UAV-Aided Multi-Way NOMA Networks with Residual Hardware Impairments
本文研究了一种无人机辅助的非正交多址接入多路中继网络。多个地面用户的目标是通过放大转发（AF）无人机中继交换他们的互信息。具体而言，考虑到在收发器的残余硬件损伤（RHI）的现实假设。为了评估所考虑的网络的性能，我们推导出可实现的和速率（ASR）的解析表达式。此外，我们通过调用仿射扩展的ASR的\emph{high signal-to-noise ratio (SNR) slope}和\emph{high SNR power offset}进行渐近分析。数值结果表明：1）与正交多址接入（OMA）相比，所提出的网络可以将时隙数从$\left[ {\left( {M - 1} \right)/2} \right] + 1$减少到2个，从而显著提高了ASR; 2）发射机和接收机的RHI对所考虑网络的ASR具有相同的影响。
2020-05-17 cs.IT eess.SP math.IT
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
STAR-RIS-UAV Aided Coordinated Multipoint Cellular System for Multi-user Networks
本文研究了STAR-RIS-UAV辅助的多用户网络多点协作蜂窝系统，通过设计迭代方法同时优化ES和MS协议下的波束成形与收发系数矩阵以最大化系统总速率，显著提升了通信性能与部署灵活性。
2023-05-22 cs.IT eess.SP math.IT
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
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
Dual-UAV-Aided Covert Communications for Air-to-Ground ISAC Networks
提出双UAV辅助的空地ISAC网络隐蔽通信方案，通过协同设计波束成形与轨迹，在满足感知与隐蔽约束下最大化平均隐蔽速率。
2025-05-31 cs.IT eess.SP math.IT
RIS-Aided Fluid Antenna Array-Mounted UAV Networks
本文针对搭载流体天线的RIS辅助无人机下行网络，提出联合优化波束成形、无人机部署与天线位置的BRAUD方案，仿真验证其在多类基准中速率性能最优。
2025-01-16 cs.IT eess.SP math.IT
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
UAV-Aided Wireless Communication Designs With Propulsion Energy Limitations
本文研究了无人机辅助无线通信系统，其中无人机在感兴趣区域上空飞行时支持多个地面节点的上行通信。在该系统中，考虑了UAV处的推进能量消耗，使得UAV的速度和加速度不应超过某个阈值。我们制定的最小平均速率最大化问题和能源效率（EE）最大化问题，通过联合优化的轨迹，速度和加速度的无人机和上行链路发射功率在GN。由于这些问题是非凸的一般，我们采用逐次凸逼近（SCA）技术。为此，适当的凸逼近的非凸约束，并提出迭代算法收敛到局部最优点。数值结果表明，所提出的算法优于基线计划的两个问题。特别是对于EE最大化问题，所提出的算法表现出约109%的增益超过基线计划。
2018-01-09 cs.IT math.IT
First Results on UAV-aided User Localization Using ToA and OpenAirInterface in 5G NR
本文提出利用无人机收集的ToA测量和GPS估计，通过最小二乘SLAM框架同时定位地面用户并跟踪无人机位置，并通过实际实验验证了算法性能。
2025-03-25 cs.IT math.IT
Minimum Throughput Maximization in UAV-Aided Wireless Powered Communication Networks
