Maximizing Connectivity of Uplink RIS-Assisted UAV Networks
Toronto Metropolitan University（多伦多都会大学）；University of Toronto（多伦多大学）
提出一种无人机定位与可重构智能表面划分方法，通过优化RIS辅助链路选择、RIS划分和无人机位置，以Fiedler值为指标最大化网络连通性，同时满足用户设备的SINR约束。
2026-06-11 cs.IT math.IT
3D UAV Trajectory and Communication Design for Simultaneous Uplink and Downlink Transmission
在本文中，我们研究了无人机（UAV）辅助的同时上行链路和下行链路传输网络，其中一个无人机作为传播者连接到多个接入点，另一个无人机作为基站（BS）从众多的传感器节点收集数据。本文的目标是通过联合优化3D无人机轨迹、通信调度和UAV-AP/SN发射功率来最大化UAV-BS和UAV-AP系统吞吐量之和。我们首先考虑一种特殊情况，其中UAV-BS和UAV-AP轨迹是预先确定的。虽然所得到的问题是一个整数和非凸优化问题，全局最优解是通过应用基于问题的隐单调结构的polyblock外近似（POA）方法。针对三维无人机轨迹优化的一般情况，提出了一种基于逐次凸逼近（SCA）技术的分区交替优化迭代算法。数值结果表明，所提出的设计是能够实现显着的系统吞吐量增益超过基准。此外，基于SCA的方法可以实现与基于POA的方法几乎相同的性能，但具有低得多的计算复杂性。
2020-06-13 cs.IT eess.SP math.IT
Uplink Cooperative Interference Cancellation for Cellular-Connected UAV: A Quantize-and-Forward Approach
空中-地面干扰是在具有传统地面用户和新的无人机（UAV）用户的蜂窝网络中实现高频谱效率的主要障碍。由于其与地面的强视距（LoS）信道，UAV在其上行链路/下行链路通信中可能对大量非关联但共信道的基站（BS）造成/遭受严重干扰。在这封信中，我们提出了一种新的合作干扰消除（CIC）的无人机的上行链路通信，以减轻其强干扰的同信道基站，这只需要每个同信道基站和它的相邻的帮助BS之间的本地合作。具体地，不服务于UAV的通信信道中的任何用户的帮助BS将它们从UAV接收到的信号转发到它们的辅助同信道BS，该辅助同信道BS然后处理量化信号及其自己的接收信号，以经由通过线性/非线性干扰消除技术（ICT）消除UAV的信号来解码其服务的地面用户的消息。我们推导出建议的CIC方案与不同的ICT作为无人机的发射功率和速率的函数的可实现的速率，从而揭示了条件下，建议的CIC方案优于现有的CIC方案的基础上的解码和转发（DF）操作的帮助BS。
2020-06-01 cs.IT eess.SP math.IT
Throughput Maximization for Full-Duplex UAV Aided Small Cell Wireless Systems
研究了全双工无人机辅助的小小区无线系统，其中无人机作为基站同时向下行用户发送数据和从上行用户接收数据。为了最大化包括上行链路和下行链路容量的总系统容量，交替地优化UAV轨迹、下行链路/上行链路用户调度和上行链路用户发射功率。由此产生的优化问题是混合整数和非凸的，这是具有挑战性的解决。为了解决这个问题，利用块坐标下降法和逐次凸逼近技术。仿真结果表明，与其他设计相比，我们的设计可以实现显着的容量增益。
2019-12-10 cs.IT eess.SP math.IT
Uplink NOMA for Cellular-Connected UAV: Impact of UAV Trajectories and Altitude
本文考虑了一种新兴的蜂窝连接的无人机（UAV）架构的监视或监控应用。我们考虑的情况下，蜂窝连接的空中用户设备（AUE）周期性地发送在上行链路中，与给定的数据率的要求，而沿着给定的轨迹移动。为了有效的频谱使用，我们使并发的上行链路传输的AUE和地面用户设备（TUE），采用功率域空中-地面非正交多址接入（NOMA），同时占AUE的已知轨迹。为了表征系统性能，我们开发了一个分析框架来计算速率覆盖概率，即，AUE和TUE的可实现数据率超过各自目标速率的概率。我们使用我们的分析结果，以数字方式确定的最小高度，AUE需要飞，在每个传输点沿给定的轨迹，以满足一定的服务质量（QoS）的约束，为各种AUE目标数据率和不同的建成环境。具体而言，结果表明，AUE的最小高度取决于它的距离BS的AUE沿着给定的轨迹移动。我们的研究结果突出了在蜂窝连接的无人机系统AUE轨迹建模的重要性。
2019-10-30 cs.IT eess.SP math.IT
Power Allocation for Uplink Communications of Massive Cellular-Connected UAVs
蜂窝连接无人机（UAV）在学术界和工业界都引起了极大的研究兴趣。为了支持现有蜂窝网络中的空中用户设备（UE），一种有前途的方法是将系统带宽的一部分专门分配给UAV-UE。这对于利用大量UAV-UE的使用情况尤其有利，例如，用于仓库附近的包裹递送。虽然近视距（LoS）信道可能导致接收到更高的功率，但无人机在同一频带内可能会对彼此造成严重干扰。在这方面的贡献，我们专注于大规模蜂窝连接的无人机的上行链路通信。基于连续凸近似（SCA）原理，提出了不同的功率分配算法，以最大化最小频谱效率（SE）或最大化总体SE来应对严重干扰。其中一个挑战是，UAV可能影响大的区域，这意味着在优化问题中必须考虑更多的UAV-UE，这与地面UE的优化问题本质上不同。单载波上行链路传输的必要性进一步使问题复杂化。然而，我们发现，大的相干带宽和相干时间的传播信道的特殊属性可以被利用。在全缓冲传输模式和突发业务模式下，通过大量的仿真对所提出的算法的性能进行了评估。实验结果表明，该算法能够有效地提高上行链路的信噪比。这项工作可以被认为是处理具有优化功率分配的大规模蜂窝连接的UAV-UE之间的干扰的第一次尝试。
