Precoder Design for Physical-Layer Security and Authentication in Massive MIMO UAV Communications
支持无人机(UAV)的可靠和无缝无线连接最近已成为实现UAV的各种不同用例的关键要求。由于其广泛的部署足迹,蜂窝网络可以支持UAV的超视距(BVLOS)通信。在本文中,我们认为蜂窝连接的无人机(C-UAV),由大规模多输入多输出(MIMO)链路服务,以扩大覆盖范围,同时也提高了物理层的安全性和认证。我们考虑莱斯信道,并提出了一种新的线性预编码器的设计传输数据和人工噪声(AN)。我们推导出了传统的和建议的预编码器设计的C-UAV的遍历保密率的封闭形式的表达。此外,我们得到了最佳的功率分裂因子,划分数据和AN之间的功率渐近分析。然后,我们将所提出的预编码器设计应用于指纹嵌入认证框架中,其目标是最小化窃听者检测认证标签的概率。在仿真结果中,我们显示了所提出的预编码器的优势,在保密率和认证概率考虑中等和大量的天线大规模多输入多输出的情况下。
2021-07-02 eess.SP
Micro-UAV Detection and Classification from RF Fingerprints Using Machine Learning Techniques
研究了利用控制器向微型无人机发送的射频指纹信号对微型无人机进行检测和分类的方法。在检测阶段,原始信号被分成帧并被变换到小波域。一个基于马尔可夫模型的朴素贝叶斯方法被用来检查在每帧中的无人机的存在。在分类阶段,不同于传统的方法,仅依赖于时域信号和相应的功能,所提出的技术使用的能量瞬态信号。这种方法对噪声更鲁棒,并且可以应对不同的调制技术。首先,从原始控制信号的能量-时间-频率分布生成归一化能量轨迹。接着,通过搜索能量轨迹的平均值中的最突然的变化来检测能量瞬变的开始点和结束点。然后,从能量瞬态中提取一组统计特征。通过邻域成分分析(NCA)来选择重要特征,以保持算法的计算成本较低。最后,选定的特征被馈送到几个机器学习算法进行分类。使用包含来自14个不同UAV控制器中的每一个的100个RF信号的数据库对算法进行实验评估。这些信号是用高频示波器无线记录的。数据集被随机划分为训练集和测试集,以4:1的比例进行验证。运行10个Monte Carlo模拟,并对结果进行平均以评估方法的性能。所有的微型无人机被正确检测,并使用k-最近邻(kNN)分类达到96.3%的平均准确率。建议的方法也测试了不同的信号噪声比(SNR)的水平和结果报告。
2019-04-10 eess.SP
Common Throughput Maximization for UAV-Enabled Interference Channel with Wireless Powered Communications
本文研究了一种用于无线供电通信网络(WPCN)的无人机(UAV)启用的双用户干扰信道,其中两个UAV无线地对地面上的两个低功率物联网(IoT)设备充电并从它们收集信息。我们考虑两种情况下,当两个无人机合作的能量传输和/或信息接收,通过干扰协调和协调多点(CoMP),分别。对于这两种情况,通过轨迹设计利用UAV的可控移动性,不仅提高下行链路中的无线功率传输(WPT)效率,而且减轻上行链路中的无线信息传输(WIT)的同信道干扰。特别地,目标是通过联合优化两个UAV的轨迹和下行链路/上行链路无线资源分配,在受限于UAV处的最大飞行速度和碰撞避免约束以及IoT设备处的个体能量中性约束的情况下,最大化两个IoT设备在有限UAV任务周期内的上行链路公共(最小)吞吐量。在干扰协调和CoMP两种情况下,我们首先获得了两个共同的速率最大化问题的最优解井结构的特殊情况下,具有足够长的无人机任务持续时间。接下来,我们获得高质量的解决方案,为实际情况下,有限的无人机任务持续时间,通过使用交替优化和逐次凸逼近(SCA)。
2019-10-10 cs.IT eess.SP math.IT
RIS-Aided mmWave Localization Under Cross-Link Interference via Beam-Domain ML Fingerprinting
Rajshahi University of Engineering & Technology (RUET)(拉杰沙希工程技术大学)
本文针对RIS辅助毫米波网络的UE定位问题,提出波束域ML指纹框架,结合INR约束校准策略,经仿真验证KNN在干扰场景下仍有良好定位性能,且干扰对角度估计影响更大。
2026-08-10 cs.ET cs.LG eess.SP
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
Interference Avoidance in UAV-Assisted Networks: Joint 3D Trajectory Design and Power Allocation
无人机(UAV)的使用已经被预见为下一代通信网络的有前途的技术。由于目前还没有关于无人机部署的规定,因此它们很可能与已经存在的网络形成一个共存的网络。在这项工作中,我们考虑一种传输机制,旨在提高地面基站(BS)和用户设备(UE)之间的数据率,通过部署多个无人机中继所需的数据流。考虑到该网络与其他已建立的通信网络的共存,我们考虑到干扰的影响,这是由现有的节点所引起的。我们的主要目标是优化的三维(3D)轨迹和功率分配的中继无人机,以最大限度地提高数据流,同时保持现有节点的干扰低于预定义的阈值。提出了一种交互最大化策略来解决中继无人机的三维航迹设计和功率分配问题。为此,我们处理网络内的信息交换诉诸谱图理论,随后通过凸优化技术解决功率分配。仿真结果表明,我们的方法可以显着改善信息流,同时满足干扰阈值约束。
2019-04-16 cs.NI eess.SP
