基于无人机功率与高度优化的系统高能效通信算法研究

1.基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤1中，所述空天地通信系统模型包括一个卫星、一个无人机以及k个地面传感器，无人机充当空中基站，从地面用户收集数据并转发到卫星。假设无人机上安装的基站采用全双工模式运行。

3.根据权利要求2所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤1中，建立地面传感器到无人机信道模型，将地面传感器与无人机之间的通信链路视为视距链路，即直射传输路径；然后，通信信号直接从发射端传输到接收端，并采用现有的频率同步算法补偿无人机与地面传感器相对运动引起的多普勒效应。

4.根据权利要求3所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤1中建立的地面传感器到无人机信道模型如下：无人机在时隙n时到地面传感器k的信道增益可以表示为：

5.根据权利要求4所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤1中，还建立无人机到卫星信道模型，无人机与卫星之间的连接是光瞄准的，即它们之间的通信依赖于视距链路；

6.根据权利要求5所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述天地通信系统模型中还设有系统吞吐量与能量模型，所述系统吞吐量的能量为k个地面传感器到无人机的数据传输速率之和：

7.根据权利要求6所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤2中，由于无人机作为中继进行数据收集，目标是通过对无人机进行高度轨迹规划以及对无人机功率进行合理分配，在保证无人机不成为过载平台的情况下，最大化系统能效，则该系统可以表示为以下优化问题：

8.根据权利要求7所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤3中，采用深度强化学习方法对问题(10)进行求解；针对当前问题，定义如下强化学习环境，该环境中包含智能体、状态空间s、行为空间a、奖励r；

9.根据权利要求8所述的基于无人机功率与高度优化的系统高能效通信算法研究，其特征在于：所述步骤3中，深度强化学习利用神经网络拟合状态动作价值函数，并根据状态价值函数指导对象运动。