认知无人机辅助边缘通信的能效优化

针对无人机辅助边缘通信中的频谱资源紧缺与无人机能量受限问题,研究了最大化该场景下无人机认知通信的能量效率问题.首先,构建了无人机辅助边缘节点的认知通信网络模型;其次,提出了一种最大化无人机能效的算法,通过联合优化无人机的认知通信感知时间、飞行速度和通信距离阈值,显著提升了无人机认知通信过程中的能效;最后,通过仿真实验对...     

小蜂窝网络中不活跃用户的最优能量效率资源分配方案

针对5G网络中因小区重叠覆盖区域的干扰问题,为缓解密集小蜂窝网络中移动用户的业务连续性,提高频谱资源利用率,进而最大化整个网络平均能量效率问题。该文提出一种基于不活跃用户的最优能量效率资源分配方案(EEI)。首先,该方案依据不活跃用户通知区域,建立以用户为中心的虚拟小区,小区内小蜂窝基站可协作为用户提供通信服务,提高用户通信质量,缓解小蜂窝同层干扰,减少切换信令开销。其次,基于Lyapunov优化理论,该方案将整体网络平均能量效率优化问题,转换为用户最优传输资源分配和最优功率分配两个子问题,在最大化系统平均能量效率同时保证系统队列稳定性。由于该文将原优化问题进行了松弛,所得结果是局部最优解,而不是全局最优解。仿真结果表明,该文提出的基于不活跃用户的最优能量效率资源分配算法,其系统能量效率优于对比算法而计算复杂度较高。     

基于深度强化学习的V2X频谱资源管理方法

针对车辆对一切(V2X)通信所面临的频谱稀缺问题，文章提出了一种深度强化学习方法对V2X频谱资源进行管理。首先，建立单个车辆对基础设施链路的V2X通信模型，结合频谱子带和传输功率等约束条件，构建优化问题以最大化V2X通信网络综合效率；其次，考虑到优化问题的非凸性，将其建模为马尔可夫决策过程；接着，引入基于竞争构架Q网络(Dueling-DQN)算法，以获得最优频谱子带选择和传输功率分配策略，使V2X通信网络综合效率最大化；最后，通过Tensorflow软件平台进行实验仿真，以验证所提方法的性能。实验结果表明，Dueling-DQN算法与其他算法相比，能够获得更高的链路性能和V2X通信网络效率。     

基于联合波束赋形的无人机辅助通信网络上行传输技术

无人机辅助通信网络可以对现有无线通信网络进行补充,改善通信系统性能以及覆盖服务范围,但无人机辅助通信过程中上行传输通信速率的提高仍面临着巨大的挑战.针对如何提高无人机辅助通信网络的上行传输通信速率问题,该文提出了一种基于联合波束赋形的无人机辅助通信网络上行传输技术.首先,对用户节点接收信号强度值进行伯努利粒子滤波,结合...     

IoT网络中基于多天线技术的无人机通信传输性能优化

为了提高无人机通信传输性能，研究了在物联网中结合多天线技术对无人机通信的上下行链路功率控制。采用可配置波束宽度和功率的阵列天线，对无人机通信的上行链路和下行链路的传输性能进行分析和优化。对于下行链路，提出一种基于地面传感器设备位置信息的自适应功率分配算法，通过研究地面传感器设备接收性能与无人机发射功率和相对位置之间的关系，分析无人机采用固定功率发射时地面传感器设备获得通信速率与其位置的关系，从而最大化下行链路的传输容量。同时针对实际工程需求，考虑覆盖范围内所有用户的服务质量，提出一种基于地面传感器设备位置的功率预均衡算法，从而获取良好的QoS。对于上行链路，考虑在频谱共享环境下的通信机制，提出一种基于地面传感器设备位置的非合作博弈功率控制方法，根据相对位置和最小通信速率需求设计效用函数，证明纳什均衡的存在性和唯一性。最后，针对提出的上下行链路功率控制优化算法，通过仿真结果验证了其正确性，有效保证了系统的传输性能。     

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。     

全双工辅助的无人机上行通信抗窃听物理层安全技术研究

针对无人机上行通信链路的窃听攻击,提出一种全双工协同干扰的安全传输策略。方案利用收发双方在数据传输不同阶段的信息差异以及掌握的先验信息特征,向待传输信号注入人工噪声信号,从而使窃听链路形成干扰受限系统。在发射功率、无人机的机动性等约束条件下,建立最大化系统保密速率的联合优化问题,基于交替优化方法和连续凸近似技术将非凸问题转化为两个子问题,并设计了一种迭代优化算法进行求解。仿真结果表明,所提安全传输方案与其他参照方案相比,能够显著提高全双工无人机中继通信系统的保密速率,表现出更好的性能。     

