SFC Deployment in Space-Air-Ground Integrated Networks Based on Matching Game
空-地-空一体化网络（SAGIN）具有动态性和灵活性，可以在缺乏地面通信设施的环境下支持数据传输。然而，SAGIN的节点是异构的，它是棘手的资源共享提供多种服务。因此，本文考虑使用网络功能虚拟化技术来处理敏捷资源分配问题。特别地，构建服务功能链（SFC）以部署不同任务的多个虚拟网络功能。为了描述SAGIN的动态模型，我们提出了可重构的时间扩展图。然后，制定优化问题以最大化已完成任务的数量，即，该问题是一个混合整数线性规划问题，在有限的时间复杂度内难以求解。因此，我们将其转化为一个多对一的双边匹配博弈问题。然后，我们设计了一个基于Gale-Shapley的算法。最后，通过大量的仿真，验证了所设计的算法可以有效地部署SFC与有效的资源利用率。
2023-03-02 cs.NI eess.SP
Incorporating Distributed DRL into Storage Resource Optimization of Space-Air-Ground Integrated Wireless Communication Network
空空地一体化网络是一种新型的无线网络模式。SAGIN资源的有效管理是实现高可靠性通信的先决条件。然而，空天网段的存储容量是极其有限的。空中服务器也没有足够的存储资源来集中容纳每个边缘服务器上传的信息。因此，如何协调SAGIN的存储资源就成为一个亟待解决的问题。提出了一种基于分布式深度强化学习（DRL）的SAGIN存储资源管理算法。资源管理过程被建模为马尔可夫决策模型。在每个边缘物理域中，提取存储资源所代表的网络属性，为Agent构建训练环境，从而实现分布式训练。此外，我们提出了一个基于分布式DRL的SAGIN资源管理框架。仿真结果表明，该智能体具有理想的训练效果。与其他算法相比，该算法的资源分配收益和用户请求接受率分别提高了18.15%和8.35%.此外，该算法在处理资源条件变化时具有很好的灵活性。
2022-02-03 cs.NI
Quantum-Secured Space-Air-Ground Integrated Networks: Concept, Framework, and Case Study
在即将到来的6 G时代，现有的地面网络已经向空-空-地一体化网络（SAGIN）演进，为应用和服务的通信提供超高数据率、无缝网络覆盖和泛在智能。然而，SAGIN中的传统通信仍然面临数据保密性问题。幸运的是，SAGIN上的量子密钥分发（QKD）概念能够为SAGIN中的量子密码安全通信提供信息论安全。因此，在本文中，我们提出了量子安全的SAGIN，这是可行的，以实现证明安全的通信，利用量子力学来保护空间，空中和地面节点之间的数据通道。此外，我们提出了一个通用的QKD服务提供框架，以最大限度地减少QKD服务的成本下的不确定性和动态通信的量子安全SAGIN。在此框架下，基于光纤的QKD业务部署在无源光网络中，具有低损耗和高稳定性的优点。此外，广泛覆盖和灵活的基于卫星和无人机的QKD服务在实时数据传输阶段作为补充提供。最后，以Metaverse中的量子安全SAGIN为例，验证了所提出的概念和框架的有效性，该框架有效地解决了Metaverse应用中安全通信的不确定性和动态性因素.
