Air-Ground Integrated Sensing and Communications: Opportunities and Challenges
由无人机（UAV）和地面网络组成的空地通感一体化（AG-ISAC）网络具有独特的能力，需要特殊的设计技术。在这篇文章中，我们提供了一个审查AG-ISAC，通过引入无人机作为“中继”节点的通信和传感，以解决无人机的功率和计算的限制。首先介绍了一个AG-ISAC框架，包括系统结构和协议。然后讨论了四个潜在的用例，分析了AG-ISAC网络的特点和优点。然后讨论了AG-ISAC的几个关键技术的研究。最后，我们提出了我们对AG-ISAC的挑战和未来研究方向的看法，以促进技术的进步。
2023-02-13 eess.SP
A cloud-assisted ADS-B network for UAVs based on SDR
无人驾驶航空器（UAV）或“无人机”集成到民用航空空域是航空界越来越感兴趣的问题，正如世界各地开发的许多倡议所证明的那样。许多传统的有人驾驶飞机的监视解决方案采用自动相关系统广播（ADS-B）技术，然而，当用于无人机时，特别是较小的无人机和/或在非常低的高度飞行的无人机时，该技术可能存在几个缺点。本文提出了一种基于云的无人机监视解决方案，可以被认为是传统ADS-B系统的增强。所提出的解决方案利用廉价的机载收发器将位置信息从UAV传输到地面。基于软件定义无线电（SDR）范例的ADS-B网关网络将位置消息格式化为有效的ADS-B信号并在空中重新广播它们，从而允许仿真真正的ADS-B系统并克服传统实现的主要缺点。基于排队论，所提出的方法的初步性能分析，所考虑的方法的主要权衡。此外，物理层实验室实现所提出的解决方案，基于现成的SDR硬件，这是使用开源的GNU无线电环境编程。
2022-08-25 eess.SP
Impact of 3D Antenna Radiation Pattern in UAV Air-to-Ground Path Loss Modeling and RSRP-based Localization in Rural Area
该研究针对农村蜂窝联网无人机场景，分析3D天线方向图对空对地路径损耗模型的影响，提出离线/在线均结合天线方向图的RSRP无人机定位算法，可显著提升定位精度。
2023-10-03 eess.SP
UWB Air-to-Ground Propagation Channel Measurements and Modeling using UAVs
本文提出了一种实验研究的空-地（AG）传播信道，通过超宽带（UWB）测量在一个开放的地区使用无人机（UAV）。使用UWB无线电在3.1 GHz - 4.8 GHz的频率范围和UWB平面椭圆偶极天线进行测量，该天线在方位平面中具有全向图案，在仰角平面中具有典型的甜甜圈形状图案。信道测量考虑了三种情况：（i）两个接收器（RX）在地面以上不同高度处并且在视线（LOS）中彼此靠近放置，其中发射器（TX）在UAV上并且UAV正在悬停;（ii）RX由于树叶而与UAV TX在视线（OLOS）中，并且UAV正在悬停;无人机沿圆形路径运动，在测量中使用了RX和TX之间不同的水平和垂直距离。此外，在无人机天线上采用了两种不同的天线方位（垂直和水平），以分析天线辐射方向图对UWB AG传播的影响。根据经验结果，观察到当天线朝向相同方向时，接收功率主要取决于仰角平面中的天线辐射图，如对于这些全向天线所预期的。此外，可以使用仰角的三角函数来近似TX和RX处的总天线增益。
2018-12-17 eess.SP
Joint ADS-B in 5G for Hierarchical Aerial Networks: Performance Analysis and Optimization
本文针对ADS-B频段饱和导致的监视性能下降问题，提出5G与ADS-B联合的分层空中网络架构，并通过模型、仿真和实验验证其有效性。
2024-04-29 eess.SP
Joint Beamforming, User Association, and Height Control for Cellular-Enabled UAV Communications
为空中用户（例如无人机（UAV））提供可靠和无缝的移动性是下一代蜂窝系统的关键挑战。为了应对这一挑战，我们提出了一个联合波束成形，用户关联，无人机高度控制框架的蜂窝连接多无人机网络与多天线基站（BS）。在多个地面用户设备速率约束条件下，以最大化无人机最小可达速率为目标，设计了一种分层双层迭代算法，对基站波束形成向量、无人机关联矩阵和无人机高度进行联合优化。在内层迭代中采用投影梯度法，在外层迭代中采用几何规划建模加凹凸法，证明了算法收敛于局部最优解。考虑到无人机的移动特性，我们还利用我们提出的算法不完美的信道估计的情况下。数值结果表明，与传统的最邻近关联算法相比，该算法在理想和非理想信道估计情况下均能提高无人机的最小可达速率。此外，我们还研究了无人机的最小可达速率和频率之间的权衡与单移动无人机更新优化变量。
