Adaptive 5G Resource Allocation for Multistatic ISAC-Based UAV Detection and Tracking
North Carolina State University（北卡罗来纳州立大学）
本文提出一种自适应多基地ISAC框架，通过共享资源分配和软件定义传感器辅助，在5G网络中实现负载感知的无人机检测与跟踪，兼顾通信吞吐量与感知性能。
2026-06-23 cs.SY eess.SP eess.SY
Multi-Agent Reinforcement Learning Based Resource Allocation for UAV Networks
无人驾驶飞行器（UAV）能够用作空中基站（BS），用于提供成本有效的和按需的无线通信。本文研究了多无人机通信网络的动态资源分配问题，其目标是最大化长期回报。更具体地，每个UAV通过自动选择其通信用户、功率电平和子信道来与地面用户通信，而无需UAV之间的任何信息交换。为了模拟环境的不确定性，我们制定了长期的资源分配问题作为一个随机游戏，最大限度地提高预期的回报，其中每个无人机成为一个学习代理，每个资源分配解决方案对应于无人机采取的行动。之后，我们开发了一个多智能体强化学习（MARL）框架，每个智能体发现其最佳策略，根据其本地观察使用学习。更具体地说，我们提出了一种独立于代理的方法，所有代理独立地进行决策算法，但共享一个基于Q学习的共同结构。仿真结果表明：1）适当的探测和探测参数能够提高基于MARL的资源分配算法的性能; 2）与无人机之间完全信息交换的情况相比，基于MARL的资源分配算法具有可接受的性能。通过这样做，它在性能增益和信息交换开销之间取得了很好的平衡。
2018-10-24 eess.SP
Trajectory Optimization and Resource Allocation for OFDMA UAV Relay Networks
在本文中，我们考虑了一个单小区多用户正交频分多址接入（OFDMA）网络与一个无人机（UAV），它作为一个放大和转发中继，以提高服务质量（QoS）的用户设备（UE）在小区边缘。为了在保证用户公平性的同时提高系统吞吐量，对通信模式、子信道分配、功率分配和无人机轨迹进行联合优化，这是一个NP难问题。为了有效地设计无人机轨迹和资源分配，首先将问题分解为三个子问题，即，模式选择和子信道分配、轨迹优化和功率分配，然后迭代求解这些子问题。仿真结果表明，该算法的性能优于随机算法和蜂窝方案。
2021-04-22 cs.IT eess.SP math.IT
Dynamic Trajectory and Offloading Control of UAV-enabled MEC under User Mobility
在本文中，我们考虑一个无人机启用MEC平台，为多个移动地面用户提供随机移动和任务到达。我们的目标是最小化所有用户的平均加权能耗平均无人机能耗和数据队列稳定性的约束。为了控制系统在连续时隙中的运行，将问题描述为多阶段随机优化问题，并提出了一种在线算法，在每个阶段优化资源分配和无人机轨迹。我们采用李雅普诺夫优化，将多阶段随机问题转化为每槽确定性问题，优化变量少得多。为了解决每个时隙的非凸问题，我们使用连续凸近似（SCA）技术，以联合优化资源分配和无人机的运动。仿真结果表明，该算法能够满足无人机平均能耗和队列稳定性约束，在降低地面用户能耗方面明显优于其他基准算法。
2021-05-19 cs.SY eess.SP eess.SY
Low-Complexity Algorithm for Outage Optimal Resource Allocation in Energy Harvesting-Based UAV Identification Networks
研究了一种基于能量采集技术的无人机识别网络。在网络中，无人机通过从地面控制站（GCS）发送的射频（RF）信号获取能量，然后将其识别信息发送到地面接收站（GRS）。具体来说，我们首先推导出中断概率的封闭式表达式来评估网络性能。在此基础上，得到了带宽均匀分配给无人机时的最优时间分配的解析表达式。提出了一种快速收敛的时间和带宽分配算法，以优化基于EH的无人机识别网络的中断性能。仿真结果表明，该算法的性能优于传统的二分法，并达到接近最优的性能。
2021-08-21 cs.IT eess.SP math.IT
Clustering and Power Allocation for UAV-assisted NOMA-VLC Systems: A Swarm Intelligence Approach
将无人机（UAV）与非正交多址（NOMA）可见光通信（VLC）相结合，展现了VLC和NOMA-VLC系统的许多潜力。在这种情况下，用户分组是重要的，以降低NOMA解码的复杂度时，用户的数量是大的，但是，这个问题还没有被考虑在现有的研究。在本文中，我们的目标是最大化的加权和速率的所有用户联合优化无人机放置，用户分组，下行NOMA-VLC系统的功率分配。首先考虑一种有效的用户聚类策略，然后应用一种群体智能方法，即Harris Hawk Optimization（HHO），解决无人机联合布局和功率分配问题。仿真结果表明，该算法的性能优于四个替代方案：OMA，NOMA没有配对，NOMA-VLC与固定的无人机放置，和随机用户分簇。
2020-07-12 cs.NI eess.SP
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
Placement and Resource Allocation of Wireless-Powered Multiantenna UAV for Energy-Efficient Multiuser NOMA
本文研究了一种新的下行非正交多址接入（NOMA）系统，其中多天线无人机（UAV）由无线功率传输（WPT）供电，并作为多对地面用户（GU）的基站，每对地面用户运行NOMA。能量效率（EE）最大化问题被公式化以联合优化WPT时间和UAV的放置，以及UAV的发射功率在不同NOMA用户对之间和每对内的分配。为了有效地解决这个非凸问题，我们分解成三个子问题，使用块坐标下降。对于每个NOMA用户对内功率分配的子问题，我们构造了一个超模块博弈，并确定收敛到一个纳什均衡。在给定用户对内功率分配的情况下，利用逐次凸逼近方法对WPT时间分配和用户对间功率分配子问题进行凸化求解。最后，利用拉格朗日乘子法求解无人机布局子问题。仿真结果表明，我们的方法可以大大优于它的替代品，不使用NOMA和WPT技术或不优化无人机的位置。
2022-04-20 cs.IT eess.SP math.IT
Cellular UAV-to-X Communications: Design and Optimization for Multi-UAV Networks
在本文中，我们考虑了一个单小区蜂窝网络与一些蜂窝用户（CU）和无人机（UAV），其中多个无人机上传他们收集的数据到基站（BS）。考虑两种传输模式来支持多UAV通信，即，无人机对基础设施（U2 I）和无人机对无人机（U2 U）通信。具体地，对于U2 I链路具有高信噪比（SNR）的UAV通过U2 I通信将其收集的数据直接上传到BS，而对于U2 I链路具有低SNR的UAV可以为了服务质量而通过底层U2 U通信将数据发送到附近的UAV。我们首先提出了一个合作的无人机感测和发送协议，使无人机到X的通信，然后制定子信道分配和无人机速度优化问题，以最大限度地提高上行链路的和速率。为了有效地解决这个NP难问题，我们将其分解为三个子问题：U2 I和蜂窝用户（CU）子信道分配，U2 U子信道分配和无人机速度优化。提出了一种迭代的子信道分配和速率优化算法（ISASOA）来联合求解这些子问题。仿真结果表明，与贪婪算法相比，ISASOA算法可以多上传10%的数据.
