RIS-Aided D2D Communications Relying on Statistical CSI with Imperfect Hardware
在这封信中，我们研究了一个可重构智能表面（RIS）辅助设备到设备（D2D）通信系统在莱斯衰落信道与不完善的硬件，包括在收发器的硬件损伤和相位噪声在RIS。本文采用遗传算法（GA）对连续相移（CPS）和离散相移（DPS）的相移进行了优化，以最大化可达速率。我们还考虑了无RIS硬件损伤（N-RIS-HWI）和无收发器硬件损伤（N-T-HWI）的两种特殊情况。我们提出了封闭形式的表达式，不同情况下的可实现的速率和研究的硬件损伤对通信质量的影响。最后，仿真结果验证了分析工作的正确性.
2021-12-04 eess.SP
RIS Partitioning and User Clustering for Resilient Non-Orthogonal Multiple Access UAV Networks
本文提出RIS-aided NOMA两步迭代方法，通过联合UE聚类、链路选择和虚拟RIS划分最大化无人机网络连接性，相比传统方案提升30%至40%增益。
2025-05-01 cs.IT eess.SP math.IT
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
Analysis and Optimization for RIS-Aided Multi-Pair Communications Relying on Statistical CSI
本文研究了一种可重构智能表面（RIS）辅助的多对通信系统，其中多对用户通过RIS交换信息。我们通过假设统计信道状态信息（CSI）是可用的，推导出可达速率的近似表达式。提出了一种求解速率最大化问题的遗传算法。特别是，我们考虑实现的RIS连续相移（CPS）和离散相移（DPS）。仿真结果验证了所得结果的正确性，并表明所提出的遗传算法具有几乎相同的性能作为全局最优解。此外，数值结果表明，三个量化比特可以实现的CPS设置的总和可实现的速率的大部分。
2021-03-06 eess.SP
Hybrid 3D Beamforming Relying on Sensor-Based Training and Channel Estimation for Reconfigurable Intelligent Surface Aided TeraHertz MIMO systems
太赫兹（THz）系统具有高带宽的优点，因此能够支持超高数据速率，尽管以高路径损耗为代价。因此，他们倾向于利用高增益波束成形。因此，本文提出了一种基于复杂传感器波束训练和信道估计的新型混合三维波束形成器，用于可重构智能表面（RIS）辅助的THz MIMO系统。提出了一种基于子阵阵列的太赫兹BS结构，并提出了相应的子RIS结构。用户的BS、RIS和接收机天线阵列都是均匀平面阵列（UPA）。超宽带（UWB）传感器集成到RIS中，UWB传感器获得的用户位置信息被用于信道估计和波束形成。此外，提出了精确波束形成算法（PBA）的新概念，通过规避定位误差所带来的性能限制，进一步提高了波束形成的精度。此外，在空间复用的支持下，推导了保持RIS辅助太赫兹信道正交性的条件。导出了近场和远场路径损耗的封闭表达式。仿真结果表明，该方案准确地估计了RIS辅助的THz信道，频谱效率得到了很大的提高，尽管其复杂度低。这使得我们的解决方案非常适合延迟敏感型应用。
2022-02-04 eess.SP
GPS-Aided Deep Learning for Beam Prediction and Tracking in UAV mmWave Communication
Department of Intelligent Mechatronics Engineering, and Department of Convergence Engineering for Intelligent Drone, Sejong University（智能机电工程系，智能无人机融合工程系，世宗大学）
提出一种GPS辅助深度学习模型，通过位置数据映射波束索引，同时预测UAV毫米波通信的当前与未来最优波束，在保证95%预测准确率的同时将开销降低约93%。
2025-07-11 cs.IT cs.LG eess.SP
IRS-Aided Energy Efficient UAV Communication
无人机（UAV）已经逐渐获得关注，以克服毫米波通信的恶劣传播损耗和阻塞问题。然而，无人机通信系统受到能量消耗的影响，这限制了无人机的飞行时间。在本文中，我们提出了几个无人机能源消耗最小化技术，通过多个智能反射面（IRSs）的援助。具体而言，我们引入了一个易于处理的模型，以有效地捕捉多个IRS和多个用户设备（UE）的特性。然后，我们推导出一个封闭形式的表达UE可实现的速率，从而在易处理的优化问题。相应地，我们采用逐次凸逼近技术有效地解决了优化问题。为了弥补优化问题的高复杂性，我们提出了一个低复杂度的算法，有边际性能损失。在数值计算结果中，我们表明，所提出的算法可以节省无人机的能源消耗显着相比，基准没有IRS，证明利用IRS确实是有利于无人机的能源消耗最小化。
2023-01-02 cs.IT eess.SP math.IT
IEEE 802.11ad-Aided 5-D Sensing with a UAV Swarm in Urban Environment
Indraprastha Institute of Information Technology Delhi（德里印度理工学院）；United States DEVCOM Army Research Laboratory（美国DEVCOM陆军研究实验室）
