Evaluation of 3D Terrestrial and Aerial Spectrum Sharing with Massive MIMO Systems
本文研究mMIMO基站在3D频谱共享方案中同时服务空地用户的性能，通过SUS和随机调度评估表明mMIMO能有效支持更多地面用户，为未来3D空地网络提供关键见解。
2025-03-07 cs.NI cs.SY eess.SY
Modeling and Simulation of Reconfigurable Intelligent Surfaces for Hybrid Aerial and Ground-based Vehicular Communications
随着自动驾驶水平的提高和智能交通系统（ITS）的未来应用，车辆通信的需求也在增长。除了对高容量无线电链路的需求不断增长之外，可靠性和延迟约束也对移动网络供应提出了挑战。虽然例如毫米波频谱和太赫兹频带提供了大量的无线电资源，但由于微妙的无线电信道条件和信号传播特性，它们的适用性受到限制。作为未来ITS基础设施的智能无线电环境（SRE）的一部分，可重构智能表面（RISs）通过有目的地培养无源反射来改善无线电链路质量。这样，被阻挡的毫米波或太赫兹波束可以通过RIS反射路径在障碍物周围被引导，以改善否则有限的覆盖范围。在这篇文章中，提出了RIS增强的车辆通信的应用用例。除了在建筑物的外墙上静态部署RIS之外，无人驾驶飞行器（UAV）可以根据需要提供反射能力，而未来的飞行器可以-在一个有远见的方法中-由超材料组成，允许在丰富的SRE中机会性地利用它们。基于我们的多尺度移动性和网络仿真模型的案例研究的结果清楚地突出了RIS部署混合车辆通信场景的潜力。路径损耗和中断百分比可以大大降低。
2021-08-29 cs.NI
Quantum-Assisted Online Task Offloading and Resource Allocation in MEC-Enabled Satellite-Aerial-Terrestrial Integrated Networks
本文研究星地空一体化网络中的在线任务卸载与资源分配，提出基于Lyapunov的在线控制算法分解随机优化问题，并设计混合量子-经典广义Benders分解算法高效求解单时隙混合整数非线性规划，以最小化服务延迟。
2024-12-20 cs.NI
Efficient Entanglement Routing for Satellite-Aerial-Terrestrial Quantum Networks
本文针对卫星-高空-地面量子网络的长距离高保真纠缠传输需求，提出联合优化路径选择与纠缠生成速率的纠缠路由方案，采用基于Benders分解的算法高效求解对应的MILP问题，数值结果验证了方案有效性。
2025-09-04 cs.NI quant-ph
Energy Efficient Orchestration in Multiple-Access Vehicular Aerial-Terrestrial 6G Networks
Oulu University（奥卢大学）；Ruhr University Bochum (RUB)（鲁尔大学波鸿分校）；ICTFICIAL Oy（ICTFICIAL公司）；Universitat Politècnica de València（瓦伦西亚理工大学）
本文提出一种新型框架，整合无人机轨迹规划、多接入控制和服务放置，以实现高效能服务覆盖和超低延迟通信，解决动态车载环境中的干扰、资源稀缺和移动性挑战。
2026-03-29 cs.NI
Stochastic Geometry Based Modelling and Analysis of Uplink Cooperative Satellite-Aerial-Terrestrial Networks for Nomadic Communications with Weak Satellite Coverage
针对弱卫星覆盖下用户聚集在有限区域的CSATN上行研究空白，提出结合BPP与II型MHCPP的随机几何模型，推导链路距离分布并分析覆盖概率与平均遍历速率，仿真验证推导准确性，为真实场景系统优化提供基础。
2024-08-27 cs.NI eess.SP
Aerial Anchors Positioning for Reliable RSS-Based Outdoor Localization in Urban Environments
在这封信中，地面节点的定位时，无人机（UAV）被用作基站进行了研究。特别是，一种新的定位场景的基础上接收信号强度（RSS）从地面节点。与现有文献相比，我们的分析包括高度相关的路径损耗指数和阴影，从而导致最小定位误差的最佳无人机高度。此外，Cramer-Rao下界推导出的估计距离强调，分析，存在一个最佳的无人机高度。我们的仿真结果表明，定位误差从超过300米时，使用地面锚到80米时，使用无人机在城市场景中的最佳高度飞行。
