李培铭 周睿

摘  要：文章研究了无人机在公网频谱共享下的接入与干扰管理，通过联合设计无人机轨迹与数据传输调度以最大限度降低无人机的任务信息传输时间，设计中充分考虑了无人机实际飞行约束以及地面基站的计算能力约束。然而，联合无人机轨迹和信息传输所建模的问题是非凸的，通常难以求出最优解。为此，提出了一种高效的求解算法以获得高质量的解决方案。最后，通过数值仿真得出，相较于基准方案，所提方案的无人机任务完成时间大大降低。

關键词：无人机专网通信;频谱共享;资源配置;轨迹设计;干扰管理

中图分类号：TN929.5 文献标识码：A 文章编号：2096-4706（2021）18-0064-04

Abstract： This paper studies the access and interference management of UAV non-public network under spectrum-sharing. We jointly design the UAV trajectory and data transmission scheduling to minimize the UAV's mission transmission time， considering the UAV's flight constraints and the computation power constraints of ground base station. However， the formulated problem is non-convex and difficult to be solved optimally. As such， we propose an efficient algorithm to obtain high-quality solutions. Finally， numerical results show that the proposed design significantly reduces the mission transmission time as compared to benchmark schemes.

Keywords： UAV non-public network communication; spectrum sharing; resource allocation; trajectory design; interference management

0  引  言

随着通信技术的不断进步和制造成本的不断降低，无人机已经发展出越来越多的应用，例如货物运输、航空拍摄、救援搜索、通讯覆盖等业务[1-3]。目前无人机大都采用未授权频段进行通信，由未授权频段通信难以保障稳定性与可靠性。因此，无人机专网通信越来越成为工业界关注的发展趋势。5G-ACIA在发布的5G专网白皮书中阐述了专网的部署方式，其中与公网共享通信频谱是作为一种具有较大可行性的部署方式[4]。在频谱共享条件下，联网无人机与地面用户在上下行通信中会面临一定的通信干扰问题。对此，如何在保障地面用户通信质量的基础上提升联网无人机的通信性能是一个较为挑战的问题。文献[5]总结了应对联网无人机空地干扰的各种消除方法，其中文献[6]提出了一种基于无人机与基站协作调度的小区间干扰协调方法，文献[7]研究了一种本地干扰消除方法，其中地面基站可以先对无人机信号进行解码并消除产生的干扰以促进地面用户信息的解码。此外，文献[8-10]研究了一种协作干扰消除的方法，其中地面基站可将解码的无人机消息发送到附近的基站进而实现协作干扰消除，其需要通过回传链路实现数据共享。但这些先前的工作仅考虑了无人机停留在固定位置来设计对应的无线资源分配方案，忽略了无人机可控移动性的设计自由度。

利用无人机的可控机动性，轨迹设计给无人机通信性能提升带来了新的设计自由度。但是，无人机所具有的计算处理能力通常是受限的，如何对无人机端的计算任务进行有效处理也是一个开放性问题。相比于具有复杂衰落信道的地面用户，无人机在空中通常具有更强大且更可靠的视距（Line-of-sight， LoS）通信链路，且可以实现同时与多个地面基站相连。因此，无人机可同时连接多个地面基站以利用分布式的计算资源来完成其计算任务的处理。其次，传统移动边缘计算场景中移动边缘计算仅在固定的地面用户或是其连接的地面基站之间分配通信和计算资源[11]，考虑到无人机拥有三维可控的灵活移动性，可以通过联合设计其飞行轨迹以及与相关联的地面基站的调度等无线资源，更大程度地提升系统性能。基于此，本文研究通过无人机频谱共享专网通信将其计算任务传输至地面基站端进行处理的应用场景，由地面基站进行远程计算处理可以为无人机提供无缝通信和强大的算力支持，该应用是十分具有发展前景的。

1  系统模型

考虑无人机从初始位置飞行到终点位置，期间需要完成特定的计算任务，无人机在与公网频谱共享下利用专网通信将计算任务传输至地面基站进行执行。具体考虑服务于地面用户的多个地面基站以及一个联网无人机，其中和分别表示地面用户与地面基站的集合。假设无人机需要从固定的初始位置飞行到最终位置执行既定任务，在此期间需要通过将L个比特的计算任务卸载至地面基站进行远程处理。无人机采用正交频分复用协议将分割后的计算任务卸载至不同的地面基站，可用的正交资源块（Resource block，RB）由集合表示。将任务完成时间T离散化为等长的N个时隙，用集合 表示。

问题（P4.3）是非凸优化问题，我们采用基于连续凸近似（SCA）算法来得到有效的解决方案。由于凸函数的一阶泰勒展开是函数值的全局下界，可以将非凸约束近似为线性约束进行替换，转为凸优化问题进行求解。在每次迭代中，需要在给定的局部点下求解近似后的问题，再将其最优解作为下一次迭代的局部点。基于连续凸近似的更新最终可以收敛到问题（P4.3）的局部最优解。

通过利用求解问题（P4.1）、（P4.2）和（P4.3）来交替地更新无人机的轨迹{u[n]}、发射功率{pi[n]}、无人机传输速率{ri，k[n]}、以及无人机与地面基站的关联调度{αi，k[n]}和{βi，k[n]}。对于每次迭代，问题（P4）的最优值是单调非递减的且问题（P4）的最优值是有上限的，所提出的算法最终将收敛到至少一个（P4）的局部最优解。

最后，通过求解问题（P4），相应地检查可行性问题（P3）。通过将其与N上的二分法搜索相结合，可有效求解问题（P2）。所获得的问题（P2）的解通常是次优的，因此这对于问题（P1）也是次优的。

