RSMA Enabled Hierarchical UAV Networks with Non Linear Energy Harvesting: Outage Probability Analysis and UAV Placement Optimization
Innovative Technologies Laboratory (LTI), Ecole Nationale Supérieure des Technologies Avancées (ENSTA)（创新技术实验室，国立高等先进技术学院）；Ankara Yıldırım Beyazıt University（安卡拉耶尔德勒姆·贝亚济特大学）；Carleton University（卡尔顿大学）；King AbdulAziz University（阿卜杜勒阿齐兹国王大学）
针对分层无人机网络中的能量受限和硬件损伤问题，提出结合非线性能量收集与速率分割多址接入的方案，推导中断概率表达式并优化无人机部署，显著提升可靠性。
2026-06-05 eess.SP
Federated Learning for Cellular-connected UAVs: Radio Mapping and Path Planning
University of Toronto（多伦多大学）
为了延长无人机的使用寿命，需要无人机在尽可能短的时间内完成任务。除了这个要求之外，在许多应用中，无人机在飞行期间需要可靠的互联网连接。在本文中，我们最小化的旅行时间的无人机，确保概率连通性约束得到满足。为了解决这个问题，我们需要一个全局模型的中断概率的环境。由于无人机有不同的任务，飞越不同的区域，它们收集的数据携带了网络连接的本地信息。因此，无人机不能依靠自己的经验来建立全球模型。这个问题影响了无人机的路径规划。为了解决这个问题，我们采用了两步走的方法。在第一步中，通过使用联邦学习（FL），无人机协作建立环境中的中断概率的全局模型。第二步，利用第一步得到的全局模型和快速搜索随机树，提出了一种无人机路径优化算法。仿真结果表明了该方法的有效性。
2020-08-23 cs.AI cs.LG eess.SP
Low-Complexity Algorithm for Outage Optimal Resource Allocation in Energy Harvesting-Based UAV Identification Networks
研究了一种基于能量采集技术的无人机识别网络。在网络中，无人机通过从地面控制站（GCS）发送的射频（RF）信号获取能量，然后将其识别信息发送到地面接收站（GRS）。具体来说，我们首先推导出中断概率的封闭式表达式来评估网络性能。在此基础上，得到了带宽均匀分配给无人机时的最优时间分配的解析表达式。提出了一种快速收敛的时间和带宽分配算法，以优化基于EH的无人机识别网络的中断性能。仿真结果表明，该算法的性能优于传统的二分法，并达到接近最优的性能。
2021-08-21 cs.IT eess.SP math.IT
Outage Performance of Multi-tier UAV Communication with Random Beam Misalignment
针对多层无人机网络中的随机波束失准问题，本文建立三维随机模型与随机几何分析框架，推导两种关联策略下的下行中断概率，并通过仿真揭示密度和高度对最优天线数的影响。
2023-07-24 cs.SY eess.SP eess.SY
UAV Communications in Integrated Terrestrial and Non-terrestrial Networks
随着人们对整合地面网络（TN）和非地面网络（NTN）以连接未连接网络的兴趣日益浓厚，一个关键问题是这种新的模式是否也可以被机会主义地利用来增强城市地区的服务。我们在综合TN-NTN的背景下评估了这种可能性，TN-NTN包括与低地球轨道（LEO）卫星星座配对的地面蜂窝部署，为地面用户（GUE）和无人机（UAV）居住的城市地区提供低于6 GHz的连接。我们的研究表明，将无人机流量卸载到NTN段可以将无人机的下行链路中断从70%大幅减少到几乎为零，只要LEO卫星星座足够密集，就可以保证最小仰角，还可以提高其上行链路信号质量。将无人机卸载到NTN也有利于共存的GUE，防止GUE可能发生的约12%的上行链路中断。尽管低于6 GHz的可用带宽有限，但NTN卸载的无人机即使在巴塞罗那大小的区域内也能满足指挥和控制速率要求，每个小区有多达一个活动的无人机。更小的无人机数量产生更高的速率，可能使空中宽带应用成为可能。
