User Association and Path Planning for UAV-Aided Mobile Edge Computing with Energy Restriction
移动边缘计算（MEC）通过从用户设备（UE）卸载任务来在网络边缘处提供计算服务。这封信采用无人机（UAV）作为边缘计算服务器，以执行从地面UE卸载的任务。我们联合优化用户关联、UAV轨迹和每个UE的上传功率，以最大化从所有UE卸载到UAV的总比特，服从UAV的能量约束和每个UE的服务质量（QoS）。针对非凸优化问题，首先将其分解为三个子问题，分别用整数规划和逐次凸优化方法求解。然后，我们解决的多变量迭代优化算法的整体问题。仿真结果表明，该算法可以实现更好的性能比其他基线方案。
2019-10-24 cs.IT eess.SP math.IT
SDN assisted UAV communication systems : Efficient Deployment Strategies
近年来，基于无人机（UAV）的通信系统由于其低成本部署和易于移动而引起了越来越多的研究和商业兴趣，在自然灾害和紧急情况下，这种网络非常有用，可以提供通信服务。在这种情况下，无人机的位置和轨迹必须是最佳的，以保持服务质量在用户端。本文重点研究了一种基于SDN的无人机网络的部署，为用户提供通信服务。我们考虑在体育场和活动中部署该系统。在本文中，我们提出了一个计划，分配无人机的用户和流量拥塞算法，以减少数据包的数量，以避免重传从用户端。我们还提出了一个节能的多跳路由机制，以避免高功率的要求，传输更长的距离。我们假设所有的回程链路都有足够的容量来承载来自前传链路的所有流量，并且无人机的设计必须考虑其飞行和传输的功率要求。
2021-06-02 cs.IT cs.NI math.IT
Power Efficient Visible Light Communication (VLC) with Unmanned Aerial Vehicles (UAVs)
提出了一种将可见光通信（VLC）与无人机（UAV）相结合的新方法，以同时提供灵活的通信和照明。为了最小化功耗，在光照和通信约束下优化了无人机的位置和小区关联。提出了一种将原问题分解为两个子问题的有效次优解。第一个子问题被建模为一个经典的最小封闭盘问题，以获得最佳的位置，给定的细胞关联的无人机。然后，假设固定的无人机位置，第二子问题被建模为一个最小规模的聚类问题，以获得优化的小区关联。此外，所获得的UAV位置和小区关联被迭代地优化多次以降低功耗。数值结果表明，所提出的方法可以减少至少53.8%的总发射功率消耗相比，两个基线算法与固定的无人机位置。
2019-05-10 cs.IT eess.SP math.IT
Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Shanghai Jiao Tong University（上海交通大学）；Nanyang Technological University（南洋理工大学）；Carleton University（卡尔顿大学）；University of Oslo（奥斯陆大学）
针对多IRS辅助UAV通信的资源受限动态场景，提出联合IRS-用户关联、轨迹、SIC顺序与功率优化的算法，提升系统能效与收敛速度。
2023-12-08 cs.IT cs.LG eess.SP
MmWave UAV Networks with Multi-cell Association: Performance Limit and Optimization
本文旨在利用蜂窝网络的下行链路覆盖和空间吞吐量性能的基本限制，该蜂窝网络由一层使用毫米波（mmWave）频带的无人机（UAV）基站（BS）和一层使用超高频（UHF）频带的地面BS组成。为了减少切换信令开销，地面BS负责控制信令递送，而UAV负责有效载荷数据传输，使得用户需要同时与具有控制-数据平面分离架构的该网络中的地面BS和UAV相关联。首先，我们提出了一个三维（3D）的位置分布模型的无人机使用随机几何，这是能够一般的特点无人机在天空中的位置。使用无人机的3D分布模型，两个性能指标，即，多小区覆盖概率和体积频谱效率。当无人机和地面基站都配备有大规模天线阵列时，推导了它们的显式低复杂度表达式，并找到了它们的上限。进一步证明了通过优化无人机在空中的部署和定位可以最大化多小区覆盖概率和体积频谱效率，从而找到了它们的基本最大极限，并通过数值仿真验证了这些重要的分析结果。
2019-08-19 cs.IT math.IT
Power-Efficient Deployment of UAVs as Relays
