Intelligent Resource Allocation for UAV-Based Cognitive NOMA Networks: An Active Inference Approach
针对无人机认知NOMA网络，提出一种基于主动推理的资源分配方法，通过离线学习生成模型并在线推理，联合优化子信道和功率分配以最大化累积和速率，仿真验证其高效性。
2023-10-17 eess.SP
Improving Physical-Layer Security in ISAC-UAV System: Beamforming and Trajectory Optimization
本文研究多天线UAV在通信感知一体化系统中的无线安全增强问题，通过优化UAV轨迹和波束成形向量最大化平均通信保密速率，并基于SCA算法解决非凸优化问题，有效提升了保密速率并确保了感知准确性。
2024-09-22 eess.SP
UAV-Assisted Relaying and Edge Computing: Scheduling and Trajectory Optimization
在本文中，我们研究了一种无人机（UAV）辅助的移动边缘计算（MEC）架构，在该架构中，在该区域周围漫游的UAV可以作为计算服务器来帮助用户设备（UE）计算其任务，或者作为中继来进一步将其计算任务卸载到接入点（AP）。我们的目标是最小化的无人机和UE的加权和能量消耗的任务约束，信息的因果关系约束，带宽分配约束和无人机的轨迹约束。所需的优化是非凸的，并提出了一种交替优化算法，以联合优化计算资源调度，带宽分配，无人机的轨迹在迭代的方式。数值结果表明，显着的性能增益比传统的方法。此外，所提出的算法的优点是更突出的处理计算密集型的延迟关键任务。
2019-07-16 eess.SP
UAV Trajectory Optimization for Directional THz Links Using Deep Reinforcement Learning
针对灾后回传/前传链路恢复，本文构建无人机辅助定向太赫兹HetNet的三维模型，将轨迹设计转化为最小化最大中断概率问题，并采用DRL算法学习最优轨迹。
2023-08-15 eess.SP
A Novel Energy-aware Design for a D2D Underlaid UAV-Aided Cognitive Radio Network
本文研究了通过认知无线电和无人机技术增强的自由灾难响应网络和能量收集增强型灾难响应网络的效能，分析了用户密度和无人机规格对网络性能的影响，并展示了能量收集优化对网络性能的提升。
2025-02-10 eess.SP
Active Inference for Sum Rate Maximization in UAV-Assisted Cognitive NOMA Networks
本文针对无人机辅助认知NOMA网络中的和速率最大化问题，提出基于主动推理的Active-GDBN算法，将优化问题转化为异常最小化，并通过离线感知与在线主动推理联合优化子信道和功率分配，仿真验证了其在累积和速率上优于基准方案。
2023-09-20 eess.SP
SE(3)-Based Trajectory Optimization and Target Tracking in UAV-Enabled ISAC Systems
本文针对无人机使能的MIMO-OFDM ISAC系统，提出一种基于SE(3)的扩展卡尔曼滤波目标跟踪方案与条件后验Cramer-Rao界轨迹优化方法，有效提升了3D目标跟踪与参数估计性能。
2025-04-29 eess.SP
Trajectory and Resource Optimization for UAV Synthetic Aperture Radar
本文研究了配备合成孔径雷达（SAR）系统的轻型旋翼无人机（UAV）的轨迹和资源优化问题。UAV的任务是对给定的感兴趣区域（AoI）进行SAR成像。在这种设置中，需要与基站（BS）进行实时通信，以促进无人机的实时任务规划。为此，非凸混合整数非线性规划（MINLP）的制定，使无人机资源和三维（3D）轨迹联合优化的无人机雷达地面覆盖范围最大化。我们提出了一个低复杂度的次优算法的基础上逐次凸逼近（SCA）的解决问题，并执行有限搜索，以优化的总距离穿越的无人机最大的覆盖范围。我们表明，所提出的三维轨迹规划实现了至少70%的改进，在雷达地面覆盖率相比，基准计划采用恒定功率的通信或雷达成像。我们还表明，将BS定位在AoI附近可以显着提高无人机的雷达覆盖范围。
2022-07-12 eess.SP
Trajectory Optimization for Cellular-Enabled UAV with Connectivity and Battery Constraints
针对蜂窝联网无人机在连通性与电池约束下的路径规划问题，提出将问题转化为两级图论最短路径搜索的算法，能以多项式复杂度生成最优轨迹，还拓展了能耗最小化、载荷最大化两类目标的多项式时间最优算法。
2025-06-18 eess.SP
Trajectory Optimization in UAV-Assisted Cellular Networks under Mission Duration Constraint