本文提出基于IEEE 802.11ad协议的UAV蜂群系统，实现城市环境中5维地面目标感知。
2026-02-09 eess.SP
Hybrid Transceiver Design for Tera-Hertz MIMO Systems Relying on Bayesian Learning Aided Sparse Channel Estimation
设想了依赖于稀疏信道状态信息（CSI）估计技术的多输入多输出（MIMO）太赫兹（THz）系统中的混合收发器设计。首先，一个实用的MIMO信道模型开发的太赫兹波段，包括其分子吸收和反射损耗，以及其非视线（NLoS）射线与其扩散组件。随后，一种新的CSI估计模型推导出利用太赫兹MIMO信道的角度稀疏。然后，正交匹配追踪（OMP）为基础的框架的构想，其次是设计一个复杂的贝叶斯学习（BL）为基础的方法，有效地估计稀疏太赫兹MIMO信道。贝叶斯克拉美-罗下限（BCRLB）也被确定为基准性能的CSI估计技术的发展。最后，一个最佳的混合发送预编码器和接收机组合器对的设计，它直接依赖于波束域CSI估计，只需要有限的反馈。最后，仿真结果提供了量化的改进的均方误差（MSE），频谱效率（SE）和误比特率（BER）性能的实际太赫兹MIMO信道上的传输从高分辨率传输（HITRAN）数据库获得。
2022-01-11 eess.SP
Resource Allocation for Cell-Free Massive MIMO-aided URLLC Systems Relying on Pilot Sharing
资源分配被设想用于无小区（CF）大规模多输入多输出（MIMO）辅助的超可靠和低延迟通信（URLLC）系统。具体来说，以支持多个设备有限的导频开销，导频重用的用户之间被认为是，我们制定了一个联合导频长度和导频分配策略，最大限度地提高设备的数量接纳。然后，联合优化导频功率和发射功率，同时满足设备的解码错误概率、延迟和数据速率要求。首先，我们推导了有限信道块长度（FCBL）下各态历经数据速率的下界。然后，我们提出了一种新的导频分配算法，最大限度地提高设备的数量接纳。基于所提出的导频分配模式，通过联合优化导频功率和净荷功率来最大化加权和速率（WSR）。为了解决由此产生的NP难问题，原始的优化问题首先通过复杂的数学变换来简化，然后找到近似，用于将原始问题转化为一系列可以容易地解决的几何规划（GP）形式的子问题。仿真结果表明，所提出的导频分配策略是能够显着增加接纳设备的数量和所提出的功率分配实现了显着的WSR性能增益。
2023-03-21 eess.SP
Airplane-Aided Integrated Next-Generation Networking
一个高速率但低成本的空对地（A2 G）通信骨干网被认为是通过利用客机或高空平台（HAP）作为移动基站（BS）和毫米波通信的机会主义援助来整合空间和地面网络。客机作为地面用户的网络提供商，同时依赖于卫星回程。三种不同的波束形成技术依赖于一个大规模的平面阵列用于传输的客机/HAP实现高方向性增益，从而最大限度地减少用户之间的干扰。此外，近似频谱效率（SE）和面积频谱效率（ASE）的表达式推导和量化的不同系统参数。
2021-07-31 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
Multi-Armed Bandit Learning for Content Provisioning in Network of UAVs
Michigan State University（密歇根州立大学）
本文提出一种基于Top-k多臂老虎机学习的无人机内容缓存决策模型，在灾难场景中最大化内容可用性，兼顾地理-时间流行度差异与需求异质性。
2023-12-18 cs.LG cs.NI eess.SP
Compressive Sensing Based Massive Access for IoT Relying on Media Modulation Aided Machine Type Communications
大规模物联网的一个根本挑战在于如何支持大规模机器类型通信（mMTC）。这封信提出了一种基于媒体调制的mMTC解决方案，以提高吞吐量，其中一个大规模的多输入多输出的基站（BS）用于提高检测性能。对于这样的mMTC场景，可靠的活动设备检测和数据解码提出了严重的挑战。通过利用在BS处接收的mMTC的上行链路接入信号的稀疏性，提出了基于压缩感测的大规模接入解决方案来应对这一挑战。具体来说，我们提出了一个块稀疏自适应匹配追踪算法检测的活动设备，从而块稀疏的上行链路接入信号表现出跨连续的时隙和媒体调制符号的结构化稀疏性被用来提高检测性能。此外，一个连续的干扰消除为基础的结构化子空间追踪算法被设想用于有源设备的数据解调，从而在每个时隙中发现的基于媒体调制的符号的结构化稀疏性被利用来提高检测性能。最后，我们的仿真结果验证了所提出的方案比国家的最先进的解决方案的优越性。
2020-05-08 cs.IT eess.SP math.IT
UAV-Aided Cellular Communications with Deep Reinforcement Learning Against Jamming
蜂窝系统易受干扰攻击，特别是智能干扰机，其基于正在进行的通信策略和网络状态来选择其干扰策略，诸如干扰信道频率和功率。在本文中，我们提出了一种无人机辅助蜂窝通信抗干扰框架。在该方案中，无人机使用强化学习方法来选择中继策略的移动用户在蜂窝系统中，如果服务基站是严重的干扰。更具体地说，我们提出了一种基于深度强化学习的无人机中继方案，以帮助蜂窝系统抵抗智能干扰，而无需基于先前的抗干扰中继经验和观察到的当前网络状态在动态游戏中知道干扰模型和网络模型。该方案可以在与干扰机充分交互后达到最优性能。仿真结果表明，与现有方案相比，该方案可以降低消息的误比特率，为蜂窝系统节省能量。
