Throughput Maximization for Full-Duplex UAV Aided Small Cell Wireless Systems
研究了全双工无人机辅助的小小区无线系统，其中无人机作为基站同时向下行用户发送数据和从上行用户接收数据。为了最大化包括上行链路和下行链路容量的总系统容量，交替地优化UAV轨迹、下行链路/上行链路用户调度和上行链路用户发射功率。由此产生的优化问题是混合整数和非凸的，这是具有挑战性的解决。为了解决这个问题，利用块坐标下降法和逐次凸逼近技术。仿真结果表明，与其他设计相比，我们的设计可以实现显着的容量增益。
2019-12-10 cs.IT eess.SP math.IT
Joint Trajectory and Power Allocation Design for Secure Artificial Noise aided UAV Communications
研究了无人机（UAV）无线通信系统中的平均保密率（ASR）最大化问题，其中在地面被动窃听者存在的情况下，利用无人机向地面目标传递机密信息。通过采用基于人工噪声（AN）注入的安全两阶段传输协议，我们的目标是在给定的时间范围内联合优化无人机的轨迹、网络传输功率和AN功率分配，以提高ASR性能。具体来说，我们把原来的非凸问题分为四个子问题，并提出了一个逐次凸逼近的有效迭代算法来解决它的次优保证收敛。仿真结果表明，显着的安全优势，我们所设计的方案比其他已知的基准，特别是严格的飞行时间。
2020-11-20 cs.IT math.IT
Multiple Antenna Aided NOMA in UAV Networks: A Stochastic Geometry Approach
本文研究了多输入多输出（MIMO）非正交多址接入（NOMA）辅助无人机（UAV）网络。利用随机几何模型，提出了一种新的三维无人机框架，为随机漫游的NOMA用户提供无线服务。为了评估所提出的框架的性能，我们推导出MIMO-NOMA增强的无人机网络的中断概率和遍历率的解析表达式。我们研究了易于处理的上限为整个拟议的框架，推导出渐近的结果，干扰源的发射功率成比例或固定的无人机的情况下。为了获得更多的见解所提出的框架，我们调查的多样性阶数和高信噪比（SNR）斜率的MIMO-NOMA辅助无人机网络。我们的结果证实：i）NOMA增强的UAV网络的中断概率在很大程度上受NOMA用户的目标传输速率和功率分配因子的影响;以及ii）对于干扰功率与UAV功率成比例的情况，存在用于中断概率的错误平层。
2018-05-14 cs.IT 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
Intelligent Reflecting Surface Aided Secure UAV Communications
在这封信中，我们研究了安全通信问题的无人机（UAV）使能网络的智能反射面（IRS）从物理层安全的角度来看。具体地，IRS被部署为在存在窃听者的情况下辅助从UAV到地面用户的无线传输。这项工作的目标是通过联合优化IRS的相移以及UAV的发射功率和位置来最大化保密率。然而，由于非线性和非凸的目标函数和约束条件，制定的问题是很难直接解决。利用分式规划和逐次凸逼近技术，将原问题分解为三个子问题，再将三个子问题转化为凸问题。接下来，提出了一种低复杂度的交替算法来有效地解决具有挑战性的非凸问题，其中在每次迭代中获得发射功率和相移的封闭形式的表达式。仿真结果表明，所设计的算法在红外辅助无人机通信中可以获得比基准算法更高的保密率。
2020-11-09 cs.IT cs.NI math.IT
Performance Analysis and Optimization of Multi-RIS-Aided UAV Networks
本文研究了Nakagami- $m$衰落信道下多个可重构智能表面（RIS）辅助无人机（UAV）通信网络的性能。为此，我们使用精确的封闭形式近似的信道分布推导出封闭形式近似的中断概率（OP），平均符号错误概率（ASEP），和平均信道容量假设独立非同分布（i.ni.d.）渠道此外，我们推导出在高信噪比（SNR）制度的渐近OP得到更多的洞察系统性能。我们还研究了一些实际的情况下，有关的RIS，无人机，和目的地的位置，并通过仿真说明其对系统性能的影响。最后，我们提供了一个优化问题的每个信道的发射功率。
2023-03-18 cs.IT eess.SP math.IT
A Unified Spatial Framework for UAV-aided MmWave Networks
针对无人机（UAV）辅助毫米波（mmWave）网络，提出了一种统一的三维空间框架，对无覆盖用户通过UAV向基站发送消息的一般情况进行建模。更具体地说，收发器在下行链路和上行链路的位置分别通过泊松点过程和泊松簇过程（PCP）建模。对于PCP，Matern集群和托马斯集群过程，进行了分析。此外，三维阻塞过程和三维天线方向图的高度的影响进行评估。基于这个统一的框架，在上行链路和下行链路的覆盖概率的几个封闭形式的表达式，推导。通过研究整个通信过程，包括上述两个阶段和它们之间的合作传输，推导出易于处理的系统覆盖概率的表达式。接下来，无人机网络中的三个实际应用提供了所提出的框架的案例研究。结果表明，热噪声和非视距毫米波传输的影响可以忽略不计。在所考虑的网络中，毫米波在数据率方面优于6 GHz以下，这是由于尖锐方向波束成形和大的发射带宽。此外，存在一个最佳的无人机高度，使系统的覆盖概率最大化。
2019-09-26 cs.IT math.IT
Cooperative Multi-Agent Deep Reinforcement Learning Methods for UAV-aided Mobile Edge Computing Networks
本文针对无人机辅助移动边缘计算网络，提出一种基于图注意力网络的协作式多智能体深度强化学习方法，通过消息动作与求解动作实现去中心化协调，并设计了可扩展训练算法以适配任意设备数量，实验证明其性能优于传统方法。