2022-04-19 cs.CR cs.NI
Optimizing Space-Air-Ground Integrated Networks by Artificial Intelligence
人们普遍认为，由于网络资源的稀缺和覆盖范围的有限，传统的地面通信技术的发展无法为所有用户提供公平和高质量的服务。为了补充地面连接，特别是对于农村、受灾地区或其他难以服务的地区的用户，已经利用卫星、无人驾驶飞行器（UAV）和气球来中继通信信号。在此基础上，提出了提高用户体验质量的空-空-地一体化网络（SAGIN）。然而，与现有的网络，如ad hoc网络和蜂窝网络相比，SAGIN是复杂得多，由于三个网段的各种特性。为了提高SAGIN的性能，研究人员面临着许多前所未有的挑战。在本文中，我们提出了人工智能（AI）技术来优化SAGIN，因为AI技术在许多应用中显示出其突出的优势。我们首先分析了SAGIN的几个主要挑战，并解释了AI如何解决这些问题。然后，以卫星流量均衡为例，提出了一种基于深度学习的流量控制方法。仿真结果表明，深度学习技术可以有效地提高SAGIN的性能。
2018-08-03 cs.NI
Bi-Directional Mission Offloading for Agile Space-Air-Ground Integrated Networks
空-地-空综合网络（SAGIN）在扩展地面无线网络能力方面具有很大的优势。另一方面，地面网络拥有丰富的频谱和计算资源，也可以协助空天网络完成资源密集型或耗电量大的任务，增强空天网络的能力和可持续性。因此，双向任务卸载可以充分利用SAGIN的优势，使空-地网络都受益。在这篇文章中，我们确定了网络重构在协调SAGIN中的异构资源的关键作用，并研究了网络功能虚拟化（NFV）和服务功能链（SFC）如何实现敏捷的任务卸载。最后通过实例验证了双向任务卸载带来的性能增益。展望了未来的研究问题，双向任务卸载框架开辟了一条新的道路，在释放SAGIN的全部潜力。
2019-02-11 cs.IT cs.NI math.IT
On the Interplay of Artificial Intelligence and Space-Air-Ground Integrated Networks: A Survey
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
本文综述了AI与空天地一体化网络（SAGINs）的相互作用，梳理AI在SAGINs中的应用、落地挑战及SAGINs对AI发展的贡献，指出现有研究局限并展望未来方向。
2024-01-20 cs.AI cs.NI
SFC-Aware Online Aggregated Data-Link Orchestration for SDN/NFV-Enabled SAGINs
University of Science and Technology Beijing（北京科技大学）
针对支持SDN/NFV的SAGIN，提出MRSAR方法进行感知SFC的在线聚合数据链路编排，其性能接近Gurobi-MILP，优于贪心基线，实现了良好的质量-复杂度权衡。
2026-08-28 cs.NI
Cached Model-as-a-Resource: Provisioning Large Language Model Agents for Edge Intelligence in Space-air-ground Integrated Networks
本文提出一种空天地一体化网络中联合模型缓存与推理的边缘智能框架，引入“缓存模型即资源”概念与“思维年龄”指标，设计了最小AoT替换算法和DQMSB拍卖机制，在优化配置成本的同时将分配效率提升23%。
2024-05-31 cs.NI eess.SP
Space-Air-Ground Integrated Multi-domain Network Resource Orchestration based on Virtual Network Architecture: a DRL Method
College of Computer Science and Technology, China University of Petroleum (East China)（中国石油大学（华东）计算机科学与技术学院）；State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室）；Department of Computer Science and Engineering, Thapar Institute of Engineering and Technology, Deemed to be University（Thapar工程技术学院计算机科学与工程系（被认定为大学））；Department of Computer Science and Information Engineering, Asia University（亚洲大学计算机科学与信息工程系）