2019-04-23 eess.SP
OTFS-IM-Assisted Non-Terrestrial Networks Relying on Autoencoder-Aided Soft-Decision Detection
School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
本文提出一种结合多带离散傅里叶变换扩展（MB-DFT-S）和索引调制（IM）的OTFS系统，以解决非地面网络中高多普勒效应带来的挑战，通过深度学习自动编码器降低峰均功率比并提升吞吐量。
2026-05-09 eess.SP
UAV Aided Search and Rescue Operation Using Reinforcement Learning
由于部署灵活性的增强和制造成本的降低，预计未来几年对无人机（UAV）的需求将飙升。在本文中，我们探讨了无人机辅助搜索和救援~（SAR）在室内环境中，GPS信号可能是不可靠的操作。我们考虑SAR场景，其中无人机试图通过感测受害者拥有的智能设备发出的RF信号来定位被困在室内环境中的受害者。为了尽可能快地定位受害者，我们利用强化学习（RL）的工具。无人机上的接收信号强度（RSS）取决于与源的距离、室内阴影和衰落参数以及安装在无人机上的接收机的天线辐射方向图。为了使我们的分析更加真实，我们使用商业射线跟踪软件模拟了两个不同尺寸的室内场景。然后，在每个可能的离散UAV位置处提取相应的RSS值，并在Q学习框架中使用。与利用GPS坐标的传统基于位置的导航方法不同，我们的方法使用RSS来定义RL算法的状态和奖励。我们比较所提出的方法，其中使用定向和全向天线的性能。结果表明，使用定向天线提供更快的收敛速度比全向天线。
2020-02-19 cs.SY eess.SP eess.SY
Flexible Reconfigurable Intelligent Surface-Aided Covert Communications in UAV Networks
本文提出了一种基于柔性可重构智能表面的无人机隐秘通信框架，通过联合优化无人机轨迹、RIS反射向量和NOMA功率分配，提升隐秘通信性能。
2025-12-10 cs.IT eess.SP math.IT
Performance Analysis and Optimization of STAR-RIS-Aided Cell-Free Massive MIMO Systems Relying on Imperfect Hardware
本文研究非理想硬件下STAR-RIS辅助无蜂窝大规模MIMO系统，推导信道估计与频谱效率闭式表达式，并提出交替优化算法联合优化波束赋形与功率控制以提升最差用户性能。
2025-01-03 cs.IT eess.SP math.IT
UAV-Aided Decentralized Learning over Mesh Networks
EURECOM（欧洲通信学院）
分散式学习使无线网络设备能够协作地训练仅依赖于设备到设备（D2D）通信的机器学习（ML）模型。众所周知，分散优化算法的收敛速度严重依赖于网络的连通性程度，网络拓扑结构越密集，收敛时间越短。因此，由于其无线节点的通信范围有限，现实世界的网状网络的局部连接性破坏了分散式学习协议的效率，使其可能无法实现。在这项工作中，我们调查的作用，无人驾驶航空器（UAV），用作飞行接力，在促进分散的学习程序，在这种具有挑战性的条件。我们提出了一个优化的无人机轨迹，这是定义为一系列的航路点，无人机访问顺序，以便在稀疏连接的用户组之间传输情报。然后，我们提供了一系列的实验，突出了无人机在网状网络分散学习的背景下的重要作用。
2022-05-31 cs.IT cs.LG eess.SP
Adaptive Soft Actor-Critic Framework for RIS-Assisted and UAV-Aided Communication
本文提出一种基于自适应稀疏transformer和ASTAFER的自适应软演员-评论家（ASAC）框架，用于解决UAV-RIS网络中波束成形、相移和轨迹联合优化问题，以最大化最小用户速率，实现了优于传统SAC的实时高效通信。
2024-11-16 cs.SY eess.SP eess.SY
Understanding UAV-Based WPCN-Aided Capabilities for Offshore Monitoring Applications
尽管近年来取得了巨大的进步，但今天仍然缺乏监测偏远地区的有效解决方案。这在多用途海上和近海用例中尤其明显，因为运营区域范围更广，而且缺乏无线电网络基础设施。在本文中，我们通过提供基于三种新兴技术（无人机（UAV），无电池传感器和无线供电通信网络（WPCN））的融合的概念解决方案来解决上述挑战。我们的贡献提供了一个系统的描述生态系统相关的建议的解决方案，确定其关键参与者和设计维度以及相关的资源和性能指标。一个系统级的建模为基础的评估说明性的场景提供了更深入的见解所考虑的操作和相关的权衡。此外，未解决的挑战和前景方向的基础，为后续的研究。
2020-12-23 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
Secrecy Rate of the Cooperative RSMA-Aided UAV Downlink Relying on Optimal Relay Selection
