Improved Q-learning based Multi-hop Routing for UAV-Assisted Communication
International Institute of Information Technology Bangalore（班加罗尔国际信息技术学院）
针对无人机辅助通信路由设计的挑战，提出基于改进Q学习的多跳路由算法IQMR，采用Q(λ)学习决策，无需预规划路径，在能效和吞吐量上较现有方法分别提升36.35%和32.05%。
2024-08-17 cs.LG cs.NI
Cooperative Multi-Agent Deep Reinforcement Learning for Reliable and Energy-Efficient Mobile Access via Multi-UAV Control
Korea University（高丽大学）；Ajou University（亚洲大学）；Intel Corporation（英特尔公司）
本文提出一种基于多智能体深度强化学习的多无人机协同定位算法，通过优化能耗与60GHz毫米波通信保障C-V2X网络可靠节能接入，实验证明其优于现有算法。
2023-06-30 cs.LG cs.MA
Graph Attention-based Reinforcement Learning for Trajectory Design and Resource Assignment in Multi-UAV Assisted Communication
Hainan University（海南大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Shanghai Jiao Tong University（上海交通大学）；University of Naples Federico II（那不勒斯费德里科二世大学）；Nanyang Technological University（南洋理工大学）
针对多无人机辅助通信中轨迹与资源分配的马尔可夫博弈难题，提出融合图循环网络与注意力机制的GA-MATR强化学习框架，提升收敛性并给出博弈的估计纳什均衡。
2024-01-31 cs.IT cs.LG cs.MA
Deep Reinforcement Learning Based Placement for Integrated Access Backhauling in UAV-Assisted Wireless Networks
University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
本文提出基于深度强化学习的无人机部署方法，动态平衡前传与回传链路，以增强5G网络中偏远或受灾区域的覆盖与性能。
2023-12-21 cs.LG cs.NI cs.SY
Imperfect Digital Twin Assisted Low Cost Reinforcement Training for Multi-UAV Networks
Xidian University（西安电子科技大学）
本文针对多无人机网络DRL训练能耗高的问题，提出不完美数字孪生辅助的低成本训练方法，通过自然与虚拟无人机混合部署及双级联神经网络联合优化，在保证性能的同时显著降低训练成本。
2023-10-25 cs.LG cs.SY eess.SY
UAV-Assisted Space-Air-Ground Integrated Networks: A Technical Review of Recent Learning Algorithms
University of Waterloo（滑铁卢大学）；University of Manitoba（曼尼托巴大学）；National Research Council Canada（加拿大国家研究委员会）
本文综述了无人机辅助空天地一体化网络中的近期学习算法，重点从方法论角度分析奖励函数优化，并指出基于满意度的3D学习算法在多数场景下表现最优，为实际部署提供指导。
2024-07-16 cs.LG cs.NI cs.SY
SINR Coverage Enhancement of 6G UAV-Assisted Networks Deploying IRS
该工作的目标是提高无人机辅助的6G无线网络的信号干扰噪声比（SINR）覆盖概率。为此，本文对常规无人机通信模型和红外辅助无人机通信模型的覆盖概率进行了分析比较。研究结果表明，IRS在无人机辅助无线网络中的应用显著提高了SINR的覆盖概率。此外，IRS在无人机网络中的安装降低了网络的能量消耗。
2022-12-03 cs.IT eess.SP math.IT
UAV-Assisted Hierarchical Aggregation for Over-the-Air Federated Learning