2017-12-05 cs.NI
Efficient 3D Aerial Base Station Placement Considering Users Mobility by Reinforcement Learning
本文考虑了一种空中基站（aerial-BS）辅助的地面网络，其中考虑了用户的移动性。用户移动动态地改变网络，这可能导致性能损失。为了避免这种损失，保证最低的服务质量（QoS），并可能增加的QoS，我们添加了一个空中BS的网络。为了在传统的地面网络和空中BS辅助网络之间进行公平的比较，我们在两个网络中保持BS的总数相同。在这样的网络中获得最佳性能高度依赖于空中BS的最佳布置。为此，需要一种算法，它可以依赖于一般和现实的假设，并可以根据过去的经验决定去哪里。针对这一目标提出的方法是基于折扣奖励强化学习，这被称为Q学习。仿真结果表明，该方法提供了一种有效的布局策略，提高了无线网络的服务质量时，它是必要的，并承诺找到最佳位置的空中基站在离散环境中。
2018-02-13 cs.NI
Deploying an Aerial Reconfigurable Intelligent Surface for Vehicle-to-Vehicle Communications (PL: Wykorzystanie powietrznych przełączalnych inteligentnych powierzchni do komunikacji międzypojazdowej)
本文提出利用搭载可重构智能表面的无人机中继站，通过优化轨迹与朝向，增强车对车通信吞吐量并抑制干扰，仿真验证了有效性。
2025-03-25 cs.NI eess.SP
Synergizing Airborne Non-Terrestrial Networks and Reconfigurable Intelligent Surfaces-Aided 6G IoT
本文探讨了将可重构智能表面（RIS）与非地面网络（NTN）平台集成以解决信号延迟、干扰等挑战，并通过实验验证了RIS辅助的NTN能显著提升6G物联网通信系统的整体性能。
2023-10-25 cs.IT cs.NI math.IT
6G for Connected Sky: A Vision for Integrating Terrestrial and Non-Terrestrial Networks
本文提出6G-SKY项目愿景，旨在融合地面与非地面网络，明确核心用例、架构功能与设计管理挑战，并对比现有6G研究，探讨项目额外研究难点。
2023-05-07 cs.NI
Toward RIS-Enhanced Integrated Terrestrial/Non-Terrestrial Connectivity in 6G
下一代无线系统将通过地面、空中、卫星、海上和水下通信系统的无缝集成，把通信和联网的概念提升到另一个层次。可重构智能表面（RIS）是一种创新技术，它以其独特的特征和功能，可以加速实现这种无处不在的连接。出于这种创新技术的无与伦比的性能，本文提供了一个全面的讨论如何RIS可以有助于实现和未来的综合地面/非地面（INTENT）网络的正常运作。作为一个案例研究，我们探讨了集成的RIS到非正交多址接入（NOMA）为基础的卫星通信网络，并通过数值模拟演示了通过列入RIS实现的性能增强。最后提出了今后的研究方向。
2022-07-29 cs.NI
Efficient 3-D Placement of an Aerial Base Station in Next Generation Cellular Networks
在意外或临时事件的情况下，陆地基站可能无法完全满足未来蜂窝网络的灵活性和弹性要求。一个有前途的解决方案是通过配备有基站的低空无人驾驶飞行器来辅助蜂窝网络，即，雄蜂细胞虽然无人机小区作为空中基站提供了快速部署的机会，但有效的布局成为关键问题之一。除了无人机小区在垂直维度以及水平维度上的移动性之外，空对地信道与地面信道之间的差异导致无人机小区的放置与地面基站的放置偏离。在本文中，我们首先突出的dronecell布局问题的属性，并制定它作为一个3-D布局问题的目标是最大限度地提高网络的收入。经过一些数学运算，我们制定了一个等价的二次约束混合整数非线性最优化问题，并提出了一个计算效率高的数值解这个问题。我们验证我们的分析推导与数值模拟，并丰富他们的讨论，可以作为研究人员，移动网络运营商和政策制定者的指导方针。
2016-02-26 cs.NI math.OC
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
