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
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
Coverage Analysis and Trajectory Optimization for Aerial Users with Dedicated Cellular Infrastructure
本文提出一种由部署在路边设施的专用基站与传统地面基站组成的空中用户蜂窝网络，基于PLCP和PPP建模计算覆盖概率，并优化蜂窝连接无人机轨迹以最大化最小SINR。
2023-04-06 cs.SY eess.SP eess.SY
AI-Based and Mobility-Aware Energy Efficient Resource Allocation and Trajectory Design for NFV Enabled Aerial Networks
在本文中，我们提出了一种新的联合智能轨迹设计和资源分配算法的基础上，用户的移动性和他们所要求的服务无人机（UAV）辅助网络，其中无人机作为节点的网络功能虚拟化（NFV）使能网络。我们的目标是通过分配有限的无线电和NFV资源，最大限度地提高能源效率，并最大限度地减少所有服务的平均延迟。此外，由于流量条件和用户的移动性，我们让一些虚拟网络功能（VNF）从其当前位置迁移到其他位置，以满足服务质量的要求。我们制定我们的问题，以找到接近最佳的位置的无人机，发射功率，子载波分配，放置，并调度所请求的服务的功能在无人机和执行合适的VNF迁移。然后，我们提出了一种新的分层混合连续和离散动作（HHCDA）的深度强化学习方法来解决我们的问题。最后，对算法的收敛性、计算复杂性以及不同参数下的性能进行了分析。仿真结果表明，与DDPG方法相比，HHCDA方法的请求拒绝率和平均延迟分别降低了31.5%和20%，能量效率提高了40%。
2021-05-21 cs.NI eess.SP
Handover-Count based Velocity Estimation of Cellular-Connected UAVs
蜂窝连接无人机（UAV）预计将在未来的各种民用和商业应用中发挥重要作用。虽然现有的蜂窝网络可以向UAV用户设备（UE）提供无线覆盖，但是这种传统网络针对地面用户进行了优化，这使得向空中UE提供可靠的连接具有挑战性。为了确保空中UE的可靠和有效的移动性管理，估计蜂窝连接的UAV的速度至关重要。针对不同的无人机飞行速度和地面基站密度，提出了一种近似的切换计数概率质量函数。然后，我们推导了无人机速度估计的Cramer-Rao下界（CRLB），并给出了一个简单的无偏估计的无人机的速度，它依赖于GBS密度和HOC测量时间。我们的模拟结果表明，速度估计的精度增加GBS密度和HOC测量窗口。此外，商用无人机的速度可以有效地估计合理的精度。
2020-02-16 eess.SP
Elevation Angle-Dependent 3D Trajectory Design for Aerial RIS-aided Communication
研究了一种概率视距信道下的空中可重构智能表面（RIS）辅助通信系统。以最小平均可达速率最大化为目标的最优化问题，用于联合设计通信调度、RIS的相移和三维（3D）UAV轨迹。为了解决这样一个非凸问题，我们提出了一个有效的迭代算法，以获得其次优解。仿真结果表明，该方案的性能明显优于现有方案，为无人机机载RIS通信系统的仰角和距离权衡提供了新的思路。
2022-04-09 eess.SP
Energy Aware Trajectory Optimization for Aerial Base Stations
通过充分利用无人机的移动性，基于无人机的空中基站（BS）可以更接近地面用户，以实现更好的通信条件。在本文中，我们考虑的情况下，一个空中基站被派遣覆盖最大数量的地面用户耗尽其机载能源资源之前。由此产生的轨迹优化问题是一个混合整数非线性问题（MINLP），这是非凸的，是具有挑战性的解决。为此，本文提出了一种迭代算法，该算法将问题分解为两个子问题，分别采用连续凸优化和块坐标下降技术进行求解，在每次迭代中交替优化基站的移动轨迹和用户的调度与关联。此外，为了获得更好的覆盖性能和加快收敛速度，还考虑了无人机初始轨迹的设计问题。最后，针对实际中用户位置信息不准确的问题，提出了两种鲁棒性技术来补偿用户位置信息不准确带来的性能损失.仿真结果表明，与基准技术相比，所提出的方案的能量和覆盖性能增益，覆盖概率增加了50%，能量减少了20%。
2019-01-23 eess.SP
Joint position and trajectory optimization of flying base station in 5G cellular networks, based on users' current and predicted location