2023-02-26 cs.IT eess.SP math.IT
Throughput Maximization for UAV-Enabled Wireless Powered Communication Networks
研究了一种基于无人机的无线供电通信网络，该网络中无人机作为移动接入点周期性地为一组地面用户提供服务。UAV采用射频（RF）无线功率传输（WPT）在下行链路中对用户进行充电，并且用户使用所收集的RF能量在上行链路中向UAV发送独立信息。与具有固定AP的传统WPCN不同，UAV使能的WPCN可以通过轨迹设计结合无线资源分配优化来利用UAV的移动性，以最大化系统吞吐量。特别是，我们的目标是最大限度地提高上行链路的共同（最小）吞吐量在一个有限的无人机的飞行期间，所有地面用户之间，其最大速度约束和用户的能源中立的约束。由此产生的问题是非凸的，因此很难得到最优解。为了解决这个问题，我们首先考虑一个理想的情况下，无人机的最大速度限制，并获得最优解放松的问题。最优解表明，对于下行链路WPT，UAV应连续悬停在有限数量的地面位置上方，以及对于上行链路通信，UAV应连续悬停在每个地面用户上方。接下来，我们考虑具有UAV的最大速度约束的一般问题。在此基础上，提出了一种高效的连续悬停飞行轨迹设计方法，并结合上下行无线资源分配，应用交替优化和连续凸规划（SCP）技术，提出了一种局部最优解.数值结果表明，建议的无人机使WPCN实现显着的吞吐量增益比传统的WPCN与固定位置的AP。
2018-10-09 cs.IT math.IT
Large-Scale Rate-Splitting Multiple Access in Uplink UAV Networks: Effective Secrecy Throughput Maximization Under Limited Feedback Channel
无人机能够提高下一代无线系统的性能。具体而言，无人机可用作空中基站（UAV-BS），用于支持偏远未覆盖地区或临时需要高容量的环境中的合法地面用户。然而，它们的通信性能容易受到信道估计错误和潜在窃听的影响。因此，我们调查的有效保密吞吐量的无人机辅助上行链路，其中速率分裂多址接入（RSMA）是由每个合法用户的安全传输下的大规模访问的情况下。为了最大限度地提高有效的网络保密吞吐量在上行链路中，传输速率与功率分配的关系制定为一个最大-最小优化问题，依赖于现实的不完美CSI的合法用户和潜在的窃听者（Eves）。然后，我们提出了一种新的变换相关的概率约束解耦的变量，使我们的设计问题可以通过交替激活相关的块坐标体面的规划来解决。在所考虑的模型中，每个用户向UAV-BS发送两个消息的叠加，每个消息具有不同的发送功率，并且UAV-BS使用SIC技术来解码接收到的消息。考虑到问题的非凸性，它被解耦成一对子问题。特别是，我们推导出每个用户的最佳速率分裂分数的封闭形式的表达式。然后，在给定每个用户的最优速率分裂分数的情况下，利用SPCA规划计算每个用户在ε约束下的发射功率。
2022-09-26 cs.IT eess.SP math.IT
Joint Uplink-and-Downlink Optimization of 3D UAV Swarm Deployment for Wireless-Powered NB-IoT Networks
研究了一种基于全双工正交频分多址（OFDMA）的多无人机无线供电物联网（IoT）网络。在本文中，首先在三维（3D）中部署一群无人机，以同时为所有设备充电，即，下行链路（DL）计费时段，然后飞到该区域内的新位置，以在若干个时期中经由OFDMA从调度的设备收集信息，这是由于窄带IoT中可用的信道的潜在有限数量，即，上行链路（UL）通信时段。为了最大化物联网设备的上行吞吐量，我们联合优化了无人机群的上下行3D部署，包括设备-无人机关联、调度顺序和上下行时间分配。特别地，在研究该问题时，考虑了设备的DL能量收集（EH）阈值和UAV的UL信号解码阈值。此外，根据传感器和无人机的位置，研究了视距（LoS）和非视距（NLoS）信道模型。通过对物联网调度策略的研究，还考虑了NB-IoT中潜在的有限信道问题的影响。研究了两种调度策略：近优先（NF）策略和远优先（FF）策略。结果表明，NF方案优于FF方案的总和吞吐量最大化，而FF方案优于NF方案的系统公平性。
2020-08-07 cs.IT eess.SP math.IT
Base-Stations Up in the Air: Multi-UAV Trajectory Control for Min-Rate Maximization in Uplink C-RAN
在本文中，我们研究了无人机（UAV）的轨迹对地面用户的频谱效率（SE）的影响。假设到用户的视线路径很强，从所有用户到所有UAV的距离影响在线轨迹优化的结果。应当以随着时间的推移使公平率最大化的方式来设计轨迹。这意味着，UAV在最大化用户SE的最小值的方向上行进。从自由空间路径损耗信道模型，计算数据速率梯度，并用于引导无人机在一个长期的角度来看，在二维空间网格上的局部最优解。因此，设计了一种控制系统的实现方案。因此，UAV遵循数据速率梯度方向，同时与梯度方法相比具有更平滑的轨迹。该系统可以在线对用户位置的变化做出反应;该系统设计通过中央单元处的联合处理来捕获多个UAV轨迹之间的交互，例如，地面基站。由于用户位置的广泛分布，UAV最终位于彼此相距很远的最佳位置。此外，SE预期在沿着这一轨迹移动的同时不断增强。
2018-11-26 cs.IT eess.SP math.IT
Adaptive Decoding Mechanisms for UAV-enabled Double-Uplink Coordinated NOMA
提出了一种适用于无人机上行非正交多址通信的自适应解码机制。具体地说，考虑到恶劣的无人机环境，地对地链路是经常不可用的，所提出的ADM克服了传统的UL-NOMA系统的性能是敏感的发射机的统计信道状态信息和接收机的解码顺序的挑战性问题。为了评估ADM的性能，我们推导出系统中断概率（OP）和系统吞吐量的封闭形式的表达式。在性能分析部分，我们提供了实用的空对地和地对空信道的新表达式，同时考虑到UL-NOMA中不完美的连续干扰消除（SIC）的实际实现。此外，所得到的表达式可以用来描述各种系统的OP混合伽玛（MG）分布为基础的衰落信道下。接下来，我们提出了一个次优的基于梯度下降的算法，以获得功率分配系数，导致最大的吞吐量相对于每个位置的无人机的轨迹。为了确定所提出的ADM在非平稳环境中的意义，我们认为地面用户和无人机移动根据随机航路点移动（RWM）和参考点组移动（RPGM）模型，分别。文中还给出了距离分布的精确公式。数值结果表明，ADM增强的NOMA不仅优于正交多址接入（OMA），但也提高了性能的无人机使能的UL-NOMA，即使在移动环境中。