本文研究了无人机辅助的无线供电通信网络（WPCN）系统，其中无人机上的移动接入点（AP）为多个能量受限的地面终端（GT）提供服务。具体地，UAV首先通过在下行链路中发送无线能量传输（WET）信号来对GT充电。然后，通过利用从UAV收集的无线能量，GT向UAV发送其上行链路无线信息传输（WIT）信号。本文根据无人机的作战特点，采用了两种不同的作战方案，即一体化无人机作战和分离式无人机作战。首先，在集成的UAV WPCN中，UAV充当混合AP，其中在单个UAV处处理能量传输和信息接收两者。相比之下，对于分离的UAV WPCN，我们考虑两个UAV，每个UAV独立地充当能量AP和信息AP，因此在两个不同的UAV处分别执行能量传输和信息解码。对于这两个系统，我们联合优化的无人机的轨迹，上行链路功率控制，以及时间资源分配的WET和WIT，以最大限度地提高最小吞吐量的GT。由于制定的问题是非凸的，我们适用于凹凸程序推导出适当的凸边界的非凸约束。因此，我们提出了迭代算法，有效地确定了最小吞吐量最大化问题的局部最优解。仿真结果验证了所提出的算法的效率相比，传统的计划。
2018-01-09 cs.IT math.IT
Cyclical Multiple Access in UAV-Aided Communications: A Throughput-Delay Tradeoff
这封信研究了一个无线系统组成的分布式地面终端（GT）与无人机（UAV），作为一个移动基站（BS）进行通信。UAV在固定高度处循环地在GT上方飞行，这导致UAV-GT信道的强度的循环模式。为了利用这种周期性的信道变化，我们提出了一种新的周期性多址接入（CMA）计划，以周期性的时分方式的基础上飞行的无人机的位置来调度无人机和GT之间的通信。对不同GT的时间分配进行了优化，以最大化其最小吞吐量。结果表明，有一个基本的吞吐量和接入延迟之间的折衷建议CMA。仿真结果表明，显着的吞吐量增益的情况下，一个静态的无人机基站在延迟容忍的应用。
2018-05-20 cs.IT math.IT
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
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
Joint Trajectory and Power Allocation Design for Secure Artificial Noise aided UAV Communications
研究了无人机（UAV）无线通信系统中的平均保密率（ASR）最大化问题，其中在地面被动窃听者存在的情况下，利用无人机向地面目标传递机密信息。通过采用基于人工噪声（AN）注入的安全两阶段传输协议，我们的目标是在给定的时间范围内联合优化无人机的轨迹、网络传输功率和AN功率分配，以提高ASR性能。具体来说，我们把原来的非凸问题分为四个子问题，并提出了一个逐次凸逼近的有效迭代算法来解决它的次优保证收敛。仿真结果表明，显着的安全优势，我们所设计的方案比其他已知的基准，特别是严格的飞行时间。
2020-11-20 cs.IT math.IT
Multiple Antenna Aided NOMA in UAV Networks: A Stochastic Geometry Approach
本文研究了多输入多输出（MIMO）非正交多址接入（NOMA）辅助无人机（UAV）网络。利用随机几何模型，提出了一种新的三维无人机框架，为随机漫游的NOMA用户提供无线服务。为了评估所提出的框架的性能，我们推导出MIMO-NOMA增强的无人机网络的中断概率和遍历率的解析表达式。我们研究了易于处理的上限为整个拟议的框架，推导出渐近的结果，干扰源的发射功率成比例或固定的无人机的情况下。为了获得更多的见解所提出的框架，我们调查的多样性阶数和高信噪比（SNR）斜率的MIMO-NOMA辅助无人机网络。我们的结果证实：i）NOMA增强的UAV网络的中断概率在很大程度上受NOMA用户的目标传输速率和功率分配因子的影响;以及ii）对于干扰功率与UAV功率成比例的情况，存在用于中断概率的错误平层。
2018-05-14 cs.IT math.IT
Adaptive Deployment for UAV-Aided Communication Networks
无人机（无人机）作为空中基站是一项很有前途的技术，可以快速为地面用户提供无线连接。鉴于无人机的灵活性和机动性，一个关键问题是如何调整无人机部署，以最好地满足在一个地区的瞬时无线通信。本文提出了一种无人机辅助通信网络的自适应部署方案，其中无人机自适应调整其位移方向和距离，以服务于目标小区中随机移动用户的瞬时流量。在我们的自适应方案中，无人机不需要实时的学习用户的确切位置，而是基于简单的多数规则选择其位移方向，飞行到小区中用户数量最多的空间扇区。为了平衡不同扇区内用户的服务质量，进一步优化了无人机在所选扇区内的位移距离，分别使平均吞吐量和成功传输概率最大。我们证明了平均吞吐量最大化的最佳位移距离随着用户密度的减小而减小：当用户密度较小时，无人机移动到所选扇区的中心，而当用户密度较大时，无人机位移变得温和。相比之下，成功概率最大化的最佳位移距离不一定随着用户密度而减小，并且还取决于目标信噪比（SNR）阈值。大量的仿真结果表明，所提出的自适应部署方案优于传统的非自适应方案，特别是当用户密度不大。