研究了固定速率变功率系统中无人机作为通信中继的最优部署问题。所考虑的设置是希望通过UAV与一组地面接收器（GR）通信的一组地面发射器（GT）。每个GT-GR对仅通过一个选定的UAV进行通信，并且没有直接链路。研究了两种不同的无人机选择场景：在集中式选择中，决策中心根据所有终端的位置分配最优无人机。在分布式选择中，GT仅使用其到UAV的距离的本地知识来选择其中继UAV。对于这两种选择方案，使用量化理论的工具确定UAV和GT功耗之间的最佳折衷。具体而言，两个极端制度的一个无人机和非常大的无人机数量进行了分析的路径损耗指数为$2$。本文还讨论了无人机位置的数值优化问题。仿真结果证实了分析结果。
2018-11-28 cs.IT eess.SP math.IT
Optimal deployments of UAVs with directional antennas for a power-efficient coverage
为了在给定的地面区域中为用户提供可靠的无线上行链路，可以部署无人机（UAV）作为基站（BS）。在另一个应用中，可以使用无人机从地面上的传感器收集数据。对于这样的飞行BS的功率高效和可扩展的部署，可以利用定向天线来有效地覆盖任意2-D地面区域。我们考虑一个大规模的无线路径损耗模型与现实的角度依赖的方向性天线的辐射模式。基于这样的模型，我们确定了N个无人机的最佳三维部署，以最小化在给定的目标区域的用户的平均发射功率消耗。假设用户具有相同的发射机和理想的全向天线，无人机具有相同的定向天线，具有给定的半功率波束宽度（HPBW）和沿垂直轴对称的辐射方向图。对于均匀分布的地面用户，我们表明，无人机必须共享一个共同的飞行高度在一个最佳的功率效率的部署。我们还推导出封闭形式的渐近最佳共同飞行高度的$N$无人机的面积大小，数据速率，带宽，HPBW，和路径损耗指数。
2019-11-18 cs.IT math.IT
Cellular-Connected UAV: Uplink Association, Power Control and Interference Coordination
视距（LoS）空-地信道为蜂窝连接无人机（UAV）通信带来了机遇和挑战。一方面，与地面用户相比，LoS信道使更多的蜂窝基站（BS）对UAV可见，这导致用于UAV-BS通信的更高的宏分集增益。另一方面，它们还使得UAV向/从BS施加/遭受更严重的上行链路/下行链路干扰，因此需要涉及更多BS的更复杂的小区间干扰协调（ICIC）技术。在本文中，我们考虑从无人机到蜂窝基站的上行链路传输，与现有的地面用户共享频谱。为了研究最佳ICIC设计和空地性能权衡，我们通过联合优化UAV的上行链路小区关联和多个资源块上的功率分配来最大化UAV和现有地面用户的加权和速率。然而，这个问题是非凸的，很难得到最优解。首先，我们提出了一个集中的ICIC设计，以获得局部最优解的逐次凸逼近（SCA）方法的基础上。由于集中式ICIC需要网络的全局信息和大量的BS之间的信息交换，我们进一步提出了一个分散的ICIC方案，显着降低复杂性和信令开销的实现，通过将蜂窝BS划分为小规模的集群和利用LoS宏分集之间的无人机和集群头BS交换信息。数值结果表明，所提出的集中式和分散式ICIC方案都达到了接近最优的性能，并得出重要的设计见解的基础上，实际的系统设置。
2019-08-15 cs.IT 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
Adaptive Deployment for UAV-Aided Communication Networks
无人机（无人机）作为空中基站是一项很有前途的技术，可以快速为地面用户提供无线连接。鉴于无人机的灵活性和机动性，一个关键问题是如何调整无人机部署，以最好地满足在一个地区的瞬时无线通信。本文提出了一种无人机辅助通信网络的自适应部署方案，其中无人机自适应调整其位移方向和距离，以服务于目标小区中随机移动用户的瞬时流量。在我们的自适应方案中，无人机不需要实时的学习用户的确切位置，而是基于简单的多数规则选择其位移方向，飞行到小区中用户数量最多的空间扇区。为了平衡不同扇区内用户的服务质量，进一步优化了无人机在所选扇区内的位移距离，分别使平均吞吐量和成功传输概率最大。我们证明了平均吞吐量最大化的最佳位移距离随着用户密度的减小而减小：当用户密度较小时，无人机移动到所选扇区的中心，而当用户密度较大时，无人机位移变得温和。相比之下，成功概率最大化的最佳位移距离不一定随着用户密度而减小，并且还取决于目标信噪比（SNR）阈值。大量的仿真结果表明，所提出的自适应部署方案优于传统的非自适应方案，特别是当用户密度不大。
2018-12-08 cs.IT math.IT
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
Adaptive Cell Range Expansion in Multi-Band UAV Communication Networks
