基于强化学习的无人机基站轨迹优化研究

发布时间：2023-10-27 18:24

　　无人机(Unmanned Aerial Vehicle,UAV)是由使用者远距离操控或嵌入式系统操纵驾驶的飞机。无人机因为其体积小,灵活性高,部署方便等特点被广泛的应用。无人机在无线通信领域的应用主要被分为两类:一方面,无人机被认为是接入蜂窝网络进行通信的新型空中用户。另一方面,无人机被用作新的空中通信平台,如基站和中继等,通过提供数据访问来协助地面无线通信。随着无人机制造成本的不断降低和通信设备的小型化,在无人机上安装小型基站或中继设备使飞行的空中平台能够辅助地面无线通信变得可行。这些基站适合安装在具有中等有效载荷的无人机上。与传统的地面通信基站相比,无人机作为基站提供通信服务有很多优势,比如更好的信道条件,更灵活的部署方式等等。无人机基站的轨迹优化是无人机通信系统中的一个重要问题,因为无人机的位置直接影响信道环境以及与地面用户的相对距离。在实际情况中,无人机在部署时很难精确地知道移动用户的确切位置。此外,由于无人机所能携带的能量有限,无人机通信系统的表现通常大打折扣。因此,本文在没有地面用户准确位置信息的情况下对无人机基站的轨迹优化问题进行研究分析,并在此基础上提出并解决基于能量效...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景
    1.2 研究历史与现状
        1.2.1 无人机通信系统信道模型的研究现状
        1.2.2 无人机基站部署以及轨迹优化问题的研究现状
    1.3 本文的研究内容及所做的工作
    1.4 论文章节安排
第2章 无人机基站通信系统与强化学习算法
    2.1 引言
    2.2 无人机基站通信系统介绍
        2.2.1 无人机基站通信系统的结构
        2.2.2 无人机基站的空地信道模型
    2.3 强化学习介绍
        2.3.1 强化学习模型原理及基本要素
        2.3.2 马尔可夫决策过程
        2.3.3 强化学习经典方法
    2.4 本章小结
第3章 基于强化学习的无人机基站轨迹优化算法
    3.1 引言
    3.2 问题描述与建模
        3.2.1 系统描述
        3.2.2 接收信号强度模型
        3.2.3 无人机基站轨迹优化模型
    3.3 基于Q-learning的无人机基站轨迹优化算法
        3.3.1 Q-learning方法原理
        3.3.2 收敛性分析
        3.3.3 动作选择策略
    3.4 仿真与讨论
    3.5 本章小结
第4章 基于深度强化学习的无人机基站轨迹优化算法
    4.1 引言
    4.2 无人机能量消耗模型
    4.3 基于深度强化学习的无人机基站轨迹优化算法
        4.3.1 基于能量效率的无人机轨迹优化模型
        4.3.2 基于DQN的无人机轨迹优化算法
    4.4 仿真与性能评估
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3857037