2023-03-09 cs.IT eess.SP math.IT
UAV-Aided Wireless Communication Designs With Propulsion Energy Limitations
本文研究了无人机辅助无线通信系统，其中无人机在感兴趣区域上空飞行时支持多个地面节点的上行通信。在该系统中，考虑了UAV处的推进能量消耗，使得UAV的速度和加速度不应超过某个阈值。我们制定的最小平均速率最大化问题和能源效率（EE）最大化问题，通过联合优化的轨迹，速度和加速度的无人机和上行链路发射功率在GN。由于这些问题是非凸的一般，我们采用逐次凸逼近（SCA）技术。为此，适当的凸逼近的非凸约束，并提出迭代算法收敛到局部最优点。数值结果表明，所提出的算法优于基线计划的两个问题。特别是对于EE最大化问题，所提出的算法表现出约109%的增益超过基线计划。
2018-01-09 cs.IT math.IT
Full-Duplex Aerial Communication System for Multiple UAVs with Directional Antennas
基于无人机的无线系统，如无线中继和遥感，引起了学术界和工业界的极大关注。为了实现这些目标，连接无人机和地面站的高性能无线空中通信系统是关键的推动因素之一。然而，仍然存在阻碍其发展的问题，例如无人机之间严重的同频干扰，以及无人机的有效载荷/电池寿命有限。为了应对这些挑战，我们提出了一种空中通信系统，该系统能够实现多个无人机的系统级全双工通信，其硬件复杂度低于理想的全双工通信系统。在所提出的系统中，每个信道被重新分配给一对UAV的上行链路和下行链路，并且每个UAV将一对分离的信道用于其上行链路和下行链路。利用无人机的机动性以及无人机和地面站所配备的高增益定向天线的优势，消除了复用相同信道的无人机之间的同频干扰，因此该系统不需要专门的消除器。给出了系统设计和性能分析，仿真结果与设计结果吻合较好。
2022-02-01 cs.IT math.IT
Supporting UAV Cellular Communications through Massive MIMO
在这篇文章中，我们提供了一个急需的无人机蜂窝通信的研究，重点是无人机下行链路命令和控制（C&C）信道可实现的速率。对于这个关键的性能指标，我们执行一个现实的比较现有的部署在单用户模式和下一代多用户大规模MIMO系统。我们发现，在大数据流量下的单用户部署中，以50米、150米和300米飞行的无人机分别仅在35%、2%和1%的情况下实现了3GPP设定的100 kbps的C&C目标速率。由于减轻的干扰、更强的载波信号和空间复用增益，大规模MIMO时分双工系统可以显著增加这种概率。事实上，我们表明，无人机高度高达300米的目标速率是满足大规模MIMO在74%和96%的情况下，有和没有上行链路导频复用信道状态信息（CSI）的收购，分别。另一方面，UAV的存在会显著降低地面用户的性能，其导频信号容易受到UAV产生的污染，并且需要通过上行链路功率控制来保护。
2018-02-05 cs.IT math.IT
UAV-Sensing-Assisted Cellular Interference Coordination: A Cognitive Radio Approach
空中-地面干扰抑制被认为是实现蜂窝连接无人机（UAV）通信的主要挑战。由于视距（LoS）占主导地位的空中-地面信道，与地面用户相比，UAV在其上行链路/下行链路通信中的大得多的区域上产生/遭受到/来自蜂窝基站（BS）的强得多的干扰。因此，传统的小区间干扰协调（ICIC）技术迎合地面网络变得无效，在减轻更严重的无人机引起的干扰。为了应对这一新的挑战，这封信介绍了认知无线电为基础的解决方案，将无人机和地面用户作为次要和主要用户在网络中，分别。特别地，具有地面BS/用户的LoS信道赋予UAV强大的频谱感测能力，用于在比其服务BS大得多的区域上检测地面信号。通过利用这一独特的功能，我们提出了一种新的无人机传感辅助ICIC设计的无人机下行链路和上行链路通信。具体地，UAV分别在其服务BS处可用的资源块（RB）上感测其接收到的干扰和地面用户在下行链路和上行链路中的传输，以帮助其向UAV的RB分配，从而避免对同信道地面通信的干扰。数值结果表明，所提出的无人机辅助ICIC优于传统的地面ICIC从事相邻BS的合作。
2020-01-31 cs.IT eess.SP math.IT
UAV Communications with WPT-aided Cell-Free Massive MIMO Systems
无蜂窝（CF）大规模多输入多输出（MIMO）是一种很有前途的解决方案，为无人机（UAV）通信提供一致的良好性能。在本文中，我们提出了无人机通信与无线功率传输（WPT）辅助CF大规模MIMO系统，其中从下行链路WPT收集的能量（HE）用于支持上行链路数据和导频传输。我们推导出新的封闭形式的下行链路HE和上行链路频谱效率（SE）的表达式，考虑到无人机的硬件损伤。还考虑了与当前的小小区（SC）和蜂窝大规模MIMO使能的WPT系统的UAV通信以进行比较。重要的是表明，CF大规模MIMO分别实现了比SC和蜂窝大规模MIMO高2倍和5倍的95%可能上行链路SE。此外，大规模衰落解码接收机协作可以降低地面用户的干扰。此外，可以通过改变时间分裂分数来实现最大SE。我们证明了最大SE的最佳时间分裂分数是由天线的数量，高度和无人机的硬件品质因数。在此基础上，提出了三种提高SE的无人机轨迹设计方案。有趣的是，角度搜索方案的性能优于AP搜索和线路径方案。最后，仿真结果验证了我们的表达式的准确性。
2021-04-23 cs.IT eess.SP math.IT
