Machine Learning for Predictive Deployment of UAVs with Multiple Access
Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Princeton University（普林斯顿大学）；Zhejiang University of Technology（浙江工业大学）
研究了一种基于机器学习的无人机部署框架。在所考虑的模型中，无人机被部署为飞行基站（BS），从地面BS卸载繁重的业务。由于时变的流量分布，引入基于长短期记忆（LSTM）的预测算法来预测未来的蜂窝流量。为了预测用户服务分布，提出了一种基于高斯混合模型（GMM）的联合K-means和期望最大化（EM）算法--KEG算法，用于确定各无人机的服务区。基于预测的流量，最佳的无人机位置推导出和三个多址技术进行了比较，以最小化总发射功率。仿真结果表明，与不进行流量预测的传统方法相比，该方法可以降低24%的总功耗.此外，与频域多址接入（FDM）和时域多址接入（TDMA）相比，速率分离多址接入（RSMA）所需的发射功率较低。
2020-07-30 cs.LG eess.SP stat.ML
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
Joint Optimization of the Deployment and Resource Allocation of UAVs in Vehicular Edge Computing and Networks
随着智能汽车的发展，计算密集型任务广泛而快速地产生。为了减轻车载CPU的负担，由于新兴的移动边缘计算（MEC），联网车辆可以将任务卸载到附近的边缘服务器或向其发出请求。然而，这种方法可能会急剧增加边缘服务器的工作负载，并导致网络拥塞，特别是在边缘服务器很少的农村和山区。为此，本文提出了一种无人机辅助MEC系统，并提出了无人机部署与资源分配联合优化算法（JOAoDR），以确定无人机的位置，平衡无人机的资源和收益。我们从经营者的角度来解决一个长期利润最大化问题。数值实验结果表明，该算法优于其他基准算法，验证了该算法的有效性。
2020-06-15 cs.SY eess.SP eess.SY
Optimizing Multi-UAV Deployment in 3D Space to Minimize Task Completion Time in UAV-Enabled Mobile Edge Computing Systems
在支持无人机（UAV）的移动边缘计算（MEC）系统中，UAV可以携带边缘服务器以帮助地面用户设备（UE）将其计算任务卸载到UAV以供执行。本文旨在最小化无人机完成卸载任务所需的总时间，同时优化无人机的三维（3D）部署，包括其飞行高度和水平位置。虽然该优化问题是一个混合整数非线性规划问题，但我们将其转化为一个凸优化问题，并提出了一种基于逐次凸逼近（SCA）的算法来有效地求解，仿真结果表明，无人机群水平和垂直位置的联合优化比传统算法具有更好的性能。
2020-10-24 cs.MA eess.SP
Optimal UAV Deployment for Rate Maximization in IoT Networks
我们考虑在同一高度上的多个无人机（UAV）作为物联网设备网络的数据收集器。首先，使用概率视线信道模型，确定IoT设备到UAV的最佳分配。接下来，对于大量无人机和/或大型无人机高度的渐近制度，我们提出了最佳数据速率的封闭形式的解析表达式，并表征相应的最佳无人机部署。我们还提出了一个简单的迭代算法，以找到最佳的部署与少量的无人机在高海拔地区。全局最优的数值解的一般率最大化问题，发现使用粒子群优化。
2020-04-18 cs.SY eess.SP eess.SY
Strategic Deployment of Swarm of UAVs for Secure IoT Networks
本研究提出利用UAV作为空中基站，结合博弈论与凸优化方法解决IoT节点关联、UAV三维定位与功率分配问题，显著提升了地面IoT网络的安全传输保密性能。
2023-09-10 eess.SP
Laser-Powered UAVs for Wireless Communication Coverage: A Large-Scale Deployment Strategy
第六代（6G）网络大力提倡使用无人机（UAV），因为6G标准将不仅限于改善宽带服务，还将针对地理蜂窝覆盖的扩展。在这种情况下，无人机的部署被认为是实现无缝连接和可靠覆盖的关键解决方案。话虽如此，重要的是要强调，尽管无人机的特点是其高机动性和建立视线（LOS）链接的能力，但其使用仍然受到几个因素的阻碍，例如天气条件，其有限的计算能力，以及最重要的是，其有限的能源。在这项工作中，我们的目标是使用激光束为无人机实现无限无线电力传输的新技术。我们提出了一种新的无人机部署策略，在此基础上，我们分析了系统的无线覆盖方面的整体性能。为此，我们使用了随机几何学中易于处理的工具来模拟复杂的通信系统。我们分析了用户的连接配置文件下不同的激光充电能力和在不同类型的环境。我们发现，在中度到强湍流条件下的覆盖概率比低湍流条件下减少了12%以上。我们还展示了如何连接率的空中网络显着下降，有利于地面网络的短激光充电范围。我们的结论是，激光驱动的无人机被认为是有趣的替代品时，放置在LOS与用户，在低到中等的光学湍流，并在合理的范围内从充电站。
