Integration of Beyond Diagonal RIS and UAVs in 6G NTNs: Enhancing Aerial Connectivity
针对传统对角RIS信道调控能力有限的问题,本文提出将BD-RIS与无人机通信集成应用于6G非地面网络,阐述相关技术基础与集成潜力,开展搭载透射式BD-RIS的无人机通信案例研究并指明未来方向,有望提升无线覆盖与频谱效率。
2025-02-22 cs.ET eess.SP
CASH: Context-Aware Smart Handover for Reliable UAV Connectivity on Aerial Corridors
针对城市空中交通走廊中无人机频繁切换导致连接性能下降的问题,提出基于轨迹前瞻评分的情境感知智能切换协议CASH,可将切换频率降低78%并保持低中断概率。
2025-08-05 cs.NI eess.SP
3D-Map Assisted UAV Trajectory Design Under Cellular Connectivity Constraints
安全的蜂窝控制无人机(UAV)在视线之外的实现预计将在运输,货物交付和系统监控领域开辟重要的未来机会。在这一领域的一个关键挑战在于设计的轨迹,同时允许无人机任务的完成,可以保证可靠的蜂窝连接所有沿路径。在这一领域的以前的方法已经考虑了简单的传播模型假设(例如,基于视线)或更先进的模型,但计算要求优化的解决方案。在本文中,我们提出了一种新的轨迹设计方法,使用的覆盖范围图,可以得到的三维地图的环境和无线电传播模型的组合。利用覆盖图内的子区域的凸性,我们提出了一种低复杂度的基于图的算法,该算法以已知最优方法的计算成本的一小部分实现准最优性能。
2019-11-04 cs.IT eess.SP math.IT
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
Adaptive Height Optimisation for Cellular-Connected UAVs using Reinforcement Learning
Trinity College Dublin(都柏林圣三一学院);Virginia Tech(弗吉尼亚理工大学)
为蜂窝连接的无人机提供可靠的连接可能非常具有挑战性;它们的性能在很大程度上取决于周围环境的性质,例如地面BS的密度和高度。另一方面,高层建筑物可能阻挡来自地面BS的不期望的干扰信号,从而改善UAV与其服务BS之间的连接性。为了解决无人机在这种环境中的连通性问题,本文提出了一种RL算法,用于动态优化无人机在环境中移动时的高度,其目标是增加其所经历的吞吐量或频谱效率。所提出的解决方案在两种情况下进行评估:使用一系列生成的环境,我们在其中改变BS的数量和建筑密度,并在一个场景中使用从爱尔兰都柏林的实验中获得的真实数据。结果表明,我们提出的基于RL的解决方案提高了6%至41%的无人机的QoS,这取决于场景。我们还得出结论,当飞行高度高于建筑物,建筑物密度的变化对无人机的QoS没有影响。另一方面,BS密度会对UAV QoS产生负面影响,BS数量越多,产生的干扰越多,UAV性能越差。
2022-04-13 cs.LG eess.SP
A Transfer Learning Approach for UAV Path Design with Connectivity Outage Constraint
University College Dublin(都柏林大学学院);University of York(约克大学);University of Sheffield(谢菲尔德大学)
连通性感知路径设计是自主式无人机有效部署的关键。近年来,强化学习(RL)算法已成为解决这类复杂问题的流行方法,但RL算法收敛速度慢。在本文中,我们提出了一个迁移学习(TL)的方法,我们使用一个教师的政策,以前在一个旧的领域,以提高路径学习的代理在新的领域。随着探索过程和训练的继续,智能体根据随后与环境的交互来细化新域中的路径设计。我们评估我们的方法,考虑在6 GHz以下的旧域和在毫米波(mmWave)的新域。教师路径策略,以前训练在6 GHz以下的路径,是一个连通性感知的路径问题,我们制定为一个约束马尔可夫决策过程(CMDP)的解决方案。我们采用基于Lyapunov的无模型深度Q网络(DQN)来解决6 GHz以下的路径设计,以保证连通性约束满足。我们实证证明了我们的方法对不同的城市环境场景的有效性。结果表明,我们提出的方法能够大大减少毫米波的训练时间。
2022-11-07 cs.RO eess.SP
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
