UAV Trajectory and Beamforming Optimization for Integrated Periodic Sensing and Communication
无人机（UAV）有望为综合传感和通信（ISAC）系统带来变革性的改进。然而，由于共享的频谱资源，实现这两个集成功能之间的关键权衡是具有挑战性的。为了解决这个问题，我们在本文中提出了一个新的集成\emph{periodic}传感和通信机制的无人机使能ISAC系统。具体地，用户可实现的速率通过联合优化UAV轨迹、发射预编码器和感测开始时刻来最大化，受到感测频率和波束方向图增益约束。尽管这个问题是高度非凸的，涉及到无限多的变量，我们得到了最佳的发射预编码器，并推导出最佳的可实现速率在任何给定的无人机位置，以方便无人机轨迹设计的封闭形式。此外，我们首先证明了最优解之间的结构对称性在不同的ISAC框架没有位置约束，然后提出了一个高品质的无人机轨迹和传感器的优化算法一般的位置约束的情况下。仿真结果证实了所提出的设计的有效性，也揭示了一个更灵活的权衡在ISAC系统的基准计划。
2022-03-19 cs.IT eess.SP math.IT
RIS-Aided Fluid Antenna Array-Mounted UAV Networks
本文针对搭载流体天线的RIS辅助无人机下行网络，提出联合优化波束成形、无人机部署与天线位置的BRAUD方案，仿真验证其在多类基准中速率性能最优。
2025-01-16 cs.IT eess.SP math.IT
Dual-UAV-Enabled Secure Communication and Sensing for A2G-ISAC Systems with Maneuverable Jamming
本文针对空地一体化感知与通信系统，提出双无人机协同的安全通信与感知方案，通过联合优化轨迹与波束成形提升平均保密速率与感知性能，采用分阶段优化结合多种凸优化技术求解非凸问题。
2025-05-18 cs.IT eess.SP math.IT
Experimental evaluation of beamforming on UAVs in cellular systems
波束形成技术在无人机中的应用具有显著改善空地链路质量的潜力。本文介绍了这样一个基于无人机的波束形成系统在活蜂窝网络的实验测试的结果。搭建了一个具有定向天线的实验平台。它示出，波束成形可以扩展由于天线增益的信号覆盖范围，以及空间上减少干扰，导致更高的信号质量。此外，通过减少切换发生，它对飞行UAV的移动性性能具有积极影响。还讨论了在何种情况下波束成形应转化为上行链路吞吐量增益。
2020-03-24 eess.SP
UAV-Enabled Data Collection for Wireless Sensor Networks with Distributed Beamforming
本文研究了一种基于无人机的无线传感器网络，其中一架无人机在天空中飞行，通过分布式波束形成收集从一组地面节点传输的数据。我们考虑了两种情况下的延迟容忍和延迟敏感的应用程序，其中的GN发送的共同/共享的消息，通过自适应和固定速率传输的无人机，分别。对于这两种情况，我们的目标是最大化的平均数据速率吞吐量和最小化的传输中断概率，分别通过联合优化无人机的轨迹设计和GNs的发射功率分配随着时间的推移，受无人机的飞行速度约束和GNs的个人平均功率约束。然而，这两个公式化的问题都是非凸的，因此通常很难得到最优解。为了解决这个问题，我们首先考虑放松的问题，在理想的情况下，无人机的飞行速度约束被忽略，得到结构良好的最优解，揭示了基本的性能上界。结果表明，对于两个近似问题，最优轨迹解具有相同的多位置悬停结构，但具有不同的最优功率分配策略。其次，对于一般的无人机飞行速度约束问题，我们提出了有效的算法，以获得高质量的解决方案，通过使用凸优化和近似的技术。最后，数值结果表明，我们提出的设计显着优于其他基准计划，在实现的数据速率吞吐量和中断概率在两种情况下。当任务周期足够长时，我们提出的设计方法在忽略无人机的飞行速度约束时接近性能上限。
2021-08-07 cs.IT eess.SP math.IT
Flight Sensor Data and Beamforming based Integrated UAV Tracking with Channel Estimation using Gaussian Process Regression
随着对无人机（UAV）应用的爆炸性增长的需求，需要为服务的UAV提供可靠的链路捕获。考虑到无人机的动态特性，如何在不发生波束失准的情况下保持可靠的链路是一个巨大的挑战。针对这一问题，提出了一种基于飞行传感器数据和波束形成信号的无人机综合跟踪方案。所提出的方案提供了一个兼容的综合系统，考虑到飞行传感器数据和波束形成导频信号的实际规格。无人机位置跟踪包括两个步骤：1）通过飞行传感器数据预测无人机位置; 2）使用高斯过程回归（GPR）方法利用波束形成信号进行位置更新，该方法是一种非参数机器学习。飞行传感器数据可以帮助地面站（GS）或UAV节点设计预编码和接收波束成形矩阵，从而大幅降低开销。波束形成信号可以实现即使在飞行传感器数据不存在时也要保持的高波束形成增益。因此，所提出的方案可以通过利用这两个信号来连续地支持运动目标。仿真结果证实了该方案优于其他传统的波束跟踪方案。我们还推导出3维（3D）波束形成增益和频谱效率（SE）的角度值估计的平均绝对误差（MAE），这可以被用来作为波束形成性能的指标的数据传输链路提前。
