中睿通信规划设计有限公司 广东省广州市 510630
摘要：本文以无人机智能化部署工作为研究对象，对其在5G异构通信网络中的发展条件进行描述。通过介绍5G异构通信网络的基本模型，重点从协作部署、网络分配、映射计算、区域选择这四个方面，分析无人机智能化的部署方案，为相关研究与战略发展提供参考。
关键词：5G网络；无人机；智能化部署
引言
面向网络应用的无人机技术，已经经历了十余年的发展。信息化的时代环境中，5G通信手段逐渐成熟，并在持续深入的研究中，表现出了明显的技术优势，为了进一步扩大无人机技术的发展优势，必须将其智能化战略部署工作，与5G异构通信网络相接。在持续深化技术研究的基础上，形成完整且开放的发展空间，为无人机智能化部署带来新的成长动力。
一、5G异构网络无人机部署模型
5G技术属于超密集型的异构网络空间，其技术原理可以通过图1直观的表现出来。本文中所描述的5G网络模型，可以具体的分为单层或多层操作模式下的无人机设备。在每个无人机设备都在无线信号辐射范围R的条件下，代理可保证此区域内K个用户的正常信号服务[1]。通过对信号抵达率的分析，能有效的完成无人机设备的信号传导能力分析，并在全向天线的指导下，使无人机设备的高度阈值得到进一步的调整，并实现优化信号建设的目标。
图1 5G异构网络基本原理
在5G技术条件下建立起来的多层模型，可以将不同高度的无人机设备设置不同的功能性条件。使高层无人机发挥信号中转站的作用，增加低层无人机的连接效率，将其信号连接效果在高层“基站”的影响下得到显著的提升。虽然这一技术系统表现出明显的复杂性特征，但是在无人机设备有限的条件下，执行这种多层模型，可以有效地提高信息号的传输稳定性，并为设备负载能力的强化创造条件。在无人机单机载荷延迟的表达中，可以将载荷DL用公式表示出来：
DL=λ/ωlog（1+SIGN（x））×μ
然后，在对整个区域的负载条件进行计算，在分析不同区域需要信号数量的同时，将信号传输功率、天线特征约束、网络路径消耗、噪音条件等内容作为参考单位完成计算，最终得到地点X的用户频谱效率计算公式：
Se=ω（log2（1+SINR（X）/K））
但是，在分层系统不断复杂发展的过程中，用户体验也在发生着明显的变化，必须缩减低阈值用户的总数，才能达到优化用户网络连接体验的效果。
二、无人机智能化部署方案
（一）无人机协作性部署
协作性是无人机智能化网络部署方案中所独有的内容。在不依靠其它方法的条件下，无人机系统可以独立的进行战略部署工作。通过在不同需求区域之间的合作，更好的分析各区域产生的请求质量，并在智能化系统的引导下完成部署任务。当然，当出现网络连接失败或是单机缺失的问题时，代理也可主动转化为通信系统的中转站，从另一的角度发挥系统的协调作用。
无人机协作性功能是从“网络协商问题”中的“游戏理论”演化出来的。通过对代理的重新定义，将需求区域与熵值的问题控制在最小化的条件中，可以达到网络熵值约束的效果，并使两个熵值同步达到最小化状态。区域环境中的请求熵值，是从等待服务请求的需求区域中演化出来的。代理的熵值信息，可以通过无人机部署机群数量与所覆盖用户数量分析得出。在对网络熵值进行计算的过程中，必须对无人机与区域熵值进行确认，将最小化数值作为目标，达到提高网络结构稳定性的效果，使各无人机之间的协作性与容量条件得到改善。在此方法下，可以为低复杂性无人机群，在映射需求的高效协作处理上，提供合理且有效的解决办法。
（二）单机网络分配协商
网络协商机制，是在代理之间形成的沟通形式。在协商内容上，确定了对特定区域位置，用户请求内容的执行，并在分析用户过度需求的过程中，对区域作出定位，展现自身的功能价值。以熵的计算为基础，可以有效的优化代理之间的定位信息，并在执行网络协商的过程中，允许加入决定矩阵的计算方式，在代理定位与映射之间，针对特别需求区域进行最终决策。注意，用户协商机制属于系统程序，在内部系统的运算中完成分析。
全网络环境的熵值条件是网络协商的核心，如果熵值达到最小化状态，则网络覆盖趋向于最大化，两者表现出典型的反比例关系。由此证明，当网络的干扰条件增加时，用户体验的会明显降低，并最终导致区域内的等待服务请求在累积的过程中不断增加，扩大全网熵值，降低网络协商效率。在这种条件也会在代理与用户之间产生映射恶化发展的问题[2]。所以，在无人机与需求区域间的精确映射，可以有效的限制干扰影响，提高用户体验的同时，达到优化网络的效果。
（三）无人机的映射计算
“游戏理论”作为指导性内容，可以辅助完成无人机单机与机群的熵值计算，并在熵值计算的引导下，在每个代理的指令中形成差异化的熵值信息，完成机群整体中代理的区分，并在整体部署工作中发挥积极作用。由此，也为优化集群化管理创造了条件，使不同区组用户的请求能够得到快速响应，并提高用户的使用体验。
大多数用户的信噪比都可起到维护网络稳定的作用，在执行5G技术应用的过程中，用户体验的容量条件也发生了明显变化，相较于传统方法，增加了11%，而具体的其它数值变化，也如下表1所示。从表1中可以发现，5G技术条件下的执行方案，在各项性能指标上都得到了大幅度的改善。也因此说明了无人机熵映射计算的有效性，证明了5G技术在无人机智能化部署中的价值作用。
（四）需求区域控制选择
无人机群与需求区域映射的全过程计算方法，可以在优化无人机部署、提高协调性上起到积极作用。通过调整网络起始熵值的方法，将熵值条件最小的无人机单机指派给区域协作性的控制主导者。同时，将各种运行与计算的数据汇总到指导者手中，通过具体执行的发布，完成对全区域无人机设备的控制，使整体无人机智能化部署，能在一定的战略指导下进行，针对外部环境与形式的变化，设计战略内容，表现出高度机动性的技术特点。
全网络运行的条件下，涵盖了不同用户与服务请求的无人机群，可以在这种新规则的指导下，以最小熵值单机的信号为指导，更具协作性的完成统一部署下的信号内容，针对性的有效处理指定用户与请求。
总结
综上，5G移动通信网络环境中，在容量增加同时，区域覆盖范围逐渐扩大。在无人机智能化战略部署工作中，融入5G技术，可以有效的扩大网络覆盖范围与协作条件，使无人机获得更多的智能化支撑，在优化各项技术条件的基础上，为无人机控制者提供更加便捷的通信服务。以此达到无人机智能化部署网络通信水平，提升发展建设目标。
参考文献
[1]万菁晶,陆怡琪,田梦倩,等.面向5G无线通信系统中若干物理层技术探讨[J].太赫兹科学与电子信息学报,2018(06):962-969.
[2]李永亮,李许安,仝杰,等.面向全球能源互联网的天空地协同卫星通信网络架构[J].电信科学,2018,34(12):53-64.
论文作者:高钰明
论文发表刊物:《基层建设》2019年第3期
论文发表时间:2019/4/19
标签：无人机论文; 网络论文; 区域论文; 用户论文; 条件论文; 并在论文; 机群论文; 《基层建设》2019年第3期论文;