在本文中，我们解决的问题，找到最佳的轨迹无人机（UAV），以提高地面蜂窝网络的无线覆盖。特别是，我们考虑的无人机的任务是在给定的时间限制内从一个点到另一个点，它也可以同时通过在其任务期间提供无线覆盖来协助蜂窝网络。考虑到蜂窝网络的干扰受限下行链路，我们制定了一个优化问题，最大限度地提高蜂窝网络的比例公平（PF）的数据速率和探索动态规划（DP）技术，找到最佳的无人机轨迹。我们还探讨了最佳无人机轨迹与最大和率和第5百分位频谱效率（5pSE）率，并比较了容量和覆盖性能的三种方法。数值仿真结果表明，最大和速率轨迹提供了最佳的每用户容量，而最佳PF轨迹产生更高的覆盖概率比其他两个轨迹。由于运动学的限制，无人机不能急转弯，因此最优轨迹通常不可行。因此，我们使用Bezier曲线生成平滑的轨迹。
2019-02-13 eess.SP
Task and Bandwidth Allocation for UAV-Assisted Mobile Edge Computing with Trajectory Design
在本文中，我们研究了一个移动边缘计算（MEC）架构的协助下，无人机（UAV）。UAV充当计算服务器以帮助用户设备（UE）计算其任务，以及充当中继器以进一步将UE的任务卸载到接入点（AP）以进行计算。通过在任务约束、信息因果关系约束、带宽分配约束和UAV的轨迹约束的条件下联合优化任务分配、带宽分配和UAV的轨迹，来最小化UAV和UE的总能量消耗。公式化的优化问题是非凸的，我们提出了一个交替算法来迭代优化参数。仿真结果验证了算法的有效性，与一些实际基线相比，该算法获得了很大的性能增益，特别是在处理计算密集型和延迟关键型任务时。
2019-07-08 eess.SP
Robust Trajectory and Resource Optimization for Communication-assisted UAV SAR Sensing
本文针对通信辅助的无人机SAR感知任务，提出一种考虑随机轨迹偏差的鲁棒三维轨迹与资源联合优化方法，通过求解非凸MINLP问题最大化雷达地面覆盖，并验证了次优算法接近最优且优于基准方案。
2024-04-01 eess.SP
Enhanced RSS-based UAV Localization via Trajectory and Multi-base Stations
为提高无人机（UAV）定位精度，提出了一种联合利用多个基站（BS）和轨迹上多个点的接收信号强度（RSS）测量值进行定位的新方法。首先，联合最大似然（ML）利用轨迹信息和多BS的建议。为了降低其高复杂度，设计了两种低复杂度的定位方法。第一种方法是从BS到轨迹（BST），称为LCSL-BST。首先，固定第n个基站，利用沿航迹的多个测量值，利用最大似然准则计算无人机的位置。最后，将针对不同BS计算的UAV的所有位置组合以形成结果位置。第二种方法颠倒了顺序，称为LCSL-TBS。我们还推导出联合ML方法的Cramer-Rao下界（CRLB）。从仿真结果中，我们可以看到，所提出的联合ML和单独的LCSL-BST方法在定位性能方面比传统的ML方法有了显着的改善，而无需使用轨迹知识。前者实现了联合CRLB，后者具有低复杂度。
2020-11-03 eess.SP
Joint Trajectory and Passive Beamforming Design for Intelligent Reflecting Surface-Aided UAV Communications: A Deep Reinforcement Learning Approach
研究了智能反射面（IRS）辅助无人机（UAV）通信系统，通过在多个建筑物上安装多个IRS，部署UAV为用户设备（UE）提供服务，以提高UAV与UE之间的通信质量。当UE移动时，通过联合优化无人机的轨迹和IRS反射元件的相移，最大化系统的能量效率，包括UE的数据速率和UAV的能量消耗，并考虑IRS的选择以达到节能的目的。由于系统是复杂的，环境是动态的，这是具有挑战性的低复杂度的算法，通过使用传统的优化方法。为了解决这个问题，我们首先通过离散化轨迹提出了一种基于深度Q网络（DQN）的算法，该算法具有训练时间的优势。此外，我们提出了一种基于深度确定性策略梯度（DDPG）的算法来处理连续轨迹的情况，以获得更好的性能。实验结果表明，该算法实现了相当的性能相比，其他传统的解决方案。
2022-08-30 eess.SP
UAV-Assisted Secure Communications in Terrestrial Cognitive Radio Networks: Joint Power Control and 3D Trajectory Optimization
本文研究了存在外部窃听者（Eve）的认知无线电网络（CRN）的安全通信问题。CRN的保密性能通常受到主接收机干扰功率约束的限制。为了克服这个问题，我们建议使用一个无人机（UAV）作为一个友好的干扰机，以干扰夏娃在解码的机密信息从二级发射机（ST）。我们的目标是联合优化发射功率和无人机在三维（3D）空间的轨迹，以最大限度地提高平均可实现的保密率的次级系统。由于目标函数的非凸性和约束条件的非凸性，使得优化问题具有非凸性，求解难度很大。为了获得一个次优但有效的解决方案的问题，我们首先将原来的问题转化为一个更容易处理的形式，并开发一个迭代算法，其解决方案，利用内部近似框架。我们进一步扩展所提出的算法的情况下，不完美的位置信息的夏娃，平均最坏情况下的保密率被认为是作为目标函数。大量的数值结果证明了所提出的算法优于现有的方法。
