Survey on UAV Cellular Communications: Practical Aspects, Standardization Advancements, Regulation, and Security Challenges
消费类无人机（UAV）的快速增长为蜂窝运营商创造了充满希望的新商机。一方面，无人机可以作为新型用户设备连接到蜂窝网络，从而为运营商带来可观的收入，从而可以保证其严格的服务要求。另一方面，无人机提供了前所未有的机会来实现无人机安装的飞行基站，这些基站可以动态地重新定位，以提高覆盖范围，频谱效率和用户体验质量。事实上，标准化机构目前正在探索利用蜂窝网络为商用UAV提供服务的可能性。工业界开始试用飞行基站或用户设备的早期原型，而学术界正在全力研究数学和算法解决方案，以解决蜂窝网络中飞行节点所产生的有趣的新问题。在这篇文章中，我们提供了一个全面的调查，所有这些发展促进顺利整合无人机到蜂窝网络。具体而言，我们调查了（i）目前可用的消费者UAV的类型，（ii）标准化机构为现有地面基站的空中用户提供服务所解决的干扰问题和潜在解决方案，（iii）利用基于UAV的飞行中继和基站辅助蜂窝通信的挑战和机遇，（iv）正在进行的原型和测试床活动，（v）正在制定的管理无人机商业用途的新法规，以及（vi）无人机辅助蜂窝通信的网络物理安全。
2019-03-31 cs.NI
Beyond D2D: Full Dimension UAV-to-Everything Communications in 6G
在本文中，我们考虑了一个互联网的无人机（UAV）在蜂窝网络中，无人机作为空中用户收集各种传感器数据，并发送收集到的数据到他们的传输目的地通过蜂窝链路。与传统蜂窝网络中的地面用户不同，不同的无人机由于其传感应用而具有不同的通信需求，需要一种更灵活的通信框架。为了解决这个问题，我们提出了一个无人机到一切（U2X）的网络，它使无人机能够调整其通信模式全维度根据其传感应用的要求。在本文中，我们首先介绍了U2X通信的概念，并详细阐述了其三种通信模式。然后，讨论了U2X通信的关键技术，包括联合感知与传输协议、无人机轨迹设计和无线电资源管理。然后提出了一种基于强化学习的U2X通信数学框架。最后，对U2X通信的扩展进行了介绍。
2020-04-04 cs.NI eess.SP
Analysis of Altitude-Dependent Electronic Conspicuity in Cellular-Connected UAVs
North Carolina State University（北卡罗来纳州立大学）
本文通过系统级分析和实验测量，研究了无人机高度如何影响蜂窝网络中的电子显性可靠性，发现高度增加导致多小区交互增强、干扰主导连接，为设计高度和干扰感知的蜂窝系统提供了实践见解。
2026-05-23 cs.NI
Ruin Theory for Energy-Efficient Resource Allocation in UAV-assisted Cellular Networks
无人机（UAV）可以为提高地面无线蜂窝网络的覆盖范围、容量和整体性能提供有效的解决方案。特别是，无人机辅助蜂窝网络可以满足第五代新无线电（5G NR）应用的严格性能要求。本文研究了在5G NR应用的可靠性和时延约束下，无人机辅助蜂窝网络的节能资源分配问题。破产理论的框架，允许太阳能无人机捕捉收获和消耗的能量的动态。首先建立了无人机剩余功率模型，然后利用剩余功率计算无人机的破产概率。破产概率表示无人机能量耗尽的脆弱性。接下来，破产的概率是用于有效的用户关联与每个无人机。然后，使用注水方法执行5G NR应用的功率分配以最大化可实现的网络速率。仿真结果表明，与基于信干噪比的方案相比，该方案可使无人机飞行持续时间提高61%，服务用户数提高58%.