本文针对多频段无人机通信网络，提出毫米波天线增益建模新方法和偏向毫米波无人机的用户关联策略，通过随机几何分析推导关键性能指标，经仿真验证策略有效性及分析结果一致性。
2024-11-27 cs.IT eess.SP math.IT
Deep Learning for Optimal Deployment of UAVs with Visible Light Communications
Beijing University of Posts and Telecommunications（北京邮电大学）；Chinese University of Hong Kong（香港中文大学）；Princeton University（普林斯顿大学）；Kings College London（伦敦国王学院）；Virginia Tech（弗吉尼亚理工大学）
研究了具有可见光通信能力的无人机（UAV）的动态部署问题，以优化UAV网络的能量效率。在所研究的模型中，无人机可以同时为服务地面用户提供通信和照明。由于环境光照在降低无人机光照阈值的同时增加了VLC链路上的干扰，因此在无人机部署优化中需要考虑目标区域的光照分布。该问题被公式化为一个优化问题，该优化问题在满足用户的照明和通信需求的同时，联合优化无人机部署、用户关联和功率效率。为了解决这个问题，提出了一种将门控递归单元（GRU）的机器学习框架与卷积神经网络（CNN）相结合的算法。使用GRU和CNN，无人机可以对长期的历史光照分布进行建模，并预测未来的光照分布。给定光照分布的预测，原始的非凸优化问题可以分为两个子问题，然后使用低复杂度的迭代算法来求解。然后，该算法使无人机确定其部署和用户关联，以最小化总发射功率。使用NOAA/NCEI的地球观测组（EOG）的真实数据的仿真结果表明，所提出的方法可以实现高达68.9%的总发射功率减少相比，传统的最佳无人机部署，不考虑光照分布和用户关联。
2020-07-15 cs.IT cs.LG eess.SP
Optimal Transport Theory for Power-Efficient Deployment of Unmanned Aerial Vehicles
研究了多架无人机作为飞行基站的优化部署问题。考虑到下行链路的情况下，目标是最小化的总所需的无人机的发射功率，同时满足用户的速率要求。为此，确定UAV的最佳位置以及其覆盖区域的小区边界。为了找到这些最优参数，问题被分成两个子问题，迭代求解。在第一个子问题中，给定与每个UAV相对应的小区边界，使用设施定位框架导出UAV的最优位置。在第二个子问题中，假设无人机的位置是固定的，并且使用最优运输理论的工具获得最优小区边界。分析结果表明，通过确定无人机的最佳覆盖区域，所需的总发射功率显着降低。这些结果也表明，移动无人机的用户分布的基础上，并调整其高度可以导致最小的功耗。最后，它表明，所提出的部署方法，可以提高系统的功率效率的20倍相比，经典的Voronoi小区关联技术与固定的无人机位置。
2016-02-04 cs.IT math.IT
Improving Connectivity of RIS-Assisted UAV Networks using RIS Partitioning and Deployment
本文针对RIS辅助无人机网络连通性最大化问题，提出联合优化RIS三维部署与虚拟分区的方法，通过闭式SNR推导和模拟退火求解，显著优于无RIS及单窄波束基准方案。
2024-10-23 cs.IT math.IT
Optimal Placement of UAVs for Minimum Outage Probability
我们认为多个无人机（UAV）服务密度的地面终端（GT）作为基站。目标是最小化GT到UAV传输的中断概率。研究了在不同无人机高度约束和GT密度下的无人机布局优化问题。首先，使用一个随机部署的参数，一般上限的最佳中断概率发现任何密度的GT和任何数量的无人机。匹配下界也推导出表明，最佳中断概率与无人机的数量呈指数衰减。其次，当公共高度约束较大时，研究了最优部署的结构。对于广泛的GT密度，它表明，所有的无人机应放置在同一位置的最佳部署。一个设计的含义是，一个可以使用一个单一的多天线无人机，而不是多个单天线无人机没有损失的最佳性。这一结果也扩展到一个实际的变化的Rician衰落模型最近开发的Azari等人。无人机通信。分别采用粒子群优化算法和改进的梯度下降算法对无人机在集中式和实际分布式环境中的部署进行了数值仿真。
2020-08-14 cs.IT eess.SP math.IT
3-D Deployment of UAV Swarm for Massive MIMO Communications