Ultra-Reliable Device-Centric Uplink Communications in Airborne Networks: A Spatiotemporal Analysis
Cairo University（开罗大学）
本文提出了一种超可靠设备导向的空中网络上行通信方案，通过时空分析优化UAV与设备之间的连接性能，提升传输可靠性与能效。
2023-02-26 cs.IT eess.SP math.IT
Joint Altitude and Beamwidth Optimization for UAV-Enabled Multiuser Communications
在这封信中，我们研究了多用户通信系统，使无人机（UAV），配备了可调波束宽度的定向天线。我们提出了一个飞行悬停和通信协议，地面终端（GT）被划分成不相交的集群，依次由无人机服务，因为它悬停在相应的集群中心。我们共同优化无人机的飞行高度和天线波束宽度的吞吐量优化在三个基本的多用户通信模型，即无人机使能的下行链路多播（MC），下行链路广播（BC），和上行链路多址接入（MAC）。我们的研究结果表明，最佳无人机高度和天线波束宽度关键取决于所考虑的通信模型。
2017-11-07 cs.IT math.IT
Non-Orthogonal Multiple Access for Air-to-Ground Communication
本文研究了地空上行非正交多址（NOMA）蜂窝网络。一个旋翼无人机用户和多个地面用户由地面基站利用上行NOMA协议提供服务。无人机被调度以将特定信息比特上传到每个目标GBS。具体而言，我们的目标是通过联合优化无人机轨迹和UAV-GBS关联顺序，同时考虑无人机对非关联GBS的干扰，最小化无人机任务完成时间。所制定的问题是一个混合整数非凸问题，涉及无穷多个变量。为了解决这个问题，我们有效地检查的可行性制定的问题，利用图论和拓扑理论。其次，我们证明了最优无人机轨迹需要满足\emph{fly-hover-fly}结构。有了这个见解，我们首先设计了一个有效的解决方案，预定义的悬停位置，利用图论技术。此外，我们提出了一种迭代无人机轨迹设计应用逐次凸逼近（SCA）技术，这是保证覆盖到局部最优解。我们证明了这两种设计具有多项式时间的复杂性。最后，数值结果表明：1）基于SCA的设计优于基于飞-悬停-飞的设计; 2）与正交多址（OMA）方案相比，提出的NOMA方案显著缩短了无人机任务完成时间; 3）用户终端服务质量（QoS）要求的提高将增加无人机任务完成时间。
2020-05-23 cs.IT math.IT
Echo State Learning for Wireless Virtual Reality Resource Allocation in UAV-enabled LTE-U Networks
在本文中，资源管理的问题进行了研究的无线虚拟现实（VR）用户使用无人机（UAV）启用LTE-U网络进行通信的网络。在所研究的模型中，无人机作为VR控制中心，通过无线上行链路从VR用户收集跟踪信息，然后通过LTE-U下行链路将构建的VR图像发送给VR用户。因此，这种启用UAV的LTE-U网络中的资源分配必须联合考虑许可频带和非许可频带上的上行链路和下行链路。在这样的VR设置中，无人机可以动态地调整每个VR图像的图像质量和格式，以改变每个VR图像的数据大小，从而满足延迟要求。因此，资源分配还必须考虑图像质量和格式。这个以VR为中心的资源分配问题被公式化为非合作博弈，该非合作博弈使得能够联合分配授权和未授权频谱带，以及动态适应VR图像质量和格式。针对这一问题，提出了一种基于带漏积分神经元的回声状态网络（ESN）机器学习工具的学习算法。与传统的基于ESN的学习算法不同，该算法可以动态地调整ESN状态的更新速度，因此，它可以使无人机学习其相关的VR用户的连续动态。仿真结果表明，与使用LTE-U的Q学习和使用LTE的Q学习相比，所提出的算法在所有用户的总VR QoE方面实现了高达14%和27.1%的增益。
2017-08-02 cs.IT math.IT
Mobile Edge Computing via a UAV-Mounted Cloudlet: Optimization of Bit Allocation and Path Planning
无人机（UAV）最近被认为是在具有有限基础设施或没有基础设施的无线系统中向移动用户（MU）提供增强覆盖或中继服务的手段。研究了一种基于无人机的移动云计算系统，该系统通过赋予移动无人机计算能力，为本地处理能力有限的MU提供计算卸载机会。该系统旨在最小化总的移动能量消耗，同时满足卸载的移动应用的服务质量要求。卸载通过移动设备和UAV之间的上行链路和下行链路通信来实现，所述上行链路和下行链路通信借助于频分双工（FDD）经由正交或非正交多址（NOMA）方案来进行。联合优化上行链路和下行链路通信的比特分配以及在UAV处的计算的问题，以及在延迟和UAV的能量预算约束下的微云的轨迹，通过利用连续凸近似（SCA）策略来制定和解决。数值结果表明，可以通过所提出的联合优化的比特分配和微云的轨迹相比，本地移动执行，以及部分优化方法，只设计的比特分配或微云的轨迹，可以累计显着的节能。
2017-05-18 cs.IT cs.NI math.IT
UAV Trajectory, User Association and Power Control for Multi-UAV Enabled Energy Harvesting Communications: Offline Design and Online Reinforcement Learning
在本文中，我们考虑多个太阳能供电的无线节点，利用收集的太阳能传输收集到的数据到多个无人机（UAV）在上行链路。在这种情况下，我们共同设计无人机飞行轨迹，无人机节点通信协会，和上行链路功率控制，有效地利用收获的能量和管理同信道干扰在有限的时间范围内。为了保证无线节点的公平性，设计目标是最大化最差用户速率。联合设计问题是高度非凸的，并且需要瞬时能量状态信息（ESI）和信道状态信息（CSI）的因果（未来）知识，这在现实中是难以预测的。为了克服这些挑战，我们提出了一个离线的方法，基于凸优化，只利用平均ESI和CSI。该问题由三个凸子问题和逐次凸逼近（SCA）和交替优化来解决。我们进一步设计了一个在线凸辅助强化学习（CARL）方法，以提高系统的性能的基础上实时的环境信息。与传统的强化学习（RL）方法相比，提出了基于最优离线无人机轨迹的多无人机调节飞行走廊的思想，避免了无人机不必要的飞行探索，提高了学习效率和系统性能。通过计算机模拟验证了所提方法的有效性。所提出的CARL方法提供了25%和12%的改善最差的用户率在离线和传统的RL方法。
