Control over Skies: Survivability, Coverage, and Mobility Laws for Hierarchical Aerial Base Stations
空中基站(ABS)在下一代无线网络中具有重要的意义,可以方便和高质量地容纳移动地面用户和快速人群。然而,为了实现一个有效的ABS网络,许多因素有关的ABS飞行,管理法律和信息传输必须研究。本文从生存性、覆盖和移动性三个方面研究了多无人机通信,优化了多层ABS网络,避免了小区间干扰、能量不足、频繁切换和生命周期等问题。本文包括模拟结果的分层ABS分配处理一组用户在一个定义的地理区域。提出了几个开放的问题和挑战,提供深入了解ABS网络管理及其实用程序框架。
2021-04-16 cs.NI eess.SP
On the Influence of Charging Stations Spatial Distribution on Aerial Wireless Networks
使用无人机进行蜂窝覆盖增强是一项最近的技术,在各种实际场景中显示出巨大的潜力。然而,限制无人机无线网络性能的主要挑战之一是有限的飞行时间。特别地,由于机载电池尺寸有限,无人机需要频繁地中断其操作并飞回充电站以对其电池进行充电/更换。此外,充电站可能负责为多个无人机充电。鉴于充电站容量有限,它只能同时为有限数量的无人机提供服务。因此,为了准确地捕捉电池限制对性能的影响,需要分析无人机在充电站所花费的时间的动态。在本文中,我们使用排队论和随机几何的工具来研究每个充电站有限的容量和空间密度对无人机无线网络性能的影响。
2021-04-03 cs.NI
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
A Novel Metric for mMIMO Base Station Association for Aerial Highway Systems
在这篇文章中,我们介绍了一个新的指标驱动的蜂窝连接的无人机(CCUAVs)位于空中高速公路服务时,由一个大规模的多输入多输出(mMIMO)地面网络的服务小区选择过程。从几个合适的候选中选择最佳服务小区并不简单。通过仅依赖于传统的基于参考信号接收功率(RSRP)的小区选择度量,可能导致服务小区由于视线(LoS)信道中的高相关性而不能复用适当数量的CCUAV的场景。为了克服这样的问题,在这项工作中,我们引入了一个新的小区选择度量,不仅捕获信号强度,而且空间复用能力。所提出的度量高度依赖于空中高速公路和基站天线之间的相对位置。数值分析结果表明,新度量的引入使得CCUAV在空中高速公路上具有更好的信干噪比(SINR)性能,从而为CCUAV提供更可靠的蜂窝连接。
2023-03-24 cs.IT cs.NI eess.SP
Power Efficient Trajectory Optimization for the Cellular-Connected Aerial Vehicles
飞行器由于其高机动性、灵活部署和成本效益,最近在各种商业和民用应用中引起了极大的关注。为了利用这些有前途的功能,空中用户必须满足两个关键要求:首先,他们必须在整个飞行过程中保持与地面基站(GBS)的可靠通信链路,以支持指挥和控制数据流。第二,飞行器必须最大限度地减少其推进功率消耗,以保持功能,直到其任务结束。在本文中,我们研究的轨迹优化问题的空中用户飞越一个区域,包括一组GBS。这个问题的目的是找到的轨迹的空中用户,使总的推进相关的功率消耗的空中用户被最小化,同时满足蜂窝连接约束。该问题是一个非凸混合整数非线性问题,因此,它是具有挑战性的解决方案。为了解决这个问题,首先,这个问题被放松,并重新制定为一个更易于数学处理的形式。然后,利用逐次凸逼近(SCA)技术,提出了一个迭代算法,将问题转化为一系列凸问题,可以有效地解决。
