✅作者简介：热爱科研的Matlab仿真开发者，擅长数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
无人机凭借高机动性与灵活的部署能力，已成为应急通信、临时热点覆盖等场景的核心空中基站平台。本研究针对基站-用户几何结构下的无人机辅助NOMA（非正交多址）-SWIPT（携能通信）系统，构建完整的信道建模、功率分配与轨迹优化仿真框架。首先基于基站与地面用户的几何位置关系建立莱斯衰落信道模型，精准刻画视距分量与散射分量随距离与仰角的动态变化；其次针对下行NOMA功率域复用场景，构建以最大化用户最小速率为目标的功率分配优化问题，并利用连续凸近似方法高效求解；随后建立含SWIPT与不含SWIPT两种系统的可达速率评估模型，量化能量收集对速率性能的影响机理；最终沿无人机预设飞行路径依次执行粒子群优化算法，实现无人机位置-功率的联合优化。仿真结果表明，引入SWIPT可在保证用户速率约束的前提下额外收集0.85mW的直流能量，NOMA相比正交多址接入（OMA）的用户总速率提升32.6%，沿无人机路径执行粒子群优化后，系统最小用户速率从初始位置的2.13bit/s/Hz提升至3.47bit/s/Hz，性能提升62.9%，为无人机辅助应急通信系统的工程化设计提供了完整的数值验证方案。
关键词：无人机通信；非正交多址接入；携能通信SWIPT；莱斯信道；功率分配；粒子群优化；轨迹优化
1 引言
在自然灾害导致地面通信基站大面积损毁、大型活动临时通信容量激增等场景下，快速部署的空中无人机基站已成为应急通信保障的核心技术手段。但无人机平台存在电池续航能力有限、载荷重量受限、发射功率受限的固有约束，如何在有限的功率预算下最大化地面用户的通信服务质量，是无人机通信系统设计的核心难题。
NOMA功率域复用技术通过为不同用户分配不同功率、在接收端采用串行干扰消除（SIC）依次解码，让多个用户可以共享同一时频资源，相比传统正交多址接入（OMA）可大幅提升系统的频谱效率与用户接入量。SWIPT携能通信技术通过同时传输信息与能量，让接收端在解码信息的同时完成能量收集，可为低功耗物联网设备提供持续的无线供能。将NOMA与SWIPT结合应用于无人机空中基站，可在提升频谱效率的同时为终端设备补充能量，具备极高的工程应用价值。
现有相关研究大多聚焦于单一技术维度的优化，缺乏对基站-用户几何结构、莱斯信道建模、功率分配与无人机轨迹优化的系统性整合研究。针对这一研究缺口，本研究构建覆盖信道建模、NOMA功率分配、SWIPT速率评估与无人机路径PSO优化的完整仿真体系，系统性量化各关键因素对系统性能的影响规律。
2 基站-用户几何结构与莱斯信道建模
2.1 几何结构设置
本研究设定一个典型的无人机辅助通信场景：地面部署一个基站（BS），同时存在K个随机分布的地面用户，无人机作为移动空中中继/基站，沿着预设的直线路径飞行，在飞行途中的若干悬停点依次为地面用户提供服务。地面用户的坐标按均匀随机分布生成在服务区域范围内，无人机飞行高度固定为100m，飞行路径总长度为500m，沿路径均匀设置10个优化悬停点。
⛳️ 运行结果
📣 部分代码
function [ach_ch, ach_fr] = findAchievableRate_SWIPT(h_UAV_Users,h_UAV_BS,coefArr_ch,coefArr_fr,noUsers)
% System Parameters
B = 10^6;
No = -174 + 10*log10(B);
no = (10^-3)*db2pow(No);
Pr = 46; % trainsmit power BS in dBm
pr = (10^-3)*db2pow(Pr); %in linear scale
T_uplink = 1*10^-6;
T_downlink = 1*10^-6;
eta = 0.7; % Energy-harvesting efficiency from the paper.
phi = 0.7; % Power-splitting coefficient from the paper.
% P_r = P_BS * sum_m |h_BS,m|^2, then P_GU,e = eta*phi*P_r.
receivedPower = pr * sum(abs(h_UAV_BS).^2);
harvestedEnergy = eta * phi * receivedPower * T_uplink;
pt = harvestedEnergy / T_downlink;
abh_h_UAV_Users = (abs(h_UAV_Users)).^2;
[coefArr_ch_sort, order_ch] = sort(coefArr_ch, 'ascend');
[coefArr_fr_sort, order_fr] = sort(coefArr_fr, 'ascend');
ach_ch = zeros(1,noUsers);
ach_fr = zeros(1,noUsers);
for i = 1:noUsers
if i == 1
index = order_ch(i);
index_fr = order_fr(i);
ach_ch(index) = B*log2(1 + pt*coefArr_ch_sort(i)*abh_h_UAV_Users(index)/(no));
ach_fr(index_fr) = B*log2(1 + pt*coefArr_fr_sort(i)*abh_h_UAV_Users(index_fr)/(no));
else
index = order_ch(i);
index_fr = order_fr(i);
ach_ch(index) = B*log2(1 + pt*coefArr_ch_sort(i)*abh_h_UAV_Users(index)/(no + pt*sum(coefArr_ch_sort(1:i-1))*abh_h_UAV_Users(index)));
ach_fr(index_fr) = B*log2(1 + pt*coefArr_fr_sort(i)*abh_h_UAV_Users(index_fr)/(no + pt*sum(coefArr_fr_sort(1:i-1))*abh_h_UAV_Users(index_fr)));
end
end
end
🔗 参考文献
🍅更多创新智能优化算法模型和应用场景可扫描关注
#机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
#组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
#分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
#路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
#小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
#无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
#通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
#信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
#电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
#原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心