无线供电混合多址接入网络的最优能效资源分配研究

在能量受限的通信系统中，能量效率是衡量系统性能的关键指标.本文研究由一个基站和多个分簇用户组成的无线供电混合非正交多址接入系统.在该网络中，基站通过无线能量传输方式给用户供能，用户则利用收集到的能量向基站传输各自的信息.为降低基站的接收解码复杂度，用户采用分簇的方式进行信息传输：簇间用户的信息传输采用时分多址方式，而簇内用户的信息传输采用非正交多址方式.通过联合分配能量传输与信息传输的时间长度以及控制基站和用户的发射功率来实现网络能量效率的最大化.由于涉及的优化问题是非凸的，本文先通过寻找问题最优解的结构，然后根据分式规划理论，提出了一种新的迭代资源分配算法来求解该问题.仿真结果表明，与"吞吐量最大化策略"和 "固定时间分配策略"两种基准策略相比，所提出的算法显著提高了网络的能量效率.     

无人机通信网的网络协议研究

针对无人机通信网络分层管理的概念，研究了无人机通信网的链路性能分析方法，设计并实现了无人机网络的分层呼叫协议，在此基础上提出了一种基于整体链路性能最优的路由选择协议，以及网络节点的位置管理和切换管理方法。采用本文设计的网络协议，无人机通信网中各节点之间可以进行有效可靠的信息传输．并且对网络中每架UAV提供了位置管理、移动切换、呼叫选路等功能。     

多用户多载波无线携能通信系统的上下行联合资源分配

无线携能通信(SWIPT)技术是解决无线网络能量受限问题的有效方法,该文研究一个由基站(BS)和多用户组成的多载波SWIPT系统,其上行和下行链路均采用正交频分复用(OFDM)技术。在下行链路中,基站向用户同时进行信息与能量传输;在上行链路中,用户利用从基站接收的能量向基站回传信息。该文以最大化上下行加权和速率为目标,联合优化上行和下行的子载波分配和功率分配,提出基于拉格朗日对偶法和椭球法的最优联合资源分配算法。计算机仿真结果证实了该算法的有效性。     

能效最大化的无人机群三维部署策略分析

为了实现大规模随机分布的地面用户全覆盖,提出了基于系统能效最大化的无人机群三维(3D)部署方案,旨在满足用户QoS条件下实现用户“零冗余全覆盖”,同时优化无人机发射功率以提升系统能效。首先通过MCK(Modified Constrained K-means)算法优化无人机的二维平面部署;其次验证了无人机的垂直最佳高度存在且唯一,并且可以通过最小化路径损耗函数获得;最后利用CT(Constrained Threshold)算法优化无人机的发射功率。仿真结果表明,所提部署方案可以有效地优化多无人机的3D空间部署,大大提升系统的能量效率。     

多无人机协作的认知通信网络中能/谱效折中优化

在无人机（Unmanned Aerial Vehicle,UAV）认知通信网络中,其能量受限和通信高吞吐量问题备受关注。然而,能量效率（Energy Efficiency,EE）的提升可能会导致频谱效率（Spectrum Efficiency,SE）的下降。针对此问题,对UAV协作认知通信网络中EE和SE的折中优化进行了研究。首先,进行了感知时间、UAV通信的发射功率和判决门限各自对SE与EE两者的优化;其次,通过二分法求解使得EE和SE最大化的感知时间值,并通过穷尽搜索法分别求解感知时间、UAV通信的发射功率和判决门限对EE和SE折中优化问题的最优参数值。在此基础上,提出一种联合参数迭代优化算法,求解EE和SE的折中优化问题。仿真实验表明,SE和EE之间存在折中的权衡,并验证了所提优化方案的有效性。     

Energy-efficient data sensing and routing in unreliable energy-harvesting wireless sensor network