传统的地面无线通信网络由于部署、覆盖和容量问题，无法为智能交通系统（ITS）等人工智能（AI）应用提供高质量的服务。空-地-空一体化网络（SAGIN）已成为业界研究的热点。与传统的无线通信网络相比，SAGIN具有更灵活、更可靠、覆盖范围更广、无缝连接质量更高等优点。然而，由于其固有的异构性、时变性和自组织性等特点，SAGIN的部署和使用仍然面临着巨大的挑战，其中异构资源的编排是一个关键问题。基于虚拟网络架构和深度强化学习（DRL），将SAGIN异构资源编排建模为多域虚拟网络嵌入（VNE）问题，提出了一种SAGIN跨域虚拟网络嵌入算法。对SAGIN的不同网段进行建模，并根据SAGIN的实际情况和用户需求设置网络属性。在DRL中，代理由一个五层策略网络扮演。我们建立了一个特征矩阵的基础上，从SAGIN提取的网络属性，并使用它作为代理的训练环境。通过训练，可以导出每个底层节点被嵌入的概率。在测试阶段，我们根据这个概率依次完成虚拟节点和虚拟链路的嵌入过程。最后，从训练和测试两个方面验证了算法的有效性。
2022-02-03 cs.AI cs.NI
EC-SAGINs: Edge Computing-enhanced Space-Air-Ground Integrated Networks for Internet of Vehicles
Sun Yat-sen University（中山大学）；Auburn University（奥本大学）；Tianjin University（天津大学）
边缘计算增强型车联网（EC-IoV）能够在车辆和地面边缘计算（TEC）基础设施（例如，5G基站和路边单元）很少或没有人为干预，在智能交通系统中发挥着关键作用。然而，EC-IoV严重依赖于车辆和TEC基础设施之间的连接和交互，因此在TEC基础设施不可用的一些偏远地区（例如，沙漠、孤岛和受灾地区）。在无处不在的连接和全球区域覆盖的驱动下，空间-空中-地面集成网络（SAGIN）有效地支持无缝覆盖和高效的资源管理，代表了边缘计算的下一个前沿。有鉴于此，我们首先回顾了本文中SAGIN的最新边缘计算研究。在讨论了几种现有的轨道和空中边缘计算架构后，我们提出了一个支持边缘计算的空间-空中-地面集成网络（EC-SAGIN）框架，以支持偏远地区车辆的各种车联网服务。该框架的主要目标是尽量减少任务完成时间和卫星资源的使用。为此，提出了一种预分类方案以减小动作空间的大小，并提出了一种深度模仿学习（DIL）驱动的卸载和缓存算法以实现实时决策。仿真结果表明了该方案的有效性。最后，我们还讨论了一些技术挑战和未来的发展方向。
2021-01-15 cs.AI cs.DC cs.NI
NFV-Enabled Service Recovery in Space-Air-Ground Integrated Networks: A Matching Game Based Approach
针对空天地一体化网络中节点故障导致的服务失效问题，本文提出基于NFV和匹配博弈的服务功能链恢复算法，以最小化总时间消耗，并通过仿真验证其性能优于基准方法约25%。
2025-02-04 cs.NI
Efficient Cross-View Localization in 6G Space-Air-Ground Integrated Network
本文提出一种基于6G SAGIN的分割推理框架，以提升跨视图定位的效率，通过联合优化通信、计算和保密性，实现更高效的定位性能。
2026-09-01 cs.AI cs.NI
Blockchain-Assisted Intelligent Symbiotic Radio in Space-Air-Ground Integrated Networks
在空-地-空综合网络中，为数量不断增长的高动态异构无线电设备管理资源是一项具有挑战性的任务。共生通信（SC）是一种新的通信模式，它利用生物学中自然生态系统的类比，在无线网络中创建一个无线生态系统，实现协同的服务交换和资源共享，服务/资源交易，在众多的无线电。因此，可以利用共生通信的潜力来加强SAGIN中的资源管理。尽管不同的无线资源瓶颈可以通过共生关系相互补充，但异构无线电之间不可靠的信息共享以及不同服务请求下的多维资源管理对可信交易和智能决策提出了严峻挑战。在这篇文章中，我们提出了一个安全和智能的共生SAGIN（S^4）框架，通过使用区块链来确保异构无线电之间的可信交易和机器学习（ML）来指导复杂的服务/资源交易。案例研究表明，我们提出的S^4框架提供了更好的服务与合理的资源管理时，与现有的计划相比。最后，我们讨论了未来共生SAGIN的几个潜在的研究方向。
2022-11-10 cs.NI
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
Multiconnectivity for SAGIN: Current Trends, Challenges, AI-driven Solutions, and Opportunities
Department of Electronics and Information Convergence Engineering, Kyung Hee University（电子与信息融合工程系，庆尚大学）；ID Lab and imec, Ghent University（ID实验室和imec，根特大学）
本文探讨了SAGIN赋能多连接性的现状、挑战及AI驱动的解决方案，通过代理强化学习优化资源分配，提升网络性能与容量。
2026-01-25 cs.AI cs.LG cs.NI
Service Function Chain Dynamic Scheduling in Space-Air-Ground Integrated Networks