2024-07-03 cs.IT math.IT
UAV-RIS-Aided Space-Air-Ground Integrated Network: Interference Alignment Design and DoF Analysis
针对SAGIN异构干扰难题，提出UAV-RIS辅助的干扰管理方案，设计干扰对齐与预编码并分析自由度，显著提升了不同CSI场景下的系统容量。
2023-08-04 cs.IT math.IT
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
Extracting the Most Weighted Throughput in UAV Empowered Wireless Systems With Nonlinear Energy Harvester
随着无人机技术的日益成熟，本文研究了无人机与无线通信系统的融合问题。由于无人机是由一个容量有限的电池供电，这项工作提出了使用无线电能量收集技术在无人机，以延长无人机授权基站的寿命。为提取无人机授权无线系统的最大加权吞吐量，利用脏纸编码方案和信息论上下行信道对偶性，提出了一种最大加权吞吐量提取算法。数值结果被用来验证所提出的算法。
2018-04-28 cs.IT math.IT
Robust Trajectory and Resource Allocation Design for Secure UAV-aided Communications
本文旨在提高物理层的安全性，防止潜在的内部窃听利用无人机（UAV）的机动性。我们考虑的情况下，两个接收器具有不同的安全许可级别需要由一个合法的发射机与无人机的帮助。我们共同设计的轨迹和资源分配，以最大限度地提高累积的系统机密数据率。该设计被配制成一个混合整数非凸优化问题，考虑到部分位置信息的潜在窃听。为了规避问题的非凸性，提出了一系列的变换和近似，这有利于设计一个计算效率的次优解。仿真结果提供了重要的系统设计的见解，并展示了强大的联合设计，以提高物理层的安全性所带来的优势。
2019-03-18 cs.IT math.IT
UAV-Aided Jamming for Secure Ground Communication with Unknown Eavesdropper Location
研究了在窃听者位置未知的情况下，利用无人机辅助干扰技术实现物理层无密钥安全。我们假设未知的窃听者的位置是在一个椭圆形的发射机的覆盖区域内。通过依次优化发射功率、无人机飞行路径和干扰功率，以最大化任意窃听位置下的平均保密率为目标。仿真结果表明，与采用发射机和合法接收机共同飞行的直接航迹相比，最优航迹具有更好的保密率性能。最重要的是，即使与未知的窃听者的位置，我们得到了一个保密率，相当于一个场景时，窃听者的位置是已知的。然而，未知窃听者位置的平均保密率取决于窃听者与发射机的已知位置的接近程度。我们还观察到，由于无人机辅助干扰，平均保密率稳定在某个点，即使窃听者的平均接收包络功率增加。这基本上证明了拟议计划的有效性。
2019-11-25 cs.CR cs.IT math.IT
Maximizing Indoor Wireless Coverage Using UAVs Equipped with Directional Antennas
无人驾驶飞行器（UAV）可以用于在紧急情况期间提供无线覆盖，其中每个UAV在蜂窝网络故障时用作空中无线基站。它们还可以用于补充地面基站，以便为用户提供更好的覆盖和更高的数据率。在本文中，我们的目标是最大限度地提高室内无线覆盖使用无人机配备定向天线。我们研究的情况下，无人机使用一个信道，因此，为了最大限度地提高室内无线覆盖的总，我们避免任何重叠的覆盖体积。我们提出了两种方法来放置无人机;从一个建筑物侧和从两个建筑物侧提供无线覆盖。在第一种方法中，我们利用圆填充理论来确定无人机的3-D位置的方式，总的覆盖面积最大化。在第二种方法中，我们将无人机放置在两个建筑物侧的前面，并有效地将无人机交替颠倒排列。我们表明，倒置安排问题可以从3D转换到2D，并在此基础上，我们提出了一个有效的算法来解决这个问题。我们的研究结果表明，倒置的无人机的安排，可以提高100%的最大总覆盖范围相比，从一个建筑物侧提供无线覆盖。
2017-05-27 cs.IT math.IT
A Tutorial on UAVs for Wireless Networks: Applications, Challenges, and Open Problems
诸如无人驾驶飞行器（UAV）（俗称无人机）的飞行平台的使用正在迅速增长。特别是，由于其固有的属性，如移动性，灵活性和自适应高度，无人机承认在无线系统中的几个关键的潜在应用。一方面，无人机可以用作空中基站，以增强无线网络的覆盖范围、容量、可靠性和能效。另一方面，UAV可以作为蜂窝网络内的飞行移动终端操作。这种蜂窝连接的UAV可以实现从实时视频流到物品递送的多种应用。在本文中，一个全面的教程的潜在好处和无人机在无线通信中的应用。此外，无人机使能的无线网络的重要挑战和根本的权衡进行了彻底的调查。特别是，无人机的关键挑战，如三维部署，性能分析，通道建模和能源效率进行了探讨，以及代表性的结果。最后介绍了无人机通信存在的问题和未来的研究方向。最后，各种分析框架和数学工具，如优化理论，机器学习，随机几何，运输理论和博弈论进行了说明。使用这些工具来解决独特的无人机问题也被提出。简而言之，本教程提供了如何分析，优化和设计基于无人机的无线通信系统的关键指导方针。
2019-03-17 cs.IT math.IT
Throughput Maximization of Mixed FSO/RF UAV-aided Mobile Relaying with a Buffer