如今，无人机（UAV）已经得到了显著的改进，其最重要的应用之一是为蜂窝用户提供临时覆盖。静态基站由于地面BS故障、恶劣天气条件、自然灾害、传输错误等临时事件而暂时崩溃，无法为所有用户提供服务，配备小型蜂窝基站的无人机无人机基站立即被发送到目标位置，并建立必要的通信链路，而不需要任何预定的基础设施，并覆盖该区域。在该地区找到最佳位置和适当数量的无人机BS是一项挑战。因此，在本文中，最佳的位置和最佳的DBS的数量分布在用户的当前状态和后续的用户状态的预测确定。最后，DBS从当前状态到预测的未来位置的转换被优化。仿真结果表明，该方法可以提供可接受的网络覆盖。
2022-02-08 cs.NI eess.SP
Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol
School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）
本文提出了一种细胞控制无人机传感网络，通过协同完成传感任务，采用感知-发送协议，优化轨迹、传感位置和无人机调度以最小化任务完成时间。
2018-05-30 cs.SY eess.SP eess.SY
Reinforcement Learning-Based Trajectory Design for the Aerial Base Stations
University of Toronto（多伦多大学）
研究了多空中基站（ABS）通信网络的轨迹优化问题。目标是找到ABS的轨迹，使得每个ABS所服务的用户的总速率最大化。为了实现这一目标，除了最优轨迹设计之外，最优功率和子信道分配对于支持具有最高可能数据速率的用户也是非常重要的。为了解决这个复杂的问题，我们将其分为两个子问题：ABS轨迹优化子问题和联合功率和子信道分配子问题。然后，基于Q-学习方法，我们开发了一种分布式算法，有效地解决这些子问题，并不需要ABS和核心网络之间的显着信息量交换。仿真结果表明，虽然Q学习是一种无模型的强化学习技术，它具有显着的能力，训练ABS优化其轨迹的基础上收到的奖励信号，其中携带体面的信息，从网络的拓扑结构。
2019-06-29 cs.AI cs.LG cs.NI
Reinforcement Learning-based Joint Path and Energy Optimization of Cellular-Connected Unmanned Aerial Vehicles
KTH Royal Institute of Technology（瑞典皇家理工学院）
近年来，无人机（UAV）引起了人们极大的研究兴趣。特别是在物联网领域，具有互联网连接的无人机是主要需求之一。此外，能量约束，即电池限制，是一个瓶颈的无人机，可以限制其应用。我们正在努力解决和解决能源问题。因此，提出了一种用于蜂窝连接的UAV的路径规划方法，该方法将使UAV能够通过在配备有发电站（PS）的某些位置充电来在比其电池范围大得多的区域中规划其路径。除了能量约束之外，还存在禁飞区;例如，由于空对空（A2 A）和空对地（A2 G）干扰，或者由于缺乏必要的连通性，这在UAV的轨迹优化中施加了额外的约束。禁飞区确定了应该避免的不可行区域。我们使用了一个强化学习（RL）分层扩展典型的短程路径规划器，考虑电池充电和解决问题的无人机在长期任务。针对无人机在大范围内飞行的问题进行了仿真，Q-学习算法可以使无人机找到最优路径和补给策略。
2020-11-27 cs.LG eess.SP
Managing Sets of Flying Base Stations Using Energy Efficient 3D Trajectory Planning in Cellular Networks
蜂窝网络中的无人驾驶飞行器（UAV）已经引起了相当大的兴趣。它们的应用之一是作为飞行基站（FBS），这可以增加覆盖范围和服务质量（QoS）。由于FBS是电池供电的，因此调节其能量使用是其使用的一个重要方面;因此，FBS在整个操作过程中的适当放置和轨迹对于克服这一挑战至关重要。在本文中，我们提出了一种方法来解决多FBS的三维轨迹问题，考虑FBS的能量消耗，操作时间，飞行距离的限制，和小区间干扰的限制。我们的方法分为两个阶段：FBS放置和FBS轨迹。在采用这种方法时，我们将问题分解为几个快照。首先，我们找到所需的FBS的最小数量及其在每个快照中的正确3D位置。然后，在每两个快照之间，执行轨迹阶段。每个FBS的起点和目的地之间的最佳路径确定在轨迹阶段，利用建议的二元线性问题（BLP）模型，考虑FBS的能量消耗和飞行距离的限制。然后，在考虑障碍物和碰撞避免的情况下，确定每个FBS的最短路径。所需的FBS的数量可能会有所不同的快照，所以我们提出了一个FBS集管理（FSM）技术来管理FBS的设置和他们的权力。结果表明，所提出的方法是适用于现实世界的情况下，结果是一致的预期。
2022-12-06 cs.NI 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
On the Localization of Unmanned Aerial Vehicles with Cellular Networks