我们考虑了多天线地面站和无人机群之间的上行链路传输。将无人机视为智能体，通过智能体探索无人机的最优三维（3-D）部署，最大化多输入多输出（MIMO）系统的信道容量。具体而言，考虑到每个无人机在访问网络的全局信息的限制，我们专注于一个分散控制的策略，注意到每个无人机群只能利用本地信息，以实现最佳的3-D部署。在这种情况下，优化问题可以被划分为关于秩函数的若干优化子问题。由于秩函数的非凸性质和优化子问题耦合的事实，原始问题是NP难的，因此不能用标准凸优化求解器来求解。有趣的是，我们可以放松每个子问题的约束条件，并通过制定无人机信道容量最大化博弈来解决优化问题。我们根据设计的奖励函数和势函数对这种博弈进行了分析。然后讨论了博弈中纯纳什均衡的存在性。为了实现MIMO系统的最佳纳什均衡，提出了一种分散式学习算法，即无人机分散式信道容量学习。文中给出了算法的细节，并对算法的收敛性、有效性和计算复杂性进行了分析。此外，我们给出了一些有见地的意见的基础上的证明和理论分析。仿真结果表明，所提出的学习算法能够利用局部信息优化无人机群的三维部署，从而获得较高的MIMO信道容量。
2021-05-03 cs.IT eess.SP math.IT
Predictive Deployment of UAV Base Stations in Wireless Networks: Machine Learning Meets Contract Theory
本文提出了一种新颖的框架，可以预测性地部署无人机（无人机）作为临时基站（BS），以在面临下行链路流量过载时补充地面蜂窝系统。首先，提出了一种基于加权期望最大化（WEM）算法的新的学习方法来估计用户分布和下行链路业务需求。其次，为了保证基站和无人机之间的真实信息交换，利用契约理论的框架，设计了一种卸载契约，并分析推导了具有可行契约的充分必要条件。随后，建立了一个优化问题，以最大化过载基站的效用的方式将最佳无人机部署到热点区域。仿真结果表明，所提出的WEM方法产生的预测误差约为10%。与期望最大化和k-均值方法相比，WEM方法在预测精度上显示出显著的优势，因为蜂窝系统中的业务负载在空间上变得不均匀。此外，与基于最近距离和最大能量的事件驱动部署方案相比，该预测方法在下行链路容量、能耗和服务延迟方面能够使无人机运营商为热点用户提供高效的通信服务。仿真结果还表明，所提出的方法显着提高收益的BS和无人机网络，与两个基线方案相比。
2020-09-14 cs.IT math.IT
Environment-Aware Deployment of Wireless Drones Base Stations with Google Earth Simulator
在本文中，基于软件的模拟器部署基站装备无人机（UAV）在蜂窝网络中提出。为此，谷歌地球引擎平台及其包含的图像处理功能被用于收集地理空间数据，并识别可能中断无人机与地面用户之间的视线通信的障碍物。考虑到这样的地理信息，三个环境感知的最佳无人机部署方案进行了研究，使用开发的模拟器。在第一种情况下，优化无人机的位置，使得无人机覆盖的地面用户的数量最大化。在第二种情况下，确定为所有地面用户提供全覆盖所需的UAV的最小数量。最后，考虑到地面用户的负载要求，总飞行时间（即，能量），无人机需要完全服务于地面用户被最小化。使用弗吉尼亚理工大学校园的真实区域的模拟结果表明，与不利用地理信息的经典部署方法相比，所提出的具有Google Earth输入的环境感知无人机部署框架在覆盖范围和能耗方面显着提高了网络性能。特别是，结果表明，所提出的方法产生的覆盖范围增强了2倍，和65%的能源效率的改善。结果还表明，存在最佳数量的无人机，从而实现最大的无线覆盖性能。
2018-05-26 cs.IT math.IT
Mathematical Cell Deployment Optimization for Capacity and Coverage of Ground and UAV Users
提出受量化理论启发的通用数学框架，优化无线网络小区部署与天线配置，支持确定性节点和3D异构用户，证实联合优化BSs位置与天线参数能显著提升UAV服务且不影响GUE性能。
2025-02-02 cs.IT eess.SP math.IT
Incentivizing Proof-of-Stake Blockchain for Secured Data Collection in UAV-Assisted IoT: A Multi-Agent Reinforcement Learning Approach
物联网（IoT）可以方便地部署，同时为各种应用提供支持，其中IoT节点可以形成集群，共同完成某些任务。在本文中，我们建议使用无人机（UAV）来协助集群物联网数据汇集和基于区块链的安全配置。特别是，无人机基于收集的数据生成候选区块，然后通过基于无人机的区块链网络内的轻量级权益证明共识机制进行审计。为了激励高效的区块链，同时降低运营成本，在活跃的无人机上构建了一个股权池，同时鼓励其他无人机进行股权投资，并分享利润。该问题通过共同研究物联网传输，通过投资和利润分享激励以及无人机部署策略，在单位时间内通过区块链系统实现整体利润最大化。然后，该问题被解决在一个分布式的方式，同时被解耦成两个层。内层包括物联网传输和激励设计，分别采用大系统近似和一领导者-多追随者Stackelberg博弈分析。无人机部署的外层采用多智能体深度确定性策略梯度方法。结果表明，所提出的学习过程和无人机部署的收敛性，也证明了我们的建议相比，基线的性能优越性。