2020-03-26 eess.SP
When UAVs Meet ISAC: Real-Time Trajectory Design for Secure Communications
本文研究安全ISAC的实时UAV轨迹设计，提出基于EKF的方法跟踪预测合法用户位置，并开发迭代算法求解非凸轨迹优化问题，以最大化实时保密速率并实现合法与泄漏速率的有效权衡。
2023-06-25 eess.SP
Joint Optimization of Trajectory, Propulsion and Thrust Powers for Covert UAV-on-UAV Video Tracking and Surveillance
由合法的无人机（或监视器）自主跟踪可疑的无人机（UAV）对公共安全至关重要。由于典型的非凸推进和推力功率函数，在构思监视器的监视意图的同时优化监视器的轨迹是不平凡的。本文提出了一种新的框架，以联合优化推进和推力功率，以及进行隐蔽的，基于视频的，无人机对无人机跟踪和监视的太阳能监视器的3D轨迹。一个多目标的问题，制定最小化的能源消耗的监视器和最大化的距离保持和高度变化，衡量伪装的监视器的加权和。基于无人机推进、推力和悬停的实际功率模型以及收集的太阳能模型，对于现有的求解器来说，该问题是非凸的且无形的。通过变量替换将推进功率凸化，并将太阳能功率线性化。通过逐次凸逼近，将所得问题转化为紧约束，并在多项式时间内用带外推的近似凸差分算法有效地求解。该计划也可以在线应用。广泛的模拟证实了该计划的优点，相比基线计划与部分或没有伪装。
2020-12-22 eess.SP
Effects of 3D Antenna Radiation and Two-Hop Relaying on Optimal UAV Trajectory in Cellular Networks
针对干扰受限的带内下行蜂窝网络，研究了调度准则、移动性约束、路径损耗模型、回程约束和三维天线辐射方向图对无人机（UAV）轨迹优化问题的影响。特别是，我们考虑一架无人机，其任务是在给定的时间内在两个地点之间飞行（例如，用于交付或监视目的），并且我们认为这种UAV可以通过充当地面网络的中继来用于改善移动用户的蜂窝连接。由于优化问题难以数值求解，我们探讨了动态规划（DP）技术，找到最佳的无人机轨迹。我们利用地面网络的容量和覆盖性能，同时研究不同技术和现象的所有影响。大量的仿真结果表明，最大和速率轨迹提供了最好的每用户容量，而最佳比例公平（PF）速率轨迹提供了更高的覆盖概率比其他两个。由于运动学约束的限制，无人机不能急转弯，因此生成的轨迹对无人机来说是不可行的，因此我们使用贝塞尔曲线生成平滑的轨迹。我们的研究结果表明，使用贝塞尔曲线的细胞容量接近使用最佳轨迹时观察到的容量。
2019-03-03 eess.SP
Joint Optimization of Resource Allocation and Trajectory Control for Mobile Group Users in Fixed-Wing UAV-Enabled Wireless Network
固定翼无人机（UAV）具有控制灵活性和成本效益，有望成为空地一体化网络中的飞行基站。通过利用无人机的移动性，可以在具有挑战性的场景下甚至在没有通信基础设施的地方为移动组用户（MGU）提供可控覆盖。然而，在这种无人机和MGU都在移动的双移动场景中，固定翼无人机的非悬停特性和MGU的移动都将加剧用户调度的动态变化，这最终导致MGU的服务质量（QoS）下降。在本文中，我们提出了一个固定翼无人机使能的无线网络架构，为MGU提供移动覆盖。为了实现MGU之间的公平性，我们最大化所有用户之间的最小平均吞吐量，通过联合优化的用户调度，资源分配，无人机轨迹控制的约束下，用户的QoS要求，通信资源和无人机轨迹切换。考虑到优化问题是混合整数非凸的，我们将其分解为三个优化子问题。提出了一种有效的算法，交替求解这三个子问题，直到实现收敛。仿真结果表明，该算法可以显着提高最低平均吞吐量的MGU。
2022-09-28 eess.SP
Beamforming Design and Trajectory Optimization for UAV-Empowered Adaptable Integrated Sensing and Communication
针对无人机ISAC系统，本文提出按需配置感知时长的AISAC机制，并联合优化通信/感知波束成形与无人机轨迹，以提升吞吐量和资源利用率。
2022-10-04 eess.SP
Reflections in the Sky: Joint Trajectory and Passive Beamforming Design for Secure UAV Networks with Reconfigurable Intelligent Surface
研究了可重构智能表面（RIS）辅助上行无线通信系统的安全能量效率最大化问题。我们专注于通过联合优化无人机的轨迹，RIS的相移，用户的关联和发射功率来最大化系统的安全能量效率。为了解决这个问题，我们将原问题分为三个子问题，并提出了一个有效的迭代算法。特别是，逐次凸逼近法（SCA）被应用于解决非凸无人机轨迹，RIS的相移，和发射功率优化子问题。我们进一步提供了两种方案来简化相位和轨迹子问题的求解。仿真结果表明，该算法收敛速度快，与不含RIS的传统方案相比，安全能量效率提高了38%.