2022-08-25 eess.SP
Air-to-Ground Channel Characterization for Low-Height UAVs in Realistic Network Deployments
由于成本、尺寸和重量的降低，\acp{UAV}在通用民用和商业应用中变得越来越流行。通过使用现成的陆地蜂窝部署向\acp{UAV}提供用于用户数据和控制消息收发的通信服务引入了若干技术挑战。在本文中，空-地信道特性的低高度\acp{UAV}的基础上广泛的测量活动的方法，提出了特别注意的结果比较时，一个典型的定向天线网络部署时，被认为是一个准全向。信道特性，如路径损耗，阴影衰落，均方根延迟和多普勒扩频和K因子的统计特征为不同的郊区的情况。
2020-07-22 eess.SP
Joint Uplink-and-Downlink Optimization of 3D UAV Swarm Deployment for Wireless-Powered NB-IoT Networks
研究了一种基于全双工正交频分多址（OFDMA）的多无人机无线供电物联网（IoT）网络。在本文中，首先在三维（3D）中部署一群无人机，以同时为所有设备充电，即，下行链路（DL）计费时段，然后飞到该区域内的新位置，以在若干个时期中经由OFDMA从调度的设备收集信息，这是由于窄带IoT中可用的信道的潜在有限数量，即，上行链路（UL）通信时段。为了最大化物联网设备的上行吞吐量，我们联合优化了无人机群的上下行3D部署，包括设备-无人机关联、调度顺序和上下行时间分配。特别地，在研究该问题时，考虑了设备的DL能量收集（EH）阈值和UAV的UL信号解码阈值。此外，根据传感器和无人机的位置，研究了视距（LoS）和非视距（NLoS）信道模型。通过对物联网调度策略的研究，还考虑了NB-IoT中潜在的有限信道问题的影响。研究了两种调度策略：近优先（NF）策略和远优先（FF）策略。结果表明，NF方案优于FF方案的总和吞吐量最大化，而FF方案优于NF方案的系统公平性。
2020-08-07 cs.IT eess.SP math.IT
On the Trade-offs between Coverage Radius, Altitude and Beamwidth for Practical UAV Deployments
目前基于无人机的蜂窝部署研究主要是将无人机作为空-地通信的空中基站。然而，他们分析了无人机覆盖半径和高度的相互作用，而忽略或过度简化了无人机部署的一个重要方面，即，真实天线图案的效果。本文讨论了无人机部署问题，同时使用一个现实的三维定向天线模型。在不同的场景中，无人机设计空间尺寸之间的新的权衡揭示和分析。比较了覆盖区域对天线波束宽度和高度的敏感性。分析扩展到多个无人机和一个新的包装计划，提出了多无人机覆盖，提供了几个优势相比，以前的方法。
2020-06-09 eess.SP
Joint Optimization of Multi-UAV Deployment and 3D Positioning in Traffic-Aware Aerial Networks
INESC TEC and Faculdade de Engenharia, Universidade do Porto（葡萄牙波尔图大学工程 faculties 和 INESC TEC）
本文提出EMTAD算法，通过联合优化多UAV部署与三维定位，提升交通感知环境下网络性能并降低部署成本。
2025-06-16 cs.NI eess.SP
THz-Empowered UAVs in 6G: Opportunities, Challenges, and Trade-Offs
无人机（UAV）的设想用例在数据速率、延迟和感测准确性方面提出了新的服务要求。如果这些要求得到满意的满足，它可以创造新的应用，并使无人机在6G网络生态系统中实现高度可靠和协调的集成。为此，太赫兹（THz）频带被认为是用于各种改进功能（诸如超高吞吐量和增强的感测能力）的有前景的技术使能器。本文主要研究具有以下能力的太赫兹无人机：通信、传感、定位、成像和控制。我们回顾了太赫兹授权无人机的潜在机会和用例，相应的新设计挑战，以及由此产生的权衡。此外，我们概述了最近的进展无人机部署法规，太赫兹标准化，和健康方面的太赫兹波段。最后，我们以无人机对无人机（U2U）通信为例，研究了各种系统设计参数和环境因素的影响。
2022-01-13 cs.IT eess.SP math.IT
3-D Deployment of UAV Swarm for Massive MIMO Communications
我们考虑了多天线地面站和无人机群之间的上行链路传输。将无人机视为智能体，通过智能体探索无人机的最优三维（3-D）部署，最大化多输入多输出（MIMO）系统的信道容量。具体而言，考虑到每个无人机在访问网络的全局信息的限制，我们专注于一个分散控制的策略，注意到每个无人机群只能利用本地信息，以实现最佳的3-D部署。在这种情况下，优化问题可以被划分为关于秩函数的若干优化子问题。由于秩函数的非凸性质和优化子问题耦合的事实，原始问题是NP难的，因此不能用标准凸优化求解器来求解。有趣的是，我们可以放松每个子问题的约束条件，并通过制定无人机信道容量最大化博弈来解决优化问题。我们根据设计的奖励函数和势函数对这种博弈进行了分析。然后讨论了博弈中纯纳什均衡的存在性。为了实现MIMO系统的最佳纳什均衡，提出了一种分散式学习算法，即无人机分散式信道容量学习。文中给出了算法的细节，并对算法的收敛性、有效性和计算复杂性进行了分析。此外，我们给出了一些有见地的意见的基础上的证明和理论分析。仿真结果表明，所提出的学习算法能够利用局部信息优化无人机群的三维部署，从而获得较高的MIMO信道容量。
