量;在信息反射阶段,IRS利用先前收集的能量辅助基站的信息传输。为了最大化系统安全传输速率,设计了关于基站波束成形向量、时间分配和IRS反射相位的联合优化问题。由于该问题为非凸优化问题,为此设计了基于两阶段的高效算法,并通过交替优化、半正定松弛(Semi-Definite Relaxation, SDR)、连续凸逼近(Successive Convex Approximation, SCA)等技术获得了次优解。仿真结果表明,所提出的方案可以有效地提升系...     

储能发送模式下全双工双向中继系统的和速率优化

针对一类中继能量受限的放大转发全双工双向中继系统,提出了一种基于储能-发送模式的无线信息与能量同时传输方案.该方案在满足中继收集能量和节点传输功率等约束下,通过联合优化传输功率与时间切换系数等参数实现系统的和速率最大化.此优化问题在数学上是非凸的,很难或不可能求得其最优解.为此,首先提出分别优化传输功率和时间切换系数,然后利用收敛迭代方法求得原问题的次优解,最后,仿真结果验证了所提方案的有效性.与现有算法相比,所提联合优化算法能够显著提高系统的和速率.     

超大规模MIMO中包含球面波特征的最优传输方法研究

在超大规模多输入多输出(multiple input multiple output,MIMO)通信场景下，无线传输信道存在球面波特性，目前超大规模MIMO研究中多采用平面波模型，对球面波特征认识不足，忽略了其对系统传输设计的影响。针对此问题，基于球面波模型，利用统计信道状态信息，研究了多用户超大规模MIMO中的传输设计问题，分析了影响最优传输的关键特征参数，获得了包含球面波特征的最优发射策略的闭式表达式。研究结果表明，球面波模型下的最优发射策略与多用户所处位置有关，采用用户调度策略可以解决波束与用户间的误匹配问题。在此基础上，提出了一种基于贪婪思想的低复杂度多用户调度策略，仿真结果显示，所提传输策略能以较低复杂度达到近似最佳性能。     

一种用于天线面形恢复测量的无人机导航方案

天线近场面形恢复算法需要搭载发射源的无人机沿特定轨迹飞行,并获得其位置。根据面形恢复算法对无人机飞行的要求设计一种包含差分GPS和视觉传感器的导航方案,在此导航方案的数据融合时间策略下使用常规扩展卡尔曼滤波器将出现震荡问题。为此提出一种基于SageHusa滤波算法改进的自适应扩展卡尔曼滤波器,并通过仿真和实际飞行测试将其与常规扩展卡尔曼滤波器进行对比。实验结果表明,此自适应扩展卡尔曼滤波器在实际应用中表现出更好的性能,并在弱GPS信号情况下能够趋向于更可信的视觉里程计数据。此方案基本满足天线测量时无人机沿轨迹飞行并采集位置数据的要求,有望实现射电望远镜主动面实时闭环修正。     

基于协作频谱感知的多无人机通信网络谱效优化研究

针对无人机应用场景频谱效率较低的问题,提出一种结合认知无线电技术的多无人机通信网络谱效优化方案.首先基于协作频谱感知,建立空地信道下多机协作的认知无人机网络模型,设置无人机（unmanned air vehicle,UAV）数量、感知时间和判决门限等优化参数,在此基础上提出高谱效联合优化算法对构建的非凸优化问题求解,最后分析无人机飞行过程中谱效的变化情况.仿真结果表明,存在最优感知时间使系统谱效获得最大值,且UAV数量和判决门限等因素会影响该谱效最优值;提出的高谱效联合优化算法具有较好的收敛性,有效提高了UAV次级认知网络的频谱效率.      

无人机网络中基于位置预测的最优中继选择

为了解决无人机（UAV, Unmanned Aerial Vehicle）协作通信网络在完成任务时由于高机动性而会影响链路状态的问题,提出了一种基于UAV位置预测的信道中继选择算法。根据卡尔曼算法预测出UAV下一时刻的位置,提前判断链路优劣性,使更换UAV中继节点的时机更为精准。通过UAV源节点到UAV中继节点以及UAV中继节点到UAV目的节点的瞬时信道状态信息（CSI, Channel State Information）选出备选UAV中继节点集合。最优的备选UAV中继节点由贪婪算法计算而得。仿真结果证明了此方法的有效的性,链路中断的概率比随机选择算法降低了10%,且链路更加稳定。     

运力受扰下的物流无人机干扰恢复模型

为了解决无人机（unmanned aerial vehicle，UAV）运力受扰对末端包裹交付造成的干扰问题，运用干扰管理思想，从客户服务和配送成本角度进行扰动度量，综合考虑无人机能耗、配送时效性、飞行可靠性、飞行安全性等因素建立干扰恢复模型；运用蚁群算法求解问题模型，最后用算例验证本文方案的有效性。结果表明：通过分析3组干扰场景发现，当干扰发生时刻早、受扰客户多时，所建立的恢复模型方案和原始方案对比，可以在短时间内产生新的配送路径，同时以较小的成本代价提高客户服务满意度，实用性更强。     