2018-12-08 cs.IT math.IT
Intelligent Reflecting Surface Aided Secure UAV Communications
在这封信中，我们研究了安全通信问题的无人机（UAV）使能网络的智能反射面（IRS）从物理层安全的角度来看。具体地，IRS被部署为在存在窃听者的情况下辅助从UAV到地面用户的无线传输。这项工作的目标是通过联合优化IRS的相移以及UAV的发射功率和位置来最大化保密率。然而，由于非线性和非凸的目标函数和约束条件，制定的问题是很难直接解决。利用分式规划和逐次凸逼近技术，将原问题分解为三个子问题，再将三个子问题转化为凸问题。接下来，提出了一种低复杂度的交替算法来有效地解决具有挑战性的非凸问题，其中在每次迭代中获得发射功率和相移的封闭形式的表达式。仿真结果表明，所设计的算法在红外辅助无人机通信中可以获得比基准算法更高的保密率。
2020-11-09 cs.IT cs.NI math.IT
On secure UAV-aided ISCC systems
本研究针对无人机辅助的安全通信、感知与计算一体化系统，通过联合优化卸载比例、用户调度、波束成形和无人机轨迹来最小化地面用户总能耗，并提出一种基于逐次凸逼近和块坐标下降的迭代算法有效解决了该非凸优化问题。
2025-06-27 cs.IT eess.SP math.IT
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
UAV-aided Wireless Node Localization Using Hybrid Radio Channel Models
EURECOM（欧洲通信学院）
研究了基于无人机接收信号强度测量的地面用户定位问题。将无人机-用户链路信道模型参数和无人机天线辐射方向图作为未知量进行估计。提出了一种混合信道模型，该模型由传统的路径损耗模型和近似无人机天线增益函数的神经网络组成。利用该模型和一组离线RSS测量，估计未知参数。然后，我们采用粒子群优化（PSO）技术，利用学习的混合信道模型以及三维地图的环境，以准确地定位地面用户。所开发的算法的性能进行评估，通过模拟和现实世界的实验。
2022-05-06 cs.AI cs.IT math.IT
A Unified Spatial Framework for UAV-aided MmWave Networks
针对无人机（UAV）辅助毫米波（mmWave）网络，提出了一种统一的三维空间框架，对无覆盖用户通过UAV向基站发送消息的一般情况进行建模。更具体地说，收发器在下行链路和上行链路的位置分别通过泊松点过程和泊松簇过程（PCP）建模。对于PCP，Matern集群和托马斯集群过程，进行了分析。此外，三维阻塞过程和三维天线方向图的高度的影响进行评估。基于这个统一的框架，在上行链路和下行链路的覆盖概率的几个封闭形式的表达式，推导。通过研究整个通信过程，包括上述两个阶段和它们之间的合作传输，推导出易于处理的系统覆盖概率的表达式。接下来，无人机网络中的三个实际应用提供了所提出的框架的案例研究。结果表明，热噪声和非视距毫米波传输的影响可以忽略不计。在所考虑的网络中，毫米波在数据率方面优于6 GHz以下，这是由于尖锐方向波束成形和大的发射带宽。此外，存在一个最佳的无人机高度，使系统的覆盖概率最大化。
2019-09-26 cs.IT math.IT
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
Cooperative Multi-Agent Deep Reinforcement Learning Methods for UAV-aided Mobile Edge Computing Networks
本文针对无人机辅助移动边缘计算网络，提出一种基于图注意力网络的协作式多智能体深度强化学习方法，通过消息动作与求解动作实现去中心化协调，并设计了可扩展训练算法以适配任意设备数量，实验证明其性能优于传统方法。
2024-07-03 cs.IT math.IT
UAV-RIS-Aided Space-Air-Ground Integrated Network: Interference Alignment Design and DoF Analysis
针对SAGIN异构干扰难题，提出UAV-RIS辅助的干扰管理方案，设计干扰对齐与预编码并分析自由度，显著提升了不同CSI场景下的系统容量。
2023-08-04 cs.IT math.IT
Robust Trajectory and Resource Allocation Design for Secure UAV-aided Communications