协作速率分裂（CRS）方案，提出了从传统的速率分裂（RS），并依赖于转发的中继用户的RS消息的一部分。在保密性增强方面，已经表明，CRS优于其非合作对应的两个用户的多输入单输出（MISO）广播信道（BC）。考虑到6 G的大规模连接需求，我们将现有的安全两用户CRS框架推广到多用户框架，其中必须选择最高安全性的用户作为中继节点。本文研究了在有外部窃听者存在的情况下，多天线无人机基站（UAV-BS）为一组用户提供服务的无人机辅助下行链路网络中最大化最坏情况保密率（WCSR）的问题。我们考虑一个实际的情况下，只有不完美的信道状态信息的前夕是在UAV-BS。因此，我们提出了一种鲁棒的安全资源分配算法，该算法通过联合优化安全中继用户选择（SRU S）和网络参数分配问题（包括RS发送预编码器、消息分裂变量、时隙共享和功率分配）来最大化WCSR。为了避免由此产生的非凸性，由于由SRUS施加的离散变量，我们提出了一个两阶段的算法，其中SRUS和网络参数分配在两个连续的阶段完成。关于SRUS，我们研究了集中式和分布式协议。另一方面，为了联合优化网络参数分配，我们采用序贯参数凸近似（SPCA）算法。我们的数值结果表明，所提出的解决方案显着优于现有的基准广泛的网络负载的WCSR。
2022-10-08 cs.IT eess.SP math.IT
MIMO-Aided Nonlinear Hybrid Transceiver Design for Multiuser mmWave Systems Relying on Tomlinson-Harashima Precoding
为毫米波（mmWave）系统设计的混合模数（A/D）收发器受到了大量的研究关注，因为与全数字对应物相比，其成本更低，能耗更低。我们进一步提高他们的性能，通过构思一个汤姆林森-Harashima预编码（THP）的多用户多输入多输出（MIMO）毫米波系统的下行链路的非线性联合设计。我们的优化标准是，最小化的均方误差（MSE）的信道不确定性下的系统受到现实的发射功率约束和单位模约束施加在控制的模拟波束成形（BF）矩阵的元素BF操作在射频域。我们将这个优化问题转化为一个更易于处理的形式，并开发了一个有效的基于块坐标下降（BCD）的算法来解决它。然后，一个新的双时标非线性联合混合收发器的设计算法，它可以被看作是一个扩展的BCD为基础的联合设计算法，以减少信道状态信息（CSI）信令开销和过时的CSI的影响。此外，我们确定了近最佳的消除阶THP结构的基础上的MSE的下限。所提出的算法可以保证收敛到原问题的Karush-Kuhn-Tucker（KKT）解。仿真结果表明，我们提出的非线性联合混合收发器的设计算法显着优于现有的线性混合收发器的算法和方法的性能的全数字收发器，尽管其成本和功耗较低。
2020-08-13 cs.IT eess.SP math.IT
Efficient DOA Estimation Method for Reconfigurable Intelligent Surfaces Aided UAV Swarm
传统的波达方向（DOA）估计方法是在多个接收信道上进行的。在本文中，一个变化的DOA估计问题，解决了在一个不同的情况下，只有一个全功能的接收通道。提出了一种利用多个提升式可重构智能表面（RIS）的无人机群体系统来进行方位估计。无人机的运动会显著降低DOA估计性能，现有的原子范数最小化（ANM）方法不能用于阵列扰动的场景。针对无人机的位置扰动，提出了一种基于原子范数的DOA估计方法，利用位置扰动参数定义原子范数。然后，一个定制的半定规划（SDP）方法来解决原子范数为基础的方法，其中不同于传统的SDP方法，制定了一个额外的转换矩阵。此外，梯度下降法被应用到细化估计的DOA和位置扰动进一步。仿真结果表明，在仅有一个接收通道的无人机群系统中，该方法的DOA估计性能明显优于各种基准方法。
2022-03-19 eess.SP
Latency-Minimized Design of Secure Transmissions in UAV-Aided Communications
无人机具有机动性强、部署灵活等特点，可以作为空中基站为远程移动用户提供通信服务。然而，视距（LoS）无线链路容易被窃听者（Eve）截获，这对无人机辅助通信提出了重大挑战。在本文中，我们提出了一个延迟最小化的传输方案，以满足合法用户（LU）的内容请求安全地对夏娃。通过利用物理层安全（PLS）技术，我们制定了一个传输延迟最小化的问题，通过联合优化无人机轨迹和用户关联。由此产生的问题是一个混合整数非线性规划（MINLP），这是已知的NP难。此外，优化变量的维数是不确定的，这再次使我们的问题非常具有挑战性。为了有效地解决这个问题，我们利用二分法搜索最小传输延迟，并引入变分惩罚方法来解决相关的子问题，通过不精确的块坐标下降方法。此外，我们提出了一个最优解的特征。仿真结果证明了所提出的设计的优越性能。
2020-03-14 cs.IT eess.SP math.IT
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
A UAV-Aided Digital Twin Framework for IoT Networks with High Accuracy and Synchronization
本研究提出一种无人机辅助的数字孪生框架，通过优化无人机部署和基于信息年龄的新指标AoDT，实现物理与数字系统的高精度同步，最大化数据收集量。
2025-04-22 cs.ET eess.SP
A Novel Energy-aware Design for a D2D Underlaid UAV-Aided Cognitive Radio Network