随着移动边缘的大量数据爆炸式增长，空中联邦学习（OA-FL）成为一种有前途的技术，可以降低通信成本和隐私泄露风险。然而，当相对较大区域中的设备协作训练机器学习模型时，伴随的掉队者问题将显著降低学习性能。在本文中，我们提出了一种无人机（UAV）辅助OA-FL系统，其中无人机作为一个参数服务器（PS），聚集局部梯度分层全局模型更新。在这种无人机辅助的分层聚合方案下，我们进行了梯度相关感知FL性能分析。然后，我们制定了一个均方误差（MSE）最小化问题，调整无人机的轨迹和全局聚合系数的基础上的分析结果。基于交替优化（AO）和逐次凸逼近（SCA）的算法来解决制定的问题。仿真结果表明，我们的无人机辅助分层聚合计划的巨大潜力。
2022-09-23 eess.SP
Placement of UAV-Mounted Mobile Base Station through User Load-Feature K-means Clustering
New Mexico Tech（新墨西哥理工学院）；Amir Kabir University of Technology（阿米尔·卡比尔理工大学）；Utah Valley university（犹他谷大学）
蜂窝网络中的临时高业务请求是要解决的具有挑战性的问题。无人机的最新进展适用于覆盖这些类型的交通。无人机载移动基站布局是实现高性能的一个具有挑战性的问题.已经提出了不同的方法;然而，在无人机放置中不考虑用户需要的交通。我们提出了一个新的功能，适用于K-均值聚类，以找到最佳的集群。用户所需的交通被定义为一个新的功能，以分配用户的无人机。我们的仿真结果表明，无人机可以放置在更接近高流量的用户，以实现更高的性能。
2020-10-03 cs.LG cs.NI eess.SP
Energy Efficiency Optimization for UAV-assisted Backscatter Communications
未来的物联网（IoT）对节能通信有很高的需求，特别是在偏远地区和智慧城市。为了满足这一需求，我们提出了新的无人机辅助后向散射通信，其中无人机首先通过时分多址接入从多个地面后向散射标签收集数据，然后飞入地面基站的覆盖区域，将其收集的数据上传到其关联的基站。为了确定无人机数据采集的最优位置，首先分析系统平均中断概率，然后在无人机能量约束下，利用黄金分割法对最优后向散射位置进行能量效率优化。我们的分析和仿真结果表明，无人机数据收集位置和中断概率之间存在权衡，最佳无人机数据收集位置，以实现最大的能量效率需要更接近标签，以降低无人机发射功率。
2019-08-04 eess.SP
UAV-Assisted Relaying and Edge Computing: Scheduling and Trajectory Optimization
在本文中，我们研究了一种无人机（UAV）辅助的移动边缘计算（MEC）架构，在该架构中，在该区域周围漫游的UAV可以作为计算服务器来帮助用户设备（UE）计算其任务，或者作为中继来进一步将其计算任务卸载到接入点（AP）。我们的目标是最小化的无人机和UE的加权和能量消耗的任务约束，信息的因果关系约束，带宽分配约束和无人机的轨迹约束。所需的优化是非凸的，并提出了一种交替优化算法，以联合优化计算资源调度，带宽分配，无人机的轨迹在迭代的方式。数值结果表明，显着的性能增益比传统的方法。此外，所提出的算法的优点是更突出的处理计算密集型的延迟关键任务。
2019-07-16 eess.SP
Vision-Aided Blockage Avoidance in UAV-assisted V2X Communications
由于毫米波通信系统主要工作在视距（LOS）链路上，因此阻塞是毫米波通信系统面临的一个关键挑战，阻塞会显著降低系统性能。最近发现，视觉信息，很容易获得的相机，可以用来提取的位置和大小的环境对象的信息，这可以帮助推断的通信参数，如阻塞状态。在本文中，我们提出了一种新的无人机辅助V2X系统的视觉辅助切换框架，它利用移动站（MS）的摄像头拍摄的图像来选择直接链路或无人机辅助链路，以避免道路上的车辆造成的阻塞。我们提出了一种深度强化学习算法来优化切换和无人机轨迹策略，以提高长期吞吐量。仿真结果证明了利用视觉信息处理阻塞问题的有效性。
2022-07-26 eess.SP
UAV-Assisted MEC for Disaster Response: Stackelberg Game-Based Resource Optimization
本文针对灾害场景下多UAV-MEC任务卸载问题，建立Stackelberg博弈模型，提出K-means预部署机制和类棋粒子群策略选择学习优化算法，实现控制器与用户设备效用最大化。
2025-03-26 eess.SP
3D Channel Characterization and Performance Analysis of UAV-Assisted Millimeter Wave Links