Energy Efficient Pairing and Power Optimization for NOMA UAV Network under QoS Constraints
由于越来越多的无人驾驶飞行器(UAV)通常具有有限的电池功率,未来的无线网络需要具有大规模连接能力的节能数据传输方案。非正交多址接入(NOMA)是通过允许多个用户在同一资源块上的叠加数据传输来提供这种大规模连接的有前途的技术之一。与现有文献不同,本文提出了一种用户配对和功率分配技术的能量效率和服务质量(QoS)意识的NOMA传输蜂窝连接的移动无人机。其目的是通过联合优化无人机配对和功率分配,最大限度地减少移动无人机在上行数据传输过程中的功耗,并保证其所需的传输速率。此外,移动无人机的性能和配对的复杂性进行了分析,表明所提出的配对技术有效地满足其QoS要求。数值和仿真结果表明,所提出的技术相比,传统的NOMA技术的性能增益。
2020-11-03 eess.SP
Enhancing Connectivity for Emergency Vehicles Through UAV Trajectory and Resource Allocation Optimization
School of Electrical Engineering, Iran University of Science & Technology (IUST)(伊朗理工大学电气工程学院);ICT research institute, Iran Telecommunication Research Center (ITRC)(伊朗电信研究中心ICT研究所)
针对应急车辆通信保障需求,本文提出无人机轨迹规划与动态带宽分配联合优化方法,在保障应急车辆瞬时速率达标前提下最大化普通车辆最小平均速率,经迭代分解与SCA求解,性能优于基准方法。
2025-09-30 eess.SP
UAV Access Point Placement for Connectivity to a User with Unknown Location Using Deep RL
近年来,无人机(UAV)被认为是用于电信目的的中继器,缓存器或物联网数据收集器。除了易于部署之外,它们的机动性还允许它们调整位置,以优化到地面用户设备的链路或到基站的链路的容量。大多数以前的工作,分析这种无人机的最佳位置,至少有两个假设之一:信道可以使用一个简单的模型预测或用户在地面上的位置是已知的。在本文中,我们使用深度强化学习(deep RL)来优化在城市环境中为地面用户提供服务的无人机,而无需事先了解信道或用户位置。我们的算法依赖于信号干扰噪声比(SINR)的测量和3D地图的拓扑结构来考虑阻塞和散射。此外,它还可以在任何城市环境中运行。在光线跟踪软件模拟的条件下,结果表明,在最大迭代次数的约束下,我们的算法有90%的成功率收敛到目标SINR。
2019-07-13 cs.SY eess.SP eess.SY
Resource Management for Transmit Power Minimization in UAV-Assisted RIS HetNets Supported by Dual Connectivity
本文提出了一种新的方法,以提高性能的异构网络(HetNet)支持的双连接(DC),采用多个无人机(UAV)作为被动中继,携带可重构智能表面(RIS)。更具体地说,RIS部署在称为UAVs-RIS的UAV之下,UAVs-RIS在空中的微波($μ$ W)信道上操作,以维持与地面用户的强视距(LoS)连接。宏小区基于正交多址(OMA)在$μ$ W信道上操作,而小型基站(SBS)基于非正交多址(NOMA)在毫米波(mmW)信道上操作。我们研究了通过联合优化每个无人机的轨迹/速度、RIS的相移、子载波分配和每个BS的主动波束形成器来最小化总发射功率的问题。底层问题是高度非凸的,全局最优解是棘手的。为了处理它,我们将原问题分解为两个子问题,即,一个处理UAV的轨迹/速度、RIS的相移和用于$μ$ W的子载波分配的子问题;以及一个用于毫米波的主动波束形成设计和子载波分配的子问题。特别是,我们通过开发一种分布式算法,通过决斗深度Q网络(DQN)学习方法解决了第一个子问题,从而实现了更好的策略评估。然后,我们解决了主动波束形成的设计和子载波分配的毫米波通过连续凸近似(SCA)方法。仿真结果表明,所提出的资源分配计划相比,其他基线计划的有效性。特别是,它揭示了通过部署UAVs-RIS,发射功率可以降低6 dBm,同时保持类似的保证QoS。
2021-06-24 cs.IT eess.SP math.IT
Resilient UAV Swarm Communications with Graph Convolutional Neural Network