2020-06-05 eess.SP
Energy-Efficient Secure Communications via Joint Optimization of UAV Trajectory and Movable-Antenna Array Beamforming
提出联合优化无人机轨迹与可移动天线阵列可重构波束成形的框架，在保障合法通信的同时提升保密能效与物理层安全。
2025-07-28 eess.SP
Energy-Aware Resource Allocation and Trajectory Design for UAV-Enabled ISAC
本文研究多用户多目标UAV使能的ISAC系统中的联合资源分配与轨迹设计，通过联合优化轨迹、波束成形等变量并利用交替优化算法求解MINLP问题，在保障服务质量的条件下显著降低了UAV的平均功耗。
2023-10-24 eess.SP
3D Trajectory Optimization in UAV-Assisted Cellular Networks Considering Antenna Radiation Pattern and Backhaul Constraint
研究了在干扰严重的下行蜂窝网络中，三维天线辐射方向图和回程约束对无人机（UAV）最优三维路径规划问题的影响。我们考虑一种蜂窝连接的无人机，其任务是在固定时间内在两个位置之间旅行，并且它可以通过充当中继来改善地面用户的蜂窝连接。由于蜂窝基站的天线增益随UAV高度显著变化，因此UAV可以通过在其任务过程中改变其高度来提高其回程链路中的信号质量。这个问题是非凸的，因此，我们探索动态规划技术来解决它。我们表明，3D最优路径可以引入显着的网络性能增益的轨迹与固定的无人机高度。
2020-03-09 eess.SP
Joint Communication and Trajectory Design for Intelligent Reflecting Surface Empowered UAV SWIPT Networks
针对物联网（IoT）中广泛部署的低功耗智能设备电池容量有限的问题，提出了一种新型智能反射面（IRS）赋能无人机（UAV）的同步无线信息和能量传输（SWIPT）网络框架，利用IRS对无线信道进行重构，提高了无人机SWIPT网络的无线能量传输效率和覆盖范围。在本文中，我们制定了一个可实现的和速率最大化问题，联合优化无人机轨迹，连续干扰消除（SIC）解码顺序，无人机发射功率分配，功率分配（PS）比和IRS反射系数，同时考虑用户非正交多址接入（NOMA）和非线性能量收集模型。由于优化变量之间的耦合，该问题是一个复杂的非凸优化问题，直接求解具有一定的挑战性。首先对问题进行变换，然后应用交替优化（AO）算法框架，将变换后的问题分解为四个子问题进行求解，具体而言，通过应用逐次凸近似（SCA）、罚函数法和差分凸（DC）规划，对无人机航迹、SIC解码顺序、无人机发射功率分配、PS比和IRS反射系数交替优化，直到实现收敛。数值仿真结果验证了该算法的有效性与其他算法相比。
2022-10-27 eess.SP
An Experimental Study on Fine-Grained Bistatic Sensing of UAV Trajectory via Cellular Downlink Signals
Southern University of Science and Technology（南方科技大学）
本文提出利用LTE下行信号进行无人机轨迹双程感知，通过多角度多普勒测量实现高精度轨迹跟踪。
2026-02-09 eess.SP
Low-Complexity Joint Power Allocation and Trajectory Design for UAV-Enabled Secure Communications with Power Splitting
设计并研究了一种无人机辅助的安全通信系统，该系统在存在窃听者的情况下向地面用户传输合法信息。为了保证安全性，无人机采用了功率分配方法，其发射功率可以分为两部分，分别用于传输机密消息和人工噪声（AN）。我们的目标是最大限度地提高平均保密率，通过联合优化无人机的轨迹，发射功率水平和相应的功率分配比分配到不同的时隙在整个飞行时间，受最大无人机速度约束，总移动能量约束，总发射功率约束，和其他相关的约束。为了有效地解决这个非凸优化问题，我们提出了一个迭代算法，通过混合块坐标下降（BCD）方法，凹凸过程（CCCP）和交替方向乘法器（ADMM）的好处。特别地，我们表明，该算法具有非常低的计算复杂度，其每个更新步骤可以制定在一个接近封闭的形式。仿真结果验证了该算法的有效性。
2020-08-23 eess.SP
Energy Management and Trajectory Optimization for UAV-Enabled Legitimate Monitoring Systems
无人飞行器（UAV）由于其快速放置和高度灵活性，在当前和未来的无线通信系统中可以是非常有用的。随着越来越多的智能设备和无基础设施的通信网络，有必要合法地监控这些网络以防止犯罪。在本文中，提出了一种新的框架，利用无人机的灵活性，通过联合轨迹设计和能量管理的合法监测。该系统包括具有地面发射器和地面接收器的可疑传输链路，以及用于监视可疑链路的UAV。无人机可以调整位置，向可疑接收机发送干扰信号，以确保窃听成功。基于此模型，我们首先发展了一种方法，以尽量减少干扰的能量消耗的无人机。建立在一个明智的（重新）制定，交替优化方法来计算局部最优解的多项式时间。此外，我们的模型，并包括推进功率，以尽量减少总的能量消耗的无人机。利用逐次凸逼近方法，开发了一种有效的迭代方法来寻找满足Karush-Kuhn-Tucker（KKT）条件的可行解。大量的数值结果提供了验证所提出的计划的优点。
2020-04-23 eess.SP