在本文中，我们考虑一个无人机（UAV）辅助移动中继系统下的缓冲区约束。我们提出了一种新的中继协议，采用混合自由空间光/射频（FSO/RF）通信，即，在UAV中继节点处的缓冲器约束下，源-中继和中继-目的地链路分别利用FSO和RF链路。考虑RF和FSO链路传输速率不平衡的情况，以最大化端到端数据吞吐量为目标，研究了缓存受限的无人机中继节点的轨迹优化问题。特别地，我们根据延迟要求分类了两种中继传输方案，即，i）延迟受限传输和ii）延迟容忍传输。以最大化地面用户终端的吞吐量为目标，求解无人机的局部最优轨迹问题。因此，我们提出了一个迭代算法，有效地找到一个局部最优解的吞吐量最大化问题。通过该算法，我们提出了在大气条件下，缓冲区大小，和延迟要求的轨迹。此外，我们显示了最佳的缓冲区大小和吞吐量延迟权衡一个给定的系统。我们的数值结果验证，建议的缓冲区辅助移动中继方案实现65.55%的吞吐量增益相比，传统的静态中继方案。
2020-07-07 cs.IT eess.SP math.IT
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
UAV-Aided Offloading for Cellular Hotspot
在传统的地面蜂窝网络中，由于移动终端（MT）距离服务地面基站（GBS）较远，特别是在GBS负载较重的热点时段，位于小区边缘的MT往往会造成性能瓶颈。本文提出了一种新的混合网络架构，利用无人机（UAV）作为空中移动基站，沿小区边缘周期性飞行，卸载数据流量的小区边缘MT。我们的目标是最大限度地提高所有MT的最小吞吐量，通过联合优化无人机的轨迹，带宽分配和用户分区。首先考虑无人机和GBS之间的正交频谱共享，然后扩展到频谱复用，即GBS和无人机共享总带宽，有效地避免了它们之间的相互干扰。数值结果表明，所提出的混合网络与优化的频谱共享和循环多址接入设计显着提高了空间吞吐量比传统的GBS只有网络，而频谱复用方案提供了进一步的吞吐量增益的成本略高的复杂性干扰控制。此外，与传统的小小区卸载方案相比，所提出的UAV卸载方案在吞吐量方面表现出色，除了节省基础设施成本之外。
2018-05-20 cs.IT math.IT
UAV-Aided Multi-Way NOMA Networks with Residual Hardware Impairments
本文研究了一种无人机辅助的非正交多址接入多路中继网络。多个地面用户的目标是通过放大转发（AF）无人机中继交换他们的互信息。具体而言，考虑到在收发器的残余硬件损伤（RHI）的现实假设。为了评估所考虑的网络的性能，我们推导出可实现的和速率（ASR）的解析表达式。此外，我们通过调用仿射扩展的ASR的\emph{high signal-to-noise ratio (SNR) slope}和\emph{high SNR power offset}进行渐近分析。数值结果表明：1）与正交多址接入（OMA）相比，所提出的网络可以将时隙数从$\left[ {\left( {M - 1} \right)/2} \right] + 1$减少到2个，从而显著提高了ASR; 2）发射机和接收机的RHI对所考虑网络的ASR具有相同的影响。
2020-05-17 cs.IT eess.SP math.IT
IRS-Aided Energy Efficient UAV Communication
无人机（UAV）已经逐渐获得关注，以克服毫米波通信的恶劣传播损耗和阻塞问题。然而，无人机通信系统受到能量消耗的影响，这限制了无人机的飞行时间。在本文中，我们提出了几个无人机能源消耗最小化技术，通过多个智能反射面（IRSs）的援助。具体而言，我们引入了一个易于处理的模型，以有效地捕捉多个IRS和多个用户设备（UE）的特性。然后，我们推导出一个封闭形式的表达UE可实现的速率，从而在易处理的优化问题。相应地，我们采用逐次凸逼近技术有效地解决了优化问题。为了弥补优化问题的高复杂性，我们提出了一个低复杂度的算法，有边际性能损失。在数值计算结果中，我们表明，所提出的算法可以节省无人机的能源消耗显着相比，基准没有IRS，证明利用IRS确实是有利于无人机的能源消耗最小化。
2023-01-02 cs.IT eess.SP math.IT
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
Latency-Minimized Design of Secure Transmissions in UAV-Aided Communications
无人机具有机动性强、部署灵活等特点，可以作为空中基站为远程移动用户提供通信服务。然而，视距（LoS）无线链路容易被窃听者（Eve）截获，这对无人机辅助通信提出了重大挑战。在本文中，我们提出了一个延迟最小化的传输方案，以满足合法用户（LU）的内容请求安全地对夏娃。通过利用物理层安全（PLS）技术，我们制定了一个传输延迟最小化的问题，通过联合优化无人机轨迹和用户关联。由此产生的问题是一个混合整数非线性规划（MINLP），这是已知的NP难。此外，优化变量的维数是不确定的，这再次使我们的问题非常具有挑战性。为了有效地解决这个问题，我们利用二分法搜索最小传输延迟，并引入变分惩罚方法来解决相关的子问题，通过不精确的块坐标下降方法。此外，我们提出了一个最优解的特征。仿真结果证明了所提出的设计的优越性能。
2020-03-14 cs.IT eess.SP math.IT
UAV Communications with WPT-aided Cell-Free Massive MIMO Systems
无蜂窝（CF）大规模多输入多输出（MIMO）是一种很有前途的解决方案，为无人机（UAV）通信提供一致的良好性能。在本文中，我们提出了无人机通信与无线功率传输（WPT）辅助CF大规模MIMO系统，其中从下行链路WPT收集的能量（HE）用于支持上行链路数据和导频传输。我们推导出新的封闭形式的下行链路HE和上行链路频谱效率（SE）的表达式，考虑到无人机的硬件损伤。还考虑了与当前的小小区（SC）和蜂窝大规模MIMO使能的WPT系统的UAV通信以进行比较。重要的是表明，CF大规模MIMO分别实现了比SC和蜂窝大规模MIMO高2倍和5倍的95%可能上行链路SE。此外，大规模衰落解码接收机协作可以降低地面用户的干扰。此外，可以通过改变时间分裂分数来实现最大SE。我们证明了最大SE的最佳时间分裂分数是由天线的数量，高度和无人机的硬件品质因数。在此基础上，提出了三种提高SE的无人机轨迹设计方案。有趣的是，角度搜索方案的性能优于AP搜索和线路径方案。最后，仿真结果验证了我们的表达式的准确性。