本文研究了通过认知无线电和无人机技术增强的自由灾难响应网络和能量收集增强型灾难响应网络的效能，分析了用户密度和无人机规格对网络性能的影响，并展示了能量收集优化对网络性能的提升。
2025-02-10 eess.SP
UAV Communications with WPT-aided Cell-Free Massive MIMO Systems
无蜂窝（CF）大规模多输入多输出（MIMO）是一种很有前途的解决方案，为无人机（UAV）通信提供一致的良好性能。在本文中，我们提出了无人机通信与无线功率传输（WPT）辅助CF大规模MIMO系统，其中从下行链路WPT收集的能量（HE）用于支持上行链路数据和导频传输。我们推导出新的封闭形式的下行链路HE和上行链路频谱效率（SE）的表达式，考虑到无人机的硬件损伤。还考虑了与当前的小小区（SC）和蜂窝大规模MIMO使能的WPT系统的UAV通信以进行比较。重要的是表明，CF大规模MIMO分别实现了比SC和蜂窝大规模MIMO高2倍和5倍的95%可能上行链路SE。此外，大规模衰落解码接收机协作可以降低地面用户的干扰。此外，可以通过改变时间分裂分数来实现最大SE。我们证明了最大SE的最佳时间分裂分数是由天线的数量，高度和无人机的硬件品质因数。在此基础上，提出了三种提高SE的无人机轨迹设计方案。有趣的是，角度搜索方案的性能优于AP搜索和线路径方案。最后，仿真结果验证了我们的表达式的准确性。
2021-04-23 cs.IT eess.SP math.IT
Non-Orthogonal Multiple Access for UAV-Aided Heterogeneous Networks: A Stochastic Geometry Model
在这项工作中，我们探讨了部署无人机（UAV）作为空中基站（ABS）与子6 GHz频段和小小区地面基站（TBS）与毫米波（mmWave）波段的混合异构网络（HetNets）的潜在好处。提出了一种灵活的基于非正交多址接入（NOMA）的用户关联策略。利用随机几何的工具，推导了真实空对地（A2 G）信道和地对地（G2 G）信道条件下，基于LoS球阻塞模型的关联概率、覆盖概率和频谱效率的解析表达式.最后，我们提出的混合HetNet的数值结果的见解。我们证实：i）通过适当地设置功率分配因子和目标信号干扰噪声比（SINR）阈值，所提出的NOMA使能的HetNet能够实现比OMA使能的ABS更优越的性能; ii）在NOMA使能的ABS层中存在关联概率和频谱效率之间的折衷; iii）启用NOMA的ABS层的覆盖概率和频谱效率在很大程度上受不完美连续干扰消除（ipSIC）系数、功率分配因子和SINR阈值的影响; iv）与仅低于6 GHz的ABS相比，当毫米波视线（LoS）链路可用时，毫米波使能的TBS能够增强HetNet的频谱效率。
2021-02-09 cs.IT eess.SP math.IT
Drone-aided Localization in LoRa IoT Networks
Ecole Polytechnique Federale de Lausanne（洛桑联邦理工学院）；Swisscom IoT/5G Innovation Lab（瑞士电信物联网/5G创新实验室）；Pompeu Fabra University (UPF)（庞培法布拉大学）
除了作为物联网（IoT）的一部分外，无人机还可以作为推动者在其中发挥相关作用。UAV的3D移动性可以被利用来改善IoT网络中的节点定位，例如，搜索和救援或货物定位和跟踪。广泛的物联网通信技术之一是远程广域网（LoRaWAN），它允许以低功耗实现长通信距离。在这项工作中，我们提出了一个无人机辅助定位系统的LoRa网络中，无人机用于提高一个节点的位置估计最初提供的网络。我们表征的通信系统的相关参数，并使用它们来开发和测试一个搜索算法在一个现实的模拟场景。然后，我们将全面实施一个真正的系统，其中无人机无缝集成到瑞士电信的LoRa网络中。无人机通过双向信息交换与网络协调，从而形成准确且完全自主的定位系统。在我们的现场测试中获得的结果显示，相对于固定网络提供的估计，定位精度提高了10倍。据我们所知，这是无人机首次成功集成到LoRa网络中，以提高其定位精度。
2020-04-08 cs.RO eess.SP
Meta Reinforcement Learning for Resource Allocation in Multi-Antenna UAV Network with Rate Splitting Multiple Access
针对多天线无人机网络的能量约束与动态适配问题，提出搭载LAS、采用RSMA的太赫兹下行传输方案，结合元学习增强的DDPG优化资源分配，显著提升能效与频谱效率。
2024-05-18 eess.SP
Radio Resource Management for Cellular-Connected UAV: A Learning Approach
将无人机（UAV）集成到现有蜂窝网络中遇到了许多挑战，其中最引人注目的问题之一是如何实现空中收发器（尤其是UAV）和地面用户设备（UE）的和谐共存。在本文中，蜂窝连接的无人机网络的重点，其中多个无人机接收来自基站（BS）的消息在下行链路中，而BS服务于地面UE在其小区。为了有效地管理由于时频资源块（RB）资源的密集重用而导致的UE之间的小区间干扰（ICI），提出并采用了第一基于$p$层的RB协调准则。然后，为了提高无人机的无线传输质量，同时保护地面UE免受地面到空中（G2 A）传输的干扰，联合动态RB协调和时变波束形成设计的无线电资源管理（RRM）问题，最小化无人机的遍历中断持续时间（EOD）的研究。为了解决传统优化技术在解决RRM问题时的效率低下问题，提出了一种深度强化学习（DRL）辅助解决方案，其中调用深度双重决斗Q网络（D3 QN）和双延迟深度确定性策略梯度（TD 3）分别处理离散动作域中的RB协调和连续动作域中的波束成形设计。混合D3 QN-TD 3解决方案通过以在线集中方式与所考虑的外部和内部环境进行交互来训练，以便它可以在其离线分散开发阶段帮助实现次优的EOD最小化性能。仿真结果表明，所提出的混合D3 QN-TD 3算法的有效性，相比，几个代表性的基线。