GNSS Interference Classification Using Federated Reservoir Computing
针对无人机GNSS系统易受干扰且传统深度学习方法计算成本高的问题,本文提出联邦储备池计算(FedRC)方法,实现了更快的收敛速度和更低的损失水平,有效提升了干扰分类的适应性和运行效率。
2024-08-23 eess.SP
Energy-efficient Deployment of Multiple UAVs Using Ellipse Clustering to Establish Base Stations
对于未来无线通信系统的需求正在通过充当飞行基站(BS)的无人驾驶飞行器(UAV)来满足各种情况。在这封信中,我们提出了一个椭圆聚类算法,最大限度地提高了用户覆盖概率的无人机基站,并避免小区间干扰与最小的发射功率。我们通过调整其天线半功率波束宽度,方向和3D位置,通过最小化小区边缘用户的路径损耗来获得每个无人机的覆盖范围。仿真结果表明,与传统算法相比,该算法在较低的发射功率下获得了较高的系统吞吐量和覆盖概率。
2020-03-12 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
Distributed 3D-Beam Reforming for Hovering-Tolerant UAVs Communication over Coexistence: A Deep-Q Learning for Intelligent Space-Air-Ground Integrated Networks
针对卫星、地面与无人机共存通信中的悬停、旋转及干扰问题,提出基于DQN的分布式3D波束选择、跟踪与重构方法,并以最优选择算法验证其可实时低误差提升波束成形性能。
2023-07-18 eess.SP
Interference Avoidance Position Planning in UAV-assisted Wireless Communication
研究了无人机辅助无线通信系统中,利用无人机作为中继节点来提高收发机之间的吞吐量。我们专注于开发有效的方法来定位无人机(S)在天空中的一个主要的干扰源的存在下,这使得问题不平凡。首先,我们考虑利用一个单一的无人机,我们开发了一个理论框架,以确定其最佳位置,旨在最大限度地提高系统的SIR。为此,我们研究了三种实际情况下的问题,其中无人机的位置是:(i)垂直固定,水平可调;(ii)水平固定,垂直可调;(iii)水平和垂直可调。之后,我们考虑采用多个无人机,为此,我们提出了一种具有成本效益的方法,同时最大限度地减少所需的无人机的数量,并确定其最佳位置,以保证一定的SIR的系统。我们进一步发展了一个分布式布局算法,它可以增加系统的SIR给定的任意数量的无人机。数值模拟提供了我们所提出的方法来评估性能。
2019-03-21 cs.NI eess.SP
Stochastic Geometry Analysis of Asymmetric Uplink Interference for Urban UAV-RC Networks
North Carolina State University(北卡罗来纳州立大学);Hanyang University(汉阳大学)
本文提出基于 LGCP 的随机几何框架,建模城市 UAV-RC 网络上下行干扰空间相关性,并定义干扰非对称比,揭示高度和二维距离增加会加剧上行干扰。
2025-10-19 eess.SP
Deep learning-based UAV detection in the low altitude clutter background
无人机(UAV)由于其低成本和多功能性而被广泛使用,但它们也构成安全和隐私威胁。因此,对低空无人机进行可靠的探测是一个重要的问题。强地杂波使小型无人机的雷达回波淹没在噪声中,导致雷达探测可靠性低。针对上述问题,提出了一种基于深度对比学习的低空无人机检测方法:首先建立了低空杂波干扰下的低空无人机雷达回波模型。根据无人机回波信号的成分特征和多普勒域可识别机理,采用ZAM变换和形态学运算相结合的时频变换方法抑制杂波背景下的模糊问题。然后利用引入对比度学习的特征提取与融合方法抑制非目标地杂波干扰。最后,设计了一种基于语义特征的低空无人机检测器,用于低空无人机的可靠识别。对真实数据和仿真数据的实验表明,该方法能够有效抑制地杂波,可靠地提取无人机的可识别语义特征。该方法与现有方法相比,具有较低的虚警和漏报率,在相同信噪比下,检测精度提高了5%以上,有效提高了检测的可靠性。
2022-02-24 eess.SP
Adaptive Height Optimisation for Cellular-Connected UAVs using Reinforcement Learning
Trinity College Dublin(都柏林圣三一学院);Virginia Tech(弗吉尼亚理工大学)
为蜂窝连接的无人机提供可靠的连接可能非常具有挑战性;它们的性能在很大程度上取决于周围环境的性质,例如地面BS的密度和高度。另一方面,高层建筑物可能阻挡来自地面BS的不期望的干扰信号,从而改善UAV与其服务BS之间的连接性。为了解决无人机在这种环境中的连通性问题,本文提出了一种RL算法,用于动态优化无人机在环境中移动时的高度,其目标是增加其所经历的吞吐量或频谱效率。所提出的解决方案在两种情况下进行评估:使用一系列生成的环境,我们在其中改变BS的数量和建筑密度,并在一个场景中使用从爱尔兰都柏林的实验中获得的真实数据。结果表明,我们提出的基于RL的解决方案提高了6%至41%的无人机的QoS,这取决于场景。我们还得出结论,当飞行高度高于建筑物,建筑物密度的变化对无人机的QoS没有影响。另一方面,BS密度会对UAV QoS产生负面影响,BS数量越多,产生的干扰越多,UAV性能越差。
2022-04-13 cs.LG eess.SP