Performance Evaluation and Hybrid Application of the Greedy and Predictive UAV Trajectory Optimization Methods for Localizing a Target Mobile Device
本研究针对紧急状况下无人机定位目标移动终端的轨迹规划策略进行研究。紧急情况下目标移动终端的基于全球导航卫星系统（GNSS）的准确位置信息可能不总是可用于第一响应者。举例来说，1）GNSS定位准确性可在恶劣信号环境中降级，且2）在紧急定位服务不是强制性的国家中，一些移动装置可不报告其位置。在上述情况下，找到目标移动终端的单向式是使用UAV。被派遣的无人机可以通过测量信号的强度（例如，LTE无线通信信号）。为了在尽可能短的时间内准确定位目标移动终端，无人机应该以尽可能高效的方式飞行。无人机航迹优化方法主要有两种：贪婪法和预测法。然而，对这两种方法的定位性能的研究仅在有利的设置下进行了评估（即，在良好的无人机几何形状和小的接收信号强度（RSS）误差下）;更现实的场景仍然没有探索。在这项研究中，我们比较了贪婪和预测方法在现实RSS错误（即，根据ITU-R信道模型，最高可达6 dB）。
2023-02-23 eess.SP
Trajectory Design and Power Control for Multi-UAV Assisted Wireless Networks: A Machine Learning Approach
提出了一种基于用户移动信息预测的多无人机航迹设计框架。在满足用户速率需求的前提下，最大化瞬时和发送速率，建立了联合轨迹设计和功率控制问题。为了解决这一问题，提出了一种基于机器学习技术的三步规划方法，既能获取用户的位置信息，又能完成无人机的航迹设计。首先，提出了一种基于多智能体Q学习的布局算法，根据用户的初始位置确定无人机的最优位置。其次，在努力确定基于真实数据集的用户的移动性信息，他们的位置数据是从Twitter收集的匿名用户在物理世界中的轨迹描述。同时，提出了一种基于回声状态网络（ESN）的预测算法，用于根据真实数据集预测用户的未来位置。第三，提出了一种基于多智能体Q学习的无人机位置预测算法。在该算法中，多个无人机作为代理，通过与环境交互来找到最佳行动，并从错误中学习。此外，我们还证明了所提出的基于多智能体Q学习的轨迹设计和功率控制算法可以在温和的条件下收敛。数值结果表明，随着油藏规模的增加，所提出的ESN方法提高了预测精度。最后，我们证明了约17%的吞吐量增益实现。
2019-06-04 eess.SP
AI-based Radio Resource Management and Trajectory Design for PD-NOMA Communication in IRS-UAV Assisted Networks
在本文中，我们认为，无人机（UAV）与附加智能反射面（IRSs）发挥飞行反射器的作用，反射用户的信号到目的地，并利用功率域非正交多址接入（PD-NOMA）方案在上行链路。我们研究了UAV-IRS在物联网（IoT）网络上的好处，通过优化功率，子载波和轨迹变量以及相移矩阵元素来提高IoT设备收集数据的新鲜度。我们考虑最小化的平均年龄的信息（AAoI）的用户的最大发射功率限制，PD-NOMA相关的限制，和无人机的运动相关的约束。优化问题由离散变量和连续变量组成。因此，我们将资源分配问题分为两个子问题，并使用两种不同的基于强化学习（RL）的算法来解决它们，即双深度Qnetwork（DDQN）和邻近策略优化（PPO）。我们的数值结果说明了IRS使无人机通信系统可以实现的性能增益。此外，我们将我们基于深度RL（DRL）的算法与匹配算法和随机轨迹进行了比较，显示本文提出的DDQN和PPO算法的组合分别比匹配算法和随机轨迹算法的性能好10%和15%。
2021-11-06 eess.SP
Robust Trajectory and Offloading for Energy-Efficient UAV Edge Computing in Industrial Internet of Things
高效的数据处理和计算对于工业物联网（IIoT）为各种应用提供支持至关重要，但IIoT节点的有限能量容量和计算能力可能会严重影响这些应用。在本文中，我们采用无人机（UAV）作为边缘服务器来辅助IIoT数据处理，同时考虑到UAV抖动的实际问题。具体来说，我们提出了一个联合设计的轨迹和卸载策略，以尽量减少由于本地和边缘计算，以及数据传输的能量消耗。我们特别解决无人机抖动，诱导高斯分布的不确定性与飞行航路点，导致概率形式的飞行速度和数据卸载的限制。我们利用Bernstein型不等式重新制定的确定性形式的约束和分解的能量最小化，分别解决轨迹和卸载交替优化框架内。子问题，然后处理与逐次凸逼近技术。仿真结果表明，我们的建议严格保证鲁棒性下的不确定性，并有效地减少了能源消耗相比，基线。
2023-03-08 eess.SP
Efficient UAV Hovering, Resource Allocation, and Trajectory Design for ISAC with Limited Backhaul Capacity
本文针对回程容量受限的无人机ISAC系统，联合优化轨迹、波束成形、功率分配和悬停时间以最小化功耗，并通过半定松弛、大M法、惩罚方法和逐次凸逼近等变换技术获得低复杂度次优解，仿真验证了其在功率节省和感知质量方面的优势。
2024-09-02 eess.SP
Rechargeable UAV Trajectory Optimization for Real-Time Persistent Data Collection of Large-Scale Sensor Networks
本文针对大规模传感器网络持续数据采集场景，提出可充电无人机辅助的周期性数据采集方案，通过轨迹优化与低复杂度调整策略最小化完成时间，仿真验证其性能优于基准方案。
2024-10-09 eess.SP