2020-06-01 cs.NI eess.SP
Throughput Analysis of UAV-assisted CellularNetworks by Matérn Hardcore Point Process
无人机有望与传统的地面蜂窝网络共存，成为支持高速率传输的重要组成部分。本文提出了一个分析框架，用于评估下行链路两层异构网络的吞吐量性能。考虑到无人机之间的最小距离约束，采用Matérn硬核点过程（MHP）对无人机的位置进行建模。采用泊松点过程（PPP）对地面基站（BS）的位置进行建模。随机几何的工具被调用来导出用户的平均数据率的易处理的表达式。结合分析结果，讨论了无人机高度和功率控制因子的最优组合。结果表明，在本文提出的模型下，适当的功率控制因子可以有效地最大化无人机用户的平均数据率，同时保证基站用户的性能。
2021-06-08 cs.NI
Handover Experiments with UAVs: Software Radio Tools and Experimental Research Platform
移动性管理是蜂窝网络的关键特征。当将无人机（UAV）集成到蜂窝网络中时，需要仔细管理它们的小区关联，以便与其他蜂窝用户共存。无人机在三维空间中移动，可能会在其飞行路径上穿越多个单元，因此可能会受到多个干扰。为了使无人机用户的移动性管理的研究，本文描述了设计，实现和测试方法与空中用户的切换实验。我们利用软件定义无线电（SDR）并实施一系列工具，用于在实验室中准备实验，并将其带到户外进行现场测试。我们只使用商业现成的硬件，开源软件和实验许可证，以实现可重复和可扩展的实验。我们最初的室外结果是两个SDR基站连接到一个开源软件核心网络，实现4G长期演进协议，一个低空无人机用户设备演示了切换过程。
2022-01-03 cs.AR cs.NI eess.SP
UAVs as Mobile Infrastructure: Addressing Battery Lifetime
无人机（UAV）预计将在下一代蜂窝网络中发挥重要作用，作为飞行基础设施，可以在常规基础设施过载或不可用时为地面用户提供服务。由于这些设备预计将以无线方式运行，因此它们将依赖内部电池供电，这将限制它们在必须充电之前可以在感兴趣的区域上运行的时间。在本文中，我们概述了网络运营商可能考虑的三种电池充电选项，并使用模拟来演示将这些选项纳入无人机基础设施提供无线服务的蜂窝网络的性能影响。
2018-07-03 cs.NI
Cellular Connectivity for UAVs: Network Modeling, Performance Analysis and Design Guidelines
空中用户设备（UE）在各种应用中的日益增长的使用需要无处不在且可靠的连接，以用于这些设备与地面站之间的安全控制和数据交换。在规划空中UE的部署时需要解决的关键问题是蜂窝网络是否是实现这种连接的合适候选者，以及包括空中UE可能如何影响整体网络效率。本文提供了一个深入的分析用户和网络级性能的蜂窝网络，服务于无人机（UAV）和地面用户在下行链路。我们的研究结果表明，有利的传播条件，无人机享有由于其高度往往适得其反，因为从相邻的地面BS接收到的增加的同信道干扰是不补偿的改善信号强度。当与城市地区的地面用户相比时，我们的分析表明，在100米处飞行的无人机可以经历10倍的吞吐量下降和覆盖范围从76%下降到30%。受这些发现的启发，我们开发了基于无人机和网络的解决方案，以使无人机能够充分集成到蜂窝网络中。特别是，我们表明，无人机天线的最佳倾斜可以将其覆盖范围和吞吐量分别从23%增加到89%和从3.5 b/s/Hz增加到5.8 b/s/Hz，优于地面UE。此外，我们的研究结果表明，根据无人机的高度，空中用户的性能可以扩展相对于网络密度比地面用户。最后，我们的研究结果表明，网络密集化和微小区的使用限制了无人机的性能。虽然无人机的使用有可能提高具有中等数量小区的蜂窝网络的区域频谱效率（ASE），但它们可能会阻碍未来超密集网络的发展。
2018-04-22 cs.NI cs.PF
5G cellular systems supported by UAVs, RESs, and RISs (PL: Systemy komórkowe 5G wspierane przez BSP, OZE oraz IPR)
本文针对配备RIS、系留UAV且由RES供电的5G蜂窝网络，以波兰波兹南的RAN为对象，用ANUC和AREC两个指标量化了基站使用光伏板的能源收益。
2024-10-08 cs.NI
Energy-Efficient Cellular-Connected UAV Swarm Control Optimization
King’s College London（伦敦国王学院）；Ericsson Inc.（爱立信公司）
细胞连接的无人机（UAV）群是一种有前途的解决方案，用于各种应用，包括货物交付和交通控制。然而，与无人机群进行高可靠性、低延迟和高能效的通信和控制仍然具有挑战性。本文提出了一种蜂窝式无人机群网络中的两阶段命令与控制（C & C）传输方案，其中地面基站（GBS）在第一阶段广播公共C & C消息。在阶段II中，已经成功解码C & C消息的UAV将在延迟和能量约束下以广播或单播模式经由设备到设备（D2D）通信将消息中继到其余UAV。为了最大限度地提高无人机的数量，成功地接收到的消息内的延迟和能量的限制，我们制定了一个约束马尔可夫决策过程的问题，以找到最佳的政策。为了解决这个问题，我们提出了一个分散的约束图注意力多智能体Deep-Q-network（DCGA-MADQN）算法的基础上拉格朗日原始-对偶策略优化，其中PID控制器算法被用来更新拉格朗日乘子。仿真结果表明，该算法可以最大限度地提高无人机的数量，成功地接收到共同的C & C的能量约束。
