无人机辅助反向散射通信计算任务卸载与资源分配

针对边缘计算网络中用户能量短缺问题，该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先，通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通信时间分配，构建最小化无人机总能耗优化问题。其次，利用交替优化算法，将原非凸问题分解为两个子问题，并通过连续凸逼近方法将原问题转化为凸问题进行求解。仿真结果表明，所提算法使得无人机能耗显著减少，且具有良好的收敛性。     

基于强化学习的智能超表面辅助无人机通信系统物理层安全算法

该文从物理层安全的角度出发研究了智能超表面(RIS)辅助的无人机(UAV) 3D轨迹优化。具体地说,当RIS辅助的UAV向地面用户进行无线传输时,通过联合优化RIS相移和UAV的3D轨迹来最大化物理层安全速率。然而,由于目标函数是非凸的,传统的优化技术很难直接求解。深度强化学习能够处理无线通信中动态复杂的优化问题,该文基于强化学习双深度Q网络(DDQN)设计一种联合优化RIS相移和无人机3D轨迹算法,最大化可实现的平均安全速率。仿真结果表明,所设计的RIS辅助UAV通信优化算法可以获得比固定飞行高度的连续凸逼近算法(SCA)、随机相移下的RIS算法和没有RIS的算法有更高的安全速率。     

基于通感融合的无人机预编码及飞行轨迹设计

无人机(UAVs)具有机动性强,低成本及易部署等特性,通过搭载通信及感知设备,支持通信与感知技术的高效资源共享,无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景,综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件,建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题,以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题,难以直接求解,将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题,并采用交替迭代法依次求解两个子问题直至算法收敛,其中,对于通信预编码设计子问题,提出一种基于迫零(ZF)算法的求解策略;对于无人机轨迹设计子问题,提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹,将无人机感知位置选择问题建模为加权距离和最小化问题,进而应用泛搜索算法优化确定目标感知位置,并设计基于ZF算法的通信感知预编码联合优化策略,以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。     

无人机辅助通信中基于用户轨迹的无线资源和航迹优化

近年来,将无人机应用在无线通信网络中来提高系统性能的研究越来越普遍。针对无人机辅助移动用户通信的下行无线传输系统,提出了一种基于用户轨迹的无人机辅助通信系统无线资源分配和航迹优化方法。根据已知的用户运动轨迹提前获取估计的大尺度信道状态信息,以最大化用户的最小平均速率为目标,建立了一个联合优化无人机通信带宽分配和飞行航迹优化的问题。该问题是一个非凸优化问题,要优化的变量之间存在非线性耦合,通过引入辅助变量和分离变量交替优化的方法,将原问题分解为2个可以求解的近似凸优化子问题,并利用连续凸逼近方法对2个子问题交替迭代优化,得到原非凸问题一个近似次优解。仿真结果表明,所提方法能够有效提高用户的平均数据吞吐量,在保证所有用户的通信质量的前提下提高无人机辅助通信的效率。     

多小区协作无人机通信感知一体化系统的资源分配

在通信感知一体化系统中,由于通信与感知两者的目的并不完全一致,这使得通信和感知之间的性能折中问题尤为关键。本文研究多小区协作联网无人机网络的通信感知一体化问题,其中基站作为通信感知收发器与无人机用户通信,同时估计感知目标的位置。基于此,联合优化多个基站协作发射功率控制以及无人机用户的轨迹来平衡感知和通信性能,在满足无人机用户的信干噪比需求和感知目标定位的克拉美罗下界需求基础上,最小化基站的能量消耗。该问题是一个非凸优化问题,通常难以直接进行求解。为解决该问题,本文提出基于交替优化的联合基站功率控制与无人机轨迹优化方案,分别利用半正定松弛技术和连续凸近似技术对基站功率控制和无人机轨迹进行优化设计。最后,实验仿真结果验证了所提联合优化方案的性能。      

基于非正交多址接入的网络切片联合用户关联和功率分配算法

为了满足网络切片多样化需求,实现无线虚拟资源的动态分配,该文提出在C-RAN架构中基于非正交多址接入的联合用户关联和功率资源分配算法。首先,该算法考虑在不完美信道条件下,以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传容量为约束,建立在C-RAN场景中最大化长时平均网络切片总吞吐量的联合用户关联和功率分配模型。其次,将概率混合优化问题转换为非概率优化问题,并利用Lyapunov优化理论设计一种基于当前时隙的联合用户调度和功率分配的算法。最后采用贪婪算法求得用户关联问题次优解;基于用户关联的策略,将功率分配的问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。仿真结果表明,该算法能满足各网络切片和用户需求的同时有效提升系统时间平均切片总吞吐量。     