2021-04-23 cs.IT eess.SP math.IT
UAV-Enabled Wireless Power Transfer: A Tutorial Overview
支持无人机（UAV）的无线功率传输（WPT）最近成为一种有前途的技术，以在大规模无线网络中为广泛分布的低功率地面设备（GD）提供可持续的能量供应。与部署在固定位置的传统WPT系统中的能量发射器（ESTA）相比，UAV安装的空中发射器可以在三维（3D）空间中灵活地飞行，以更有效地为附近的GD充电。本文提供了一个教程概述无人机使能WPT及其吸引人的应用，特别是侧重于如何利用无人机的可控移动性，通过其3D轨迹设计，以最大限度地提高能量传输到所有GD在无线网络中的公平性。首先，我们考虑单个UAV使能的WPT场景，其中一个UAV在已知位置为多个GD无线充电。为了解决这种情况下的能量最大化问题，我们提出了一个通用的轨迹设计框架，包括三个创新的方法来优化无人机的轨迹，这是多位置悬停，连续悬停和飞行，和基于时间量化的优化，分别。接下来，我们考虑多无人机使能的WPT场景，其中多个无人机在大区域中协作地对许多GD充电。在单无人机航迹设计的基础上，分别基于无人机群集和GD聚类原理，提出了两种有效的多无人机航迹联合优化方案。此外，我们考虑了支持无人机的WPT的两个重要扩展，即支持无人机的无线供电通信网络（WPCN）和支持无人机的无线供电移动边缘计算（MEC）。
2021-02-27 cs.IT eess.SP math.IT
Dual-UAV-Aided Covert Communications for Air-to-Ground ISAC Networks
提出双UAV辅助的空地ISAC网络隐蔽通信方案，通过协同设计波束成形与轨迹，在满足感知与隐蔽约束下最大化平均隐蔽速率。
2025-05-31 cs.IT eess.SP math.IT
UAV-Aided Multi-Community Federated Learning
EURECOM（欧洲通信学院）；Mitsubishi Electric R&D Centre Europe（三菱电机欧洲研发中心）
在这项工作中，我们调查的在线轨迹设计的无人机（UAV）在联邦学习（FL）设置存在几个不同的社区，每个定义了一个独特的任务来学习的问题。在该设置中，属于每个社区的空间分布的设备经由UAV提供的无线链路协作地有助于训练它们的社区模型。因此，UAV充当协调每个社区中的设备之间的传输和学习时间表的移动协调器，旨在加速所有任务的学习过程。我们提出了一个启发式度量作为不同任务的训练性能的代理。利用这个指标，代理目标的定义，使我们能够共同优化无人机的轨迹和调度的设备，采用凸优化技术和图论。仿真结果表明，与其他精心挑选的静态和移动无人机部署基准相比，我们的解决方案的性能出色。
2022-11-08 cs.IT cs.LG math.IT
Learning to Communicate in UAV-aided Wireless Networks: Map-based Approaches
我们考虑的情况下，无人机安装的飞行基站提供数据通信服务的无线电节点分布在地面上的数量。我们专注于资源受限的无人机轨迹设计问题，（i）最佳通道参数学习和（ii）最佳数据吞吐量分别作为关键目标。虽然吞吐量优化轨迹的问题已经在现有工作中解决，但尚未解决有效发现传播参数的优化轨迹的公式化。在通信阶段，这项工作的优势来自于3D城市地图的开发。不幸的是，基于原始地图数据的通信轨迹设计导致了一个棘手的优化问题。为了解决这个问题，我们引入了一种地图压缩方法，使我们能够用标准的优化工具来解决这个问题。然后将轨迹优化与节点调度算法相结合。在智能物联网数据采集的背景下，说明了学习优化轨迹和地图压缩方法的优势。
2018-11-02 cs.IT math.IT
Radio-Map-Based Robust Positioning Optimization for UAV-Enabled Wireless Power Transfer
这封信研究了基于无线电地图的鲁棒定位设计中的无人机无线电力传输系统。
2019-05-03 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
UAV-Aided Decentralized Learning over Mesh Networks
EURECOM（欧洲通信学院）
分散式学习使无线网络设备能够协作地训练仅依赖于设备到设备（D2D）通信的机器学习（ML）模型。众所周知，分散优化算法的收敛速度严重依赖于网络的连通性程度，网络拓扑结构越密集，收敛时间越短。因此，由于其无线节点的通信范围有限，现实世界的网状网络的局部连接性破坏了分散式学习协议的效率，使其可能无法实现。在这项工作中，我们调查的作用，无人驾驶航空器（UAV），用作飞行接力，在促进分散的学习程序，在这种具有挑战性的条件。我们提出了一个优化的无人机轨迹，这是定义为一系列的航路点，无人机访问顺序，以便在稀疏连接的用户组之间传输情报。然后，我们提供了一系列的实验，突出了无人机在网状网络分散学习的背景下的重要作用。
2022-05-31 cs.IT cs.LG eess.SP
Throughput Maximization for Laser-Powered UAV Wireless Communication Systems