2022-07-06 cs.IT cs.NI 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
RIS-Aided Fluid Antenna Array-Mounted UAV Networks
本文针对搭载流体天线的RIS辅助无人机下行网络，提出联合优化波束成形、无人机部署与天线位置的BRAUD方案，仿真验证其在多类基准中速率性能最优。
2025-01-16 cs.IT eess.SP math.IT
Joint Uplink-and-Downlink Optimization of 3D UAV Swarm Deployment for Wireless-Powered NB-IoT Networks
研究了一种基于全双工正交频分多址（OFDMA）的多无人机无线供电物联网（IoT）网络。在本文中，首先在三维（3D）中部署一群无人机，以同时为所有设备充电，即，下行链路（DL）计费时段，然后飞到该区域内的新位置，以在若干个时期中经由OFDMA从调度的设备收集信息，这是由于窄带IoT中可用的信道的潜在有限数量，即，上行链路（UL）通信时段。为了最大化物联网设备的上行吞吐量，我们联合优化了无人机群的上下行3D部署，包括设备-无人机关联、调度顺序和上下行时间分配。特别地，在研究该问题时，考虑了设备的DL能量收集（EH）阈值和UAV的UL信号解码阈值。此外，根据传感器和无人机的位置，研究了视距（LoS）和非视距（NLoS）信道模型。通过对物联网调度策略的研究，还考虑了NB-IoT中潜在的有限信道问题的影响。研究了两种调度策略：近优先（NF）策略和远优先（FF）策略。结果表明，NF方案优于FF方案的总和吞吐量最大化，而FF方案优于NF方案的系统公平性。
2020-08-07 cs.IT eess.SP math.IT
Aerial Semantic Relay-Enabled SAGIN: Joint UAV Deployment and Resource Allocation
ShanghaiTech University（上海科技大学）；Southern University of Science and Technology（南方科技大学）
本文提出了一种基于无人机的语义通信架构，通过联合优化无人机部署和资源分配，提升SAGIN网络的频谱效率和覆盖范围。
2025-11-23 cs.IT math.IT
3D Placement of an Unmanned Aerial Vehicle Base Station (UAV-BS) for Energy-Efficient Maximal Coverage
无人机基站（UAV-BS）可以在多种场景下提供无线服务。在这封信中，我们提出了一个最佳的布局算法的无人机基站，最大限度地利用最小的发射功率覆盖用户的数量。我们解耦的无人机-BS部署问题在垂直和水平维度上没有任何损失的最优性。此外，我们将无人机基站在水平方向上的部署建模为一个圆形布局问题和一个最小包围圈问题。仿真结果表明，该方法在不同的用户空间分布情况下具有较好的性能。
2017-05-09 cs.IT math.IT
Optimization of a Millimeter-Wave UAV-to-Ground Network in Urban Deployments
考虑城市战术无线网络，其中基站位于无人驾驶飞行器（UAV）上，无人驾驶飞行器（UAV）提供到地面资产（诸如位于城市街道上的车辆）的连接。假设无人机按照二维点过程随机部署在固定高度。毫米波（mmWave）频率用于利用由于波束成形而产生的大的可用带宽和空间隔离。在城市环境中，毫米波信号容易被建筑物阻挡视线（LoS）。虽然反射是可能的，一致的连接性的愿望放置在一个畅通的LoS路径的存在强烈的偏好。因此，在本文中考虑的关键性能指标是连接概率，这是一个畅通的LoS路径的概率至少有一个无人机在某个最大的传输距离。通过利用来自随机几何的工具，连接概率被表征为城市类型的函数（例如，城市、密集城市、郊区）、UAV密度（每平方公里的UAV平均数量）和UAV高度。城市街道被建模为曼哈顿泊松线过程（MPLP）和建筑物的高度是随机分布的。分析首先找到以特定网络实现（UAV的位置）为条件的连接概率，然后去除条件以揭示连接的分布;即，网络实现将不能满足中断阈值的部分。虽然相关工作已经将MPLP应用于具有单个UAV的网络，但本文的贡献在于：（1）考虑多个UAV的网络，（2）通过连接分布来表征性能，以及（3）确定UAV的最佳高度。