2023-03-18 cs.LG cs.MA cs.NI
Mobility for Cellular-Connected UAVs: challenges for the network provider
无人机（UAV）技术正变得越来越普遍，其应用也越来越多样化。5G及以上网络必须实现无人机连接。这将要求网络运营商在网络的规划和运营中考虑这种新类型的用户。这项工作提出了运营商将遇到的挑战，并应在未来考虑无人机成为网络的用户。我们分析了3GPP规范，现有的研究文献和公开的无人机连接数据集，以描述所面临的挑战。我们将这些挑战分为网络规划和网络优化类别。我们讨论的挑战，规划网络覆盖时，考虑覆盖飞行用户和PCI冲突和混乱的问题，这些用户可以加剧。在讨论网络优化挑战时，我们介绍了自动邻居关系（ANR）和切换挑战，特别是邻居关系表（NRT）中的邻居数量及其潜在的删除和阻止列表、频繁的切换次数以及无人机的可能性由于切换问题而断开连接。我们讨论了解决所面临挑战的可能方法，并使用真实世界的数据集来支持我们对这些挑战及其重要性的研究结果。
2021-02-25 cs.NI
A 3D Modeling Approach to Tractable Analysis in UAV-Enabled Cellular Networks
本文的目的是提出一个三维（3D）点的过程，可用于一般部署无人机（UAV）在一个大规模的蜂窝网络和可追溯地分析网络的基本网络范围内的性能。该三维点过程是基于二维标记泊松点过程设计的，其中每个点及其随机标记分别唯一地对应于三维点过程中每个点的投影和高度。我们详细说明了一些重要的统计特性的建议的3D点的过程，并使用它们来分析的无人机使能蜂窝网络的覆盖性能，其中所有的无人机配备多个天线作为空中基站。最后给出了无人机蜂窝网络的下行链路覆盖范围，并给出了一些特殊情况下的封闭式结果。此外，通过无小区的大规模天线阵列实现的基本限制的特点时，协调所有的无人机联合执行非相干下行链路传输。数值模拟结果验证了这些发现。
2021-01-23 cs.NI
Resident Population Density-Inspired Deployment of K-tier Aerial Cellular Network
使用无人机（UAV）来增强网络覆盖已被证明与地面同行相比具有各种好处。随机几何学（SG）是一种常用的无人机位置建模的数学工具。然而，在现有的研究中，用户和无人机往往被建模为齐次点过程。在本文中，我们考虑了一个非齐次泊松点过程（PPP）为基础的模型的用户的位置，捕获退化的活跃用户的密度，因为我们远离市中心。此外，我们建议部署飞行器的用户相同的不均匀性，以最大限度地提高性能。此外，还考虑了多层网络模型，以更好地利用丰富的空间资源。然后，推导了典型用户的覆盖概率和总覆盖概率的解析表达式。最后，以无人机总数和局部覆盖概率最小为约束，对覆盖概率进行优化。最后给出了在达到最大总体覆盖概率时的最优无人机分布参数。
2023-01-02 cs.NI
Green Tethered UAVs for EMF-Aware Cellular Networks
在非科学界流传的一种流行理论是，在领土上密集部署基站会显著增加电磁场（EMF）暴露水平，并影响人口健康。为了减轻这种担忧，在这项工作中，我们提出了一种网络架构，引入系留无人机（TUAV）携带绿色天线，以尽量减少EMF暴露，同时保证用户的高数据速率。特别是，每架TUAV都可以将自己连接到位于某些建筑物顶部的可能的地面站之一。对无人机的位置、用户设备的发射功率和关联策略进行了优化，以最小化电磁辐射暴露。不幸的是，该问题原来是混合整数非线性规划（MINLP），这是非确定性多项式时间（NP）困难。我们提出了一个有效的低复杂度的算法由三个子模块。首先，我们提出了一种基于贪婪原理的算法来确定用户和基站之间的最佳关联矩阵。然后，我们提供了两种方法，一个修改后的K-均值和收缩和重新调整（SR）的过程中，将每个TUAV与地面站。最后，提出了基于黄金搜索和SR过程的两种算法来调整TUAV在建筑物上空悬停区域内的位置。在此之后，我们考虑的双重问题，最大化的总和率，同时保持暴露低于预定义的值，如监管所强制执行的水平。接下来，我们进行了广泛的模拟，以显示所提出的TUAVs的有效性，以减少暴露相比，各种架构。最终，我们表明，与固定的绿色小蜂窝相比，具有绿色天线的无人机可以有效地减轻超过20%的EMF暴露，同时实现更高的数据速率。
2021-06-03 cs.NI 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
A Modular and Scalable Simulator for Connected-UAVs Communication in 5G Networks
College of Future Information Technology, Fudan University（复旦大学未来信息科技学院）；College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院）；College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院）；Informatization Office, Fudan University（复旦大学信息化办公室）
本文针对蜂窝联网无人机频繁切换和传统传输协议低效问题，基于 MATLAB 构建支持 5G NR、多协议与切换策略评估的模块化可扩展仿真平台。
2025-09-30 cs.NI
On the Energy Consumption of Rotary Wing and Fixed Wing UAVs in Flying Networks