2021-05-03 cs.IT eess.SP math.IT
Short-term and Long-term Cell Outage Compensation Using UAVs in 5G Networks
无人机（UAV）的使用由于其许多用途和优点（诸如快速部署和多用途功能）而在无线网络中引起了兴趣。这就是为什么无人机的广泛部署有可能被整合到即将到来的5G标准中。它们可以用作飞行基站，可以在地面基站（GBS）故障的情况下部署。这种失败可以是短期的，也可以是长期的。基于故障的类型和持续时间，我们提出了一个框架，使用无人机或直升机，以减轻GBS故障。我们提出的短期和长期小区中断补偿框架旨在减轻5G网络中任何GBS故障的影响。在我们的框架内，停电补偿是在天空BS（无人机）的帮助下完成的。一个优化问题，制定联合最小化的无人机的通信功率和最大化的最小速率的用户设备（UE）受故障影响。此外，无人机的最佳位置被确定。仿真结果表明，该框架保证了最低的服务质量为每个UE，除了最小化无人机的消耗能量。
2018-07-25 cs.NI eess.SP
Enhancing Cellular Communications for UAVs via Intelligent Reflective Surface
智能反射表面（IRSs）能够实时重新配置其电磁吸收和反射特性，为在具有挑战性的环境中增强无线通信体验提供了前所未有的机会。在本文中，我们分析了IRS在增强无人机蜂窝通信方面的潜力，目前无人机由于为地面用户提供服务而优化的基站天线向下倾斜而导致信号强度差。我们考虑在建筑物墙壁上部署IRS，其可以由蜂窝基站远程配置，以相干地将反射的无线电波定向到特定的无人机，以增加其接收信号强度。使用最近发布的3GPP地对空信道模型，我们分析了无人机的信号增益，由于IRS部署作为无人机高度的函数，以及各种IRS参数，包括大小，高度和距离基站。我们的分析表明，即使使用小的IRS，我们也可以为在蜂窝基站上方飞行的无人机实现显著的信号增益。我们还发现，最大的增益可以通过优化IRS的位置，包括它的高度和距离BS。
2020-01-31 cs.NI eess.SP
Reinforcement Learning in Multiple-UAV Networks: Deployment and Movement Design
提出了一种基于体验质量（QoE）的多无人机（UAV）部署和动态运动框架。以最大化地面用户意见得分（MOS）为目标，建立了无人机非凸三维部署与动态运动联合优化问题，证明了该问题是NP-难问题.针对这一问题，提出了一种分三步实现多无人机三维展开和动态运动的方法。首先，基于遗传算法的K-均值（GAK-means）算法用于获得用户的小区划分。其次，提出了一种基于Q学习的无人机部署算法，每个无人机作为一个智能体，通过试错学习，自主决策获取三维位置。与传统的基于遗传算法的学习算法相比，该算法能够离线训练方向选择策略。第三，在用户漫游的情况下，提出了基于Q学习的移动算法。该算法能够收敛到最优状态。数值结果表明，所提出的算法具有快速的收敛速度后，少量的迭代。此外，所提出的基于Q学习的部署算法优于K-means算法和迭代GAKmean（IGK）算法，具有较低的复杂度。
2019-06-11 eess.SP
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
Distributed Collaborative 3D-Deployment of UAV Base Stations for On-Demand Coverage
部署无人机（UAV）作为飞行空中基站（BS）具有在临时事件（诸如重大灾害和大规模事件）期间自适应地服务地面用户的巨大潜力。然而，规划一个有效的，动态的，和3D部署的无人机适应动态和空间变化的地面用户是一个非常复杂的问题，由于复杂的空对地信道和无人机之间的干扰。在本文中，我们提出了一种新的分布式3D部署方法的UAV-BS在下行链路网络按需覆盖。我们的方法主要包括以下两个部分：感知辅助人群密度估计和分布式推和算法。第一部分通过地面传感器的观测估计地面用户密度，从而使我们能够避免获得所有地面用户位置的计算密集型过程。在估计的用户密度的基础上，在第二部分中，每个UAV与其相邻UAV协作动态地更新其3D位置，以最大化总覆盖。我们证明了我们的分布式算法的收敛性，采用分布式推和算法框架。仿真结果表明，我们的方法可以提高整体覆盖与有限数量的地面传感器。我们还表明，我们的方法可以应用到一个动态网络中的地面用户的密度随时间变化。
2020-02-13 cs.NI cs.SY eess.SP
Mathematical Cell Deployment Optimization for Capacity and Coverage of Ground and UAV Users
提出受量化理论启发的通用数学框架，优化无线网络小区部署与天线配置，支持确定性节点和3D异构用户，证实联合优化BSs位置与天线参数能显著提升UAV服务且不影响GUE性能。
2025-02-02 cs.IT eess.SP math.IT