2021-10-31 cs.IT math.IT
Cache Enabled UAV HetNets Access xHaul Coverage Analysis and Optimal Resource Partitioning
我们研究了一个城市无线网络中，缓存使能的无人机接入点（UAV-AP）和无人机基站（UAV-BS）部署，以提供更高的吞吐量和ad-hoc覆盖地面上的用户。启用高速缓存的UAV-AP通过xHaul链路经由地面基站（TBS）或启用回程的UAV-BS将用户数据路由到核心网络。首先，我们推导出接入和xHaul链路中的关联概率。有趣的是，我们表明，为了最大限度地提高视线（LoS）无人机（UAV）的关联性，在阈值之后，密集的无人机部署可能是没有好处的。然后，我们得到的信号干扰噪声比（SINR）的覆盖概率的典型用户在接入链路和标记的无人机-AP在xHaul链路，分别。采用SINR覆盖分析来通过联合考虑成功接入和xHaul传输的概率以及成功缓存命中概率来表征成功内容递送概率。我们在数字上优化了接入和xHaul链路之间的频率资源分配，以最大限度地成功向用户提供内容。对于一个给定的存储容量在无人机，我们的研究规定了网络运营商的最佳带宽划分因素和尺寸规则有关的无人机-AP的部署。
2022-07-14 cs.IT eess.SP math.IT
Energy Efficient Resource Allocation in UAV-Enabled Mobile Edge Computing Networks
在本文中，我们考虑通过联合优化用户关联，功率控制，计算能力分配和位置规划在移动边缘计算（MEC）网络与多个无人机（UAV）的总功率最小化问题。为了解决非凸问题，我们提出了一个低复杂度的算法，迭代求解三个子问题。针对用户关联子问题，提出了基于压缩感知的算法。对于计算能力分配子问题，得到了封闭形式的最优解。对于选址规划子问题，采用一维搜索方法有效地获得了最优解。为了得到一个可行的解决方案，这种迭代算法，提出了一种基于模糊c-均值聚类算法。数值结果表明，该算法取得了更好的性能比传统的方法。
2019-02-13 cs.IT math.IT
Caching in the Sky: Proactive Deployment of Cache-Enabled Unmanned Aerial Vehicles for Optimized Quality-of-Experience
在本文中，主动部署的缓存启用无人机（UAV）优化质量的体验（QoE）的无线设备在云无线接入网络（CRAN）的问题进行了研究。在所考虑的模型中，网络可以利用以人为中心的信息，如用户的访问位置，请求的内容，性别，工作和设备类型来预测每个用户的内容请求分布和移动模式。然后，给定这些行为预测，所提出的方法寻求找到用户-UAV关联、最佳UAV位置以及要在UAV处缓存的内容。该问题被公式化为优化问题，其目标是最大化用户的QoE，同时最小化UAV使用的发射功率。针对这一问题，提出了一种基于概念回声状态网络（ESN）的机器学习框架的新算法。使用ESN，网络可以有效地预测每个用户的内容请求分布和其移动模式时，有限的信息的用户和网络的状态是可用的。基于用户的内容请求分布和他们的移动模式的预测，我们得出最佳的用户-无人机关联，无人机的最佳位置以及在无人机缓存的内容。利用北京邮电大学的真实行人移动模式和优酷网的实际内容传输数据进行的仿真结果表明，与无缓存的基准算法和无无人机的基准解决方案相比，该算法的平均发射功率和QoE满意用户百分比分别提高了40%和61%。
2016-10-05 cs.IT math.IT
Reconfigurable Intelligent Surface-Assisted mmWave multi-UAV Wireless Cellular Networks
无人机（UAV）为网络部署带来了很大的灵活性。然而，无人机具有高机动性和不稳定性。为了提高无人机网络的容量和可靠性，可以在系统中使用毫米波（mmWave）和可重构智能表面（RIS）。在本文中，我们考虑了一个RIS-assisted毫米波无人机无线蜂窝网络，无人机服务于多个用户的帮助下，多个RISs。我们联合优化部署，用户调度，波束成形向量，和RIS阶段，以最大化的和速率，与最小速率，无人机的运动，模拟波束成形的约束，和RIS阶段。为了解决这个复杂的问题，我们使用迭代法，当我们优化一个变量时，我们固定其他三个变量。在优化部署时，采用球面搜索法寻找无人机的最优位置。然后，我们制定了一个混合整数非线性问题（MINLP），以找到最佳的调度。空间分支定界（SBNB）方法被用来解决MINLP。在优化波束形成矢量和RIS相位时，我们提出了一种迭代算法，该算法依赖于速率和最大化与加权均方误差和最小化之间的等价性（sum-WMMSE）。针对模拟波束形成和RIS相位的恒模约束，采用多数最小化方法进行处理。所提出的联合优化提供了显着的优势，系统没有波束成形和RIS相位优化和系统没有部署优化。此外，RIS可以补偿由于阻塞而造成的吞吐量损失，特别是在低飞行高度。