最近，毫米波（mmW）频率的使用已经成为将无人机（UAV）无线连接到地面用户的有前景的解决方案。然而，由于悬停UAV的随机波动，采用UAV辅助的定向mmW链路是具有挑战性的。本文研究了无人机采用方形阵列天线时的毫米波链路性能。利用3GPP天线传播方向图对方形阵列天线进行建模。结果表明，方形阵列天线对无人机的水平角振动和垂直角振动都很敏感。为了研究无人机振动与天线方向图之间的关系，考虑了大尺度路径损耗、小尺度衰落以及无人机角振动的随机效应，对无人机毫米波信道进行了表征。为了实现有效的性能分析，易处理和封闭形式的统计信道模型推导出空中到空中（A2A），地面到空中（G2A），空中到地面（A2G）信道。分析模型的准确性进行了验证，采用Monte Carlo模拟。分析结果被用来研究天线方向图增益在不同条件下的无人机的角振动建立可靠的无人机辅助毫米波链路在实现最小中断概率方面的效果。
2020-03-01 eess.SP
Performance of UAV-based Cell-free mMIMO ISAC Networks: Tethered vs. Mobile
本文对比无蜂窝mMIMO ISAC网络中的系留式与移动无人机部署，通过联合预编码及PSO位置优化，证明移动方案可获得更高感知SINR。
2024-05-10 eess.SP
Deep Q-Network Based Dynamic Movement Strategy in a UAV-Assisted Network
无人机（UAV）辅助通信是一种很有前途的解决方案，以提高未来无线网络的性能，其中无人机被部署为基站，以提高提供给地面用户的服务质量（QoS），当传统的地面基站不可用或不足时。提出了一种有效的框架来管理多个无人机（UAV）的动态运动，以响应地面用户的移动，目标是最大化地面用户的总数据速率。首先，我们讨论了空-地（A2 G）路径损耗（PL）和无人机的位置之间的关系。然后，提出了一种基于深度Q网络（DQN）的方法来调整无人机的位置，以最大化用户设备（UE）的总数据速率。仿真结果表明，该方法能够实时调整无人机位置，提高整个网络的QoS。
2020-08-07 eess.SP
Performance Evaluation and Hybrid Application of the Greedy and Predictive UAV Trajectory Optimization Methods for Localizing a Target Mobile Device
本研究针对紧急状况下无人机定位目标移动终端的轨迹规划策略进行研究。紧急情况下目标移动终端的基于全球导航卫星系统（GNSS）的准确位置信息可能不总是可用于第一响应者。举例来说，1）GNSS定位准确性可在恶劣信号环境中降级，且2）在紧急定位服务不是强制性的国家中，一些移动装置可不报告其位置。在上述情况下，找到目标移动终端的单向式是使用UAV。被派遣的无人机可以通过测量信号的强度（例如，LTE无线通信信号）。为了在尽可能短的时间内准确定位目标移动终端，无人机应该以尽可能高效的方式飞行。无人机航迹优化方法主要有两种：贪婪法和预测法。然而，对这两种方法的定位性能的研究仅在有利的设置下进行了评估（即，在良好的无人机几何形状和小的接收信号强度（RSS）误差下）;更现实的场景仍然没有探索。在这项研究中，我们比较了贪婪和预测方法在现实RSS错误（即，根据ITU-R信道模型，最高可达6 dB）。
2023-02-23 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
Saving Lives at Sea with UAV-assisted Wireless Networks
在本文中，我们研究的特点和权衡的无人机与BS或C-RAN相结合的系统，在紧急情况下扩展陆地无线覆盖的海上。海上部署链路预算的结果显示了功耗和吞吐量之间的权衡，以满足搜索和救援目标。
2018-09-04 cs.NI eess.SP
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
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
Energy-Efficient Design for RIS-assisted UAVcommunications in beyond-5G Networks
可重构智能表面（RIS）与无人驾驶Ariel车辆（UAV）的结合使用正在研究中，作为向密集城市地区的地面用户提供节能通信的一种方式。在本文中，我们设计了一个优化方案，以减少网络中的整体能耗，同时保证一定的服务质量（QoS）的地面用户在该地区。由于优化问题的复杂性，我们提供了一个联合的无人机轨迹和RIS相位决策，以最大限度地减少无人机和基站（BS）的传输功率，从而以较低的复杂性产生良好的性能。因此，所提出的方法使用连续凸近似（SCA）迭代确定无人机轨迹，RIS相位和BS和无人机发射功率的联合最优解。因此，该方法已根据不同的标准进行了分析评估。