2020-11-20 eess.SP
Location-aware Beamforming for MIMO-enabled UAV Communications: An Unknown Input Observer Approach
众多的通信和网络挑战阻碍了在现有无线技术主要集中在地面的极端环境中部署无人机（UAV）;因此，UAV的空对空信道没有完全覆盖。针对无人机联合感知与通信问题，提出了一种新的波束形成空间估计方法。所提出的空间估计算法依赖于使用基于延迟容忍的预测器，该预测器可以在存在由于阵风等因素引起的不确定性的情况下准确地预测目标无人机的位置。该方案使用离散时间未知输入观测器（UIO），通过在同一设备上工作，显著降低了联合目标检测和通信复杂度，并在信道阻塞和干扰的情况下可靠地执行。仿真结果证明了该方法的有效性。
2021-11-20 cs.IT cs.SY eess.SP
Learning Based Dynamic Cluster Reconfiguration for UAV Mobility Management with 3D Beamforming
针对无蜂窝无线网络中无人机通信的动态聚类与功率分配多目标优化难题，提出一种基于定制化掩码软演员-评论家强化学习的动态簇重配置方法，兼顾可靠性、功耗与重配置频率需求。
2024-01-31 cs.IT eess.SP math.IT
A Survey on Millimeter-Wave Beamforming Enabled UAV Communications and Networking
无人驾驶飞行器（UAV）具有广泛的商业、民用和军事应用。无线通信一直是无人机的核心技术之一。然而，通信能力正在成为无人机支持更具挑战性的应用场景的瓶颈。严重占用的6 GHz以下频段不足以满足超高数据流量要求。利用毫米波（mmWave）频段是UAV通信的一个有前途的方向，其中大型天线阵列可以封装在UAV上的小区域中以执行三维（3D）波束成形。另一方面，作为空中接入点或中继的UAV可以显著增强地面毫米波蜂窝网络的覆盖范围和服务质量。在本文中，我们提供了一个全面的调查毫米波波束成形使无人机通信和网络。首先介绍了毫米波无人机通信的技术潜力和挑战。然后，我们提供了相关毫米波天线结构和信道建模的概述。随后，无人机连接的毫米波蜂窝网络和毫米波无人机自组织网络的技术和解决方案分别进行了审查。最后，我们提出了开放的问题和有前途的方向，为未来的研究毫米波波束赋形使无人机通信和网络。
2021-10-25 eess.SP
Machine-Learning Beam Tracking and Weight Optimization for mmWave Multi-UAV Links
毫米波（mmWave）混合模拟数字波束形成是一种很有前途的方法，可以满足多无人机（UAV）系统的低延迟约束，作为灵活部署的网络基础设施。然而，在高度动态的多无人机环境中，模拟波束跟踪成为一个关键的挑战。以频谱效率为代价的额外导频传输的开销被证明是必要的，以实现操作中的高弹性。一种处理UAV的高动态的有效方法将机器学习，特别是Q学习应用于模拟波束跟踪。所提出的基于Q学习的波束跟踪方案使用当前/过去的观测来设计来自环境的奖励以促进预测，这显著地提高了数据传输和波束切换的效率。给定所选择的模拟波束，数字波束成形的目标是最大化SINR。接收到的导频信号被用来近似期望的信号和干扰功率，这产生SINR测量以及最佳数字权重。由于基于接收功率选择的模拟波束不能保证混合波束形成实现最大化SINR，因此我们在波束跟踪期间保留额外的模拟波束作为候选。模拟波束与其数字权重的组合实现最大SINR，从而为混合波束形成提供了最佳解决方案。
2019-10-29 cs.IT eess.SP math.IT
Ensuring Reliable Connectivity to Cellular-Connected UAVs with Up-tilted Antennas and Interference Coordination
