无人机视频传输系统的通信能耗优化

1 问题提出

无人机（Unmanned Aerial Vehicles, UAVs）凭借其卓越的机动性和灵活部署能力，已广泛应用于空中基站，以支持与地面用户（Ground Users, GUs）之间的高质量无线通信连接。与传统地面通信网络相比，UAV能够提供更为优质的通信链路质量，并根据用户需求提供灵活的按需服务。UAV在多个领域具有重要应用，如天然气管道巡检、应急救援和火灾监控等，这些应用场景要求UAV与GUs构建高效的视频传输网络。

视频服务对数据传输速率和画面清晰度有严格要求，但由于视频数据量大且对传输连续性要求高，UAV的视频传输系统在服务质量（Quality of Service, QoS）和体验质量（Quality of Experience, QoE）方面面临更高的挑战。此外，由于UAV机载电池容量受限，飞行时间和任务执行时间受到较大约束，因此，如何在保证QoE和QoS的基础上有效降低UAV系统的能耗，成为亟需解决的重要问题。

为了确保UAV视频传输系统能够满足不同地面用户的服务需求，可以在UAV上配备多根天线，实现同时对多个用户的通信，并通过波束成形技术将信号精确引导至每个用户的最佳接收路径，避免信号干扰并增强信号强度，从而提升系统的整体性能和服务质量。

2 系统模型

a) 系统模型

基于旋翼UAV的空中视频监控系统由K 个单天线GUs和一架配备M x ×M y =M ≥2个均匀矩形阵列(Uniform Rectangular Array , URA)天线的旋翼UAV组成。UAV配备摄像头，从起点起飞并飞往目的地，在飞行过程中捕捉视频。随后，它利用多天线波束成形技术将视频信号传输给K 个单天线用户。

为减少因UAV频繁升降导致的能量消耗，假设UAV的飞行高度保持固定不变，设为恒定值H 0

。将UAV的总运行时间作为优化变量，记为T 。在任意时刻t ∈ 0,T 时，UAV的三维位置和速度可表示为q t =[ x u t , y u t , H 0] T∈R 3 ×1 ，其中*⋅* T 代表矩阵的转置操作。初始位置和目的地是预先确定的，k

的坐标为u k =[ x k , y k ,0] T, UAV与用户k 之间的三维距离和水平距离分别表示为

由于UAV处于高空位置，空对地通信信道不仅需要考虑直接路径，还必须考虑来自周围建筑物和物体的多重反射和散射。因此，我们采用了包含视距(Line-of-Sight, LoS)和非视距(Non-Line-of-Sight, NLoS)多路径分量的Racian信道模型如下:

KR为系数，表示LoS路径功率与NLoS路径功率之比。α1 为UAV-GUs链路的路径损耗指数，

，λ*=*c/ fc, c 为光速，fc 为频率。另外，表示LoS路径的贡献，可表示为:

b)视频流模型

我们将时刻t 时UAV分配给GUs的波束成形向量表示为。。

因此，GU k 在时刻t 的信噪比(signal-to-noise ratio, SINR)可以表示为

UAV与用户之间的可达速率为

为了避免视频再缓冲，引入了信息因果约束；即在任意时刻t ，只能在用户处播放已经接收到的视频数据，即

视频用户在时刻t 的视频质量是通过一个具有收益递减性质的对数函数来评估的，将时刻t 的视频速率变化评估为当前和时间平均播放速率之间的平方差，即.因此，我们将时刻t 的QoE定义为

其中λ 是一个积极的因素来平衡视频质量和视频速率变化之间的权衡。其中需要设置一个下限，以确保视频播放速率高于U min ，即满足以下条件:

C ）能量模型

UAV有限的电池容量限制了其飞行时间和传输能力。如何有效管理能源消耗对于空中视频传输至关重要。主要探讨旋翼UAV在飞行推进和通信过程中的能量利用问题。

假设UAV在固定高度运行，假设能够使我们忽略与垂直运动相关的能量消耗，仅关注水平飞行的能量消耗。在时刻t ，UAV的推进功率可表示为:

其中P 0( 1+ 3∥ v t ∥ 2 Ω2 r 2) 表示UAV克服空气阻力所消耗的基础功耗，P i( 1+ ∥ v t ∥ 4 4 v 0 - ∥ v t ∥ 2 2 v 0) 1/2 表示旋翼的诱导功耗，d 0 ρs**A r 2 ∥ v t ∥ 3 表示旋翼的驱动功耗。v 0 , Ω*,r* 分别代表旋翼的诱导平均速度、旋翼叶片的角速度以及旋翼的半径。