定位对于无人机的安全操作起着关键作用，能够实现超视距应用。与基于GPS的定位相比，蜂窝网络可以减少定位误差和成本，因为蜂窝连接正成为UAV的通信系统的突出解决方案。作为朝向定位的第一步，UAV需要接收足够数量的定位信号，每个定位信号具有大于阈值的信号与干扰加噪声比（SINR），其被定义为可定位性。另一方面，UAV的三维移动性、基站（BS）和UAV之间的高度相关信道特性、其视线和非视线条件以及来自相邻BS的所产生的干扰对从所需数量的BS接收可用信号提出了挑战。在本文中，我们利用一个易于处理的方法来计算本地化，成功地从一定数量的BS接收可用信号的概率，在一个双层六边形蜂窝网络。无论使用哪种本地化技术，本地化能力都会对整体本地化性能产生影响。在我们的仿真研究中，我们调查的概率与参与BS的数量，后处理SINR的要求，空对地信道特性，和网络协调，这被证明是最重要的因素无人机的定位性能的定位之间的关系。
2020-03-11 cs.SY eess.SP eess.SY
Reinforcement Learning for a Cellular Internet of UAVs: Protocol Design, Trajectory Control, and Resource Management
无人机（UAV）可以是强大的物联网组件，以通过下一代蜂窝网络执行感测任务，下一代蜂窝网络通常被称为UAV的蜂窝互联网。然而，由于无人机的高机动性和空地通道中的阴影，无人机运行在一个动态和不确定的环境中。因此，无人机需要在信息不完全的情况下提高感知和通信的服务质量（QoS），这使得强化学习适合应用于无人机蜂窝互联网。在这篇文章中，我们提出了一个分布式的传感和发送协议，以协调无人机的传感和传输。然后，我们将强化学习应用于无人机蜂窝互联网中，以解决轨迹控制和资源管理等关键问题。最后，我们指出了几个潜在的未来研究方向。
2019-11-20 eess.SP
Beyond D2D: Full Dimension UAV-to-Everything Communications in 6G
在本文中，我们考虑了一个互联网的无人机（UAV）在蜂窝网络中，无人机作为空中用户收集各种传感器数据，并发送收集到的数据到他们的传输目的地通过蜂窝链路。与传统蜂窝网络中的地面用户不同，不同的无人机由于其传感应用而具有不同的通信需求，需要一种更灵活的通信框架。为了解决这个问题，我们提出了一个无人机到一切（U2X）的网络，它使无人机能够调整其通信模式全维度根据其传感应用的要求。在本文中，我们首先介绍了U2X通信的概念，并详细阐述了其三种通信模式。然后，讨论了U2X通信的关键技术，包括联合感知与传输协议、无人机轨迹设计和无线电资源管理。然后提出了一种基于强化学习的U2X通信数学框架。最后，对U2X通信的扩展进行了介绍。
2020-04-04 cs.NI 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
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
Trajectory and power design for aerial CRNs with colluding eavesdroppers
研究存在串谋窃听者的空中认知无线电网络安全问题，通过联合优化无人机轨迹与传输功率最大化平均保密速率，提出基于块坐标下降和逐次凸逼近的迭代算法，提升了机载CRN的保密性能。
2023-10-21 cs.IT eess.SP math.IT
Joint Trajectory Design and User Scheduling of Aerial Cognitive Radio Networks
无人机（UAV）与地面节点之间的链路是高概率的视距链路，因此UAV被广泛用于增强无线通信的端到端性能。然而，LoS链路中信号传播的广播特性使其很容易被恶意窃听者窃听，这对无线通信的安全性提出了相当大的挑战。研究了空中认知无线电网络的安全问题。机载基站利用与主网络相同的频谱向次用户发送机密消息。空中基站发射干扰信号来抑制窃听者以增强保密性能。该算法考虑了窃听节点位置的不确定性，通过优化多用户调度、无人机飞行轨迹和发射功率，最大化认知用户的平均保密率。针对混合多整数变量非凸优化问题，提出了一种基于块坐标下降和逐次凸逼近的迭代算法。数值结果验证了算法的有效性，表明该方案有利于提高空中CRN的保密性能。
2022-04-21 cs.IT eess.SP math.IT
Beamforming and Trajectory Optimization for Aerial RIS-Aided Secure ISAC via Model Predictive Control
Xi’an Jiaotong University（西安交通大学）；Shanghai Jiao Tong University（上海交通大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文提出基于模型预测控制的空中RIS辅助安全ISAC框架，联合优化无人机轨迹、波束成形与RIS相移，以最大化保密速率并最小化飞行能耗，仿真验证其优于静态基线。