本文旨在提高物理层的安全性，防止潜在的内部窃听利用无人机（UAV）的机动性。我们考虑的情况下，两个接收器具有不同的安全许可级别需要由一个合法的发射机与无人机的帮助。我们共同设计的轨迹和资源分配，以最大限度地提高累积的系统机密数据率。该设计被配制成一个混合整数非凸优化问题，考虑到部分位置信息的潜在窃听。为了规避问题的非凸性，提出了一系列的变换和近似，这有利于设计一个计算效率的次优解。仿真结果提供了重要的系统设计的见解，并展示了强大的联合设计，以提高物理层的安全性所带来的优势。
2019-03-18 cs.IT math.IT
UAV-Aided Jamming for Secure Ground Communication with Unknown Eavesdropper Location
研究了在窃听者位置未知的情况下，利用无人机辅助干扰技术实现物理层无密钥安全。我们假设未知的窃听者的位置是在一个椭圆形的发射机的覆盖区域内。通过依次优化发射功率、无人机飞行路径和干扰功率，以最大化任意窃听位置下的平均保密率为目标。仿真结果表明，与采用发射机和合法接收机共同飞行的直接航迹相比，最优航迹具有更好的保密率性能。最重要的是，即使与未知的窃听者的位置，我们得到了一个保密率，相当于一个场景时，窃听者的位置是已知的。然而，未知窃听者位置的平均保密率取决于窃听者与发射机的已知位置的接近程度。我们还观察到，由于无人机辅助干扰，平均保密率稳定在某个点，即使窃听者的平均接收包络功率增加。这基本上证明了拟议计划的有效性。
2019-11-25 cs.CR cs.IT math.IT
UAV Communications Based on Non-Orthogonal Multiple Access
提出了一种基于非正交多址接入（NOMA）的大容量无人机网络架构。为了更好地理解NOMA使能的无人机网络，进行了三个案例研究。我们首先提供NOMA启用无人机网络的性能评估，采用随机几何模型的无人机和地面用户的位置。在此基础上，基于无人机定高绕飞的简化二维模型，研究了静态NOMA用户的联合轨迹设计和功率分配问题。作为进一步的进步，我们展示了无人机放置问题的机器学习技术的帮助下，当地面用户漫游和无人机能够相应地调整其位置在三维（3D）。通过这些案例研究，我们可以全面了解无人机系统从基本理论到实际应用。
2018-09-15 cs.IT eess.SP math.IT
Quantum Sensing Based Joint 3D Beam Training for UAV-mounted STAR-RIS Aided TeraHertz Multi-user Massive MIMO Systems
太赫兹（THz）系统能够支持超高数据率，这要归功于大带宽，以及利用高增益波束成形来对抗高路径损耗的潜力。本文提出了一种新的量子感知（鬼成像（GI））的波束训练的同时发射和反射可重构智能表面（STAR RIS）辅助太赫兹多用户大规模MIMO系统。我们首先通过围绕5G下行信号进行GI，以获得包括用户和障碍物在内的环境的3D图像。根据这些信息，我们计算出的最佳位置的无人机安装STAR所提出的算法。因此，可以执行基于位置的波束训练。为了提高波束形成增益，我们进一步结合信道估计，提出了一种半被动结构的STAR和模糊消除方案，用于分离的信道估计。从而避免了级联信道估计中可能影响最优无源波束形成的模糊性。然后执行最佳主动和被动波束成形，并启动数据传输。联合研究了所提出的BS子阵列和子STAR空间复用架构、最佳有源和无源波束成形、数字预编码以及UAV安装的STAR的最佳位置，以最大化用户的平均可实现和速率。此外，云无线电接入网络（CRAN）结构的5G下行链路信号被提出用于具有增强分辨率的GI。仿真结果表明，该方案有效地实现了波束训练和分离信道估计，与STAR随机相位工作时相比，频谱效率显著提高。
2022-12-15 cs.IT eess.SP math.IT
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
UAV-Aided Offloading for Cellular Hotspot
在传统的地面蜂窝网络中，由于移动终端（MT）距离服务地面基站（GBS）较远，特别是在GBS负载较重的热点时段，位于小区边缘的MT往往会造成性能瓶颈。本文提出了一种新的混合网络架构，利用无人机（UAV）作为空中移动基站，沿小区边缘周期性飞行，卸载数据流量的小区边缘MT。我们的目标是最大限度地提高所有MT的最小吞吐量，通过联合优化无人机的轨迹，带宽分配和用户分区。首先考虑无人机和GBS之间的正交频谱共享，然后扩展到频谱复用，即GBS和无人机共享总带宽，有效地避免了它们之间的相互干扰。数值结果表明，所提出的混合网络与优化的频谱共享和循环多址接入设计显着提高了空间吞吐量比传统的GBS只有网络，而频谱复用方案提供了进一步的吞吐量增益的成本略高的复杂性干扰控制。此外，与传统的小小区卸载方案相比，所提出的UAV卸载方案在吞吐量方面表现出色，除了节省基础设施成本之外。
