Understanding UAV Cellular Communications: From Existing Networks to Massive MIMO
本文的目的是让读者及时了解无人机蜂窝通信，弥合3GPP标准化现状与更前瞻性研究之间的差距。特别强调的是下行命令和控制（C&C）信道的空中用户，其可靠性被认为是最重要的技术的无人机蜂窝通信的商业成功。通过对两种网络部署--当今蜂窝基础设施与下一代大规模MIMO系统--的实际并排比较，揭示了多个关键事实，其中三个主要事实总结如下：（i）UAV小区选择基本上由基站辐射图的副瓣驱动，导致UAV与遥远的小区相关联;（ii）在10 MHz带宽上，并且对于高达300 m的UAV高度，当用于信道估计的上行链路导频在基站站点之间被重用时，大规模MIMO网络可以在74%的情况下支持100 kbps C&C信道，并且在96%的情况下没有跨网络的导频重用;（iii）由于严重的飞行员污染，支持UAV C&C信道可能会大大影响地面用户的性能，除非有合适的功率控制策略。
2018-04-20 cs.IT eess.SP math.IT
Mobility in the Sky: Performance and Mobility Analysis for Cellular-Connected UAVs
为无人机或飞行出租车等无人机用户设备提供连接是未来蜂窝系统的主要挑战。在本文中，使用协调多点传输提供无缝连接到无人机用户设备进行了研究。特别是，集群地面基站的网络，合作服务的无人机数量被认为是。研究了两种场景：具有静态悬停的UAV用户设备的场景和具有移动UAV-UE的场景。在最大比传输下，开发并利用一种新的框架来推导两种情况下UAV-UE覆盖概率的上界和下界。使用导出的结果，各种系统参数，如协作距离，无人机高度，和UAV-UE速度上可实现的性能的影响进行了研究。结果表明，无论是静止的还是移动的无人机用户设备，当基站天线向下倾斜时，无论采用哪种传输方式，高空无人机用户设备的覆盖概率都是地面用户覆盖概率的上界。此外，对于低信号干扰比阈值，示出了CoMP传输可以提高UAV用户设备的覆盖概率，例如，从最近关联方案下的28%到200米协作距离下的60%。
2019-08-21 cs.IT eess.SP math.IT
Uplink NOMA for Cellular-Connected UAV: Impact of UAV Trajectories and Altitude
本文考虑了一种新兴的蜂窝连接的无人机（UAV）架构的监视或监控应用。我们考虑的情况下，蜂窝连接的空中用户设备（AUE）周期性地发送在上行链路中，与给定的数据率的要求，而沿着给定的轨迹移动。为了有效的频谱使用，我们使并发的上行链路传输的AUE和地面用户设备（TUE），采用功率域空中-地面非正交多址接入（NOMA），同时占AUE的已知轨迹。为了表征系统性能，我们开发了一个分析框架来计算速率覆盖概率，即，AUE和TUE的可实现数据率超过各自目标速率的概率。我们使用我们的分析结果，以数字方式确定的最小高度，AUE需要飞，在每个传输点沿给定的轨迹，以满足一定的服务质量（QoS）的约束，为各种AUE目标数据率和不同的建成环境。具体而言，结果表明，AUE的最小高度取决于它的距离BS的AUE沿着给定的轨迹移动。我们的研究结果突出了在蜂窝连接的无人机系统AUE轨迹建模的重要性。
2019-10-30 cs.IT eess.SP math.IT
Performance Analysis of Mobile Cellular-Connected Drones under Practical Antenna Configurations
由于遭遇视线干扰和向下倾斜的基站（BS）天线的降低的增益，向无人机用户设备（UAV-UE）提供无缝连接是非常具有挑战性的。例如，随着UAV-UE的高度增加，它们的小区关联和切换过程变得由BS天线的旁瓣驱动。在本文中，蜂窝连接的UAV-UE的性能进行了研究下的3D实际天线配置。研究了两种场景：具有静态悬停UAV-UE的场景和具有移动UAV-UE的场景。对于这两种情况，UAV-UE覆盖概率被表征为系统参数的函数。研究了天线阵元数目对UAV-UE覆盖概率和移动UAV-UE切换率的影响。结果表明，实际天线方向图下的UAV-UE覆盖概率比简单天线模型下的覆盖概率要差。此外，由于天线旁瓣的零点和峰值的连续交叉，垂直移动的UAV-UE容易受到高度切换的影响。
2020-02-02 cs.IT eess.SP math.IT
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
The Meta Distribution of SINR in UAV-Assisted Cellular Networks
在无人机（UAV）上安装紧凑、轻便的基站是一种具有成本效益且灵活的解决方案，可在现有地面网络上提供无缝覆盖。虽然无人机辅助蜂窝网络的覆盖概率已经得到了广泛的研究，它只提供了信号与干扰加噪声比（SINR）的一阶统计。在本文中，分析高阶统计的信干噪比和特征的差异之间的各个环节，我们提供了一个Meta分布（MD）为基础的分析框架，无人机辅助蜂窝网络，其中的概率视距信道和现实的天线方向图考虑到空到地传输。为了准确地描述无人机干扰，我们放宽了广泛应用的均匀离轴角（OBA）假设，并推导出OBA的精确分布。使用随机几何，可操纵和垂直天线的情况下，我们获得数学表达式的时刻的条件成功概率，SINR MD，和平均本地延迟。此外，我们还研究了网络密度趋于无穷大时矩的渐近行为。数值结果验证了理论结果的严密性，并表明一致OBA假设低估了网络性能，特别是在无人机的中等高度区域。我们还表明，当无人机配备可操纵天线，网络覆盖和用户公平性可以同时优化通过仔细调整无人机参数。