2021-09-24 eess.SP
An Optimal Multi-UAV Deployment Model for UAV-assisted Smart Farming
下一代无线网络将动态部署无人机作为空中基站（UAV-BS），以提高无线网络在偏远地区的覆盖。为了在随机环境中提供有效的服务，必须针对不同的场景适当地指定UAV-BS的最佳数量、它们的位置和轨迹。这种部署需要一种智能决策机制，可以在不同时间处理各种变量。本文提出了一种用于智能农业的多UAV-BS部署模型，采用多标准决策（MCDM）方法来确定用于监测动物行为的UAV-BS的最佳数量。该模型考虑了UAV-BS的信号干扰和用户移动引起的路径损耗变化的影响，以最大限度地提高系统的效率。为了避免UAV-BS之间的冲突，我们将所考虑的区域分成几个集群，每个集群由一个UAV-BS覆盖。我们的模拟结果表明，部署效率比基准聚类算法高出11倍。
2022-07-28 cs.NI 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
Impact of RIS Orientation on Throughput in UAV-Assisted Wireless Systems
Lahore University of Management Sciences (LUMS)（拉合尔管理科学大学）
本文提出通过优化RIS方位提升无人机辅助无线系统吞吐量的方法，并通过实验验证了RIS方位对通信性能的关键影响。
2025-12-08 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
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
UAV-Assisted and Intelligent Reflecting Surfaces-Supported Terahertz Communications
本文利用无人机和智能反射面来支持太赫兹（THz）通信。为此，无人机的轨迹，IRS的相移，太赫兹子带的分配，和功率控制的联合优化进行了研究，以最大限度地提高所有用户的最小平均可达速率。提出了一种基于逐次凸逼近和速率约束惩罚（CAR）的迭代算法来获得无人机的轨迹，并将IRS相移表示为一个封闭形式的表达式，引入了代价因子。仿真结果表明，该方案显著提高了整个系统的速率性能。
2021-03-01 eess.SP
Energy-Efficient UAV-Mounted RIS Assisted Mobile Edge Computing
无人机（UAV）和可重构智能表面（RIS）最近已被应用于移动边缘计算（MEC）领域，以分别通过可重构位置部署和智能信号反射主动改变无线信道来改善数据交换环境。然而，它们在实际情况中可能受到固有的限制。无人机搭载RIS（U-RIS）作为一种很有前途的综合方法，可以结合无人机和RIS的优点，突破限制。受此启发，我们考虑了一种新的U-RIS辅助MEC系统，其中部署了U-RIS以协助地面用户和MEC服务器之间的通信。为最大限度地提高系统的能量利用率，提出了无人机航迹、RIS无源波束形成和MEC资源分配的联合设计方案。为了解决这个棘手的非凸问题，我们将其分为两个子问题，并基于连续凸逼近（SCA）和Dinkelbach方法迭代求解。最后，我们得到了一个高性能的次优解。仿真结果表明，该算法显著提高了MEC系统的能量效率。
2022-03-24 eess.SP
Terahertz Communication Multi-UAV-Assisted Mobile Edge Computing System
本文研究太赫兹多无人机辅助移动边缘计算系统中的服务时延最小化问题，提出联合优化中继选择、功率、位置和资源分配的PDD算法，并通过数值实验验证其优于基准方法。
2024-07-01 eess.SP
Dual Fluid Antenna-Assisted UAV MIMO Networks
Shanghai Advanced Research Institute, Chinese Academy of Sciences（中国科学院上海高等研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）；Shenzhen CyberAray Network Technology Co., Ltd.（深圳赛博阵列网络科技有限公司）；The University of Electro-Communications（电子通信大学）；University College London（伦敦大学学院）；Kyung Hee University（庆熙大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