为了在未来的大规模部署中集成无人机（UAV），一种新的无线通信范例，即蜂窝连接的UAV最近引起了人们的兴趣。然而，视距占主导地位的空对地信道以及蜂窝地面基站（GBS）的天线方向图在蜂窝连接的UAV通信中引入了严重的干扰问题。特别是，复杂的天线方向图和来自向下倾斜天线的地面反射（GR）为空中的UAV创建了覆盖漏洞和不完整的覆盖，这导致来自底层蜂窝网络的不可靠的连接。为了克服这些挑战，在本文中，我们提出了一种新的蜂窝架构，该架构采用了一组额外的面向天空的共信道天线，以支持地面用户设备（GUE）的现有下倾天线上的无人机。为了模拟来自下倾斜天线的GR，我们提出了一个路径损耗模型，该模型同时考虑了天线的辐射方向图和配置。接下来，我们制定了一个优化问题，以最大限度地提高最小信号干扰比（SIR）的无人机通过调整向上倾斜（UT）的角度向上倾斜的天线。由于这是一个NP难问题，我们提出了一种基于遗传算法（GA）的启发式方法来优化这些天线的UT角度。在获得最佳UT角度之后，我们整合3GPP Release-10指定的增强型小区间干扰协调（eICIC）以减少源自向下倾斜天线的干扰。基于六边形小区布局的仿真结果表明，与基线方法相比，所提出的干扰抑制方法可以确保无人机具有更高的最小信干比，同时对用户设备的信干比影响最小。
2021-12-21 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
Millimeter-Wave Full-Duplex UAV Relay: Joint Positioning, Beamforming, and Power Control
本文采用全双工无人机中继来提高毫米波网络的通信容量。在源节点（SN）、目的节点（DN）和FD-UAV中继处配备大型天线阵列，以克服毫米波信道的高路径损耗，并帮助减轻FD-UAV中继处的自干扰。具体来说，我们制定了一个问题，从SN到DN，其中无人机的位置，模拟波束成形，功率控制联合优化的可实现的速率的最大化。由于该问题是高度非凸的，涉及高维，高度耦合的变量向量，我们首先获得的FD-UAV中继的条件最优位置的近似上限的最大化，在封闭的形式，在视线（LoS）环境和理想的波束形成的假设下，可实现的速率。然后，无人机被部署到最接近条件最优位置的位置，并为两个空对地链路产生LoS路径。随后，我们提出了一种交替干扰抑制（AIS）算法的波束形成向量和功率控制变量的联合设计。在每次迭代中，波束形成向量被优化以最大化目标信号的波束形成增益和连续减少干扰，其中最优功率控制变量以封闭形式获得。我们的仿真结果证实了所提出的定位，波束形成和功率控制方法相比，三个基准计划的优越性。此外，我们的研究结果表明，所提出的解决方案接近毫米波FD-UAV系统的性能上限。
2020-04-23 eess.SP
Flexible Beamforming in B5G for Improving Tethered UAV Coverage over Smart Environments
针对系留无人机在多类智能环境中的覆盖需求，提出一种灵活波束成形方法，将信号能量聚焦目标接收机并减少功率扩散，从而提升接收功率、覆盖范围与链路可靠性。
2023-07-14 eess.SP
Joint Beamforming and 3D Location Optimization for Multi-User Holographic UAV Communications
本文针对配备可重构全息表面的多用户无人机通信场景，提出结合迫零数字波束成形与梯度上升的迭代算法，联合优化混合全息波束成形与3D位置，有效提升网络和速率与系统适应性。
2025-02-24 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
Joint UAV Placement and Transceiver Design in Multi-User Wireless Relay Networks
本文提出一种联合优化无人机中继部署与收发机设计的方法，通过大规模MIMO窄波束特性近似期望SINR并利用凸差框架优化UAV位置，结合块坐标下降法设计联合中继波束成形与接收合并算法，使最小SINR提升4.6 dB。
2025-07-16 eess.SP
3D beamforming and handover analysis for UAV networks
在未来的无人机应用中，快速移动的无人机（UAV）将需要通过高吞吐量超可靠的无线链路进行连接。毫米波通信被认为是一种很有前途的无人机通信技术，因为窄波束对地面和地面的干扰很小。这种网络的挑战是波束成形要求，以及由于小区很小而需要频繁波束成形的事实。在无人机通信研究领域，移动性，特别是无人机往往被忽视，然而，当考虑波束成形时，天线阵列的大小开始变得重要，方位角和仰角的影响应该被研究，特别是它们对切换率和中断容量的影响。本文旨在填补这方面的知识空白，并揭示一些存在的问题。这项工作将通过使用毫米波的实际5G部署的案例研究，分析无人机网络的3D波束成形和波束赋形的性能。我们将研究无人机利用波束成形毫米波链路在城市上空飞行的性能。
2020-10-07 cs.SY eess.SP eess.SY
Beamforming Design for IRS-and-UAV-Aided Two-Way Amplify-and-Forward Relay Networks in Maritime IoT
针对海事物联网中船舶间消息交互速率提升需求，提出两种IRS与UAV辅助的双向AF中继网络波束成形优化算法，仿真验证其均优于对比方案，且高性能算法速率表现更优。
