文 | 曾少游

编辑 | 曾少游

前言

无人机的最佳高度是决定其服务的用户数量、可用速率和传输质量的重要因素。同时，最佳高度也会影响无人机的服务质量、延迟、功耗和飞行时间。一般来说，无人机可以分为高空平台和低空平台。

高空平台在较高的空中飞行，远离地面用户，而低空平台则更接近地面用户，并且能够快速移动。近期的研究表明，较高的飞行高度可以覆盖更广的地面用户，同时减少发射功率，提高覆盖效果。

如果无人机的高度没有适当调整，可能会导致路径损失增加，用户覆盖范围减少，可用速率降低，传输容量增加以及用户与无人机之间的距离加大。在确定无人机的最佳高度时，需要考虑不同场景下对无人机向用户提供服务速度的要求，以便为用户提供及时的服务。

实验材料与方法

在研究人员的研究中，提出了使用最佳高度来实现无人机的最大覆盖半径。研究人员通过将平均路径损耗与阈值进行比较，确定了最终的覆盖范围。当无人机飞行高度非常低时，阴影效应会减少发射器和接收器之间的视线，从而缩小覆盖半径。

这就是为什么研究人员建议在选择最佳高度时需要同时考虑距离和LOS概率的影响。另一方面，如果飞行高度非常高，虽然可以建立LOS连接，但发射器和接收器之间的距离较远会增加路径损耗并降低覆盖效果。

需要找到一个平衡点，即最佳高度最佳高度被定义为使可用路径损耗最大化的高度。为了找到最佳高度，作者首先根据最大平均路径损耗编写了一个隐式方程。

研究人员推导出了覆盖区域的半径与无人机高度之间的关系，并找到了临界点，以确定在不同环境下的最佳高度。在该研究中，找到最佳高度的计算时间为1.4785秒，相对于提出的方法来说，这是一个较长的处理时间，下图是系统型号。

根据国际电信联盟的分析，无人机的最佳飞行高度是平均路径损耗和无人机发射功率的函数。具体来说，如果无人机飞行高度较高，则平均路径损耗会增加，覆盖概率会降低，用户可用速率也会下降，而且无人机之间的距离会增加，这就要求传输功率相应增加。

如果降低发射功率，则可以得到更佳的飞行高度，为了确定最佳高度，研究人员需要找出平均路径损耗的最小函数。平均路径损耗与发射功率之间存在直接关系，找到使平均路径损耗，最小化的函数等同于找到使无人机发射功率最小化的函数。

通过测量海拔高度从1米到4500米的平均路径损耗函数，研究人员发现在初始阶段，平均路径损耗先减少后增加。为了避免路径损耗的增加，必须调整无人机的飞行高度。最佳高度是使平均路径损耗和无人机发射功率最小化的函数。

研究人员可以将最优高度问题转化为一个无约束优化问题。研究人员需要确定函数的类型，它可以是凸函数或者非凸函数。凸函数是指通过曲线上的任意两点绘制一条弦，该弦位于曲线的下方。否则，函数就是凹函数。

对于给定间隔h=[261,828]，根据绘制的平均路径损耗函数，高度值从4500到261到828再到4500，可以看出函数在该区间内是凸函数，并在其他点上是凹函数，优化问题的约束是要求高度在区间h=[261,828]内。

对于负的高度范围，平均路径损耗函数在区间h=[-1,-500]内是凸函数。然而，由于无人机不能飞行在负高度上，它仅基于正高度运动，所以研究人员只考虑正的高度范围。

当无人机决定调整高度时，它需要考虑到高度处理时间τPT。这个处理时间将对无人机的飞行时间产生影响，在移动过程中，无人机需要计算出最佳的高度，并考虑处理时间或延迟，以确保飞行效率和安全。

增加无人机的处理时间会导致无人机飞行时间的增加。因此，通过减少处理时间，可以缩短无人机的飞行时间。需要注意的是，飞行时间直接影响无人机的能源消耗，缩短飞行时间可以减少能量的消耗。

由于无人机的飞行时间与总延迟有关，增加处理时间也会导致延迟的增加，如果无人机花费更多的时间来处理任务，它需要等待更长的时间才能完成，从而延长了飞行时间，通过减少处理时间，可以降低延迟并缩短飞行时间，以提高无人机的效率和能源利用率。

无人机的能耗主要由通信能量和推进力两个部分组成。通信能量包括通信电路、信号处理和信号辐射/接收所需的功耗，研究人员将它表示为一个常数值Pc，单位是瓦特。

而推进力则用来维持无人机在特定高度上，并在需要时支持它的运动。推进力的大小通常取决于无人机的速度和加速度。为了更好地解释和分析，研究人员暂时忽略了由于无人机加速或改变高度时可能产生的额外能耗。

实验组总结与结论

假设研究人员已经通过GPS计算出了真实的高度，并将其存储在无人机的处理器内存中。这个数据集是通过测量得到的，具有很高的精度，范围从1到4500米。在确定最佳高度时，研究人员考虑了平均路径损耗和无人机发射功率这两个电信参数。