2018-08-28 eess.SP
Power Allocation for Fingerprint-Based PHY-Layer Authentication with mmWave UAV Networks
物理层安全（PLS）技术可以帮助保护无线网络免受窃听者攻击。在本文中，我们考虑使用指纹嵌入来保护5G蜂窝网络的身份验证技术，无人机（UAV）系统来自窃听者和入侵者。由于毫米波（mmWave）蜂窝网络使用窄且定向的波束，因此PLS可以进一步利用3D空间维度来改进UAV用户的认证。考虑到多用户毫米波蜂窝网络，我们提出了一种功率分配技术，该技术联合考虑到预编码器和认证标签之间的发射功率的分裂，该分裂管理保密性和可实现的速率。我们的结果表明，我们可以获得最佳的可达速率与期望的保密性。
2020-11-02 eess.SP
Dynamic Pricing and Capacity Allocation of UAV-provided Mobile Services
由于其敏捷性和机动性，无人机（UAV）是提供高质量移动服务（例如，快速因特网接入、边缘计算和本地缓存）到地面用户。主要的互联网服务提供商（ISP）希望通过无人机提供的服务（UPS）来改善和丰富当前的移动服务，以获得额外的利润。这个利润最大化问题并不容易，因为无人机具有有限的能量存储，并且需要近距离飞行以服务用户，需要最佳的能量分配来平衡悬停时间和服务能力。当无人机悬停在热点区域时，如何根据随机到达的具有私人服务估值的用户对其容量有限的UPS进行动态定价是另一个问题。证明了剩余悬停时间越长或服务能力越小，无人机的要价越高;在悬停时间足够长的情况下，无人机的期望利润接近完全用户信息下的期望利润。随着热点的用户出现率的增加，应该分配更短的悬停时间或更大的服务容量。最后，当无人机面临多个热点候选与不同的用户出现率和飞行距离，我们证明了部署无人机服务于一个单一的热点是最优的。然而，对于多个UAV，这种结果可以通过UAV分叉部署到不同的热点来逆转。
2018-12-07 eess.SP
UAV Swarms for Joint Data Ferrying and Dynamic Cell Coverage via Optimal Transport Descent and Quadratic Assignment
本文提出在每架无人机上同时部署DTN数据摆渡和蜂窝基站功能，通过最优传输交替最小化优化蜂窝覆盖，并利用二次分配求解动态簇间数据投递，实现危机场景下无人机集群的大规模通信部署。
2023-07-06 cs.NI eess.SP
Caching Placement and Resource Allocation for Cache-Enabling UAV NOMA Networks
Beijing University of Posts and Telecommunications（北京邮电大学）；Queen Mary University of London（伦敦玛丽女王大学）
本文研究了非正交多址接入（NOMA）支持的具有大容量接入能力的高速缓存无人机蜂窝网络。为地面用户提供大量多媒体内容是由移动UAV基站辅助的，该移动UAV基站缓存一些流行内容以用于无线回程链路流量卸载。在支持缓存的无人机NOMA网络中，内容缓存阶段的缓存位置和内容分发阶段的无线资源分配对网络性能至关重要。为了应对实际场景中动态的无人机位置和内容请求，我们将内容分发延迟最小化的长期缓存放置和资源分配优化问题表示为一个马尔可夫决策过程（MDP）。UAV充当代理以采取用于缓存放置和资源分配的动作，其包括内容请求的用户调度和NOMA用户的功率分配。为了解决MDP问题，提出了一种基于Q学习的缓存放置和资源分配算法，无人机采用\emph{soft ${\varepsilon}$-greedy}策略学习和选择动作，搜索动作和状态之间的最优匹配。由于Q-学习的动作-状态表大小随着动态网络中状态的数量而增长，因此我们提出了一种基于函数逼近的算法，该算法结合了随机梯度下降和深度神经网络，适用于大规模网络。最后，数值结果表明，所提出的算法提供了相当的性能相比，基准算法，并获得网络性能和计算复杂度之间的折衷。
2020-08-12 cs.LG eess.SP
3-D Positioning and Resource Allocation for Multi-UAV Base Stations Under Blockage-Aware Channel Model
在本文中，我们提出了部署多个无人机（UAV）安装的基站，以服务地面用户在户外环境中的障碍。特别是，地理信息被用来捕捉阻塞效应的空对地（A2G）链路所造成的建筑物，并提出了一个现实的阻塞感知A2G信道模型来表征信道的连续变化在不同的位置。基于所提出的信道模型，通过功率分配、用户关联和子载波分配，建立了无人机三维定位和资源分配的联合优化问题，以最大化用户间的最小可达速率。为了解决这个非凸组合规划问题，我们引入了一个惩罚项来放松它，并通过基于惩罚的双环迭代优化框架开发了一个次优解。内环采用块连续凸逼近（BSCA）技术解决惩罚问题，在每次迭代中交替优化无人机定位和资源分配。外环的目的是获得适当的惩罚乘子，以确保惩罚问题的解收敛到原问题的解。仿真结果表明，所提出的算法优于其他基准计划的最低可达速率。
2022-11-23 eess.SP
Interference Avoidance in UAV-Assisted Networks: Joint 3D Trajectory Design and Power Allocation
无人机（UAV）的使用已经被预见为下一代通信网络的有前途的技术。由于目前还没有关于无人机部署的规定，因此它们很可能与已经存在的网络形成一个共存的网络。在这项工作中，我们考虑一种传输机制，旨在提高地面基站（BS）和用户设备（UE）之间的数据率，通过部署多个无人机中继所需的数据流。考虑到该网络与其他已建立的通信网络的共存，我们考虑到干扰的影响，这是由现有的节点所引起的。我们的主要目标是优化的三维（3D）轨迹和功率分配的中继无人机，以最大限度地提高数据流，同时保持现有节点的干扰低于预定义的阈值。提出了一种交互最大化策略来解决中继无人机的三维航迹设计和功率分配问题。为此，我们处理网络内的信息交换诉诸谱图理论，随后通过凸优化技术解决功率分配。仿真结果表明，我们的方法可以显着改善信息流，同时满足干扰阈值约束。