2018-05-20 cs.IT math.IT
UAV-Aided Multi-Community Federated Learning
EURECOM（欧洲通信学院）；Mitsubishi Electric R&D Centre Europe（三菱电机欧洲研发中心）
在这项工作中，我们调查的在线轨迹设计的无人机（UAV）在联邦学习（FL）设置存在几个不同的社区，每个定义了一个独特的任务来学习的问题。在该设置中，属于每个社区的空间分布的设备经由UAV提供的无线链路协作地有助于训练它们的社区模型。因此，UAV充当协调每个社区中的设备之间的传输和学习时间表的移动协调器，旨在加速所有任务的学习过程。我们提出了一个启发式度量作为不同任务的训练性能的代理。利用这个指标，代理目标的定义，使我们能够共同优化无人机的轨迹和调度的设备，采用凸优化技术和图论。仿真结果表明，与其他精心挑选的静态和移动无人机部署基准相比，我们的解决方案的性能出色。
2022-11-08 cs.IT cs.LG math.IT
Learning to Communicate in UAV-aided Wireless Networks: Map-based Approaches
我们考虑的情况下，无人机安装的飞行基站提供数据通信服务的无线电节点分布在地面上的数量。我们专注于资源受限的无人机轨迹设计问题，（i）最佳通道参数学习和（ii）最佳数据吞吐量分别作为关键目标。虽然吞吐量优化轨迹的问题已经在现有工作中解决，但尚未解决有效发现传播参数的优化轨迹的公式化。在通信阶段，这项工作的优势来自于3D城市地图的开发。不幸的是，基于原始地图数据的通信轨迹设计导致了一个棘手的优化问题。为了解决这个问题，我们引入了一种地图压缩方法，使我们能够用标准的优化工具来解决这个问题。然后将轨迹优化与节点调度算法相结合。在智能物联网数据采集的背景下，说明了学习优化轨迹和地图压缩方法的优势。
2018-11-02 cs.IT math.IT
Joint 3D Trajectory Design and Resource Allocation for Secure Dual-UAV-aided Underlay Systems
Chongqing University of Posts and Telecommunications（重庆邮电大学）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；Sun Yat-sen University（中山大学）；Beijing Institute of Technology（北京理工大学）
针对空中窃听者，提出双无人机辅助安全底层数据采集系统，通过联合优化无人机3D轨迹、干扰功率、地面设备功率及调度，最大化平均保密频谱效率，采用块坐标下降和逐次凸近似求解。
2026-06-16 cs.IT math.IT
Joint Optimization of Relay Selection and Transmission Scheduling for UAV-Aided mmWave Vehicular Networks
为了应对移动业务的爆炸性增长，具有丰富带宽资源的毫米波（mmWave）通信已经被应用于车辆网络。由于毫米波信号对阻塞敏感，我们引入了无人机（UAV）辅助的双向中继系统，以增强车辆连接和扩大覆盖范围。如何在这种动态场景中提高传输效率并减少延迟时间是一个具有挑战性的问题。在本文中，我们制定的中继选择和传输调度的联合优化问题，旨在减少传输时间，同时满足吞吐量的要求。为了解决这个问题，提出了两种方案。第一个是随机中继选择与并发调度（RCS），一个低复杂度的算法，在两个步骤中实现。第二个是联合中继选择与动态调度（JRDS），充分避免中继竞争，并利用潜在的并发能力，以获得进一步的性能提高RCS。通过在不同流量和车速的不同环境下进行广泛的模拟，我们证明了RCS和JRDS方案在传输时间和网络吞吐量方面显着优于现有方案。我们还分析了阈值选择对可实现性能的影响。
2023-03-06 cs.IT math.IT
Beamforming Design for IRS-and-UAV-Aided Two-Way Amplify-and-Forward Relay Networks in Maritime IoT
针对海事物联网中船舶间消息交互速率提升需求，提出两种IRS与UAV辅助的双向AF中继网络波束成形优化算法，仿真验证其均优于对比方案，且高性能算法速率表现更优。