在模拟中，研究人员假设飞行持续时间为50秒，不考虑空气密度、风和电池放电电流等因素对高度的影响。如果考虑更长的飞行时间或特定天气条件，需要进行更多的优化研究。

飞行控制是由无人机处理器负责。研究人员首先使用黄金分割搜索算法自动计算出最佳高度，然后将其应用于无人机，使其达到计算得出的最佳高度。根据算法计算无人机最佳高度所需的时间非常短，消耗的电池电流也很少。

无人机的初始高度为515米，为了达到所需的高度并满足平均路径损耗条件，无需大量电池电流，只需要较高的加速度。研究人员可以看到最佳高度的计算过程。初始时，高度范围为261米到828米，并逐步缩小范围，直到算法找到满足最小平均路径损耗条件的最佳高度。

在23次迭代中，算法找到了最优高度为539.5米，对应的最小平均路径损耗值为279.56dB。整个算法的计算时间为0.03秒。在现有的方法和所提出的方法中，处理时间是一个重要的考虑因素。让研究人员来比较一下各种方法的处理时间。

由于无人机服务需要在指定的时隙和时间内完成，这个方法的处理时间太长了，不太适合实际应用。最佳高度是通过发射功率和平均路径损耗的导数来计算的，计算平均路径损耗到高度函数的导数需要5.557秒的处理时间。与其他方法相比，这个方法的处理时间最长。

最佳高度是通过使覆盖概率增加和Rician衰落通道中断概率降低来找到的。估计的处理时间为3.247秒，而所提出的方法相比其他方法更加高效，并且处理时间更短。根据图表显示，它的处理时间远低于其他方法，使得无人机服务速度更快。

处理器类型和内核数量可能对处理速度产生影响，但通常来说，处理速度主要取决于计算量。所提出的方法的计算量和响应速度远低于其他方法。下图是在现有方法中寻找最佳高度的处理时间。

在所提出的方法和其他方法中，需要考虑无人机飞行时间。根据图表数据，在没有停靠点的情况下，所提出的方法具有最短的飞行时间。在给定的原点位置yO=227.2457和目标点位置yD=599.4940的情况下，假设无人机的速度为每秒10米。

在所提出的方法和其他方法中找到无人机最佳高度所需的处理时间与总延迟之间的关系。这里假设路径上没有停靠点时。根据图表，增加处理时间会导致总延迟增加。每个处理时间增加1秒将导致总延迟增加。

由于所提出的方法中的无人机飞行时间和处理时间较短，因此所提出的方法具有较低的延迟。所提出的方法和其他方法中的无人机能耗。能耗为56kJ较低，而在所提出的方法中，能耗为53kJ，是四种方法中最低的。

增加无人机覆盖区域半径会导致平均路径损耗增加，对于10米的半径，平均路径损耗为240分贝。相比之下，对于1000米的半径，平均路径损耗为315分贝，显示了路径损耗的增加。

总结

减少最佳高度处理时间对无人机的飞行时间有着显著的影响。传统无人机的飞行高度通常由飞行控制系统根据航线和任务要求事先设置，并且调整飞行高度需要额外的时间。

如果无人机能够实时计算和调整最佳飞行高度，可以避免不必要的高度变化和飞行规划的时间浪费，减少最佳高度处理时间可以提高无人机的有效飞行时间，增加其任务执行能力。行高度的调整意味着对油门和动力系统的调整，而这些调整会消耗额外的能量。

如果无人机能够快速计算和优化最佳飞行高度，可以降低能耗并延长电池续航时间。特别是在长时间飞行或远程任务中，减少能耗对于提高无人机的续航能力，和执行任务的效率至关重要。

减少最佳高度处理时间还可以提高无人机的操作灵活性和响应能力。当无人机需要在飞行过程中快速变换高度时，较短的处理时间可以使其更加灵敏地适应环境变化或任务需求变化。无人机在遇到突发情况时能够更快地调整高度和飞行路径，提高安全性和任务完成率。

减少无人机的最佳高度处理时间对于提高飞行时间、降低能耗和提高操作灵活性都具有重要影响。通过优化飞行控制系统和运用实时数据处理技术，可以减少无人机的最佳高度处理时间，从而提高其飞行效率和任务执行能力。

这对于无人机在各个应用领域的发展和应用具有重要意义，例如航拍摄影、物流配送、农作物监测等。未来的研究应继续关注该领域的技术创新和改进，以实现更高效、经济和环保的无人机飞行。

参考文献

1. Khan, R. U., Chang, W. S., & Khizer, A. (2021). Real-Time Path Planning Algorithm to Minimize Energy Consumption for UAV using Genetic Algorithm. Electronics,

2. Li, Z., Zheng, H., Zhang, N., & Jiang, M. (2019). Energy-Efficient UAV Communication via Trajectory Optimization: Optimal Control Meets Deep Learning.

3. Li, S., Ke, H., Sheng, Y., & Hou, C. (2020). Energy-efficient altitude management for fixed-wing UAV under cloud services. Future Generation Computer Systems, 108, 79-87.

4. Ling, Q., Wei, J., & Sun, Y. (2021). Energy-Saving Altitude Adjustment Strategy for UAV based on Genetic Algorithm.

5. Xu, D., Lu, Z., Wang, H., & Xu, W. (2022). Energy-Efficient Altitude Adjustment for UAV Relay Communication System. Wireless Communications and Mobile Computing。