无人机使能通感一体化网络中的联合波形设计方法及装置

本发明涉及通信，特别是指一种无人机使能通感一体化网络中的联合波形设计方法及装置。

背景技术：

1、下一代无线网络（beyond fifth generation/sixth generation，b5g/6g）被视为将为众多新兴应用提供关键支持，从智能城市到增强现实，从自动驾驶到远程医疗，这些应用对于高速、低延迟、高可靠性的通信支持提出了挑战。通感一体化（integrated sensingand communication, isac）被认为是实现这一目标的有效方案之一，它将通信和感知功能融合在一起，为设备提供更全面、智能的信息获取和处理能力。然而，实现isac面临着一系列挑战，包括受阻的视距链路、障碍物影响以及环境动态性等。在这种情况下，利用无人机（unmanned aerial vehicle，uav）作为新型空中平台来实现isac功能具有巨大潜力。无人机可以灵活地穿越障碍物，高效地覆盖大范围的区域，并快速响应各种任务需求。优化波形设计成为实现无人机使能的isac系统中通信和感知系统性能提升的关键。通过合适的波形设计，可以同时提高通信的频谱效率、抗干扰能力和能量效率，以及提高感知的信号检测性能、抗干扰能力和泛化能力。这种综合优化可以实现更高效、更可靠和更智能的无人机任务执行，从而推动各种应用场景的发展和应用。对于无人机使能的isac系统领域的波形设计在学术界和工业界已成为热点问题。在isac中，发送波形的峰均比（peak-to-averagepower ratio，papr）不仅决定通信的可靠性，还影响了系统的功率效率和信号质量，从而影响了通信和感知这两个功能的准确性。与传统的通信/感知网络相比，isac系统需要考虑双重功能而不是单一功能。

2、现有的关于考虑papr的联合波形设计的工作主要集中在传统网络上。rahmatallah等人对如何解决papr约束进行了全面的回顾。在isac系统设计领域，更关注雷达子系统的空间波束形成，并考虑了通信和雷达指标的整合。在此基础上，wu等人尝试通过块逐步上界最小化（block successive upper bound minimization，bsum）技术来最大化雷达回波信噪比（signal-to-noise ratio, sinr），同时满足papr约束，cui等人采用了序列优化算法（sequence optimization algorithm，soa），cui等人采用了块坐标下降（blockcoordinate descent，bcd）方法。liu等人提出了一种新的方法，称为恒模设计，利用分支定界（branch and bound，bnb）技术，并考虑了雷达和通信指标。bazzi等人提出了一种专门用于isac波形设计的新算法，称为交替方向乘子方法（alternating direction multipliermethod，admm）。yang等人制定了一个非凸优化问题，旨在最小化下行多用户干扰能量，同时满足总功率、papr和doa估计的crb约束，并采用admm算法进行求解。wu等人采用基于admm的算法来解决isac系统中的papr问题。

3、然而，在无人机使能的isac中很少涉及考虑papr的波形设计。值得注意的是，在无人机使能的isac中，papr的重要性比传统的isac系统更为关键，这是因为无人机的能源资源有限，而对无人机设备的尺寸和重量也有严格的限制。高的papr意味着功率放大器需要更多的能量。因此，在无人机使能的isac中考虑papr的波形设计至关重要。

技术实现思路

1、为了解决现有技术存在的在无人机使能的isac中很少涉及考虑papr的波形设计的技术问题，本发明实施例提供了一种无人机使能通感一体化网络中的联合波形设计方法及装置。所述技术方案如下：

2、一方面，提供了一种无人机使能通感一体化网络中的联合波形设计方法，该方法由联合波形设计设备实现，该方法包括：

3、s1、构建无人机使能的isac系统模型。

4、其中，无人机使能的isac系统模型包括：mimo通信子系统模型和mimo雷达子系统模型；mimo通信子系统模型包括：无人机发射机以及多个用户，mimo雷达子系统模型包括：无人机发射机以及多个感兴趣目标。

5、s2、针对无人机使能的isac系统，制定考虑信号papr的通信和感知联合的波形设计问题；其中，波形设计问题的目标为在设定约束条件下最小化多用户干扰和波束模式不匹配的加权和；其中，设定约束包括功率约束、papr约束和波束方向图约束。