2019-06-22 cs.NI eess.SP
Coexistence of Terrestrial and Aerial Users in Cellular Networks
将空中移动用户整合到现有的蜂窝网络中将使许多有前途的应用成为可能。然而,目前的蜂窝网络还没有被设计为服务于空中用户,因此需要探索设计参数,以便允许网络提供商修改其当前的基础设施。作为在这个方向上的第一步,本文提供了一个深入的分析蜂窝网络,为空中和地面用户的下行链路的覆盖概率。我们提出了一个精确的数学表征的覆盖概率,其中包括基站(BS)的高度,天线方向图和无人机高度为各种类型的城市环境的影响。有趣的是,我们的研究结果表明,空中用户由于其高度而享有的有利传播条件也是他们最强的限制因素,因为它使他们容易受到干扰。这种负面影响可以通过优化飞行高度、基站高度和天线下倾来显著减小。此外,降低基站高度和增加下倾角通常对地面和空中用户都是有益的,指出了使它们能够共存的可能路径。
2017-10-09 cs.NI
Wireless Networks with Cache-Enabled and Backhaul-Limited Aerial Base Stations
使用空中基站(ABS)是一种很有前途的方法,以提高未来的无线网络的敏捷性和灵活性。ABS可以通过将供应转向需求来改善网络的覆盖和/或容量。在网络中部署ABS提出了若干挑战,例如找到将网络目标考虑在内的ABS的有效3D放置。另一个挑战是ABS的有限的无线回程容量,并且因此可能导致更高的延迟。内容缓存被提出来缓解回程拥塞和减少延迟。我们认为,由于不同的位置相关的路径损耗值和定义两组用户(延迟容忍和延迟敏感)不同的数据率的要求,ABS的回程容量有限。我们研究的问题,联合确定回程感知的3D布局ABS,用户BS协会和相应的带宽分配,同时最大限度地减少总下行链路发射功率。提出的迭代算法应用了一种分解方法。首先,使用半定松弛和坐标下降方法找到ABS的3D位置,然后优化用户-BS关联和带宽分配。仿真结果表明了该算法的有效性,并提供洞察业务分布和内容缓存的ABS的发射功率和回程使用的影响。
2020-07-31 cs.NI
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
Deep Learning for GPS Spoofing Detection in Cellular Enabled Unmanned Aerial Vehicle Systems
基于蜂窝的无人机(UAV)系统是为UAV操作提供可靠和快速的超视距(BVLoS)通信服务的有希望的范例。然而,这种系统正面临着严重的GPS欺骗无人机的位置的威胁。为了实现无人机导航BVLoS的安全性和可靠性,提出了一种蜂窝网络辅助的无人机位置监测和抗GPS欺骗系统,其中使用深度学习方法实时检测欺骗的GPS位置。具体而言,所提出的系统引入了多层感知器(MLP)模型,该模型是训练从附近的基站收集的路径损耗测量的统计特性,以决定GPS位置的真实性。实验结果表明,在三个基站的情况下,该方法对GPS欺骗的检测准确率达到93%以上,在一个基站的情况下也可以达到80%。
2022-01-03 cs.CR cs.NI
Reinforcement Learning-Based Trajectory Design for the Aerial Base Stations
University of Toronto(多伦多大学)