2023-01-30 cs.IT eess.SP math.IT
A 3D Tractable Model for UAV-Enabled Cellular Networks With Multiple Antennas
提出了一种三维点过程模型，该模型可用于大规模蜂窝网络中无人机（UAV）的部署，并可跟踪地分析网络的基本网络性能。提出的三维点过程是基于二维齐次标记泊松点过程（PPP）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。我们研究了所提出的3D点过程的一些重要的统计特性，并阐明了这些特性的一些重要见解，这些特性有助于分析支持无人机的蜂窝网络，其中所有配备有多个天线的无人机都部署在所提出的3D点过程中作为空中基站。所提出的3D点过程的显着特点在于其适用于实际的3D通道建模和分析的易处理性。分析了无人机蜂窝网络的下行覆盖性能，得到了简洁的表达式，并推导了一些特殊情况下的封闭式结果。最重要的是，他们的基本限制实现无小区的大规模天线阵列的特点时，协调所有的无人机联合执行非相干下行链路传输。最后，数值结果验证了本文的一些关键发现。
2020-12-29 cs.IT eess.SP math.IT
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
Cooperative Downlink Interference Transmission and Cancellation for Cellular-Connected UAV: A Divide-and-Conquer Approach
视距空-地信道是无人机通信中的重要干扰源。在本文中，我们提出了一种新的基站（BS）合作波束形成（CB）技术的蜂窝下行链路，以减轻强干扰所造成的同信道地面传输到无人机。除了传统的CB通过合作发送UAV的消息之外，UAV的服务BS利用新颖的干扰传输方案来有效地抑制对UAV的地面干扰。具体地，同信道地面用户的消息与UAV的服务BS共享，并经由CB发送，以消除它们在UAV处产生的干扰。为了在用于UAV信号增强和干扰消除的CB增益之间进行平衡，我们的目标是通过联合优化用于发送UAV和同信道地面用户消息的所有服务BS处的功率分配来最大化UAV的接收信号与干扰加噪声比。首先，我们在一个特殊的情况下，推导出该问题的封闭形式的最优解，并得出有用的见解。然后，我们提出了一个算法，以解决问题的最佳在一般情况下。由于最佳解决方案需要集中实施与BS之间的过度消息/信道信息交换，我们进一步提出了一种分布式算法，适合于实际的实施，基于一种新的分而治之的方法，每个同信道BS将其感知到的干扰到无人机分成多个部分，每个部分将被取消由不同的服务BS的无人机与其最大的努力。数值结果表明，所提出的集中式和分布式CB计划与干扰传输和消除（ITC）可以显着优于传统的CB没有应用ITC。
2019-11-25 cs.IT eess.SP math.IT
Towards Reliable UAV Swarm Communication in D2D-Enhanced Cellular Network
在现有的蜂窝网络中，如何以高可靠性和低延迟的方式与无人机（UAV）群进行通信和控制仍然是一个具有挑战性的问题。由于无人机群的工作高度高，地空信道强，一般会暴露在多个地面基站（GBS）下，而服务于地面用户的GBS（被占用的GBS）会对无人机群产生强干扰。为了解决这个问题，我们提出了一种新的两阶段传输协议，利用蜂窝加设备到设备（D2D）通信的无人机群。在阶段I中，选择一个群头进行地空信道估计，并且所有不为地面用户服务的GBS（可用GBS）使用相同的蜂窝频带同时向UAV群发送公共控制消息，以对抗来自被占用的GBS的强干扰。在阶段II中，在阶段I中已经解码公共控制消息的所有UAV通过利用较少干扰的D2D频带和UAV之间的接近度，进一步经由D2D通信将其中继到群中的其他UAV。在本文中，我们的目标是描述上述两阶段协议的可靠性性能，即，群中能够解码公共控制消息的UAV的预期百分比，由于复杂的系统设置和两个阶段之间的复杂耦合，这是一个不平凡的问题。然而，我们设法获得一个近似的表达的可靠性性能的利益，在合理的假设和皮尔逊分布的帮助下。数值结果验证了我们的分析结果的准确性，并显示了我们的协议的有效性比其他基准协议。我们还研究了关键系统参数对可靠性性能的影响，以揭示实际系统设计的有用见解。
2020-02-12 cs.IT eess.SP math.IT
Uplink Cooperative Interference Cancellation for Cellular-Connected UAV: A Quantize-and-Forward Approach
空中-地面干扰是在具有传统地面用户和新的无人机（UAV）用户的蜂窝网络中实现高频谱效率的主要障碍。由于其与地面的强视距（LoS）信道，UAV在其上行链路/下行链路通信中可能对大量非关联但共信道的基站（BS）造成/遭受严重干扰。在这封信中，我们提出了一种新的合作干扰消除（CIC）的无人机的上行链路通信，以减轻其强干扰的同信道基站，这只需要每个同信道基站和它的相邻的帮助BS之间的本地合作。具体地，不服务于UAV的通信信道中的任何用户的帮助BS将它们从UAV接收到的信号转发到它们的辅助同信道BS，该辅助同信道BS然后处理量化信号及其自己的接收信号，以经由通过线性/非线性干扰消除技术（ICT）消除UAV的信号来解码其服务的地面用户的消息。我们推导出建议的CIC方案与不同的ICT作为无人机的发射功率和速率的函数的可实现的速率，从而揭示了条件下，建议的CIC方案优于现有的CIC方案的基础上的解码和转发（DF）操作的帮助BS。