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
Energy Efficiency Optimization for NOMA UAV Network with Imperfect CSI
无人机作为空中基站，部署灵活，接入服务方便，发展迅速。然而，无人机机动部署形成的低空通信链路信道误差不容忽视。而在信道状态信息不完全的情况下，无人机通信的能量有效性还没有得到很好的研究。因此，我们专注于非正交多址（NOMA）无人机网络的系统性能优化考虑不完善的CSI之间的无人机和用户。为了最大化能量效率，设计了一种包括用户调度和功率分配的次优资源分配方案。由于不完美CSI的概率约束优化函数的非凸性，原问题转化为一个非概率问题，然后解耦为两个凸子问题。首先，利用凸规划的差分原理，将用户调度方法应用于用户和子信道的双边匹配。然后基于用户调度，采用逐次凸逼近的次优功率分配算法优化无人机小区的能量效率。仿真结果表明，与现有的资源分配方案相比，该算法是有效的。
2020-05-05 cs.IT eess.SP math.IT
UAV-Assisted Attack Prevention, Detection, and Recovery of 5G Networks
无人机（UAV）正在成为支持许多应用和服务的推动者，例如精准农业，搜索和救援，临时网络部署或覆盖范围扩展以及安全。无人机正被考虑作为空中用户或网络支持节点集成到新兴的5G网络中。我们建议利用5G中的无人机来帮助预防、检测和恢复5G网络上的攻击。具体来说，我们考虑干扰，欺骗，窃听和相应的缓解机制，使无人机的多功能性。我们引入了热区、安全区和基于无人机的二级授权实体等，以提高5G无线接入网络和服务的弹性和保密性。我们提出了模拟结果，并讨论了开放的问题和研究方向，包括需要进行实验评估和研究平台的原型和测试所提出的技术。
2020-07-01 cs.IT cs.NI eess.SP
Interference Management in UAV-assisted Integrated Access and Backhaul Cellular Networks
集成接入和回程（IAB）网络架构可以实现下一代蜂窝网络的灵活和快速部署。然而，接入和回程链路之间的相互干扰、站点间距离小以及用户分布的空间动态性对IAB网络的实际部署提出了重大挑战。为了解决这些问题，我们利用无人机（UAV）作为悬停IAB节点的飞行能力，并提出了一种干扰管理算法，以最大限度地提高IAB网络的总速率。特别是，我们共同优化用户和基站的关联，接入和回程传输的下行链路功率分配，以及无人机的空间配置。我们考虑两种无人机的空间配置模式：分布式无人机和无人机天线阵列（DAA），并显示它们是如何交织在一起的地面用户的空间分布。我们的数值结果表明，所提出的算法实现了$2.9\times$和$6.7\times$增益的平均接收下行链路信号干扰加噪声比（SINR）和整体网络的总和速率，分别。最后，数值结果表明，无人机不仅可以用于覆盖范围的改善，但也用于容量提升IAB蜂窝网络。
2019-07-25 eess.SP
Securing Mobile Multiuser Transmissions with UAVs in the Presence of Multiple Eavesdroppers
本文讨论了多个地面用户的传输安全问题，防止窃听攻击。我们建议和优化部署的一个单一的无人机（UAV），它作为一个空中中继之间的用户集群和基站。重点是通过联合优化地面用户的上行传输功率和UAV的位置来最大化保密能量效率。联合优化问题是非凸的，因此我们将其分为两个子问题，并使用迭代算法求解。
2021-11-01 eess.SP
Energy Harvesting in Unmanned Aerial Vehicle Networks with 3D Antenna Radiation Patterns
提出了一种分析框架，用于分析具有集群用户设备的无人机能量采集网络的能量覆盖性能。UE的位置被建模为泊松聚类过程（PCP），并且假设UAV位于用户聚类中心上方的特定高度处。因此，解决了以用户为中心的UAV部署。两种不同的模型被认为是视线（LOS）的概率函数，比较它们对网络性能的影响。此外，天线与甜甜圈形的辐射方向图在无人机和UE，和实际的3D天线辐射方向图对网络性能的影响进行了研究。首先，通过推导互补累积分布函数和概率密度函数来统计描述每层的路径损耗。在此之后，确定与每一层的关联概率，并且UAV网络的能量覆盖概率在单个高度水平处以及更一般地在多个高度处的UAV部署的关键系统和网络参数方面被表征。通过数值计算，我们已经表明，集群的大小和无人机高度的能量覆盖性能起着至关重要的作用。此外，能量覆盖概率显着影响天线的方向和网络中的无人机的数量。
2020-07-16 cs.IT eess.SP math.IT
Federated Learning for UAV Swarms Under Class Imbalance and Power Consumption Constraints
Qatar University（卡塔尔大学）；Qualcomm Inc（高通公司）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
