UAV Base Station Trajectory Optimization Based on Reinforcement Learning in Post-disaster Search and Rescue Operations
Muroran Institute of Technology（室兰工业大学）
由于灾害，地面基站（TBS）将部分崩溃。一些用户设备（UE）将不被服务。部署无人机（UAV）作为空中基站是快速覆盖UE的方法。但现有的方法仅涉及无人机的覆盖范围。在这些场景中，他们专注于在所有TBS不再工作的灾后地区部署无人机。现有的TBS和无人机的组合的研究有限。我们提出的方法来部署无人机与可用的TBS作为空中基站合作。并通过强化学习提高覆盖率。此外，在实验中，我们首先使用平衡迭代减少和使用层次分簇（BIRCH）对UE进行分簇。最后，通过Q-learning实现基站对UE的更好覆盖。
2022-02-17 cs.LG
Placement Optimization of Aerial Base Stations with Deep Reinforcement Learning
Xiamen University（厦门大学）
无人驾驶飞行器（UAV）可以用作空中基站（ABS），以协助地面基础设施在各种紧急情况下保持无线连接。在有限的覆盖范围内，通过联合部署多个ABS来最大化N个地面用户的覆盖率是一个NP难问题，其复杂度为N。当覆盖范围由于站点特定的阻塞（例如，建筑物）在三维（3D）空间中的空地通道上。为了解决这一难题，本文采用深度强化学习（Deep Reinforcement Learning，DRL）方法：1）通过覆盖位图表示状态，以捕获GU/ABS的空间相关性，其维数和相关的神经网络复杂度对于任意大的N是不变的;和2）为DRL代理设计动作和奖励，以有效地从与所表示的复杂传播环境的动态交互中学习3D地形图。具体而言，提出了一种新的两级设计方法，包括基于主导视线（LoS）信道模型的初步设计，以及基于站点特定LoS/非LoS信道状态进一步细化ABS位置的高级设计。采用带优先经验回放算法的双深度Q网络（DQN）对多ABS布局决策策略进行训练。仿真结果表明，与DQN算法和K-means算法相比，该算法在复杂环境下的覆盖率有了显著提高.
2020-02-05 cs.AI cs.IT cs.LG
Collaborative Reinforcement Learning Based Unmanned Aerial Vehicle (UAV) Trajectory Design for 3D UAV Tracking
Beijing Laboratory of Advanced Information Network, Beijing University of Posts and Telecommunications（北京邮电大学）；University of Miami（迈阿密大学）；North Carolina State University（北卡罗来纳州立大学）
针对一架主动与四架被动UAV协同实时定位三维目标UAV的问题，提出ZD-RL方法联合优化发射功率与轨迹，显著降低定位误差。
2024-01-22 cs.LG cs.MA
Power Efficient Trajectory Optimization for the Cellular-Connected Aerial Vehicles
飞行器由于其高机动性、灵活部署和成本效益，最近在各种商业和民用应用中引起了极大的关注。为了利用这些有前途的功能，空中用户必须满足两个关键要求：首先，他们必须在整个飞行过程中保持与地面基站（GBS）的可靠通信链路，以支持指挥和控制数据流。第二，飞行器必须最大限度地减少其推进功率消耗，以保持功能，直到其任务结束。在本文中，我们研究的轨迹优化问题的空中用户飞越一个区域，包括一组GBS。这个问题的目的是找到的轨迹的空中用户，使总的推进相关的功率消耗的空中用户被最小化，同时满足蜂窝连接约束。该问题是一个非凸混合整数非线性问题，因此，它是具有挑战性的解决方案。为了解决这个问题，首先，这个问题被放松，并重新制定为一个更易于数学处理的形式。然后，利用逐次凸逼近（SCA）技术，提出了一个迭代算法，将问题转化为一系列凸问题，可以有效地解决。
2019-06-22 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
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