2024-06-24 cs.IT eess.SP math.IT
Dual-UAV-Aided Covert Communications for Air-to-Ground ISAC Networks
提出双UAV辅助的空地ISAC网络隐蔽通信方案，通过协同设计波束成形与轨迹，在满足感知与隐蔽约束下最大化平均隐蔽速率。
2025-05-31 cs.IT eess.SP math.IT
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
Fusing Channel and Sensor Measurements for Enhancing Predictive Beamforming in UAV-Assisted Massive MIMO Communications
本文提出融合信道与传感器数据，利用扩展卡尔曼滤波和预测波束赋形框架，提升无人机大规模MIMO通信的波束对齐精度与频谱效率。
2023-12-29 eess.SP
On the Beamforming Design of Millimeter Wave UAV Networks: Power vs. Capacity Trade-Offs
毫米波（mmWave）技术使无人机（UAV）能够在第五代（5G）和更高（6G）网络中提供宽带高速无线连接。然而，实现模拟波束形成（ABF）的单个UAV的有限的覆盖区需要多个空中站成群地操作以提供无处不在的网络覆盖，从而在电池功耗和群管理方面造成严重的限制。一种可能的补救措施是研究混合波束成形（HBF）收发器的概念，其使用模拟波束成形器的组合作为解决方案，以在波束成形设计中实现更高的灵活性。这种方法允许多个地面用户同时服务于同一个无人机站，尽管涉及更高的能量消耗在射频（RF）域比其ABF对应。本文提出了一种易于处理的随机分析来表征城市场景中无人机毫米波网络的下行链路遍历容量和功耗，重点是ABF和HBF架构之间的权衡。一个多波束覆盖模型推导出作为一个功能的几个无人机特定的参数，包括无人机的数量，部署高度，天线配置，和波束成形设计。我们的研究结果，通过仿真验证，表明，虽然ABF在高海拔地区实现了更好的遍历能力，HBF配置与多个波束，尽管使用更耗电的RF块，消耗更少的功率，所有的时间与有限的容量退化。
2020-10-23 cs.NI eess.SP
Coverage Analysis of Cellular-Connected UAV Communications with 3GPP Antenna and Channel Models
为了诸如无人机（UAV）的空中平台的可靠和高效的通信，蜂窝网络被设想为同时为空中和地面用户设备（GUE）提供连接，这给针对地面服务定制的基站（BS）的现有模式带来了挑战。因此，我们专注于覆盖概率分析，调查空中和地面用户的共存，采用现实的天线和信道模型报告的第三代合作伙伴计划（3GPP）。采用齐次泊松点过程（PPP）描述基站分布，基站天线的下倾角度和天线阵数可调。同时，全向天线用于蜂窝用户。我们首先推导出覆盖概率的近似值，然后进行大量的模拟，以评估天线数量，下倾角，载波频率和用户高度的影响。一个重要的发现表明，高海拔用户的覆盖概率变得不敏感的下倾角。此外，我们发现，在一定的高度范围内的空中用户设备（AUE）可以实现相同或更好的覆盖概率比GUE，这提供了一个洞察蜂窝连接的空中通信的有效部署。
2021-05-28 cs.IT eess.SP math.IT
Environment-aware UAV Communications: CKM Construction and Predictive Beamforming
针对毫米波易受阻塞导致无人机通信中断的问题，提出基于信道知识地图和假设检验的预测波束成形方法，利用EKF跟踪并触发切换，显著提升性能。
2024-04-18 eess.SP
A Deep-NN Beamforming Approach for Dual Function Radar-Communication THz UAV
提出一种基于双DNN的预测性波束成形框架，联合优化无人机发射波束成形与地面基站关联，在保证高感知精度的同时提升通信性能，并显著降低计算时间。
2024-05-27 eess.SP
Quantum Sensing Based Joint 3D Beam Training for UAV-mounted STAR-RIS Aided TeraHertz Multi-user Massive MIMO Systems