2020-06-01 cs.IT eess.SP math.IT
Simultaneous Navigation and Radio Mapping for Cellular-Connected UAV with Deep Reinforcement Learning
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；National University of Singapore（新加坡国立大学）
细胞连接无人机（UAV）是一种很有前途的技术，可以释放未来无人机的全部潜力。然而，如何实现空中无人机的泛在三维（3D）通信覆盖是一个新的挑战。针对这一问题，提出了一种新的覆盖感知导航方法，利用无人机的可控机动性设计其导航/轨迹，以避开蜂窝基站的覆盖盲区，同时完成任务。我们制定了一个无人机轨迹优化问题，以最小化其任务完成时间和预期的通信中断时间的加权和，并提出了一种新的解决方案的基础上，深度强化学习（DRL）技术。为了进一步提高性能，我们提出了一个称为同步导航和无线电映射（SNARM）的新框架，其中无人机的信号测量不仅用于直接训练深度Q网络（DQN），而且还用于创建能够预测感兴趣区域中所有位置的中断概率的无线电地图。因此，这使得能够生成模拟的UAV轨迹并预测它们的预期返回，然后将其用于通过Dyna技术进一步训练DQN，从而大大提高学习效率。
2020-03-17 cs.IT cs.LG eess.SP
Coverage Analysis of Cellular-Connected UAV Communications with 3GPP Antenna and Channel Models
为了诸如无人机（UAV）的空中平台的可靠和高效的通信，蜂窝网络被设想为同时为空中和地面用户设备（GUE）提供连接，这给针对地面服务定制的基站（BS）的现有模式带来了挑战。因此，我们专注于覆盖概率分析，调查空中和地面用户的共存，采用现实的天线和信道模型报告的第三代合作伙伴计划（3GPP）。采用齐次泊松点过程（PPP）描述基站分布，基站天线的下倾角度和天线阵数可调。同时，全向天线用于蜂窝用户。我们首先推导出覆盖概率的近似值，然后进行大量的模拟，以评估天线数量，下倾角，载波频率和用户高度的影响。一个重要的发现表明，高海拔用户的覆盖概率变得不敏感的下倾角。此外，我们发现，在一定的高度范围内的空中用户设备（AUE）可以实现相同或更好的覆盖概率比GUE，这提供了一个洞察蜂窝连接的空中通信的有效部署。
2021-05-28 cs.IT eess.SP math.IT
Machine Learning for Predictive On-Demand Deployment of UAVs for Wireless Communications
在本文中，提出了一种新的机器学习（ML）框架，使无人机（UAV），作为空中基站（BS）的预测，有效的部署，提供按需无线服务的蜂窝用户。为了对蜂窝网络流量进行全面的分析，提出了一种基于高斯混合模型（GMM）和加权期望最大化（WEM）算法的ML框架来预测潜在的网络拥塞。然后，基于预测的蜂窝业务量，研究了在满足下行链路用户通信需求的同时，使无人机移动所需功率最小的无人机优化部署问题。为此，首先，基于公平性原则，导出每个UAV的服务区的最优划分。接下来，推导出使总功耗最小化的每个UAV的最佳位置。仿真结果表明，与无最大似然预测的无人机优化部署相比，该方法可以降低所需的下行发射功率，提高功率效率20%以上。
2018-04-30 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
Cellular Network Design for UAV Corridors via Data-driven High-dimensional Bayesian Optimization
本文提出利用数据驱动的高维贝叶斯优化联合优化天线倾角与波束宽度，为无人机走廊设计蜂窝网络，在保证地面用户性能的同时显著提升无人机覆盖与速率。
2025-04-07 cs.IT cs.NI eess.SP
3D Trajectory Optimization in UAV-Assisted Cellular Networks Considering Antenna Radiation Pattern and Backhaul Constraint
研究了在干扰严重的下行蜂窝网络中，三维天线辐射方向图和回程约束对无人机（UAV）最优三维路径规划问题的影响。我们考虑一种蜂窝连接的无人机，其任务是在固定时间内在两个位置之间旅行，并且它可以通过充当中继来改善地面用户的蜂窝连接。由于蜂窝基站的天线增益随UAV高度显著变化，因此UAV可以通过在其任务过程中改变其高度来提高其回程链路中的信号质量。这个问题是非凸的，因此，我们探索动态规划技术来解决它。我们表明，3D最优路径可以引入显着的网络性能增益的轨迹与固定的无人机高度。
2020-03-09 eess.SP
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
