摘要
无人机作为提供空中无线网络与通信的平台受到国内外学者的广泛关注。然而，视距（Line of Sight，LoS）占据主导的空地通信会对地面网络产生严重的干扰，导致地面设备之间的通信性能下降。传统的干扰抑制方法依赖于功率分配和轨迹规划，可能会造成无人机传输速率的下降和能耗的增加。因此，本文旨在研究一种无人机数据采集网络中基于协作波束成形（Collaborative Beamforming， CB）的干扰抑制方法，并针对单基站LoS信道和多基站概率LoS信道两种场景中的干扰问题提出相应的解决方案。 一方面，通过对目标基站的选取以及无人机的悬停位置和激励电流权重进行联合优化，本文将 LoS 信道模型下的单基站无人机数据采集场景中的干扰抑制问题建模为一个简单的干扰抑制多目标优化问题（Simple Interference Mitigation Multi-objective Optimization Problem，SIMMOP），以同时提高数据传输效率、减轻干扰影响和增加无人机网络寿命。 相应地，提出一种基于混沌的多目标多元宇宙优化算法（ Chaotic Multi-objective Multi-verse Optimizer，CMOMVO）。针对传统MOMVO算法只能求解连续优化问题特性，CMOMVO提出一种基于Sine混沌映射的解更新算子，以实现离散解维度的更新。此外，CMOMVO引入混沌初始化策略和基于混沌的参数更新策略，以增强初始解的多样性并平衡算法的探索能力与开发能力，从而提高算法的求解性能。仿真结果显示，CMOMVO可以有效地解决SIMMOP，并且在所有比较方法中优化性能最佳。 另一方面，通过对多个目标基站的数据传输顺序以及无人机的悬停位置和激励电流权重进行联合优化，本文将概率 LoS 信道模型下的多基站无人机数据采集场景中的干扰抑制问题建模为一个复杂的干扰抑制多目标优化问题（Complex Interference Mitigation Multi-objective Optimization Problem，CIMMOP），并证明该问题为NP难问题。 针对CIMMOP问题特性以及其解空间的复杂性，提出一种基于混沌的非支配排序遗传算法（Chaotic Non-dominated Sorting Genetic Algorithm-II，CNSGA-II）。通过引入混沌初始化算子、基于混沌的混合解交叉策略和基于混沌的混合解变异策略，以提高传统NSGA-II算法的初始解性能以及全局和局部搜索性能。此外， CNSGA-II提出一种基于淘汰机制的改进策略，以删除生成的无意义解，从而增强算法的收敛精度。仿真结果表明，CNSGA-II可以有效降低无人机对地面网络的干扰。
NETL