研究了多空中基站(ABS)通信网络的轨迹优化问题。目标是找到ABS的轨迹,使得每个ABS所服务的用户的总速率最大化。为了实现这一目标,除了最优轨迹设计之外,最优功率和子信道分配对于支持具有最高可能数据速率的用户也是非常重要的。为了解决这个复杂的问题,我们将其分为两个子问题:ABS轨迹优化子问题和联合功率和子信道分配子问题。然后,基于Q-学习方法,我们开发了一种分布式算法,有效地解决这些子问题,并不需要ABS和核心网络之间的显着信息量交换。仿真结果表明,虽然Q学习是一种无模型的强化学习技术,它具有显着的能力,训练ABS优化其轨迹的基础上收到的奖励信号,其中携带体面的信息,从网络的拓扑结构。
2019-06-29 cs.AI cs.LG cs.NI
IoT-Aerial Base Station Task Offloading with Risk-Sensitive Reinforcement Learning for Smart Agriculture
University of Ottawa(渥太华大学);Nokia Bell Labs(诺基亚贝尔实验室)
空中基站(ABS)允许智能农场将复杂任务的处理责任从物联网(IoT)设备卸载到ABS。物联网设备具有有限的能量和计算资源,因此需要为需要ABS支持的系统提供先进的解决方案。提出了一种新的基于多参与者的风险敏感强化学习方法用于智能农业ABS任务调度。该问题被定义为任务卸载,其严格条件是在最后期限之前完成物联网任务。此外,该算法还必须考虑ABS的有限能量容量。结果表明,我们提出的方法优于几个算法和经典的Q学习方法。此外,我们提供了一个混合整数线性规划的解决方案,以确定性能的下限,并澄清我们的风险敏感的解决方案和最优解之间的差距,以及。比较证明了我们广泛的仿真结果表明,我们的方法是一种有前途的方法,可以为智能农场中的物联网任务提供有保证的任务处理服务,同时增加该农场中ABS的悬停时间。
2022-09-15 cs.AI cs.NI
On-Demand Deployment of Multiple Aerial Base Stations for Traffic Offloading and Network Recovery
无人驾驶飞行器(UAV)正被用于无线网络中的广泛应用,从而带来诱人的商业机会。在现有蜂窝网络操作或基础设施突然中断的情况下,例如,由于用户需求的意外激增或自然灾害,无人机可以通过在指定区域的临时无线覆盖提供即时恢复。一个主要的挑战是有效地确定需要多少UAV以及在相对大的3D搜索空间中将它们定位在哪里。为此,我们制定了一个混合整数线性规划的无人机舰队的3D部署的问题,并提出了一个贪婪的方法,模仿最佳的行为,假设一个有限的一组可能的无人机位置组成的网格。此外,我们提出并评估了一种新的低复杂度的算法多无人机部署在连续的三维空间,基于无监督学习技术,依赖于静电的概念与排斥力和吸引力。我们提出的算法作为各种系统参数的函数的性能结果,并证明其有效性相比,接近最优的贪婪方法和其优越性相比,最近的相关工作从文献中。
2018-07-05 cs.NI
Dynamic Mobility-Aware Interference Avoidance for Aerial Base Stations in Cognitive Radio Networks
空中基站(ABS)是一种很有前途的公共安全解决方案,因为它可以与蜂窝网络共存,形成一个临时的通信网络。然而,来自主蜂窝网络的干扰可能严重降低ABS网络的性能。考虑到这一点,自适应动态干扰避免方案提出了在这项工作中的ABS与主网络共存。在所提出的方案中,移动ABS可以重新配置其位置,以减轻来自主网络的干扰,从而更好地将数据从指定的源(S)中继到目的地(S)。为此,单/多商品的最大流问题的制定和加权Cheeger常数作为一个标准,以改善ABS网络的最大流。此外,提出了一种分布式算法来计算最佳ABS运动方向。此外,最大流和最短路径轨迹之间的权衡进行了研究,并开发了一种节能的方法。仿真结果表明,该方法能有效地提高网络最大流量,对于最大流量下性能略有下降的ABS,该方法能节省高达39%的能量.