2021-08-06 cs.IT math.IT
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
Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning
The Chinese University of Hong Kong（香港中文大学）；Shenzhen Research Institute of Big Data（深圳大数据研究院）；Southeast University（东南大学）；City University of Hong Kong（香港城市大学）；The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；Peng Cheng Laboratory（鹏城实验室）
针对无人机辅助FEEL中感知、计算与通信资源耦合问题，提出基于概率感知和损失上界的联合部署与资源分配方法，并以BBPO方案最小化训练时间。
2023-06-05 cs.IT cs.LG eess.SP
Cost-Efficient Deployment of a Reliable Multi-UAV Unmanned Aerial System
Research, Technology and Innovation Network (RTIN), The American College of Greece（美国希腊学院研究、技术与创新网络（RTIN））；Aalborg University（奥尔堡大学）
在这项工作中，我们研究了无人机系统（UAS）的可靠性和投资成本之间的权衡，该系统由一组携带无线电接入节点（称为便携式接入点（PAP））的无人机（UAV）组成，部署为一组地面节点（GN）提供服务。使用所提出的算法，一个给定的地理区域被等效地表示为一组圆形区域，其中每个圆表示PAP的覆盖区域。然后，通过将其建模为连续时间的生灭马尔可夫决策过程（MDP），解析地推导出了UAS的稳态可用度。数值计算表明，通过考虑网络的流量需求和分布，可以降低保证一组网络稳态可用性的投资成本。
2022-08-30 cs.ET cs.IT cs.RO
Threat-Aware Energy-Efficient Deployment for Dynamic UAV Networks: A Multi-Agent RL Approach
University of Ottawa（渥太华大学）；Ibb University（伊卜大学）；Royal Military College（皇家军事学院）；The American University in Cairo（开罗美国大学）
针对威胁环境下多无人机空中基站部署，提出基于威胁感知聚类与多智能体MATD3的框架，实现零安全违规、高能量效率及低计算复杂度。
2026-09-28 cs.AI cs.IT cs.LG
Deep Graph Reinforcement Learning for UAV-Enabled Multi-User Secure Communications
本文提出深度图强化学习框架，通过GNN管理用户干扰并优化安全波束成形，结合软执行器-评论家算法指导无人机部署，实现近乎最优的安全性能与策略效率。
2025-04-02 cs.IT eess.SP math.IT
Non-Orthogonal Multiple Access for UAV-Aided Heterogeneous Networks: A Stochastic Geometry Model
在这项工作中，我们探讨了部署无人机（UAV）作为空中基站（ABS）与子6 GHz频段和小小区地面基站（TBS）与毫米波（mmWave）波段的混合异构网络（HetNets）的潜在好处。提出了一种灵活的基于非正交多址接入（NOMA）的用户关联策略。利用随机几何的工具，推导了真实空对地（A2 G）信道和地对地（G2 G）信道条件下，基于LoS球阻塞模型的关联概率、覆盖概率和频谱效率的解析表达式.最后，我们提出的混合HetNet的数值结果的见解。我们证实：i）通过适当地设置功率分配因子和目标信号干扰噪声比（SINR）阈值，所提出的NOMA使能的HetNet能够实现比OMA使能的ABS更优越的性能; ii）在NOMA使能的ABS层中存在关联概率和频谱效率之间的折衷; iii）启用NOMA的ABS层的覆盖概率和频谱效率在很大程度上受不完美连续干扰消除（ipSIC）系数、功率分配因子和SINR阈值的影响; iv）与仅低于6 GHz的ABS相比，当毫米波视线（LoS）链路可用时，毫米波使能的TBS能够增强HetNet的频谱效率。
