1.基于无人机协作波束成形的高速动态通信多目标优化方法,其特征在于,包括:步骤一、建立全部通信时间内无人机虚拟天线阵列的传输速率之和的计算模型作为第一目标函数,建立无人机能量消耗总和的计算模型作为第二目标函数;以及在每个时隙,获取通信系统中移动用户的位置;
步骤二、以第一目标函数最大和第二目标函数最小作为优化目标,确定无人机的最优位置及无人机的最优激励电流权重;
步骤三、无人机移动至最优位置,按照所述最优激励电流权重向用户传输通信数据;
全部通信时间内无人机虚拟天线阵列的传输速率之和的计算模型为:
式中,表示无人机的水平移动方向,表示无人机的水平移动距离,表示无人机的垂直移动距离,表示无人机的激励电流权重;RUM[t]表示t时隙无人机虚拟天线阵列与移动用户通信时的传输速率;ΥUM[t]表示t时隙无人机虚拟天线阵列与移动用户通信时的信号与干扰加噪声比;
t时隙无人机虚拟天线阵列与移动用户通信时的信号与干扰加噪声比通过下式进行计算:其中,PU[t]表示t时隙无人机虚拟天线阵列的总传输功率,GUM[t]表示t时隙无人机虚拟天线阵列朝向移动用户位置的天线增益,gUM[t]表示t时隙无人机虚拟天线阵列与移动用户之间的信道功率增益,σ2表示噪声功率,PB[t]表示t时隙基站的传输功率,gBM[t]表示t时隙不相关的基站与移动用户之间的信道功率增益;
无人机能量消耗总和的计算模型为:
式中,Ei[t]表示t时隙内无人机i的能量消耗,T表示飞行结束时间,vi[t]表示t时隙无人机i的速度,mUAV表示无人机的质量,g表示重力加速度,hi[0]和vi[0]分别表示无人机i的初始高度和初始速度,hi[T]和vi[T]分别表示无人机i在T时刻的高度和速度,P(vi[t])表示t时隙内无人机在二维水平空间飞行时的推动能量消耗;NUAV表示无人机的数量。
2.根据权利要求1所述的基于无人机协作波束成形的高速动态通信多目标优化方法,其特征在于,无人机在二维水平空间飞行时的推动能量消耗通过下式进行计算:其中,PB和PI均为常数,vtip、v0、d0、s、ρ和A分别表示旋翼叶顶速度、悬停平均旋翼诱导速度、机身阻力比、旋翼固体度、空气密度和旋翼盘面积;vi表示无人机i的速度。
3.根据权利要求1或2所述的基于无人机协作波束成形的高速动态通信多目标优化方法,其特征在于,在所述步骤二中,基于长短期记忆网络确定无人机的最优位置及无人机的最优激励电流权重,包括如下步骤:步骤1、随机初始化多个长短期记忆网络的网络参数以及第一目标函数和第二目标函数的权重向量,得到多个策略网络以及与策略网络相对应的权重向量,作为初始化种群;基于长短期记忆网络的强化学习算法对所述初始化种群中的策略网络进行迭代更新,所有更新得到的种群和初始化种群组成初代种群;
步骤2、采用性能缓冲区方法从所述初代种群中筛选出多个策略网络,得到第一种群;
步骤3、采用超平面方法对所述第一种群进行筛选,得到每个权重向量唯一对应的策略网络,作为第二种群;
步骤4、基于长短期记忆网络的强化学习方法对所述第二种群中的策略网略进行更新,并且根据第一目标函数和第二目标函数筛选出更新结果中的非支配策略网络,所述非支配策略网络的集合组成帕累托解集;
重复进行步骤4,直到达到最大迭代次数,得到最优帕累托解集;
步骤5、将用户的位置作为输入参数,利用所述最优帕累托解集中的策略网络输出无人机的最优位置及无人机的最优激励电流权重。
4.根据权利要求3所述的基于无人机协作波束成形的高速动态通信多目标优化方法,其特征在于,所述第一目标函数和所述第二目标函数权重向量为数组(a,b);
其中,a和b的取值条件满足a∈[0,1],b∈[0,1],且a+b=1。