2024-06-24 cs.IT eess.SP math.IT
Model-aided Deep Reinforcement Learning for Sample-efficient UAV Trajectory Design in IoT Networks
EURECOM（欧洲通信学院）
深度强化学习（DRL）作为一种潜在的方法正在受到关注，用于设计在蜂窝或物联网（IoT）连接背景下用作飞行接入点的自主无人机（UAV）的轨迹。DRL解决方案提供了在线学习的优势，因此依赖于很少的先验上下文信息。然而，一个相应的缺点在于需要许多学习情节，这严重限制了这种方法在现实世界中的时间和能量受限的任务的适用性。在这里，我们提出了一种模型辅助的深度Q学习方法，与以前的工作相比，该方法大大减少了对大量训练数据样本的需求，同时仍然实现了DRL的首要目标，即在没有无线信道特性的先验知识和无线节点位置的有限知识的情况下，引导电池有限的UAV在有效的数据采集轨迹上。其关键思想在于使用一小部分节点作为锚（即具有已知位置），并学习传播环境的模型，同时隐式地估计常规节点的位置。与模型的交互允许我们训练一个深度Q网络（DQN）来近似最优的无人机控制策略。我们表明，与标准的DRL方法相比，所提出的模型辅助方法需要至少一个数量级的训练数据样本，以达到相同的数据汇集性能，从而提供了第一步，使DRL一个可行的解决方案的问题。
2021-10-05 cs.IT cs.LG math.IT
Joint Power and Trajectory Design for Physical-Layer Secrecy in the UAV-Aided Mobile Relaying System
随着无人机的迅速发展，移动中继技术成为一种很有前途的无线通信辅助技术。在本文中，我们研究了四节点（源，目的地，移动中继，窃听）系统中的安全传输，其中我们专注于通过联合优化中继轨迹和源/中继发射功率的保密率最大化。然而，由于轨迹设计和功率分配的耦合，保密率最大化（SRM）问题是难以解决的。因此，我们提出了一种交替优化（AO）的方法，其中的轨迹设计和功率分配是以交替的方式处理。但由于弹道设计是一个非凸问题，至今仍难以求解。为了规避非凸性，我们利用序列凸规划（SCP）推导出一个迭代算法，该算法被证明收敛到Karush-Kuhn-Tucker（KKT）点的轨迹设计问题。仿真结果表明，功率和轨迹的联合设计在提高保密吞吐量的有效性。
2018-07-23 cs.IT math.IT
Multi-Agent Graph Reinforcement Learning based On-Demand Wireless Energy Transfer in Multi-UAV-aided IoT Network
本文提出一种基于多智能体图强化学习的多无人机按需无线能量传输方案，通过引入能量饥饿度指标并优化无人机轨迹与传输决策，有效满足物联网设备的时变能量需求。
2023-07-27 cs.IT math.IT
Two Low-complexity Efficient Beamformers for IRS-and-UAV-aided Directional Modulation Networks
本文提出两种低复杂度波束成形器（Max-SR-SLNR和MRT-NSP-PA），利用IRS和UAV提升定向调制网络的保密速率，仿真验证了性能与复杂度权衡。
2023-05-16 cs.IT eess.SP math.IT
Optimization and Deep Learning based Resource Allocation for UAV-Aided Wireless Communication with Rotatable Antenna Array
研究基于可旋转天线阵列的无人机辅助无线通信资源分配，通过联合设计RAA方向和波束成形最大化和速率。先提出基于惩罚对偶分解的优化框架，后又提出基于图神经网络的深度学习框架，仿真表明RAA性能优于传统，两种框架分别有高可靠性和快速计算的优势。
2026-07-10 cs.IT math.IT
Performance Analysis and Optimization for Jammer-Aided Multi-Antenna UAV Covert Communication