无人驾驶飞行器（UAV）在民用和军事应用中的使用持续增加，这是由于它们提供了超过传统方法的许多优点。尽管有很多这样的优点，但在考虑其设计限制的同时，必须研究无人机的使用性能。本文研究了无人机群在每架无人机携带一个机器学习分类任务时的部署问题。为了避免与地面处理节点的数据交换，在无人机领导者和群成员之间采用联邦学习方法，以改善局部学习模型，同时避免过多的空对地和地对空通信。此外，所提出的部署框架考虑了严格的能源约束的无人机和类不平衡的问题，我们表明，考虑这些设计参数显着提高性能的无人机群的分类精度，能源消耗和可用性的无人机相比，几个基线算法。
2021-08-23 cs.LG eess.SP
UAV-Involved Wireless Physical-Layer Secure Communications: Overview and Research Directions
由于其灵活的部署和按需移动性，小型无人机（UAV）预计将在即将到来的第五代（5G）网络中广泛应用于通信应用。然而，无人机通信应用的保密性易受广播性质和主导视距（LoS）信道条件的安全威胁，物理层安全（PLS）技术可以在这种情况下应用于保密性能增强。另一方面，利用无人机协同保护安全通信也是有希望的。本文综述了近年来无人机物理层安全通信的研究进展。重点研究了针对无人机不同角色的安全传输方案设计，以及针对无人机自身特点对引入自由度的优化。最后，我们提出了一些未来的研究方向。
2019-06-24 cs.IT cs.NI eess.SP
Threat-Aware Energy-Efficient Deployment for Dynamic UAV Networks: A Multi-Agent RL Approach
University of Ottawa（渥太华大学）；Ibb University（伊卜大学）；Royal Military College（皇家军事学院）；The American University in Cairo（开罗美国大学）
针对威胁环境下多无人机空中基站部署，提出基于威胁感知聚类与多智能体MATD3的框架，实现零安全违规、高能量效率及低计算复杂度。
2026-09-28 cs.AI cs.IT cs.LG
Cooperative Internet of UAVs: Distributed Trajectory Design by Multi-agent Deep Reinforcement Learning
无人机（UAV）具有部署灵活、覆盖范围广等优点，在下一代蜂窝网络中具有很大的传感应用潜力，这将催生无人机蜂窝互联网。在本文中，我们考虑了一个蜂窝互联网的无人机，无人机执行传感任务，通过合作的传感和传输，以尽量减少年龄的信息（AoI）。然而，协同感知和传输与无人机的轨迹紧密耦合，这使得轨迹设计具有挑战性。为了应对这一挑战，我们提出了一个分布式的感测和发送协议，其中无人机通过从一组离散的任务和一组连续的位置进行感测和传输来确定轨迹。基于该协议，我们制定了AoI最小化的轨迹设计问题，并提出了一种基于深度强化学习的复合动作演员-评论家（CA 2C）算法来解决这个问题。CA 2C算法可以学习最优策略的行动涉及连续和离散变量，适合于轨迹设计。{Our仿真结果表明，CA 2C算法优于四种基线算法。此外，我们表明，通过划分的任务，合作的无人机可以实现较低的AoI相比，非合作的无人机。
2020-07-28 cs.SY eess.SP eess.SY
Joint UAV Deployment and Resource Allocation in THz-Assisted MEC-Enabled Integrated Space-Air-Ground Networks
针对THz频段下支持MEC的空天地一体化网络，提出基于BCD的联合任务卸载、子带分配、功率控制与无人机部署优化框架，以最小化设备和无人机能耗。
2024-01-21 cs.NI 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 Actor-Critic-Based UAV-BSs Deployment Method for Dynamic Environments
本文研究了无人机网络中实时部署无人机作为飞行基站以优化移动用户吞吐量的问题。该问题被表述为一个时变混合整数非凸规划（MINP）问题，传统的优化技术很难在短时间内找到最优解.因此，我们提出了一种基于行动者-批评者（AC-based）的深度强化学习（DRL）方法，以在每个时刻找到接近最佳的无人机位置。在所提出的方法中，在特定时刻迭代搜索解的过程被建模为马尔可夫决策过程（MDP）。为了处理无限的状态和动作空间，并提高决策过程的鲁棒性，两个强大的神经网络（NN）被配置为评估无人机的位置调整和决策，分别。仿真结果表明，与启发式算法、序列最小二乘规划算法和固定无人机方法相比，该方法在无人机网络中的吞吐量方面均优于这三种基准算法。
2020-02-03 cs.NI eess.SP
Distributionally Robust Optimization for Aerial Multi-access Edge Computing via Cooperation of UAVs and HAPs
本文针对由HAP和多架UAV组成的空中MEC系统，在信道状态信息不确定条件下，提出基于加权K-means、分布鲁棒优化和二值鲸鱼优化算法的分层优化方案，以最小化总能量成本并验证其有效性与鲁棒性。
2025-05-15 cs.DC cs.IT eess.SP