太赫兹（THz）系统能够支持超高数据率，这要归功于大带宽，以及利用高增益波束成形来对抗高路径损耗的潜力。本文提出了一种新的量子感知（鬼成像（GI））的波束训练的同时发射和反射可重构智能表面（STAR RIS）辅助太赫兹多用户大规模MIMO系统。我们首先通过围绕5G下行信号进行GI，以获得包括用户和障碍物在内的环境的3D图像。根据这些信息，我们计算出的最佳位置的无人机安装STAR所提出的算法。因此，可以执行基于位置的波束训练。为了提高波束形成增益，我们进一步结合信道估计，提出了一种半被动结构的STAR和模糊消除方案，用于分离的信道估计。从而避免了级联信道估计中可能影响最优无源波束形成的模糊性。然后执行最佳主动和被动波束成形，并启动数据传输。联合研究了所提出的BS子阵列和子STAR空间复用架构、最佳有源和无源波束成形、数字预编码以及UAV安装的STAR的最佳位置，以最大化用户的平均可实现和速率。此外，云无线电接入网络（CRAN）结构的5G下行链路信号被提出用于具有增强分辨率的GI。仿真结果表明，该方案有效地实现了波束训练和分离信道估计，与STAR随机相位工作时相比，频谱效率显著提高。
2022-12-15 cs.IT eess.SP math.IT
UAV-Enabled Wireless Networks with Movable-Antenna Array: Flexible Beamforming and Trajectory Design
本文研究可移动天线阵列增强的无人机多用户通信系统，通过交替优化联合设计波束赋形、轨迹与天线位置以最大化数据速率，并验证了其性能优势。
2024-08-26 eess.SP
Networked ISAC for Low-Altitude Economy: Coordinated Transmit Beamforming and UAV Trajectory Design
本文提出网络化ISAC框架，通过协同波束成形与无人机轨迹联合优化，在满足感知约束下最大化授权无人机通信速率，并显著优于基准方案。
2024-06-19 eess.SP
Joint Hybrid Beamforming and Trajectory Design for Multi-UAV-Enabled Cell-Free Multi-Static ISAC
National Mobile Communications Research Laboratory, Southeast University（东南大学 移动通信国家重点实验室）；Purple Mountain Laboratories（紫金山实验室）
本文研究了多无人机支持的无源多静态ISAC系统中混合数字-模拟波束成形与轨迹联合设计，通过优化波束成形和无人机轨迹提升总速率并满足实际约束。
2026-04-28 eess.SP
UAV Trajectory and Multi-User Beamforming Optimization for Clustered Users Against Passive Eavesdropping Attacks With Unknown CSI
Mississippi State University（密西西比州立大学）；University of Tennessee at Martin（田纳西大学马丁分校）
针对攻击者位置和CSI未知的被动窃听问题，提出将单天线用户分组，结合闭式解与DRL优化无人机中继的3D位置、波束成形及功率，实现了随用户数增长扩展性良好的高保密容量。
2023-06-13 cs.AI cs.CR cs.IT
Optimized Beamforming and Bandwidth Allocation in Multi-Antenna UAV-Assisted Vehicular Networks
School of Electrical Engineering, Iran University of Science & Technology (IUST)（伊朗理工大学电气工程学院）；School of Computing and Information Technology, Great Bay University（东莞理工学院计算机与信息技术学院）；Great Bay Institute for Advanced Study (GBIAS)（大湾区高等研究院）
针对动态环境下关键任务车辆的可靠通信问题，提出一种结合多天线波束赋形与动态带宽分配的无人机辅助通信框架，通过交替优化框架实现联合优化，数值结果表明所提方案优于单独优化方法。
2026-06-29 eess.SP
Low-Altitude UAV Tracking via Sensing-Assisted Predictive Beamforming
Shanghai Jiao Tong University（上海交通大学）；University of Macau（澳门大学）；University of New South Wales（新南威尔士大学）
针对集成感知与通信系统中无人机跟踪的通信可靠性问题，提出基于扩展卡尔曼滤波的预测波束赋形方案，联合优化轨迹、感知时长和信噪比以最大化中断容量，并利用泰勒展开近似中断概率，通过二分搜索和逐次凸近似求解非凸优化问题。
2026-07-01 cs.ET cs.IT cs.SY