INESC TEC；Faculdade de Engenharia, Universidade do Porto（波尔图大学工程学院）
针对原有MUAVE模拟器仅支持旋翼无人机能耗计算的局限，提出增强版eMUAVE模拟器，可同时评估旋翼与固定翼无人机能耗，实验发现固定翼适用于多数场景但旋翼沿SUPPLY轨迹飞行时能效更高。
2024-06-27 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
Swarm of UAVs for Network Management in 6G: A Technical Review
第五代（5G）蜂窝网络已经导致了超5G（B5 G）网络的实现，该网络能够将自主服务整合到无人机（UAV）群中。它们提供容量扩展策略，以解决大规模连接问题，并保证超高吞吐量和低延迟，特别是在网络密度、带宽和流量模式波动的极端或紧急情况下。一方面，6 G技术集成了AI/ML、物联网和区块链，以建立超可靠、智能、安全和无处不在的无人机网络。另一方面，6 G网络依赖于新的使能技术，如空中接口和传输技术，以及独特的网络设计，这对无人机群提出了新的挑战。考虑到这些挑战，本文重点关注在6 G移动网络中运行的无人机群所面临的安全和隐私、智能和能效问题。在这篇最先进的综述中，我们将区块链和AI/ML与利用6 G生态系统的无人机网络集成在一起。然后提出了主要的研究结果，并确定了潜在的研究挑战。最后，我们的审查阐明未来的研究在这一新兴的研究领域。
2022-10-06 cs.NI eess.SP
Multi-Connectivity for UAVs: A Measurement Study of Integrating Cellular, Aerial Mesh, and LEO Satellite Links
KTH Royal Institute of Technology（皇家理工学院）；Aalborg University（奥尔堡大学）；Airbus Central Research and Technology（空中客车中央研究与技术）
研究通过无人机飞行实验，探讨多技术网络中多路径传输在保持连接连续性和实时服务连续性中的作用，发现连接连续性不足且需考虑延迟约束。
2026-04-30 cs.NI cs.SY eess.SY
Evolution and Innovation in 5G Cellular Communication System and Beyond: A Study
自过去几年以来，无线行业出现了惊人的增长。广泛的无线技术、越来越多的用户友好的和多媒体使能的终端以及用于内容生成的开源工具的更广泛的可用性已经引导了受鼓励的以用户为中心的网络，从而导致对高效网络设计的需要。本文的研究目标是对移动通信5G技术进行全面的研究。移动通信中的现有研究工作与5G技术有关。这项研究的主要贡献是5G（第五代）移动通信技术的关键规定，该技术被视为以消费者为导向。在5G技术中，移动消费者比其他人更优先考虑。在这种背景下，已经广泛研究了5G技术的现有和高度需求的技术。研究人员在进一步研究新兴的5G系统时面临着开放的挑战。
2014-07-16 cs.NI
Toward Ubiquitous and Flexible Coverage of UAV-IRS-Assisted NOMA Networks
本文研究了如何实现一个大规模的蜂窝网络，使无人机（UAV）的非正交多址（NOMA）传输，同时服务于多个用户的高和灵活的覆盖性能。所考虑的蜂窝网络由一层基站和一层无人机组成。每个UAV安装有智能反射表面（IRS），以用作在网络中的基站和用户之间反射信号的空中IRS。网络中的所有无人机都是基于新提出的三维（3D）点过程部署的，该过程导致对关联统计的易处理和准确分析，由于无人机的移动性，传统上难以分析。基于此，我们能够分析两个用户的UAV-IRS辅助NOMA传输的下行覆盖，并推导出相应的覆盖概率。我们的覆盖分析揭示了NOMA用户和无人机之间的发射功率的最佳分配，以实现无处不在和灵活的NOMA传输的目标。我们还进行了数值模拟，以验证我们的覆盖分析结果，同时证明了改善的覆盖性能所取得的空中IRS。
2022-01-19 cs.NI
Backhaul For Low-Altitude UAVs in Urban Environments
在蜂窝网络中充当接入点的无人机（UAV）需要无线回程到核心网络。在本文中，我们采用随机几何进行无人机回程性能的分析，可以实现与专用地面站网络。我们提供了成功建立回程的概率和回程链路上的预期数据率的解析表达式，无论是LTE还是毫米波回程。我们证明，增加地面站网络的密度会降低无人机回程的性能，并且对于LTE回程，地面站可以受益于与现有基站网络共址。
2017-10-30 cs.NI
A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence
University of Macau（澳门大学）；Future Network of Intelligence Institute（未来网络智能研究院）；The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；University of New South Wales（新南威尔士大学）；University of Texas at Dallas（德克萨斯大学达拉斯分校）；Friedrich-Alexander-University Erlangen-Nurnberg（弗里德里希-亚历山大-埃尔朗根-纽伦堡大学）；University of California, Irvine（加州大学欧文分校）