针对空天地一体化网络中多任务服务功能链部署的资源竞争问题，本文构建可重构时间扩展图与动态调度模型，并采用深度强化学习提升成功部署数量及算法性能。
2025-02-19 cs.NI
Multi-objective Optimization of Space-Air-Ground Integrated Network Slicing Relying on a Pair of Central and Distributed Learning Algorithms
本文针对天地一体化网络中的高吞吐量、低时延和广覆盖三类RAN切片，提出集中式与分布式相结合的CDMADDPG算法，联合优化吞吐量、时延和覆盖面积，仿真表明其逼近Pareto最优并优于基准方案。
2023-09-22 cs.NI eess.SP
Multi-sided Matching for the Association of Space-Air-Ground Integrated Systems
针对空天地一体化网络（SAGINs）多层异构的关联难题，提出基于多边多对一匹配博弈的分布式随机匹配算法，实现跨层节点高效稳定关联，性能优于贪婪和基于距离的算法。
2024-07-11 cs.NI
Cost-Efficient Computation Offloading in SAGIN: A Deep Reinforcement Learning and Perception-Aided Approach
本文针对SAGIN中无人机辅助的计算卸载与资源分配联合优化问题，提出深度强化学习与感知辅助在线方法，在设备位置、速度和类型不确定条件下最小化时间平均网络成本。
2024-07-08 cs.NI eess.SP
Digital Twin-Driven Secure Access Strategy for SAGIN-Enabled IoT Networks
Dongguan University of Technology（东莞理工学院）；Guangzhou Maritime University（广州航海学院）；Xi'an Jiaotong University（西安交通大学）
本文提出基于数字孪生的安全访问策略，通过动态平衡保密容量与排队延迟，提升SAGIN物联网网络的安全性和效率。
2025-11-26 cs.NI
AI-Oriented Two-Phase Multi-Factor Authentication in SAGINs: Prospects and Challenges
针对SAGINs中传统认证无法提供持续透明保护的问题，提出面向AI的两阶段多因素认证方案ATMAS，利用卫星与控制中心协同及独特时空特征增强安全，满足多种需求并实现轻量高效设计。
2023-03-31 cs.NI
Adaptive Personalized Federated Reinforcement Learning for RIS-Assisted Aerial Relays in SAGINs with Fluid Antennas
University of Sydney（悉尼大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）
本文提出自适应个性化联邦强化学习算法，用于优化RIS辅助的空中中继在异构SAGIN中的动态性能。
2026-03-05 cs.NI
A Survey on Resource Management in Joint Communication and Computing-Embedded SAGIN
本文综述了联合通信与计算嵌入式星地一体化网络（JCC-SAGIN）中的资源管理问题，系统梳理其架构、使能技术、建模优化方法及智能决策框架，并展望未来研究方向。
2024-06-28 cs.DC cs.NI
Differentiated Federated Reinforcement Learning Based Traffic Offloading on Space-Air-Ground Integrated Networks
School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）；Graduate School of Information Sciences (GSIS), Tohoku University（东北大学信息科学研究生院）
针对空天地一体化网络的动态异构特性，提出差异化联邦强化学习（DFRL）及DFSAC算法，通过多智能体生成差异化流量卸载策略，以联合奖励优化延迟，仿真验证其在吞吐量、丢包率和延迟上优于传统方法。
2024-07-18 cs.LG cs.NI
Agentic AI-Enabled Solar-Powered High-Altitude Platforms for Sustainable SAGINs
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
本研究针对SAGINs的耦合能源需求，提出原生适用于HAP的智能体AI框架，经灾难案例验证，可提升能源效率等性能，为SAGINs可持续发展提供关键方向。
2026-08-18 cs.NI