2022-07-21 cs.IT cs.NI math.IT
Experiment of Multi-UAV Full-Duplex System Equipped with Directional Antennas
实现各种基于无人机（UAV）的系统的关键使能器之一是连接许多UAV和地面站的高性能通信系统。针对区域信道中同频干扰导致的频谱利用率低的问题，提出了一种低硬件复杂度的频谱利用率全双工定向天线多无人机通信系统。本文利用无人机和地面站组成的原型系统进行了外场实验，验证了该系统的可行性和有效性，通过定向天线和无人机相对位置控制来消除无人机之间的同频干扰，而不是传统全双工系统中在无人机上使用消耗能量的专用自干扰消除器。测试了上行链路和下行链路的性能。特别地，在下行链路实验中，测量了一对两个无人机之间的干扰的信道功率时，无人机处于不同的位置关系。实验结果与设计结果吻合较好，证明了该系统可以大大提高系统的性能。
2022-11-04 cs.IT math.IT
Energy Trade-off in Ground-to-UAV Communication via Trajectory Design
无人机具有覆盖范围广、机动性强等特点，在提高无线通信系统性能方面具有巨大潜力。本文研究了一种无人机支持的数据汇集系统，其中无人机被派遣从固定位置的地面终端（GT）采集给定量的数据。直观地说，如果无人机飞得更靠近GT，则GT发送目标数据所需的上行传输能量可以减少得更多。然而，这样的UAV移动可能消耗UAV的更多推进能量，这需要被适当地控制以节省其有限的机载能量。因此，GT的传输能量减少通常是以UAV的更高推进能量消耗为代价的，这导致在地面到UAV（G2 U）无线通信中的新的基本能量权衡。为了描述这种权衡，我们考虑两种实际的无人机轨迹，即圆形飞行和直线飞行。在每种情况下，我们首先推导出无人机和燃气轮机的能量消耗表达式，然后找到最优燃气轮机发射功率和无人机轨迹，使它们之间达到不同的帕累托最优折衷。数值结果证实了我们的研究。
2017-09-09 cs.IT math.IT
Pilot Decontamination for Massive MIMO Network with UAVs
本文研究了地面用户和无人机共存的大规模多输入多输出（MIMO）网络中的导频污染（PC）问题。由于无人机与基站之间存在较强的视距（LoS）空-地信道，与传统的地面用户相比，无人机通常会导致更严重的PC问题。为了减轻由无人机引起的PC，我们提出了一种低复杂度的分布式方案，通过利用大规模MIMO基站的全维波束成形和它们与高空无人机之间的角度相关的LoS信道。仿真结果表明，该方法能够有效地消除导频污染，并能显著提高上下行链路的信干噪比。
2020-06-09 cs.IT eess.SP math.IT
Massive MIMO for Communications with Drone Swarms
我们说明了大规模MIMO与无人机（UAV）通信的潜力。我们考虑的情况下，多个单天线无人机同时与地面站（GS）配备了大量的天线进行通信。具体来说，我们讨论了可实现的上行链路（无人机GS）的能力性能的情况下，视线（LoS）的条件。我们开发了一个现实的几何模型，其中包括一个任意方向的GS和无人机天线元件的极化失配损失的特点，由于无人机的运动和方向发生。推导了具有估计信道状态信息的最大比合并接收机的各态历经速率下界的封闭形式表达式。对于均匀线阵和矩形阵，也确定了使UAV实现的遍历速率最大化的最佳天线间距。结果表明，当无人机是球形均匀分布在GS周围，遍历率每无人机最大化的天线间距等于半波长的整数倍。
2017-12-08 cs.IT math.IT
Optimal deployments of UAVs with directional antennas for a power-efficient coverage
为了在给定的地面区域中为用户提供可靠的无线上行链路，可以部署无人机（UAV）作为基站（BS）。在另一个应用中，可以使用无人机从地面上的传感器收集数据。对于这样的飞行BS的功率高效和可扩展的部署，可以利用定向天线来有效地覆盖任意2-D地面区域。我们考虑一个大规模的无线路径损耗模型与现实的角度依赖的方向性天线的辐射模式。基于这样的模型，我们确定了N个无人机的最佳三维部署，以最小化在给定的目标区域的用户的平均发射功率消耗。假设用户具有相同的发射机和理想的全向天线，无人机具有相同的定向天线，具有给定的半功率波束宽度（HPBW）和沿垂直轴对称的辐射方向图。对于均匀分布的地面用户，我们表明，无人机必须共享一个共同的飞行高度在一个最佳的功率效率的部署。我们还推导出封闭形式的渐近最佳共同飞行高度的$N$无人机的面积大小，数据速率，带宽，HPBW，和路径损耗指数。
2019-11-18 cs.IT math.IT
Cell-free Massive MIMO for UAV Communications
研究了无蜂窝大规模多输入多输出架构对无人机通信的支持。在一般假设的移动台，无论是无人机或地面用户，和接入点之间的传播信道遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差（LMMSE）信道估计。我们还提出了这样一个系统的功率分配和用户调度策略。我们的数值结果表明，无小区大规模多输入多输出架构可以提供比传统的多小区大规模多输入多输出网络部署更好的性能。
2019-02-10 cs.IT eess.SP math.IT
Energy Optimization for Cellular-Connected Multi-UAV Mobile Edge Computing Systems with Multi-Access Schemes
