[發(fā)明專利]基于深度強化學習的無人機軌跡及功率聯合優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202010136467.4
• 申請日: 2020-03-02
• 公開（公告）號: CN111263332A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設計）人: 趙楠;程一強;蕭灑;裴一揚;劉聰;劉澤華
• 申請（專利權）人: 湖北工業(yè)大學
• 主分類號: H04W4/44
• 分類號: H04W4/44;H04W24/02;H04W52/14;H04W52/24;H04W52/26;H04W52/28;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于深度強化學習的無人機軌跡及功率聯合優(yōu)化方法，其特征在于：建立無人機系統模型，對無人機軌跡控制和功率分配問題進行描述；建立馬爾可夫模型，包括通過設置狀態(tài)、動作空間和獎勵函數，確定馬爾可夫決策過程；采用深度確定性策略梯度方法，實現軌跡控制和功率分配的聯合優(yōu)化，實現方式如下，

所述深度確定性策略梯度方法結合actor網絡和critic網絡，并設置相應目標網絡；核心地面基站首先初始化經驗回放存儲器D、actor-critic網絡的權重以及相應的目標網絡；

設訓練過程有EP個訓練集，每個訓練集都有T時隙；在每個訓練集中，首先初始化網絡狀態(tài)，在每一訓練集的每一個時隙，動作由帶有隨機噪音的actor網絡發(fā)出；核心地面基站將選定的動作發(fā)送給所有無人機后，所有無人機都會相應地設置自己的軌跡和傳輸功率；當某些無人機飛出網絡區(qū)域時，它將選擇一個隨機方向角，如果某些無人機的高度h_i(t)超過[H_min,H_max]，無人機將停留在H_min或H_max高度，其中H_min和H_max分別表示無人機的最小高度和最大高度；一旦某些無人機學習到最好的軌跡和功率，并為覆蓋范圍內的用戶設備提供無線服務時，訓練過程全部結束；

此外，通過導頻信號，每個用戶設備測量來自所有無人機的接收功率；基于最大接收信號功率，用戶設備與無人機相關聯；在用戶關聯之后，用戶設備給關聯的無人機報告自己的當前狀態(tài)；

最后，在回程鏈路的幫助下，核心地面基站獲得全局網絡下一狀態(tài)和即時獎勵，相應信息保存在經驗回放存儲器D中，所述信息包括狀態(tài)S(t)、下一狀態(tài)S′(t)、動作A(t)和獎勵R(t)；從經驗回放存儲器D中隨機抽取mini-batch轉移樣本，以更新actor網絡和critic網絡；目標網絡的權重相應被緩慢更新；

重復上述訓練過程，直到所有無人機覆蓋所有熱點而沒有重疊，并且所有用戶設備的服務質量要求都得到滿足。

2.根據權利要求1所述基于深度強化學習的無人機軌跡及功率聯合優(yōu)化方法，其特征在于：所述建立無人機系統模型，實現如下，

在無人機輔助蜂窩網絡中，將N個無人機部署為空中基站，以在N個非重疊熱點中為M個用戶設備提供無線服務，用戶設備和無人機的集合分別表示為和在熱點i中的用戶設備數量表示為M(i)；假設第i個無人機使用相同的頻帶向第i個熱點提供服務，每個用戶設備僅屬于一個熱點，得出

同時，所有的無人機都由一個核心地面基站控制，在t時刻，同一熱點中的用戶設備都將由相同的無人機同時提供服務；記第m個用戶設備的平面坐標其中，x_m和y_m是第m個用戶設備的坐標，表示域；

在t時刻，第i個無人機的水平坐標表示為其中，x_i(t)和y_i(t)分別表示第i個無人機的X坐標和Y坐標；水平方向上獲得第m個用戶設備和第i個無人機之間的距離為

將第i個無人機的高度定義為h_i(t)∈[H_min,H_max]，其中H_min和H_max分別表示無人機的最小高度和最大高度；第i個無人機與第m個無人機之間的距離為

基于無人機的飛行速度有限，無人機的軌跡以最大行駛距離為準：

||v_i(t+1)-v_i(t)||≤V_LT_s, (1)

||h_i(t+1)-h_i(t)||≤V_AT_s, (2)

其中，V_L和V_A分別表示每個時隙T_s中無人機的水平飛行和垂直飛行速度；

此外，為了避免任何兩架無人機的碰撞，考慮無人機的碰撞約束，對于第i個無人機和第j個無人機有：

其中，D_min表示任意兩架無人機之間的最短距離；

設定時隙T_s足夠小，將信道近似為恒定；考慮到任意兩架無人機之間的避碰，T_s應滿足的約束條件；獲得每個時隙無人機的最大水平距離和最大垂直距離其中，T_max為D_min相應的閾值；

設從無人機發(fā)出的無線電信號由視線傳輸和非視線傳輸組成，第m個用戶設備和第i個無人機之間的視線傳輸連接的概率表示為：

其中，a和b是與環(huán)境有關的參數，是第m個用戶設備和第i個無人機的夾角；此外，非視線傳輸的可能性為

在時間t，視線傳輸和非視線傳輸的路徑損耗可以表示為以下模型：

其中，f_c為載頻，η_LoS和η_NLoS分別為視線傳輸和非視線傳輸的平均額外損失；

預期平均路徑損耗表示為總可用帶寬B均等地分配給每個用戶設備，第i個熱點中第m個用戶設備的帶寬表示為B_i,m＝B/M(i)，并且無人機的發(fā)射功率也被均勻地分配給每個用戶設備，為p_i,m(t)＝p_i(t)/M(i)，其中，p_i(t)∈[0,P_max]表示帶有最大發(fā)射功率P_max的第i個無人機發(fā)射功率；

從無人機接收到的第m個用戶設備的信噪比表示為：

其中，g_i,m(t)是第i個無人機和第m個用戶設備之間的信道增益，N₀是噪聲功率譜密度；

設從第i個無人機獲得第m個用戶設備的可達到的速率r_i,m(t)＝B_i,mlog₂(1+Γ_i,m(t))，得到第i個無人機的總速率：