激光电源已成为为无人机（UAV）提供方便和可持续能源供应的可行解决方案。在本文中，我们研究了一种激光供电的无人机无线通信系统，其中激光发射器发送激光束来充电飞行中的固定翼无人机，无人机使用收集的激光能量与地面站进行通信。为了维持无人机的可持续运行，其总能量消耗不能超过激光发射器的能量。在这样的激光能量收集约束下，我们通过联合优化无人机的轨迹及其发射功率分配，在有限的持续时间内最大化从无人机到地面站的下行链路通信吞吐量。但由于无人机能耗模型复杂，该问题具有非凸性，求解难度较大。为了解决这个问题，我们首先考虑一个特殊的情况下，一个双圆形的无人机轨迹，平衡之间的权衡最大限度地提高激光能量收集与无线通信在无人机的性能。接下来，基于所获得的双圆轨迹，我们提出了一个有效的解决方案的一般问题，通过应用交替优化和序列凸规划（SCP）的技术。最后，数值结果验证了所提出的设计的通信吞吐量性能。
2018-03-02 cs.IT math.IT
Joint 3D Trajectory Design and Resource Allocation for Secure Dual-UAV-aided Underlay Systems
Chongqing University of Posts and Telecommunications（重庆邮电大学）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；Sun Yat-sen University（中山大学）；Beijing Institute of Technology（北京理工大学）
针对空中窃听者，提出双无人机辅助安全底层数据采集系统，通过联合优化无人机3D轨迹、干扰功率、地面设备功率及调度，最大化平均保密频谱效率，采用块坐标下降和逐次凸近似求解。
2026-06-16 cs.IT math.IT
UAV-Enabled Wireless Power Transfer: Trajectory Design and Energy Region Characterization
本文研究了一种新的无人机（UAV）使能的无线功率传输（WPT）系统，其中UAV安装的能量发射器（ET）广播无线能量来为地面上的分布式能量接收器（ER）充电。特别是，我们考虑一个基本的两个用户的情况下，并研究如何无人机可以最佳地利用其移动性，以最大限度地提高能量转移到两个ER在给定的充电期间。我们的特点，可实现的能量区域的两个ER，通过优化无人机的轨迹受到最大速度约束。研究表明，当两个ER之间的距离小于某个阈值时，无人机始终悬停在它们之间的固定位置上，才能达到能量区域的边界;而当它们的距离大于阈值时，为了达到能量区域的边界，无人机一般需要在连接它们的线上方的两个不同位置之间悬停和飞行。仿真结果表明，优化后的无人机飞行轨迹能够显著提高两种能量回收系统的WPT效率和公平性，尤其是在无人机最大速度较大和充电持续时间较长的情况下。
2017-06-21 cs.IT math.IT
RIS Partitioning and User Clustering for Resilient Non-Orthogonal Multiple Access UAV Networks
本文提出RIS-aided NOMA两步迭代方法，通过联合UE聚类、链路选择和虚拟RIS划分最大化无人机网络连接性，相比传统方案提升30%至40%增益。
2025-05-01 cs.IT eess.SP math.IT
Throughput Maximization for UAV-Enabled Wireless Powered Communication Networks
研究了一种基于无人机的无线供电通信网络，该网络中无人机作为移动接入点周期性地为一组地面用户提供服务。UAV采用射频（RF）无线功率传输（WPT）在下行链路中对用户进行充电，并且用户使用所收集的RF能量在上行链路中向UAV发送独立信息。与具有固定AP的传统WPCN不同，UAV使能的WPCN可以通过轨迹设计结合无线资源分配优化来利用UAV的移动性，以最大化系统吞吐量。特别是，我们的目标是最大限度地提高上行链路的共同（最小）吞吐量在一个有限的无人机的飞行期间，所有地面用户之间，其最大速度约束和用户的能源中立的约束。由此产生的问题是非凸的，因此很难得到最优解。为了解决这个问题，我们首先考虑一个理想的情况下，无人机的最大速度限制，并获得最优解放松的问题。最优解表明，对于下行链路WPT，UAV应连续悬停在有限数量的地面位置上方，以及对于上行链路通信，UAV应连续悬停在每个地面用户上方。接下来，我们考虑具有UAV的最大速度约束的一般问题。在此基础上，提出了一种高效的连续悬停飞行轨迹设计方法，并结合上下行无线资源分配，应用交替优化和连续凸规划（SCP）技术，提出了一种局部最优解.数值结果表明，建议的无人机使WPCN实现显着的吞吐量增益比传统的WPCN与固定位置的AP。
2018-10-09 cs.IT math.IT
Joint Optimization of Relay Selection and Transmission Scheduling for UAV-Aided mmWave Vehicular Networks
为了应对移动业务的爆炸性增长，具有丰富带宽资源的毫米波（mmWave）通信已经被应用于车辆网络。由于毫米波信号对阻塞敏感，我们引入了无人机（UAV）辅助的双向中继系统，以增强车辆连接和扩大覆盖范围。如何在这种动态场景中提高传输效率并减少延迟时间是一个具有挑战性的问题。在本文中，我们制定的中继选择和传输调度的联合优化问题，旨在减少传输时间，同时满足吞吐量的要求。为了解决这个问题，提出了两种方案。第一个是随机中继选择与并发调度（RCS），一个低复杂度的算法，在两个步骤中实现。第二个是联合中继选择与动态调度（JRDS），充分避免中继竞争，并利用潜在的并发能力，以获得进一步的性能提高RCS。通过在不同流量和车速的不同环境下进行广泛的模拟，我们证明了RCS和JRDS方案在传输时间和网络吞吐量方面显着优于现有方案。我们还分析了阈值选择对可实现性能的影响。
2023-03-06 cs.IT math.IT