研究了一种蜂窝连接的无人机移动边缘计算系统，该系统通过地面基站（TBS）为多个无人机提供计算任务卸载服务。我们的目标是最小化无人机的总能耗，包括推进能量，计算能量和通信能量，同时确保无人机的总比特数被完全计算。为了解决大量的计算位，我们提出了一种资源划分策略，其中一部分任务迁移到TBS进行计算，另一部分任务在UAV本地计算。为了深入理解接入方式对系统性能的影响，我们考虑了上行链路传输中的四种接入方案，时分多址（TDMA）、正交频分多址（OFDMA）、一对一接入和非正交多址（NOMA）。在TBS能量预算下，联合优化比特分配、功率分配、资源划分以及无人机轨迹，并采用逐次凸逼近（SCA）技术进行求解。数值结果表明，与基准格式相比，所提出的格式节省了大量的能量。
2018-07-07 cs.IT math.IT
Joint Location, Bandwidth and Power Optimization for THz-enabled UAV Communications
研究了无人机辅助太赫兹无线通信系统中无人机的部署、功率分配和带宽分配问题。在所研究的模型中，一架无人机可以使用太赫兹频段为地面用户提供服务。然而，高度不确定的THz信道将给无人机定位、用户功率和带宽分配优化问题带来新的挑战。因此，有必要设计一种新的框架来部署无人机在太赫兹无线系统。该问题被形式化为优化问题，其目标是通过联合优化无人机的部署、每个用户的发射功率和带宽来最小化无人机与地面用户之间的上行链路和下行链路传输的总延迟。通信时延是应急通信的关键。针对这一非凸时延最小化问题，提出了一种交替算法，同时迭代求解位置优化子问题、功率控制子问题和带宽分配子问题。仿真结果表明，与仅优化无人机位置、带宽分配或发射功率控制的基准算法相比，该算法可将传输时延分别降低$59.3\%$、$49.8\%$和$75.5\%$。
2021-03-14 cs.IT math.IT
Ground-to-UAV Integrated Network: Low Latency Communication over Interference Channel
该研究提出首个地对无人机通信的信息论框架，通过推导信道容量紧上界、误差指数及优化无人机位置，揭示干扰下功率提升未必最优、存在最小时延高度，为低时延通信设计提供参数选择准则与基准。
2023-05-03 cs.IT eess.SP math.IT
Cellular-Connected UAV with Adaptive Air-to-Ground Interference Cancellation and Trajectory Optimization
针对蜂窝连接无人机的空对地同信道干扰问题，提出自适应干扰消除结合轨迹与资源联合优化的方案，通过交替优化和SCA算法求解，显著提升了无人机吞吐量。
2022-03-29 cs.IT math.IT
Power Control in Cell-Free Massive MIMO Networks for UAVs URLLC under the Finite Blocklength Regime
在本文中，我们采用了以用户为中心的（UC）无小区大规模MIMO（CFmMIMO）网络提供超可靠的低延迟通信（URLLC）时，传统的地面用户（GU）与无人机（UAV）共存。我们研究了利用部分迫零（PZF）发送/接收波束成形和最大比传输/合并时下行链路和上行链路的功率控制。我们考虑优化问题，其目标是最大限度地提高用户的总和URLLC率或最小用户的URLLC率。URLLC率函数是复杂的和非凸渲染所考虑的优化问题的非凸。因此，我们提出了两个近似的复杂URLLC率函数，并采用连续凸优化（SCO）来解决所考虑的优化问题。具体来说，我们提出了SCO与迭代凹下界近似（SCO-ICBA）和SCO与迭代干涉近似（SCO-IIA）。我们提供了广泛的模拟评估SCO-ICBA和SCO-IIA和比较UC CFmMIMO部署与传统的共址大规模MIMO（COmMIMO）系统。结果表明，采用SCO-IIA方案优化下行链路采用MRT的CFmMIMO系统的最小用户速率，上行链路采用PZF接收的CFmMIMO系统可以提供最佳的URLLC速率性能。
2022-12-04 cs.IT eess.SP math.IT
UAV Positioning and Power Control for Two-Way Wireless Relaying
本文考虑了一种无人机无线网络，其中中继无人机用于地面基站（BS）和一组远程用户设备（UE）之间的双向通信。无人机采用放大转发策略，在正交频段上进行双向中继。该算法在满足发射功率约束和无人机控制信道信噪比约束的前提下，联合设计无人机定位和所有节点的发射功率，以最大化上行链路和下行链路的总速率。制定联合定位和功率控制（JPPC）的问题有一个复杂的表达，由于双向传输的总和速率，是很难解决的一般。我们提出了一种新的凹代理函数的总和率，并采用连续凸逼近（SCA）技术获得高质量的近似解。我们表明，建议的代理函数有一个小的曲率，使SCA的快速收敛。此外，我们开发了一个计算效率高的JPPC算法，通过应用FISTA型加速梯度投影（AGP）算法来解决SCA问题以及投影子问题之一，从而在一个双循环AGP方法。仿真结果表明，所提出的JPPC算法不仅计算效率高，而且大大优于启发式方法。
2019-04-17 cs.IT math.IT
Performance Analysis and Optimization for the MAC Protocol in UAV-based IoT Network
无人机在空地一体化网络中发挥着重要作用。特别是在物联网（IoT）服务中，装备有通信设备的无人机被广泛采用作为移动基站（BS），用于从地面上的IoT设备进行数据汇集。在本文中，我们考虑了一个空-地网络，其中无人机直线飞行，以收集基于CSMA/CA协议的2-D平面上的物联网设备的信息。由于无人机的持续移动性，不同位置的设备与无人机的通信持续时间不仅是有时间限制的，而且彼此不同。为了分析上行链路多址接入控制（MAC）协议的吞吐量性能，提出了一种新的分析模型来处理网络中的通信异构性。首先，我们将覆盖范围内的设备根据其通信持续时间划分为不同的集群。然后，阐明指示设备在每个时隙退出UAV的覆盖范围的概率的退出概率。提出了一种改进的三维马尔可夫链模型，采用退出概率和聚类划分进行性能分析。此外，我们还提出了一种改进的CSMA/CA协议，该协议充分考虑了接入时间的异构性，并自适应地在不同簇中的设备之间分配时间资源。最后，在仿真部分讨论了重试限制、初始竞争窗口大小、设备密度、无人机速度和覆盖区域等因素对协议的影响。