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
Handover-Count based Velocity Estimation of Cellular-Connected UAVs
蜂窝连接无人机（UAV）预计将在未来的各种民用和商业应用中发挥重要作用。虽然现有的蜂窝网络可以向UAV用户设备（UE）提供无线覆盖，但是这种传统网络针对地面用户进行了优化，这使得向空中UE提供可靠的连接具有挑战性。为了确保空中UE的可靠和有效的移动性管理，估计蜂窝连接的UAV的速度至关重要。针对不同的无人机飞行速度和地面基站密度，提出了一种近似的切换计数概率质量函数。然后，我们推导了无人机速度估计的Cramer-Rao下界（CRLB），并给出了一个简单的无偏估计的无人机的速度，它依赖于GBS密度和HOC测量时间。我们的模拟结果表明，速度估计的精度增加GBS密度和HOC测量窗口。此外，商用无人机的速度可以有效地估计合理的精度。
2020-02-16 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 Survey on Cellular-connected UAVs: Design Challenges, Enabling 5G/B5G Innovations, and Experimental Advancements
作为空中机器人的一个新兴领域，无人机（UAV）在无线网络研究界获得了极大的研究兴趣。一旦国家立法允许无人机自主飞行，我们将看到成群的无人机在智慧城市的天空中完成不同的任务：包裹递送，基础设施监控，事件拍摄，监视，跟踪等无人机生态系统可以从现有的5G/B5 G蜂窝网络中受益，可以通过不同的方式来增强无人机通信。由于无人机在3D空间中灵活移动、自主操作和智能放置的固有特性，这些智能设备满足了广泛的无线应用和用例。这项工作旨在深入探索5G/B5 G蜂窝系统和无人机技术之间的集成协同作用，其中无人机作为新的空中用户设备（UE）集成到现有的蜂窝网络中。在这种集成中，无人机在蜂窝覆盖范围内扮演飞行用户的角色，因此它们被称为蜂窝连接的无人机（也称为蜂窝连接的无人机）。UAV-UE、无人机-UE、5G连接的无人机或空中用户）。这项工作的主要重点是对集成挑战进行广泛的研究，以及关键的5G/B5 G技术创新，以及在设计原型和现场试验方面的持续努力，以证实蜂窝连接无人机。这项研究强调了3GPP标准化方面的最新进展，并强调了在成功采用这项有前途的技术之前必须考虑的社会经济问题。各种开放的问题铺平了道路，未来的研究机会也进行了讨论。
2020-05-02 cs.NI eess.SP
UAV-Aided Cellular Communications with Deep Reinforcement Learning Against Jamming
蜂窝系统易受干扰攻击，特别是智能干扰机，其基于正在进行的通信策略和网络状态来选择其干扰策略，诸如干扰信道频率和功率。在本文中，我们提出了一种无人机辅助蜂窝通信抗干扰框架。在该方案中，无人机使用强化学习方法来选择中继策略的移动用户在蜂窝系统中，如果服务基站是严重的干扰。更具体地说，我们提出了一种基于深度强化学习的无人机中继方案，以帮助蜂窝系统抵抗智能干扰，而无需基于先前的抗干扰中继经验和观察到的当前网络状态在动态游戏中知道干扰模型和网络模型。该方案可以在与干扰机充分交互后达到最优性能。仿真结果表明，与现有方案相比，该方案可以降低消息的误比特率，为蜂窝系统节省能量。
2019-04-23 eess.SP
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
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
What Will the Future of UAV Cellular Communications Be? A Flight from 5G to 6G
无人机蜂窝通信的未来将是什么？在这篇教程文章中，我们通过开始从5G到6 G的旅程并分享大量由原始结果支持的现实案例研究来解决这样一个引人注目但又困难的问题。我们首先从工业角度概述了无人机通信的现状，提供了来自3GPP的最新更新，并详细介绍了支持空中设备的新的5G NR功能。然后，我们展示了这些功能的潜力和局限性。特别是，我们展示了6 GHz以下的大规模MIMO如何成功地解决小区选择和干扰挑战，我们展示了在城市和郊区/农村环境中令人鼓舞的毫米波覆盖评估，我们研究了空中直接设备到设备通信的特点。接下来，我们来看看下一代无人机通信，列出了21世纪30年代设想的一些用例。我们确定了无人机通信最有前途的6 G使能器，这些使能器有望将性能和可靠性提升到一个新的水平。对于这些颠覆性的新范式（非地面网络，无细胞架构，人工智能，可重构智能表面和太赫兹通信）中的每一个，我们评估了无人机的潜在好处，并讨论了主要的技术障碍。一直以来，我们将我们的许多发现转化为基本的外卖，我们确定了值得进一步研究的关键开放问题。
2021-05-11 cs.IT cs.NI eess.SP
Trajectory Optimization in UAV-Assisted Cellular Networks under Mission Duration Constraint