2022-12-10 eess.SP
Ergodic Sum Rate Analysis of UAV-Based Relay Networks with Mixed RF-FSO Channels
基于无人机（UAV）的通信是一项很有前途的新技术，可以为当前的网络基础设施增加广泛的新功能。考虑到无人机的灵活性、成本效益和使用方便，它们可以被部署为临时基站（BS），用于BS过载或自然灾害等按需情况。在这项工作中，无人机为基础的通信系统与无线电频率（RF）接入链路的移动用户（MU）和自由空间光（FSO）回程链路的地面站（GS）被认为是。特别是，该网络中的RF和FSO信道取决于UAV的定位和（不）稳定性。UAV相对于MU的相对位置影响RF链路中的视线（LOS）连接的可能性，并且悬停UAV的不稳定性影响FSO信道的质量。因此，考虑到这些影响，我们分析了端到端的系统性能的网络采用无人机作为缓冲区辅助（BA）和非缓冲区辅助（非BA）中继的遍历和速率。仿真结果验证了所提出的解析推导的准确性，并揭示了缓冲补偿无人机的不稳定性所造成的随机波动的好处。我们的仿真结果还表明，各态历经和率BA和非BA无人机为基础的中继可以大大提高通过优化无人机的定位。我们进一步研究了MU密度和天气条件对端到端系统性能的影响。
2020-01-10 eess.SP
Detection and blind channel estimation for UAV-aided wireless sensor networks in smart cities under mobile jamming attack
无人机（UAV）可以通过多种方式集成到无线传感器网络（WSNs）中，用于智能城市应用。其中，无人机可以通过从地面传感器和计量装置上传数据，然后将其下载到中央单元，以“存储-携带和转发”的方式用作中继。然而，上传和下载阶段都容易受到潜在的威胁和攻击。作为传统无线网络的遗留问题，干扰攻击仍然是UAV辅助通信的主要和严重威胁之一，特别是当干扰机也是移动的时，例如，它安装在无人机上或陆地车辆内。在本文中，我们研究了抗干扰通信的无人机辅助无线传感器网络运行在双选择性信道在下载阶段。在这种情况下，由UAV和恶意移动干扰机发射的信号经历由于多径传播效应引起的时间分散和由其移动性引起的频率分散。为了抑制高功率干扰信号，我们提出了一种盲物理层技术，通过基于检测器输出的符号级后排序的串行干扰消除来联合检测无人机和干扰机符号。振幅，相位，时间延迟，和多普勒频移-所需的实现所提出的检测策略-盲估计数据通过使用的算法，利用接收信号的几乎循环平稳特性和多载波调制格式的详细结构。仿真结果证实了所提出的方法的抗干扰能力，对于不同的移动场景的干扰机。
2021-12-06 cs.NI eess.SP stat.AP
Federated Transfer Learning Aided Interference Classification in GNSS Signals
本研究针对GNSS移动干扰信号分类问题，结合联邦学习与迁移学习构建神经网络分类器，在保护隐私的同时提升了分类准确率与收敛速度，还改善了区域通信性能。
2024-06-23 eess.SP
Angularly Sparse Channel Estimation in Dual-Wideband Tera-Hertz (THz) Hybrid MIMO Systems Relying on Bayesian Learning
针对双宽带THz MIMO系统中的波束斜视导致CSI估计困难的问题，提出了PA-BL和DA-BL两种贝叶斯学习框架，实现了减少导频开销、联合数据检测与CSI估计，并逼近BCRLB下界。
2024-02-19 eess.SP
Energy-Efficient Cyclical Trajectory Design for UAV-Aided Maritime Data Collection in Wind
无人机，特别是固定翼无人机，能够承受强风，在海洋勘探和研究方面具有巨大潜力。研究了一种无人机辅助海洋数据采集系统，该系统采用固定翼无人机对海洋浮标进行数据采集。针对无人机在风影响下的飞行轨迹和浮标间的通信时间调度问题，提出了一种基于最优解的非凸优化方法，旨在最小化无人机在完成任务过程中的能量消耗。现有的技术，如连续凸近似（SCA）方法提供了有效的次优解决方案，用于收集小/中等数据量，而该解决方案严重依赖于轨迹初始化，并没有明确考虑风的影响，而计算复杂性和由此产生的轨迹复杂性都变得令人望而却步的任务与大数据量。为此，我们提出了一个新的循环轨迹设计框架，可以有效地处理任意数据量受到风的影响。具体而言，所提出的UAV轨迹包括多个循环圈，每个循环圈负责仅收集数据的子集，从而显著降低计算/轨迹复杂性，这允许搜索适合浮标拓扑和风的更好的轨迹初始化。数值结果表明，所提出的循环格式在总体上优于基准的单次飞行格式。此外，优化的循环8形轨迹可以主动利用风，并实现较低的能耗相比，没有风的情况下。
2021-11-05 cs.IT cs.NI cs.SY
Distributed UAV Placement Optimization for Cooperative Line-of-Sight MIMO Communications