4  仿真结果

在本节，将通过仿真实验，验证所提出的联合优化算法在频谱共享场景下无人机计算任务卸载系统的性能。考虑两种基准方案，一是直飞，即无人机初始轨迹设定为以固定速度 从初始位置直线飞行到最终位置;另一种是连续悬停飞行，即无人机以最大速度Vmax连续飞到K个地面基站的顶部，并在每个地面基站上方悬停以进行高效的传输。其中，地面基站的访问顺序通过以最小化飞行距离的旅行商问题（Traveling Salesman Problem）来确定。

在仿真实验中，考虑K=4个地面基站分布于1×1 km2的区域内，考虑I=4个资源块且每个资源块地传输带宽为1 MHz，参考信道功率增益设为β0=-30 dB，噪声功率设为σ2=-60 dBm，路径损耗指数为α=2，无人机飞行高度为H=50 m，无人机最大飞行速度为Vmax=50 m/s，无人机最大发射功率为P=20 dBm，地面基站占用情况为ρi，k[n]=1，，地面用户mi，k[n]，接收到的功率假设恒为qi，k[n]|gi，k[n]|=-70 dBm，地面用户的最大干扰阈值为Γmax=-50 dBm。

假设每个地面基站的每个时隙最大处理能力都为fk= 2.5 Gbits，k∈K。图1展示了在不同传输数据量L下的无人机飞行轨迹。当L=100 Mbits时，无人机以最大速度从初始位置飞行到终点位置。当L=300 Mbits时，可以观察到无人机的迹偏离初始轨迹，并向地面基站1、2、3靠近，目的是为了获得更多地面基站的算力。当L进一步增加到800 Mbits时，无人机到达并悬停在所有地面基站的上方，并在地面基站1和2之间往返飞行。图2展示了任务完成时间T与传输数据量L的关系。可以观察到，随着传输数据量变大，三种方案的任务完成时间都相应地增加，且所提方案的性能要优于两个基准方案。此外，当传输数据量较小时（如L≤200 Mbits），直飞方案与所提方案所需任务完成时间是相同地，且都优于连续悬停飞行方案所需的任务完成时间。当L=300 Mbits时，连续悬停飞行方案与直飞方案之间的性能差距相应增大。当传输数据量进一步增加时，所提方案对比两个基准方案所实现的性能增益进一步增加。

5  结  论

本文针对频谱共享场景下无人机通信专网应用场景进行研究，考虑无人机最大速度和初始/终点位置约束以及地面基站计算能力约束，通过联合设计无人机轨迹与数据传输以最大限度减少无人机的计算任务完成时间。通过利用交替优化和连续凸近似技术，提出了一种高效的求解算法可获得问题模型的次优解。在仿真实验中，将连续悬停飞行和直飞作为基准方案，结果验证了所提方案可以显著降低无人机的任务完成时间。

参考文献：

[1] ZHENG Y，RUI Z，LIM T J. Wireless communications with unmanned aerial vehicles：opportunities and challenges [J].IEEE Communications Magazine，2016，54（5）：36-42.

[2] 矫阳.灾区通信中断怎么办 翼龙无人机移动公网基站来帮忙 [N].科技日报，2021-07-23（2）.

[3] 钟剑峰，王红军.基于5G和无人机智能组网的应急通信技术 [J].电讯技术，2020，60（11）：1290-1296.

[4] 5G-ACIA. 5G non-public networks for industrial scenarios （white paper） [EB/OL].（2020-05-25）.https：//5g-acia.org/wp-content/uploads/5G-ACIA_5G_Non-Public_Networks_for_Industrial_Scenarios_09-2021.pdf.

[5] MEI W D，ZHANG R. Aerial-Ground Interference Mitigation for Cellular-Connected UAV [J].IEEE Wireless Communications，2021，28（1）：167-173.

[6] MEI W D，WU Q Q，ZHANG R. Cellular-Connected UAV：Uplink Association，Power Control and Interference Coordination [C]//2018 IEEE Global Communications Conference （GLOBECOM）.Abu Dhabi：IEEE，2018：206-212.

[7] PANG X W，GUI G，ZHAO N，et al. Uplink Precoding Optimization for NOMA Cellular-Connected UAV Networks [J].IEEE Transactions on Communications，2020，68（2）：1271-1283.

[8] LIU L，ZHANG S W，ZHANG R. Multi-Beam UAV Communication in Cellular Uplink：Cooperative Interference Cancellation and Sum-Rate Maximization [J].IEEE Transactions on Wireless Communications，2019，18（10）：4679-4691.

[9] MEI W D，ZHANG R. Uplink Cooperative NOMA for Cellular-Connected UAV [J].IEEE Journal of Selected Topics in Signal Processing，2019，13（3）：644-656.

[10] MEI W D，ZHANG R. Uplink Cooperative Interference Cancellation for Cellular-Connected UAV：A Quantize-and-Forward Approach [J].IEEE Wireless Communications Letters，2020，9（9）：1567-1571.

[11] CHEN M，DONG M，LIANG B. Resource sharing of a computing access point for multi-user mobile cloud offloadingwith delay constraints [J].IEEE Transactions on Mobile Computing，2018，17（12）：2868-2881.

作者簡介：李培铭（1994—），男，汉族，广东汕头人，博士在读，研究方向：无线通信，无人机通信，凸优化理论在无线通信中的应用;周睿（1990—），男，汉族，河北沧州人，网络工程师，博士在读，研究方向：网络设计，建模优化算法。