Power Control in Cell-Free Massive MIMO Networks for UAVs URLLC under the Finite Blocklength Regime
在本文中，我们采用了以用户为中心的（UC）无小区大规模MIMO（CFmMIMO）网络提供超可靠的低延迟通信（URLLC）时，传统的地面用户（GU）与无人机（UAV）共存。我们研究了利用部分迫零（PZF）发送/接收波束成形和最大比传输/合并时下行链路和上行链路的功率控制。我们考虑优化问题，其目标是最大限度地提高用户的总和URLLC率或最小用户的URLLC率。URLLC率函数是复杂的和非凸渲染所考虑的优化问题的非凸。因此，我们提出了两个近似的复杂URLLC率函数，并采用连续凸优化（SCO）来解决所考虑的优化问题。具体来说，我们提出了SCO与迭代凹下界近似（SCO-ICBA）和SCO与迭代干涉近似（SCO-IIA）。我们提供了广泛的模拟评估SCO-ICBA和SCO-IIA和比较UC CFmMIMO部署与传统的共址大规模MIMO（COmMIMO）系统。结果表明，采用SCO-IIA方案优化下行链路采用MRT的CFmMIMO系统的最小用户速率，上行链路采用PZF接收的CFmMIMO系统可以提供最佳的URLLC速率性能。
2022-12-04 cs.IT eess.SP math.IT
Coverage Analysis of UAVs in Millimeter Wave Networks: A Stochastic Geometry Approach
机器人和通信技术的最新发展为使用无人机（UAV）在公共安全场景或偏远地区提供无处不在的连接铺平了道路。特别是毫米波（mmWave）频谱已经获得了发展势头，因为在这种频率下可用的大量自由频谱可以产生非常高的数据率。然而，在无人机环境中，毫米波操作可能会导致严重的信号衰减和对阻塞的敏感性，特别是考虑到所涉及的非常长的传输距离。在本文中，我们提出了一个易于处理的随机分析，以表征无人机站在毫米波操作的覆盖概率。我们讨论了为毫米波（mmWave）场景设计解决方案时需要考虑的一些权衡，例如波束成形配置以及无人机高度和部署。
2020-03-03 cs.NI eess.SP
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
Improving LoRa Signal Coverage in Urban and Sub-Urban Environments with UAVs
LoRa技术能够在城市和郊区环境中为物联网（IoT）设备实现低功耗的远距离通信。然而，由于城市和郊区环境中的地面结构，LoRa传输的链路距离可能会减少。在本文中，我们报告了建筑物内和建筑物间LoRa链路的信号强度测量，并提供了对影响信号质量的因素（如扩频因子和天线方向）的见解。随后，我们还提供了使用无人机（UAV）将LoRa发射机部署在不同高度时在城市和郊区环境中的测量结果。我们的研究结果表明，无人机部署高度是关键，以提高覆盖在郊区环境和天线的方向影响通信范围。
2019-02-20 eess.SP
Joint User Association and UAV Location Optimization for Two-Tired Visible Light Communication Networks
针对两层无人机辅助VLC网络，提出联合用户关联与无人机部署的迭代优化算法，通过最小包围圆盘定位和无监督聚类，在满足照明与簇规模约束下提升接收数据量。
2023-06-02 eess.SP
Sensing Capacity for Integrated Sensing and Communication Systems in Low-Altitude Economy
本文针对低空经济中UAV检测与调度问题，提出集成感知与通信系统的感知容量指标，通过SNR和PD约束推导最大可检测UAV数量的闭式解及近似解，并仿真验证。
2024-11-11 eess.SP
Hover or Perch: Comparing Capacity of Airborne and Landed Millimeter-Wave UAV Cells
如今，无人机（无人机）携带的毫米波（mmWave）接入点（AP）的按需部署被认为是增强5G+网络性能的潜在解决方案。然而，现代无人机的电池寿命限制了此类系统的飞行时间。在这封信中，我们评估了一个可行的部署替代方案，用于在用户需求波动较大的地区临时提高容量。该方法是将基于无人机的毫米波AP降落在附近的建筑物上，而不是在该区域上空盘旋。在所开发的数学框架内，我们通过考虑所使用的无人机的整个操作周期来比较机载和着陆部署的系统级性能。我们的数值结果表明，无人机部署选项的选择是由服务区和无人机充电站之间的间隔距离，无人机电池寿命和使用中的空中AP的数量的相互作用决定的。所提出的方法和结果可以支持在未来的5G+网络中基于无人机的毫米波AP的高效按需部署。
2020-07-26 cs.NI 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
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
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