无人机（UAV）由于其高移动性和低成本而在充当临时空中基站（BS）和为下一代通信网络提供高数据率方面吸引了大量研究关注。为了保护用户的隐私，同时避免检测的看守，我们研究了干扰辅助无人机隐蔽通信系统，其目的是最大限度地提高用户的隐蔽率与优化的发射和干扰功率。无人机配备多天线，可同时为多个用户提供服务，提高服务质量。通过考虑一般的复合衰落和阴影信道模型，我们推导出精确的概率密度（PDF）和累积分布函数（CDF）的信号与干扰加噪声比（SINR）。得到的PDF和CDF被用来推导检测错误概率和隐蔽率的封闭形式的表达式。此外，隐蔽率最大化问题被制定为一个纳什讨价还价的游戏，纳什讨价还价的解决方案（NBS）被引入到研究用户之间的协商。为了解决NBS，我们提出了两个算法，即，采用基于粒子群优化的联合两阶段功率分配算法，在监狱长设定的最优检测门限下实现隐蔽性和高数据率。所有公式化的问题被证明是凸的，并分析了复杂性。数值结果验证了理论分析的正确性，表明了算法的有效性和成功性。
2022-02-02 cs.IT cs.PF math.IT
Alternating Iterative Secure Structure between Beamforming and Power Allocation for UAV-aided Directional Modulation Networks
在无人机（UAV）网络中，采用定向调制（DM）来提高保密率（SR）性能。Alice是地面基站，充当控制中心; Bob是沿直线飞行轨迹飞行的无人机，通过动态调整波束形成矢量和功率分配策略来优化SR性能。在Bob的飞行过程中，每个固定的时间间隔内，根据最大化信漏噪比（Max-SLNR）和最大化AN和漏噪比（ANLNR）的准则给出有用消息和AN投影的发射波束形成向量，最优PA策略基于最大化SR（Max-SR）。更重要的是，交替迭代结构（AIS）之间的波束成形和PA提出了进一步提高SR性能。仿真结果表明，所提出的AIS收敛速度快，并可以实现显着的SR增益超过Max-SLNR加上Max-ANLNR与固定PA，如PA因子$β=$ 0.5，和0.9。特别是，在小规模天线阵列的情况下，所提出的AIS实现的SR性能增益更有吸引力。此外，由于天线的数量趋于大规模，所提出的AIS的平均SR性能接近SR小区。
2018-08-14 cs.IT math.IT
Maximizing Connectivity of Uplink RIS-Assisted UAV Networks
Toronto Metropolitan University（多伦多都会大学）；University of Toronto（多伦多大学）
提出一种无人机定位与可重构智能表面划分方法，通过优化RIS辅助链路选择、RIS划分和无人机位置，以Fiedler值为指标最大化网络连通性，同时满足用户设备的SINR约束。
2026-06-11 cs.IT math.IT
Quantum Annealing-Based Sum Rate Maximization for Multi-UAV-Aided Wireless Networks
针对多无人机辅助无线网络，提出基于量子退火的联合聚类、子信道与功率分配算法，以最大化总速率，仿真验证其有效性与运行时间优势。
2025-02-25 cs.IT eess.SP math.IT
Energy-Efficient 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上数据汇集系统，该系统利用固定翼无人机对海上浮标进行数据采集。通过联合优化浮标之间的通信时间调度和无人机受风影响的飞行轨迹，以最小化无人机完成任务的能量消耗。传统的逐次凸近似（SCA）方法可以为中小数据量的采集提供有效的次优解，但该方法严重依赖于轨迹初始化，没有明确考虑风的影响，而计算/轨迹复杂度对于大数据量的任务来说都变得令人望而却步。为此，我们提出了一种新的周期性轨迹设计框架，该框架具有定制的初始化算法，可以有效地处理任意数据量，以及一种混合离线-在线（HO 2）设计，该设计利用基于风统计的离线凸随机规划（CSP），并通过在线适应实时风速来改进解决方案。数值结果表明，与基准方案相比，优化后的航迹能更好地适应不同目标数据量、浮标拓扑结构以及不同风速、风向和方差的情况。
2021-12-26 cs.IT cs.SY eess.SY
UAV-aided RF Mapping for Sensing and Connectivity in Wireless Networks
EURECOM（欧洲通信学院）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Future Network of Intelligence Institute（未来智联网络研究院）；University of Southern California（南加州大学）