2019-04-16 cs.NI eess.SP
Fair Resource Allocation in UAV-based Semantic Communication System with Fluid Antenna
本文针对配备流体天线的多用户无人机语义通信系统，通过联合优化无人机轨迹、波束成形、语义压缩率及流体天线激活端口选择，提出交替算法以最大化用户最小等效速率，并通过仿真验证其有效性。
2025-04-08 eess.SP
Joint 3-D Positioning and Power Allocation for UAV Relay Aided by Geographic Information
在本文中，我们研究利用地理信息来解决无人机和地面节点之间的空地链路的阻塞问题。特别地，部署UAV中继器以建立从地面基站到多个地面用户的通信链路。为了提高通信容量，我们首先根据三维（3-D）地理信息的建筑物造成的阻塞效应建模。然后，在链路容量、最大发射功率和阻塞的约束下，通过联合优化无人机中继的三维位置和功率分配，建立了一个优化问题，以最大化用户间的最小容量.为了解决这个复杂的非凸问题，一个双循环优化框架的基础上拉格朗日松弛。外环的目的是获得适当的拉格朗日乘子，以确保拉格朗日问题的解收敛到原问题的最紧上界。内循环采用块坐标下降法（BCD）和逐次凸逼近法（SCA）求解拉格朗日问题，在每次迭代中交替优化无人机三维定位和功率分配。仿真结果表明，该方案的性能明显优于两个基准方案，并实现了性能接近上界的无人机中继系统。
2022-03-29 eess.SP
Multi-Objective Optimization for 3D Placement and Resource Allocation in OFDMA-based Multi-UAV Networks
针对基于OFDMA的多无人机网络，提出将三维部署、用户关联与无线资源分配联合问题解耦并迭代优化，实现少于10次快速收敛并提升和速率、抑制同小区干扰。
2023-04-25 eess.SP
Joint Optimization of Resource Allocation and Trajectory Control for Mobile Group Users in Fixed-Wing UAV-Enabled Wireless Network
固定翼无人机（UAV）具有控制灵活性和成本效益，有望成为空地一体化网络中的飞行基站。通过利用无人机的移动性，可以在具有挑战性的场景下甚至在没有通信基础设施的地方为移动组用户（MGU）提供可控覆盖。然而，在这种无人机和MGU都在移动的双移动场景中，固定翼无人机的非悬停特性和MGU的移动都将加剧用户调度的动态变化，这最终导致MGU的服务质量（QoS）下降。在本文中，我们提出了一个固定翼无人机使能的无线网络架构，为MGU提供移动覆盖。为了实现MGU之间的公平性，我们最大化所有用户之间的最小平均吞吐量，通过联合优化的用户调度，资源分配，无人机轨迹控制的约束下，用户的QoS要求，通信资源和无人机轨迹切换。考虑到优化问题是混合整数非凸的，我们将其分解为三个优化子问题。提出了一种有效的算法，交替求解这三个子问题，直到实现收敛。仿真结果表明，该算法可以显着提高最低平均吞吐量的MGU。
2022-09-28 eess.SP
Reconfigurable Intelligent Surface-assisted Multi-UAV Networks: Efficient Resource Allocation with Deep Reinforcement Learning
在本文中，我们提出了可重构智能表面（RIS）辅助无人机（UAV）网络，可以利用无人机的灵活性和RIS的反射，以提高网络的性能。为了最大限度地提高所考虑的网络的能源效率（EE），我们共同优化无人机的功率分配和RIS的相移矩阵。提出了一种深度强化学习（DRL）方法，用于以集中方式解决时变通道的连续优化问题。此外，还提出了一种并行学习方法，以减少集中式方法的信息传输要求。数值结果表明，我们提出的计划相比，传统的方法在EE，灵活性和处理时间方面有显着改善。我们提出的用于RIS辅助无人机网络的DRL方法可以用于实时应用，因为它们具有即时决策和处理动态环境设置的时变信道的能力。
2021-08-05 eess.SP
Joint Trajectory and Resource Allocation Design for Energy-Efficient Secure UAV Communication Systems
研究了在存在多个地面窃听者的情况下，信息无人机在多天线干扰无人机辅助下为多个地面用户提供服务的下行节能安全无人机通信系统的轨迹和资源分配设计问题。以系统能量效率最大化为目标，对情报无人机的资源分配策略和航迹以及干扰无人机的干扰策略进行联合优化。联合设计制定为一个非凸优化问题，考虑到服务质量（QoS）的要求，安全约束，和不完善的信道状态信息（CSI）的窃听。公式化的问题通常是难以处理的。作为一种折衷的方法，该问题被分为两个子问题，这有利于设计一个低复杂度的次优算法的交替优化方法的基础上。仿真结果表明，该算法在迭代次数较少的情况下收敛，并展示了一些有趣的见解：（1）干扰无人机的引入有助于信息无人机高度灵活的轨迹设计，这对提高系统能量效率至关重要;（2）利用多天线干扰无人机带来的空间自由度，我们提出的设计可以将人工噪声集中在窃听者上，从而为系统提供强大的安全手段。
2020-03-16 cs.IT eess.SP math.IT
Energy-Aware Resource Allocation and Trajectory Design for UAV-Enabled ISAC