2020-10-22 cs.IT math.IT
CoMP in the Sky: UAV Placement and Movement Optimization for Multi-User Communications
在无人机（UAV）技术最新发展的推动下，提出了一种新的\emph{coordinate multipoint (CoMP) in the sky}无线网络架构，以充分利用CoMP技术的干扰抑制优势和UAV的高移动性。具体而言，我们考虑在多无人机使能的多用户系统中的上行链路通信，其中每个无人机将其从所有地面用户接收的信号转发到中央处理器（CP）进行联合解码。此外，我们考虑的情况下，用户可能会在地面上移动，因此无人机需要调整自己的位置，根据用户的位置随着时间的推移，以最大限度地提高网络吞吐量。利用随机矩阵理论，我们首先在封闭形式的一组近似的上限和下限的用户的可达到的速率在每个时间情节下的一个现实的视线（LoS）信道模型与随机相位，这是非常紧密的分析和数值。然后，基于导出的界限来优化不同情节上的UAV放置和移动，以针对（当前和未来情节的）完整信息和关于用户移动的当前信息的两种情况，最大化所有情节上的用户平均可实现速率的最小值。有趣的是，它表明，每个无人机在任何特定的情节的优化位置是地面用户在当前情节的位置以及它自己的位置在前一个和/或下一个情节的加权平均值。最后，仿真结果提供了不同的实际应用场景下，验证和比较所提出的无人机布局和运动设计的性能。
2018-02-28 cs.IT math.IT
Robust Trajectory and Communication Design in IRS-Assisted UAV Communication under Malicious Jamming
在本文中，我们研究了一个无人机（UAV）的通信系统，其中地面节点（GN）与无人机通信的智能反射面（IRS）的辅助下，在干扰存在的不完善的位置信息。通过对无人机航迹、IRS无源波束形成和GN功率分配的联合鲁棒设计，提高了可达平均速率。然而，制定的优化问题是具有挑战性的解决，由于其非凸性和耦合变量。为了克服这个困难，我们提出了一个交替优化（AO）的算法来解决它的次优利用半定松弛（SDR），连续凸逼近（SCA），和S-过程的方法。仿真结果表明，通过在GN附近部署IRS，与基准算法相比，该算法能够显著提高上行链路可达平均速率，而在干扰源附近部署IRS仅在干扰源位置完全已知时有效。
2022-01-24 cs.IT eess.SP math.IT
Understanding UAV Cellular Communications: From Existing Networks to Massive MIMO
本文的目的是让读者及时了解无人机蜂窝通信，弥合3GPP标准化现状与更前瞻性研究之间的差距。特别强调的是下行命令和控制（C&C）信道的空中用户，其可靠性被认为是最重要的技术的无人机蜂窝通信的商业成功。通过对两种网络部署--当今蜂窝基础设施与下一代大规模MIMO系统--的实际并排比较，揭示了多个关键事实，其中三个主要事实总结如下：（i）UAV小区选择基本上由基站辐射图的副瓣驱动，导致UAV与遥远的小区相关联;（ii）在10 MHz带宽上，并且对于高达300 m的UAV高度，当用于信道估计的上行链路导频在基站站点之间被重用时，大规模MIMO网络可以在74%的情况下支持100 kbps C&C信道，并且在96%的情况下没有跨网络的导频重用;（iii）由于严重的飞行员污染，支持UAV C&C信道可能会大大影响地面用户的性能，除非有合适的功率控制策略。
2018-04-20 cs.IT eess.SP math.IT
Analysis of UAV Communications in Cell-Free Massive MIMO systems
我们研究支持无人机（UAV）通信通过一个无小区的大规模MIMO架构，其中大量的接入点（AP）部署在大的共址大规模MIMO阵列的地方。我们还考虑通过应用以用户为中心的关联方法，其中每个用户仅从网络中的AP的子集中获得服务的纯无小区架构的变化。在一般的假设下，移动台之间的传播信道，无论是无人机或地面用户（GUE），和AP遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差信道估计。我们考虑了几种功率分配和用户调度策略，这样的系统，而且，在这些，也最小速率最大化的功率分配策略，以提高系统的公平性。我们的数值结果表明，无小区的大规模MIMO架构及其低复杂度的以用户为中心的替代方案可以提供比传统的多小区大规模MIMO网络部署更好的性能。
2020-01-10 cs.IT eess.SP math.IT
Power-Constrained Trajectory Optimization for Wireless UAV Relays with Random Requests
本文研究了旋翼无人机作为中继站的自适应轨迹设计问题，该中继站位于一个圆形小区内，根据泊松过程随机产生上行数据传输，并与一个中心基站相连。我们寻求最小化预期的平均通信延迟，以服务的数据传输请求，受平均功率约束的无人机的移动性。该问题被描述为一个半马尔可夫决策过程，并表明该策略具有两尺度结构，可以有效地优化：在外部决策中，在开始通信阶段时，给定其当前半径，无人机选择目标末端半径位置，以便在平均长期通信延迟和功耗之间进行最优权衡;在内部决策中，UAV在起始半径和选定的结束半径之间选择其轨迹，以便最大限度地减少延迟和能量消耗以服务当前请求。数值计算表明，在等待阶段，无人机以最节能的速度在某个最佳半径上盘旋，直到收到新的请求。最后，预期的平均通信延迟和功耗的最优策略相比，几个启发式，表现出减少延迟超过50%和20%，分别相比，静态和移动启发式计划。
2020-02-28 cs.IT eess.SP math.IT
Robust Secure UAV Communications with the Aid of Reconfigurable Intelligent Surfaces