2019-01-18 cs.IT cs.NI eess.SP
Power Consumption Modeling of 5G Multi-Carrier Base Stations: A Machine Learning Approach
Huawei Technologies(华为技术有限公司)
第五代无线电接入网络(RAN)带来了新的服务、技术和范例,具有相应的社会效益。然而,5G网络的能源消耗今天是一个令人担忧的问题。近年来,用于降低RAN功耗的新方法的设计已经引起了研究团体和标准化机构的兴趣,并且已经提出了许多节能解决方案。然而,仍然需要了解最先进的基站架构(例如多载波有源天线单元(AAU))的功耗行为以及不同网络参数的影响。本文提出了一种基于人工神经网络的5G AAU功耗模型。我们证明,该模型实现了良好的估计性能,它是能够捕捉到的好处,节能处理多载波基站架构的复杂性时。重要的是,进行了多个实验,以显示设计一个通用模型的优势,能够捕捉不同类型的AAU的功耗行为。最后,我们提供了一个模型的可扩展性和训练数据的需求分析。
2022-12-08 cs.LG cs.NI
Machine Learning and Analytical Power Consumption Models for 5G Base Stations
Huawei Technologies(华为技术有限公司)
第五代(5G)移动网络的能耗是电信行业的主要关注点之一。然而,目前还没有一种准确且易于处理的方法来评估5G基站(BS)的功耗。在这篇文章中,我们提出了一种新的模型,用于对5G多载波BS的功耗进行现实表征,该模型建立在大型数据汇集活动的基础上。首先,我们定义了一个机器学习架构,允许对多个5G BS产品进行建模。然后,我们利用这个框架收集的知识来推导出一个现实的和易于分析的功耗模型,这可以帮助推动理论分析以及功能标准化,开发和优化框架。值得注意的是,我们证明了这样的模型具有很高的精度,它是能够捕捉到节能机制的好处。我们相信,这个分析模型是了解5G基站功耗和准确优化网络能效的基本工具。
2022-09-23 cs.LG cs.NI
Joint Robotic Aerial Base Station Deployment and Wireless Backhauling in 6G Multi-hop Networks
针对6G毫米波多跳异构网络,本文联合优化RABS部署位置、RB分配与路由流控,并用低复杂度贪婪算法提升可服务流量,最高较固定小小区增加65%。
2025-05-15 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
Energy-Delay Tradeoffs of Virtual Base Stations With a Computational-Resource-Aware Energy Consumption Model
下一代(5G)蜂窝网络面临着效率、灵活性和可持续性的挑战,以支持移动互联网时代的数据流量。为了应对这些挑战,已经提出了基于云的蜂窝架构,其中虚拟基站(VBS)发挥着关键作用。VBSs带来了进一步的节能,但也需要一个新的能源消耗模型以及计算资源的优化。本文研究了具有容迟业务的可变基站系统的能量-时延权衡问题。我们提出了一个计算资源感知的能耗模型来捕获的总能耗的VBS和反映动态分配的计算资源,包括CPU内核的数量和CPU的速度。基于该模型,我们分析了一个VBS的能量延迟权衡考虑BS的睡眠和状态切换成本,以最小化功率消耗和平均延迟的加权和。我们推导了最优数据传输速率的显式表达式,并找到了能量最优速率存在且唯一的条件。同时观察到减少平均延迟和实现节能的机会。我们进一步提出了一个有效的算法,联合优化的数据率和CPU核数。数值结果验证了我们的理论分析,并在典型的模拟设置下,我们发现在EARTH模型下,与传统基站相比,VBS可以实现超过60%的节能,这表明VBS在5G蜂窝系统中具有巨大的潜力。
2014-10-21 cs.NI
Communications and Networking Technologies for Intelligent Drone Cruisers
National Chiao Tung University(国立交通大学);National Taipei University of Technology(国立台北科技大学)