2022-08-04 cs.IT cs.NI eess.SP
Outage Probability Analysis of NOMA Enabled Hierarchical UAV Networks with Non-Linear Energy Harvesting
Ecole Nationale Supérieure des Technologies Avancées（国立高级技术学院）；University of El-Oued（欧德大学）；Ankara Yıldırım Beyazıt University（安卡拉伊尔迪里姆贝亚齐特大学）；Carleton University（卡尔顿大学）；King AbdulAziz University（阿卜杜勒阿齐兹国王大学）
本文提出一种具有非线性能量收集和非正交多址接入的分层无人机网络，以提升能量和成本效率，通过 Nakagami-m 信道分析地面物联网设备、CMU 和系统整体 outage 概率，对比非能量收集系统，证明其在 outage 概率上的优势。
2026-03-19 eess.SP
Long mmWave Backhaul Connectivity Using Fixed-Wing UAVs
本文讨论了一种基于固定翼无人机（UAV）的毫米波（mmWave）回程链路的分析，该回程链路是一种经济高效且易于部署的解决方案，可将灾难或偏远地区连接到最近的核心网络。在考虑无人机振动、跟踪误差、真实3GPP天线方向图、无人机高度、飞行路径以及物理障碍物影响等实际信道参数的基础上，提出了基于固定翼无人机的中继系统的优化设计方法。所考虑的系统的性能进行评估的中断概率和信道容量，同时考虑到系统参数的影响，如无人机飞行路径和天线方向图的最佳选择。
2022-03-08 eess.SP
Symbiotic FAS Strategies for 6G UAVs Assisted Backscatter Networks
University of Benghazi（班加西大学）；Libyan Authority for Scientific Research（利比亚科学研究局）；University College London（伦敦大学学院）；King Fahd University of Petroleum and Minerals (KFUPM)（法赫德国王石油与矿物大学）
该研究针对6G无人机辅助反向散射网络，提出三种共生FAS策略，优化无人机部署与端口选择，降低发射功率，验证了策略的性能优势与低时间开销特性。
2026-08-04 eess.SP
Efficient UAVs Deployment and Resource Allocation in UAV-Relay Assisted Public Safety Networks for Video Transmission
本文研究多无人机辅助公共安全网络中的视频传输问题，通过联合优化观测与中继无人机的位置及带宽、功率等通信资源分配，采用块坐标下降和逐次凸逼近技术提出高效迭代算法，最大化地面用户视频流到达基站的平均效用，仿真证明其优于现有方法。
2024-01-04 cs.NI eess.SP
3D Uplink Channel Modeling of UAV-based mmWave Fronthaul Links for Future Small Cell Networks
在这项研究中，我们考虑一个无人机（UAV）辅助的异构网络，提供了一个具有成本效益和易于部署的解决方案，以解决有关的问题，将分布式小细胞的流量转移到核心网络。对于任意给定的小小区基站（SBS）分布，我们首先通过考虑诸如无人机的振动、SBS的分布、无人机在天空中的位置等真实参数来表征SBS到网络化飞行平台（NFP）的精确毫米波（mmWave）信道模型，由3GPP提供的真实三维（3D）天线方向图模型以及由天线旁瓣和频率重用引起的干扰。然后，对于所表征的信道，我们推导出端到端信号噪声干扰比（SINR）的解析封闭形式的表达式。在此基础上，我们推导出所考虑的基于无人机的毫米波上行链路的中断概率和信道容量的封闭形式的表达式。蒙特卡洛模拟验证了推导的解析表达式的准确性。最后，我们研究了不同的信道参数，如天线方向图增益，无人机的振动强度，无人机在天空中的位置，SBS的分布，和频率复用的性能所考虑的基于无人机的上行链路信道的平均容量和中断概率的影响。