由于蜂窝技术的进步和蜂窝基础设施的密集部署，将无人机（UAV）集成到第五代（5G）及更高级别的蜂窝网络中是实现安全UAV操作以及通过特定任务有效载荷数据交付实现多样化应用的有前途的解决方案。特别是，5G网络需要支持三种典型的使用场景，即增强型移动宽带（eMBB）、超可靠低延迟通信（URLLC）和大规模机器类型通信（mMTC）。一方面，无人机可以作为具有成本效益的空中平台，通过利用其高巡航高度和三维（3D）空间中的可控机动性，为地面用户提供增强的通信服务。另一方面，由于需要无处不在的3D信号覆盖以及强烈的空中-地面网络干扰，同时为UAV和地面用户提供这种通信服务提出了新的挑战。除了高性能无线通信的要求外，支持有效和高效的传感以及网络智能的能力对于空中和地面用户共存的5G及更高3D异构无线网络也至关重要。在本文中，我们提供了一个全面的概述，最新的研究工作，将无人机集成到蜂窝网络，重点是如何利用先进的技术（例如，智能反射面、短包传输、能量收集、联合通信和雷达感知、边缘智能等），以满足下一代无线系统的多样化业务需求。此外，我们强调在未来的工作中进一步调查的重要方向。
2021-06-12 cs.AI cs.IT cs.LG
UAV-assisted C-RAN for On-demand Cellular Coverage: Opportunities and Challenges
本文探讨将无人机集成到云无线接入网络（C-RAN）中，以应对超5G时代受灾、热点和复杂地形场景下的按需蜂窝覆盖挑战，并分析了实现该架构的机遇、挑战及热点场景下的初步仿真性能。
2024-05-24 cs.ET cs.NI
NOMA in UAV-aided cellular offloading: A machine learning approach
Queen Mary University of London（伦敦玛丽女王大学）
提出了一种新的框架，蜂窝卸载的帮助下，多个无人机（UAV），而非正交多址接入（NOMA）技术，在每个无人机，以进一步提高无线网络的频谱效率。以吞吐量最大化为目标，建立了联合三维轨迹设计和功率分配的优化问题。为了解决这一动态问题，首先采用基于K-均值的聚类算法对用户进行周期性划分。然后，提出了一种交互深度Q网络（MDQN）算法来联合确定无人机的最优三维轨迹和功率分配。与传统的深度Q网络（DQN）算法相比，MDQN算法能够将多个智能体的经验输入到共享的神经网络中，在状态抽象的辅助下缩短训练时间。数值结果表明：1）在多智能体情况下，MDQN算法比传统的DQN算法具有更快的收敛速度; 2）NOMA增强的无人机网络的可达和速率比正交多址（OMA）情况下的可达和速率有$23\%$的优势; 3）借助MDON算法设计无人机最优三维航迹，网络的总速率分别比调用圆形轨迹和2D轨迹的总速率享有${142\%}$和${56\%}$增益。
2020-10-18 cs.LG cs.NI
Joint position and trajectory optimization of flying base station in 5G cellular networks, based on users' current and predicted location
如今，无人机（UAV）已经得到了显著的改进，其最重要的应用之一是为蜂窝用户提供临时覆盖。静态基站由于地面BS故障、恶劣天气条件、自然灾害、传输错误等临时事件而暂时崩溃，无法为所有用户提供服务，配备小型蜂窝基站的无人机无人机基站立即被发送到目标位置，并建立必要的通信链路，而不需要任何预定的基础设施，并覆盖该区域。在该地区找到最佳位置和适当数量的无人机BS是一项挑战。因此，在本文中，最佳的位置和最佳的DBS的数量分布在用户的当前状态和后续的用户状态的预测确定。最后，DBS从当前状态到预测的未来位置的转换被优化。仿真结果表明，该方法可以提供可接受的网络覆盖。
2022-02-08 cs.NI eess.SP
On the Effect of Temporal Correlation on Joint Success Probability and Distribution of Number of Interferers in Mobile UAV Networks
无人机（UAV）辅助的地面蜂窝网络被认为是可以满足超5G（B5 G）/6 G需求的颠覆性技术之一。对于移动UAV，由于服务UAV和干扰UAV的位置可以随时间变化，因此干扰和其他性能度量在时间上变得相关。在这封信中，我们分析了时间相关性对移动无人机网络的联合成功概率和攻击者数量分布的影响。分析结果将是有用的，例如，在这些网络中的错误恢复协议的设计。
2019-04-30 cs.NI
Experimental Evaluation of a UAV User QoS from a Two-Tier 3.6GHz Spectrum Network
无人机（UAV）技术越来越多地用于各种应用，如视频监控和交付。为了安全有效地使用无人机，这些设备需要连接到蜂窝网络。关于无人机蜂窝连接的现有研究表明，无人机遇到了现有网络的重大问题，例如强干扰和天线未对准。在这项工作中，我们执行一个新的测量活动的性能的无人机用户连接到一个实验性的两层蜂窝网络在两个不同的领域都柏林市的智能港区，其中包括大规模的MIMO宏小区和无线回程的小小区。我们测量参考信号接收功率（RSRP）、参考信号接收质量（RSRQ）、信号干扰噪声比（SINR）、下行链路吞吐量和小小区切换速率。我们的研究结果表明，增加无人机的高度降低了性能在这两个层次，由于天线错位等问题。然而，小型小区层可以在整个UAV高度范围内保持相对稳定的性能，这表明UAV用户可以在飞行期间成功连接到小型小区。此外，我们证明，虽然无人机切换率显着波动在不同的高度，整体观察到的切换率是非常低的。我们的研究结果突出了城市地区的小型蜂窝为无人机提供连接的潜力。