本文研究多用户多目标UAV使能的ISAC系统中的联合资源分配与轨迹设计，通过联合优化轨迹、波束成形等变量并利用交替优化算法求解MINLP问题，在保障服务质量的条件下显著降低了UAV的平均功耗。
2023-10-24 eess.SP
Resource Allocation for Secure Multi-UAV Communication Systems with Multi-Eavesdropper
在本文中，我们研究的资源分配和轨迹设计的安全无人机（UAV）启用的通信系统，其中多个多用途的无人机基站被派遣提供安全的通信，以多个合法的地面用户（GU）存在多个窃听者（Eves）。具体地，通过利用正交频分多址（OFDMA），活动的UAV基站可以经由所分配的子载波与其期望的地面用户通信，而空闲的UAV基站可以同时用作干扰器以用于通信安全性提供。为了实现安全通信中的公平性，通过联合优化通信/干扰子载波分配策略和无人机飞行轨迹，同时考虑多无人机之间的最小安全距离、最大巡航速度、初始/最终位置以及圆柱形禁飞区（NFZ）的存在等约束条件，最大化每个用户的平均最小保密率.该设计被配制成一个混合整数非凸优化问题，这是一般棘手的。随后，提出了一种计算效率高的迭代算法来获得次优解。仿真结果表明，所提出的迭代算法的性能可以显着提高平均最小保密率相比，各种基线方案。
2020-03-16 cs.IT eess.SP math.IT
UAV-Assisted Cooperative & Cognitive NOMA: Deployment, Clustering, and Resource Allocation
协作和认知非正交多址接入（CCR-NOMA）已被认为是克服频谱稀缺问题并支持下一代无线网络中设想的大规模连接的有前途的技术。在本文中，我们研究部署的无人机（UAV）作为中继，公平地服务于大量的二次用户在热点区域。UAV部署算法必须联合考虑用户聚类、信道分配和资源分配子问题。我们提出了一种解决方案，获得用户聚类和信道分配的基础上，最佳的资源分配为一个给定的无人机位置。为此，我们推导出封闭形式的最佳功率和时间分配，并显示它提供了最佳的最大最小公平吞吐量消耗更少的能量和时间比几何规划。基于最优资源分配，还以封闭形式提供了最优覆盖概率，其考虑了信道估计误差、硬件损伤和主网络干扰。最佳的覆盖概率使用建议的最大-最小公平用户聚类和信道分配方法。结果表明，所提出的方法实现了100%的准确性，在超过五个数量级的时间比最佳基准。
2020-08-26 cs.IT eess.SP math.IT
Joint 3D Trajectory and Power Allocation for HAPs-UAV Bistatic ISARAC in Low-Altitude Networks
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
针对低空网络中HAPs-UAV双基地ISARAC系统，提出联合3D轨迹与功率分配方法，通过交替优化最大化地面用户和速率，满足SAR成像SNR和分辨率约束。
2026-06-03 eess.SP
Toward UL-DL Rate Balancing: Joint Resource Allocation and Hybrid-Mode Multiple Access for UAV-BS Assisted Communication Systems
在本文中，我们研究无人机（UAV）辅助通信系统，需要准平衡的数据速率在上行链路（UL）和下行链路（DL），以及用户的异构业务。据我们所知，这是第一个明确研究联合UL-DL优化的无人机辅助系统在异构的要求。针对异构业务提出了一种混合模式多址接入（HMMA）方案，其中非正交多址接入（NOMA）以高平均数据速率为目标，正交多址接入（OMA）通过补偿用户的速率来满足用户的瞬时速率需求。HMMA使得多址接入的自由度更高，并且在用户之间实现比UAV辅助的NOMA或OMA方案更优的最小平均速率。在HMMA下，提出了一种联合UL-DL资源分配算法，该算法具有用于UL/DL功率分配的封闭形式的最优解，以实现UL和DL的准平衡平均速率。此外，考虑到NOMA中连续干扰消除（SIC）的误差传播，提出了一种增强的HMMA方案，该方案对SIC误差具有较强的鲁棒性，且最小平均速率高于HMMA方案。
2021-11-16 eess.SP
Control-Oriented Power Allocation for Integrated Satellite-UAV Networks
这封信提出了一个传感-通信-计算-控制（SC 3）集成的卫星无人机（UAV）网络，其中UAV配备了机载传感器，移动边缘计算（MEC）服务器，基站和卫星通信模块。像神经系统一样，这种集成网络能够组织偏远地区的多个现场机器人，以便执行对人类来说危险的关键任务。针对激活这个神经系统与多个SC 3循环，我们提出了一个面向控制的优化问题。不同于传统的研究主要集中在通信指标，我们解决的功率分配问题，以最小化的总和线性二次型调节器（LQR）的控制成本的所有SC 3环。具体来说，我们展示了所述问题的凸性，并揭示了不同SC 3环路的最佳发射功率与固有熵率之间的关系。对于保证稳定的情况下，我们推导出一个封闭形式的解决方案，以方便实际应用。在论证了面向控制的功率分配的优越性之后，进一步突出了其与经典的面向容量的注水方法的区别。
2022-08-31 eess.SP
Satellite- and Cache-assisted UAV: A Joint Cache Placement, Resource Allocation, and Trajectory Optimization for 6G Aerial Networks