利用无人机进行协作通信是无基础设施无线网络中一项很有前途的技术。基于无人机的通信的关键挑战之一是回程吞吐量。在本文中，我们提出了优化的无人机群的位置，以实现高复用增益的视线（LoS）MIMO回程。我们开发了两种分布式算法来定位无人机，使得每个无人机移动最小的距离，以实现最高容量的LoS MIMO信道。第一种方法使用迭代梯度下降（GD），第二种方法使用迭代蛮力（BF）。仿真结果表明，这两种算法可以实现高达6倍的容量相比，该方法依赖于随机无人机的位置，在文献中提出的。BF具有不需要任何位置信息的优点，而GD对运动中的误差不太敏感。
2018-11-06 eess.SP
Secure MIMO Communication Relying on Movable Antennas
针对安全MIMO通信场景，提出联合优化发射预编码、人工噪声和可移动天线位置的方案，通过BCD结合MMSE、MM算法求解，有效提升了物理层安全性能，优于传统固定天线系统。
2024-03-07 cs.IT eess.SP math.IT
Interference Management by Harnessing Multi-Domain Resources in Spectrum-Sharing Aided Satellite-Ground Integrated Networks
针对频谱共享星地融合网络中的同频干扰问题，提出联合波束域与功率域的多域干扰管理方案，通过定制波束调度与功率调度实现干扰管控，推导并验证了其在吞吐量提升和中断概率降低上的优势。
2024-01-30 cs.IT eess.SP math.IT
Deep Reinforcement Learning for Interference Suppression in RIS-Aided Space-Air-Ground Integrated Networks
Department of Artificial Intelligence, Indian Institute of Technology Hyderabad, Telangana, India（印度海得拉巴印度理工学院人工智能系）；School of Informatics, Kami, Kochi University of Technology, Kochi, Japan（日本科技大学信息学院）；Graduate School of Information Sciences, Tohoku University, Sendai, Miyagi, Japan（东北大学信息科学研究生院）
本文提出基于RIS的深度强化学习方法，用于优化HAPS波束成形以抑制干扰，提升空间-空-地一体化网络的频谱效率。
2026-01-27 cs.AI cs.IT cs.LG
Sensing for Reliable UAV Communication: Robust Trajectory and Resource Optimization in Low-Altitude Networks
Shanghai Jiao Tong University（上海交通大学）；University of Macau（澳门大学）；Tsinghua University（清华大学）
针对多蜂窝连接无人机在移动不确定性下的可靠通信问题，提出基于连续置信椭圆和离散逆白化扇区的两种鲁棒优化方案，最大化最小中断容量，并统一为低复杂度的轨迹-资源优化框架。
2026-07-01 eess.SP
Multi-Agent Deep Reinforcement Learning Based Trajectory Planning for Multi-UAV Assisted Mobile Edge Computing
Department of Computer and Information Science, Northumbria University（诺森比亚大学计算机与信息科学系）；School of Electronic Engineering and Computer Science, Queen Mary University of London（伦敦玛丽女王大学电子工程与计算机科学学院）；National Mobile Communications Research Lab, Southeast University（东南大学国家移动通信研究实验室）；Purple Mountain Laboratories（紫金山实验室）；School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
提出了一种无人机辅助的移动边缘计算框架，其中多个具有不同轨迹的无人机在目标区域上空飞行并支持地面上的用户设备。我们的目标是联合优化所有UE之间的地理公平性，每个UAV的UE负载的公平性和UE的整体能耗。上述优化问题既包含整数变量又包含连续变量，求解起来具有挑战性。为了解决上述问题，提出了一种基于多智能体深度强化学习的轨迹控制算法，用于独立管理每个无人机的轨迹，其中应用了流行的多智能体深度确定性策略梯度（MADDPG）方法。给定UAV的轨迹，引入低复杂度方法以用于优化UE的卸载决策。我们表明，我们提出的解决方案具有相当大的性能比其他传统算法，无论是在公平性服务UE，公平性的UE负载在每个无人机和所有的UE的能量消耗。
2020-09-23 cs.LG eess.SP
Hybrid Quantum Convolutional Neural Network-Aided Pilot Assignment in Cell-Free Massive MIMO Systems