研究双流天线辅助无人机多用户多输入多输出下行通信网络，通过联合优化无人机轨迹、收发天线位置和波束成形最大化平均可达速率，采用交替优化算法求解，性能优于传统和现有基线。
2026-07-17 eess.SP
Energy-Efficient UAV Swarm Assisted MEC with Dynamic Clustering and Scheduling
针对无人机集群辅助MEC的长期能效问题，提出动态分簇与资源调度联合优化，并通过多智能体随机博弈和RLDC算法求解，仿真验证其性能优势。
2024-02-29 cs.NI eess.SP
Stacked Intelligent Metasurfaces Assisted UAV Communications
University of Luxembourg（卢森堡大学）；National Institute of Technology Warangal（瓦朗加尔国家技术学院）
研究堆叠智能超表面辅助的无人机通信系统，通过将部分波束成形功能转移到电磁域，实现节能混合波束成形。制定联合设计并开发交替优化框架，解决非凸问题。结果表明该架构能提高频谱效率且保持低硬件复杂度。
2026-07-28 eess.SP
UAV-Assisted Weather Radar Calibration: A Theoretical Model for Wind Influence on Metal Sphere Reflectivity
针对风致悬挂金属球偏移导致无人机辅助天气雷达标定反射率偏差的问题，建立一维振动影响的理论模型，为移动雷达标定提供依据。
2024-06-20 eess.SP
Task and Bandwidth Allocation for UAV-Assisted Mobile Edge Computing with Trajectory Design
在本文中，我们研究了一个移动边缘计算（MEC）架构的协助下，无人机（UAV）。UAV充当计算服务器以帮助用户设备（UE）计算其任务，以及充当中继器以进一步将UE的任务卸载到接入点（AP）以进行计算。通过在任务约束、信息因果关系约束、带宽分配约束和UAV的轨迹约束的条件下联合优化任务分配、带宽分配和UAV的轨迹，来最小化UAV和UE的总能量消耗。公式化的优化问题是非凸的，我们提出了一个交替算法来迭代优化参数。仿真结果验证了算法的有效性，与一些实际基线相比，该算法获得了很大的性能增益，特别是在处理计算密集型和延迟关键型任务时。
2019-07-08 eess.SP
Securing Mobile Multiuser Transmissions with UAVs in the Presence of Multiple Eavesdroppers
本文讨论了多个地面用户的传输安全问题，防止窃听攻击。我们建议和优化部署的一个单一的无人机（UAV），它作为一个空中中继之间的用户集群和基站。重点是通过联合优化地面用户的上行传输功率和UAV的位置来最大化保密能量效率。联合优化问题是非凸的，因此我们将其分为两个子问题，并使用迭代算法求解。
2021-11-01 eess.SP
Energy and Age Pareto Optimal Trajectories in UAV-assisted Wireless Data Collection
研究了一种无人机辅助的无线网络，该网络中无人机从地面传感器节点收集信息，并将收集到的数据传输到仓库。信息新鲜度由信息年龄（AoI）度量捕获，而UAV的能量消耗被视为另一个性能标准。最重要的是，AoI和能源效率本质上是相互竞争的指标，因为降低AoI需要UAV更频繁地返回仓库，导致更高的能源消耗。为此，我们设计无人机路径，优化这两个相互竞争的指标，揭示帕累托前沿。为了制定这个问题，提出了一个多目标混合整数线性规划（MILP）与基于流的约束集，我们应用本德的分解建议制定。总体结果表明，所提出的方法可以推导出非支配的解决方案，无人机基于无线数据汇集的决策。数值结果证实了我们的研究，提出了两个目标的帕累托前沿和无人机轨迹的影响。
2022-05-10 cs.NI eess.SP
Maximizing Energy Charging for UAV-assisted MEC Systems with SWIPT
针对现有MEC-WPT方案忽略下行链路周期的问题，提出结合SWIPT的无人机辅助MEC方案，通过多变量联合优化与交替优化算法最大化地面设备剩余能量，实验验证了方案有效性。
2024-03-06 eess.SP
Robust Computation Offloading and Trajectory Optimization for Multi-UAV-Assisted MEC: A Multi-Agent DRL Approach