2020-02-16 cs.IT eess.SP math.IT
Blockage Modeling for Inter-layer UAVs Communications in Urban Environments
研究了无人机在给定的矩形城区内飞行时，建筑物遮挡对不同高度无人机通信的影响。本文从不同高度层分析了无人机间通信链路阻塞行为的两个主要随机特性，即阻塞（或视线）概率和状态转移模型（视线传播的生灭过程）。基于随机几何方法，推导了视线概率与区域参数和建筑物参数的关系，并进行了仿真验证。此外，通过对信道状态转移过程的仿真，发现生灭过程可以用距离连续的马尔可夫过程来描述，并提取了转移率与层高度的关系。
2018-05-11 cs.IT eess.SP math.IT
Temporal and Spatial Characteristics of mmWave Propagation Channels for UAVs
无人机（UAV）被设想为未来5G通信系统的组成部分。无人机为不同位置的用户提供服务的灵活性有助于动态优化未来网络的覆盖范围和服务质量（QoS）。然而，使用无人机进行毫米波通信的文献非常有限。在这项工作中，我们探讨了毫米波空对地~（AG）视线~（LOS）传播信道的小尺度时间和空间特性在$28$ ~GHz的不同环境场景：密集的城市，郊区，农村，和海上使用全向天线，无线InSite射线跟踪软件。我们将接收到的多径分量分为持久分量和非持久分量。AG传播通道的小尺度时间和空间特性被发现依赖于散射体的属性：数量，分布和几何形状。此外，在不同的环境中的时间和空间域的MPC的聚类被发现是依赖于散射体的属性和接收器的灵敏度。当无人机的高度与散射体的高度相当时，我们观察到大的时间和角度扩展。
2018-05-25 eess.SP
Distributed 3D-Beam Reforming for Hovering-Tolerant UAVs Communication over Coexistence: A Deep-Q Learning for Intelligent Space-Air-Ground Integrated Networks
针对卫星、地面与无人机共存通信中的悬停、旋转及干扰问题，提出基于DQN的分布式3D波束选择、跟踪与重构方法，并以最优选择算法验证其可实时低误差提升波束成形性能。
2023-07-18 eess.SP
Multi-layer Unmanned Aerial Vehicle Networks: Modeling and Performance Analysis
由于各种类型的无人机（UAV）具有不同的硬件能力，我们建立了多层空中网络（MAN）的基础。首先，将城域网建模为K层AN，每一层具有不同密度、浮动高度和发射功率的无人机。为了使该框架适用于各种情况下，在MAN，我们认为发射机和接收机为导向的节点关联规则，以及空对地和空对空信道模型，形成视线的链接与位置相关的概率。然后重新分析了城域网的关联概率、主链路距离分布、成功传输概率（STP）和区域频谱效率（ASE），并给出了使STP和ASE最大的最优密度的上界。最后，在数值结果中，我们显示了AN的最佳无人机密度，最大化ASE和STP随着网络的高度而降低。我们还表明，当两层AN的无人机总密度固定时，对于低（高）总密度情况，仅对所有无人机使用较高（较低）高度的单层可以获得更好的性能，否则，将无人机分布在两层中，即，MAN，实现更好的性能。
2019-04-02 eess.SP
Joint ADS-B in B5G for Hierarchical UAV Networks: Performance Analysis and MEC Based Optimization
针对分层无人机监视中的单一通信局限，提出ADS-B与5G协同框架及基于MEC的机载处理算法，通过A2G/A2A信道分析与仿真实验验证其可显著去冗补全、增强轨迹可观测性。
2025-03-18 eess.SP
Lightweight UAV-based Measurement System for Air-to-Ground Channels at 28 GHz