Tsinghua University(清华大学)
研究了无人机群网络(USNET)在不可预测的外部中断(UEDs)下快速重建通信连通性的自愈问题。首先,为了应对一次性UED,我们提出了一个图卷积神经网络(GCN),并找到恢复拓扑的USNET在线的方式。其次,针对一般的UEDs,提出了一种基于GCN的轨迹规划算法,使无人机在自愈过程中能够重建通信连接。我们还设计了一个Meta学习计划,以促进在线执行的GCN。数值实验结果表明,无论是在一次性用户设备还是在一般用户设备情况下,所提算法都能比现有算法更快地重建USNET的通信连通性。仿真结果也表明,Meta学习方案不仅可以提高GCN的性能,但也降低了在线执行的时间复杂度。
2021-10-26 cs.LG eess.SP
Multi UAV-enabled Distributed Sensing: Cooperation Orchestration and Detection Protocol
本文提出一种基于无人机的半双工OFDM分布式感知框架,通过空间网格和最大似然估计算法联合估计目标RCS,由融合中心进行数据协调与融合,仿真证明其相比单基地无人机提升了精度与分辨率,且比压缩感知方法开销更低。
2023-09-10 eess.SP
UAV-Assisted Wireless Communications: An Experimental Analysis of A2G and G2A Channels
本文通过实验分析50至500米距离下无人机航向对A2G和G2A信道信号强度、TCP吞吐量及天线辐射方向图的影响,揭示航向因素在实际无人机通信中的关键作用。
2023-08-12 cs.NI eess.SP
3D Mobility Models and Analysis for UAVs
我们提出了一个灵活的家庭的3D移动模型适用于无人机(UAV)。基于随机微分方程,该模型提供了一个独特的属性,明确纳入流动性控制机制和环境扰动,同时使易于处理的稳态解的属性,如位置和连接。具体而言,无人机飞行数据的激励下,一个对称的移动模型与任意的控制机制,我们推导出稳态分布的距离目标位置。我们提供了封闭形式的表达式的特殊情况下的Ornstein-Uhlenbeck(ONS)过程和开关控制(OC)。我们扩展模型,将不完美的定位和不对称控制。对于一个实际相关的情况下,部分对称(如在x-y平面),我们提出了稳定状态的位置结果的控制。在此基础上,我们推导出无人机连接概率结果的基础上的SNR标准在瑞利衰落环境。
2020-06-27 eess.SP
Millimeter Wave Remove UAV Control and Communications for Public Safety Scenarios
来自无人驾驶飞行器(UAV)的通信和视频捕获为协助远程公共安全环境中的第一响应者提供了巨大的潜力。在这样的使用中,毫米波(mmWave)无线链路可以在UAV和远程命令中心之间提供高吞吐量和低延迟连接。然而,由于需要支持高速波束跟踪并克服阻塞,因此在毫米波频带中保持可靠的空中通信是具有挑战性的。本文提供了一项模拟研究,旨在评估通过28 GHz的5G链路实现公共安全无人机连接的可行性。在类似于公共安全设置中预期的机动期间捕获真实的飞行运动轨迹。然后,运动轨迹被纳入详细的毫米波网络模拟器中,该模拟器对信道、阻塞、波束成形和完整的3GPP协议栈进行建模。我们表明,当基站位于任务区附近时,5G毫米波通信可以提供高达1 Gbps的吞吐量,并具有一致的亚毫秒延迟,从而实现无人机控制和感知算法的远程卸载。
2020-05-13 eess.SP
Toward Secure Communications for a UAV Swarm with Movable Antennas in SAGIN: CKM-Enabled Multi-Agent Reinforcement Learning Framework
National Mobile Communications Research Laboratory, Southeast University(东南大学国家移动通信实验室);Purple Mountain Laboratories(紫金山实验室);Singapore University of Technology and Design(新加坡科技设计大学);Yonsei Frontier Laboratory, Yonsei University(延世大学延世前沿实验室)
针对SAGIN中无人机集群通信易受窃听问题,提出CKM辅助的多智能体强化学习框架,联合优化MA位置、无人机轨迹与链路选择以提升保密能效。
2026-08-31 eess.SP