Placement Optimization for UAV-Enabled Wireless Networks with Multi-Hop Backhaul
无人驾驶飞行器（UAV）已经成为在各种应用中为地面用户提供无线数据访问的有前景的解决方案（例如，在紧急情况下）。本文研究了一种支持无人机的无线网络，其中多个无人机被部署为空中基站（BS），为分布在地面上的用户提供服务。与以往忽略无人机回程连接的研究不同，本文实际考虑无人机通过地面网关节点通过速率受限的多跳无线回程连接到核心网。我们还考虑到从无人机到用户的空对地（A2G）接入链路和无人机之间的空对空（A2A）回程链路在正交频带上操作。在这种设置下，我们的目标是最大限度地提高共同的（或最小）吞吐量之间的所有地面用户在该网络的下行链路中的流量守恒的限制，在无人机，通过优化无人机的部署位置，结合接入和回程链路的带宽和功率分配。然而，常见的吞吐量最大化是一个非凸优化问题，很难得到最优解。为了解决这个问题，我们使用交替优化和连续凸规划（SCP）的技术来获得局部最优解。数值结果表明，所提出的设计显着提高了所有地面用户之间的共同吞吐量相比，其他基准计划。
2018-09-13 cs.IT math.IT
Model-aided Deep Reinforcement Learning for Sample-efficient UAV Trajectory Design in IoT Networks
EURECOM（欧洲通信学院）
深度强化学习（DRL）作为一种潜在的方法正在受到关注，用于设计在蜂窝或物联网（IoT）连接背景下用作飞行接入点的自主无人机（UAV）的轨迹。DRL解决方案提供了在线学习的优势，因此依赖于很少的先验上下文信息。然而，一个相应的缺点在于需要许多学习情节，这严重限制了这种方法在现实世界中的时间和能量受限的任务的适用性。在这里，我们提出了一种模型辅助的深度Q学习方法，与以前的工作相比，该方法大大减少了对大量训练数据样本的需求，同时仍然实现了DRL的首要目标，即在没有无线信道特性的先验知识和无线节点位置的有限知识的情况下，引导电池有限的UAV在有效的数据采集轨迹上。其关键思想在于使用一小部分节点作为锚（即具有已知位置），并学习传播环境的模型，同时隐式地估计常规节点的位置。与模型的交互允许我们训练一个深度Q网络（DQN）来近似最优的无人机控制策略。我们表明，与标准的DRL方法相比，所提出的模型辅助方法需要至少一个数量级的训练数据样本，以达到相同的数据汇集性能，从而提供了第一步，使DRL一个可行的解决方案的问题。
2021-10-05 cs.IT cs.LG math.IT
Joint Power and Trajectory Design for Physical-Layer Secrecy in the UAV-Aided Mobile Relaying System
随着无人机的迅速发展，移动中继技术成为一种很有前途的无线通信辅助技术。在本文中，我们研究了四节点（源，目的地，移动中继，窃听）系统中的安全传输，其中我们专注于通过联合优化中继轨迹和源/中继发射功率的保密率最大化。然而，由于轨迹设计和功率分配的耦合，保密率最大化（SRM）问题是难以解决的。因此，我们提出了一种交替优化（AO）的方法，其中的轨迹设计和功率分配是以交替的方式处理。但由于弹道设计是一个非凸问题，至今仍难以求解。为了规避非凸性，我们利用序列凸规划（SCP）推导出一个迭代算法，该算法被证明收敛到Karush-Kuhn-Tucker（KKT）点的轨迹设计问题。仿真结果表明，功率和轨迹的联合设计在提高保密吞吐量的有效性。
2018-07-23 cs.IT math.IT
Multi-Agent Graph Reinforcement Learning based On-Demand Wireless Energy Transfer in Multi-UAV-aided IoT Network
本文提出一种基于多智能体图强化学习的多无人机按需无线能量传输方案，通过引入能量饥饿度指标并优化无人机轨迹与传输决策，有效满足物联网设备的时变能量需求。
2023-07-27 cs.IT math.IT
Common Throughput Maximization for UAV-Enabled Interference Channel with Wireless Powered Communications
本文研究了一种用于无线供电通信网络（WPCN）的无人机（UAV）启用的双用户干扰信道，其中两个UAV无线地对地面上的两个低功率物联网（IoT）设备充电并从它们收集信息。我们考虑两种情况下，当两个无人机合作的能量传输和/或信息接收，通过干扰协调和协调多点（CoMP），分别。对于这两种情况，通过轨迹设计利用UAV的可控移动性，不仅提高下行链路中的无线功率传输（WPT）效率，而且减轻上行链路中的无线信息传输（WIT）的同信道干扰。特别地，目标是通过联合优化两个UAV的轨迹和下行链路/上行链路无线资源分配，在受限于UAV处的最大飞行速度和碰撞避免约束以及IoT设备处的个体能量中性约束的情况下，最大化两个IoT设备在有限UAV任务周期内的上行链路公共（最小）吞吐量。在干扰协调和CoMP两种情况下，我们首先获得了两个共同的速率最大化问题的最优解井结构的特殊情况下，具有足够长的无人机任务持续时间。接下来，我们获得高质量的解决方案，为实际情况下，有限的无人机任务持续时间，通过使用交替优化和逐次凸逼近（SCA）。
2019-10-10 cs.IT eess.SP math.IT
Optimal Placement of a UAV to Maximize the Lifetime of Wireless Devices