Dynamic Trajectory Optimization and Power Control for Hierarchical UAV Swarms in 6G Aerial Access Network
针对6G空基接入网络中多无人机集群协同部署挑战，提出分层结构并联合优化其动态轨迹与部署，通过区域划分、费马点构造及改进优化算法求解NP-hard问题，仿真显示复杂度降低50%。
2025-08-26 cs.NI eess.SP
Control over Skies: Survivability, Coverage, and Mobility Laws for Hierarchical Aerial Base Stations
空中基站（ABS）在下一代无线网络中具有重要的意义，可以方便和高质量地容纳移动地面用户和快速人群。然而，为了实现一个有效的ABS网络，许多因素有关的ABS飞行，管理法律和信息传输必须研究。本文从生存性、覆盖和移动性三个方面研究了多无人机通信，优化了多层ABS网络，避免了小区间干扰、能量不足、频繁切换和生命周期等问题。本文包括模拟结果的分层ABS分配处理一组用户在一个定义的地理区域。提出了几个开放的问题和挑战，提供深入了解ABS网络管理及其实用程序框架。
2021-04-16 cs.NI 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
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
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
On the Optimal 3D Placement of a UAV Base Station for Maximal Coverage of UAV Users
无人机（UAV）可以是支持新应用的用户，或者是服务于地面和/或空中用户的通信接入点。在本文中，我们专注于空中用户的连接性问题时，他们完全由空中基站（BS），即，无人机具体而言，三维布局问题的定向天线装备无人机基站，旨在最大限度地提高覆盖的空中用户的数量下与地面网络的频谱共享政策，进行了研究。给定一个已知的频谱共享政策之间的空中和地面网络，我们提出了一个3D布局算法，实现最优。仿真结果表明，我们的方法的性能，在覆盖的空中用户的数量，不同的配置和参数，如频谱共享政策，天线波束宽度，发射功率，和空中用户密度。这些结果代表了独家空中网络部署和应用的新准则，特别是与地面网络的正交和非正交频谱共享政策。
2020-08-21 cs.SY eess.SP eess.SY
A Novel Metric for mMIMO Base Station Association for Aerial Highway Systems
在这篇文章中，我们介绍了一个新的指标驱动的蜂窝连接的无人机（CCUAVs）位于空中高速公路服务时，由一个大规模的多输入多输出（mMIMO）地面网络的服务小区选择过程。从几个合适的候选中选择最佳服务小区并不简单。通过仅依赖于传统的基于参考信号接收功率（RSRP）的小区选择度量，可能导致服务小区由于视线（LoS）信道中的高相关性而不能复用适当数量的CCUAV的场景。为了克服这样的问题，在这项工作中，我们引入了一个新的小区选择度量，不仅捕获信号强度，而且空间复用能力。所提出的度量高度依赖于空中高速公路和基站天线之间的相对位置。数值分析结果表明，新度量的引入使得CCUAV在空中高速公路上具有更好的信干噪比（SINR）性能，从而为CCUAV提供更可靠的蜂窝连接。
2023-03-24 cs.IT cs.NI eess.SP
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
Non-cooperative Aerial Base Station Placement via Stochastic Optimization
带有机载基站设备的无人驾驶飞行器（UAV）可以在地面基础设施过载、损坏或缺乏的地区提供连接。用例包括紧急响应、野火抑制、监视和拥挤事件中的蜂窝通信，仅举几例。实现该技术的中心问题是将这样的空中基站（AirBS）放置在近似优化相关通信度量的位置。为了缓解现有算法的局限性，这需要密集和可靠的AirBS之间或AirBS和中央控制器之间的通信，本文利用随机优化和机器学习技术，提出了一种自适应和分散的算法AirBS之间的合作或通信的AirBS布局。该方法依赖于网络效用函数的智能设计和随机梯度上升迭代，可以用实际情况中可用的信息进行评估。为了补充理论上的收敛性能，仿真研究证实了所提出的计划的有效性。
2019-05-10 eess.SP math.OC