Meta-Learning Based Radio Frequency Fingerprinting for GNSS Spoofing Detection
本文提出一种基于元学习的射频指纹识别框架,利用接收机预相关和后相关阶段的信号特征检测GNSS欺骗器,在TEXBAT和OAKBAT数据集上检测准确率超95%。
2025-11-01 eess.SP
Performance of UAV-based Cell-free mMIMO ISAC Networks: Tethered vs. Mobile
本文对比无蜂窝mMIMO ISAC网络中的系留式与移动无人机部署,通过联合预编码及PSO位置优化,证明移动方案可获得更高感知SINR。
2024-05-10 eess.SP
Aerial Spectrum Surveying: Radio Map Estimation with Autonomous UAVs
无线电地图正在成为一种流行的手段,赋予下一代无线通信与态势感知。特别是,无线电地图预计将在无人机(UAV)通信中发挥核心作用,因为它们可以用于确定UAV以前没有去过的空间位置处的干扰或信道增益。用于无线电地图估计的现有方法利用由其位置不能被控制的传感器收集的测量。相比之下,本文提出了一种无人机沿轨迹收集测量值的方案。该轨迹被设计为在短时间操作中获得目标无线电地图的准确估计。路线规划算法依赖于地图不确定性度量来收集在那些位置处的测量结果,在这些位置处测量结果信息量更大。开发了一种在线贝叶斯学习算法,每次收集新的测量值时更新地图估计和不确定性度量,从而实现实时操作。
2020-05-05 eess.SP
Drone classification from RF fingerprints using deep residual nets
该研究提出一种残差CNN模型,基于无人机RF频率特征实现分类,在真实数据集、多径环境及多无人机场景下均表现出更优的泛化性与准确率。
2020-11-27 eess.SP
Error Performance Analysis of UAV-Mounted RIS for NOMA Systems with Practical Constraints
本研究针对UAV-RIS NOMA系统,考虑硬件损伤、小区间干扰和不完美SIC等实际约束,分析其错误概率,并通过模拟验证,证明所提系统相比无RIS无人机具有更高性能增益和更低错误概率。
2024-05-26 eess.SP
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
RF-Based Low-SNR Classification of UAVs Using Convolutional Neural Networks
研究了低信噪比条件下基于射频指纹的无人机分类问题。我们使用卷积神经网络(CNN),该网络使用RF时间序列图像和15种不同的现成无人机控制器RF信号的频谱图进行训练。当使用时间序列信号图像时,CNN从信号瞬态和包络中提取特征。随着信噪比的降低,这种方法会急剧失败,因为瞬态中的信息会在噪声中丢失,并且包络严重失真。与RF信号的时间序列表示相比,利用频谱图,可以仅关注期望的频率间隔,即,2.4 GHz ISM频带,并滤除该频带之外的任何其他信号分量。这些优点提供了一个显着的性能改进的时间序列信号为基础的方法。为了进一步提高基于谱图的CNN的分类精度,我们通过将谱图图像截断到有限的谱密度区间来对谱图图像进行去噪。使用噪声信号的频谱图图像创建单个模型并调整CNN模型参数,对于-10 dB至30 dB的SNR范围,我们实现了92%至100%的分类准确度,这显著优于我们所知的现有方法。
2020-09-21 eess.IV eess.SP
Passive Integrated Sensing and Communication Scheme based on RF Fingerprint Information Extraction for Cell-Free RAN
本文提出一种基于射频指纹学习的无源通感一体化方案,通过构建RRU射频指纹库识别源RRU并提取信道参数定位反射体,在不占用额外通信资源且不降低通信性能的前提下解决CF-RAN中多RRU同频干扰问题。
2024-11-23 eess.SP
UAV-Aided Interference Assessment for Private 5G NR Deployments: Challenges and Solutions
工业自动化对私有5G网络产生了很高的需求,其部署需要高效可靠的解决方案,以确保严格遵守法规排放限制。虽然测量室外干扰的传统方法包括通过步行或驾驶收集真实世界的数据,但由于其灵活的机动性和自适应高度,使用无人机(UAV)提供了一种有吸引力的替代方案。由于无人机可以快速半自动地执行测量,因此它们可以帮助近乎实时地调整网络配置并微调其参数,例如天线设置和发射功率,以及帮助改善室内连接,同时遵守室外发射限制。本文通过回顾无人机安装的无线电扫描仪测量的关键挑战,提供了关于在非公共网络(NPN)中使用空中5G发射评估进行干扰管理的第一手教程。特别是,我们(i)概述了对源自本地室内5G网络的室外干扰进行实际评估的挑战,同时讨论了监管和其他相关限制,以及(ii)在总结我们最近测量活动结果的同时,解决了实际方法和工具。报告的概念验证证实,基于无人机的系统是捕获私人5G系统室外干扰的有前途的工具。
2020-06-13 cs.NI eess.SP
Radiation Pattern Reconfigurable FAS-Empowered Interference-Resilient UAV Communication