针对多无人机辅助MEC网络中存在通信与计算不确定性的多类型任务联合优化问题，提出基于Beta分布的多智能体PPO框架求解，有效降低总加权能耗且鲁棒性优于基准算法。
2023-08-24 eess.SP
Pareto-Optimal Rate-CRLB Tradeoff via Anchor Placement Optimization for UAV-Assisted 3D ISAC
National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；Purple Mountain Laboratories（紫金山实验室）
本文针对无人机辅助三维ISAC系统，通过优化无人机锚点布置，刻画并实现了通信速率与感知CRLB之间的Pareto最优权衡，提出了高效算法并验证了性能优势。
2026-09-15 eess.SP
Joint Optimization of STAR-RIS Assisted UAV Communication Systems
本文研究了同时发射和反射的可重构智能表面（STAR-RIS）辅助无人机（UAV）通信。我们的目标是通过联合优化STAR-RIS的波束形成向量、无人机的轨迹和功率分配来最大化所有用户的总速率。我们将非凸问题分解为三个子问题，交替求解以获得最优解。模拟结果表明：1）STAR-RIS实现了比传统RIS更高的和速率; 2）为了利用STAR-RIS的优点，UAV的轨迹比RIS更接近STAR-RIS; 3）反射和透射的能量分裂高度依赖于UAV的实时轨迹。
2022-09-08 cs.IT eess.SP math.IT
Joint Energy and SINR Coverage Probability in UAV Corridor-assisted RF-powered IoT Networks
针对无人机走廊辅助的射频供能物联网网络，研究能量与SINR联合覆盖概率，通过建模空中走廊与视距概率推导精确解与紧近似，给出最优无人机部署数和走廊长度。
2024-09-13 cs.IT eess.SP math.IT
Rate Maximization for UAV-assisted ISAC System with Fluid Antennas
本文针对流体天线无人机辅助ISAC系统，提出基于凸优化和交替优化的迭代算法，在保证联合感知能力下最大化通信速率，仿真验证了其有效性。
2025-10-09 eess.SP
Interference Avoidance Position Planning in UAV-assisted Wireless Communication
研究了无人机辅助无线通信系统中，利用无人机作为中继节点来提高收发机之间的吞吐量。我们专注于开发有效的方法来定位无人机（S）在天空中的一个主要的干扰源的存在下，这使得问题不平凡。首先，我们考虑利用一个单一的无人机，我们开发了一个理论框架，以确定其最佳位置，旨在最大限度地提高系统的SIR。为此，我们研究了三种实际情况下的问题，其中无人机的位置是：（i）垂直固定，水平可调;（ii）水平固定，垂直可调;（iii）水平和垂直可调。之后，我们考虑采用多个无人机，为此，我们提出了一种具有成本效益的方法，同时最大限度地减少所需的无人机的数量，并确定其最佳位置，以保证一定的SIR的系统。我们进一步发展了一个分布式布局算法，它可以增加系统的SIR给定的任意数量的无人机。数值模拟提供了我们所提出的方法来评估性能。
2019-03-21 cs.NI eess.SP
UAV-Assisted 3-D Localization for IoT Networks Using a Simple and Efficient TDOA-AOA Estimator
本文提出一种利用单个TDOA-AOA测量对和闭式加权最小二乘估计器的代数解，实现无人机辅助物联网中基于单地面站的三维信源定位，性能接近CRLB。
2025-10-09 eess.SP
Direction Modulation Design for UAV Assisted by IRS with discrete phase shift
针对无人机安全通信需求，提出IRS辅助的定向调制方案，通过联合优化数字加权向量、无人机位置与IRS离散相移，提升安全传输速率，数值结果验证了方案有效性。
2024-10-07 eess.SP
Lifetime Maximization for UAV-assisted Data Gathering Networks in the Presence of Jamming