Unmanned Aerial Vehicle-Aided Communications: Joint Transmit Power and Trajectory Optimization
本文研究了无人机辅助网络的发射功率和轨迹优化问题。与现有的大多数固定通信基础设施的研究不同，一个动态的场景被认为是飞行的无人机同时为多个地面节点提供无线服务。为了充分利用由UAV的移动性提供的可控信道变化，UAV的发射功率和轨迹被联合优化以在给定时间长度内最大化最小平均吞吐量。针对具有功率预算和轨迹约束的非凸优化问题，提出了一种有效的发射功率和轨迹联合优化算法。仿真结果验证了该算法的有效性，优化后的发射功率在空间域具有注水特性。
2018-01-14 eess.SP
Trajectory Design for UAV-Assisted Logistics Collection in Low-Altitude Economy
本文针对低空经济中无人机物流收集的避障轨迹优化问题，提出结合LKH与DDPG的算法，分别优化收集顺序与飞行轨迹，仿真显示收集时间较基线减少约49%。
2025-11-10 eess.SP
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
Trajectory Optimization of Flying Energy Sources using Q-Learning to Recharge Hotspot UAVs
尽管无人机的商业用途或无人机交付服务越来越受欢迎，但它们对有限容量的机载电池的依赖阻碍了它们的飞行时间和任务连续性。因此，开发用于补充UAV电池的现场电力传输解决方案有可能延长其任务持续时间。在本文中，我们研究的情况下，无人机被部署为基站（UAV-BS）提供无线热点服务的地面节点，同时从飞行的能源收集无线能量。这些能源是专门的无人机（充电器或发射器无人机，tUAV），配备有无线电力传输设备，如RF天线。tUAV具有调整其飞行路径的灵活性，以最大限度地提高能量传输。随着UAV-BS数量的增加和环境的复杂性，有必要为tUAV开发智能轨迹选择程序，以优化能量传输增益。在本文中，我们的轨迹优化的tUAV建模为马尔可夫决策过程（MDP）问题，并解决它使用Q-学习算法。仿真结果表明，基于Q-Learning的tUAV优化轨迹优于两种基准策略，即tUAV的随机路径规划和静态悬停。
2020-03-27 cs.NI eess.SP
UAV Swarm Deployment and Trajectory for 3D Area Coverage via Reinforcement Learning
本文针对考虑障碍物的大规模三维区域覆盖问题，提出分层无人机集群部署与轨迹规划框架，并设计基于Q-learning的算法加速求解，仿真验证其性能优于其他方法。
2023-09-21 cs.NI eess.SP
Cellular UAV-to-Device Communications: Trajectory Design and Mode Selection by Multi-agent Deep Reinforcement Learning
在当前用于感测服务的无人飞行器系统（UAS）中，无人飞行器（UAV）通过未授权频谱将其感测数据发送到地面移动设备。然而，由于机会主义的信道接入，来自周围终端的干扰是不可控的。在本文中，我们考虑了一个蜂窝互联网的无人机，以保证服务质量（QoS），传感数据可以传输到移动设备的无人机到设备（U2 D）通信通过蜂窝网络，或直接通过基站（BS）。由于无人机的感知和传输会影响其飞行轨迹，本文研究了考虑感知和传输的无人机飞行轨迹设计问题。这是一个具有较大状态-动作空间的马尔可夫决策问题（MDP），因此，我们利用多智能体深度强化学习（DRL）来近似状态-动作空间，然后提出一种多无人机轨迹设计算法来解决这个问题。仿真结果表明，该算法比策略梯度算法和单智能体算法具有更高的总效用。
2020-03-12 cs.NI eess.SP
Attention-based UAV Trajectory Optimization for Wireless Power Transfer-assisted IoT Systems
Hunan University of Technology and Business（湖南工商大学）；Xiangjiang Laboratory（湘江实验室）；Hunan Normal University（湖南师范大学）；Nanjing University（南京大学）
针对无线功率传输辅助物联网系统中无人机资源有限和轨迹规划次优的问题，提出基于图变换器的注意力轨迹优化框架，结合改进的Actor-Critic训练方法，实现大规模多无人机轨迹的高质量规划。
2025-02-23 cs.AI eess.SP
3D Trajectory Optimization for Secure UAV Communication with CoMP Reception
研究了一种具有协同多点接收（CoMP）的无人机（UAV）保密通信系统，在多个可疑窃听者合谋的情况下，一个UAV向一组能够协同检测信号的分布式地面节点（GN）发送保密信息。与现有的非CoMP场景下的二维水平航迹设计不同，本文还考虑了无人机的垂直航迹（或高度）控制以进一步提高与CoMP的保密通信性能。具体地，我们共同优化三维（3D）在UAV的最大飞行速度和最大发射功率约束的条件下，确定UAV的轨迹和发射功率分配，以在特定飞行时段内最大化GN处的平均保密率。为了解决非凸优化问题，我们提出了一种基于交替优化的方法，该方法以交替的方式优化发射功率分配和轨迹设计，分别通过凸优化和连续凸近似（SCA）。数值结果表明，在CoMP接收的情况下，我们提出的3D轨迹优化显着优于传统的2D水平轨迹设计，通过利用额外的自由度在垂直轨迹。
2019-05-27 cs.IT eess.SP math.IT