2026-10-06 eess.SP
Deep Reinforcement Learning for Trajectory and Phase Shift Optimization of Aerial RIS in CoMP-NOMA Networks
针对CoMP-NOMA网络中机载RIS的轨迹、相移及NOMA功率控制混合参数优化难题，提出基于MO-PPO算法的深度强化学习框架，可实现近最优性能并适应动态环境，助力提升未来无线网络的频谱效率与覆盖。
2024-11-02 eess.SP
Altitude-Dependent Cellular Spectrum Occupancy: from Measurements to Stochastic Geometry Models
本文通过城市和乡村环境中高达300米的sub-6 GHz频段测量，提出SOSGAD随机几何模型和射线追踪模型，验证了SOSGAD能准确表征无人机高度增加时的蜂窝频谱占用行为。
2024-11-09 eess.SP
Reinforcement Learning for Decentralized Trajectory Design in Cellular UAV Networks with Sense-and-Send Protocol
近年来，无人机（UAV）在蜂窝网络实时传感应用中得到了广泛的应用，它可以感知任务的状态，并将实时传感数据传输到基站（BS）。无人机的性能取决于其感测和传输过程的性能，而感测和传输过程又受无人机轨迹的影响。然而，由于无人机工作在动态环境中，因此有效地设计其轨迹是具有挑战性的。为了应对这一挑战，本文采用强化学习框架以分散方式解决无人机轨迹设计问题。为了协调多个无人机执行实时传感任务，我们首先提出了一个感测和发送协议，并使用嵌套马尔可夫链分析成功的有效数据传输的概率。然后，我们制定了分散的轨迹设计问题，并提出了一种增强的多无人机Q学习算法来解决这个问题。仿真结果表明，在实时任务感知场景下，所提出的增强型多无人机Q学习算法收敛速度更快，对无人机具有更高的效用。
2018-09-09 eess.SP
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
3D Trajectory Design for Energy-constrained Aerial CRNs Under Probabilistic LoS Channel
研究概率LoS信道下能量受限的空中认知无线电网络，通过联合优化UAV的3D轨迹、发射功率与用户调度最大化平均可达速率，利用块坐标下降与逐次凸逼近求解非凸问题，验证了3D轨迹对系统性能的提升。
2024-06-03 cs.IT eess.SP math.IT
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
Energy Efficient Aerial RIS: Phase Shift Optimization and Trajectory Design
本文研究配备 RIS 的无人机在基站与受阻用户间建立链路的场景，通过解耦相移优化与轨迹设计并引入 EMPC 工具求解轨迹优化，显著提升了系统的能效。
2024-07-25 eess.SP
A Double Q-Learning Approach for Navigation of Aerial Vehicles with Connectivity Constraint
University of Toronto（多伦多大学）
研究了飞行器在一对给定的起始点和终点之间飞行的轨迹优化问题。目标是最小化飞行器的行进时间，确保满足飞行器的安全操作所需的通信连接性约束。我们考虑两种不同的标准，导致两种不同的情况下的飞行器的连接约束。在第一种情况下，我们假设飞行器在地面基站（GBS）覆盖范围之外的最大连续持续时间被限制到给定阈值。然而，在第二种情况下，我们假设飞行器不被GBS覆盖的总时间段是有限的。基于这两个约束，我们制定了两个轨迹优化问题。为了解决这些非凸问题，我们使用基于双Q学习方法的方法，双Q学习方法是一种无模型强化学习技术，与现有算法不同，它不需要对环境有完美的了解。此外，与众所周知的Q-学习技术相比，我们的双Q-学习算法不受过估计问题的影响。仿真结果表明，虽然我们的算法不需要先验信息的环境，它的工作很好，表现出接近最优的性能。
2020-02-24 cs.AI cs.NI eess.SP
Joint Trajectory and Resource Optimization for Aerial RIS-assisted Integrated TNT Networks
National Sun Yat-sen University（国立中山大学）；Vellore Institute of Technology（维洛尔理工学院）