毫米波频率的无线通信已经吸引了相当多的关注，用于向无人驾驶飞行器（UAV）递送高比特率连接。然而，由于商用无人机的有效载荷和功率限制，进行评估这些频率下通信所需的信道测量一直具有挑战性。这项工作提出了一种新的轻量级（约1.3公斤）的信道测量系统，在28 GHz安装在商用无人机。配备喇叭天线的地面发射机将探测信号传送到配备轻型频谱分析仪的无人机。我们证明，测量可以高度影响的天线方向图形状的无人机的框架。一个校准程序，以纠正天线增益的角度变化。然后，在距离超过300米的飞机跑道的实际飞行中验证测量设置。
2021-03-31 eess.SP
Experimental evaluation of beamforming on UAVs in cellular systems
波束形成技术在无人机中的应用具有显著改善空地链路质量的潜力。本文介绍了这样一个基于无人机的波束形成系统在活蜂窝网络的实验测试的结果。搭建了一个具有定向天线的实验平台。它示出，波束成形可以扩展由于天线增益的信号覆盖范围，以及空间上减少干扰，导致更高的信号质量。此外，通过减少切换发生，它对飞行UAV的移动性性能具有积极影响。还讨论了在何种情况下波束成形应转化为上行链路吞吐量增益。
2020-03-24 eess.SP
Remote ID Based UAV Collision Avoidance Optimization for Low-Altitude Airspace Safety
本文提出基于Remote ID的分布式多无人机防撞（DMUCA）框架，并设计多智能体深度Q网络自适应通信配置算法，在动态环境中优化协议选择以最小化通信延迟，相比固定配置降低32%延迟。
2025-08-11 eess.SP
Base-Stations Up in the Air: Multi-UAV Trajectory Control for Min-Rate Maximization in Uplink C-RAN
在本文中，我们研究了无人机（UAV）的轨迹对地面用户的频谱效率（SE）的影响。假设到用户的视线路径很强，从所有用户到所有UAV的距离影响在线轨迹优化的结果。应当以随着时间的推移使公平率最大化的方式来设计轨迹。这意味着，UAV在最大化用户SE的最小值的方向上行进。从自由空间路径损耗信道模型，计算数据速率梯度，并用于引导无人机在一个长期的角度来看，在二维空间网格上的局部最优解。因此，设计了一种控制系统的实现方案。因此，UAV遵循数据速率梯度方向，同时与梯度方法相比具有更平滑的轨迹。该系统可以在线对用户位置的变化做出反应;该系统设计通过中央单元处的联合处理来捕获多个UAV轨迹之间的交互，例如，地面基站。由于用户位置的广泛分布，UAV最终位于彼此相距很远的最佳位置。此外，SE预期在沿着这一轨迹移动的同时不断增强。
2018-11-26 cs.IT eess.SP math.IT
Networked ISAC for Low-Altitude Economy: Transmit Beamforming and UAV Trajectory Design
本文针对低空经济场景下的网络化ISAC系统，联合优化地面基站协同波束成形、授权无人机轨迹与基站关联，通过AO、SCA和SDR结合的算法求解非凸问题，有效平衡感知与通信性能，显著提升无人机平均和速率。
2024-05-13 eess.SP
Long mmWave Backhaul Connectivity Using Fixed-Wing UAVs
本文讨论了一种基于固定翼无人机（UAV）的毫米波（mmWave）回程链路的分析，该回程链路是一种经济高效且易于部署的解决方案，可将灾难或偏远地区连接到最近的核心网络。在考虑无人机振动、跟踪误差、真实3GPP天线方向图、无人机高度、飞行路径以及物理障碍物影响等实际信道参数的基础上，提出了基于固定翼无人机的中继系统的优化设计方法。所考虑的系统的性能进行评估的中断概率和信道容量，同时考虑到系统参数的影响，如无人机飞行路径和天线方向图的最佳选择。
2022-03-08 eess.SP
Latent Semantic State Estimation for Reliable Swarming of UAVs under Intermittent Connectivity
Institute for Advanced Computing and Bradley Dept. of Electrical and Computer Engineering Virginia Tech（弗吉尼亚理工大学高级计算研究所与布拉德利电气与计算机工程系）
针对间歇空-空通信下无人机集群协同侦察的问题，提出带记忆增强的潜在语义状态估计框架，采用集中式训练与分布式执行，仿真显示其性能接近全连通集群且鲁棒性良好。