本文考虑了LEO卫星和缓存辅助的无人机通信在地面网络中的内容交付，这表明了下一代系统提供无处不在的连接和高容量的巨大潜力。具体地，由UAV提供缓存以减少回程拥塞，并且LEO卫星支持UAV的回程链路。在这种情况下，我们的目标是最大限度地提高每个地面用户（GU）的最小可实现的吞吐量，通过联合优化缓存的位置，无人机的资源分配，和轨迹，而缓存容量和飞行时间是有限的。公式化的问题是具有挑战性的直接解决，由于其非凸性和组合性质。将该问题分解为三个子问题：（1）在无人机资源和轨迹固定的情况下，缓存布局优化问题;（2）在无人机资源和轨迹固定的情况下，缓存布局优化问题;（3）在无人机资源和轨迹固定的情况下，缓存布局优化问题。在子问题解的基础上，利用块坐标下降法（BCD）和逐次凸逼近法（SCA）提出了一种有效的交替算法。仿真结果表明，最大最小吞吐量和总的可实现吞吐量的提高，应用我们提出的算法，而不是其他基准计划。
2021-06-09 cs.IT eess.SP math.IT
Intelligent Resource Allocation for UAV-Based Cognitive NOMA Networks: An Active Inference Approach
针对无人机认知NOMA网络，提出一种基于主动推理的资源分配方法，通过离线学习生成模型并在线推理，联合优化子信道和功率分配以最大化累积和速率，仿真验证其高效性。
2023-10-17 eess.SP
Joint Optimization of 3D Placement and Radio Resource Allocation for per-UAV Sum Rate Maximization
本研究针对多无人机OFDMA通信系统，提出一种迭代算法联合优化三维部署、用户关联及无线资源分配，以实现每无人机总速率最大化，并在少于10次迭代内快速收敛，性能优于现有参考设计。
2023-05-08 eess.SP
Cache-enabling UAV Communications: Network Deployment and Resource Allocation
在这篇文章中，我们调查的内容分布在热点地区，其流量卸载的无人机（UAV）通信和边缘缓存的组合。在支持缓存的UAV辅助蜂窝网络中，网络部署和资源分配对于具有内容分发应用的用户的体验质量（QoE）至关重要。我们制定了一个联合优化问题的无人机部署，缓存放置和用户关联最大化的用户的QoE，这是由平均意见得分（MOS）评估。为了解决这个具有挑战性的问题，我们分解成三个子问题的优化问题。提出了一种基于交换匹配的无人机部署算法，并分别利用贪婪算法和拉格朗日对偶算法获得缓存的近优位置和用户关联。最后，针对无人机联合部署、缓存放置和用户关联优化问题，提出了一种低复杂度的迭代算法，取得了较好的计算复杂度-最优性折衷。仿真结果表明：该算法的MOS接近穷举搜索方法的MOS，并在几次迭代内收敛;与基准算法相比，该算法在MOS、内容访问延迟和回程流量卸载方面具有更好的性能。
2020-07-22 cs.IR eess.SP
Model Predictive Control Enabled UAV Trajectory Optimization and Secure Resource Allocation
本文提出基于模型预测控制的无人机轨迹优化与安全资源分配方法，联合优化轨迹、波束成形和人工噪声，以最小化飞行路径和功耗并最大化安全通信速率，数值结果验证其优越性。
2024-11-07 eess.SP
Optimizing Network Performance and Resource Allocation in HAPS-UAV Integrated Sensing and Communication Systems for 6G
本文提出在6G ISAC系统中以HAPS为中央处理单元、UAV为双重用途接入点，通过两时隙传输与波束成形及多目标功率分配优化，最大化通信用户最小SINR和回波信号功率，仿真验证了其在网络性能、资源分配与公平性方面的有效性。
2025-07-18 eess.SP
GJRA: A Global Joint Resource Allocation Scheme for UAV service of PEC in IIoTs
工业物联网（IIoT）是一种新兴的模式，通过将大量无线设备部署到行业场景，使工业运营更加高效和智能。然而，由于计算能力和电池的限制，工业物联网设备（IIoTD）在实际中不能很好地执行计算密集型或延迟敏感型任务并提供长期服务。针对这些挑战，提出了一种面向工业物联网（IIoTs）中普适边缘计算（PEC）无人机（UAV）服务的有效全球联合资源分配方案，并研究了一种协同式UAV服务器-IIoTDs方案。在我们提出的方案中，IIoTD可以保持高效率的性能，即使它们的电池耗尽，通过将无人机部署为PEC服务器和移动电源，为IIoTD提供任务卸载和能量收集的机会。综合考虑卸载位置选择、设备资源分配和系统性能，通过联合优化任务卸载决策、计费资源分配、连接管理和无人机计算资源分配，最大限度地降低所有IIoTD的总体服务延迟（包括任务计算延迟和卸载延迟）。然而，制定的优化问题是一个混合整数非线性规划（MINLP）的问题，这是具有挑战性的解决一般。为了解决这个问题，我们将其分解成多个凸子问题的基础上块坐标下降（BCD）方法，以获得最优解。性能评估表明，我们的计划优于现有的计划方面的整体服务延迟的IIoTD。
2020-05-17 cs.NI eess.SP
Joint Task Offloading and Resource Allocation in Aerial-Terrestrial UAV Networks with Edge and Fog Computing for Post-Disaster Rescue
针对灾后救援场景下无人机计算与续航资源不足的问题，提出结合MEC与VFC的三层计算架构及MVTORA方法，有效提升系统效用。
2023-10-06 cs.GT cs.NI eess.SP
Low-Complexity Joint Power Allocation and Trajectory Design for UAV-Enabled Secure Communications with Power Splitting