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
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
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
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
Aerial Base Stations Deployment in 6G Cellular Networks using Tethered Drones: The Mobility and Endurance Trade-off
机载基站（由无人机携带）具有增强蜂窝网络覆盖范围和容量的巨大潜力。多个场景和用例将极大地受益于这种技术，例如（i）在密集和城市地区卸载地面基站（BS），以及（ii）为农村地区提供覆盖。然而，部署机载BS面临的主要挑战之一是无人机的可用能量有限，这限制了飞行时间。事实上，目前使用的大多数无人机（UAV）最多只能运行一个小时。由于需要频繁访问地面站进行充电，这限制了支持UAV的蜂窝网络的性能，使UAV的覆盖区域暂时无法使用。在这篇文章中，我们提出了一种新的无人机蜂窝网络设置的基础上系留无人机（TUAVs）。在拟议的设置中，TUAV通过系绳连接到地面站（GS），为TUAV提供能量和数据。这使得一个航班可以停留几天。我们详细描述了拟议系统的组成部分。此外，我们争取的主要优势，TUAV使能蜂窝网络相比，典型的无绳系无人机。接下来，我们将讨论TUAV的潜在应用和用例。最后，我们讨论了挑战，设计考虑，和未来的研究方向，以实现拟议的设置。
2020-08-12 cs.IT cs.NI eess.SP
Positioning of Multiple Unmanned Aerial Vehicle Base Stations in future Wireless Network
无人机基站是主干网因灾害而无法满足覆盖和容量需求的可靠、高效的替代方案。在本文中，我们考虑最佳无人机部署问题在3D空间的毫米波网络。其目标是同时部署多个空中基站，以完全服务于地面用户。我们开发了一种新的算法来找到一组UAV-BS的可行位置从一组预定义的位置，受到信号干扰噪声比（SINR）的约束，每个相关的用户，UAV-BS的有限的悬停高度约束和受限的操作区约束。我们把这个三维定位问题作为一个l_0最小化问题。这是一个NP难的组合问题。我们将l_0极小化问题近似为非组合l_1-范数问题。因此，我们提供了一个次优算法来找到一组可行的位置，无人机基站操作。分析表明，该算法在满足约束条件的情况下，可以获得一组同时部署多个UVA-BS的位置。
2020-02-18 eess.SP math.OC
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
Aerial RIS-Enhanced Communications: Joint UAV Trajectory, Altitude Control, and Phase Shift Design
Nanjing University of Information Science and Technology（南京信息工程大学）；Guangzhou Institute of Technology, Xidian University（西安电子科技大学广州研究院）
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
Dynamic Mobility-Aware Interference Avoidance for Aerial Base Stations in Cognitive Radio Networks
空中基站（ABS）是一种很有前途的公共安全解决方案，因为它可以与蜂窝网络共存，形成一个临时的通信网络。然而，来自主蜂窝网络的干扰可能严重降低ABS网络的性能。考虑到这一点，自适应动态干扰避免方案提出了在这项工作中的ABS与主网络共存。在所提出的方案中，移动ABS可以重新配置其位置，以减轻来自主网络的干扰，从而更好地将数据从指定的源（S）中继到目的地（S）。为此，单/多商品的最大流问题的制定和加权Cheeger常数作为一个标准，以改善ABS网络的最大流。此外，提出了一种分布式算法来计算最佳ABS运动方向。此外，最大流和最短路径轨迹之间的权衡进行了研究，并开发了一种节能的方法。仿真结果表明，该方法能有效地提高网络最大流量，对于最大流量下性能略有下降的ABS，该方法能节省高达39%的能量.