2021-02-09 cs.IT eess.SP math.IT
A Heterogeneous Dual-Network Framework for Emergency Delivery UAVs: Communication Assurance and Path Planning Coordination
College of Computer Science and Cyber Security, Chengdu University of Technology（成都理工大学计算机与网络安全学院）；National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（电子科技大学无线通信国家重点实验室）
本文提出异构双网络框架HDNF，通过结合应急通信支持网络和配送路径网络，提升无人机在灾害环境中的通信可靠性与路径规划效率，优化任务分配和能源消耗。
2026-05-14 cs.IT math.IT
Joint Location, Bandwidth and Power Optimization for THz-enabled UAV Communications
研究了无人机辅助太赫兹无线通信系统中无人机的部署、功率分配和带宽分配问题。在所研究的模型中，一架无人机可以使用太赫兹频段为地面用户提供服务。然而，高度不确定的THz信道将给无人机定位、用户功率和带宽分配优化问题带来新的挑战。因此，有必要设计一种新的框架来部署无人机在太赫兹无线系统。该问题被形式化为优化问题，其目标是通过联合优化无人机的部署、每个用户的发射功率和带宽来最小化无人机与地面用户之间的上行链路和下行链路传输的总延迟。通信时延是应急通信的关键。针对这一非凸时延最小化问题，提出了一种交替算法，同时迭代求解位置优化子问题、功率控制子问题和带宽分配子问题。仿真结果表明，与仅优化无人机位置、带宽分配或发射功率控制的基准算法相比，该算法可将传输时延分别降低$59.3\%$、$49.8\%$和$75.5\%$。
2021-03-14 cs.IT math.IT
Supporting UAV Cellular Communications through Massive MIMO
在这篇文章中，我们提供了一个急需的无人机蜂窝通信的研究，重点是无人机下行链路命令和控制（C&C）信道可实现的速率。对于这个关键的性能指标，我们执行一个现实的比较现有的部署在单用户模式和下一代多用户大规模MIMO系统。我们发现，在大数据流量下的单用户部署中，以50米、150米和300米飞行的无人机分别仅在35%、2%和1%的情况下实现了3GPP设定的100 kbps的C&C目标速率。由于减轻的干扰、更强的载波信号和空间复用增益，大规模MIMO时分双工系统可以显著增加这种概率。事实上，我们表明，无人机高度高达300米的目标速率是满足大规模MIMO在74%和96%的情况下，有和没有上行链路导频复用信道状态信息（CSI）的收购，分别。另一方面，UAV的存在会显著降低地面用户的性能，其导频信号容易受到UAV产生的污染，并且需要通过上行链路功率控制来保护。
2018-02-05 cs.IT math.IT
Liquid State Machine Learning for Resource and Cache Management in LTE-U Unmanned Aerial Vehicle (UAV) Networks
本文研究了支持缓存的无人机（UAV）网络的联合缓存和资源分配问题，这些无人机通过LTE许可和非许可（LTE-U）频段为无线地面用户提供服务。所考虑的模型侧重于用户，可以访问授权和未授权的频带，同时接收内容从缓存单元在无人机直接或通过内容服务器-无人机-用户链接。这个问题被制定为一个优化问题，它联合采用用户关联，频谱分配，和内容缓存。针对这一问题，提出了一种基于液态机（LSM）机器学习框架的分布式算法。使用所提出的LSM算法，云可以预测用户的内容请求分布，而只有有限的网络和用户的状态信息。所提出的算法还使无人机自主选择最佳的资源分配策略，最大限度地提高稳定队列的用户数量取决于网络状态。基于用户关联和内容请求分布，得到了需要在无人机上缓存的最优内容以及最优资源分配。使用真实数据集的仿真结果表明，所提出的方法分别产生高达33.3%和50.3%的收益，在用户的数量方面，有稳定的队列相比，两个基线算法：Q学习与缓存和Q学习没有缓存。结果还表明，LSM显着提高了收敛时间高达33.3%相比，传统的学习算法，如Q学习。
2018-01-29 cs.IT math.IT
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
