泊松点距离约束下无人机辅助地面应急网络覆盖性能研究

在用户数量激增的应急通信场景下,为保证地面用户的通信质量,提出了基于距离约束的用户自适应接入方案。首先采用泊松点距离约束策略(Poisson Point under Distance Constraint, PPDC)对无人机(Unmanned Aerial Vehicle, UAV)的位置进行建模,避免无人机区域重叠带来的干扰问题。其次,引入基站负载传输协议(Base Station Load Transfer Protocol, BSLTP),当接入基站的用户数量超过给定阈值时,超载用户由无人机提供服务。此外,分别分析了地面基站和无人机的覆盖性能,得到了系统整体覆盖概率,并研究了无人机高度、覆盖半径、激增用户密度对网络覆盖性能的影响。最后,通过仿真验证了理论结果的正确性,且所提部署方案能够有效提升网络覆盖性能。     

基于内容感知的无人机轨迹规划和资源分配联合优化方法

针对未来网络中激增的数据流量以及用户多样化的业务需求,利用无人机来辅助蜂窝网络为用户提供更好的服务。该文提出了基于内容感知的无人机轨迹规划和资源分配联合优化方法,在无人机上缓存热点内容,在满足用户内容需求的条件下,联合优化用户接入以及无人机飞行轨迹来最大化最小用户平均服务速率。由于所建立的优化问题具有非凸性,该文提出了一种块坐标下降的方法将原问题分解为两个子问题,并利用连续凸优化方法对问题进行求解。仿真结果表明,所提方法能够有效提升最小用户平均服务速率,提升网络深度覆盖水平。     

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。     

基于无人机集群智能自组网的典型协同应用

在迈向万物互联的6G时代过程中,网络服务范围逐渐扩大,网络业务量急剧增加,传统地面基站面临着无法实现偏远地区的网络全覆盖,难以支持局部地区突发的热点流量需求等挑战。在此情况下,无人机搭载存储、计算与通信等资源通过集群,利用合适的智能算法组建成高动态、可扩展、智能化的无人机集群网络作为地面基站的补充,协同完成网络服务任务。针对无人机集群为突发热点流量区域用户服务的场景,考虑无人机集群服务过程中无人机集群用户调度及路径规划、多无人机三维悬停位置部署及无人机网络智能管控架构三方面的协同应用,对各应用进行建模分析并介绍相应的智能优化算法以提高系统能量效率,所提的三方面应用以及智能优化算法为在实际场景中实现高能效的无人机集群智能自组网协同应用提供了有效参考。     

基于博弈论的多无人机覆盖策略研究

协同控制在许多复杂的无人机通信网络中得到广泛的应用,但无人机协同覆盖和无人机节能通信技术仍然具有挑战性。为解决节能通信场景下无人机区域覆盖的问题,提出了一种基于博弈论的多无人机覆盖策略。首先,采用集中分布式优化体系结构,将多维策略问题转化为覆盖最大化和功率控制,并通过博弈理论证明了两者都存在纳什均衡点;其次,采用基于空间自适应博弈的多无人机节能覆盖部署算法,进行了覆盖最大化和最优功率控制计算,保证了最优节能覆盖部署;最后,对模型进行仿真模拟,计算结果表明了该模型的有效性和可靠性。     

无蜂窝大规模MIMO中基于深度强化学习的无人机辅助通信与资源调度

无蜂窝大规模多入多出(MIMO)网络中分布式接入点(AP)同时服务多个用户,可以实现较大区域内虚拟MIMO的大容量传输;而无人机辅助通信能够为该目标区域热点或边缘用户提供覆盖增强.为了降低反馈链路负载,并有效提升无人机辅助通信的频谱利用率,该文研究了基于AP功率分配、无人机服务区选择和接入用户选择的联合调度;首先将AP...     

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。     

多无人机辅助通信中用户匹配与频谱资源联合优化方法

针对多无人机作为空中基站为地面设备提供临时服务的动态频谱分配问题，主要考虑无人机与地面用户匹配、子信道分配和功率分配三个方面。为了保证用户通信的公平性，在考虑频谱复用和共信道干扰的情况下，以最大化地面用户最小传输速率为目标，提出了一种用户匹配与频谱资源联合优化算法来解决上述混合整数非线性优化问题，通过聚类算法优化无人机与地面用户的最佳匹配，通过块坐标下降法迭代优化子信道分配和功率分配。仿真实验分析表明，提出的求解方法可以有效提升用户的传输速率，保证用户通信公平性。     

基于移动用户群的多无人机覆盖在线学习算法

地面移动用户群使得传统的静态无人机覆盖算法无法取得较好的效果,因此在综合考虑无人机的覆盖性能与功耗性能的基础上,采用动态多无人机方法,提出了一种基于最大奖励函数值的在线学习覆盖算法.该算法在空间建模无人机的运动方向后,以无人机收到的最大奖励函数值为激励函数,在线学习选择下一步的运动方向,确定下一步的运动位置.仿真结果表...     

多无人机辅助移动用户通信的功率分配和航迹优化

针对多无人机辅助移动用户通信的下行无线传输系统,提出了一种用户吞吐量最大化的多无人机发送功率和飞行航迹分簇优化方法。考虑每架无人机服务的用户分簇、发送功率分配和飞行航迹规划,构建了一个多无人机辅助多用户通信的吞吐量最大化问题。通过引入辅助变量和分离耦合变量的方法,将非凸问题分解为两个近似凸优化问题;再基于贪婪算法的思想和连续凸逼近方法,对两个近似凸优化问题进行迭代交替优化,得到原非凸问题的一个近似次优解。仿真结果表明,所提优化方法能够有效提高用户数据吞吐量。