Distributed and Multi-layer UAV Network for the Next-generation Wireless Communication
本文研究 UAV 与下一代无线通信融合问题,提出多层分布式 UAV 分层架构,并结合通信与空气动力学权衡及气象数据开展数值分析。
2018-05-03 eess.SP
A Framework for UAV-based Distributed Sensing Under Half-Duplex Operation
提出了一种基于无人机的分布式传感框架,该框架采用频分复用(OFDM)波形在半双工工作模式下检测地面目标的位置。将目标所在的感兴趣区域划分为网格单元,由多架无人机联合估计每个网格单元的雷达散射截面(RCS),中心节点作为融合中心,接收所有估计值并进行信息级融合。对于每个无人机的局部估计,使用周期图方法,并假设数字接收波束形成器。融合的RCS估计网格被用来估计单元包含的目标。蒙特卡洛模拟得到的检测概率的建议框架,我们的结果表明,该框架达到了更高的精度比其他OFDM双基地雷达方法在文献中提出的目标检测。
2023-02-21 eess.SP
Distributed UAV Swarm Augmented Wideband Spectrum Sensing Using Nyquist Folding Receiver
针对分布式无人机集群宽带频谱感知中亚 Nyquist 采样复杂度高、非严格稀疏恢复效率低的问题,提出基于 NYFR 的两种多通道架构并分析脉冲与块稀疏恢复,实验验证其感知效率提升。
2023-08-14 eess.SP
A Reinforcement Learning Approach for Wildfire Tracking with UAV Swarms
本文提出一种基于双延迟深度确定性策略梯度的无人机集群轨迹优化框架,在保持无蜂窝连接的同时实现野火追踪与覆盖,并适用于其他灾害监测。
2024-07-07 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
Distributed Clustering for User Devices Under Unmanned Aerial Vehicle Coverage Area during Disaster Recovery
无人机(UAV)是用于向地面用户设备提供无线覆盖的有前景的技术。对于所有在灾难中被摧毁的基础设施通信网络,在灾后场景中提供服务期间,无人机的电池寿命是一个挑战。因此,在用户设备中选择簇头在检测无人机信号和处理数据以提高无人机能量效率和可靠连接方面起着至关重要的作用。本文着重于性能评估的聚类方法在检测无线覆盖服务,提高能源效率的性能。评估性能是对地空通道视距(LoS)的真实仿真。仿真结果表明,簇头节点能够以最小的能量消耗有效地将无人机与簇内成员节点连接起来。无人机高度和路径损耗指数影响用户设备检测无线覆盖。此外,在灾难后的可靠连接,在簇头的误比特率考虑。集群稳定了将未覆盖节点连接到UAV的集群,并且其这样做的有效性导致其在紧急通信系统中的普遍存在。
2021-03-14 eess.SP
Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms
Technology Innovation Institute(技术创新研究院)
针对RIS辅助的5G大规模MIMO系统三维UAV覆盖公平性问题,提出两种联合波束成形与相移优化算法,结合深度确定性策略梯度求解,实现UAV最小SINR最大化,仿真验证了方案有效性。
2023-11-14 cs.AI cs.IT eess.SP
Trajectory Design for Distributed Estimation in UAV Enabled Wireless Sensor Network
在本文中,我们研究了一个无人机(UAV)使能的无线传感器网络,其中无人机被派遣到收集传感器节点(SN)的传感器数据估计未知参数。结果表明,为了使估计的均方误差最小,无人机需要从尽可能多的SN上采集数据,并在此基础上建立了一个基于实际机动约束的无人机航迹优化设计问题。虽然该问题是非凸的,NP-难的,我们证明了最优无人机轨迹只由连接的线段。通过这种简化,利用经典的旅行商问题(TSP)方法和应用凸优化技术,提出了一个有效的次优解决方案。仿真结果表明,所提出的轨迹设计实现了显着的性能增益的SN的数据被成功收集的数量,相比其他基准计划。
2018-05-11 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
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