Beijing Institute of Technology(北京理工大学);State Key Laboratory of CNS/ATM(通信与网络系统国家重点实验室);MIIT Key Laboratory of Complex-Field Intelligent Sensing(工信部复杂场智能感知重点实验室);Advanced Research Institute of Multidisciplinary Sciences, Beijing Institute of Technology(北京理工大学前沿交叉科学研究院);National Key Laboratory of Wireless Communications(无线通信国家重点实验室);University of Electronic Science and Technology of China(电子科技大学);Beijing National Research Center for Information Science and Technology(北京信息科学与技术国家研究中心);Tsinghua University(清华大学)
本文提出基于可重构流形天线系统的抗干扰无人机通信方案,通过优化辐射模式和降低存储开销提升频谱效率和抗干扰能力。
2025-12-25 eess.SP
Optimizing Network Performance and Resource Allocation in HAPS-UAV Integrated Sensing and Communication Systems for 6G
本文提出在6G ISAC系统中以HAPS为中央处理单元、UAV为双重用途接入点,通过两时隙传输与波束成形及多目标功率分配优化,最大化通信用户最小SINR和回波信号功率,仿真验证了其在网络性能、资源分配与公平性方面的有效性。
2025-07-18 eess.SP
Analysis of UAV Radar and Communication Network Coexistence with Different Multiple Access Protocols
预计无人飞行器(UAV)在未来将被广泛用于各种应用,或者作为连接到蜂窝无线网络的用户设备(UE),或者作为现有无线网络的基础设施扩展以服务于其他UE。下一代无线网络将考虑使用无人机进行联合通信和雷达和/或作为各种传感应用的专用雷达。UAV数量的增加将自然导致更大数量的通信和/或雷达链路,这可能对附近的网络造成干扰,并且由于从UAV甚至到远处接收器的视线信号传播的更高可能性而进一步加剧。因此,研究无人机机载基站与雷达收发机的网络共存问题就显得尤为重要。在本文中,使用随机几何,我们推导出封闭形式的表达式来表征的频谱重叠多址接入(SOMA)和时分多址接入(TDMA)的共存的无人机雷达和通信网络的性能。我们评估了成功测距概率(SRP)和传输容量(TC),并比较了TDMA和SOMA的性能。结果表明,当有源无人机雷达节点密度大于无人机通信节点密度时,SOMA在SRP和TC上都优于TDMA。
2022-11-29 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
Network-Connected UAV: 3D System Modeling and Coverage Performance Analysis
随着越来越受欢迎,无人机(UAV)正在将传统的地面物联网(IoT)延伸到天空中。为了实现无人机与地面飞行员/用户的高性能双向通信,蜂窝网络连接的无人机最近引起了极大的兴趣。其中,一个重要的问题是,主要为地面用户设计的现有蜂窝网络是否也能够有效地覆盖三维(3D)空间中的新UAV用户,用于上行链路和下行链路通信。这种3D覆盖分析是具有挑战性的,由于独特的空中-地面信道特性,与地面通信的干扰问题,以及在实践中的地面基站(GBS)的非均匀的3D天线增益模式。特别是,高空无人机通常具有高概率的视距(LoS)信道和大量的GBS,而它们的随机二进制(LoS/Non-LoS)信道状态和(开/关)活动会产生指数级数量的离散UAV-GBS关联/干扰状态,使得覆盖分析更加困难。本文提出了一种新的三维系统模型,将无人机用户,并提出了一个分析框架,以表征其上行链路/下行链路的三维覆盖性能。为了解决上述指数复杂度,我们引入了一个广义泊松多项式(GPM)分布来模拟离散的干扰状态,和一个新的晶格近似(LA)技术来近似非晶格GPM变量,并获得高精度的干扰分布有效。通过大量的数值计算结果验证了3D覆盖分析的有效性,这些结果还显示了关键系统参数(如小区负载因子、GBS天线下倾、无人机高度和天线波束宽度)的影响。
2019-04-25 eess.SP
Optical communication-based identification for multi-UAV systems: theory and practice
本文研究基于光学摄像头通信(OCC)的多无人机系统相互定位与识别方法,通过为无人机LED分配特定闪烁序列实现唯一识别,并分析系统容量与局限性,提出改进性能的序列构建方法,实验验证了理论推导。
2025-10-14 eess.SP
Measurement based FHSS-type Drone Controller Detection at 2.4GHz: An STFT Approach
无人机在日常生活中的应用日益广泛,对无人机及其驾驶员的检测是一项重要的任务。许多无人机采用跳频扩频(FHSS)技术来与它们的无线电控制器(RC)进行有效且安全的通信,其中信号遵循跳频模式以防止有害干扰。为了真实地区分跳频RC信号,需要考虑真实的无线电传播环境,因为许多无人机从远距离与RC通信,信号面临慢衰落和快衰落现象。因此,在这项研究中,不同于文献,我们考虑了一个系统,在真实条件下,通过捕获在丘陵地形郊区环境中存在的树叶的空中信号。我们采用短时傅里叶变换(STFT)的方法来捕获每个信号的跳变序列。此外,使用STFT的自相关函数(ACF)来计算与每个跳频序列相关联的时间保护,这导致精确地区分每个UAV RC信号。为了验证该方法的性能,给出了归一化均方误差(MSE)随信噪比(SNR)、窗口大小和Tx-Rx间隔值变化的结果。