设计并研究了一种无人机辅助的安全通信系统，该系统在存在窃听者的情况下向地面用户传输合法信息。为了保证安全性，无人机采用了功率分配方法，其发射功率可以分为两部分，分别用于传输机密消息和人工噪声（AN）。我们的目标是最大限度地提高平均保密率，通过联合优化无人机的轨迹，发射功率水平和相应的功率分配比分配到不同的时隙在整个飞行时间，受最大无人机速度约束，总移动能量约束，总发射功率约束，和其他相关的约束。为了有效地解决这个非凸优化问题，我们提出了一个迭代算法，通过混合块坐标下降（BCD）方法，凹凸过程（CCCP）和交替方向乘法器（ADMM）的好处。特别地，我们表明，该算法具有非常低的计算复杂度，其每个更新步骤可以制定在一个接近封闭的形式。仿真结果验证了该算法的有效性。
2020-08-23 eess.SP
Enhancing Connectivity for Emergency Vehicles Through UAV Trajectory and Resource Allocation Optimization
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
Throughput Maximization for UAV-aided Backscatter Communication Networks
本文研究了无人机（UAV）辅助反向散射通信（BackCom）网络，其中无人机被利用来帮助反向散射设备（BD）将信号转发到接收机。基于BD和接收机之间是否存在直接链路，提出了两种协议，即发射-反向散射（TB）协议和发射-反向散射-中继（TBR）协议，利用无人机来协助BD。特别是，我们制定的系统吞吐量最大化问题的两个协议，通过联合优化的时间分配，反射系数和无人机轨迹。不同的静态/动态电路功耗模型的两个协议进行了分析。由此产生的优化问题被证明是非凸的，这是具有挑战性的解决。首先考虑动态电路功耗模型，将原问题分解为3个子问题，即固定无人机轨迹和反射系数的时间分配优化、固定无人机轨迹和时间分配的反射系数优化以及固定反射系数和时间分配的无人机轨迹优化。然后，一个有效的迭代算法提出了这两个协议，利用块坐标下降法和逐次凸逼近（SCA）技术。此外，针对静态电路功耗模型，利用拉格朗日对偶方法，得到了给定反射系数和无人机轨迹的最优时间分配以及低计算复杂性的最优反射系数。仿真结果表明，所提出的协议是能够实现显着的吞吐量增益比较基准。
2019-12-04 cs.IT eess.SP math.IT
RHOSI: Efficient Anti-Jamming Resource Allocation with Holographic Surfaces in UAV-enabled ISAC
Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）；University of British Columbia（不列颠哥伦比亚大学）；JuliaSpace LLC（JuliaSpace有限责任公司）；University of York（约克大学）
RHOSI通过联合优化基站波束成形、RHS相位配置和无人机部署，提升UAV辅助ISAC在对抗性干扰下的抗干扰能力和系统性能。
2026-03-11 eess.SP
Power Allocation for Uplink Communications of Massive Cellular-Connected UAVs
蜂窝连接无人机（UAV）在学术界和工业界都引起了极大的研究兴趣。为了支持现有蜂窝网络中的空中用户设备（UE），一种有前途的方法是将系统带宽的一部分专门分配给UAV-UE。这对于利用大量UAV-UE的使用情况尤其有利，例如，用于仓库附近的包裹递送。虽然近视距（LoS）信道可能导致接收到更高的功率，但无人机在同一频带内可能会对彼此造成严重干扰。在这方面的贡献，我们专注于大规模蜂窝连接的无人机的上行链路通信。基于连续凸近似（SCA）原理，提出了不同的功率分配算法，以最大化最小频谱效率（SE）或最大化总体SE来应对严重干扰。其中一个挑战是，UAV可能影响大的区域，这意味着在优化问题中必须考虑更多的UAV-UE，这与地面UE的优化问题本质上不同。单载波上行链路传输的必要性进一步使问题复杂化。然而，我们发现，大的相干带宽和相干时间的传播信道的特殊属性可以被利用。在全缓冲传输模式和突发业务模式下，通过大量的仿真对所提出的算法的性能进行了评估。实验结果表明，该算法能够有效地提高上行链路的信噪比。这项工作可以被认为是处理具有优化功率分配的大规模蜂窝连接的UAV-UE之间的干扰的第一次尝试。
2023-02-26 cs.IT eess.SP math.IT
UAV Relay-Assisted Emergency Communications in IoT Networks: Resource Allocation and Trajectory Optimization
无人飞行器（UAV）通信已经成为用于紧急通信的突出技术（例如，物联网（IoT）网络中的自然灾害（自然灾害），以提高灾害预测，损失评估和救援行动的能力。无人机可以部署为飞行基站（BS），从时间受限的物联网设备收集数据，然后将其传输到地面网关（GW）。通常，IoT设备的延迟约束和UAV有限的存储容量高度阻碍了UAV辅助IoT网络的实际应用。在本文中，{全双工（FD）无线电}采用的无人机，以克服这些挑战。此外，还考虑了用于基于无人机的中继的半双工（HD）方案，以提供两种模式之间的比较研究（即，FD和HD）。{在此，如果设备的数据由UAV收集并且在飞行时间期间及时传送到GW，则认为设备被成功服务}。在这种情况下，我们的目标是通过联合优化带宽，功率分配和无人机轨迹，同时满足每个设备的要求和无人机有限的存储容量，最大限度地增加服务的物联网设备的数量。由于其非凸性和组合性质，制定的优化问题是麻烦的解决。{对于有吸引力的应用，我们首先将二进制变量放宽为连续变量，并将原始问题转换为更易于计算的形式。利用内逼近框架，我们得到新的近似函数的非凸部分，然后开发一个简单而有效的迭代算法的解决方案。接下来，我们尝试根据所服务的IoT设备的数量来最大化总吞吐量。最后，数值结果表明，所提出的算法显着优于基准方法的服务物联网设备的数量和系统吞吐量。