GPR Hierarchical Synergistic Framework for Multi-Access MPQUIC in SAGINs
本文提出GPR分层协同框架，用于优化SAGINs中多接入MPQUIC的多路径调度与拥塞控制，通过GPASP、PHACC和NNPE算法提升网络性能。
2026-03-03 cs.NI
Olive Branch Learning: A Topology-Aware Federated Learning Framework for Space-Air-Ground Integrated Network
Sun Yat-sen University（中山大学）；Auburn University（奥本大学）
作为下一代移动通信系统的关键技术之一，空-空-地一体化网络（SAGIN）可以为世界各地的用户提供数据传输，特别是在一些偏远地区，远程物联网（IoRT）设备收集了大量信息数据，以支持各种数据驱动的人工智能（AI）服务。然而，在SAGIN的帮助下集中训练AI模型面临着高度受限的网络拓扑、低效的数据传输和隐私问题的挑战。为了应对这些挑战，我们首先提出了一种新的拓扑感知的联邦学习框架的SAGIN，即橄榄枝学习（OBL）。具体而言，地面层的IoRT设备利用其私有数据在本地执行模型训练，而空中层的空中节点和空间层的环形结构的低地球轨道（LEO）卫星星座负责模型聚合为了进一步提高OBL的通信效率和推理性能，通过考虑空中节点的数据类别分布以及它们的地理位置，设计了一种高效的通信和非IID感知空中节点-卫星分配（CNASA）算法。此外，我们扩展我们的OBL框架和CNASA算法，以适应更复杂的多轨道卫星网络。我们分析了我们的OBL框架的收敛性，并得出结论，CNASA算法有助于快速收敛的全局模型。基于真实数据集的大量实验证实了我们的算法优于基准政策的性能。
2022-12-02 cs.AI cs.DC cs.NI
QoE-Aware Service Function Chain Orchestration in Space-Air-Ground Integrated Networks for In-Flight Internet
School of Computer and Communication Engineering, University of Science and Technology Beijing（北京科技大学计算机与通信工程学院）
针对偏远地区航空用户对高性能机上互联网的需求，提出空天地一体化网络架构，采用定制MADDPG算法优化服务功能链编排，性能优于博弈论与MATD3方法。
2026-10-13 cs.NI
Performance Analysis of SAGIN from the Relay Perspective: A Spherical Stochastic Geometry Approach
本文从中继视角研究卫星-空-地一体化网络（SAGIN）性能，采用球面随机几何（SSG）推导三个性能指标的解析表达式，给出BREP闭式解，分析卫星拓扑影响及高空平台最小发射功率需求。
2025-07-27 cs.NI
Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data
Beihang University（北京航空航天大学）；University of Southampton（南安普顿大学）；Bournemouth University（伯恩茅斯大学）
目前的海上通信主要依赖于卫星，其传输资源贫乏，因此性能不如现代陆地无线网络。随着洲际空中交通的增长，依靠商用客机的航空特设网络这一有前途的概念有可能通过空对地和多跳空对空链路加强基于卫星的海上通信。在这篇文章中，我们设想空间-空气-地面综合网络（SAGIN），以支持无处不在的海上通信，其中低地球轨道卫星星座，客机，地面基站，船舶，分别作为空间，空气，地面和海洋层。为了满足异构服务需求，并适应SAGIN的时变和自组织性质，我们提出了一种深度学习（DL）辅助的多目标路由算法，该算法利用准可预测的网络拓扑结构，并以分布式方式运行。基于北大西洋地区的真实卫星、飞行和航运数据的仿真结果表明，综合网络通过减少端到端（E2 E）延迟、提高E2 E吞吐量以及提高路径寿命来提高覆盖质量。结果表明，我们的DL辅助多目标路由算法是能够实现近帕累托最优性能。
2021-10-28 cs.AI cs.LG cs.NI
Mobility-Aware Joint Service Placement and Routing in Space-Air-Ground Integrated Networks
人们渴望被连接，无论他们在哪里。最近，为机上乘客提供互联网接入已经受到了工业界和学术界的广泛关注。然而，为了保证低成本的乘客服务的可接受的服务质量（QoS），路由服务的路径以及部署服务的数据中心（DC）应该被仔细地确定。由于不同类型的空对地（A2 G）连接，即，卫星和直接空对地（DA 2G）链路。这些A2 G连接类型在成本、带宽和延迟方面有所不同。此外，由于航班的移动，重要的是要考虑相应地调整服务位置。在这项工作中，我们制定了两个混合线性规划（MILP）的联合服务布局和路由（JSPR）的问题：i）静态（S-JSPR）和ii）移动性感知~（MA-JSPR）在空间-空中-地面综合网络（SAGIN），目标是最小化的总成本。我们比较S-JSPR和MA-JSPR在一个现实的欧洲为基础的SAGIN使用综合评价。结果表明，MA-JSPR模型通过考虑未来航班位置和使用服务迁移控制，显著降低了长期总成本。此外，我们表明S-JSPR的好处，从一个低的时间复杂度，它实现了较低的端到端的延迟相比，MA-JSPR模型。