当蜂窝网络出现故障时，无人机（UAV）可以用作空中无线基站。关于基于UAV的无线覆盖的先前研究通常考虑从空中基站到地面用户的下行链路场景。在本文中，我们考虑了一个上行链路的情况下，灾害的情况下（如地震或洪水），当蜂窝网络下降。我们制定的最佳无人机布局的问题，其中的目标是确定一个单一的无人机的位置，使得上行链路传输的持续时间的总和是最大化的。证明了问题的约束集可用半球面的交来表示，且此交所形成的区域是关于两个变量的凸集。这个证明使我们能够将我们的问题转化为具有两个变量的优化问题。我们还证明了转换后的问题的目标函数是一个凹函数的约束下的最低高度的无人机，并提出了一种基于梯度投影的算法来找到最佳位置的无人机。通过仿真验证了分析的正确性，并在不同情况下证明了该算法的有效性。
2018-04-06 cs.IT math.IT
UAV-Enabled Wireless Power Transfer: Trajectory Design and Energy Optimization
本文研究了一种新的无人机无线能量传输系统，其中无人机安装的移动能量发射器（ET）被派遣向一组地面能量接收器（ER）提供无线能量。我们研究了无人机如何通过轨迹设计最佳地利用其机动性，以在有限的时间内最大限度地提高传递到所有ER的能量。首先，我们考虑最大化的总和能量接收的所有ER优化无人机的轨迹受到其最大速度约束。得到了该模型的最优解，表明无人机在整个飞行期间应停留在一个固定位置。然而，总能量最大化会引起“远近”公平性问题。为了克服这个问题，我们考虑一个不同的问题，以最大限度地提高所有ER之间的最小接收能量。我们首先考虑一个理想的情况下，忽略无人机的最大速度约束，并表明放松的问题可以通过拉格朗日对偶方法得到最优解。然后，在考虑最大速度约束的一般情况下，以理想情况下的最优轨迹为激励，提出了一种新的连续悬停飞行轨迹，并应用连续凸规划（SCP）方法进行了有效的轨迹设计。
2017-09-22 cs.IT math.IT
Optimal 1D Trajectory Design for UAV-Enabled Multiuser Wireless Power Transfer
本文研究了一种支持无人机的无线能量传输网络，其中无人机在空中以恒定高度飞行，为一组具有线性拓扑结构的地面节点提供无线能量供应。我们的目标是通过优化无人机的一维（1D）轨迹，最大限度地提高所有地面节点之间的最小接收能量，受到最大无人机飞行速度的约束。不同于以往的工作，只提供启发式和局部最优解，本文是第一个工作，提出了全局最优的一维无人机轨迹解决方案所考虑的最小能量最大化问题。为此，我们首先表明，对于任何给定的速度约束的无人机轨迹，我们总是可以构建一个最大速度轨迹和一个无速度轨迹，使得它们的组合可以实现相同的接收能量在所有这些地面节点。其次，我们将原来的无人机速度约束的轨迹优化问题转化为一个等价的无人机速度自由的问题，然后通过拉格朗日对偶方法优化求解。所获得的最优1D UAV轨迹解遵循所谓的连续悬停和飞行（SHF）结构，即，无人机在有限数量的悬停点处连续悬停，每个悬停点持续优化的悬停持续时间，并且以最大速度在这些悬停点之间飞行。数值结果表明，我们提出的最优解显着优于基准计划在以前的工作在不同的情况下。
2018-11-01 cs.IT math.IT
Impact of UAV Wobbling on the Air-to-Ground Wireless Channel
采用Rician多径信道模型，研究了无人机抖动对无人机与地面用户设备之间无线信道相干时间的影响。我们考虑了两种不同的无人机数量场景：（i）单无人机场景（SUS），和（ii）多无人机场景（MUS）。对于每种情况，我们通过两个随机过程来模拟无人机摇摆，即，维纳和正弦过程，并表征信道自相关函数（ACF），然后使用ACF来导出信道的相干时间。对于MUS，我们进一步表明，用于不同UAV的UAV-UE信道彼此不相关。本文中的一个关键观察结果是，即使对于小型无人机摆动，信道的相干时间也可能迅速退化，这可能使得难以跟踪信道并建立可靠的通信链路。
2020-08-24 cs.IT eess.SP math.IT
Buffer-Aided Relay Selection Algorithms for Physical-Layer Security in Wireless Networks
在这项工作中，我们考虑使用缓冲器辅助中继，线性预编码技术和多个天线的物理层安全在无线网络中。本文研究了协作多用户多天线无线网络中的中继选择算法。特别是，我们提出了一种新的有限的缓冲区辅助中继选择算法，采用最大似然（ML）标准选择集的中继，充分利用中继节点配备缓冲区提供的灵活性。数值结果显示了与现有技术相比所提出的技术的益处。
2015-05-12 cs.IT math.IT
Safeguarding Wireless Network with UAVs: A Physical Layer Security Perspective
将无人机（UAV）集成到未来的无线系统（如第五代（5G）蜂窝网络）中，预计将为UAV和电信行业带来重大利益。一般而言，无人机可以作为蜂窝网络中的新的空中平台，为地面用户提供通信服务，或者成为地面基站所服务的蜂窝网络的新的空中用户。由于无人机高度较高，其与地面节点之间通常存在主导视距（LoS）信道，这给未来无人机广泛部署的无线网络带来了新的安全挑战。一方面，无人机地面通信比地面通信更容易受到地面恶意节点的窃听和干扰攻击。另一方面，与恶意地面节点相比，恶意无人机可以对地面通信发起更有效的窃听和干扰攻击。基于上述原因，在本文中，我们的目标是从物理层安全的角度来识别这些新问题，并提出新的解决方案来有效地解决这些问题。数值结果验证了它们的有效性，并对未来的研究方向进行了讨论。
2019-07-24 cs.IT math.IT
Optimization and Deep Learning based Resource Allocation for UAV-Aided Wireless Communication with Rotatable Antenna Array
研究基于可旋转天线阵列的无人机辅助无线通信资源分配，通过联合设计RAA方向和波束成形最大化和速率。先提出基于惩罚对偶分解的优化框架，后又提出基于图神经网络的深度学习框架，仿真表明RAA性能优于传统，两种框架分别有高可靠性和快速计算的优势。