未来的移动通信网络需要具有快速移动性和长期悬停能力的空中基站(ABS)。目前,无人机(UAV)或无人机飞行时间不长,主要用于监视、监视和图像后处理。另一方面,传统的飞艇体积太大,不容易起降。因此,我们建议开发一种“人工智能(AI)无人机-巡洋舰”基站,可以帮助5G移动通信系统及其他系统在灾难发生后快速恢复网络,并处理闪电人群的即时通信。无人机巡航基站可以克服三种类型的闪光人群的通信问题,例如在体育场,游行和大型广场,以便可以准确地部署适当数量的空中基站,以满足大的和动态的交通需求。人工智能可以通过分析采集到的数据来解决这些问题,然后在自组织网络(SON)框架下调整系统参数,达到自配置、自优化、自修复的目的。在人工智能技术的帮助下,5G网络可以变得更加智能。本文旨在提供一种新型的服务,按需空中基站作为一种服务。这项工作需要克服以下五个技术挑战:长时间悬停的无人机巡洋舰的创新设计,人群估计和预测,快速3D无线信道学习和建模,空中基站的3D放置以及WiFi前传和毫米波/WiGig回传网络的集成。
2019-09-25 cs.CV cs.LG cs.NI
Max-min Rate Deployment Optimization for Backhaul-limited Robotic Aerial 6G Small Cells
为了克服标称机载基站(ABS)有限的机载电池问题,我们正在探索使用机器人机载基站(RABS)与能量中性抓终端执行器,能够自主栖息在高大的城市地貌。具体来说,本文研究了一个异构网络(HetNet)的辅助下,移动RABS作为一个小小区,连接到一个宏基站(MBS)通过有限容量的无线回程链路,这可以被视为另一个主要的挑战。为了充分利用RABS的移动性带来的潜在增益,通过联合优化RABS部署、用户关联和子载波分配,使所有用户之间的最小速率最大化。这个问题最初被公式化为一个二元多项式优化(BPO)问题。在将其转化为非凸二次约束二次规划(QCQP)问题后,提出了一种基于半定松弛(SDR)的探试法,在多项式时间内获得高质量的解.仿真结果表明,部署RABS作为小小区可以使最小数据率最多提高95.43%,平均提高33.97%,并且所提出的SDR启发式算法明显优于线性松弛(LR)基线方法。
2022-05-07 cs.NI
Energy and Delay aware Physical Collision Avoidance in Unmanned Aerial Vehicles
在文献中已经提出了几种解决方案来解决无人机(UAV)的防撞问题。这些解决方案中的大多数考虑到地面控制器系统(GCS)在开始手头的特定任务之前确定UAV的路径。此外,这些解决方案预期仅基于UAV的GPS定位以及经由放置在UAV上的物体检测传感器发生碰撞。传感器对环境干扰的敏感性和无人机对其精度的影响对这些解决方案的效率产生了负面影响。在这种情况下,本文提出了一种新的能量和延迟感知的无人机物理避碰解决方案。该解决方案被称为EDC-UAV。EDC-UAV的主要目标是建立飞行安全的UAV轨迹,同时最小化能量消耗和响应时间。我们假设每个无人机都配备了全球定位系统(GPS)传感器来识别其位置。此外,我们还考虑了GPS的容限误差,以提供给定无人机的位置。每个UAV的位置由簇头收集,簇头是具有最高自主性或最大计算能力的UAV。簇头运行EDC-UAV算法来控制其余的无人机,从而保证无碰撞任务并最小化能量消耗以实现不同的目的。我们的解决方案的正确操作是通过模拟验证。所获得的结果表明,EDC-UAV在实现其设计目标的效率。
2022-01-05 cs.NI eess.SP
Optimal Deployment and Operation of Robotic Aerial 6G Small Cells with Grasping End Effectors
虽然安装在无人机上的机载基站(ABS)由于其灵活的部署而显示出增强网络容量和覆盖范围的巨大潜力,但系统性能受到机载电池续航能力的严重限制。为了克服这一关键缺点,我们正在探索机器人机载基站(RABS)与能源中性抓终端执行器能够自主栖息在高大的城市地貌。本文研究了RABS的最优部署(飞到另一个抓取位置或保持在同一个)和操作(活跃或睡眠在一个时期)的基础上的时空特性的基础上的交通需求从最终用户。具体来说,整数线性规划(ILP)制定通过利用这两个决定之间的耦合,即,RABS只需要访问的位置,它是活跃的。拉格朗日启发式算法,然后提出了利用完全么模结构的ILP制定。一组广泛的数值研究表明,由于其移动性,单个机器人空中小小区能够在16至41小时内在服务用户产生的流量方面胜过五(5)个固定小小区。
2022-02-11 cs.NI