Active Intelligent Reflecting Surface Assisted Secure Air-to-Ground Communication with UAV Jittering
无人机（UAV）支持的通信是安全空对地（A2 G）网络的有前途的解决方案，因为移动性提供了额外的安全自由度。然而，随机气流和无人机本身的机体振动所引起的抖动特性对无人机通信性能有着不可忽视的影响。考虑到无人机抖动的影响，提出了一种基于新型主动智能反射面（IRS）的鲁棒安全传输设计方案，IRS中的反射元件不仅可以调节信号的相移，还可以放大信号的幅度。具体而言，在最坏情况下的保密率约束下，我们的目标是最小化的发射功率的鲁棒性联合设计的有源IRS的反射系数和波束形成在无人机载基站（UBS）。然而，由于联合优化问题的非凸性，其求解具有挑战性。为了解决这个问题，非凸的问题是重新制定与线性近似的信道变化和线性矩阵不等式转化的S-过程和舒尔补。然后，将该问题分解为无源波束形成和有源IRS反射系数优化两个子问题，并采用交替优化算法进行求解。最后，数值计算结果表明，在安全传输约束和无人机抖动的影响下，有源IRS的节能潜力。
2022-03-23 cs.IT eess.SP math.IT
Online Model Predictive Control for Trajectory and Beamforming Optimization in UAV-Enabled URLLC
King Fahd University of Petroleum and Minerals (KFUPM)（阿卜杜勒阿齐兹国王石油矿物大学）；Tongling University（铜陵学院）；University of Luxembourg（卢森堡大学）
本文提出了一种基于有限块长传输的无人机赋能URLLC系统中轨迹和主动波束成形联合设计的在线模型预测控制框架，通过交替优化分解非凸问题，提高在无人机位置扰动下的任务完成可靠性。
2026-03-14 eess.SP
Networked ISAC for Low-Altitude Economy: Transmit Beamforming and UAV Trajectory Design
本文针对低空经济场景下的网络化ISAC系统，联合优化地面基站协同波束成形、授权无人机轨迹与基站关联，通过AO、SCA和SDR结合的算法求解非凸问题，有效平衡感知与通信性能，显著提升无人机平均和速率。
2024-05-13 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
Deep Graph Reinforcement Learning for UAV-Enabled Multi-User Secure Communications
本文提出深度图强化学习框架，通过GNN管理用户干扰并优化安全波束成形，结合软执行器-评论家算法指导无人机部署，实现近乎最优的安全性能与策略效率。
2025-04-02 cs.IT eess.SP math.IT
Specific Beamforming for Multi-UAV Networks: A Dual Identity-based ISAC Approach
本文提出基于双重身份关联的ISAC方法，通过动态区分回波信号中的物理身份并结合扩展卡尔曼滤波跟踪预测，实现多UAV网络中特定、快速且准确的波束赋形，显著提升了关联精度与通信性能。
2023-06-28 eess.SP
DQN-based Beamforming for Uplink mmWave Cellular-Connected UAVs
无人机（UAV）是毫米波（mmWave）无线系统的新兴重要部件。精确的波束对准对于UAV与基站（BS）的高效的基于波束的毫米波通信至关重要。由于无人机的高机动性和自主操作，传统的波束扫描方法通常具有较大的开销。基于学习的方法通过利用无人机数据（如位置）来识别最佳波束方向，大大减少了开销。在本文中，我们提出了一种基于强化学习（RL）的框架，用于在毫米波环境中使用深度Q网络（DQN）进行UAV-BS波束对准。我们考虑上行链路通信，其中无人机在5G新无线电（NR）BS覆盖区域周围盘旋，具有不同的信道条件。所提出的学习框架使用的位置信息，以最大限度地提高数据速率，通过最佳的波束对有效地，在每个通信请求从无人机内部的多位置环境。我们将我们提出的框架与基于多臂强盗（MAB）学习的方法和传统的穷举方法进行了比较，并分析了基于DQN的波束对准在不同覆盖区域要求和信道条件下的训练性能。我们的研究结果表明，所提出的基于DQN的光束对准收敛速度更快，适用于不同的环境条件。该框架还可以在实时条件下以在线方式学习与穷举方法相当的最佳波束对准。
2021-10-12 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
Full-Dimensional Beamforming for Multi-User MIMO-OFDM ISAC for Low-Altitude UAV with Zero Sensing Resource Allocation