在本文中，我们解决的问题，找到最佳的轨迹无人机（UAV），以提高地面蜂窝网络的无线覆盖。特别是，我们考虑的无人机的任务是在给定的时间限制内从一个点到另一个点，它也可以同时通过在其任务期间提供无线覆盖来协助蜂窝网络。考虑到蜂窝网络的干扰受限下行链路，我们制定了一个优化问题，最大限度地提高蜂窝网络的比例公平（PF）的数据速率和探索动态规划（DP）技术，找到最佳的无人机轨迹。我们还探讨了最佳无人机轨迹与最大和率和第5百分位频谱效率（5pSE）率，并比较了容量和覆盖性能的三种方法。数值仿真结果表明，最大和速率轨迹提供了最佳的每用户容量，而最佳PF轨迹产生更高的覆盖概率比其他两个轨迹。由于运动学的限制，无人机不能急转弯，因此最优轨迹通常不可行。因此，我们使用Bezier曲线生成平滑的轨迹。
2019-02-13 eess.SP
Channel Knowledge Map for Cellular-Connected UAV via Binary Bayesian Filtering
本文针对蜂窝连接无人机场景，将链路状态地图建模为二元空间随机场，提出结合经验模型与信道测量的二元贝叶斯滤波方法，并利用距离域和角度域空间相关模型更新无测量位置的概率，在稀疏测量下显著优于基准方案。
2024-08-16 cs.IT eess.SP math.IT
6D Movable Antenna Enhanced Interference Mitigation for Cellular-Connected UAV Communications
本文提出利用6DMA阵列增强蜂窝连接无人机通信的干扰抑制，通过BCD算法联合优化天线位置、阵列旋转、接收波束成形及关联基站以最大化SINR，显著优于传统FPA及基准方案。
2024-09-20 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
Reinforcement Learning for Decentralized Trajectory Design in Cellular UAV Networks with Sense-and-Send Protocol
近年来，无人机（UAV）在蜂窝网络实时传感应用中得到了广泛的应用，它可以感知任务的状态，并将实时传感数据传输到基站（BS）。无人机的性能取决于其感测和传输过程的性能，而感测和传输过程又受无人机轨迹的影响。然而，由于无人机工作在动态环境中，因此有效地设计其轨迹是具有挑战性的。为了应对这一挑战，本文采用强化学习框架以分散方式解决无人机轨迹设计问题。为了协调多个无人机执行实时传感任务，我们首先提出了一个感测和发送协议，并使用嵌套马尔可夫链分析成功的有效数据传输的概率。然后，我们制定了分散的轨迹设计问题，并提出了一种增强的多无人机Q学习算法来解决这个问题。仿真结果表明，在实时任务感知场景下，所提出的增强型多无人机Q学习算法收敛速度更快，对无人机具有更高的效用。
2018-09-09 eess.SP
Energy Efficiency of RSMA and NOMA in Cellular-Connected mmWave UAV Networks
由于各种实际用例，蜂窝连接无人机（无人机）最近受到了广泛关注，例如，监控、数据收集、采购交付以及其他应用。由于无人机是低功率节点，因此能量和频谱高效通信至关重要。为此，多址接入（MA）方案可以在实现高能量效率和频谱效率方面发挥重要作用。在这项工作中，我们介绍了速率分裂MA（RSMA）和非正交MA（NOMA）计划在蜂窝连接的无人机网络。特别是，我们调查的能量效率的RSMA和NOMA计划中的毫米波（毫米波）下行链路传输的情况。此外，我们优化预编码向量的两个方案，明确考虑到3GPP天线传播模式。数值计算结果表明，RSMA在整体能量效率方面优于NOMA。
2019-02-13 eess.SP
Enhancing Cellular Communications for UAVs via Intelligent Reflective Surface
智能反射表面（IRSs）能够实时重新配置其电磁吸收和反射特性，为在具有挑战性的环境中增强无线通信体验提供了前所未有的机会。在本文中，我们分析了IRS在增强无人机蜂窝通信方面的潜力，目前无人机由于为地面用户提供服务而优化的基站天线向下倾斜而导致信号强度差。我们考虑在建筑物墙壁上部署IRS，其可以由蜂窝基站远程配置，以相干地将反射的无线电波定向到特定的无人机，以增加其接收信号强度。使用最近发布的3GPP地对空信道模型，我们分析了无人机的信号增益，由于IRS部署作为无人机高度的函数，以及各种IRS参数，包括大小，高度和距离基站。我们的分析表明，即使使用小的IRS，我们也可以为在蜂窝基站上方飞行的无人机实现显著的信号增益。我们还发现，最大的增益可以通过优化IRS的位置，包括它的高度和距离BS。
2020-01-31 cs.NI eess.SP
Wireless Communications and Control for Swarms of Cellular-Connected UAVs
通过使用蜂窝基站（BS）的无线连接，成群的无人机（UAV）可以提供从货物交付到监视的大量服务。特别地，群中的UAV可以利用无线通信来从周围的UAV收集信息，如速度和航向角，以协调它们的操作并保持目标速度和UAV内距离。然而，由于无线信道的不确定性，无人机之间的无线通信将经历一个传输延迟，这可能会削弱集群的稳定系统运行的能力。研究了三角形编队中三架蜂窝无人机的联合通信与控制问题。特别是，提出了一种新的方法来优化群体的操作，同时考虑到无线网络的延迟和控制系统的稳定性。基于这种方法，所需的最大允许延迟，以防止不稳定的群体的确定。此外，利用随机几何，无线网络的可靠性推导为满足控制系统的稳定性要求的概率。仿真结果验证了所提出的联合策略的有效性，并有助于获得有见地的设计指导方针，如何形成一个稳定的无人机群。