2022-03-27 eess.SP
Relaying Signal When Monitoring Traffic: Double Use of Aerial Vehicles Towards Intelligent Low-Altitude Networking
本文提出一种无人机双用途策略，通过集成感知与通信框架，实现监控与中继切换功能的统一，有效降低通信失效概率并提升网络韧性。
2025-12-16 eess.SP
Analytical Channel Models for Millimeter Wave UAV Networks under Hovering Fluctuations
最近已经提出了无人机（UAV）和毫米波（mmWave）无线系统的集成，以为下一代无线网络提供高数据速率空中链路。然而，建立基于无人机的毫米波链路是相当具有挑战性的，由于悬停无人机的随机波动，这可能会导致发射机和接收机之间的天线增益失配。为了评估基于无人机的毫米波链路的益处，本文针对以下三种无人机通信场景导出了易于处理的闭式统计信道模型：（i）直接的无人机到无人机链路，（ii）源、中继和目的地为悬停无人机的空中中继链路，以及（iii）悬停无人机将地面源连接到地面目的地的中继链路。通过Monte-Carlo模拟证实了推导出的解析表达式的准确性。数值结果，然后使用不同的信道条件下建立可靠的无人机为基础的毫米波链路，实现最小的中断概率的天线方向性增益的影响进行研究。结果表明，这种链路的性能在很大程度上取决于悬停无人机的随机波动。此外，较高的天线方向性增益在低SNR状况下实现较好的性能。然而，在高SNR状态下，较低的天线方向性增益导致更可靠的通信链路。因此，开发的结果可以作为一个基准，找到最佳的天线方向性增益的无人机下的不同水平的不稳定性，而不诉诸耗时的模拟。
2019-05-04 eess.SP
Enabling Long mmWave Aerial Backhaul Links via Fixed-Wing UAVs: Performance and Design
我们提出了一种基于固定翼无人机（无人机）的毫米波（mmWave）回程链路，该链路是一种经济高效且易于部署的解决方案，可将灾难或偏远地区连接到最近的核心网络。首先，我们充分表征单中继固定翼无人机基于通信系统考虑到现实的物理参数的影响，如无人机的圆形路径，飞行路径的临界点，障碍物的高度和位置，飞行高度，跟踪误差，无人机的振动的严重程度，真实的3D天线方向图，毫米波大气信道损耗，温度和气压。其次，我们推导出分布的信号噪声比（SNR）度量，这是基于一系列狄拉克δ函数的总和。使用SNR分布，我们推导出封闭形式的表达式中断概率和遍历容量的考虑系统作为所有系统参数的函数。为了提供一个可接受的服务质量较长的链路长度，我们扩展的解析表达式的多中继系统。通过Monte-Carlo模拟验证了封闭式表达式的准确性。最后，通过提供足够的仿真结果，我们调查的关键信道参数，如天线方向图增益和飞行路径上所考虑的系统的性能的影响，我们仔细分析这些参数之间的关系，以最大限度地提高平均信道容量。
2022-03-15 eess.SP
Radio Resource Management for Cellular-Connected UAV: A Learning Approach
将无人机（UAV）集成到现有蜂窝网络中遇到了许多挑战，其中最引人注目的问题之一是如何实现空中收发器（尤其是UAV）和地面用户设备（UE）的和谐共存。在本文中，蜂窝连接的无人机网络的重点，其中多个无人机接收来自基站（BS）的消息在下行链路中，而BS服务于地面UE在其小区。为了有效地管理由于时频资源块（RB）资源的密集重用而导致的UE之间的小区间干扰（ICI），提出并采用了第一基于$p$层的RB协调准则。然后，为了提高无人机的无线传输质量，同时保护地面UE免受地面到空中（G2 A）传输的干扰，联合动态RB协调和时变波束形成设计的无线电资源管理（RRM）问题，最小化无人机的遍历中断持续时间（EOD）的研究。为了解决传统优化技术在解决RRM问题时的效率低下问题，提出了一种深度强化学习（DRL）辅助解决方案，其中调用深度双重决斗Q网络（D3 QN）和双延迟深度确定性策略梯度（TD 3）分别处理离散动作域中的RB协调和连续动作域中的波束成形设计。混合D3 QN-TD 3解决方案通过以在线集中方式与所考虑的外部和内部环境进行交互来训练，以便它可以在其离线分散开发阶段帮助实现次优的EOD最小化性能。仿真结果表明，所提出的混合D3 QN-TD 3算法的有效性，相比，几个代表性的基线。
