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
Optimal Placement of UAVs for Minimum Outage Probability
我们认为多个无人机（UAV）服务密度的地面终端（GT）作为基站。目标是最小化GT到UAV传输的中断概率。研究了在不同无人机高度约束和GT密度下的无人机布局优化问题。首先，使用一个随机部署的参数，一般上限的最佳中断概率发现任何密度的GT和任何数量的无人机。匹配下界也推导出表明，最佳中断概率与无人机的数量呈指数衰减。其次，当公共高度约束较大时，研究了最优部署的结构。对于广泛的GT密度，它表明，所有的无人机应放置在同一位置的最佳部署。一个设计的含义是，一个可以使用一个单一的多天线无人机，而不是多个单天线无人机没有损失的最佳性。这一结果也扩展到一个实际的变化的Rician衰落模型最近开发的Azari等人。无人机通信。分别采用粒子群优化算法和改进的梯度下降算法对无人机在集中式和实际分布式环境中的部署进行了数值仿真。
2020-08-14 cs.IT eess.SP math.IT
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
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
Graph Koopman Autoencoder for Predictive Covert Communication Against UAV Surveillance
School of Information Technology, Deakin University（迪肯大学信息技术学院）；Defense Science and Technology Group（国防科学技术集团）
针对无人机监视下的低检测概率通信难题，提出结合图神经网络与Koopman理论的框架预测无人机轨迹，并据此控制节点发射功率，有效实现地面隐蔽通信。
2024-01-23 cs.LG cs.SY eess.SP
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
Performance Evaluation and Hybrid Application of the Greedy and Predictive UAV Trajectory Optimization Methods for Localizing a Target Mobile Device
本研究针对紧急状况下无人机定位目标移动终端的轨迹规划策略进行研究。紧急情况下目标移动终端的基于全球导航卫星系统（GNSS）的准确位置信息可能不总是可用于第一响应者。举例来说，1）GNSS定位准确性可在恶劣信号环境中降级，且2）在紧急定位服务不是强制性的国家中，一些移动装置可不报告其位置。在上述情况下，找到目标移动终端的单向式是使用UAV。被派遣的无人机可以通过测量信号的强度（例如，LTE无线通信信号）。为了在尽可能短的时间内准确定位目标移动终端，无人机应该以尽可能高效的方式飞行。无人机航迹优化方法主要有两种：贪婪法和预测法。然而，对这两种方法的定位性能的研究仅在有利的设置下进行了评估（即，在良好的无人机几何形状和小的接收信号强度（RSS）误差下）;更现实的场景仍然没有探索。在这项研究中，我们比较了贪婪和预测方法在现实RSS错误（即，根据ITU-R信道模型，最高可达6 dB）。
2023-02-23 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
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
Predictive Covert Communication Against Multi-UAV Surveillance Using Graph Koopman Autoencoder
Deakin University（迪肯大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Defence Science and Technology Group（国防科技集团）
本文提出预测性隐蔽通信框架，结合图神经网络与Koopman理论建模多无人机网络交互并线性化动力学以预测其轨迹，使检测概率较基线降低63%-75%，实现低延迟隐蔽操作。
2024-09-25 cs.LG cs.NI eess.SP
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
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
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
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
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
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
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
Interference Analysis for Coexistence of UAVs and Civil Aircrafts Based on Automatic Dependent Surveillance-Broadcast
针对无人机装备ADS-B后与民用飞机共存产生的干扰问题，本文基于三维泊松点过程和随机几何建模分析其干扰性能，并给出安全共存的发射功率与密度建议。
2024-06-12 eess.SP
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
Supporting UAVs with Edge Computing: A Review of Opportunities and Challenges
本文系统综述了边缘计算辅助无人机的研究现状，指出边缘服务器可提升任务完成速度、能效和可靠性，并梳理了关键应用领域与挑战。
2023-10-18 cs.DC eess.SP
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
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
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
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
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
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