Satellite- and Cache-assisted UAV: A Joint Cache Placement, Resource Allocation, and Trajectory Optimization for 6G Aerial Networks
本文考虑了LEO卫星和缓存辅助的无人机通信在地面网络中的内容交付，这表明了下一代系统提供无处不在的连接和高容量的巨大潜力。具体地，由UAV提供缓存以减少回程拥塞，并且LEO卫星支持UAV的回程链路。在这种情况下，我们的目标是最大限度地提高每个地面用户（GU）的最小可实现的吞吐量，通过联合优化缓存的位置，无人机的资源分配，和轨迹，而缓存容量和飞行时间是有限的。公式化的问题是具有挑战性的直接解决，由于其非凸性和组合性质。将该问题分解为三个子问题：（1）在无人机资源和轨迹固定的情况下，缓存布局优化问题;（2）在无人机资源和轨迹固定的情况下，缓存布局优化问题;（3）在无人机资源和轨迹固定的情况下，缓存布局优化问题。在子问题解的基础上，利用块坐标下降法（BCD）和逐次凸逼近法（SCA）提出了一种有效的交替算法。仿真结果表明，最大最小吞吐量和总的可实现吞吐量的提高，应用我们提出的算法，而不是其他基准计划。
2021-06-09 cs.IT eess.SP math.IT
Robust Trajectory and Transmit Power Optimization for Secure UAV-Enabled Cognitive Radio Networks
认知无线电是一种很有前途的提高频谱效率的技术。然而，通过使用物理层安全技术实现的二级网络的安全性能受到其发射功率和信道衰落的限制。为了解决这一问题，认知无人机（UAV）通信网络的研究，利用无人机的高度灵活性和建立视距链路的可能性。通过鲁棒地优化无人机的轨迹和发射功率，使二级网络的平均保密率最大化。我们的问题制定考虑到两个实际的不准确的位置估计的情况下，即最坏的情况下，和停电限制的情况下。为了解决这些具有挑战性的非凸问题，在最坏情况下提出了基于$\mathcal{S}$ -Procedure的迭代算法，在停机限制情况下提出了基于Bernstein型不等式的迭代算法.所提出的算法可以获得相应问题的有效次优解。仿真结果表明，与最坏情况下的算法相比，在中断受限情况下的算法能够以较低的计算复杂性获得较高的平均保密率.此外，所提出的方案可以提高安全通信性能显着相比，其他基准方案。
2020-03-08 cs.IT eess.SP math.IT
UAV-Assisted Cooperative & Cognitive NOMA: Deployment, Clustering, and Resource Allocation
协作和认知非正交多址接入（CCR-NOMA）已被认为是克服频谱稀缺问题并支持下一代无线网络中设想的大规模连接的有前途的技术。在本文中，我们研究部署的无人机（UAV）作为中继，公平地服务于大量的二次用户在热点区域。UAV部署算法必须联合考虑用户聚类、信道分配和资源分配子问题。我们提出了一种解决方案，获得用户聚类和信道分配的基础上，最佳的资源分配为一个给定的无人机位置。为此，我们推导出封闭形式的最佳功率和时间分配，并显示它提供了最佳的最大最小公平吞吐量消耗更少的能量和时间比几何规划。基于最优资源分配，还以封闭形式提供了最优覆盖概率，其考虑了信道估计误差、硬件损伤和主网络干扰。最佳的覆盖概率使用建议的最大-最小公平用户聚类和信道分配方法。结果表明，所提出的方法实现了100%的准确性，在超过五个数量级的时间比最佳基准。
2020-08-26 cs.IT eess.SP math.IT
Trajectory Design for Multiple-UAV Assisted Wireless Networks
无人机（UAV）由于其高移动性和高效部署，可以提高蜂窝网络的性能。在本文中，我们提出了第一个研究如何用户的移动性影响无人机的轨迹的多无人机辅助无线通信系统。具体来说，我们认为无人机是作为空中基站部署的，为在不同地区之间移动的地面用户提供服务。通过优化无人机的飞行轨迹，最大化地面用户在下行通信中的吞吐量，同时考虑用户移动性、推进能量消耗和无人机相互干扰的影响。我们制定的问题作为一个无环有向图的路由选择问题。每个顶点表示与区域时间点中的平均用户吞吐量的奖励相关联的任务，而每个边与飞行和悬停期间的能量推进消耗的成本相关联。对于集中式轨迹设计，我们首先提出了最短路径方案，确定最佳的轨迹为单无人机的情况下。我们还提出了集中式路由选择（CRS）计划，系统地计算更一般的多无人机的情况下的最佳轨迹。由于集中式问题的NP困难性，本文考虑了无人机自主选择航迹的分布式航迹设计，提出了分布式航迹选择（DRS）方案，该方案在有限次迭代内收敛到纯策略纳什均衡。
2019-12-30 cs.IT eess.SP math.IT
Energy-Efficient Trajectory Design for UAV-Enabled Communication Under Malicious Jamming
在这封信中，我们调查了无人机使能的通信系统，其中无人机被部署在多个干扰机存在的情况下与地面节点（GN）进行通信。我们的目标是最大限度地提高能源效率（EE）的无人机通过优化其轨迹，受无人机的机动性约束。然而，制定的问题是很难解决，由于非凸和分数形式的目标函数。为此，本文提出了一种基于逐次凸逼近（SCA）技术和Dinkelbach算法的迭代算法来求解该问题，数值结果表明，与基准算法相比，该算法能够通过优化轨迹在吞吐量和能耗之间取得更好的平衡，从而显著提高了能效。
2020-09-14 cs.IT eess.SP math.IT
Trajectory Design for Distributed Estimation in UAV Enabled Wireless Sensor Network