2022-12-10 eess.SP
Physical-Layer Security for Untrusted UAV-Assisted Full-Duplex Wireless Networks
针对非可信全双工无人机网络的物理层安全问题，提出基于信源的干扰方案，通过最优功率分配和最优无人机选择提升保密性能，分析了保密中断概率等指标并给出设计见解。
2019-09-14 eess.SP
Downlink Interference Analysis of UAV-based mmWave Fronthaul for Small Cell Networks
本文研究了一种基于无人机（UAV）的异构网络，以解决分布式小小区向核心网传输大流量的问题。首先，通过考虑真实天线方向图、UAV的振动、小小区基站（SBS）的随机分布以及UAV在3D空间中的位置来表征下行链路信道的详细三维（3D）模型。然后，针对两种类型的干扰：小区内干扰和小区间干扰，执行严格的干扰分析。干扰分析的结果，然后被用来推导所考虑的系统上的中断概率的上限。数值结果表明，理论分析与仿真结果吻合较好.结果表明，在无人机的波动的存在下，优化辐射方向图形状需要平衡增加方向图增益以减少干扰以及补偿毫米波频率处的大路径损耗与减少方向图增益以减轻无人机振动的不利影响之间的固有权衡。的分析推导，使任何条件下的最佳天线方向图的推导在很短的时间内，而不是使用耗时的广泛的模拟。
2022-08-11 eess.SP
Generative Neural Network Channel Modeling for Millimeter-Wave UAV Communication
毫米波正越来越多地被考虑用于与无人机（UAV）的无线通信。这项工作的关键是统计信道模型，描述感兴趣的场景中的组成参数的分布。本文提出了一种基于数据训练的生成式神经网络的通用建模方法。建议的生成模型有一个两阶段的结构，首先预测的链路状态（视线，非视线，或中断），并随后将此状态输入到一个条件变分自动编码器（VAE），生成的路径损耗，延迟，到达和离开的角度为所有的传播路径。该方法被证明为28 GHz的空对地通道之间的无人机和蜂窝系统在代表性的城市环境中，通过射线跟踪产生的训练数据集。该演示扩展到标准基站（安装在街道水平和向下倾斜）以及专用基站（安装在屋顶和向上倾斜）。所提出的方法能够捕获数据中复杂的统计关系，并且即使在将这些模型的参数重新调整到数据之后，其性能也显著优于标准3GPP模型。
2021-08-26 eess.SP
Ergodic Sum Rate Analysis of UAV-Based Relay Networks with Mixed RF-FSO Channels
基于无人机（UAV）的通信是一项很有前途的新技术，可以为当前的网络基础设施增加广泛的新功能。考虑到无人机的灵活性、成本效益和使用方便，它们可以被部署为临时基站（BS），用于BS过载或自然灾害等按需情况。在这项工作中，无人机为基础的通信系统与无线电频率（RF）接入链路的移动用户（MU）和自由空间光（FSO）回程链路的地面站（GS）被认为是。特别是，该网络中的RF和FSO信道取决于UAV的定位和（不）稳定性。UAV相对于MU的相对位置影响RF链路中的视线（LOS）连接的可能性，并且悬停UAV的不稳定性影响FSO信道的质量。因此，考虑到这些影响，我们分析了端到端的系统性能的网络采用无人机作为缓冲区辅助（BA）和非缓冲区辅助（非BA）中继的遍历和速率。仿真结果验证了所提出的解析推导的准确性，并揭示了缓冲补偿无人机的不稳定性所造成的随机波动的好处。我们的仿真结果还表明，各态历经和率BA和非BA无人机为基础的中继可以大大提高通过优化无人机的定位。我们进一步研究了MU密度和天气条件对端到端系统性能的影响。
2020-01-10 eess.SP