The Optimal and the Greedy: Drone Association and Positioning Schemes for Internet of UAVs
这项工作考虑在预定义的区域部署无人驾驶航空器（UAV），为一些地面用户提供服务。由于网络的异构性，UAV可能对彼此的传输造成严重干扰。因此，需要用户-UAV关联和UAV位置的明智设计。一个潜在的游戏被定义为玩家是无人机。势函数是用户的总和率。潜在博弈中的代理人效用是他们对全球福利的边际贡献或他们所谓的美好生活效用。博弈论的学习算法，二进制对数线性学习（BLLL），然后应用到这个问题。鉴于潜在的游戏结构，我们的效用设计的后果，随机稳定状态使用BLLL保证是潜在的最大化。因此，我们最佳地解决了用户-UAV关联和3D定位问题。接下来，我们利用子模块化的功能，为一个给定的配置的无人机的和率函数设计一个有效的贪婪算法。尽管贪婪算法很简单，但它保证了最优解的$1-1/e$性能。为了进一步减少迭代次数，我们提出了另一种启发式贪婪算法，提供了非常好的结果。我们的模拟结果表明，在实践中，所提出的贪婪的方法实现显着的性能在几个迭代。
2020-04-02 eess.SP
UAV Swarm-Enabled Aerial Reconfigurable Intelligent Surface
可重构智能表面（RIS）通过调整无源反射元件的幅度和/或相位来优化信号反射，从而在无线网络中提供巨大的频谱和能量效率。利用无人机的灵活性和机动性，RIS可以安装在无人机上，实现三维信号反射。与传统的地面RIS（TRIS）相比，空中RIS（ARIS）具有更高的部署灵活性，可靠的空对地链路和全景全角度反射。然而，由于无人机的有效载荷和电池容量有限，无人机难以携带具有大量反射元件的RIS。因此，不能保证孔径增益的可缩放性。在实践中，多个无人机可以形成无人机群，以协同启用ARIS。在本文中，我们首先概述了无人机群支持的ARIS（SARIS），包括其动机和与TRIS和ARIS相比的竞争优势，以及其在无线网络中的新的变革性应用。然后，我们解决的关键挑战，设计的SARIS的波束成形设计，SARIS信道估计，和SARIS的部署和移动。接下来，潜在的性能增强的SARIS展示和初步的数值结果进行了讨论。最后，说明了开放的研究机会。
2021-03-10 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
A Survey on UAV-Aided Maritime Communications: Deployment Considerations, Applications, and Future Challenges
海事活动是经济增长的一个主要领域，有几个新兴的海事物联网用例，如智能港口、自主导航和海洋监测系统。这个令人兴奋的生态系统的主要推动力是为不断增加的船舶、浮标、平台、传感器和执行器提供宽带、低延迟和可靠的无线覆盖。为此，将无人机（UAV）集成到海上通信中，为无线连接引入了空中维度，超越了目前的部署，目前的部署主要依赖于覆盖范围有限的岸基基站和高延迟的卫星链路。考虑到无人机辅助无线通信的潜力，本调查提出了最先进的无人机辅助海上通信，其中，在一般情况下，是基于传统的优化和机器学习辅助的方法。更具体地说，相关的无人机为基础的网络架构一起讨论其积木的作用。然后，讨论了海洋环境中的物理层、资源管理、云/边缘计算和缓存无人机辅助解决方案，并根据其性能目标进行了分组。针对无人机机动灵活、机动灵活、机动灵活的特点，深入研究了海上无人机轨迹优化问题。此外，为了阐明现实世界的部署现状，无人机辅助海上通信的实验研究和实施细节。最后，给出了无人机辅助海上通信领域中与第六代（6 G）先进技术集成相关的几个重要开放问题。
2022-09-20 cs.NI eess.SP
An Open Source and Open Hardware Deep Learning-powered Visual Navigation Engine for Autonomous Nano-UAVs
ETH Zürich（苏黎世联邦理工学院）；University of Bologna（博洛尼亚大学）
纳米尺寸的无人机（UAV），直径只有几厘米，总功率预算不到10瓦，到目前为止，人们认为在没有来自基站、自组织本地定位基础设施和强大的外部计算服务器的外部帮助的情况下，它无法运行复杂的基于视觉的自主导航软件。在这项工作中，据我们所知，我们展示了第一个27 g纳米无人机系统，该系统能够在端到端的闭环视觉管道上运行，用于基于最先进的深度学习算法的自主导航，该算法建立在开源CrazyFlie 2.0纳米四旋翼上。我们的视觉导航引擎是通过将超低功耗计算设备（GAP 8片上系统）与用于部署深度卷积神经网络（CNN）的新方法相结合来实现的。我们能够在高达18 Hz的频率下实时执行最先进的深度CNN。现场实验表明，该系统的高响应性可以防止与意外的动态障碍物碰撞，飞行速度高达1.5米/秒。此外，我们还展示了我们的视觉导航引擎在113米以前看不见的路径上进行全自主室内导航的能力。为了与嵌入式和机器人社区分享我们的关键发现，并促进自主纳米无人机的进一步发展，我们公开了我们所有的代码，数据集和训练网络。
2019-05-10 cs.LG cs.RO eess.SP
Multi Agent Reinforcement Learning Trajectory Design and Two-Stage Resource Management in CoMP UAV VLC Networks