本文研究了双空天集成TNT网络，通过联合优化地面基站、卫星的预编码、RIS相移矩阵及无人机和高空气平台的三维轨迹，提升平均总速率。
2026-04-14 cs.ET eess.SP
3D-Map Assisted UAV Trajectory Design Under Cellular Connectivity Constraints
安全的蜂窝控制无人机（UAV）在视线之外的实现预计将在运输，货物交付和系统监控领域开辟重要的未来机会。在这一领域的一个关键挑战在于设计的轨迹，同时允许无人机任务的完成，可以保证可靠的蜂窝连接所有沿路径。在这一领域的以前的方法已经考虑了简单的传播模型假设（例如，基于视线）或更先进的模型，但计算要求优化的解决方案。在本文中，我们提出了一种新的轨迹设计方法，使用的覆盖范围图，可以得到的三维地图的环境和无线电传播模型的组合。利用覆盖图内的子区域的凸性，我们提出了一种低复杂度的基于图的算法，该算法以已知最优方法的计算成本的一小部分实现准最优性能。
2019-11-04 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
Secure Short-Packet Transmission with Aerial Relaying: Blocklength and Trajectory Co-Design
针对存在地面窃听者的无人机中继安全短包通信，本文协同优化编码块长与无人机轨迹，提出基于块逐次凸近似的低复杂度交替算法，显著提升保密吞吐量。
2023-10-08 cs.IT eess.SP math.IT
Mobility State Detection of Cellular-Connected UAVs based on Handover Count Statistics
为了确保空中用户设备（UE）的可靠和有效的移动性管理，估计蜂窝连接的无人机（UAV）的速度至关重要，因为这可以帮助提高蜂窝网络的服务质量。3GPP LTE标准使用UE在预定义时间段期间进行的切换的数量来有效地估计速度和移动性状态。在本文中，我们引入了一个近似的切换计数（HOC）的概率质量函数的蜂窝连接的无人机的高度和速度，HOC测量时间窗口，和不同的地面基站（GBS）密度的函数。然后，我们推导了无人机速度估计的Cramer-Rao下界（CRLB），并给出了一个简单的有偏估计的无人机的速度依赖于GBS密度和HOC测量周期。有趣的是，对于低触发时间（TTT）参数，有偏估计量变成了最小方差无偏估计量（MVUE）。通过利用这个速度估计器，我们研究了根据LTE规范检测无人机的移动性状态为低、中、高移动性的问题。使用CRLB和我们提出的MVUE，我们表征的准确性提高速度估计和移动状态检测的GBS密度和HOC测量窗口的增加。我们的分析还表明，所提出的估计的准确性并没有显着变化的TTT参数。
2022-06-27 eess.SP
UAV Swarm-Enabled Aerial CoMP: A Physical Layer Security Perspective
与由单个无人机（UAV）启用的空中基站不同，空中协调多点（CoMP）可以由UAV群启用。在这种情况下，多个无人机的管理是重要的。本文考虑了无人机群使能空中网络的功率分配策略，以提高下行链路传输的物理层安全性，窃听者移动的轨迹，更好地窃听。与现有的工作，我们只使用大规模的信道状态信息（CSI）和最大化的秘密吞吐量在整个轨迹导向的方式。考虑了每个无人机的总传输能量约束和所有合法用户的总传输持续时间。所制定的问题的非凸性，解决了使用最大最小优化迭代。期望信号和人工噪声（AN）的发射功率迭代推导。仿真结果验证了所提出的功率分配算法的有效性，并显示了仅使用大规模CSI的空中CoMP的优势。
2019-08-19 cs.IT eess.SP math.IT
Aerial RIS-Enhanced Communications: Joint UAV Trajectory, Altitude Control, and Phase Shift Design
针对四旋翼无人机搭载的空中RIS（ARIS）飞行倾斜与高度变化导致波束失准的问题，提出基于欧拉角的联合控制方案，通过带优先经验回放的软演员-评论家算法优化ARIS高度、轨迹与相移，结合注水法与二分法优化基站波束成形，显著提升系统和速率与抗倾斜性能。
2025-10-11 cs.IT eess.SP math.IT
Joint Beamforming, User Association, and Height Control for Cellular-Enabled UAV Communications
为空中用户（例如无人机（UAV））提供可靠和无缝的移动性是下一代蜂窝系统的关键挑战。为了应对这一挑战，我们提出了一个联合波束成形，用户关联，无人机高度控制框架的蜂窝连接多无人机网络与多天线基站（BS）。在多个地面用户设备速率约束条件下，以最大化无人机最小可达速率为目标，设计了一种分层双层迭代算法，对基站波束形成向量、无人机关联矩阵和无人机高度进行联合优化。在内层迭代中采用投影梯度法，在外层迭代中采用几何规划建模加凹凸法，证明了算法收敛于局部最优解。考虑到无人机的移动特性，我们还利用我们提出的算法不完美的信道估计的情况下。数值结果表明，与传统的最邻近关联算法相比，该算法在理想和非理想信道估计情况下均能提高无人机的最小可达速率。此外，我们还研究了无人机的最小可达速率和频率之间的权衡与单移动无人机更新优化变量。