6G in the Sky: On-Demand Intelligence at the Edge of 3D Networks
6G将联合利用卫星、空中和地面平台来提高无线电接入能力，并通过在空中平台和低轨道卫星上整合移动边缘计算（MEC）功能，解锁对三维空间（3D）中按需边缘云服务的支持。这将把MEC支持扩展到空中的设备和网络元素，并将打造一个星载MEC，实现智能个性化和分布式按需服务。3D终端用户将体验到被分布式计算机包围的感觉，这些计算机以明显的零延迟满足他们的请求。在本文中，我们考虑的架构提供通信，计算和缓存（C3）服务的需求，随时随地在3D空间，建立在传统的地面（陆地）基站和飞行（非陆地）节点的集成。考虑到整个网络的复杂性，C3资源和空中设备的管理需要通过基于AI的算法进行联合编排，利用以分布式方式跨陆地和非陆地节点动态部署的虚拟化网络功能。
2020-10-19 cs.CY cs.NI
Aerial Booster-Cell Enabled Inter-Cell Interference Coordination for 5G NR Networks
North Carolina State University（北卡罗来纳州立大学）
本文提出了一种基于增强单元的跨单元干扰协调框架，通过优化基站仰角和时域干扰协调，提升空中用户信号干扰比和下行可靠性。
2026-04-08 cs.NI
User Association and Bandwidth Allocation for Terrestrial and Aerial Base Stations with Backhaul Considerations
无人机基站（DBS）可以通过在需要时将供应转向需求来增强网络覆盖和区域容量。这种自由度对于具有极端需求的未来应用特别有用，例如超可靠和低延迟通信（uRLLC）。然而，DBS的部署可能面临若干挑战。一个问题是找到这样的BS的3D放置以满足系统的动态要求。其次，可靠的无线回程链路的可用性和相关的资源分配是应该考虑的主要问题。最后，由于基站的移动性，用户与基站的关联成为一个复杂的问题。在本文中，我们考虑了一个宏BS（MBS）和几个DBS，依赖于无线链路的MBS回程。考虑到常规和uRLLC用户，我们提出了一种算法，以找到有效的三维位置的DBS除了用户BS的关联和无线回程带宽分配，以最大限度地提高用户的总和对数率。为此，采用分解方法来首先找到用户-BS关联和带宽分配。然后使用启发式粒子群优化算法更新DBS位置。仿真结果表明了该方法的有效性，并提供了有用的见解的流量分布和天线波束宽度的影响。
2017-09-15 cs.NI math.OC
Hybrid Satellite-Terrestrial Communication Networks for the Maritime Internet of Things: Key Technologies, Opportunities, and Challenges
随着海上活动的快速发展，海上移动终端的数量越来越多，对高速、超可靠的海上通信的需求也越来越大。传统上，海事物联网（IoT）由海事卫星实现。然而，卫星受到其高延迟和相对较低的数据率的严重限制。作为替代方案，可以建立基于海岸和岛屿的基站（BS），以使用第四代（4G）、第五代（5G）和超越5G服务来扩展地面网络的覆盖范围。无人驾驶飞行器也可以用作空中海上BS。尽管所有这些方法，仍然有一个有效的海上通信网络（MCN）的开放问题。例如，由于复杂的电磁传播环境、有限的几何上可用的BS站点以及来自关键任务应用的严格的服务需求，传统的通信和联网理论和方法应该针对海上场景进行定制。为此，我们提供了对海上通信需求的调查，最先进的MCN，以及提高传输效率，扩大网络覆盖范围和提供海上特定服务的关键技术。未来的挑战是开发一个环境感知、服务驱动和集成的卫星-空中-地面MCN，以便足够智能地利用外部辅助信息，例如，海况和大气条件。
2021-01-21 cs.NI
Design and Optimization of Aerial-Aided Multi-Access Edge Computing towards 6G