Distributed and Autonomous Aerial Data Collection in Smart City Surveillance Applications
智慧城市和物联网应用的大规模增长使安全和保障成为可能。无人机网络(无人机)等空中设备中的监控摄像头产生的数据需要传输到地面站进行安全数据分析。当网络规模相对于设备的无线通信覆盖范围而言相对较大时,并不总是能够将数据传输到地面站,因此本质上需要分布式和自治算法。基于这一需求,本文提出了一种新的无人机网络监控数据采集算法,该算法充分考虑了无人机网络的移动性和灵活性。由于无人机电池的限制,我们有选择地收集数据的无人机通过设置规则的距离和相似性的考虑。作为一个序列,UAV设备必须竞争获得数据处理的机会。为此,本文设计了一种基于Myerson拍卖的深度学习算法,在保证真实性的同时,将无人机的收益与传统的二价拍卖进行比较。基于仿真结果,我们验证了我们提出的算法达到了预期的性能改善。
2021-07-25 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
Maximizing UAV Fog Deployment Efficiency for Critical Rescue Operations
University of Science and Technology Beijing(北京科技大学);School of Computer Science, University College Dublin(都柏林大学学院计算机科学学院);University of Djelfa(杰勒法大学)
本文针对灾害救援场景,提出基于动态无人机雾部署的优化模型,将问题分解为连通覆盖与网络寿命两个子问题,并引入自适应鲸鱼优化算法(WOA)实现高效雾节点放置,以最大化覆盖和延长网络寿命。
2024-02-25 cs.AI cs.NI eess.SP
Multi-Agent Deep Reinforcement Learning For Optimising Energy Efficiency of Fixed-Wing UAV Cellular Access Points
无人机(UAV)有望成为下一代通信的固有组成部分,因为它们可以被部署为向地面用户提供无线连接,以补充现有的地面网络。大多数关于使用UAV接入点进行蜂窝覆盖的现有研究考虑旋翼UAV设计(即四轴飞行器)。然而,我们预计固定翼无人机在需要长时间飞行的情况下(例如农村覆盖)更适合用于连接目的,因为与旋翼设计相比,固定翼无人机依赖于更节能的飞行形式。由于固定翼无人机通常无法悬停到位,其部署优化涉及优化其单独的飞行轨迹,使其能够以节能的方式为地面用户提供高质量的服务。在本文中,我们提出了一种多智能体深度强化学习方法,以优化固定翼无人机蜂窝接入点的能效,同时仍允许它们为地面用户提供高质量的服务。在我们的分散方法中,每个无人机都配备了一个决斗深度Q网络(DDQN)代理,可以在一系列时间步长内调整无人机的3D轨迹。通过与邻居协调,无人机以优化整个系统能源效率的方式调整各自的飞行轨迹。我们对一系列启发式轨迹规划策略的性能进行基准测试,并证明我们的方法可以提高系统的能源效率高达70%。
2021-11-03 cs.LG eess.SP
UAV-based Maritime Communications: Relaying to Enhance the Link Quality
本文研究利用无人机中继缓解海事通信中船舶遮挡导致的数据速率下降问题,比较固定、k-means和着陆点三种定位方法,发现着陆点定位在数据速率与能耗间取得最佳平衡。
2024-06-06 cs.NI eess.SP
Data-Driven 3D Placement of UAV Base Stations for Arbitrarily Distributed Crowds
在本文中,我们考虑了一个无人机(UAV)辅助蜂窝系统,其中包括多个无人机基站(BS)合作的地面BS。在这样的异构网络中,对于蜂窝运营商来说,问题是如何确定合适的UAV-BS的数量、位置和高度以提高系统总速率以及满足任意闪光人群对数据率的需求。我们提出了一个数据驱动的三维布局的无人机基站提供一个有效的布局结果与可行的计算成本。该算法在多项式时间内以最大系统总速率搜索服务区域内UAV-BS的数量、位置、覆盖范围和高度,以保证UE的最小数据率需求。仿真结果表明,与无无人机基站的情况相比,该方法可以提高系统的总速率。
2019-09-25 cs.CC cs.DS cs.NI
Outage Probability Minimization for UAV-Enabled Data Collection with Distributed Beamforming