本文提出混合量子卷积神经网络（HQCNN）用于无小区大规模MIMO系统的导频分配，利用参数化量子电路增强特征提取，实现接近穷举搜索的吞吐量并优于现有基准。
2025-07-09 cs.IT eess.SP math.IT
Artificial Noise Aided Secure Cognitive Beamforming for Cooperative MISO-NOMA Using SWIPT
认知无线电（CR）和非正交多址接入（NOMA）由于其实现高频谱效率和大规模连接的潜力而被认为是两种有前途的技术。本文研究了一种多输入单输出NOMA CR网络，该网络依赖于同时无线信息和功率传输（SWIPT），旨在支持大量的功率有限的电池驱动设备。与大多数使用理想线性能量收集模型的现有作品相比，本研究应用了更实用的非线性能量收集模型。为了提高主网络的安全性，提出了一种人工噪声辅助的协同干扰方案。研究了在实际保密率和能量收集约束下的人工噪声辅助波束形成设计问题。具体地说，传输功率最小化问题下制定完美的信道状态信息（CSI）和有界CSI误差模型。所提出的问题是非凸的，因此解决起来具有挑战性。提出了一对使用半定松弛（SDR）或代价函数的算法来解决这些问题。我们的仿真结果表明，所提出的合作干扰方案成功地建立安全的通信和NOMA是能够优于传统的正交多址接入在其功率效率。最后，我们证明了代价函数算法优于基于SDR的算法。
2018-02-20 cs.GT eess.SP
Joint Task Offloading and Resource Allocation in Aerial-Terrestrial UAV Networks with Edge and Fog Computing for Post-Disaster Rescue
针对灾后救援场景下无人机计算与续航资源不足的问题，提出结合MEC与VFC的三层计算架构及MVTORA方法，有效提升系统效用。
2023-10-06 cs.GT cs.NI eess.SP
An Overview of Signal Processing Techniques for RIS/IRS-aided Wireless Systems
在过去以及当前的无线通信系统中，无线传播环境被认为是损害接收信号质量的不可控的黑盒子，并且其负面影响通过依赖于各种复杂的发送/接收方案的设计来补偿。然而，通过应用这种在两个端点（即，发射机和接收机）甚至在五代无线系统之后也是有限的。可重构智能表面（RIS）或智能反射表面（IRS）已经作为一种新的革命性技术出现，其可以通过适当地调谐大量准无源和低成本反射元件的相移来以有利的方式配置无线环境，从而作为下一代/第六代（6 G）无线系统的有前景的候选技术脱颖而出。然而，为了获得RIS/IRS承诺的性能优势，有效的信号处理技术是至关重要的，用于各种目的，如信道估计，传输设计，无线定位，在本文中，我们提供了一个全面的概述RIS/IRS辅助无线系统的最新进展，从信号处理的角度来看。我们还强调了有前途的研究方向，值得在未来的调查。
2021-12-15 eess.SP
Hybrid UAV-enabled Secure Offloading via Deep Reinforcement Learning
无人飞行器（UAV）已经被积极地研究为移动的微云以提供应用卸载机会并增强用户设备（UE）的安全级别。在这种对应关系中，我们提出了一种混合无人机辅助安全卸载系统，其中无人机作为一个帮手，通过切换干扰和中继之间的模式，以最大限度地提高保密率的UE。该工作旨在优化（i）辅助无人机的轨迹，（ii）模式选择策略和（iii）在卸载完成和无人机的操作限制的约束下的UE的卸载决策。通过基于深度确定性策略梯度（DDPG）的方法，其优越的性能通过数值模拟验证，并与传统方法相比，提供了解决方案。
2022-08-16 eess.SP
Offloading Revenue Maximization in Multi-UAV-Assisted Mobile Edge Computing for Video Stream
针对多无人机辅助视频传输系统的计算资源限制问题，本文提出多无人机辅助D2D移动边缘计算系统，联合优化多维度资源配置并采用TD3算法求解非凸问题，显著提升系统效率以最大化视频流任务卸载收益。
2024-12-05 cs.ET eess.SP
Rate Optimization for RIS-Aided mMTC Networks in the Finite Blocklength Regime
针对有限块长下RIS辅助mMTC网络的速率优化问题，提出基于梯度上升和结合半定松弛的序列优化的两种次优方案，验证了序列优化性能更优且经典香农容量优化策略不适用于该场景。
2024-12-10 eess.SP
MIMO Assisted Networks Relying on Intelligent Reflective Surfaces
智能反射表面（IRS）被用来提高频谱效率（SE）和能量效率（EE）。具体而言，IRS辅助的多输入多输出网络被认为是随机漫游用户的性能进行了分析，利用随机几何工具。因此，为了区分每个用户处的叠加信号，IRS处的被动波束形成权重和用户处的检测权重向量被联合设计。作为益处，通过采用基于迫零的设计，可以抑制由IRS施加的小区内干扰。为了评估所提出的网络的性能，我们首先推导出近似的信道统计在高信噪比（SNR）制度。然后，我们推导出封闭形式的表达式的中断概率和遍历率的用户。推导了各态历经速率的高信噪比斜率和中断概率的分集阶数。网络的SE和EE也得到了。我们的数值结果证实：i）所提出的网络的高信噪比斜率是一个; ii）SE和EE可以显着提高通过增加IRS元素的数量。
2021-02-24 cs.IT eess.SP math.IT