2021-08-16 eess.SP
Energy Efficient Trajectory Control and Resource Allocation in Multi-UAV-assisted MEC via Deep Reinforcement Learning
针对固定MEC服务范围受限问题，本文构建多无人机辅助MEC的轨迹控制与资源分配多目标优化问题，提出融入生成对抗模仿学习的DPPOIL算法，仿真验证其性能优于基线方法。
2025-08-01 cs.NI eess.SP
Joint Computation Offloading and Resource Allocation for Uncertain Maritime MEC via Cooperation of UAVs and Vessels
College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（电子与信息工程学院，南京航空航天大学）；National Mobile Communications Research Laboratory, Southeast University（南京东南大学国家移动通信研究中心）；University of Houston（休斯顿大学）；Department of Computer Science and Engineering, Kyung Hee University（计算机科学与工程系，庆熙大学）
针对海事物联网中不确定任务带来的卸载与资源分配难题，提出无人机与船舶协作的MEC框架，利用李雅普诺夫优化和异构智能体软演员-评论家算法最小化总执行时间。
2025-06-18 cs.AI eess.SP
Energy-Efficient UAV Relaying Robust Resource Allocation in Uncertain Adversarial Networks
移动中继技术是无线通信中的关键增强技术，这是由于更高的机会以更好的服务质量支持来自基站（BS）的远程用户。本文研究了能量有效的（EE）移动中继网络，安装在无人机（UAV），而未知的对手试图拦截合法的链接。我们的目标是优化无人机和基站的鲁棒发射功率，中继悬停路径，速度和加速度。BS发送合法信息，该合法信息由中继转发给用户。这个过程被定义为信息-因果关系-约束（ICC）。我们共同优化最坏情况下的保密率（WCSR）和无人机推进能源消耗（PEC）的有限时间范围。我们建立了BS-无人机，无人机用户，和无人机对手的信道模型。我们应用无人机PEC考虑无人机的速度和加速度。最后，我们推导了对抗性无线网络中EE无人机中继用户最大化问题。虽然问题是非凸的，我们提出了一个迭代和次优算法来优化EE无人机中继约束，如ICC，轨迹，速度，加速度和发射功率。首先，我们优化BS和无人机的发射功率以及已知无人机路径规划和加速的悬停速度。利用最优的发射功率和速度，我们得到了最优的轨迹和加速度。我们比较了我们的算法与现有的算法，并证明了改进的EE无人机中继通信我们的模型。
2021-07-23 cs.IT eess.SP math.IT
Joint Frame Structure, Beamwidth, and Power Allocation for UAV-Aided Localization and Communication
本文提出了一种UAV辅助GN定位与通信的联合优化框架，通过联合优化帧结构、波束宽度和功率分配以最大化平均频谱效率，并提出高效迭代算法解决非凸问题，实现了低复杂度下接近上界的性能及超70%的性能增益。
2024-06-03 eess.SP
A Thorough Analysis of Radio Resource Assignment for UAV-Enhanced Vehicular Sidelink Communications
针对联网自动驾驶车辆向毫米波频段演进中侧行通信面临严重路径与穿透损耗的问题，本文提出部署具波束成形能力的无人机作为中继，构建分析框架并引入平均接入概率指标，进而提出两种无线资源分配方法，通过按交通密度控制无人机高度优化该指标，数值结果验证了模型能保障服务质量。
2024-01-19 cs.NI eess.SP
Energy Efficiency Optimization for NOMA UAV Network with Imperfect CSI
无人机作为空中基站，部署灵活，接入服务方便，发展迅速。然而，无人机机动部署形成的低空通信链路信道误差不容忽视。而在信道状态信息不完全的情况下，无人机通信的能量有效性还没有得到很好的研究。因此，我们专注于非正交多址（NOMA）无人机网络的系统性能优化考虑不完善的CSI之间的无人机和用户。为了最大化能量效率，设计了一种包括用户调度和功率分配的次优资源分配方案。由于不完美CSI的概率约束优化函数的非凸性，原问题转化为一个非概率问题，然后解耦为两个凸子问题。首先，利用凸规划的差分原理，将用户调度方法应用于用户和子信道的双边匹配。然后基于用户调度，采用逐次凸逼近的次优功率分配算法优化无人机小区的能量效率。仿真结果表明，与现有的资源分配方案相比，该算法是有效的。
2020-05-05 cs.IT eess.SP math.IT
Joint Sub-carrier and Power Allocation for Efficient Communication of Cellular UAVs
蜂窝网络有望成为支持无人机（UAV）不断扩展的应用的主要通信基础设施。由于这些网络部署为地面用户设备（UES），需要解决的几个问题，以提高蜂窝无人机的services.In本文中，我们提出了一个现实的通信模型的下行链路，我们表明，服务质量（QoS）的用户受到干扰BS的数量和它们所造成的影响。因此，解决了子载波和功率分配的联合问题。鉴于其复杂性，这是已知的NP-难，我们引入了一个基于博弈论的解决方案。首先，我们认为，在分配的子载波方面的UAV和UE之间的分离减少了对用户的干扰影响。这是通过匹配游戏实现的。此外，为了提高分区，我们提出了一个联盟的游戏，认为第一个的结果，使用户能够改变他们的联盟，提高他们的QoS。此外，功率优化的解决方案，这是考虑在两个游戏。进行了性能评估，所得到的结果证明了命题的有效性。