无人机（UAV）的部署最近由于各种实际用例（如监视，数据收集和商品交付）而受到极大关注。由于无人机由电池供电，因此节能通信至关重要。在本文中，我们研究了存在多个干扰源的情况下，无人机辅助网络的生命周期最大化问题，其中无人机被部署来收集来自一组无线传感器的数据。我们证明了无人机的位置在延长网络的寿命方面起着关键作用，因为无人机所需的传输功率与它们在空间中的位置密切相关。在所提出的场景中，UAV将收集的数据发送到称为\textit{leader}的主UAV，主UAV负责经由回程UAV网络将数据转发到基站（BS）。我们部署的工具，从谱图理论来解决这个问题，由于其高度的非凸性。仿真结果表明，我们提出的方法可以显着提高无人机网络的生命周期。
2020-05-10 cs.SY eess.SP eess.SY
Fusing Channel and Sensor Measurements for Enhancing Predictive Beamforming in UAV-Assisted Massive MIMO Communications
本文提出融合信道与传感器数据，利用扩展卡尔曼滤波和预测波束赋形框架，提升无人机大规模MIMO通信的波束对齐精度与频谱效率。
2023-12-29 eess.SP
SNR Maximization and Localization for UAV-IRS-Assisted Near-Field Systems
本文提出一种UAV-IRS结构用于近场定位系统，通过联合优化UAV位置和无源波束赋形最大化接收SNR，并利用PGA算法和相移闭式表达式求解非凸问题，显著提升了定位精度和接收SNR。
2024-04-24 eess.SP
Resource Allocation for UAV Assisted Wireless Networks with QoS Constraints
对于拥挤和热点区域，通常部署无人机（UAV）以提高覆盖率。该模型将无人机辅助通信分为控制消息、非实时通信和实时通信三种类型，能够满足无人机辅助通信系统用户的大部分实际需求。带宽分配问题被认为是最小化该系统的总能耗，同时满足要求。为了提高系统的性能，本文引入了两种技术。第一种方法是将地面用户分为多个用户组，并为每个用户组提供具有不同带宽的唯一RF信道。第二种方法是在系统中部署多架无人机。每种方案的带宽优化都是一个凸优化问题。仿真结果表明，所提出的方案的优越性，在能源消耗。
2020-02-09 cs.SY eess.SP eess.SY
Path Planning for UAV-Mounted Mobile Edge Computing with Deep Reinforcement Learning
在这封信中，我们研究了一个无人机（UAV）安装的移动边缘计算网络，其中无人机执行从移动终端用户（TU）卸载的计算任务，每个TU的运动遵循高斯-马尔可夫随机模型。为了保证每个TU的服务质量（QoS），具有有限能量的UAV根据移动TU的位置动态规划其轨迹。为此，我们制定了一个马尔可夫决策过程的问题，其中的无人机轨迹和UAV-TU关联建模为参数进行优化。为了最大化系统回报并满足QoS约束，我们在基于双深度Q网络的算法中提出了一种基于QoS的动作选择策略。仿真结果表明，该算法比传统算法收敛速度快，总吞吐量高。
2020-01-28 cs.IT eess.SP math.IT
Offloading Revenue Maximization in Multi-UAV-Assisted Mobile Edge Computing for Video Stream
针对多无人机辅助视频传输系统的计算资源限制问题，本文提出多无人机辅助D2D移动边缘计算系统，联合优化多维度资源配置并采用TD3算法求解非凸问题，显著提升系统效率以最大化视频流任务卸载收益。
2024-12-05 cs.ET eess.SP
The Deployment of IRS in UAV-Empowered 6G Networks
具有实时重新配置固有电磁反射和吸收特性的智能反射表面（IRSs）为改善恶劣环境下的无线连接提供了无与伦比的前景。无人机（UAV）辅助的无线网络被演进为对抗非视距（NLoS）场景的可靠解决方案。因此，IRS授权的无人机辅助蜂窝网络将成为改善覆盖和用户体验的重要角色。研究了IRS-UAV辅助网络中路径损耗最小化和数据传输速率最大化问题。在此背景下，工作分析了路径损耗和可实现的速率利用毫米波（毫米波）载波考虑传统的无人机模型和IRS授权的无人机通信模型。研究表明，与传统的无人机辅助通信模型相比，IRSempowered无人机通信模型能够显著降低路径损耗，提高可达数据速率。
2022-05-07 cs.IT eess.SP math.IT
Physical-Layer Security for Untrusted UAV-Assisted Full-Duplex Wireless Networks
针对非可信全双工无人机网络的物理层安全问题，提出基于信源的干扰方案，通过最优功率分配和最优无人机选择提升保密性能，分析了保密中断概率等指标并给出设计见解。
2019-09-14 eess.SP