2018-12-03 eess.SP
Cellular UAV-to-Device Communications: Trajectory Design and Mode Selection by Multi-agent Deep Reinforcement Learning
在当前用于感测服务的无人飞行器系统（UAS）中，无人飞行器（UAV）通过未授权频谱将其感测数据发送到地面移动设备。然而，由于机会主义的信道接入，来自周围终端的干扰是不可控的。在本文中，我们考虑了一个蜂窝互联网的无人机，以保证服务质量（QoS），传感数据可以传输到移动设备的无人机到设备（U2 D）通信通过蜂窝网络，或直接通过基站（BS）。由于无人机的感知和传输会影响其飞行轨迹，本文研究了考虑感知和传输的无人机飞行轨迹设计问题。这是一个具有较大状态-动作空间的马尔可夫决策问题（MDP），因此，我们利用多智能体深度强化学习（DRL）来近似状态-动作空间，然后提出一种多无人机轨迹设计算法来解决这个问题。仿真结果表明，该算法比策略梯度算法和单智能体算法具有更高的总效用。
2020-03-12 cs.NI eess.SP
Interference Management in UAV-assisted Integrated Access and Backhaul Cellular Networks
集成接入和回程（IAB）网络架构可以实现下一代蜂窝网络的灵活和快速部署。然而，接入和回程链路之间的相互干扰、站点间距离小以及用户分布的空间动态性对IAB网络的实际部署提出了重大挑战。为了解决这些问题，我们利用无人机（UAV）作为悬停IAB节点的飞行能力，并提出了一种干扰管理算法，以最大限度地提高IAB网络的总速率。特别是，我们共同优化用户和基站的关联，接入和回程传输的下行链路功率分配，以及无人机的空间配置。我们考虑两种无人机的空间配置模式：分布式无人机和无人机天线阵列（DAA），并显示它们是如何交织在一起的地面用户的空间分布。我们的数值结果表明，所提出的算法实现了$2.9\times$和$6.7\times$增益的平均接收下行链路信号干扰加噪声比（SINR）和整体网络的总和速率，分别。最后，数值结果表明，无人机不仅可以用于覆盖范围的改善，但也用于容量提升IAB蜂窝网络。
2019-07-25 eess.SP
A Cooperative NOMA User Pairing in UAV-Based Wireless Networks
针对无人机辅助无线网络，本文提出基于距离的联合 NOMA 用户配对与资源分配方法及两种节点配对策略，以提升下行公平吞吐量和资源利用效率。
2022-12-24 cs.IT eess.SP math.IT
Accessing From The Sky: A Tutorial on UAV Communications for 5G and Beyond
无人机（UAV）已经找到了许多应用，预计将在未来十年带来丰富的商业机会。在无人机的各种使能技术中，无线通信是必不可少的，近年来引起了越来越多的关注。与传统的地面通信相比，无人机的通信面临着新的挑战，因为无人机的高度高，在三维空间中的运动灵活性大。出现了几个关键问题，包括主要的UAV-地面信道的视距（LoS）和由此产生的强烈的空中-地面网络干扰，UAV控制消息与有效载荷数据的不同通信服务质量（QoS）要求，UAV的大小、重量和功率（SWAP）限制所施加的严格约束，以及高度可控的三维无人机机动性带来的新的设计自由度（DoF）的开发。在本文中，我们对无人机通信的最新进展进行了教程概述，以解决上述问题，重点是如何将无人机集成到即将到来的第五代（5G）和未来的蜂窝网络中。特别是，我们将我们的讨论分为两个有前途的无人机通信的研究和应用框架，即无人机辅助无线通信和蜂窝连接的无人机，其中无人机作为空中通信平台和用户，分别。此外，我们指出了未来的研究和调查有前途的方向。
2019-03-14 cs.IT eess.SP math.IT
Sensing and Communication Tradeoff Design for AoI Minimization in a Cellular Internet of UAVs
在本文中，我们考虑了蜂窝互联网的无人机（UAV），其中无人机感测数据的多个任务，并将数据传输到基站（BS）。为了量化BS数据的“新鲜度”，我们引入了信息时代（AoI）的概念。AoI由UAV感测时间和UAV传输时间确定，并且在给定的时间段内引起权衡。为了最小化AoI，我们制定了联合感知时间、传输时间、无人机轨迹和任务调度优化问题。为了解决这个问题，我们首先提出了一种迭代算法来优化传感时间，传输时间和无人机轨迹，以完成特定的任务。之后，我们设计的顺序，无人机执行多个传感任务的数据更新。分析了该算法的收敛性和复杂度，以及无人机感知和无人机传输之间的权衡。仿真结果验证了该算法的有效性。
2020-02-01 cs.SY eess.SP eess.SY
Unauthorized UAV Countermeasure for Low-Altitude Economy: Joint Communications and Jamming based on MIMO Cellular Systems