2022-01-03 cs.NI eess.SP
Improving PHY-Security of UAV-Enabled Transmission with Wireless Energy Harvesting: Robust Trajectory Design and Communications Resource Allocation
在本文中，我们考虑一个无人机（UAV）辅助通信系统，包括两个合作的无人机，一个无线供电的地面目的地节点，利用同步无线信息和功率传输（SWIPT）技术，和地面被动窃听。一架无人机向目的地提供机密信息，另一架无人机发送干扰信号以防止窃听并协助目的地进行能量收集。假设无人机具有窃听者位置的部分信息，分别针对干扰信号在目的地先验已知和未知的情况，提出了两种传输方案：友好无人机干扰（FUJ）和高斯干扰传输（GJT）。然后，我们制定了一个平均保密率最大化问题，以联合优化无人机的发射功率和轨迹，以及目的地的功率分配比。由于非凸，因此难以解决制定的问题，我们提出了一个计算效率高的迭代算法的基础上块坐标下降和逐次凸逼近，以获得一个次优解。最后，数值结果证实了我们提出的多无人机计划的有效性，与其他现有的基准。具体来说，我们发现，FUJ表现出显着的保密性能改善的最佳瞬时和平均保密率相比，GJT和传统的单无人机对应。
2020-04-13 cs.IT eess.SP math.IT
Collaboration in the Sky: A Distributed Framework for Task Offloading and Resource Allocation in Multi-Access Edge Computing
最近，无人机（UAV）辅助的多址边缘计算（MEC）系统成为向地面基础设施覆盖范围之外的移动用户提供计算服务的有前途的解决方案。然而，由于每个UAV独立地操作，由于UAV的MEC服务器处的有限计算能力以及UAV的能量约束，满足移动用户的计算需求是具有挑战性的。因此，需要无人机之间的合作。本文提出了一种多无人机协同MEC系统与MEC使能地面基站（BS）集成。然后，通过优化卸载决策以及通信和计算资源的分配，在满足移动用户和无人机能量约束的前提下，研究了如何最小化系统中移动用户所经历的总延迟的问题.所提出的问题被证明是一个非凸的，混合整数非线性问题（MINLP），是棘手的。因此，制定的问题被分解为三个子问题：i）用户任务卸载决策问题，ii）通信资源分配问题和iii）无人机辅助MEC决策问题。然后，拉格朗日松弛法和交替方向乘子法（ADMM）的方法来解决分解的问题，交替。仿真结果表明，与贪婪搜索和穷举搜索方法相比，该方法的平均延迟分别降低了40.7%和4.3%。
2021-07-30 cs.NI eess.SP
Resource Allocation for 5G-UAV Based Emergency Wireless Communications
针对灾后复杂多变的信道环境，提出一种异构$\mathcal{F}$复合衰落信道模型，并开发了最优功率与带宽分配方案，显著提升了5G-UAV应急无线通信网络的容量与能量效率。
2024-07-24 eess.SP
An Improved Virtual Force Approach for UAV Deployment and Resource Allocation in Emergency Communications
本文针对灾害环境下的无人机应急通信，提出一种融合联盟博弈与虚拟力的交替优化算法，联合优化部署、功率分配和用户关联，在满足用户需求的同时将计算耗时降至传统方法的5.6%。
2024-01-17 cs.NI eess.SP
Multiuser MISO UAV Communications in Uncertain Environments with No-fly Zones: Robust Trajectory and Resource Allocation Design
在本文中，我们研究了多用户下行链路多输入单输出（MISO）无人机（UAV）通信系统的鲁棒资源分配算法的设计，在这种系统中，我们考虑到各种不确定性是不可避免的，如果不加注意，可能会严重降低系统的性能。我们联合优化的二维（2-D）轨迹和发射波束形成矢量的无人机的总功耗最小化。该算法的设计制定为一个非凸优化问题，考虑到不完善的知识所造成的无人机抖动，用户位置的不确定性，风速的不确定性，和多边形禁飞区（NFZ）的出发角（AoD）。尽管优化问题的非凸性，我们最佳地解决它采用单调优化理论和半定规划松弛产生最佳的2-D轨迹和波束形成策略。由于开发的最优资源分配算法需要一个高的计算复杂度，我们还提出了一个次优的迭代低复杂度计划的基础上逐次凸逼近最优性和计算复杂度之间的平衡。我们的仿真结果不仅显示了显着的节能所提出的算法相比，两个基线方案，但也证实了他们的鲁棒性无人机抖动，风速的不确定性和用户位置的不确定性。此外，我们的研究结果揭示了风速不确定性和NFZ的联合存在对无人机轨迹有相当大的影响。尽管如此，通过使用所提出的鲁棒设计来抵消风速的不确定性，我们可以同时最大限度地减少UAV的总功耗，并确保不侵入任何NFZ的安全轨迹。
2019-05-28 cs.IT eess.SP math.IT
UAV Formation and Resource Allocation Optimization for Communication-Assisted 3D InSAR Sensing
本文针对通信辅助三维InSAR感知，联合优化双无人机编队、速度与通信功率分配以最大化覆盖范围，提出基于交替优化的求解框架，并通过仿真验证其可实现厘米级地形测绘精度。
2025-02-07 eess.SP