2026-08-11 eess.SP
Integrated Robotics Networks with Co-optimization of Drone Placement and Air-Ground Communications
本文针对集成机器人网络中无人机部署与空地通信调度问题，提出和速率最大化模型，并设计基于交替梯度下降和惩罚二元松弛的快速多项式时间算法，仿真验证其有效性。
2023-12-03 cs.DC cs.SY eess.SP
Impact of UAV Wobbling on the Air-to-Ground Wireless Channel
采用Rician多径信道模型，研究了无人机抖动对无人机与地面用户设备之间无线信道相干时间的影响。我们考虑了两种不同的无人机数量场景：（i）单无人机场景（SUS），和（ii）多无人机场景（MUS）。对于每种情况，我们通过两个随机过程来模拟无人机摇摆，即，维纳和正弦过程，并表征信道自相关函数（ACF），然后使用ACF来导出信道的相干时间。对于MUS，我们进一步表明，用于不同UAV的UAV-UE信道彼此不相关。本文中的一个关键观察结果是，即使对于小型无人机摆动，信道的相干时间也可能迅速退化，这可能使得难以跟踪信道并建立可靠的通信链路。
2020-08-24 cs.IT eess.SP math.IT
UAV-Assisted Multi-Cluster Over-the-Air Computation
在本文中，我们研究了无人机（UAV）辅助无线数据聚合（WDA）在多集群网络中，多个无人机同时执行不同的WDA任务，通过空中计算（AirComp）没有地面基站。这项工作的重点是通过优化无人机的轨迹和收发器设计以及集群调度和关联，同时考虑WDA精度要求，最大限度地提高所有集群之间执行的WDA任务的最小量。这种联合设计对于多集群AirComp网络中的干扰管理至关重要，通过提高每个UAV与其关联集群之间的信号质量以进行信号对准，同时减少每个UAV与其非关联集群之间的集群间干扰。虽然它通常是具有挑战性的，以最佳地解决制定的非凸混合整数非线性规划，一个有效的迭代算法作为一种折衷的方法，开发利用二分法和块坐标下降法，在每次迭代中产生一个最佳的收发器的解决方案。分别利用对偶方法和逐次凸逼近方法得到了最优二元变量和次优轨迹。仿真结果表明，所提出的设计在基准和部署多个无人机在增加执行任务的数量，同时减少访问延迟的优越性相当大的性能增益。
2022-10-20 cs.IT eess.SP math.IT
Mobility Management for Cellular-Connected UAVs: A Learning-Based Approach
无线蜂窝网络的普及性可以是在没有人类控制的情况下在超视距场景中部署自主无人驾驶飞行器（UAV）的关键使能器。然而，传统的蜂窝网络针对地面用户设备（GUE）（例如智能手机）进行了优化，这使得为飞行的UAV提供连接变得非常具有挑战性。此外，由于复杂的空对地路径损耗模型，确保与移动的蜂窝连接无人机的更好连接是非常困难的。在本文中，提出了一种新的机制，以确保强大的无线连接和移动性支持蜂窝连接的无人机通过调整所有的GBS的下倾角（DT）的角度。通过利用强化学习（RL）的工具，DT角度通过使用无模型RL算法进行动态调整。目标是通过最大化无人机的接收信号质量，同时保持地面用户的良好吞吐量性能，在空中提供有效的移动性支持。仿真结果表明，建议的RL为基础的移动性管理（MM）技术可以减少的数量，同时保持性能目标，相比基线MM计划，其中网络总是保持DT角固定。
2020-03-10 eess.SP
Empirical Low-Altitude Air-to-Ground Spatial Channel Characterization for Cellular Networks Connectivity
该研究针对蜂窝联网无人机的空对地通信需求，通过16阵元均匀圆阵在三类场景0-40米高度实测两个LTE网络下行信号，提取信道冲激响应并估计多径参数、识别多径簇，全面分析了不同高度下的空间信道特性。
2021-04-12 eess.SP
Wireless Connectivity of a Ground-and-Air Sensor Network
本文表明，当考虑室外场景和无线通信使用的IEEE 802.11协议与偶极天线，地面反射是一个重要的传播机制。这样，该环境的双射线模型就可以以一定的准确度预测接收信号功率。该研究对无人机与地面传感器的通信具有一定的应用价值。在所提出的无线传感器网络（WSN）场景中，无人机必须接收来自环境的信息，这些信息由位于地面上的传感器收集，并且需要保持它们与基站之间的连接，以保持服务质量，同时在环境中移动。