本文针对低空经济下的 unauthorized UAV 反制需求，基于 MIMO 蜂窝系统提出联合通信与干扰的波束成形方案，通过半定松弛与定制秩约束求解，在用户与无人机总数超天线数时仍有效。
2024-10-31 cs.IT eess.SP math.IT
Trajectory Optimization for Cellular-Enabled UAV with Connectivity and Battery Constraints
针对蜂窝联网无人机在连通性与电池约束下的路径规划问题，提出将问题转化为两级图论最短路径搜索的算法，能以多项式复杂度生成最优轨迹，还拓展了能耗最小化、载荷最大化两类目标的多项式时间最优算法。
2025-06-18 eess.SP
Effects of 3D Antenna Radiation and Two-Hop Relaying on Optimal UAV Trajectory in Cellular Networks
针对干扰受限的带内下行蜂窝网络，研究了调度准则、移动性约束、路径损耗模型、回程约束和三维天线辐射方向图对无人机（UAV）轨迹优化问题的影响。特别是，我们考虑一架无人机，其任务是在给定的时间内在两个地点之间飞行（例如，用于交付或监视目的），并且我们认为这种UAV可以通过充当地面网络的中继来用于改善移动用户的蜂窝连接。由于优化问题难以数值求解，我们探讨了动态规划（DP）技术，找到最佳的无人机轨迹。我们利用地面网络的容量和覆盖性能，同时研究不同技术和现象的所有影响。大量的仿真结果表明，最大和速率轨迹提供了最好的每用户容量，而最佳比例公平（PF）速率轨迹提供了更高的覆盖概率比其他两个。由于运动学约束的限制，无人机不能急转弯，因此生成的轨迹对无人机来说是不可行的，因此我们使用贝塞尔曲线生成平滑的轨迹。我们的研究结果表明，使用贝塞尔曲线的细胞容量接近使用最佳轨迹时观察到的容量。
2019-03-03 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
Mobility State Detection of Cellular-Connected UAVs based on Handover Count Statistics
为了确保空中用户设备（UE）的可靠和有效的移动性管理，估计蜂窝连接的无人机（UAV）的速度至关重要，因为这可以帮助提高蜂窝网络的服务质量。3GPP LTE标准使用UE在预定义时间段期间进行的切换的数量来有效地估计速度和移动性状态。在本文中，我们引入了一个近似的切换计数（HOC）的概率质量函数的蜂窝连接的无人机的高度和速度，HOC测量时间窗口，和不同的地面基站（GBS）密度的函数。然后，我们推导了无人机速度估计的Cramer-Rao下界（CRLB），并给出了一个简单的有偏估计的无人机的速度依赖于GBS密度和HOC测量周期。有趣的是，对于低触发时间（TTT）参数，有偏估计量变成了最小方差无偏估计量（MVUE）。通过利用这个速度估计器，我们研究了根据LTE规范检测无人机的移动性状态为低、中、高移动性的问题。使用CRLB和我们提出的MVUE，我们表征的准确性提高速度估计和移动状态检测的GBS密度和HOC测量窗口的增加。我们的分析还表明，所提出的估计的准确性并没有显着变化的TTT参数。
2022-06-27 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
Path Design for Cellular-Connected UAV with Reinforcement Learning
School of Electrical and Information Engineering, The University of Sydney（悉尼大学电气与信息工程学院）
研究了蜂窝连接无人机（UAV）的路径设计问题，目标是在保持与蜂窝网络良好连接的同时，最小化其任务完成时间。针对传统的通过公式化和求解优化问题的路径设计方法面临的实际挑战，提出了一种基于强化学习的无人机路径设计算法，该算法应用\emph{temporal-difference}方法直接学习相应马尔可夫决策过程的\emph{state-value function}。该算法被进一步扩展，通过使用线性函数逼近与瓦片编码，以处理大的状态空间。所提出的算法只需要原始测量或模拟生成的信号强度作为输入，适合在线和离线实现。数值结果表明，即使在复杂的城市环境中，所提出的路径设计也可以成功地避免蜂窝网络的覆盖空洞。
2019-05-09 cs.LG cs.NI eess.SP
Coverage Analysis for Cellular-Connected Random 3D Mobile UAVs with Directional Antennas
这封信提出了一个分析框架，以评估蜂窝连接的无人机（UAV）网络的覆盖性能，其中无人机用户设备（UAV-UE）配备有定向天线，并根据三维（3D）移动模型移动。配备有实际下倾天线的地面基站（GBS）根据泊松点过程（PPP）分布。从随机几何的工具，我们推导出切换概率和覆盖概率的最强平均接收信号强度（RSS）关联策略下的随机UAV-UE。所提出的分析框架允许调查UAV-UE天线波束宽度，移动速度，小区关联和垂直运动的切换概率和覆盖概率的影响。我们得出结论，最佳UAV-UE天线波束宽度随着GBS密度而减小，并且在稀疏网络场景中，全向天线模型是优选的。此外，最强平均RSS关联相对于最近关联的优越性随着GBS密度的增加而减小。