本文针对低空无人机ISAC系统中专用感知资源导致通信频谱效率下降的问题，提出一种零感知时频资源开销的MIMO-OFDM框架，通过联合发射波束赋形与低复杂度目标搜索及两阶段超分辨率感知算法，在提升通信和速率的同时改善感知分辨率、无模糊距离和精度。
2025-09-19 eess.SP
Fully Decentralized Federated Learning Based Beamforming Design for UAV Communications
为了应对物联网（IoT）时代的数据爆炸，研究去中心化网络很有意义，其目的是减轻中央服务器的负担并保持数据隐私。在这项工作中，我们开发了一个完全分散的联邦学习（FL）框架与不精确的随机并行随机游走交替方向乘法器（ISPW-ADMM）。与现有技术相比，该算法具有更高的通信效率和更强的隐私保护能力，可以部分地抵抗时变动态网络和随机数据采集的影响，同时仍具有快速收敛性。该框架利用了随机梯度和有偏一阶矩估计的优点，可以应用于时变图上的任何分散FL任务。因此，为了进一步证明这种框架在提供快速收敛、高通信效率和系统鲁棒性方面的实用性，我们研究了基于极限学习机（ELM）的FL模型用于无人机通信中的鲁棒波束形成（BF）设计，并通过数值仿真进行了验证。
2020-07-27 eess.SP
SSB-Based Sensing-Assisted Robust Beamforming for High-Mobility UAV Communications in LAWN
Shanghai Jiao Tong University（上海交通大学）
本文提出一种基于SSB的传感辅助预测鲁棒波束成形框架，通过传感驱动的状态估计和不确定性感知优化，解决高机动性无人机通信中传统反馈方案存在的过载和严重对齐问题，提升频谱效率和链路稳定性。
2026-10-14 eess.SP
Two-Layer Reinforcement Learning-Assisted Joint Beamforming and Trajectory Optimization for Multi-UAV Downlink Communications
University of Electronic Science and Technology of China（电子科技大学）；Khalifa University（哈利法大学）
本文提出双层框架，结合图神经网络与多智能体强化学习，解决无人机波束成形与轨迹优化问题，提升系统速率和收敛速度。
2026-04-17 eess.SP
Sensing-Assisted Predictive Beamforming for UAV-Enabled Ocean Monitoring Networks
Ocean University of China（中国海洋大学）；China Research Institute of Radiowave Propagation（中国无线电波传播研究所）；Beihang University（北京航空航天大学）；University of Surrey（萨里大学）
针对无人机-浮标海洋监测中波浪引起的浮标动态和海杂波，提出感知辅助预测波束成形框架，通过相关加速度状态空间模型和联合优化感知功率分配与无人机位置，在密集浮标和恶劣海况下实现鲁棒预测与通信。
2026-06-16 eess.SP
Joint Hybrid Beamforming and Artificial Noise Design for Secure Multi-UAV ISAC Networks
School of Information（信息学院）；Navigation Air Force Engineering University（导航空军工程大学）；School of Air Defense（防空学院）；Antimissile Air Force Engineering University（防空导弹空军工程大学）；Sixty-Third Research Institute（第六十三研究所）；National University of Defense Technology（国防科学技术大学）；School of Air Traffic Control（空管学院）；Nav. Air Force Engineering University（导航空军工程大学）
本文提出了一种多UAV ISAC网络的安全高效框架，通过联合优化混合波束成形、人工噪声注入和UAV轨迹，提升通信安全性和频谱效率。
2025-12-15 cs.AI eess.SP
Two Low-complexity Efficient Beamformers for IRS-and-UAV-aided Directional Modulation Networks
本文提出两种低复杂度波束成形器（Max-SR-SLNR和MRT-NSP-PA），利用IRS和UAV提升定向调制网络的保密速率，仿真验证了性能与复杂度权衡。