Uplink Performance Analysis of a Drone Cell in a Random Field of Ground Interferers
空中基站是一种很有前途的技术,以增加现有的通信网络的能力。然而,现有的分析框架没有充分表征地面干扰对空中基站的影响。为了解决这个问题,我们模拟了来自空中链路上共存的地面网络的干扰的影响,这可能是由无人机基站服务的空中小区的上行链路。通过考虑地面干扰的泊松场,我们表征了无人机所经历的总干扰。该结果包括无人机天线方向图的影响、高度相关阴影以及各种类型的环境。我们表明,无人机在高空从更好的视线(LoS)中获得的好处被来自地面的干扰的高度脆弱性所抵消。然而,通过推导链路覆盖概率和传输速率,我们表明,无人机基站仍然是一种很有前途的技术,如果整个系统是适当的尺寸根据给定的密度和发射功率的发射机。特别是,我们的研究结果说明了如何通过定义最佳无人机高度和信号干扰比(SIR)要求来最大化这种网络的好处。
2017-11-03 cs.IT cs.NI math.IT
Elevating the future of mobility: UAV-enabled Intelligent Transportation Systems
本文提出利用无人机空中基站构建三维智能交通系统,以提升城市覆盖和信噪比,支持多模式交通,实验显示覆盖面积比地面基站多106.67%。
2024-11-22 cs.NI
Energy Consumption in Wireless Systems Equipped with RES, UAVs, and IRSs
本文研究配备可再生能源、无人机和智能反射面的移动基站的能耗特性,分析多旋翼与固定翼无人机的能源预算,突出其能源使用中的益处与挑战。
2024-03-18 cs.NI eess.SP
Adaptive Power Management for Wireless Base Station in Smart Grid Environment
对全球环境变化的日益关注引发了能源利用方式的革命。在无线产业中,绿色无线通信最近得到越来越多的关注,并有望在降低电力消耗方面发挥重要作用。特别是,促进无线通信的节能与环境保护相关的行动正变得势在必行。为此,我们研究了一种绿色通信系统模型,其中无线基站配备了可再生能源和电网的组合,以最大限度地减少功耗,以及满足用户的需求。更具体地说,我们专注于无线基站的自适应电源管理,以最大限度地减少各种不确定性,包括可再生能源发电,电力价格和无线流量负载下的功耗。我们相信,基于所研究的通信架构的需求侧电源管理解决方案是迈向绿色无线通信的重要一步。
2014-01-28 cs.NI
D3S: A Framework for Enabling Unmanned Aerial Vehicles as a Service
在本文中,我们考虑使用无人机提供无线连接服务,例如在无线网络组件故障后,或简单地按需提供额外的带宽,并引入无人机即服务(UaaS)的概念。为了促进UaaS,我们引入了一个新的框架,称为D3S,它包括四个阶段:需求,决策,部署和服务。这一框架的主要目标是为实施这四个阶段制定切实有效的解决办法。技术问题包括确定要部署的无人机的类型和数量,以及它们的最终位置(例如,悬停或在地面上),这对于服务于某些应用是重要的。这些问题将是决策阶段的一部分。它们还包括无人机的轨迹规划,当它们必须在充电站和部署地点之间行驶时,可能必须多次这样做。这些问题将是部署阶段的一部分。服务阶段包括无人机之间以及无人机与地面控制站之间的骨干通信和数据路由的实现。
2019-12-31 cs.NI
Energy-Constrained UAV Trajectory Design for Ground Node Localization
使用空中锚点定位地面节点最近已被认为是一种具有成本效益的,快速和灵活的解决方案,用于更好的定位精度,当GPS被干扰或卫星接收是不可能的提供定位服务。研究了移动无人机作为空中锚点时地面节点的定位问题。我们提出了一个新的框架,以获得在城市地区的定位误差。与现有的工作相比,我们的框架包括高度依赖的无人机对地信道特性和一个非常详细的无人机能耗模型。这使我们能够探索不同的权衡和优化无人机轨迹最小的定位误差。特别是,我们调查的无人机高度,悬停时间,航路点的数量和路径长度的影响,通过制定一个能量约束的优化问题。我们的研究结果表明,增加悬停时间降低定位误差显着的成本更高的能量消耗。为了将定位误差保持在100米以下,只有当路径高度和半径被优化时,才有可能实现更短的悬停。对于5秒的恒定悬停时间,将两个参数调整到其最佳值将定位误差从150 m降低到65 m,同时节省约25%的功率