2020-02-16 cs.IT eess.SP math.IT
Joint Trajectory and Resource Optimization for Dual-aerial ARIS-assisted NOMA-TNT Networks
National Sun Yat-sen University（国立中山大学）；Vellore Institute of Technology（维罗尔理工学院）
本文研究双空域ARIS辅助NOMA-TNT网络，通过联合优化发射波束成形、ARIS系数及UAV/HAP三维轨迹，提升平均总速率。提出基于BCD的框架，结合WMMSE、RCG、SCA和一阶近似方法，实现非凸问题求解，验证双空域ARIS和通信-移动性联合优化的性能优势。
2026-04-14 cs.ET eess.SP
Trajectory and Power Design for Aerial Multi-User Covert Communications
本文研究双无人机使能的多用户下行隐蔽通信系统，通过联合优化功率分配与轨迹以最大化平均隐蔽速率，并提出了基于逐次凸逼近的算法解决单/多天线监听者场景下的鲁棒优化问题。
2023-10-21 cs.IT eess.SP math.IT
Modeling and Analysis of Air-to-Ground Cellular KPIs in a 5G Testbed using Android Smartphones
North Carolina State University（北卡罗来纳州立大学）；Wireless Research Center North Carolina（北卡罗来纳无线研究中心）
本文通过在AERPAW湖 Wheeler测试平台进行空中飞行，研究无人机高度、距离基站、仰角和方位角对私有4G/5G基站关键性能指标（KPIs）的影响，利用安卓智能手机进行数据采集与分析，结合数学模型和机器学习方法，为蜂窝通信无人机系统的设计和部署提供工具。
2026-04-08 cs.PF eess.SP
A 3D Tractable Model for UAV-Enabled Cellular Networks With Multiple Antennas
提出了一种三维点过程模型，该模型可用于大规模蜂窝网络中无人机（UAV）的部署，并可跟踪地分析网络的基本网络性能。提出的三维点过程是基于二维齐次标记泊松点过程（PPP）设计的，其中每个点及其随机标记分别唯一地对应于三维点过程中每个点的投影和高度。我们研究了所提出的3D点过程的一些重要的统计特性，并阐明了这些特性的一些重要见解，这些特性有助于分析支持无人机的蜂窝网络，其中所有配备有多个天线的无人机都部署在所提出的3D点过程中作为空中基站。所提出的3D点过程的显着特点在于其适用于实际的3D通道建模和分析的易处理性。分析了无人机蜂窝网络的下行覆盖性能，得到了简洁的表达式，并推导了一些特殊情况下的封闭式结果。最重要的是，他们的基本限制实现无小区的大规模天线阵列的特点时，协调所有的无人机联合执行非相干下行链路传输。最后，数值结果验证了本文的一些关键发现。
2020-12-29 cs.IT eess.SP 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
Downlink Coverage and Rate Analysis of an Aerial User in Vertical Heterogeneous Networks (VHetNets)
在本文中，我们分析了在垂直HetNets（VHetNets）包括空中基站（aerial-BS）和地面BS的下行链路覆盖概率和速率的空中用户。地面基站的位置被建模为一个无限的2-D泊松点过程（PPP），而空中基站的位置被建模为一个有限的2-D二项式点过程（BPP）。我们的蜂窝到空气（C2A）信道模型采用了视线（LoS）和地面BS和一个典型的空中用户之间的非LoS传输，而我们假设所有的空中链路LoS传输。我们假设空中用户与提供最强平均接收功率的空中BS或地面BS相关联。利用随机几何，我们推导出精确的和近似的表达式的覆盖概率和速率的干扰功率的拉普拉斯变换。表达式被简化，假设仅用于C2A信道的LoS传输。这使得能够在升高的空中用户高度处具有良好精度的易于计算的方程。我们发现，在低空盘旋的空中用户往往连接到密集的地面环境中的空中基站。在空中BS处采用定向波束成形通过减少从空中BS接收的干扰信号来保证空中用户处的可接受性能。在更密集的地面网络中，尽管波束成形，空中用户的性能大幅下降。
2020-09-10 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