6、s3、采用多变量循环迭代交替方向乘子方法对波形设计问题进行求解，得到无人机使能通感一体化网络中的联合波形设计结果。

7、可选地，s1中的mimo通信子系统模型的发送信号如下式（1）所示：

8、（1）

9、式中，表示发送信号，表示用户数量，表示给第个用户的发送信号，表示矩阵的转置，表示复数集合，表示通信帧的长度。

10、可选地，s1中的mimo通信子系统模型的接收信号如下式（2）所示：

11、（2）

12、式中，表示mimo通信子系统模型的接收信号，表示从无人机到用户的基带等效信道，表示发送信号，表示下行用户的加性高斯白噪声。

13、将mimo通信子系统模型的接收信号重写为：

14、（3）

15、式中，表示重写后的mimo通信子系统模型的接收信号，表示用户处的携带信息符号的期望信号，。

16、可选地，s1中的mimo通信子系统模型的通信性能指标如下式（4）所示：

17、（4）

18、式中，表示通感一体化波形的峰均比，表示发送信号的峰值功率，表示发送信号的平均功率，表示的第个元素，，表示对发送信号进行向量化，表示复数集合，表示天线数量，表示用户数量，表示通信帧的长度，表示papr的门限值。

19、可选地，s1中的mimo雷达子系统模型的发射方向图如下式（5）所示：

20、（5）

21、式中， 表示mimo雷达子系统模型的发射方向图，表示探测角度，表示通信帧的长度，表示天线导向矢量，，表示的单位矩阵，表示从无人机到用户的基带等效信道，表示复数集合，表示用户数量，表示天线数量，表示发送信号，表示满足波形协方差矩阵。

22、可选地，s2中的波形设计问题如下式（6）所示：

23、（6）

24、式中，，表示给定的权衡雷达和通信性能的加权因子，表示mui的总能量，，表示从无人机到用户的基带等效信道，表示用户处的携带信息符号的期望信号，表示发送信号，表示与期望雷达方向图相匹配的波形模板，表示通信帧的长度，表示frobenius范数，表示功率预算，表示通感一体化波形的峰均比，表示papr的门限值，表示的共轭转置，表示满足的协方差矩阵。

25、可选地，s3中的采用多变量循环迭代交替方向乘子方法对波形设计问题进行求解，包括：

26、采用多变量循环迭代交替方向乘子方法，将波形设计问题分为优化发送信号以及优化与期望雷达方向图相匹配的波形模板进行求解。

27、其中，优化发送信号包括：

28、给定与期望雷达方向图相匹配的波形模板，令，，将波形设计问题转变为：

29、（7）

30、式中，表示给定的权衡雷达和通信性能的加权因子，表示从无人机到用户的基带等效信道，表示矩阵的转置，表示的单位矩阵，表示复数集合，表示用户数量，表示天线数量，表示用户处的携带信息符号的期望信号，表示与期望雷达方向图相匹配的波形模板，表示通信帧的长度，表示发送信号，表示frobenius范数，表示功率预算，表示通感一体化波形的峰均比，表示papr的门限值。

31、优化与期望雷达方向图相匹配的波形模板包括：

32、给定发送信号，将波形设计问题转变为：

33、（8）

34、式中，表示满足的协方差矩阵。

35、另一方面，提供了一种无人机使能通感一体化网络中的联合波形设计装置，该装置应用于无人机使能通感一体化网络中的联合波形设计方法，该装置包括：

36、构建模块，用于构建无人机使能的isac系统模型。

37、其中，无人机使能的isac系统模型包括：mimo通信子系统模型和mimo雷达子系统模型；mimo通信子系统模型包括：无人机发射机以及多个用户，mimo雷达子系统模型包括：无人机发射机以及多个感兴趣目标。

38、波形设计模块，用于针对无人机使能的isac系统，制定考虑信号papr的通信和感知联合的波形设计问题；其中，波形设计问题的目标为在设定约束条件下最小化多用户干扰和波束模式不匹配的加权和；其中，设定约束包括功率约束、papr约束和波束方向图约束。

39、输出模块，用于采用多变量循环迭代交替方向乘子方法对波形设计问题进行求解，得到无人机使能通感一体化网络中的联合波形设计结果。

40、另一方面，提供一种联合波形设计设备，所述联合波形设计设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述无人机使能通感一体化网络中的联合波形设计方法中的任一项方法。

41、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述无人机使能通感一体化网络中的联合波形设计方法中的任一项方法。

42、本发明实施例提供的技术方案带来的有益效果至少包括：

43、本发明实施例中，考虑了通信和传感联合波形的papr，并开发了一个非凸优化问题，以最小化无人机isac系统中用于通信的多用户干扰和用于传感的波束模式失配的加权和，该问题受到信号papr、发射功率和理想波束模式近似的约束。为了解决这样一个复杂的非凸问题，本发明提出了一种多变量循环迭代交替方向乘法。实验结果表明，考虑到papr，所提出的算法适用于无人机isac的波形设计。