2019-01-18 cs.IT cs.NI eess.SP
Joint Radio Resource Allocation, 3D Placement and User Association of Aerial Base Stations in IoT Networks
提出了一种新的无线电资源分配（RRA）、三维布局（3DP）和空中基站（ABS）用户关联的联合方法，该方法是物联网（IoT）网络中的主要问题。在我们提出的模型中，我们考虑两种方案：a）视线（LoS）b）广义。在LoS方案中，所有ABS都应该将物联网用户视为LoS。在广义方案中，ABS可以将一些物联网用户视为LoS，将其中一些视为NLoS。本文的主要目标是最小化物联网用户的总发射功率，同时满足一定的服务质量（QoS）的限制，在上行链路的场景。为了解决优化问题，并将高复杂度的主要问题转化为低复杂度的子问题，我们将其分解为两个子问题，即3DP子问题和联合RRA和用户关联（JRU）子问题。我们用来解决我们提出的优化问题的方法是半定松弛（SDR）和几何规划（GP）。最后，使用模拟，我们评估所提出的方案的性能为不同的网络参数值。
2017-10-15 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
Dispenser Concept for Unmanned Aerial Vehicles (UAV, Drone, UAS)
公开了从自主飞行器装载和分配不同物品的系统、设计和方法。在一个实施例中，描述了用于递送物品的独特的可拆卸分配器的设计以及将物品装载到分配器和从分配器递送物品的智能方法。还描述了分配器的设计、分配器与飞行控制单元和地面控制或基站的相互作用以及基站与物品的发送者或接收者的相互作用。
2017-09-22 cs.CY eess.SP
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
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
DDPG Learning for Aerial RIS-Assisted MU-MISO Communications
本文定义了优化的下行链路多用户多输入，单输出（MU-MISO）的和速率为地面用户服务的空中可重构智能表面（ARIS），作为一个中继到地面基站的问题。深度确定性策略梯度（DDPG）被提出来计算最佳的有源波束形成矩阵在基站和反射元件的相移在ARIS最大化的数据速率。仿真结果表明，与深度Q学习（DQL）和基线方法相比，该方案具有优越性。
2022-07-13 cs.IT eess.SP math.IT
Intelligent Trajectory Planning in UAV-mounted Wireless Networks: A Quantum-Inspired Reinforcement Learning Perspective
在本文中，我们考虑一个无线上行链路传输的情况下，无人驾驶飞行器（UAV）作为一个空中基站从地面用户收集数据。为了在没有地面用户的任何先验知识（例如，位置、信道状态信息和发射功率），轨迹规划问题经由量子启发强化学习（QiRL）方法来优化。具体而言，QiRL方法采用了新的概率动作选择策略和新的增强策略，分别受到量子计算理论中的坍缩现象和振幅放大的启发。数值结果表明，所提出的QiRL解决方案可以通过对可能动作的崩溃概率进行排名来提供探索和开发之间的自然平衡，与传统的强化学习方法相比，传统的强化学习方法高度依赖于调整的探索参数。
2021-03-02 cs.SY eess.SP eess.SY
Two-Tier High Altitude Platform Stations (HAPS) for Exploring Wireless Energy Harvesting
Ecole Nationale Supérieure des Technologies Avancées (ENSTA)（高等先进技术学院）；Echahid Hamma Lakhdar University（艾沙希德哈马拉赫达尔大学）；Carleton University（卡尔顿大学）；King AbdulAziz University（阿卜杜勒阿齐兹国王大学）；Ankara Yıldırım Beyazıt University（安卡拉伊尔迪里姆贝亚济特大学）；Ericsson AB（爱立信公司）
本文提出双层架构的高空平台站，通过无线能量传输提升通信效率，分析能量采集对性能的影响，并采用迭代距离和能量采集因子算法验证效果。
2026-04-23 eess.SP
Weighted Sum Age of Information Minimization in Wireless Networks with Aerial IRS
在这封信中，我们分析了一个地面无线通信网络的空中智能反射面（IRS）的协助。我们认为，在地面基站（BS）的数据包调度问题，旨在提高信息的新鲜度，通过选择数据包的基础上，他们的AoI。为进一步提高通信质量，采用主被动联合波束形成设计对携带IRS的无人机进行航迹优化。为了解决非凸问题，我们提出了一个迭代交替优化问题的连续凸近似（SCA）算法的基础上。仿真结果表明，加权和AoI的性能显着改善，SCA解决方案收敛速度快，计算复杂度低。
2022-03-09 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
Distributed and Autonomous Aerial Data Collection in Smart City Surveillance Applications
智慧城市和物联网应用的大规模增长使安全和保障成为可能。无人机网络（无人机）等空中设备中的监控摄像头产生的数据需要传输到地面站进行安全数据分析。当网络规模相对于设备的无线通信覆盖范围而言相对较大时，并不总是能够将数据传输到地面站，因此本质上需要分布式和自治算法。基于这一需求，本文提出了一种新的无人机网络监控数据采集算法，该算法充分考虑了无人机网络的移动性和灵活性。由于无人机电池的限制，我们有选择地收集数据的无人机通过设置规则的距离和相似性的考虑。作为一个序列，UAV设备必须竞争获得数据处理的机会。为此，本文设计了一种基于Myerson拍卖的深度学习算法，在保证真实性的同时，将无人机的收益与传统的二价拍卖进行比较。基于仿真结果，我们验证了我们提出的算法达到了预期的性能改善。
2021-07-25 eess.SP