研究了一种基于无人机的无线传感器网络,其中一架无人机在空中飞行,通过分布式波束形成技术收集来自一组传感器的数据。我们考虑延迟敏感的应用场景,其中传感器通过使用固定的数据率和自适应的发送功率来发送公共/共享消息。在此基础上,在满足无人机飞行速度约束和传感器平均功率约束的前提下,联合优化无人机轨迹设计和传感器发射功率分配,以最小化传输中断概率。然而,制定中断概率最小化问题是非凸的,因此很难在一般情况下得到最优解。为了解决这个问题,我们首先考虑在理想情况下的无人机的飞行速度约束忽略的特殊问题,得到结构良好的最优解,揭示了基本的性能上界。其次,对于一般的无人机飞行速度约束问题,我们提出了一个有效的算法来解决它的次优使用凸优化和近似技术。最后,数值结果表明,我们提出的设计实现了显着降低中断概率比其他基准计划。
2020-03-07 cs.IT eess.SP math.IT
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
Handover and SINR-Aware Path Optimization in 5G-UAV mmWave Communication using DRL
Institute of Information Science and Technologies (ISTI) CNR(国家研究委员会信息科学与技术研究所(ISTI))
针对动态信道下UAV毫米波通信的路径优化问题,提出无模型AC-DRL框架,综合飞行时间、切换、连接性和SINR,实现最短时间、最少切换与高SINR的最优路径决策。
2025-04-03 cs.LG cs.NI eess.SP
LSTM-Based Distributed Conditional Generative Adversarial Network For Data-Driven 5G-Enabled Maritime UAV Communications
支持5G的海上无人机通信是5G无线网络的重要应用之一,需要最小的延迟和更高的可靠性来支持关键任务应用。因此,具有高数据速率的无损可靠通信是现代无线通信系统中的关键要求。这些因素都高度依赖于信道条件。在这项工作中,提出了一个信道模型的空到地链路利用毫米波(毫米波)的5G海上无人机(UAV)通信。首先,我们将提出公式化的信道估计方法,其直接旨在从由在长短期记忆(LSTM)-分布式条件生成对抗网络(DCGAN)(即,针对每个波束成形方向的(LSTM-DCGAN))内操作的UAV灌输的信道模型中采用毫米波的信道状态信息(CSI)。其次,为了增强所提出的空间域训练信道模型的应用,我们设计了一个基于LSTM-DCGAN的无人机网络,其中每个无人机网络将学习所有分布的毫米波CSI。最后,我们分类了最有利的LSTM-DCGAN训练方法,并为我们的无人机网络提供了一定的条件来提高信道模型学习率。仿真结果表明,所提出的基于LSTM-DCGAN的网络对局部训练产生的误差具有很强的鲁棒性。已经与其他可用的最先进的CGAN网络架构进行了详细的比较,即独立CGAN(没有CSI共享),简单CGAN(具有CSI共享),多通道CGAN,联合学习CGAN和DCGAN。仿真结果表明,所提出的LSTM-DCGAN结构在学习过程中表现出更高的准确性,并获得了更多的数据速率的下行链路传输相比,以前的艺术作品。
2022-05-09 eess.SP
On-Demand Density-Aware UAV Base Station 3D Placement for Arbitrarily Distributed Users with Guaranteed Data Rates
department of Electrical and Computer Engineering, National Chiao Tung University(国立交通大学电气与电脑工程学系)
本文提出了一种基于密度感知的无人机基站3D部署算法,通过提高用户覆盖率和降低发射功率,实现了对任意分布用户的数据速率保障。
2019-04-24 cs.GT cs.NI eess.SP
UAV-assisted Distributed Learning for Environmental Monitoring in Rural Environments
University of Novi Sad(诺威萨大学);The Institute for Artificial Intelligence Research and Development of Serbia(塞尔维亚人工智能研究与发展研究所)
本文提出利用无人机作为中继并结合拆分学习,在偏远农村物联网环境监测中缓解连接与资源限制,并通过仿真验证其在恶劣信道下的鲁棒性和自适应优势。
2024-07-02 cs.AI cs.LG eess.SP