2021-04-09 cs.NI
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
Impact of UAV Antenna Configuration on Wireless Connectivity in Urban Environments
随着无人机的日益增多，运营商开始探索如何为无人机提供无线服务。可互换的服务质量将受到许多因素的影响，包括无人机配备的天线类型，以及是否使用现有的蜂窝基础设施或部署专用地面站来为这些新用户设备提供服务。在本文中，我们采用随机几何进行无人机覆盖概率的分析，可以实现与一个网络的专用地面站使用一个子6GHz的技术，如LTE在不同的部署条件下，给定不同类型的无人机天线。我们提供的覆盖概率的解析表达式，我们还评估了GS网络的性能对无人机由一个典型的地面BS网络服务的情况下。
2018-06-29 cs.NI
An Overview of 3GPP Release-15 Study on Enhanced LTE Support for Connected Drones
与低空无人机（UAV）的蜂窝连接最近受到了极大的关注，这导致了3GPP在版本15中对连接的UAV的增强LTE支持的研究。该研究的目的是调查长期演进（LTE）网络为无人机提供连接的能力。在本文中，我们概述了3GPP Release-15研究项目阶段的主要发现。首先介绍了无人机互联互通的需求和研究中定义的性能评估场景。然后，我们讨论无线电信道模型和使用LTE网络提供连接到无人机的关键识别的挑战。我们总结了潜在的解决方案，以解决包括干扰检测和缓解技术，移动性增强，无人机识别的挑战。最后，我们还阐明了在Release-15工作项阶段标准化的关键特性。
2019-06-17 cs.NI
UAV-Assisted Heterogeneous Networks for Capacity Enhancement
现代无线网络在用户需求的急剧增长的驱动下已经发生了巨大的发展，不断地请求更多的数据和服务。这对基于基础设施的宏蜂窝网络造成了很大的压力，这是因为在处理这些业务需求时效率低下，成本有效。一种可行的解决方案是使用无人驾驶飞行器（UAV）作为宏小区层和小小区层之间的中间空中节点，以提高覆盖范围和提升容量。这封信调查的问题，用户需求为基础的无人机分配的地理区域受到高交通需求。基于神经网络的成本函数的方法制定无人机匹配到一个特定的地理区域。结果表明，利用多个无人机不仅提供远程连接，但也更好的负载均衡和流量卸载。仿真研究表明，与无无人机的地面网络基线相比，该方法在第5百分位数频谱效率方面得到了显著的改善，最高可达38%，延迟减少了37.5%.
2016-04-09 cs.NI
What is A Wireless UAV? A Design Blueprint for 6G Flying Wireless Nodes
Northeastern University（东北大学）
无线无人机（UAV）作为蜂窝用户被引入第四代网络（4G）的世界中，并且从那时起吸引了无线社区的兴趣。在~5G中，无人机也作为飞行基站运行，为地面用户提供服务。它们还可以实现独立的离网无人机网络。在~ 6 G网络中，无线无人机将把地面用户连接到在轨无线基础设施。由于无线无人机的设计和原型正在兴起，现在是时候引入一个更精确的定义什么是无线无人机。在此过程中，我们修改了无线无人机原型设计中的主要设计挑战，以供未来的6 G频谱研究使用。然后，我们介绍了一种新的无线无人机原型，以解决这些挑战。我们的无线无人机原型的设计将公开，并免费提供给其他研究人员。
2021-10-06 cs.NI cs.RO
Towards Federated Multi-Armed Bandit Learning for Content Dissemination using Swarm of UAVs
Michigan State University（密歇根州立大学）
针对灾害场景下通信隔离用户的关键内容访问需求，提出无人机群混合网络架构，结合联邦多臂老虎机学习与选择性缓存算法优化缓存策略，提升内容可用性并验证其在多场景下的有效性。
2025-04-18 cs.LG cs.NI
Placement of UAV-Mounted Mobile Base Station through User Load-Feature K-means Clustering
New Mexico Tech（新墨西哥理工学院）；Amir Kabir University of Technology（阿米尔·卡比尔理工大学）；Utah Valley university（犹他谷大学）
蜂窝网络中的临时高业务请求是要解决的具有挑战性的问题。无人机的最新进展适用于覆盖这些类型的交通。无人机载移动基站布局是实现高性能的一个具有挑战性的问题.已经提出了不同的方法;然而，在无人机放置中不考虑用户需要的交通。我们提出了一个新的功能，适用于K-均值聚类，以找到最佳的集群。用户所需的交通被定义为一个新的功能，以分配用户的无人机。我们的仿真结果表明，无人机可以放置在更接近高流量的用户，以实现更高的性能。
2020-10-03 cs.LG cs.NI eess.SP
A Stochastic Geometry Model of Backhaul and User Coverage in Urban UAV Networks