2018-06-06 cs.NI
Integrating UAV-Enabled Base Stations in 3D Networks: QoS-Aware Joint Fronthaul and Backhaul Design
本文研究3D网络中无人机基站的战略性放置问题,提出凝聚层次聚类算法优化基站位置和遗传算法设计回传连接,有效满足前传覆盖与回传负载需求,提升网络弹性。
2024-04-26 cs.NI
Distributionally Robust Optimization for Computation Offloading in Aerial Access Networks
针对AAN中任务数据量不确定导致的卸载与资源优化难题,提出基于历史数据构建不确定性集合的分布鲁棒优化方法,并设计基于MEC的时延优化算法,实现时延与能耗更优平衡。
2024-08-04 cs.NI
Joint Energy Efficiency and Fairness Optimization for D2D Communications in Aerial-Ground Integrated Heterogeneous Networks
National Chung Cheng University(中正大学);Feng Chia University(逢甲大学)
针对空-地一体化异构网络中D2D通信的上行资源分配问题,提出低复杂度MCRF算法,支持共享复用并集成干扰避免策略,联合优化吞吐量、公平性和能量效率,显著提升性能并改善公平性。
2026-09-22 cs.NI
UAV Base Station Location Optimization for Next Generation Wireless Networks: Overview and Future Research Directions
无人机基站(UAV-BS)有望成为下一代无线网络(NGWN)的重要组成部分之一。UAV-BS的快速部署、移动性、更高的畅通传播路径机会和灵活性特征已经引起了人们的极大关注。尽管UAV-BS在NGWN中潜在地带来了高增益,但它们也引入了许多挑战。无人机基站的最佳位置分配,可以说,是最广泛的研究文献中的问题,在NGWN的无人机基站。本文提出了一个全面的调查文献的位置优化的无人机基站在NGWNs。一个通用的优化框架,通过一个通用的混合非线性规划(MINLP)制定和其组成部分的规格进行了详细说明。一般的问题被归类到一个新的分类。由于优化问题的高度挑战性,在文献中采用了一系列解决方案,这些解决方案也包含在上述分类中。最后,对5G及以后非地面空中通信系统中UAV-BS位置优化的未来研究方向进行了讨论。
2018-12-03 cs.NI
Modeling energy consumption in cellular networks
在本文中,我们提出了一个新的分析蜂窝网络中的能量消耗。我们专注于一个孤立的小区的基站所消耗的能量的分布。我们首先定义了能量消耗模型,其中消耗的能量分为两部分:添加部分和广播部分。广播部分是能量的一部分,它不考虑移动站的数目,但取决于最远的终端,例如,维持信标信号所需的能量努力。附加部分是由于通信功率,其取决于所有用户的位置、移动性和活动。我们评估封闭形式的表达式的平均值和方差的消耗的能量。我们的分析评估是基于假设,手机分布根据泊松点过程。我们表明,这两个部分的能量是相同的数量级,并通过功率控制,可以获得大量的增益。然后,我们考虑移动性对能源消耗的影响。我们将我们的模型应用于两个案例研究:第一个是从能量的角度优化小区半径,第二个是在无法获得永久电源的站点中确定基站电池的尺寸。
2013-03-14 cs.NI math.PR
ARCTAN: Arbitrary RF Containment Using Tactical Aerial Networks and Differentiable Ray Tracing
Duke University(杜克大学)
ARCTAN通过可微分射线追踪联合优化空中基站与协作干扰器的位置、朝向和功率,实现任意形状区域的射频约束,显著降低信号泄漏。
2026-10-02 cs.NI eess.SP
Dynamic Trajectory Optimization and Power Control for Hierarchical UAV Swarms in 6G Aerial Access Network
