买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种无人机协作NOMA通信网络的能效最大化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116170824B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310065613.2，技术领域涉及：H04W24/02；该发明授权一种无人机协作NOMA通信网络的能效最大化方法是由万晓榆;杨雄清;王正强;樊自甫;多滨设计研发完成，并于2023-01-13向国家知识产权局提交的专利申请。

本一种无人机协作NOMA通信网络的能效最大化方法在说明书摘要公布了：本发明请求保护一种无人机协作通信的非正交多址接入技术NOMA网络能效最大化方法，属于NOMA网络资源分配领域，在用户服务质量、基站发射功率、无人机发射功率及飞行轨迹和解码顺序的约束下，最大化UAV协作通信的NOMA网络系统的能效。其创新之处在于，与传统无人机协作NOMA通信资源管理不同，本发明使用了强化学习的方式来进行资源分配，并且还考虑了实际硬件不理想因素对系统性能造成的影响。本发明采用深度Q学习方法、拉格朗日对偶以及二次变换等方法设计资源分配方案，本发明所提供的方法，相比于使用传统凸优化方法且只考虑无人机部署位置的方案，提供了系统能效以及无人机飞行轨迹的解决方案，更具实用性，且更易于移植去处理复杂场景。

本发明授权一种无人机协作NOMA通信网络的能效最大化方法在权利要求书中公布了：1.一种无人机协作NOMA通信网络的能效最大化方法，其特征在于，包括以下步骤： 步骤1、在存在硬件损伤的条件下建立一个无人机协作NOMA通信网络能效最大化模型； 步骤2、迭代优化对能效最大化模型进行求解，初始化无人机起点、终点位置以及其发射功率、解码顺序变量、基站位置以及发射功率、用户最小速率门限、基站功率分配系数、飞行周期大小； 步骤3、设置深度Q学习算法中环境的参数，将状态空间定义为{无人机的水平坐标、系统能效}、将动作空间定义{基站发射功率、无人机发射功率、无人机飞行方向、无人机飞行速度}、将奖励定义{系统能效}，其中无人机充当智能体； 步骤4、根据无人机的初始位置以及其功率、基站发射功率求解出解码顺序以及功率分配系数，并判断功率分配系数是否收敛，若已收敛则更新功率分配系数，否则重复该步骤直至结果收敛； 步骤5、输入无人机当前时刻的水平位置坐标、解码顺序、飞行方向以及速度、基站发射功率、步骤4收敛后的功率分配系数至深度神经网络，并对深度Q学习算法中的Q值进行更新； 步骤6、深度神经网络通过对样本的学习，输出当前时刻从环境中获得的奖励，并改变智能体状态到下一刻并更新基站发射功率，同时将学习后的样本存储在经验回放池中，对输出参数进行保存； 步骤7、判断无人机飞行周期是否结束，若未结束则转至步骤4，若已结束则先判断无人机飞行周期的平均奖励是否已经收敛，若已经收敛，则将步骤6记录的每个时刻的无人机位置进行轨迹绘制，同时输出每个时隙无人机的功率以及飞行速度、基站发射功率，若未收敛则转至步骤2直至收敛； 所述步骤1建立UAV协作NOMA通信网络能效最大化模型为： s.t. C1e:0≤αm≤1 C1l:quav[1]＝q0 C1m:quav[N]＝qF 该优化问题的优化变量为Pbs基站发射功率、Puav无人机发射功率、quav无人机的位置、V表示无人机的飞行速度、α表示功率分配系数向量；所考虑系统包括M个用户，且无人机飞行周期为N，无人机的最大飞行速度为Vmax，用t表示单独每一时刻，ηEE表示当前时刻t的系统能效，和分别表示基站和无人机的最大发射功率，αm、ak分别表示用户m、k的功率分配系数，Auav表示无人机的飞行高度，表示在t时刻从基站到无人机的信道功率增益，表示在t时刻从无人机到用户m的信道功率增益，φk,m是二元解码变量，表示在用户k端去解码用户m信号，同样的，φm,k和φm,m分别表示在用户m端去解码用户k的信号以及用户m解码自身的信号，其取值为0或1，其取值为1时表示用户m在解码自身信号时候需要将用户k的信号视为干扰，若为0时则表示用户m在解码自身信号之前可以先解码出用户k的信号，在解码自身时不需要考虑其带来的干扰，κbs,uav、κuav,m分别表示基站到无人机之间整体硬件损伤水平已经无人机到用户m之间的整体硬件损伤水平，σ2表示加性高斯白噪声功率，Pcom表示无人机用于进行通信的功耗，P0、Pi分别表示无人机在悬停状态下的旋翼的轮廓功率和感应功率，Utip表示无人机旋翼的速度，v0表示无人机在悬停时的平均转轴感应向量，d0表示机身拖曳比，ρ表示空气密度，s表示转轴坚固度，A表示旋翼旋转面积，q0表示无人机的初始位置，qF表示无人机最终的位置； 其中约束C1a为无人机在每个时隙内飞行的距离都不超过以最大速度直线飞行的约束，δ为每个时隙的长度，单位为秒，约束C1b为基站发射功率约束，约束C1c为无人机发射功率约束，约束C1d为功率分配系数和的约束，表示总和为1，约束C1e为单个约束都在0到1之间，C1f为每个用户的速率约束限制，C1g为用户m能够解码自身信息的约束，C1h为任意两个用户k，m必有一个能够解码另一个，约束C1i为解码变量的取值约束，约束C1j为当用户k到无人机的距离远于用户m到无人机的距离时，其能被用户m解码的约束，约束C1k表示无人机每个时隙飞行的距离等于该时隙长度乘该时隙速度的约束，约束C1l表示无人机起点位置的约束，约束C1m表示无人机终点位置的约束； 所述步骤4中，利用给定的无人机位置及其功率还有飞行速度、基站发射功率，对P1中的目标函数引入近似变量γm，则功率分配子问题可以重写为如下： s.t. C1a-C1m 可以发现近似变量γm对目标函数中信干燥比部分进行了近似，于是便引入了新的约束C2a，其表示引入的近似变量的上界为当前时刻t的原信干噪比；对于问题P2使用拉格朗日对偶法，将约束放至目标函数中处理，问题P2可以重写为如下： s.t. C1a-C1m μm表示第m项的拉格朗日乘子，对问题P3的目标函数关于μm求导并令其等于0，可得并代入P3目标函数每一项后，问题P3可以重写为如下： s.t. C1a-C1m 其中有 同样地，使问题P4对γm求导，并令其等于0，可得并代入P4目标函数每一项后问题P4可以重写为如下： s.t. C1a-C1m 其中对于任意的一项第m项有： 由于P4中目标函数fα，γ，t,V中的两项乘积项中的第一项在此处不包含功率分配系数变量α或者近似变量γ，因此不影响对于最优解的求取，在问题P5目标函数中，便可将其去掉，重写为如下： 在问题P5目标函数中存在一项分式和部分，对于该分式和部分采用二次变换处理，最终功率分配系数优化问题转化为标准凸优化问题，如下所示： s.t. C1a-C1m 其中 此时功率分配优化问题P6已是标准凸优化问题，采用内点法进行重复求解直至前一次与当前求解值相同时则为收敛，对功率分配系数向量α进行更新，否则继续重复求解问题P6直至收敛。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。