P 0 和P i 分别表示悬停状态下的叶型功率和诱导功率。d 0 ,s, A r ,ρ 分别表示机身阻力比、旋翼的鲁棒性、旋翼盘面积和空气密度。此外，UAV在时刻t 的发射功率可以表示为: 因此，UAV的总能耗可以表示为:

3 优化问题

问题（P1）中的约束条件1规定了UAV的起始和终止位置，约束条件2则限制了其速度，其中V max

表示UAV的最大速度。约束条件3确保在任意时刻t ，只能在用户处播放已经接收到的视频数据.约束条件（12）（13）分别对UAV的传输性能和视频播放速率提出了最低要求。

4 代码实现

参数初始化：
- num_users：设置用户数量。
- transmit_power_max 和 transmit_power_min：设定无人机最大和最小发射功率（单位：dBm）。
- distances：每个用户与UAV的随机距离（单位：米）。
- noise_power：假设的噪声功率（单位：瓦特）。
- frequency：信号频率（单位：Hz）。
路径损耗：使用自由空间路径损耗模型来计算每个用户的信号衰减。
信号-to-噪声比(SNR)和数据速率：根据路径损耗和发射功率计算每个用户的SNR，并使用Shannon公式计算数据速率。
约束条件 ：假设系统中有多个用户，每个用户与基站之间的通信链路受到噪声、路径损耗等因素的影响。我们的目标是通过调整各个用户的发射功率，最小化系统的总体能耗，同时确保每个用户的QoE需求（例如数据速率）得到满足。这个问题可以被建模为一个非凸优化问题 ，其中包括了关于发射功率的约束（功率非负，数据速率约束）和系统的总能耗目标。为了简化问题，我们使用 CVX （MATLAB的优化工具箱）来求解该非凸问题。(cvx工具箱安装教程：MATLAB中cvx工具箱的使用-CSDN博客)

Matlab 复制代码

% CVX工具箱需要预先安装

% 参数初始化
N = 10; % 用户数量
B = 1e6; % 系统带宽 (Hz)
R_min = 1e6; % 最低数据速率要求 (bps)
sigma2 = 1e-10; % 噪声功率 (W)
h = rand(1, N) * 10^(-3); % 每个用户的信道增益（随机值，单位：W）

% 用户间的距离 (单位：米) 用于计算路径损耗
distances = 100 + rand(1, N) * 100; 
% 计算路径损耗 (假设自由空间模型)
path_loss = 20*log10(distances) + 20*log10(2.4e9) - 147.55;

% CVX优化
cvx_begin
    % 定义优化变量：用户的发射功率 p_i (单位：瓦特)
    variable p(N) nonnegative; % 发射功率必须为非负

    % 定义SNR和数据速率
    snr = p ./ (sigma2 * h); % 计算每个用户的SNR
    rate = B * log2(1 + snr); % 计算每个用户的数据速率

    % 目标函数：最小化总能耗
    minimize( sum(p) ); 

    % 约束条件
    subject to
        rate >= R_min * ones(1, N); % 每个用户的数据速率必须大于等于最低要求
        p <= 30; % 每个用户的发射功率不超过30瓦特
        p >= 0.1; % 每个用户的发射功率不低于0.1瓦特（假设的最小功率）
        snr >= 1; % 确保SNR不低于1，避免过低的信号质量
cvx_end

% 输出结果
disp('优化后的发射功率 (瓦特):');
disp(p);
disp('每个用户的SNR:');
disp(snr);
disp('每个用户的数据速率:');
disp(rate);
disp(['总能耗: ', num2str(sum(p))]);

% 绘制优化前后的数据速率对比
figure;
bar(rate);
xlabel('用户编号');
ylabel('数据速率 (bps)');
title('每个用户的优化后数据速率');
grid on;

优化目标：根据每个用户的数据速率与最低要求进行对比，如果某些用户的速率低于最低要求，则调整其发射功率。
算法优化：优化部分采用了贪心方法，逐步调整功率，以确保每个用户的速率满足最低要求。也可以用更复杂的优化算法（例如粒子群优化、遗传算法等）
结果输出：计算并输出每个用户的SNR、数据速率、满足QoE需求的用户数量、总能耗。
优化后的结果：对功率进行调整后，重新计算优化后的数据速率和总能耗，并与原始结果进行对比。