针对6G空基接入网络中多无人机集群协同部署挑战,提出分层结构并联合优化其动态轨迹与部署,通过区域划分、费马点构造及改进优化算法求解NP-hard问题,仿真显示复杂度降低50%。
2025-08-26 cs.NI eess.SP
Energy-Efficient Mechanism for Smart Communication in Cellular Networks
物联网(IoT)近年来越来越受欢迎。蜂窝网络可以是物联网连接的适当解决方案。随着连接的物联网设备数量呈指数级增长,能耗成为无线连接解决方案的瓶颈。在这项工作中,我们提出了一个方案,以减少一个小区的基站的功耗。基站的最大功耗与其数据处理、路由和传输相关联。我们的方案减少了传输数据的大小,最终降低了与之相关的功耗。系统级仿真表明了我们提出的系统的效率。
2019-04-29 cs.NI
Time-Weighted Coverage of Integrated Aerial and Ground Networks for Post-Disaster Communications
在本文中,我们提出了一种新的三维(3D)网络架构与集成的空中和地面基站(BS)的快速灾后通信恢复。通过利用各自的优势,在响应时间,覆盖区域,和操作持续时间,建议的网络是高度异构的,包括持续的地面BS,地面车载BS,下车BS和飞行BS。为了反映灾后场景中快速通信恢复的重要性和覆盖区域的动态性,我们提出了一种新的性能度量,称为"时间加权覆盖",这是一个集成的通信覆盖区域乘以加权函数随时间的变化。通过选择不同的加权函数,可以在“快速通信恢复”和"稳定通信覆盖”之间进行权衡。仿真结果表明,与传统方法相比,所提出的空地一体化网络具有很高的实施灵活性,能够显著提高通信覆盖范围。
2020-03-17 cs.IT cs.NI eess.SP
Aerial STAR-RIS Empowered MEC: A DRL Approach for Energy Minimization
本研究整合无人机与STAR-RIS支撑物联网设备与MEC服务器通信,采用PPO深度强化学习算法联合优化多类变量,实现系统能耗最小化,经仿真验证效果优于现有基准方案。
2023-12-14 cs.NI eess.SP
Energy-aware optimization of UAV base stations placement via decentralized multi-agent Q-learning
Trinity College Dublin(都柏林三一学院)
可以部署用作空中基站(UAV-BS)的无人驾驶飞行器,以在网络需求增加、现有基础设施出现故障或发生灾难时提供与地面设备的无线连接。然而,考虑到其有限的机载电池容量,在长时间覆盖任务期间节省UAV的能量是具有挑战性的。基于强化学习(RL)的方法先前已经被用于提高多个UAV的能量利用,然而,中央云控制器被假设为具有终端设备的位置的完整知识,即,所述控制器周期性地扫描并发送用于UAV决策的更新。这种假设在UAV服务于移动地面设备的动态网络环境中是不切实际的。为了解决这个问题,我们提出了一个分散的Q-学习方法,其中每个无人机-BS配备了一个自主智能体,最大限度地提高移动地面设备的连接,同时提高其能源利用率。实验结果表明,该设计在最大化地面设备连接数量和UAV-BS能量利用率方面明显优于集中式方法。
2021-11-04 cs.LG cs.MA cs.NI
A Double Q-Learning Approach for Navigation of Aerial Vehicles with Connectivity Constraint
University of Toronto(多伦多大学)
研究了飞行器在一对给定的起始点和终点之间飞行的轨迹优化问题。目标是最小化飞行器的行进时间,确保满足飞行器的安全操作所需的通信连接性约束。我们考虑两种不同的标准,导致两种不同的情况下的飞行器的连接约束。在第一种情况下,我们假设飞行器在地面基站(GBS)覆盖范围之外的最大连续持续时间被限制到给定阈值。然而,在第二种情况下,我们假设飞行器不被GBS覆盖的总时间段是有限的。基于这两个约束,我们制定了两个轨迹优化问题。为了解决这些非凸问题,我们使用基于双Q学习方法的方法,双Q学习方法是一种无模型强化学习技术,与现有算法不同,它不需要对环境有完美的了解。此外,与众所周知的Q-学习技术相比,我们的双Q-学习算法不受过估计问题的影响。仿真结果表明,虽然我们的算法不需要先验信息的环境,它的工作很好,表现出接近最优的性能。
2020-02-24 cs.AI cs.NI eess.SP