2020-03-07 eess.SP
Optimal Jammer Placement in UAV-assisted Relay Networks
我们考虑无人机(UAV)的中继应用,其中UAV被放置在两个收发器(TR)之间以增加系统的吞吐量。而不是在现有的文献中所追求的无人机的位置进行研究,我们专注于调查的干扰机或地面上的主要干扰源的位置,以有效地降低系统的性能,这是测量的TR之间的传输的最大可实现的数据速率。我们证明,干扰机的最佳位置一般是一个非凸优化问题,直接获得的解决方案是棘手的。然后,利用信号干扰比(SIR)表达式的固有特性,我们提出了一种易于处理的方法来找到干扰机的最佳位置。基于所提出的方法,我们研究了双跳和多跳无人机中继环境中干扰机的最佳定位。数值模拟提供了我们所提出的方法来评估性能。
2020-02-24 cs.SY eess.SP eess.SY
Fluid Aerial Networks: UAV Rotation for Inter-Cell Interference Mitigation
本文针对UAV辅助蜂窝网络中的小区间干扰问题,提出通过优化空中基站旋转角度的流体空中网络方法,以低复杂度算法提升多小区总速率约10%。
2025-07-02 cs.NI eess.SP
6D Movable Antenna Enhanced Interference Mitigation for Cellular-Connected UAV Communications
本文提出利用6DMA阵列增强蜂窝连接无人机通信的干扰抑制,通过BCD算法联合优化天线位置、阵列旋转、接收波束成形及关联基站以最大化SINR,显著优于传统FPA及基准方案。
2024-09-20 eess.SP
Uncoordinated Cooperative OFDM Multi-Hop UAV Relay Networks Using Virtual Channels Based on All-Pass Filters
ENIS, Univ. of Sfax(萨法克斯大学国立高等工程师学校);SUP’COM, Univ. of Carthage(迦太基大学高等通信学院)
针对自主协同OFDM多跳无人机中继网络因非协同传输产生的破坏性干扰问题,提出基于截断全通滤波器的虚拟发射信道方案,结合分布式随机STBC并设计复合信道估计算法,仿真显示其性能显著优于经典相位抖动方案。
2025-11-19 eess.SP
Exploiting NOMA Transmissions in Multi-UAV-assisted Wireless Networks: From Aerial-RIS to Mode-switching UAVs
本文研究空中可重构智能表面辅助的多无人机NOMA无线网络,提出双模式切换方案和优化驱动的分层深度强化学习方法,通过联合优化轨迹、模式、波束成形与传输控制来最大化网络吞吐量。
2024-12-29 cs.NI eess.SP
Interference-Asymmetric UAV Remote Control Links: Measurements and Performance Evaluation
North Carolina State University(北卡罗来纳州立大学);Hanyang University(汉阳大学);Skydio, Inc.(Skydio公司)
本文通过氦风筝平台实测与MATLAB LTE/5G仿真,揭示了无人机遥控链路中上行干扰非对称导致HARQ反馈丢失并显著降低下行吞吐量的问题。
2025-09-24 eess.SP
Lifetime Maximization for UAV-assisted Data Gathering Networks in the Presence of Jamming
无人机(UAV)的部署最近由于各种实际用例(如监视,数据收集和商品交付)而受到极大关注。由于无人机由电池供电,因此节能通信至关重要。在本文中,我们研究了存在多个干扰源的情况下,无人机辅助网络的生命周期最大化问题,其中无人机被部署来收集来自一组无线传感器的数据。我们证明了无人机的位置在延长网络的寿命方面起着关键作用,因为无人机所需的传输功率与它们在空间中的位置密切相关。在所提出的场景中,UAV将收集的数据发送到称为\textit{leader}的主UAV,主UAV负责经由回程UAV网络将数据转发到基站(BS)。我们部署的工具,从谱图理论来解决这个问题,由于其高度的非凸性。仿真结果表明,我们提出的方法可以显着提高无人机网络的生命周期。
2020-05-10 cs.SY eess.SP eess.SY
Cell-Free Satellite-UAV Networks for 6G Wide-Area Internet of Things
在第五代(5G)及以后的物联网(IoT)中,为地面蜂窝网络覆盖范围之外的大量IoT设备提供服务变得越来越重要。无人机和卫星由于自身的局限性,需要在5G的覆盖空洞中相互协调,从而形成了认知卫星-无人机网络(CSUN)。本文研究了由一颗卫星和一群无人机组成的CSUNs的多域资源分配问题,以提高广域大规模接入的效率。特别地,建立无小区按需覆盖以克服传统蜂窝架构的成本低效率。还实现了主动频谱共享以应对频谱稀缺问题。为此,提出了一种面向过程的子信道、发射功率和悬停时间联合分配优化框架,该框架考虑了无人机的整个飞行过程,仅利用慢变的大尺度信道状态信息(CSI)。在无人机能量约束和无人机群对卫星用户干扰温度约束下,提出了一种迭代多域资源分配算法,在保证用户公平性的前提下提高网络效率。仿真结果证明了所提算法的优越性。此外,观察到自适应无小区覆盖模式,这意味着在即将到来的第六代(6 G)时代有效服务广域物联网设备的有希望的方法。