在本文中，我们研究了一个无人机（UAV）使能的无线传感器网络，其中无人机被派遣到收集传感器节点（SN）的传感器数据估计未知参数。结果表明，为了使估计的均方误差最小，无人机需要从尽可能多的SN上采集数据，并在此基础上建立了一个基于实际机动约束的无人机航迹优化设计问题。虽然该问题是非凸的，NP-难的，我们证明了最优无人机轨迹只由连接的线段。通过这种简化，利用经典的旅行商问题（TSP）方法和应用凸优化技术，提出了一个有效的次优解决方案。仿真结果表明，所提出的轨迹设计实现了显着的性能增益的SN的数据被成功收集的数量，相比其他基准计划。
2018-05-11 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
Trajectory Optimization and Resource Allocation for OFDMA UAV Relay Networks
在本文中，我们考虑了一个单小区多用户正交频分多址接入（OFDMA）网络与一个无人机（UAV），它作为一个放大和转发中继，以提高服务质量（QoS）的用户设备（UE）在小区边缘。为了在保证用户公平性的同时提高系统吞吐量，对通信模式、子信道分配、功率分配和无人机轨迹进行联合优化，这是一个NP难问题。为了有效地设计无人机轨迹和资源分配，首先将问题分解为三个子问题，即，模式选择和子信道分配、轨迹优化和功率分配，然后迭代求解这些子问题。仿真结果表明，该算法的性能优于随机算法和蜂窝方案。
2021-04-22 cs.IT eess.SP math.IT
Multi-Antenna UAV Data Harvesting: Joint Trajectory and Communication Optimization
无人机通信是一种扩展传统地面无线通信系统覆盖范围、提高系统吞吐量的有效技术。在本文中，我们考虑了一个无人机使能的无线传感器网络（WSN），其中多天线无人机被派遣到收集数据从一组传感器节点（SN）。目标是通过联合优化所有SN的传输调度和功率分配以及UAV的轨迹来最大化来自所有SN的最小数据汇集速率，这受到SN的最大发射功率和UAV的最大速度的实际约束。制定的优化问题是具有挑战性的解决，因为它涉及非凸约束和离散值变量。为了获得有用的见解，我们首先考虑忽略无人机速度约束的特殊情况，并基于拉格朗日对偶方法对其进行优化求解。结果表明，对于这个放松的问题，无人机应该悬停在有限数量的最佳位置与不同的持续时间一般。接下来，我们解决的一般情况下，制定的问题，其中无人机的速度约束被认为是提出了一个旅行商问题（TSP）为基础的轨迹初始化，其中无人机顺序访问的位置，在放松的问题，以最小的飞行时间。给定此初始轨迹，然后找到相应的传输调度和SN的功率分配，并通过应用块坐标下降（BCD）和逐次凸逼近（SCA）技术进一步优化无人机轨迹。最后，数值结果表明，所提出的多天线无人机数据采集方案的频谱和能量效率的增益，相比基准计划。
2020-02-23 cs.IT eess.SP 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
Multi-Agent Deep Reinforcement Learning Based Trajectory Planning for Multi-UAV Assisted Mobile Edge Computing
Department of Computer and Information Science, Northumbria University（诺森比亚大学计算机与信息科学系）；School of Electronic Engineering and Computer Science, Queen Mary University of London（伦敦玛丽女王大学电子工程与计算机科学学院）；National Mobile Communications Research Lab, Southeast University（东南大学国家移动通信研究实验室）；Purple Mountain Laboratories（紫金山实验室）；School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
提出了一种无人机辅助的移动边缘计算框架，其中多个具有不同轨迹的无人机在目标区域上空飞行并支持地面上的用户设备。我们的目标是联合优化所有UE之间的地理公平性，每个UAV的UE负载的公平性和UE的整体能耗。上述优化问题既包含整数变量又包含连续变量，求解起来具有挑战性。为了解决上述问题，提出了一种基于多智能体深度强化学习的轨迹控制算法，用于独立管理每个无人机的轨迹，其中应用了流行的多智能体深度确定性策略梯度（MADDPG）方法。给定UAV的轨迹，引入低复杂度方法以用于优化UE的卸载决策。我们表明，我们提出的解决方案具有相当大的性能比其他传统算法，无论是在公平性服务UE，公平性的UE负载在每个无人机和所有的UE的能量消耗。
2020-09-23 cs.LG eess.SP
Joint Trajectory and Resource Allocation Design for Energy-Efficient Secure UAV Communication Systems
研究了在存在多个地面窃听者的情况下，信息无人机在多天线干扰无人机辅助下为多个地面用户提供服务的下行节能安全无人机通信系统的轨迹和资源分配设计问题。以系统能量效率最大化为目标，对情报无人机的资源分配策略和航迹以及干扰无人机的干扰策略进行联合优化。联合设计制定为一个非凸优化问题，考虑到服务质量（QoS）的要求，安全约束，和不完善的信道状态信息（CSI）的窃听。公式化的问题通常是难以处理的。作为一种折衷的方法，该问题被分为两个子问题，这有利于设计一个低复杂度的次优算法的交替优化方法的基础上。仿真结果表明，该算法在迭代次数较少的情况下收敛，并展示了一些有趣的见解：（1）干扰无人机的引入有助于信息无人机高度灵活的轨迹设计，这对提高系统能量效率至关重要;（2）利用多天线干扰无人机带来的空间自由度，我们提出的设计可以将人工噪声集中在窃听者上，从而为系统提供强大的安全手段。
2020-03-16 cs.IT eess.SP math.IT