2022-11-19 cs.NI 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
Energy-Aware Graph Task Scheduling in Software-Defined Air-Ground Integrated Vehicular Networks
软件定义的空地一体化无人机（SD-AGV）网络是一种很有前途的网络模式，它可以实现灵活的地面资源共享，以支持具有高计算开销的无人机创新应用。在本文中，我们研究了SD-AGV网络中的车辆云辅助任务调度问题，其中无人机承载的计算密集型任务和车辆云通过基于图的表示建模。为了将图任务的每个组件映射到可行的车辆，同时实现最小化无人机的任务完成时间，能量消耗和移动车辆之间的数据交换成本之间的权衡，我们将问题表示为混合整数非线性规划问题，这是NP-难的。此外，与保持任务结构相关联的约束提出了解决动态车辆拓扑上的子图同构问题，这进一步使算法设计复杂化。出于这一动机，我们提出了一种有效的解耦方法，通过分离的模板（组件和车辆之间的可行映射）搜索的传输功率分配。对于前者，我们提出了一个计算复杂度较低的搜索所有同构子图的有效算法。对于后者，我们引入了一个功率分配算法，通过应用$p$ -范数和凸优化技术。大量的仿真表明，该方法优于基准方法考虑各种问题的大小。
2022-05-09 cs.DC eess.SP
Quantum Multi-Agent Reinforcement Learning for Cooperative Mobile Access in Space-Air-Ground Integrated Networks
Korea University（高丽大学）；Ajou University（亚洲大学）；University of Houston（休斯顿大学）
本文提出基于量子多智能体强化学习（QMARL）的调度方法，解决空天地一体化网络中立方星与无人机协作移动接入的维度灾难问题，实现对数级动作维度缩减，提升全球接入可用性与能效。
2024-06-24 cs.AI eess.SP
Backhaul-Aware Intelligent Positioning of UAVs and Association of Terrestrial Base Stations for Fronthaul Connectivity
蜂窝用户的迅速增长需要现有蜂窝基础设施的新进展。处理这种巨大增长的单向式方法是密集地部署地面小型小区基站（TSB），并仔细管理智能回程/前传网络。然而，地面回程集线器显著地遭受密集衰落环境，并且难以安装在典型的城市环境中。因此，本文考虑用由无人机（UAV）组成的空中网络来代替地面回程网络，以提供TSB与地面核心网络（GCN）之间的前传连接。为此，我们专注于联合定位的无人机和TSBS的关联，使整个系统的总速率最大化。特别地，TSBS与UAV的关联问题在通信相关的约束下被公式化，即，带宽、到UAV的连接数量、功率限制、干扰阈值、UAV高度和回程数据速率。为了满足这一联合目标，我们利用遗传算法（GA），由于我们的优化问题的离线性质。该方法的性能进行评估，使用无监督学习的k-means聚类算法。我们观察到，所提出的方法是非常有效的，以满足智能前传网络的要求。
2021-05-01 eess.SP
Access Points in the Air: Modeling and Optimization of Fixed-Wing UAV Network
固定翼无人机具有良好的气动性能和较长的续航时间，在作为空中接入点方面具有很大的潜力。然而，固定翼无人机固有的悬停特征可能导致连接的不连续和地面用户（GU）的频繁切换。在这项工作中，我们建模和评估的固定翼无人机网络的性能，其中无人机AP提供覆盖GU与毫米波回程。首先，研究发现，在最接近无人机的实时关联下，网络空间吞吐量与悬停半径无关，而在与悬停中心最接近的无人机关联时，网络空间吞吐量随悬停半径线性减小。其次，网络ST被证明是大大降低与无人机AP的过度部署，由于无人机小区的过度重叠下不断增长的空对地干扰。最后，为了减轻干扰，设计了投影面积等效（PAE）规则来调整无人机波束宽度。特别是在PAE条件下，当无人机波束宽度与无人机密度的平方成反比时，网络ST可以随着无人机密度的增加而持续增加，与无人机飞行高度无关。
2020-05-08 cs.IT eess.SP math.IT
Air-to-Ground Communications Beyond 5G: UAV Swarm Formation Control and Tracking