网络覆盖的普遍性是5G的主要特征之一，预计将在6 G中扩展到计算领域。为了在通信和计算中提供这种普遍存在的整体方法，可以预见卫星、空中和地面网络的整合。特别是，诸如机上娱乐和连接服务（IFECS）和支持SDN的卫星等应用数量的增加使网络管理更具挑战性。此外，由于严格的服务质量（QoS）要求，边缘计算对于这些应用的重要性增加。在这里，可以通过将航空网络的组件（如飞机）视为潜在的多访问边缘计算（MEC）节点来提高网络性能。因此，我们提出了一种空中辅助多访问边缘计算（AA-MEC）架构，该架构为空中计算资源和基于互联网的服务的优化管理提供了一个框架。此外，我们制定了优化问题，以最大限度地减少两个用例的网络延迟，即为天空中的其他飞机提供IFECS和为从卫星卸载AI/ML任务提供服务。由于卫星和空中网络的动态性质，我们提出了一个可重新配置的优化。对于转换网络，我们不断地为每个应用识别最佳MEC节点和到目的MEC节点的最佳路径。总之，我们的研究结果表明，使用AA-MEC将网络延迟性能提高了10.43%，而传统的方法仅使用地面MEC节点用于延迟关键型应用，如在线游戏。此外，在将我们提出的动态方法与静态方法进行比较时，我们记录了IFECS的流延迟至少减少6.7%和计算卸载减少56.03%的好处。
2022-06-29 cs.NI
Seamless and Energy Efficient Maritime Coverage in Coordinated 6G Space-Air-Sea Non-Terrestrial Networks
非地面网络（NTN）将空间和空中网络与地面系统相结合，是新兴的第六代（6 G）无线网络中的关键领域。作为6 G的一部分，NTN必须为各种设备提供普遍的连接，包括智能手机、车辆、传感器、机器人和海上用户。然而，由于NTN的高机动性和部署，管理空-空-海（SAS）NTN资源，即，能量、功率和信道分配是一个重大挑战。本研究旨在探讨一个能有效分配资源分配的SAS-NTN的设计。目标是通过协同优化用户设备（UE）关联、功率控制和无人机（UAV）部署来最大化系统能效（EE）。考虑到无人机有效载荷的有限性，本工作的重点是在满足EE要求的同时最小化无人机的总能量成本（轨迹和传输）。提出了一个混合整数非线性规划问题，然后开发了一个算法来分解，并分布式解决每个问题。使用Bender分解（BD）分离二元（UE关联）和连续（功率、部署）变量，然后使用Dinkelbach算法（DA）将分式规划转换为子问题的等价可解形式.一个标准的优化求解器是用来处理二进制变量的主问题的复杂性。对于连续变量的子问题，采用交替方向乘子法（ADMM）进行求解。我们提出的算法提供了一个次优的解决方案，仿真结果表明，该算法实现了更好的EE比基线。
2022-01-21 cs.NI
Orientation-Aware Control and Trajectory Design for Aerial RIS-Assisted Wireless Communications
Mohammed VI Polytechnic University（穆罕默德六世理工大学）；Ricerca sul Sistema Energetico (RSE) S.p.A.（意大利能源系统研究公司（RSE））；Czech Technical University in Prague（捷克布拉格技术大学）
针对ARIS辅助无线通信中无人机位置-朝向耦合影响通信质量的问题，提出朝向感知框架，结合通信引导轨迹规划与非线性模型预测控制，显著提升用户及网络吞吐量。
2026-09-22 cs.NI cs.RO
Outage Probability Analysis of Uplink Heterogeneous Non-terrestrial Networks: A Novel Stochastic Geometry Model
针对恶劣环境下单类型无人机应用受限的问题，提出基于Matérn硬核簇过程的异构非地面网络随机几何模型，推导上行中断概率闭式表达式，经仿真验证准确性，为网络性能优化提供理论支撑。
2024-12-23 cs.NI
UAV Communications in Integrated Terrestrial and Non-terrestrial Networks
随着人们对整合地面网络（TN）和非地面网络（NTN）以连接未连接网络的兴趣日益浓厚，一个关键问题是这种新的模式是否也可以被机会主义地利用来增强城市地区的服务。我们在综合TN-NTN的背景下评估了这种可能性，TN-NTN包括与低地球轨道（LEO）卫星星座配对的地面蜂窝部署，为地面用户（GUE）和无人机（UAV）居住的城市地区提供低于6 GHz的连接。我们的研究表明，将无人机流量卸载到NTN段可以将无人机的下行链路中断从70%大幅减少到几乎为零，只要LEO卫星星座足够密集，就可以保证最小仰角，还可以提高其上行链路信号质量。将无人机卸载到NTN也有利于共存的GUE，防止GUE可能发生的约12%的上行链路中断。尽管低于6 GHz的可用带宽有限，但NTN卸载的无人机即使在巴塞罗那大小的区域内也能满足指挥和控制速率要求，每个小区有多达一个活动的无人机。更小的无人机数量产生更高的速率，可能使空中宽带应用成为可能。
2022-08-04 cs.IT cs.NI eess.SP