2020-07-23 eess.SP
Access Points in the Air: Modeling and Optimization of Fixed-Wing UAV Network
固定翼无人机具有良好的气动性能和较长的续航时间,在作为空中接入点方面具有很大的潜力。然而,固定翼无人机固有的悬停特征可能导致连接的不连续和地面用户(GU)的频繁切换。在这项工作中,我们建模和评估的固定翼无人机网络的性能,其中无人机AP提供覆盖GU与毫米波回程。首先,研究发现,在最接近无人机的实时关联下,网络空间吞吐量与悬停半径无关,而在与悬停中心最接近的无人机关联时,网络空间吞吐量随悬停半径线性减小。其次,网络ST被证明是大大降低与无人机AP的过度部署,由于无人机小区的过度重叠下不断增长的空对地干扰。最后,为了减轻干扰,设计了投影面积等效(PAE)规则来调整无人机波束宽度。特别是在PAE条件下,当无人机波束宽度与无人机密度的平方成反比时,网络ST可以随着无人机密度的增加而持续增加,与无人机飞行高度无关。
2020-05-08 cs.IT eess.SP math.IT
Accessing From The Sky: A Tutorial on UAV Communications for 5G and Beyond
无人机(UAV)已经找到了许多应用,预计将在未来十年带来丰富的商业机会。在无人机的各种使能技术中,无线通信是必不可少的,近年来引起了越来越多的关注。与传统的地面通信相比,无人机的通信面临着新的挑战,因为无人机的高度高,在三维空间中的运动灵活性大。出现了几个关键问题,包括主要的UAV-地面信道的视距(LoS)和由此产生的强烈的空中-地面网络干扰,UAV控制消息与有效载荷数据的不同通信服务质量(QoS)要求,UAV的大小、重量和功率(SWAP)限制所施加的严格约束,以及高度可控的三维无人机机动性带来的新的设计自由度(DoF)的开发。在本文中,我们对无人机通信的最新进展进行了教程概述,以解决上述问题,重点是如何将无人机集成到即将到来的第五代(5G)和未来的蜂窝网络中。特别是,我们将我们的讨论分为两个有前途的无人机通信的研究和应用框架,即无人机辅助无线通信和蜂窝连接的无人机,其中无人机作为空中通信平台和用户,分别。此外,我们指出了未来的研究和调查有前途的方向。
2019-03-14 cs.IT eess.SP math.IT
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
Joint Channel Assignment and Power Allocation for Multi-UAV Communication
无人机群通过利用更有利的视距传播,为未来无线网络实现更好的覆盖和更高的容量提供了一种新的模式。为了获得无人机群的潜在收益,地面控制单元(GCU)发送的遥控信号是必不可少的,而控制信号的质量在实践中由于相邻信道干扰(ACI)和来自分布在该区域的辐射源的外部干扰(EI)的影响而敏感。为了应对这些挑战,本文考虑了多无人机通信系统中的优先级感知资源协调,其中多个无人机由GCU控制以执行具有预定义轨迹的某些任务。具体而言,我们最大化的最小信号干扰噪声比(SINR)之间的所有无人机通过联合优化信道分配和功率分配策略下严格的资源可用性约束。根据ACI的强度,我们考虑了两种情况下的相应问题,即,空ACI和ACI系统。利用Null-ACI情形下的特殊问题结构,我们首先将其转化为等价的更易处理的形式,并通过匈牙利算法获得全局最优解。对于一般的ACI系统,我们发展了一个有效的迭代算法,其解决方案的基础上光滑逼近和交替优化方法。大量的仿真结果表明,所提出的算法可以显着提高所有无人机之间的最小信干噪比,并适应不同的任务优先级的通信资源分配。
2020-08-19 cs.SY eess.SP eess.SY
An Outage Probability Analysis of Full-Duplex NOMA in UAV Communications
由于无人机(UAV)预计将在第五代(5G)网络中发挥重要作用,解决UAV通信中的频谱稀缺问题仍然是一个紧迫的问题。在这方面,全双工非正交多址(FD-NOMA)无人机通信,以提高频谱利用率的可行性进行了研究。具体而言,封闭形式的中断概率表达式,提出了FD-NOMA,半双工非正交多址接入(HD-NOMA),和半双工正交多址接入(HD-OMA)计划在莱斯阴影衰落信道。广泛的分析表明,FD-NOMA的性能瓶颈是在下行无人机。此外,FD-NOMA表现出较低的中断概率在地面站(GS)和下行链路无人机比HD-NOMA和HD-OMA在低发射功率制度。在高发射功率状态下,FD-NOMA分别受到下行链路UAV和FD-GS处的残余SI和UAV间干扰的限制。阴影的影响也被证明会影响FD-NOMA和HD-OMA在下行链路无人机的可靠性。
2019-09-05 cs.IT eess.SP math.IT
Real-Time AIoT for AAV Antenna Interference Detection via Edge-Cloud Collaboration
School of Data Science and Engineering, and Xingzhi College, South China Normal University(数据科学与工程学院及南中国师范大学xingzhi学院);School of Physics, South China Normal University(物理学院);Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology(电子与计算机工程系);Key Laboratory of Advanced Control for Light Industry Processes, Ministry of Education, Jiangnan University(轻工业过程先进控制重点实验室);School of Electronics and Information Engineering, and Xingzhi College, South China Normal University(电子与信息工程学院及南中国师范大学xingzhi学院)