Distributed UAV-enabled zero-forcing cooperative jamming scheme for safeguarding future wireless networks
在这项工作中,我们调查的影响,两个合作的无人机(UAV)为基础的干扰机的保密性能的地面无线网络中存在的窃听。为此,我们调查的秘密区域相关的指标,干扰覆盖和干扰效率。此外,我们提出了一种混合度量,所谓的加权秘密覆盖(WSC)和虚拟分布式多输入多输出(MIMO)为基础的迫零预编码方案,以避免干扰的影响,合法的接收机。为了评估这些指标,我们推导出一个封闭形式的基于位置的度量,保密性的改善。数学推导和仿真比较表明,所提出的迫零方案提高了WSC的保密性能,为提高干扰效率提供了条件。它们还显示了合法发射机周围固定轨道上无人机的定位趋势以及最佳保密的功率分配趋势。
2021-09-28 cs.IT eess.SP math.IT
UAV-Enabled Data Collection for Wireless Sensor Networks with Distributed Beamforming
本文研究了一种基于无人机的无线传感器网络,其中一架无人机在天空中飞行,通过分布式波束形成收集从一组地面节点传输的数据。我们考虑了两种情况下的延迟容忍和延迟敏感的应用程序,其中的GN发送的共同/共享的消息,通过自适应和固定速率传输的无人机,分别。对于这两种情况,我们的目标是最大化的平均数据速率吞吐量和最小化的传输中断概率,分别通过联合优化无人机的轨迹设计和GNs的发射功率分配随着时间的推移,受无人机的飞行速度约束和GNs的个人平均功率约束。然而,这两个公式化的问题都是非凸的,因此通常很难得到最优解。为了解决这个问题,我们首先考虑放松的问题,在理想的情况下,无人机的飞行速度约束被忽略,得到结构良好的最优解,揭示了基本的性能上界。结果表明,对于两个近似问题,最优轨迹解具有相同的多位置悬停结构,但具有不同的最优功率分配策略。其次,对于一般的无人机飞行速度约束问题,我们提出了有效的算法,以获得高质量的解决方案,通过使用凸优化和近似的技术。最后,数值结果表明,我们提出的设计显着优于其他基准计划,在实现的数据速率吞吐量和中断概率在两种情况下。当任务周期足够长时,我们提出的设计方法在忽略无人机的飞行速度约束时接近性能上限。
2021-08-07 cs.IT eess.SP math.IT
MAESTRO-X: Distributed Orchestration of Rotary-Wing UAV-Relay Swarms
这项工作详细介绍了一个可扩展的框架,以协调一群旋转翼无人机作为蜂窝中继,以促进地面用户的超视距连接和流量卸载。首先,针对单架无人机开发了多尺度自适应能量敏感调度和轨迹优化(MAESTRO)框架。以最小化服务用户请求的时间平均延迟为目标,在平均无人机功率约束条件下,该优化问题可以转化为一个半马尔可夫决策过程,并表现出多尺度结构:外部作用于径向等待速度和终端服务位置的行为最小化长期延迟-功率权衡,通过数值迭代进行优化;给定这些外部动作,对角等待速度和服务轨迹的内部动作使短期延迟能量成本最小化。在内部优化中,提出了一种新的分层竞争群优化算法,通过迭代两两更新来设计高分辨率的轨迹。接下来,MAESTRO通过可扩展的策略复制扩展到无人机群(MAESTRO-X):通过分散的命令和控制网络,最佳的单代理策略通过扩展最大化,共识驱动的冲突解决,自适应频率重用和捎带来增强。数值仿真结果表明,对于10 Mbits的用户请求,MAESTRO算法比高空平台快3.8倍,比静态无人机部署快29%;对于3个无人机中继的集群,MAESTRO-X算法比连续凸近似算法快4.7倍;值得注意的是,通过MAESTRO优化的一架无人机比通过深度Q网络优化的3架无人机高出38%。
2023-02-05 cs.IT eess.SP math.IT
Image-Domain Tilt Constrained Distributed Fusion for Maneuvering UAV Tracking with Multi-Camera Electro-Optical Observations
Institute of Optics and Electronics, Chinese Academy of Sciences(中国科学院光电技术研究所);Shenzhen Astralldynamics Technology(深圳星动科技)
提出图像域倾斜约束分布式融合方法,利用无人机图像中的滚转和俯仰作为机动线索,通过弱先验自动标注和YOLO-OBB检测器提供在线测量,融合移动云台相机和固定地面相机,显著降低预测误差。
2026-07-02 cs.RO eess.IV eess.SP