Hierarchical and Collaborative LLM-Based Control for Multi-UAV Motion and Communication in Integrated Terrestrial and Non-Terrestrial Networks
York University（约克大学）；McGill University（麦吉尔大学）
针对地面与非地面一体化网络中的多无人机空中高速公路场景，提出 HAPS 与机载 LLM 分层协作框架，联合完成接入控制及运动规划，提升奖励、降低成本与碰撞率。
2025-06-06 cs.AI cs.LG cs.NI
Covering Underwater Shadow Zones using Acoustic Reconfigurable Intelligent Surfaces
本文针对水声通信阴影区导致断连的问题，提出利用声学可重构智能表面主动控制水下信道，建立阴影区模型并给出深海与浅海最优部署策略，经水池测试和Bellhop仿真验证可将能量覆盖率从不足20%提升至接近100%。
2025-01-04 cs.NI
Integrating Terrestrial and Non-terrestrial Networks: 3D Opportunities and Challenges
整合地面和非地面网络有可能连接未连接的网络，并增强已连接网络的用户的用户体验，具有最大的长期意义的技术和社会影响。地面、空中和太空无线通信的融合也代表着移动和卫星通信行业的巨大努力，因为它需要定义和智能地编排新的3D无线网络架构。在这篇文章中，我们通过介绍一些破坏性的用例和关键构建模块，回顾相关的标准化活动，并指出开放的研究问题，来展示这种（r）演变所带来的关键机遇和挑战。通过考虑两个多运营商的范例，我们还展示了地面网络如何有效地重新设计，以满足航空服务，或机会性地补充非地面基础设施，以增强其当前的能力。
2022-07-21 cs.IT cs.NI eess.SP
Intelligent Reflective Surface Deployment in 6G: A Comprehensive Survey
智能反射表面（IRSs）被认为是一种很有前途的技术，可以智能地重新配置无线环境，以提高未来无线网络的性能。然而，由于高度动态和移动的无人机（UAV）使无线环境能够实现更高的容量，IRS的部署仍然面临挑战。本文揭示了不同的部署策略的IRS在未来的陆地和非陆地网络。具体来说，在本文中，我们介绍了关键的理论概念的IRS范式，并讨论了设计方面的IRS在6G网络中的部署。我们还探讨了基于优化的IRS部署技术，以提高系统性能的地面和空中IRS。此外，我们调查无模型强化学习（RL）技术从部署方面，以解决复杂和移动IRS辅助无人机无线系统实现更高容量的挑战。最后，我们强调了IRS部署方面的挑战和未来的研究方向，以提高未来6G网络的系统性能。
2022-11-06 cs.NI eess.SP
An Experimental mmWave Channel Model for UAV-to-UAV Communications
无人机（UAV）网络可以提供弹性通信基础设施，以在流量高峰或灾难场景的情况下增强地面网络。然而，为了能够做到这一点，它们需要基于高带宽无线技术来实现无线电接入和回程。在这方面，毫米波（mmWave）频谱代表了一种诱人的解决方案，因为它提供了大量未开发的频谱，可以为空中平台提供超高的数据速率。然而，空中毫米波信道经历与相同频带中的地面部署显著不同的特性。到目前为止，毫米波空中信道尚未被广泛研究和建模。具体而言，UAV微移动性（由于控制回路中的不精确性以及包括风在内的外部因素）和高度定向的毫米波传输的组合需要特设模型来准确地捕获UAV部署的性能。为了填补这一空白，我们提出了一个经验传播损耗模型的无人机到无人机通信在60 GHz的基础上，进行了广泛的空中测量活动与Facebook的Terragraph信道探测器。我们将其与3GPP信道模型进行比较，并公开测量数据集。
2020-08-06 cs.NI eess.SP
Robust Secrecy via Aerial Reflection and Jamming: Joint Optimization of Deployment and Transmission
可重构智能表面（RISs）被认为具有增强无线安全的巨大潜力，但其性能增益在很大程度上取决于RISs在网络拓扑中的部署位置。在本文中，我们考虑反窃听通信建立通过一个RIS在一个固定的位置，以及一个空中平台安装另一个RIS和一个友好的干扰机，以进一步提高保密性。空中RIS有助于增强合法信号，通过固定RIS加强空中合作干扰。通过对空中平台的优化部署，进一步提高了空中反射和干扰的安全增益。我们特别考虑了不完美的信道状态信息问题，并解决了最坏情况下的保密鲁棒性能。将制定的鲁棒保密率最大化问题分解为两层，其中内层通过鲁棒优化解决反射和干扰，外层通过深度强化学习解决空中部署。仿真结果显示了在不同的网络拓扑下的部署，并证明了我们的建议在最坏情况下的安全供应方面的性能优越性与基线相比。