本文提出一种结合CoMP传输与随机几何的无人机空对地通信模型，利用泊松-德劳内四面体化构建CoMP集，并设计无人机编队控制与跟踪方案，实现优于无CoMP方案且性能接近传统CoMP的覆盖与速率。
2023-12-25 cs.IT eess.SP math.IT
Pilot Decontamination for Massive MIMO Network with UAVs
本文研究了地面用户和无人机共存的大规模多输入多输出（MIMO）网络中的导频污染（PC）问题。由于无人机与基站之间存在较强的视距（LoS）空-地信道，与传统的地面用户相比，无人机通常会导致更严重的PC问题。为了减轻由无人机引起的PC，我们提出了一种低复杂度的分布式方案，通过利用大规模MIMO基站的全维波束成形和它们与高空无人机之间的角度相关的LoS信道。仿真结果表明，该方法能够有效地消除导频污染，并能显著提高上下行链路的信干噪比。
2020-06-09 cs.IT eess.SP math.IT
Reinforcement Learning-based Joint Path and Energy Optimization of Cellular-Connected Unmanned Aerial Vehicles
KTH Royal Institute of Technology（瑞典皇家理工学院）
近年来，无人机（UAV）引起了人们极大的研究兴趣。特别是在物联网领域，具有互联网连接的无人机是主要需求之一。此外，能量约束，即电池限制，是一个瓶颈的无人机，可以限制其应用。我们正在努力解决和解决能源问题。因此，提出了一种用于蜂窝连接的UAV的路径规划方法，该方法将使UAV能够通过在配备有发电站（PS）的某些位置充电来在比其电池范围大得多的区域中规划其路径。除了能量约束之外，还存在禁飞区;例如，由于空对空（A2 A）和空对地（A2 G）干扰，或者由于缺乏必要的连通性，这在UAV的轨迹优化中施加了额外的约束。禁飞区确定了应该避免的不可行区域。我们使用了一个强化学习（RL）分层扩展典型的短程路径规划器，考虑电池充电和解决问题的无人机在长期任务。针对无人机在大范围内飞行的问题进行了仿真，Q-学习算法可以使无人机找到最优路径和补给策略。
2020-11-27 cs.LG 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
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
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
State-Aware Rate Adaptation for UAVs by Incorporating On-Board Sensors
目前，无人机（UAV）正广泛应用于民用和军事领域。强大和高吞吐量的无线通信是这些无人机应用的关键。然而，空-地链路遭受由敏捷移动性和动态环境引起的时变信道。速率自适应算法通常用于基于当前信道条件来选择最佳数据率。最先进的方法利用物理层信息进行速率适配，并且它们在某些条件下工作良好。然而，在不断变化的飞行状态和环境下，上述协议仍然存在局限性的空-地链路。为了解决这个问题，我们提出了StateRate，这是一种状态优化的速率自适应算法，它使用混合深度学习模型充分利用了无人机系统的特性。关键的观察是，速率自适应策略需要根据运动相关的信道模型进行调整，这可以通过飞行状态来反映。在这项工作中，速率自适应协议的增强与无人机上的机载传感器的帮助下。为了充分利用传感器数据，我们引入了一个基于学习的预测模块，利用内部状态来动态存储可变飞行状态下的时间特征。我们还提出了一个在线学习算法，通过采用预训练的模型，适应不同的环境下的速率自适应算法。我们实现了我们的算法在商业无人机平台上，并在各种环境中进行评估。实验结果表明，当速率为2-6 m/s时，系统的吞吐量比现有的速率自适应算法提高了53%。
2019-10-21 cs.NI 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
A deep reinforcement learning approach to assess the low-altitude airspace capacity for urban air mobility
University of Maryland（马里兰大学）；University of Tehran（德黑兰大学）；Sharif University of Technology（谢里夫理工大学）