2023-05-16 cs.IT eess.SP math.IT
Machine Learning Empowered Trajectory and Passive Beamforming Design in UAV-RIS Wireless Networks
提出了一种将可重构智能表面（RIS）集成到支持无人机（UAV）的无线网络中的新框架。在移动用户连续漫游的情况下，引入非正交多址接入（NOMA）技术进一步提高网络的频谱利用率。通过联合设计UAV的运动、RIS的相移、从UAV到MU的功率分配策略以及确定动态解码顺序来制定能量消耗最小化问题。提出了一种基于衰减深度Q网络（D-DQN）的算法来解决这个问题。在所提出的D-DQN算法中，中央控制器被选为代理，用于定期观察UAV使能的无线网络的状态，并执行动作以适应动态环境。与传统的DQN算法相比，衰减的学习速率被利用在建议的D-DQN算法中，以实现加速训练速度和收敛到局部最优之间的权衡。数值结果表明：1）与传统的Q学习算法相比，基于D-DQN的算法在求解问题时不能收敛，而在较小的约束条件下能够收敛; 2）在无人机无线网络中集成RISs可以显著降低无人机的能量消耗; 3）通过设计动态解码顺序和功率分配策略，RIS-NOMA情况比RIS-OMA情况减少11.7%的能量消耗。
2020-10-06 eess.SP
Energy Efficient Multi-User Beamforming and 3D Position Optimization for SIM-Assisted UAVs
University of Luxembourg（卢森堡大学）；National Institute of Technology Warangal（瓦朗加尔国家技术学院）；National and Kapodistrian University of Athens（雅典国立卡波蒂斯特里安大学）
针对配备堆叠智能超表面的节能无人机多用户通信，提出联合优化数字预编码、SIM相移与无人机三维位置的算法，大幅提升能效并揭示关键设计权衡。
2026-08-17 eess.SP
UAV-Enabled Passive 6D Movable Antennas: Joint Deployment and Beamforming Optimization
本文提出无人机搭载智能反射面的无源六维可移动天线架构，联合优化部署与波束成形以最大化多用户最小信噪比，并设计交替优化与吉布斯采样算法，数值验证有效性。
2024-12-15 eess.SP
Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms
Technology Innovation Institute（技术创新研究院）
针对RIS辅助的5G大规模MIMO系统三维UAV覆盖公平性问题，提出两种联合波束成形与相移优化算法，结合深度确定性策略梯度求解，实现UAV最小SINR最大化，仿真验证了方案有效性。
2023-11-14 cs.AI cs.IT eess.SP
UAV-Enabled Fluid Antenna Systems for Multi-Target Wireless Sensing over LAWCNs
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；Shenzhen Future Network of Intelligence Institute（深圳未来网络智能研究所）；University of Chinese Academy of Sciences（中国科学院大学）；School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）；Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院电气电子工程系）
提出无人机搭载流体天线系统，通过联合优化轨迹、天线位置和波束成形，最小化多目标估计的克拉美-罗界，提升感知精度和可靠性。
2026-06-08 cs.IT eess.SP math.IT
Movable-Antenna Assisted Energy Minimization in UAV-Enabled Mobile Edge Computing Systems
Southern University of Science and Technology（南方科技大学）；Shenzhen University of Advanced Technology（深圳先进技术研究院）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；University of Macau（澳门大学）
研究无人机支持的移动边缘计算系统中移动天线辅助的能量最小化问题，通过联合优化计算资源分配等参数，采用基于块坐标下降法的交替优化算法，实现显著节能。
2026-07-28 cs.IT eess.SP math.IT