在本文中，我们认为无人机（UAV）配备了可见光通信（VLC）接入点和协调多点（CoMP）的能力，允许用户连接到多个无人机。无人机可以以恒定的加速度在三维（3D）中移动，其中中央服务器负责无人机之间的同步和协作。无人机加速运动的影响是必须考虑的。与大多数现有的作品，我们研究的动力学和无线电资源分配的可变速度的影响。对于建议的系统模型，我们定义了两个不同的时间框架。在帧中，指定每个UAV的加速度，并且在每个时隙中，分配无线电资源。我们的目标是制定一个多目标优化问题，其中总的数据速率最大化，同时最小化总的通信功耗。为了处理这种多目标优化，我们首先应用标量化方法，然后应用多代理深度确定性策略梯度（MADDPG）。我们通过增加两个评论家网络和两阶段资源分配来改进这种求解方法。仿真结果表明，无人机的恒加速度运动比常规运动系统的性能提高了约8%。
2021-12-03 eess.SP
Multi-UAV Data Collection Framework for Wireless Sensor Networks
在本文中，我们提出了一个框架设计的无线传感器网络的基础上，多无人机（UAV）。具体而言，我们的目标是在预算和电力限制方面最大限度地降低部署和运营成本。为此，我们首先优化簇头（CH）的数量和位置，保证从所有传感器收集数据。然后，以最小化数据收集飞行时间为目标，对无人机的数量和飞行轨迹进行优化。因此，我们区分两种轨迹方法：1）无人机悬停在访问CH的上方; 2）无人机悬停在CH的范围内。这一结果包括数据收集设计的指导方针。讨论了传感器节点K均值聚类的特点。接下来，我们说明了轨迹规划的最优和启发式解决方案的性能。遗传算法被证明是接近最优的，只有$3.5\%$退化。研究了航迹进场、环境和无人机高度等因素的影响。最后讨论了无人机航迹的公平性问题。
2019-12-03 cs.NI eess.SP
Unmanned Aerial Vehicles Meet Reflective Intelligent Surfaces to Improve Coverage and Secrecy
反射智能表面（RISs）的高可配置性和低成本使其成为增强超第五代（B5G）网络能力的有前途的解决方案。最近的工作建议将RIS安装在无人机（UAV）上，将RIS提供的高网络可配置性与UAV带来的移动性相结合。然而，RIS表示影响UAV的电池寿命的额外重量。此外，还没有详细评估由此产生的链路在通信信道质量和安全方面的实用性。在本文中，我们强调了实际部署具有RIS功能的无人机需要考虑的所有基本功能。我们是第一个展示RIS大小及其功耗如何影响无人机飞行时间的人。然后，我们评估RIS的大小，载波频率和无人机飞行高度如何影响路径损耗。最后，我们提出了一种新的基于粒子群的方法，以最大限度地提高覆盖率和提高传输的保密性，在蜂窝场景的支持下，由无人机携带的RIS。
2022-05-05 cs.CR eess.SP
Dynamic Interference Management for UAV-Assisted Wireless Networks
无人驾驶飞行器的部署正在激增，因为它们是有效、灵活和具有成本效益的设备，适用于从自然灾害恢复到货物运送的各种应用。我们研究的传输机制，旨在提高基站（BS）和用户设备之间的数据速率，通过部署多个中继无人机。我们考虑干扰的影响，这是由另一个已建立的通信网络的节点所引起的。我们的主要目标是为无人机设计3D轨迹和功率分配，以最大限度地提高数据流，同时满足干扰约束。无人机可以重新配置它们的位置，以避免鲁莽/智能干扰者造成的非预期/有意干扰。我们还考虑了智能干扰机追逐无人机以降低通信质量的情况。在这种情况下，我们从无人机网络和智能干扰机的角度来研究这个问题。提出了一种交替最大化方法来解决联合三维轨迹设计和功率分配问题。我们处理的3D轨迹设计诉诸谱图理论，随后通过凸优化技术解决的功率分配。最后，我们通过仿真证明了我们所提出的方法的有效性。
2019-09-26 cs.MA eess.SP
Incremental Learning-Based Open-Set Classification of Unknown UAVs via RF Signal Semantics
KTH Royal Institute of Technology（皇家理工学院）；Aalborg University（奥尔堡大学）
本文提出基于RF信号语义的开放集学习框架，实现未知无人机的发现与增量适应，通过语义特征空间分离未知信号，结合聚类模块发现新类别，利用轻量增量学习模块减少存储成本，验证了框架在开放世界无人机识别中的有效性。
2026-03-25 eess.SP
Maximizing UAV Fog Deployment Efficiency for Critical Rescue Operations
University of Science and Technology Beijing（北京科技大学）；School of Computer Science, University College Dublin（都柏林大学学院计算机科学学院）；University of Djelfa（杰勒法大学）
本文针对灾害救援场景，提出基于动态无人机雾部署的优化模型，将问题分解为连通覆盖与网络寿命两个子问题，并引入自适应鲸鱼优化算法（WOA）实现高效雾节点放置，以最大化覆盖和延长网络寿命。
2024-02-25 cs.AI cs.NI eess.SP