面向空天地异构网络的边缘计算部分任务卸载策略

空天地异构网络作为一种新型网络构架,是未来6G实现泛在连接的关键支撑。该文提出一种面向空天地异构网络(SAGIN)的移动边缘计算部分任务卸载方案。首先,分析了低轨(LEO)卫星的覆盖时间。其次,联合考虑用户与无人机(UAV)匹配关联因子、任务分配、带宽分配、无人机计算资源分配以及无人机轨迹,旨在建立一个能耗最小化问题。最后,采用交替迭代优化算法,将原非凸问题分解为3个子问题,并利用变量替换和连续凸逼近方法将问题转化为凸问题进行求解。仿真结果表明,所提算法具有良好的收敛性能,并有效地降低系统能耗。     

无人机中继通信的轨迹与资源分配优化方法

为提高地面用户的传输速率以及保证公平性，在基站覆盖不到的偏远地区可利用无人机进行辅助中继通信。首先将无人机的轨迹控制与频谱资源分配建模成一个混合整数非线性规划问题；然后基于块坐标下降法，将联合优化问题解耦成信道分配、发射功率和飞行轨迹三个子问题以降低复杂度；最后提出基于继承的子信道迭代分配算法求解信道分配子问题，采用凸优化和连续凸近似法分别求解功率优化及飞行轨迹优化子问题。仿真结果表明，所提算法在保证地面用户公平性的同时，具有比基准策略更高的最小平均速率。     

基于智能反射面辅助的无人机中继系统安全通信方法

为了提高无人机中继系统的安全通信性能,解决无线信道受障碍物遮挡问题,该文提出一种基于智能反射面(IRS)辅助的无人机(UAV)中继系统安全通信方法。在所提方法中,通过联合优化UAV的位置、基站波束成形和IRS相移,最大化系统的最小保密速率。为了解决这个复杂的非凸优化问题,该文将原问题分解为UAV位置优化子问题、波束成形和IRS相移优化两个子问题。使用1阶泰勒展开处理优化问题中的非凸项,然后提出一种交替优化的算法进行求解。仿真结果表明该文提出的算法能提高系统的最小保密速率,并且具有良好的收敛性。     

基于全频谱共享的三维轨迹和功率优化方法

当前蜂窝系统频谱资源极度短缺,免授权频谱因而被建议在蜂窝系统中使用。无人机(UAV)的飞行轨迹和功率控制对频谱利用效率有重大影响。然而,基于频谱共享的3维轨迹和功率优化方法却鲜少研究。为此,该文首先提出一种全频谱共享方法,即无人机通过控制上行蜂窝用户和设备到设备(D2D)用户的发射功率,在不影响WiFi设备正常传输的前提下使用免授权频谱;同时无人机也能够在不影响其他下行蜂窝用户的前提下使用授权频谱。然后基于提出的全频谱共享方法,该文构建了无人机电池能量约束下的3维飞行轨迹和发射功率的联合优化问题。为了求解提出的复杂多变量耦合的非凸优化问题,该文采用块坐标下降和连续凸逼近方法将原问题转化为3维轨迹优化和功率控制两个凸优化子问题并迭代求解。大量仿真结果证明提出的基于3维轨迹和功率优化的全频谱共享方法能够显著提高频谱利用效率。     

对抗恶意无人机窃听的无人机通信系统三维航迹规划和功率控制

为应对恶意无人机窃听者对无人机通信系统带来的安全挑战,提出了一种基于物理层安全机制的无人机三维航迹规划和功率控制的协同优化方案。将航迹规划与功率控制建模为带约束的用户安全通信速率最大化问题,并将该问题分解为水平航迹规划、高度控制与功率控制三个子问题。采用连续凸逼近法将各个子问题转化为凸优化问题,通过迭代优化方式得到近似解。仿真结果表明,和二维航迹规划方案相比,该协同优化方案能有效提升用户安全通信的性能指标。     

无人机基站的飞行路线在线优化设计

针对离线的无人机(UAV)基站飞行路线设计无法满足随机的、动态的地面用户通信请求难题,该文研究了飞行路线在线优化设计算法。考虑单个无人机空中基站为两个地面用户提供无线通信服务,通过在线实时优化无人机的飞行路线实现最小化与地面用户的平均通信时延。首先,由于系统的无人机的状态和动作是连续的,将问题转化成一个马尔可夫决策过程(MDP);然后,把单次通信时延引入到动作价值函数中;最后分别采用强化学习中蒙特卡罗和Q-Learning算法来实现无人机的飞行路线在线优化。仿真结果表明,所提出的在线优化的平均时延性能优于“固定位置”和“贪婪算法”的时延计算结果。     

基于5G无人机通信的多智能体异构网络选择方法

摘 要：5G无人机通信网络和各种不同无线接入技术的结合使无线异构网络呈现多样化的发展趋势。然而，用户繁多且不同的业务请求对网络要求也不同，造成网络接入选择问题。提出了一种基于5G无人机通信的多智能体异构网络选择方法，将用户分为多个智能体，从用户端和网络端两个方面出发，将用户侧的时延和传输速率需求与网络侧的负载均衡需求综合考虑作为即时回报的相关参数，通过基于Nash Q-Learning的算法进行学习，得到异构网络环境下的网络选择决策模型。仿真结果表明，所提异构网络选择方法针对不同业务类型用户的需求均能选择合适的网络，同时均衡网络的负载，充分利用异构无线网络的资源。     