2022-11-27 cs.NI eess.SP
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
Deep Reinforcement Learning for Dynamic Band Switch in Cellular-Connected UAV
为蜂窝连接的无人机（UAV）提供可靠的连接和移动性支持的发射频率的选择引入了若干挑战。传统的6 GHz以下网络针对地面用户（UE）进行了优化。工作在毫米波（mmWave）波段将提供高容量但高度间歇的链路。为了在最小化飞行时间和无线电故障次数的加权函数的同时到达目的地，本文提出了一种无人机联合轨迹和波段切换方法。通过利用双深度Q学习，我们开发了两种不同的方法来学习轨迹，除了管理波段切换。第一盲方法在UAV-UE吞吐量低于预定义阈值的任何时候沿着轨迹切换频带。此外，我们提出了一种智能的方法，同时学习的无人机和波段切换的路径规划。这两种方法进行了比较，在无线电故障和频带开关不同的阈值方面的最佳频带切换策略。结果表明，智能方法是能够在高阈值制度，以减少无线电故障和频带切换的数量，同时达到所需的目的地。
2021-08-26 eess.SP
Path Planning for Cellular-Connected UAV: A DRL Solution with Quantum-Inspired Experience Replay
在蜂窝连接无人机网络中，考虑了时间代价与期望中断持续时间加权和的最小化问题。利用无人机机动性可调的特点，提出了一种智能无人机导航方法来实现上述优化目标。具体而言，将导航任务映射为马尔可夫决策过程（MDP），提出了一种基于量子启发经验回放（QiER）框架的深度强化学习（DRL）解决方案，帮助无人机在每个时隙内找到最佳飞行方向，从而生成朝向目的地的设计轨迹。通过将经历的跃迁的重要性与其相关联的量子比特（qubit）相关联，并应用基于Grover迭代的振幅放大技术，所提出的DRL-QiER解决方案在采样优先级和多样性之间实现了更好的权衡。与几个有代表性的基线相比，所提出的DRL-QiER解决方案的有效性和优越性在数值结果中得到了证明和验证。
2021-09-16 cs.SY eess.SP eess.SY
Radio Resource Management for Cellular-Connected UAV: A Learning Approach
将无人机（UAV）集成到现有蜂窝网络中遇到了许多挑战，其中最引人注目的问题之一是如何实现空中收发器（尤其是UAV）和地面用户设备（UE）的和谐共存。在本文中，蜂窝连接的无人机网络的重点，其中多个无人机接收来自基站（BS）的消息在下行链路中，而BS服务于地面UE在其小区。为了有效地管理由于时频资源块（RB）资源的密集重用而导致的UE之间的小区间干扰（ICI），提出并采用了第一基于$p$层的RB协调准则。然后，为了提高无人机的无线传输质量，同时保护地面UE免受地面到空中（G2 A）传输的干扰，联合动态RB协调和时变波束形成设计的无线电资源管理（RRM）问题，最小化无人机的遍历中断持续时间（EOD）的研究。为了解决传统优化技术在解决RRM问题时的效率低下问题，提出了一种深度强化学习（DRL）辅助解决方案，其中调用深度双重决斗Q网络（D3 QN）和双延迟深度确定性策略梯度（TD 3）分别处理离散动作域中的RB协调和连续动作域中的波束成形设计。混合D3 QN-TD 3解决方案通过以在线集中方式与所考虑的外部和内部环境进行交互来训练，以便它可以在其离线分散开发阶段帮助实现次优的EOD最小化性能。仿真结果表明，所提出的混合D3 QN-TD 3算法的有效性，相比，几个代表性的基线。
2022-12-10 eess.SP
Spectrum Sharing for Secrecy Performance Enhancement in D2D-enabled UAV Networks
在设备到设备（D2D）通信的辅助下，无人机（UAV）网络通过提供无缝覆盖、灵活部署和高信道速率，预计将支持第五代（5G）及以后无线系统中的广泛应用。然而，由于无线信道固有的广播性和开放性，网络面临着来自恶意窃听者的重大安全威胁。为了保证这种网络的安全通信，物理层安全是一种很有前途的技术，它利用无线信道的随机性和噪声来提高保密性能。本文研究了支持D2D的无人机网络中通过频谱共享实现的物理层安全性能。我们首先提出了两种典型的网络架构，每个无人机作为飞行基站或空中用户设备。然后，我们提出了一种频谱共享策略，充分利用频谱重用所产生的干扰，以提高保密性能。我们进一步进行了两个案例研究，以评估在这两个典型的网络架构的频谱共享策略，并显示与传统的频谱共享策略相比，保密性能的增益。最后，我们讨论了一些未来的研究方向D2D使能的无人机网络。
2022-01-05 cs.NI eess.SP
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
An Experimental Study on Fine-Grained Bistatic Sensing of UAV Trajectory via Cellular Downlink Signals
Southern University of Science and Technology（南方科技大学）
本文提出利用LTE下行信号进行无人机轨迹双程感知，通过多角度多普勒测量实现高精度轨迹跟踪。
2026-02-09 eess.SP