本文提出一种基于边云协同(ECC+)的AIoT系统,通过EdgeAnt检测器与AntSort跟踪器实现无人机天线干扰源实时定位,显著降低端到端延迟并提升准确率。
2025-07-02 cs.CV eess.SP
UAV-Assisted Multi-Cluster Over-the-Air Computation
在本文中,我们研究了无人机(UAV)辅助无线数据聚合(WDA)在多集群网络中,多个无人机同时执行不同的WDA任务,通过空中计算(AirComp)没有地面基站。这项工作的重点是通过优化无人机的轨迹和收发器设计以及集群调度和关联,同时考虑WDA精度要求,最大限度地提高所有集群之间执行的WDA任务的最小量。这种联合设计对于多集群AirComp网络中的干扰管理至关重要,通过提高每个UAV与其关联集群之间的信号质量以进行信号对准,同时减少每个UAV与其非关联集群之间的集群间干扰。虽然它通常是具有挑战性的,以最佳地解决制定的非凸混合整数非线性规划,一个有效的迭代算法作为一种折衷的方法,开发利用二分法和块坐标下降法,在每次迭代中产生一个最佳的收发器的解决方案。分别利用对偶方法和逐次凸逼近方法得到了最优二元变量和次优轨迹。仿真结果表明,所提出的设计在基准和部署多个无人机在增加执行任务的数量,同时减少访问延迟的优越性相当大的性能增益。
2022-10-20 cs.IT eess.SP math.IT
Stochastic Analysis of Cooperative Satellite-UAV Communications
研究了一种卫星-无人机(UAV)双跳协作通信系统,该系统包括一颗卫星(S)、一组簇首(CH),它们分别与一组均匀分布的UAV通信。具体地,这些CH用作空中解码和转发中继,以将S发送的信息转发给UAV。此外,自由空间光(FSO)和射频(RF)技术分别采用S-CH和CH-UAV链路,以利用FSO的高方向性长距离传输和RF的全向覆盖能力。CH在三维空间中的位置遵循Matérn硬核点过程II型,其中每个CH不能比预定义的距离更接近任何其他CH。在性能建模过程中,考虑了三种不同的情况:无干扰、干扰主导和干扰和噪声情况。然后,研究了S-CH链路和CH-UAV链路在三种情况下的覆盖性能,推导了两种链路覆盖概率的解析表达式。推导了无干扰情况下S-CH链路和CH-UAV链路上CP的渐近表达式。最后,数值结果验证了我们提出的分析模型,从而得出一些有意义的结论。
2021-03-18 cs.IT eess.SP math.IT
Enabling 5G on the Ocean: A Hybrid Satellite-UAV-Terrestrial Network Solution
当前的第五代(5G)蜂窝网络主要集中在陆地场景。由于在海洋上部署通信基础设施的困难,现有海上通信网络(MCN)的性能远远落后于5G。这个问题可以通过使用无人机(UAV)作为敏捷的空中平台来解决,以实现按需的海上覆盖,作为海洋卫星和岸基地面站(TBS)的补充。在本文中,我们研究了无人机与现有的MCN的集成,并调查了混合卫星-无人机-陆地网络的海上覆盖的潜在收益。与陆地情况不同,海洋上的船只保持海上航线,分布稀疏。这为简化无人机的调度提供了新的机会。此外,由于更加复杂的海上航行环境,以及UAV与现有卫星/TBS之间的相互干扰,出现了新的挑战。我们讨论这些问题,并考虑实际的限制,显示可能的解决方案。
2020-06-01 cs.IT eess.SP math.IT
Deep Learning for Optimal Deployment of UAVs with Visible Light Communications
Beijing University of Posts and Telecommunications(北京邮电大学);Chinese University of Hong Kong(香港中文大学);Princeton University(普林斯顿大学);Kings College London(伦敦国王学院);Virginia Tech(弗吉尼亚理工大学)
研究了具有可见光通信能力的无人机(UAV)的动态部署问题,以优化UAV网络的能量效率。在所研究的模型中,无人机可以同时为服务地面用户提供通信和照明。由于环境光照在降低无人机光照阈值的同时增加了VLC链路上的干扰,因此在无人机部署优化中需要考虑目标区域的光照分布。该问题被公式化为一个优化问题,该优化问题在满足用户的照明和通信需求的同时,联合优化无人机部署、用户关联和功率效率。为了解决这个问题,提出了一种将门控递归单元(GRU)的机器学习框架与卷积神经网络(CNN)相结合的算法。使用GRU和CNN,无人机可以对长期的历史光照分布进行建模,并预测未来的光照分布。给定光照分布的预测,原始的非凸优化问题可以分为两个子问题,然后使用低复杂度的迭代算法来求解。然后,该算法使无人机确定其部署和用户关联,以最小化总发射功率。使用NOAA/NCEI的地球观测组(EOG)的真实数据的仿真结果表明,所提出的方法可以实现高达68.9%的总发射功率减少相比,传统的最佳无人机部署,不考虑光照分布和用户关联。
2020-07-15 cs.IT cs.LG eess.SP
Amateur Drones Detection: A machine learning approach utilizing the acoustic signals in the presence of strong interference