无人机（UAV）上的无线接入点正被考虑用于商业网络中的移动服务供应。为了能够在蜂窝网络中有效地使用这些设备，有必要首先对它们的设计参数如何反映最终用户所体验的服务质量有定性和定量的理解。在本文中，我们建立了一个网络的无人机在地面以上的一定高度，提供无线服务的覆盖范围内形成的定向天线，与无人机使用现有的地面基站网络的无线回程。我们提供了一个典型的用户所经历的无人机参数的函数的覆盖概率的解析表达式。使用我们的推导，我们证明了存在一个最佳的无人机高度，最大限度地提高最终用户的覆盖概率。然后，我们探讨的情况下，无人机调整其各自的高度，以满足其回程的要求，而在同一时间试图最大限度地提高地面上的最终用户的覆盖概率。
2017-10-11 cs.NI
Coverage Analysis for Low-Altitude UAV Networks in Urban Environments
无人机（UAV）上的无线接入点正被考虑用于商业网络中的移动服务供应。为了能够在蜂窝网络中有效地使用这些设备，有必要首先对它们的设计参数如何反映最终用户所体验的服务质量有定性和定量的理解。在本文中，我们建立了一个场景，无人机网络在地面以上的一定高度提供无线服务的覆盖范围内形成的定向天线。我们提供了一个典型的用户所经历的无人机参数的函数的覆盖概率的解析表达式。
2017-04-15 cs.NI
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
Multi-tier Drone Architecture for 5G/B5G Cellular Networks: Challenges, Trends, and Prospects
无人机（或无人机[UAV]）预计将成为第五代（5G）/超5G（B5 G）蜂窝架构的重要组成部分，可以潜在地促进无线广播或点对多点传输。各种无人机的独特特征，如最大操作高度，通信，覆盖范围，计算和耐力，促使未来无人机网络使用多层架构。在此背景下，本文重点研究多层无人机网络架构相对于传统单层无人机网络的可行性，并确定无人机网络可能补充传统基于RF的地面网络的场景。我们首先确定与多层无人机网络以及无人机辅助蜂窝网络相关的挑战。然后，我们回顾了无人机网络和无人机辅助蜂窝网络中现有的最先进的创新。然后，我们研究了多层无人机网络在下行链路传输的频谱效率方面的性能，同时以数值方式说明了不同层中无人机的最佳强度和高度。我们的结果证明了特定的网络负载条件（即，用户强度和基站强度的比率），其中无人机的部署对于常规陆地蜂窝网络可能是有益的（就下行链路传输的频谱效率而言）。
2017-11-20 cs.NI
iTUAVs: Intermittently Tethered UAVs for Future Wireless Networks
uOttawa（渥太华大学）；KU Leuven（荷语鲁汶大学）；Carleton University（卡尔顿大学）
我们提出了间歇系留无人机（iTUAV）之间的权衡系留无人机（TUAV）的功率可用性和非系留无人机的灵活性。iTUAV可以提供蜂窝连接，同时临时连接到最合适的地面锚。此外，它可以灵活地从一个锚点分离，移动，然后附着到另一个锚点，以保持/提高移动用户的覆盖质量。因此，我们在这里讨论现有的基于无人机的蜂窝网络技术，然后详细描述iTUAV系统，其组件和操作模式。随后，我们提出了一个现有的和拟议的系统突出的主要功能，如流动性和能源的差异进行比较研究。为了强调iTUAV系统的潜力，我们进行了案例研究，评估iTUAV性能，并将其与基准进行比较。结果表明，在该地区只有10个锚点，iTUAV系统可以为90%的无系留无人机交换系统覆盖的用户提供服务。此外，从一个小的案例研究的结果证明，iTUAV允许平衡性能/成本，可以现实地实施。例如，当用户位置被群集时，只有2个活动的iTUAV和4个锚点，实现的性能优于具有3个TUAV的系统，而当考虑单个UAV在100分钟的事件时，只有6个锚点的系统优于无系留UAV，因为它结合了位置灵活性和增加的任务时间。
2022-10-26 cs.NI cs.RO cs.SY
Energy Efficient and Balanced Task Assignment Strategy for Multi-UAV Patrol Inspection System in Mobile Edge Computing Network
针对多无人机巡逻巡检场景，提出联合优化巡航点分配、通信调度、计算分配与轨迹的均衡任务分配策略，以平衡任务时间并最小化总能耗，数值验证优于传统方法。
2024-11-05 cs.NI
On-Demand Deployment of Multiple Aerial Base Stations for Traffic Offloading and Network Recovery
无人驾驶飞行器（UAV）正被用于无线网络中的广泛应用，从而带来诱人的商业机会。在现有蜂窝网络操作或基础设施突然中断的情况下，例如，由于用户需求的意外激增或自然灾害，无人机可以通过在指定区域的临时无线覆盖提供即时恢复。一个主要的挑战是有效地确定需要多少UAV以及在相对大的3D搜索空间中将它们定位在哪里。为此，我们制定了一个混合整数线性规划的无人机舰队的3D部署的问题，并提出了一个贪婪的方法，模仿最佳的行为，假设一个有限的一组可能的无人机位置组成的网格。此外，我们提出并评估了一种新的低复杂度的算法多无人机部署在连续的三维空间，基于无监督学习技术，依赖于静电的概念与排斥力和吸引力。我们提出的算法作为各种系统参数的函数的性能结果，并证明其有效性相比，接近最优的贪婪方法和其优越性相比，最近的相关工作从文献中。
2018-07-05 cs.NI
Planning UAV Activities for Efficient User Coverage in Disaster Areas