研究了一种新型的无人机安全通信系统，该系统利用可重构智能表面（RISs）实现无人机与地面用户之间的通信，而窃听者则倾向于窃听他们的信息。由于无人机的容量有限，RIS被应用于进一步提高安全通信的质量。无人机与地面用户之间的通信采用时分多址（TDMA）协议，即下行链路（DL）和上行链路（UL）通信。特别地，假设窃听信道的信道状态信息（CSI）是不完美的。我们的目标是最大限度地提高平均最坏情况下的保密率的鲁棒联合设计的无人机的轨迹，RIS的被动波束形成，和合法发射机的发射功率。由于联合上行下行优化问题的非凸性，其求解具有挑战性。为此，我们开发了一个有效的算法交替优化（AO）技术的基础上。具体地说，制定的问题被分为三个子问题，和逐次凸逼近（SCA），S-过程，和半定松弛（SDR）被用来解决这些非凸子问题。数值实验结果表明，与基准算法相比，该算法的平均保密率有了较大的提高，同时也验证了该算法的鲁棒性。
2021-04-28 cs.IT eess.SP math.IT
Securing UAV Communications via Joint Trajectory and Power Control
无人机通信以其低成本、高移动性和按需部署等优势，有望在即将到来的第五代无线网络中得到广泛应用。然而，空-地无线信道的广播和视距（LoS）特性对如何实现无人机与地面目标节点的安全通信提出了新的挑战。本文旨在通过应用物理层安全技术来应对这一挑战。我们考虑了无人机与地面节点的下行链路和上行链路通信，即无人机对地（U2 G）和地对无人机（G2 U）通信，分别受到地面上潜在窃听者的影响。与现有的文献相比，无线物理层安全只有地面节点在固定或准静态位置，我们利用无人机的高机动性，主动建立有利的和退化的信道，分别为合法和窃听链路，通过其轨迹设计。我们制定了新的问题，以最大限度地提高平均保密率的U2 G和G2 U传输，分别通过联合优化无人机的轨迹和发射功率的合法发射机在一个给定的飞行期间的无人机。虽然制定的问题是非凸的，我们提出了迭代算法来解决它们有效地应用块坐标下降和连续凸优化方法。具体地，发射功率和UAV轨迹各自被优化，而另一个以交替的方式被固定，直到算法收敛。仿真结果表明，与不进行功率控制和/或轨迹优化的基准方案相比，所提算法能够提高U2 G和G2 U通信的保密率。
2018-12-31 cs.IT math.DS math.IT
User Scheduling and Trajectory Optimization for Energy-Efficient IRS-UAV Networks with SWIPT
研究了无人机智能反射面（IRS）支持下的网络用户调度和轨迹优化问题。IRS通过同步无线信息和功率传输（SWIPT）技术供电。IRS增强用户的上行链路信号，以提高网络的寿命和能源效率。它同时利用非线性能量收集电路收集能量，并通过控制其反射系数和相移来反射入射信号。无人机的轨迹影响这些操作的效率。通过对用户调度、无人机轨迹/速度和IRS相移/反射系数的联合优化，使所有用户的最大能量消耗最小化，同时保证每个用户所需的最小数据率和IRS的最小收获能量。我们首先推导出一个封闭形式的解决方案的IRS相移，然后解决的关键问题的非凸性。最后，我们提出了一个交替优化（AO）算法来优化剩余的变量迭代。我们展示了几个基准的收益。例如，使用50个元件的IRS，最小-最大能耗可以低至0.0404（焦耳），比无IRS的情况（达到0.0435（焦耳））提高了7.13%。我们还表明，没有EH的IRS-UAV表现最好的IRS的电路功耗的成本（比没有IRS的情况下提高了20%）。
2022-09-12 cs.IT eess.SP math.IT
3-D Deployment of UAV Swarm for Massive MIMO Communications
我们考虑了多天线地面站和无人机群之间的上行链路传输。将无人机视为智能体，通过智能体探索无人机的最优三维（3-D）部署，最大化多输入多输出（MIMO）系统的信道容量。具体而言，考虑到每个无人机在访问网络的全局信息的限制，我们专注于一个分散控制的策略，注意到每个无人机群只能利用本地信息，以实现最佳的3-D部署。在这种情况下，优化问题可以被划分为关于秩函数的若干优化子问题。由于秩函数的非凸性质和优化子问题耦合的事实，原始问题是NP难的，因此不能用标准凸优化求解器来求解。有趣的是，我们可以放松每个子问题的约束条件，并通过制定无人机信道容量最大化博弈来解决优化问题。我们根据设计的奖励函数和势函数对这种博弈进行了分析。然后讨论了博弈中纯纳什均衡的存在性。为了实现MIMO系统的最佳纳什均衡，提出了一种分散式学习算法，即无人机分散式信道容量学习。文中给出了算法的细节，并对算法的收敛性、有效性和计算复杂性进行了分析。此外，我们给出了一些有见地的意见的基础上的证明和理论分析。仿真结果表明，所提出的学习算法能够利用局部信息优化无人机群的三维部署，从而获得较高的MIMO信道容量。
2021-05-03 cs.IT eess.SP math.IT
Meta-Reinforcement Learning for Trajectory Design in Wireless UAV Networks
Virginia Tech（弗吉尼亚理工大学）；Princeton University（普林斯顿大学）
研究了能量受限无人机在动态网络环境下的最优飞行轨迹设计问题。在所考虑的模型中，派遣无人机基站（DBS）为地面用户提供上行链路连接，其需求是动态的和不可预测的。在这种情况下，DBS的轨迹必须自适应地调整，以满足动态用户访问请求。为此，提出了一种元学习算法，以适应DBS的轨迹，当它遇到新的环境，通过调整强化学习（RL）的解决方案。元学习算法提供了一种解决方案，该解决方案基于有限的先前经验在新环境中快速适应DBS。元调整RL示出，以产生一个更快的收敛到最佳的覆盖率在看不见的环境中具有相当低的计算复杂度，相比基线策略梯度算法。仿真结果表明，与传统的策略梯度算法相比，该算法的收敛速度提高了25%，通信性能提高了10%左右。同时，DBS服务超过50%的用户请求的概率与基线策略梯度算法相比增加了约27%。
2020-05-25 cs.IT cs.LG cs.NI