2019-05-04 cs.NI
Agentic AI for SAGIN Resource Management_Semantic Awareness, Orchestration, and Optimization
本文提出基于大语言模型的代理AI框架，用于自主管理空间-空气-地面一体化网络资源，通过语义感知、意图驱动编排和自适应学习代理协作，实现动态环境下的高效资源管理。
2026-03-17 cs.NI cs.SY eess.SY
Data Service Maximization in Space-Air-Ground Integrated 6G Networks
本研究针对空天地一体化6G网络，提出联合优化用户关联、轨迹与功率分配的数据服务最大化框架，采用Gurobi和DDPG算法分解求解，仿真验证性能优于基线。
2024-07-19 cs.NI eess.SP
Dora: A Controller Provisioning Strategy in Hierarchical Domain-based Satellite Networks
针对分层卫星网络控制器部署难题，提出三层域架构与强化学习策略 Dora，以更低计算开销提升部署质量并大幅缩短运行时间。
2025-07-27 cs.NI
UAVs as a Service: Boosting Edge Intelligence for Air-Ground Integrated Networks
空地一体化网络是未来第六代（6G）网络的关键组成部分，可支持无缝和近乎即时的超级连接。迫切需要在6G网络中智能地提供各种服务，然而这是具有挑战性的。为了满足这一需求，在本文中，我们提出了一种名为UaaS（无人机即服务）的空地一体化网络的新架构，将无人机作为关键使能器，在机器学习（ML）技术的帮助下提高边缘智能。我们设想所提出的UaaS架构可以通过无人机网络智能地提供无线通信服务、边缘计算服务和边缘缓存服务，充分利用无人机的灵活部署和多样化的ML技术。我们还进行了一个案例研究，其中无人机参与多个地面用户之间的分布式ML的模型训练，其结果表明，模型训练是有效的，与飞行能耗相比，无人机的能耗可以忽略不计。最后，我们讨论了UaaS中的挑战和开放研究问题。
2020-03-24 cs.NI eess.SP
Distributed Hybrid Quantum-Classical Optimization for Robust AoII Minimization in Satellite-Ground Integrated Edge Networks
Middle Tennessee State University (MTSU)（中田纳西州立大学）；Auburn University at Montgomery（阿拉巴马大学蒙哥马利分校）；New Jersey Institute of Technology（新泽西理工学院）
针对星地融合边缘网络中链路中断导致估计错误的问题，提出分布式量子-经典框架SENTINEL，联合调度更新、关联与带宽，最小化最坏情况AoII，并给出认证保证。
2026-11-11 cs.NI
Joint Satellite Gateway Deployment & Controller Placement in Software-Defined 5G-Satellite Integrated Networks
在考虑空间-空中-地面综合网络（SAGIN）的部署时，出现了一些具有挑战性的优化问题，其中卫星网关的最优部署问题是一个非常重要的问题。此外，随着对5G网络和卫星的软件定义集成的兴趣越来越大，SDN控制器的最佳放置的有效方案的存在至关重要。在本文中，我们讨论了这两个问题之间的相互关系，并提出了适当的方法来解决它们在不同的网络设计标准。我们首先提供了一个MILP模型来解决联合问题，然后将模型分解为两个不相交的MILP。然后，我们表明，由此产生的问题可以建模为子模集函数的优化，并可以有效地解决可证明的最优性差距。
2021-03-19 cs.NI cs.SY eess.SY
Plotinus: A Satellite Internet Digital Twin System
本文提出基于微服务的卫星互联网数字孪生系统 Plotinus，通过模块化设计支持物理层和路径计算方法替换，实现跨层、实时且可扩展的动态网络仿真，有效解决了现有平台在详细实现、实时响应和可扩展性上的挑战。
2024-03-25 cs.DC cs.NI
Joint UAV Deployment and Resource Allocation in THz-Assisted MEC-Enabled Integrated Space-Air-Ground Networks
针对THz频段下支持MEC的空天地一体化网络，提出基于BCD的联合任务卸载、子带分配、功率控制与无人机部署优化框架，以最小化设备和无人机能耗。
2024-01-21 cs.NI eess.SP
Software Defined Space-Air-Ground Integrated Vehicular Networks: Challenges and Solutions