2023-02-28 cs.NI eess.SP
Wireless Communications with Unmanned Aerial Vehicles: Opportunities and Challenges
包括无人机（UAV）的无线通信系统承诺为没有基础设施覆盖的设备提供具有成本效益的无线连接。与地面通信或基于高空平台（HAP）的通信相比，具有低空UAV的按需无线系统通常部署更快，重新配置更灵活，并且由于存在短距离视线（LoS）链路，可能具有更好的通信信道。然而，利用高度移动和能量受限的无人机进行无线通信也带来了许多新的挑战。在本文中，我们提供了一个无人机辅助无线通信的概述，通过介绍基本的网络架构和主要信道的特点，突出的关键设计考虑因素，以及新的机会被利用。
2016-02-11 cs.IT cs.NI math.IT
Characterization of the Global Bias Problem in Aerial Federated Learning
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Queen’s University（女王大学）；University of Sharjah（沙迦大学）
无人机（UAV）的移动性可在网络边缘实现灵活和定制的联邦学习（FL）。然而，在空中-地面无线信道中的潜在的不确定性可能导致有偏的FL模型。特别是，在无人机的FL学习轮内的全球模型的分布和本地更新的聚合由无线信道的可靠性来管理。这产生了对具有更好信道条件的地面设备的训练数据的不期望的偏差，反之亦然。研究了大规模无人机网络中空中FL的全局偏差问题。为此，本文提出了一种信道感知的分配和聚合方案，以强制所有设备在FL训练中做出相等的贡献，作为解决全局偏差问题的一种手段。我们证明了该方法的收敛性，通过实验与MNIST数据集，并显示其优越性相比，现有的方法。所得到的结果使系统参数调整，以减轻空中通道不足的FL收敛速度的影响。
2022-12-29 cs.LG cs.NI
Enabling Smart Reflection in Integrated Air-Ground Wireless Network: IRS Meets UAV
智能反射面（IRS）和无人机（UAV）分别通过智能信号反射和机动控制主动改变无线通信信道，成为提高无线通信网络性能的两种有前途的技术。然而，它们在实践中面临着不同的限制，这限制了它们的未来应用。在这篇文章中，我们提出了新的方法，联合应用IRS和无人机综合空地无线网络，利用他们的互补优势。具体地说，地面IRS用于增强无人机-地面通信性能，而无人机机载IRS用于辅助地面通信。我们提出了他们有前途的应用场景，新的通信设计问题以及潜在的解决方案。特别是，我们表明，它实际上是有益的部署在未来的无线网络中的地面和空中IRS，以获得智能反射在三维（3D）空间的好处。
2021-03-29 cs.IT cs.NI eess.SP
Multi-Tier Non-Terrestrial Networking for Disaster Communications: A Layered Clustering Approach
针对灾害导致地面网络和回程链路失效的问题，提出一种由UAV-BS提供接入、HAPS-SMBS提供回程的三层异构网络，并设计两层聚类算法优化自组网，以延长临时网络寿命。
2024-04-23 cs.ET cs.NI cs.SY
Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks
Korea University（高丽大学）；Deakin University（迪肯大学）；University of Oulu（奥卢大学）
低地球轨道（LEO）卫星的巨型星座有可能实现低延迟的远程通信。将其与新兴的无人机（UAV）辅助非地面网络相结合，将成为提供大规模三维连接的5G系统的颠覆性解决方案。在这篇文章中，我们研究了两个遥远的地面终端之间的转发数据包的问题，通过一个低轨卫星从一个轨道星座和一个移动高空平台（HAP），如固定翼无人机。为了最大化端到端数据率，应当优化卫星关联和HAP位置，这是具有挑战性的，因为大量的轨道卫星和由此产生的时变网络拓扑。我们使用深度强化学习（DRL）和一种新的动作降维技术来解决这个问题。仿真结果证实，我们提出的方法实现了高达5.74倍的平均数据率相比，没有SAT和HAP的直接通信基线。
2020-05-26 cs.LG cs.NI eess.SP