Hankuk University of Foreign Studies(韩国外国语大学);Sejong University(世宗大学);Manchester Metropolitan University(曼彻斯特城市大学)
由于体积小,传感能力和自主性,无人机(UAV)在各个领域有着巨大的应用,例如,遥感、导航、考古学、新闻学、环境科学和农业。然而,无人机(称为业余无人机(AmDr))的不受监控的部署可能会导致严重的安全威胁,并对人类生命和基础设施造成风险。因此,及时检测AmDr对于保护敏感组织、人类生命和其他重要基础设施的安全至关重要。AmDR可以使用基于声音、视频、热和射频的不同技术来检测。然而,这些技术的性能在恶劣的大气条件下受到限制。在本文中,我们提出了一种有效的独立分量分析(ICA)的无监督机器学习方法来检测各种声信号,即,鸟的声音,飞机,雷暴,雨,风和无人机在实际情况下。对信号进行解混后,利用独立分量分析(ICA)提取信号的梅尔倒谱系数(MFCC)、功率谱密度(PSD)和均方根值(RMS)等特征。通过倍频程带通滤波器组输出的信号,提取PSD和PSD信号的RMS。基于上述特征,使用支持向量机(SVM)和K最近邻(KNN)对信号进行分类以检测AmDr的存在或不存在。所提出的技术的独特特征是在存在多个声学干扰信号的情况下一次检测单个或多个AmDR。通过大量的仿真验证了所提出的技术,并观察到与KNN PSD的RMS值比与KNN和SVM的MFCC表现更好。
2020-02-28 cs.LG cs.SD eess.AS
The Meta Distribution of SINR in UAV-Assisted Cellular Networks
在无人机(UAV)上安装紧凑、轻便的基站是一种具有成本效益且灵活的解决方案,可在现有地面网络上提供无缝覆盖。虽然无人机辅助蜂窝网络的覆盖概率已经得到了广泛的研究,它只提供了信号与干扰加噪声比(SINR)的一阶统计。在本文中,分析高阶统计的信干噪比和特征的差异之间的各个环节,我们提供了一个Meta分布(MD)为基础的分析框架,无人机辅助蜂窝网络,其中的概率视距信道和现实的天线方向图考虑到空到地传输。为了准确地描述无人机干扰,我们放宽了广泛应用的均匀离轴角(OBA)假设,并推导出OBA的精确分布。使用随机几何,可操纵和垂直天线的情况下,我们获得数学表达式的时刻的条件成功概率,SINR MD,和平均本地延迟。此外,我们还研究了网络密度趋于无穷大时矩的渐近行为。数值结果验证了理论结果的严密性,并表明一致OBA假设低估了网络性能,特别是在无人机的中等高度区域。我们还表明,当无人机配备可操纵天线,网络覆盖和用户公平性可以同时优化通过仔细调整无人机参数。
2023-01-30 cs.IT eess.SP math.IT
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
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
An Autonomous Self-Incremental Learning Approach for Detection of Cyber Attacks on Unmanned Aerial Vehicles (UAVs)
随着自动化系统的技术进步和能力大幅提高,无人驾驶飞行器在没有人类放纵的情况下执行依赖人类的任务的使用也急剧增加。由于无人机严重依赖信息和通信技术,因此很容易受到网络攻击。随着时间的推移,越来越多的先进和新的攻击正在开发和使用。然而,目前的入侵检测系统缺乏对新的和未知的攻击的检测和分类。因此,为了使无人驾驶飞行器具有自主和可靠的操作,需要更鲁棒和自动化的网络检测和保护方案。为了解决这个问题,我们提出了一个自主的自增量学习架构,能够在没有任何人为干扰的情况下自行检测已知和未知的网络攻击。在我们的方法中,我们结合了基于签名的检测与异常检测,以这种方式,基于签名的检测器自动更新其攻击类的异常检测器的帮助下。为了实现这一点,我们实现了一种增量学习方法,更新我们的模型以包含新类而不忘记旧类。为了验证我们提出的架构的适用性和有效性,我们已经实现了它在一个试验方案,然后将其与传统的离线学习方法进行比较。此外,我们基于异常的检测器已经实现了100%的攻击检测率。
2021-12-18 cs.CR eess.SP
Joint Transmission Scheme and Coded Content Placement in Cluster-centric UAV-aided Cellular Networks
最近,由于COVID-19大流行,远程工作和远程医疗对电信的依赖显著增加。在蜂窝网络中,由于建立视线(LoS)链路的高概率,无人机(UAV)的并入可以导致针对室外用户的增强的连接。然而,UAV有限的电池寿命及其在室内区域中的信号衰减使得在室内环境中管理用户的请求效率低下。被称为以集群为中心和编码的无人机辅助毫微微缓存(CCUF)框架,该网络在室内和室外环境中的覆盖范围通过用于FAP形成和无人机部署的两阶段集群来增加。第一个目标是增加内容多样性。在这种情况下,我们提出了一个编码的内容放置在一个集群为中心的蜂窝网络,这是集成了协调多点(CoMP),以减轻在边缘区域的小区间干扰。然后,我们计算,实验,编码的内容存储在每个缓存节点的数量,以增加缓存命中率,信号干扰噪声比(SINR),和缓存的多样性和减少用户的访问延迟和缓存冗余不同的内容流行度配置文件。利用集群,我们的第二个目标是分配最好的缓存节点,室内/室外用户管理他们的请求。在这方面,我们定义的地面用户的移动速度作为决策度量的传输方案,以服务于室外用户的请求,以避免FAP之间的频繁切换,并增加无人机的电池寿命。仿真结果表明,该CCUF实现方案提高了缓存命中率、SINR和缓存分集,降低了用户访问延迟、缓存冗余和无人机能耗。
2021-07-15 cs.IT cs.MM eess.SP