本文提出了一种软件定义的空-空-地一体化网络架构，以无缝、高效、低成本的方式支持各种车载服务。首先，回顾了空间-空中-地面网络一体化的动机和挑战。其次，提出了一种分层结构的软件定义网络体系结构。为了保护卫星、空中和地域段中的遗留服务，通过网络切片对每个段中的资源进行切片以实现服务隔离。然后，可用的资源被放入一个共同的和动态的空间-空中-地面资源池，这是由分层控制器管理，以适应车辆服务。最后，进行了一个案例研究，然后讨论了一些开放的研究课题。
2017-05-15 cs.NI
Empowering the Edge Intelligence by Air-Ground Integrated Federated Learning
针对6G边缘智能面临的资源与覆盖挑战，提出空地一体化联邦学习框架AGIFL，利用UAV按需3D部署协同训练模型，评估了不同部署方案的影响并探讨了未来研究方向。
2024-12-25 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
HAP-Reserved Communications in Space-Air-Ground Integrated Networks
地面通信网络近年来通过为地面用户提供新兴服务而经历了重大发展。然而，由于网络资源稀缺和覆盖范围有限，一个关键的挑战是为地面用户提供全覆盖（特别是在密集的高层城市环境中）。为了应对这一挑战，提出了一种高空平台（HAP）预留的地空天（GAS）传输方案，该方案与地空（G2 S）传输方案相结合，既增强了地面通信能力，又节省了传输功率。为了整合这两种传输方案，我们提出了一种传输控制策略。其中，地面用户决定其传输方案，即，以概率在GAS链路传输和G2 S链路传输之间切换。然后，我们最大限度地提高整体吞吐量，并得出地面用户采用GAS传输方案的最佳概率。数值结果表明，所提出的传输控制策略的优越性。
2021-06-22 cs.NI
Toward Integrated Air-Ground Computing and Communications: A Synergy of Computing Power Networks and Low-Altitude Economy Network
本文提出基于智能体范式的空地协同智能服务提供方法，通过整合低空经济与计算能力网络的优势，提升低空服务效率并增强CPN灵活性。
2025-11-24 cs.NI
An Autonomous Network Orchestration Framework Integrating Large Language Models with Continual Reinforcement Learning
Oulu University（奥卢大学）；Ruhr University Bochum（波鸿鲁尔大学）
本文提出ARC框架，集成大语言模型与持续强化学习，用于语义通信空天地一体化网络的自主资源编排，解决LLM幻觉与动态适应问题。
2025-02-22 cs.AI cs.ET cs.LG
AirSPEC: An IoT-empowered Air Quality Monitoring System integrated with a Machine Learning Framework to Detect and Predict defined Air Quality parameters
Department of Electronic and Telecommunication Engineering, University of Moratuwa, Sri Lanka（电子与电信工程系，穆塔瓦大学，斯里兰卡）
针对现有空气质量监测缺乏实时性与语义分布能力的问题，提出集成机器学习与NodeRED仪表板的物联网框架AirSPEC，实现空气质量检测与时空预测，并通过ESP8266及MQTT向用户传达数据与警报。
2021-11-28 cs.AI cs.NI
Dynamic Task and Resource Scheduling Towards Green Space-Air-Ground-Sea Integrated Network
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出一种动态任务与资源调度方法，用于优化空天地海一体化网络中的任务执行延迟，通过分层任务卸载算法和前瞻性切换策略提升卫星资源利用率。
2026-05-02 cs.NI
Improvement of the Global Connectivity using Integrated Satellite-Airborne-Terrestrial Networks with Resource Optimization
在本文中，我们提出了一种新的无线方案，集成了卫星，机载和地面网络，旨在支持地面用户。更具体地说，我们研究了可实现的用户的吞吐量的增强与地面基站，高海拔平台（HAP），和卫星站的协助。目标是优化资源分配和HAP位置，以最大化用户的吞吐量。在这种情况下，我们建议分两个阶段解决优化问题;首先是短期阶段，然后是长期阶段。在短期阶段，我们首先提出一个接近最优的解决方案和低复杂度的解决方案来解决关联和功率分配。在第一个解决方案中，我们制定并解决一个二元线性优化问题，以找到最佳的关联，然后使用泰勒展开近似，以最佳方式确定功率分配。而在第二种解决方案中，我们提出了一种低复杂度的方法，基于频率划分技术来解决的关联和功率分配。另一方面，在长期阶段，我们提出了一种基于递归收缩和重新对齐过程的高效算法来优化HAP的位置。最后，选定的数值结果显示了我们提出的优化方案所提供的优势。