城市空中交通是一种新的交通方式，旨在通过利用低空空域提供快速和安全的旅行方式。如果不实施新的飞行规则，就无法实现这一目标，新的飞行规则可以确保为大量垂直起飞/降落的飞行器安全有效地分配飞行路径。这些规则还应允许为规划目的估计低空空域的有效容量。路径规划是城市空中机动中的一个重要课题，它可以使大量的无人机在空域中同时飞行而不会面临碰撞的风险。由于城市空中交通是一个新概念，当局仍在努力编辑适用于城市空中交通的新飞行规则。在这项研究中，自主无人机路径规划框架，提出了使用深度强化学习方法和深度确定性策略梯度算法。其目标是使用一个自我训练的无人机，在任何环境中，通过调整其加速度在尽可能短的时间内到达目的地。它应避免与任何动态或静态障碍物发生碰撞，并避免进入其路径上存在的优先许可区。因此，两种不同的奖励函数组合进行比较，并选择组合部署训练无人机通过编码的RL算法在Python中。最后，数值模拟研究了无人机在不同情况下的成功率，提供了有效空域容量的估计。
2023-01-23 cs.AI cs.RO eess.SP
Reconfigurable Airspace: Synergizing Movable Antenna and Intelligent Surface for Low-Altitude ISAC Networks
Shanghai Jiao Tong University（上海交通大学）；University of Sydney（悉尼大学）；Tohoku University（东北大学）
本文提出利用可移动天线与智能反射表面协同重构空域，以解决低空无人机ISAC网络中的机动性、传播复杂性和感知通信权衡问题，并分析了两种部署场景下的关键挑战与研究方向。
2025-11-13 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
Large Models for Aerial Edges: An Edge-Cloud Model Evolution and Communication Paradigm
本文针对6G空地一体化网络中UAV算力受限难以运行大型AI模型的问题，提出边云模型演进框架，并通过联合任务分配、传输资源与量化设计及边缘模型更新来最大化mAP，仿真验证其优于集中式和分布式框架。
2024-08-09 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
Location-aware Beamforming for MIMO-enabled UAV Communications: An Unknown Input Observer Approach
众多的通信和网络挑战阻碍了在现有无线技术主要集中在地面的极端环境中部署无人机（UAV）;因此，UAV的空对空信道没有完全覆盖。针对无人机联合感知与通信问题，提出了一种新的波束形成空间估计方法。所提出的空间估计算法依赖于使用基于延迟容忍的预测器，该预测器可以在存在由于阵风等因素引起的不确定性的情况下准确地预测目标无人机的位置。该方案使用离散时间未知输入观测器（UIO），通过在同一设备上工作，显著降低了联合目标检测和通信复杂度，并在信道阻塞和干扰的情况下可靠地执行。仿真结果证明了该方法的有效性。
2021-11-20 cs.IT cs.SY eess.SP
Energy-Efficient Cooperative Caching in UAV Networks
针对无人机（UAV）网络，研究了联合缓存与协作通信（Fog-RAN）的能量效率。由于无人机的电池和缓存有限，将流行的内容放在缓存中并管理无人机的能量消耗变得至关重要。我们制定的能量消耗的无人机作为一个聚合的通信/缓存，悬停，和垂直位移能量，然后设计一个优化问题，最佳分配内容的缓存和选择的高度无人机。采用随机几何的工具，我们还推导出EE在一个数值上易于处理的形式作为密度的函数，合作区的半径，缓存大小，主要的通信/物理特性的无人机，和有影响力的环境参数。我们开发了两种具有低计算复杂性的内容放置策略。进行的数值结果表明，通过采用这些算法，与常见的内容放置方案相比，能够将EE提高高达800%，例如，最不常用的（LRU），最流行的，和点击率。此外，虽然在LRU和命中率方案下，垂直位移无人机没有任何好处，但在我们的算法下，可以将EE提高至多600%。重要的是，通过我们的算法，可以增加合作区的大小，以稳定地增加EE，这是不是LRU的情况下，最流行的，命中率计划。我们最后观察到，有最佳值的密度和缓存大小的无人机，授予最大EE。
2019-08-20 cs.IT eess.SP math.IT