基于启发式搜索算法的无人机航迹快速规划

基于无人机导航系统的自身特点,无人机在导航过程中会出现无法精确定位的情况,从而产生定位误差。如果不能及时校正随时间累积的定位误差,会使无人机无法到达预定目的地,从而导致飞行任务失败。为避免这种情况的发生,本文研究了考虑定位误差的无人机航迹快速规划问题。以航迹距离最短为目标,考虑定位误差校正约束与航迹约束,建立了混合整数规划模型。根据深度优先搜索算法与回溯算法的特点,设计了启发式深度优先搜索+回溯算法来求解问题,并在此算法基础上加入模拟退火机制对解的质量进行优化。以某飞行区域的数据为例进行仿真实验,结果表明启发式深度优先搜索+回溯算法可以快速有效地求解考虑定位误差的无人机航迹规划问题。     

从鸟群群集飞行到无人机自主集群编队

无人机可通过自主集群编队提高其在复杂环境下执行任务的能力.多飞行器并存导致系统协调管理难度提升等一系列问题,因此如何设计合理高效的无人机集群编队协调自主控制算法是一个亟待解决的难点问题.在鸟群群集飞行过程中,个体通过遵循简单行为规则进行相互合作而产生复杂有序的集体行为.由于鸟群群集飞行过程中所表现出的邻近交互性、群体稳定性和环境适应性等特点与无人机集群编队的自主、协调和智能等控制要求有着紧密的契合之处,因此,研究鸟群群集飞行机制,并将其映射到无人机集群系统,是解决无人机集群编队协调自主控制问题的一条切实可行的途径.     

基于动态加权A*算法的无人机航迹规划

随着无人机航迹规划高维空间的扩展,无人机的飞行环境变得异常复杂,其外部威胁不再是简单的二维静态威胁,传统的蚁群算法和人工势场算法已经不能满足实时性和高复杂环境的要求。为解决上述问题,提出新的基于动态加权A^*算法的无人机航迹规划。首先对无人机的飞行环境进行建模,通过研究航迹规划的转弯半径、航迹段长度和最大航程限制等约束条件,用于保证无人机的安全飞行,从而降低坠机率和威胁概率;其次,通过研究无人机的航迹和外部威胁参数,设计出新的航行方式,降低航行危险和减少损失;然后,通过扩展顶点势能定位和网格图整体变化的动态权重,获得动态环境下的代价函数,增加避障搜索速度、精度和加深回避程度。最后,通过仿真结果表明,在同一应用环境下,所提算法与蚁群算法和人工势场算法相比,航迹路径最优、威胁代价最小和算法执行的时间最短。综上,基于动态加权A^*算法很好地应用于无人机航迹规划,降低了无人机航迹代价,缩短了算法完成时间,提高了复杂环境下无人机航迹规划的搜索速度和精度。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

基于粒子群算法的固定时间多约束无人机轨迹规划

针对粒子群算法在轨迹规划时,将无人机视为质点,未考虑无人机的飞行时间、角度等参数的不足,提出一种数值方法结合粒子群算法的轨迹规划求解方法。首先,考虑到对每个时刻控制变量进行优化会耗费大量的时间,将无人机的飞行时间离散为一定数量的切比雪夫配点,在这些离散的配点处优化控制变量以减小计算负担;其次,将角速度作为控制变量,运用曲线拟合求解出角速度与时间的函数,经过积分求出无人机的角度、位置与时间的函数;再次,将结果代入粒子群优化模型并结合无人机运动学模型进行优化求解,根据分配的时间计算出最终的角速度、角度以及位置坐标;最后,在复杂环境下进行无人机轨迹规划仿真,通过与已有方法的对比,验证所提求解方法的有效性和可行性。结果表明,所提出的轨迹求解方法可以求出包括位置在内的各个运动学参数,规划出光滑的轨迹并且成功避开前进过程中的障碍物。所提方法有效提升了轨迹规划的求解维度,对实现智能自主化飞行有一定的参考价值。     

基于改进VO算法与动态窗口法的自主避障

针对复杂动态环境下,无人机自主规避动态障碍物的问题,提出了一种改进的速度障碍法,以提高无人机在复杂环境中自主避障的能力。首先,根据速度障碍法原理,构建数学模型,判断无人机与动态障碍物是否存在冲突;然后,加入了自适应安全距离的同时用卡尔曼滤波对动态障碍物的下一时刻的位置进行预测,重构一个速度障碍区;最后,通过改进动态窗口法对可行避障区域进行最优避障策略的求解。通过不同场景和多障碍物连续避障的仿真实验,验证了所提算法的可行性和有效性。