基于K-臂赌博机的多无人机空地网络动态资源分配方法

针对配置大规模MIMO的多无人机空地网络中的动态资源分配问题,从最大化系统吞吐量的角度出发,该文提出一种基于K-臂赌博机的强化学习算法联合优化多个无人机的用户选择与功率分配策略。首先根据地理位置对用户进行分簇,利用簇中心节点规划无人机飞行路径;其次在不考虑无人机之间端到端通信的情况下,将多无人机资源分配问题转化为相互独立的多个智能体强化学习问题;最后提出分幕式多智能体多状态K-臂赌博机算法来实现用户选择与功率分配的联合优化。通过将无人机每个时刻的位置索引定义为状态空间,从而使得无人机可动态适配自身位置及信道的动态变化。仿真结果表明,所提方案可根据环境状态变化自主智能调整资源分配策略,相比于已有方案能有效提升系统总吞吐量。     

Cooperative caching algorithm of UAV and user in UAV-assisted cellular network

Aiming at the problem of mass data content transmission and limited wireless backhaul resource of UAV in UAV-assisted cellular network,a cooperative caching algorithm for cache-enabled UAV and user was proposed.By deploying caches on UAV and user device,the popular content requested by user was cached and delivered,which alleviated the backhaul resource and energy consumption of UAV,reduced the traffic load and user delay.A joint optimization problem of UAV and user caching was established with the goal of minimizing user content acquisition delay,and decomposed into UAV caching sub-problem and user caching sub-problem,which were solved based on alternating direction method of multiplier and global greedy algorithm respectively.The iterative way was used to obtain convergent optimization result,and the cooperative caching of UAV and user was realized.Simulation results show that the proposed algorithm can effectively reduce user content acquisition delay and improve system performance.     

一种基于服务质量的多UAV容量优化方法

随着近些年来通信领域各种技术的高速发展,UAV因为其体积小、灵活性强、可快速部署等优点,越来越受到通信领域相关学者的青睐。同时,由于UAV在各个领域的应用逐渐增多,UAV网络的容量优化问题变得越来越重要。针对未来大规模用户的通信需求,提出了一种基于服务质量的多UAV容量优化方法。首先将服务质量设置为权重参数,联合用户调度、轨迹和功率分配,利用连续凸优化技术和块坐标下降算法,提出多UAV通信系统中的的容量优化算法。仿真结果证明该算法的收敛性,同时表明在相同条件下基于用户质量的多UAV容量算法能够使系统达到更高的平均传输速率。     

基于强化学习的无人机基站多播通信系统的飞行路线在线优化

针对无人机(UAV)基站(BS)多播通信系统的通信时延最小化问题,该文提出飞行路线在线优化算法.在该系统中无人机基站向多个地面用户同时发送公共信息,其中每次通信任务中地面用户位置是随机的.为了保证地面用户能够接收完整的公共信息以及考虑到无人机的能量有限性,该文以最小化无人机基站完成通信任务的平均时间为目标.首先将问题转...     

异构无线网络中新的成本感知网络切换方案

针对异构无线网络中用户希望通过较低的花费获取最满意的网络服务的需求,本文提出了一种以用户为中心的成本感知网络切换方案.首先,根据用户能够获取到的网络传输速率建立用户服务满足度模型,并结合归一化的网络费用,将网络切换问题转化为一个多目标优化问题.考虑到网络阻塞是由于大量用户同时选择同一个网络导致的,将这种背景下的用户决策行为转化为EI Farol酒吧问题,通过求解该问题纳什均衡状态下的用户获取网络服务的概率来得到用户服务满足度的期望值.最后,通过考虑用户服务满足度回报率将所构建的多目标优化问题转化为一个最大化问题.仿真结果表明本文算法能够提高网络总吞吐量,降低用户切换阻塞率,使网络负载更加均衡.     

基于深度强化学习的无人机辅助移动边缘计算系统能耗优化

近年来,部署搭载有移动边缘计算(MEC)服务器的无人机(UAVs)为地面用户提供计算资源已成为一种新兴的技术。针对无人机辅助多用户移动边缘计算系统,该文构建了以最小化用户平均能耗为目标的模型,联合优化无人机的飞行轨迹和用户计算策略的调度。通过深度强化学习(DRL)求解能耗优化问题,提出基于柔性参与者-评论者(SAC)的优化算法。该算法应用最大熵的思想来探索最优策略并使用高效迭代更新获得最优策略,通过保留所有高回报值的策略,增强算法的探索能力,提高训练过程的收敛速度。仿真结果表明与已有算法相比,所提算法能有效降低用户的平均能耗,并具有很好的稳定性和收敛性。