使用无人机（UAV）作为飞行无线电接入网络（RAN）节点为传统的固定地面部署提供了有希望的补充。最近仍然在无线网络的背景下，无人机也被设想用作射频（RF）感测和定位设备。在这两种情况下，使用无人机的优势在于它们能够在3D中自由导航，并及时到达所获得的网络吞吐量或感知性能最佳的空间位置。在实践中，为UAV选择合适的位置或轨迹在很大程度上取决于当地地形特征，包括周围无线电障碍物的位置。因此，机器人必须能够在执行其数据通信或感测服务时映射其无线电环境的特征。本文讨论了与这项任务有关的挑战，这里称为无线电测绘。它的承诺有关的自主无线电感知无人机的有效轨迹设计，以及算法的解决方案。无线电映射的连接，传感和定位性能方面的优势进行了说明。
2022-05-06 cs.IT cs.LG cs.NI
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
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
IRS-Aided Non-Orthogonal ISAC Systems: Performance Analysis and Beamforming Design
智能反射面（IRS）在促进正交时分集成传感和通信（TD-ISAC）方面显示出其有效性，其中传感任务和通信任务占用正交的时频资源，而IRS在非正交ISAC（NO-ISAC）系统中的作用迄今为止仍不清楚。在本文中，我们考虑了一个IRS辅助NO-ISAC系统，分布式IRS部署，以协助并发通信和位置感知的盲区用户，占用非正交/重叠的时间-频率资源。首先，我们提出了一个修改的Cramer-Rao下界（CRLB），以统一的方式来表征通信和位置感知的性能。我们进一步推导出封闭形式的表达式修改CRLB在我们考虑的NO-ISAC系统，使我们能够识别的通信和位置传感性能之间的根本权衡。此外，通过利用修改后的CRLB，我们提出了一个联合的主动和被动波束形成的设计算法，实现了良好的通信和位置感知的权衡。通过数值计算，我们证明了IRS辅助NO-ISAC系统比IRS辅助TD-ISAC系统在通信和定位性能方面的优越性。此外，它表明，与使用专用定位参考信号的IRS辅助定位系统相比，使用随机通信信号的IRS辅助NO-ISAC系统可以实现相当的定位性能。此外，我们调查的通信性能和本地化性能之间的权衡，并显示如何的NO-ISAC系统的性能可以显着提高通过增加的IRS元素的数量。
2022-08-10 cs.IT eess.SP math.IT
Non-Orthogonal Multiple Access in UAV-to-Everything (U2X) Networks
本文研究了非正交多址接入（NOMA）增强型无人机（UAV）到万物（U2 X）框架。利用随机几何工具，提出了一种新的三维框架提供无线服务的随机漫游NOMA接收机（Rx）在球空间。为了评估所提出的框架的性能，我们首先推导出封闭形式的表达式的中断概率和遍历率配对NOMA Rx。为了获得更多的见解，我们研究了NOMA增强的U2 X框架的多样性阶数和高信噪比（SNR）斜率。我们还推导出NOMA和正交多址接入（OMA）增强的U2 X框架中的频谱效率。我们的分析结果表明，提出的框架的多样性和高信噪比斜率的阶数分别为$m$和1。数值结果表明：与OMA增强的U2 X框架相比，所提出的NOMA增强的U2 X框架具有更好的中断性能和频谱效率;在固定LoS概率的情况下，配对NOMA Rx的中断性能主要取决于信道条件较差的用户。
2019-07-12 cs.IT eess.SP math.IT
Energy-Efficient Irregular RIS-aided UAV-Assisted Optimization: A Deep Reinforcement Learning Approach
针对无人机辅助RIS通信系统，提出HERA混合能量采集策略与EE-DDPG深度强化学习算法，联合优化资源分配，显著提升能量采集效率并延长无人机运行时间。
2025-10-27 cs.IT math.IT
Online Maneuver Design for UAV-Enabled NOMA Systems via Reinforcement Learning
研究了一种无人机上行链路非正交多址接入系统，地面上的多个移动用户通过非正交多址传输向空中的无人机发送独立的消息。我们的目标是设计无人机动态机动最大化的总和速率吞吐量的所有移动地面用户在有限的时间范围内。
2020-01-21 cs.IT eess.SP math.IT
Secure Offloading in NOMA-Aided Aerial MEC Systems Based on Deep Reinforcement Learning
针对存在空中窃听者的NOMA辅助UAV-MEC系统，提出一种基于深度确定性策略梯度算法的安全卸载方案，通过联合优化UAV轨迹、用户发射功率与计算频率，在保障数据安全的同时最小化长期网络计算成本。
2024-10-11 cs.IT math.IT