2019-12-09 cs.NI
STAR-RIS Integrated Non-Orthogonal Multiple Access and Over-the-Air Federated Learning: Framework, Analysis, and Optimization
本文将非正交多址接入（NOMA）和空中联邦学习（AirFL）集成到一个统一的框架中，使用一个同时发射和反射的可重构智能表面（STAR-RIS）。STAR-RIS在调整混合用户的解码顺序以实现有效的干扰抑制和全向覆盖扩展方面起着重要作用。为了捕捉非理想无线信道对AirFL的影响，最优性间隙（也称为收敛上界）之间的实际损失和最佳损失的推导。该分析表明，学习性能显着影响的主动和被动波束形成方案以及无线噪声。此外，当学习率随着训练的进行而减小时，最优性间隙显式地以线性速率收敛。为了在满足服务质量要求的同时加快收敛速度，通过联合设计用户的发射功率和STAR-RIS的配置模式，将其转化为混合整数非线性规划（MINLP）问题。其次，提出了一种基于信赖域的逐次凸逼近方法和一种基于惩罚的半定松弛方法来迭代处理解耦非凸子问题。交替优化算法，然后开发，找到一个次优的原始MINLP问题的解决方案。大量的仿真结果表明，i）所提出的框架可以有效地支持NOMA和AirFL用户通过并发的上行链路通信，ii）我们的算法实现更快的收敛速度IID和非IID设置相比，现有的基线，和iii）频谱效率和学习性能显着提高的帮助下，良好的调整STAR-RIS。
2022-07-07 cs.IT cs.NI eess.SP
5G Integrated Communications, Navigation, and Surveillance: A Vision and Future Research Perspectives
本文提出面向航空交通管理的 5G ICNS 愿景与网络架构，阐述利用地面及非地面网络融合通信、导航和监视服务的关键技术、挑战与研究方向。
2025-02-18 cs.NI
Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network
College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）；Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University（教育部符号计算与知识工程重点实验室）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）；Department of Electronic and Electrical Engineering, Southern University of Science and Technology（南方科技大学电子与电气工程系）；Department of Electrical and Computer Engineering, Sungkyunkwan University（成均馆大学电子与计算机工程系）
针对LEO卫星覆盖不连续问题，提出一种感知AoI的SAGIN架构，通过联合优化发射功率分配与卫星选择以最小化AoI和切换频率，并设计了DD3QN-AS算法求解该非凸动态问题，实验证明其性能优于现有DRL基准。
2025-09-16 cs.AI cs.NI
Dynamic Task and Resource Scheduling Towards Space-Air-Ground-Sea Integrated Network
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
针对6G海事场景，提出空天地海一体化网络动态任务与资源调度方法，通过动态卸载、卫星切换及联合优化，实现平均任务延迟至少降低23%。
2026-09-28 cs.NI
Enhancing Resiliency of Integrated Space-Air-Ground-Sea Networks with Renewable Energies: A Use Case After the 2023 Türkiye Earthquake
针对2023年土耳其地震暴露的通信与能源协同问题，提出集成天地海网络架构，利用HAPS、可再生能源、电池储能和电动汽车，通过灾前可持续性和灾中通信维持两种管理方法增强网络韧性。
2024-05-27 cs.NI
Task Scheduling in Space-Air-Ground Uniformly Integrated Networks with Ripple Effects
针对空天地一体化统一网络中涟漪效应带来的干扰与调度难题，将任务调度建模为马尔可夫决策过程，通过重构马尔可夫博弈与改进MAPPO算法，实现了用户信息年龄与接入点能耗的联合优化。
2025-05-17 cs.NI