全球变暖带来的气候变化以及人为的环境变化往往是造成严重自然灾害的原因。信通技术本身因其高碳足迹而对全球变暖负有责任，但在灾害危机期间，信通技术可通过提供可靠、有复原力的通信手段，在减轻此类灾害的后果方面发挥作用。在本文中，我们探讨了通过无人机（无人机）提供无线覆盖，以补充或取代传统的通信基础设施。无人机的使用在紧急情况下确实至关重要，因为它们允许在需要的地方快速轻松地部署微型和微微蜂窝基站。我们描述了无人机的运动，并定义了一个优化问题，以确定最佳的无人机覆盖范围，最大限度地提高用户吞吐量，同时保持公平的不同部分的地理区域，已受到灾难的影响。为了评估我们的策略，我们模拟了旧金山的洪水和人们在高地寻求安全所导致的汽车交通。
2019-04-03 cs.NI
Designing Cellular Networks for UAV Corridors via Bayesian Optimization
本文提出基于贝叶斯优化的蜂窝网络设计方法，通过优化基站天线倾角和发射功率，在几乎不损失地面性能的同时将无人机走廊平均SINR提升23.4dB。
2023-08-09 cs.IT cs.NI eess.SP
Proactive and Resilient UAV Orchestration for QoS Driven Connectivity and Coverage of Ground Users
无人机（UAV）正被成功用于在诸如在偏远地区、紧急情况下扩展5G蜂窝网络的覆盖范围以及提高用户人口密集地区的服务质量等应用中提供通信服务。虽然在文献中已经提出了用于确保用户的服务质量（QoS）的优化放置解决方案，但是它们在高度移动、自主和多样化的网络场景中可能不是理想的。本文提出了一种主动和弹性的框架，用于无人机小小区的分布式和动态编排，以在网络中提供QoS差异化。UAV位置根据最终用户位置和服务需求定制，同时确保UAV保持本地化回程连接。仿真实验表明，在物理布局能够实现服务差异化的场景下，所提出的框架能够使无人机的稳定配置满足90%以上的用户QoS需求。
2022-09-09 cs.NI cs.SY eess.SY
Potential Data Link Candidates for Civilian Unmanned Aircraft Systems: A Survey
本调查研究了无人驾驶飞行器（UAV）的潜在数据链路候选者。无人机在救生和救援任务、商业用途、娱乐等不同应用中有着巨大的增长。与传统的无线通信不同，这些系统的数据链路还没有任何通用的标准化框架来确保无人机与其他飞行器的安全共存。这促使我们对无人机可用的潜在数据链路技术进行全面调查。我们的目标是研究目前的趋势和可用的候选人，并进行全面的比较。本次调查的贡献是突出了当前数据链路选项的优点和缺点，以及它们满足UAV通信要求的适用性。本文深入研究了卫星链路、蜂窝技术、Wi-Fi和几种类似的无线技术。我们还专注于几个可用的有前途的标准，可以修改这些数据链路。然后，我们讨论了在民用无人系统领域积极工作的标准相关组织。最后，我们提出了一些未来的挑战，在这一领域的几个潜在的解决方案，以激励进一步的研究工作。
2020-04-18 cs.NI cs.SY eess.SY
Drone delivery: Reliable Cellular UAV Communication Using Multi-Operator Diversity
无人机（UAV，又名无人机）的市场规模可达全球市场价值的10%。特别是，无人机送货是最具吸引力的应用之一。越来越多的无人机需要依赖蜂窝网络的适当交通管理系统。然而，在文献中已经表明，这些网络不能提供可靠的通信，由于低覆盖概率和频繁的切换。本文提出了一个针对这些问题的潜在解决方案，同时不需要修改现有的基础设施。也就是说，为UAV配备多个蜂窝调制解调器以连接到不同提供商的网络引入了网络多样性，从而在100米的飞行高度处产生98%的覆盖概率。相比之下，一个网络只能确保80%的覆盖率。与此同时，停电区域的大小变得小了十倍，有害停电的频率降低到零。这些结果是利用物理层模拟器获得的，该物理层模拟器利用真实的城市3D环境、蜂窝网络参数（例如，站点位置、天线定向和增益）以及特定空中信道模型。
2022-02-18 cs.NI cs.SY eess.SY
Connectivity-Aware UAV Path Planning with Aerial Coverage Maps
Department of ECE, Hong Kong University of Science and Technology, Hong Kong（香港科技大学电子工程系）；Department of EIE, The Hong Kong Polytechnic University, Hong Kong（香港理工大学电子工程系）
本文提出了一种利用UAV可控移动来克服地面用户优化的蜂窝网络在空中覆盖不连续问题的连接意识UAV路径规划方法，通过引入两个新指标量化UAV路径的蜂窝连接质量，并利用空中覆盖图提供准确的散射覆盖孔位置，将UAV路径规划问题转化为在连接约束下寻找最短路径的问题。
2019-06-01 cs.NI cs.RO cs.SY
A Stochastic Model for UAV Networks Positioned Above Demand Hotspots in Urban Environments
无人机（UAV）上的无线接入点正被考虑用于商业网络中的移动服务供应。为了能够在蜂窝网络中有效地使用这些设备，有必要首先对它们的设计参数如何反映最终用户所体验的服务质量有定性和定量的理解。在本文中，我们使用随机几何学的无人机接入点，智能定位自己以上的用户热点的网络的行为，我们评估这样的网络的性能对无人机被定位在一个矩形网格或根据启发式定位算法的情况下。
2018-04-29 cs.IT cs.NI math.IT