2026-07-10 cs.IT math.IT
Flexible Reconfigurable Intelligent Surface-Aided Covert Communications in UAV Networks
University of Surrey（萨里大学）；Sun Yat-sen University（中山大学）；University of Electronic Science and Technology of China（电子科技大学）
本文提出了一种基于柔性可重构智能表面的无人机隐秘通信框架，通过联合优化无人机轨迹、RIS反射向量和NOMA功率分配，提升隐秘通信性能。
2025-12-10 cs.IT eess.SP math.IT
GPS-Aided Deep Learning for Beam Prediction and Tracking in UAV mmWave Communication
Department of Intelligent Mechatronics Engineering, and Department of Convergence Engineering for Intelligent Drone, Sejong University（智能机电工程系，智能无人机融合工程系，世宗大学）
提出一种GPS辅助深度学习模型，通过位置数据映射波束索引，同时预测UAV毫米波通信的当前与未来最优波束，在保证95%预测准确率的同时将开销降低约93%。
2025-07-11 cs.IT cs.LG eess.SP
Performance Analysis and Optimization for Jammer-Aided Multi-Antenna UAV Covert Communication
无人机（UAV）由于其高移动性和低成本而在充当临时空中基站（BS）和为下一代通信网络提供高数据率方面吸引了大量研究关注。为了保护用户的隐私，同时避免检测的看守，我们研究了干扰辅助无人机隐蔽通信系统，其目的是最大限度地提高用户的隐蔽率与优化的发射和干扰功率。无人机配备多天线，可同时为多个用户提供服务，提高服务质量。通过考虑一般的复合衰落和阴影信道模型，我们推导出精确的概率密度（PDF）和累积分布函数（CDF）的信号与干扰加噪声比（SINR）。得到的PDF和CDF被用来推导检测错误概率和隐蔽率的封闭形式的表达式。此外，隐蔽率最大化问题被制定为一个纳什讨价还价的游戏，纳什讨价还价的解决方案（NBS）被引入到研究用户之间的协商。为了解决NBS，我们提出了两个算法，即，采用基于粒子群优化的联合两阶段功率分配算法，在监狱长设定的最优检测门限下实现隐蔽性和高数据率。所有公式化的问题被证明是凸的，并分析了复杂性。数值结果验证了理论分析的正确性，表明了算法的有效性和成功性。
2022-02-02 cs.IT cs.PF math.IT
Energy-Efficient Data Collection in UAV Enabled Wireless Sensor Network
在无线传感器网络中，利用无人机作为地面传感器节点的移动数据收集器是一种有效延长网络寿命的节能技术。具体地，由于无人机在从SN收集数据时可以顺序地移动靠近每个SN，从而减少链路距离以节省SN的传输能量。在这封信中，考虑SN-UAV链路的一般衰落信道模型，我们联合优化SN的唤醒时间表和UAV的轨迹，以最小化所有SN的最大能耗，同时确保从每个SN可靠地收集所需的数据量。我们制定我们的设计作为一个混合整数非凸优化问题。应用逐次凸优化技术，提出了一种有效的迭代算法来寻找次优解。数值结果表明，该方案实现了显着的网络节能相比，基准计划。
2017-08-01 cs.IT math.IT
Providing Wireless Coverage to High-rise Buildings Using UAVs
当蜂窝网络出现故障时，无人机（UAV）可以用作空中无线基站。基于UAV的无线覆盖的先前研究通常考虑空对地路径损耗模型，其假设用户在室外并且他们位于2D平面上。在本文中，我们建议使用一个单一的无人机提供无线覆盖的高层建筑内的室内用户在灾害情况下（如地震或洪水），当蜂窝网络下降。首先，我们提出了一个现实的室外-室内路径损耗模型，并描述了这个模型引入的权衡。然后，我们研究了高效的无人机布局问题，其目标是最小化覆盖整个高层建筑所需的总发射功率。公式化的问题是非凸的，通常很难解决。为此，我们考虑两种情况下的实际利益，并提供有效的解决方案，制定这些情况下的问题。在第一种情况下，我们的目标是找到最小的发射功率，使室内用户的最大路径损耗可以覆盖。在第二种情况下，我们假设室内用户的位置在每个楼层的维度上是对称的。
2017-05-27 cs.IT math.IT
UAV-Enabled Wireless Power Transfer with Directional Antenna: A Two-User Case
本文考虑了一种无人机无线电能传输系统，该系统由一架配备定向天线的无人机提供无线电能，为地面上的两个能量接收器充电。在这种设置下，我们通过联合优化UAV的高度、轨迹和发射波束宽度，最大化两个ER在特定的有限充电时段内接收的公共（或最小）能量，受限于UAV的最大速度约束以及最大/最小高度和波束宽度约束。然而，共同的能量最大化是一个非凸优化问题，通常很难得到最优解。为了解决这个问题，我们首先忽略无人机的最大速度限制，并最佳地解决放松的问题。松弛问题的最优解表明，无人机应悬停在两个对称的位置在整个充电期间，与相应的高度和波束宽度优化。其次，在考虑最大速度约束的情况下，对原问题进行了研究，提出了一种基于松弛问题最优解的启发式悬停-飞行-悬停轨迹设计方法。数值结果验证，由于采用定向天线与自适应波束宽度和高度控制，我们提出的设计显着提高了共同的能量接收的两个ER，相比其他基准计划。
2018-05-10 cs.IT math.IT