Energy-harvesting wireless sensor network (WSN) is composed of unreliable wireless channels and resource-constrained nodes which are powered by solar panels and solar cells. Energy-harvesting WSNs can provide perpetual data service by harvesting energy from surrounding environments. Due to the random characteristics of harvested energy and unreliability of wireless channel, energy efficiency is one of the main challenging issues. In this paper, we are concerned with how to decide the energy used for data sensing and transmission adaptively to maximize network utility, and how to route all the collected data to the sink along energy-efficient paths to maximize the residual battery energy of nodes. To solve this problem, we first formulate a heuristic energy-efficient data sensing and routing problem. Then, unlike the most existing work that focuses on energy-efficient data sensing and energy-efficient routing respectively, energy-efficient data sensing and routing scheme (EEDSRS) in unreliable energy-harvesting wireless sensor network is developed. EEDSRS takes account of not only the energy-efficient data sensing but also the energy-efficient routing. EEDSRS is divided into three steps: (1) an adaptive exponentially weighted moving average algorithm to estimate link quality. (2) an distributed energetic-sustainable data sensing rate allocation algorithm to allocate the energy for data sensing and routing. According to the allocated energy, the optimal data sensing rate to maximize the network utility is obtained. (3) a geographic routing with unreliable link protocol to route all the collected data to the sink along energy-efficient paths. Finally, extensive simulations to evaluate the performance of the proposed EEDSRS are performed. The experimental results demonstrate that the proposed EEDSRS is very promising and efficient.     

无人机短包通信中基于NOMA传输的安全性能分析

针对物联网（IoT）通信的低延时需求,为了保证数据传输的灵活性,本文构建一种基于短包传输的无人机（UAV）通信网络。由于非正交多址接入（NOMA）技术能够增加可服务的地面用户数量,故将该技术应用到无人机短包通信（UAV-SPC）系统中可以解决多用户的安全传输问题。与正交多址（OMA）技术相比,NOMA可有效提高用户接入公平性和频谱利用率,因此被广泛用于下行链路的通信传输。为解决复杂的安全传输问题,首先证明在功率和译码错误率约束的条件下,分别存在最优的功率分配,数据传输包长和系统传输比特数使目标用户的平均安全吞吐量最大。在此基础上,通过本文所提算法得到安全传输问题的优化解。实验结果验证了该算法的稳定性和可行性。此外,与基准方案相比,本文所提方案可有效降低短包传输的通信时延,提高系统中目标用户的平均安全吞吐量。     

主动干扰辅助下的无人机隐蔽通信功率与位置联合优化

利用友好干扰节点发送人工噪声是无线隐蔽通信中一种常见实现方法,可以增加监听者做出判断的不确定性,从而实现隐蔽传输。为此,考虑在无人机隐蔽通信网络中,部署一个空中的友好干扰节点,发射人工噪声干扰地面监听者的检测。对无人机与地面用户之间实现无线隐蔽传输进行了研究,分析了其有效隐蔽性能,联合优化了2架无人机的发送功率和位置部署以最大化隐蔽传输速率,使用粒子群优化算法与功率位置交替迭代算法2种优化方法得到最优的无人机部署位置及功率分配方案。仿真结果表明,联合优化方案相比于固定位置只优化功率的基准方案可以显著地提高系统隐蔽传输性能,且交替迭代算法所得结果要优于粒子群优化算法。     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

Neural network optimization for energy-optimal cooperative computing in wireless communication system

Thanks to the rapidly development of optimization algorithm, more energy can be saved in the communication system when executing an application. In recent years, allocating limited resources in a cooperative manner to maximize energy efficiency in emerging sensor networks has attracted a lot of attention. In this paper, a one-layer projection neural network subject to linear equalities and bound constraints is introduced and applied in mobile wireless sensor network to make it energy-efficient by reasonably allocating local and remote data sizes when processing an application within a certain period of time. Firstly, an optimal partition to minimize the total energy consumption of the local and helper sensor nodes is proposed. Then, the neural network model is described and the optimality and convergence of the proposed model are analyzed. Finally, some simulation results are given to show that the proposed algorithm is very effective to solve the energy efficient cooperative computing.     

基于认知无人机移动中继网络的物理层安全通信研究

针对无线频谱资源稀缺和空对地视距(Line of Sight,LoS)链路的安全隐患问题,提出了一种无人机.(Unmanned Aerial Vehicle,UAV)中继辅助的认知无线电网络(Cognitive Radio Network,CRN)安全传输方案,研究了在主用户和窃听者存在的情况下,次用户发射机向次用户接...     

基于协作非正交多址的无人机辅助卫星通信系统中断性能分析

针对无人机(UAV)辅助的卫星通信系统下行链路,该文研究了基于多天线波束成形和协作非正交多址(NOMA)技术相结合的多用户传输系统。首先,在UAV采用多天线和NOMA技术服务多个用户的情况下,基于用户平均信干噪比最大化准则,提出一种利用角度信息的波束成形方案。其次,在卫星-UAV链路服从相关阴影莱斯分布,而UAV-地面用户链路服从Nakagami-m分布的条件下,推导出系统的中断概率闭合表达式。然后,为了进一步分析系统性能,还推导了高信噪比条件下系统的中断概率近似表达式。最后,计算机仿真验证了理论分析的正确性和所提方案的优越性。