Deep Q-Network Based Dynamic Movement Strategy in a UAV-Assisted Network
无人机(UAV)辅助通信是一种很有前途的解决方案,以提高未来无线网络的性能,其中无人机被部署为基站,以提高提供给地面用户的服务质量(QoS),当传统的地面基站不可用或不足时。提出了一种有效的框架来管理多个无人机(UAV)的动态运动,以响应地面用户的移动,目标是最大化地面用户的总数据速率。首先,我们讨论了空-地(A2 G)路径损耗(PL)和无人机的位置之间的关系。然后,提出了一种基于深度Q网络(DQN)的方法来调整无人机的位置,以最大化用户设备(UE)的总数据速率。仿真结果表明,该方法能够实时调整无人机位置,提高整个网络的QoS。
2020-08-07 eess.SP
Stochastic Geometry Analysis of Asymmetric Uplink Interference for Urban UAV-RC Networks
North Carolina State University(北卡罗来纳州立大学);Hanyang University(汉阳大学)
本文提出基于 LGCP 的随机几何框架,建模城市 UAV-RC 网络上下行干扰空间相关性,并定义干扰非对称比,揭示高度和二维距离增加会加剧上行干扰。
2025-10-19 eess.SP
Reconfigurable Intelligent Surface-assisted Multi-UAV Networks: Efficient Resource Allocation with Deep Reinforcement Learning
在本文中,我们提出了可重构智能表面(RIS)辅助无人机(UAV)网络,可以利用无人机的灵活性和RIS的反射,以提高网络的性能。为了最大限度地提高所考虑的网络的能源效率(EE),我们共同优化无人机的功率分配和RIS的相移矩阵。提出了一种深度强化学习(DRL)方法,用于以集中方式解决时变通道的连续优化问题。此外,还提出了一种并行学习方法,以减少集中式方法的信息传输要求。数值结果表明,我们提出的计划相比,传统的方法在EE,灵活性和处理时间方面有显着改善。我们提出的用于RIS辅助无人机网络的DRL方法可以用于实时应用,因为它们具有即时决策和处理动态环境设置的时变信道的能力。
2021-08-05 eess.SP
3D Trajectory Optimization in UAV-Assisted Cellular Networks Considering Antenna Radiation Pattern and Backhaul Constraint
研究了在干扰严重的下行蜂窝网络中,三维天线辐射方向图和回程约束对无人机(UAV)最优三维路径规划问题的影响。我们考虑一种蜂窝连接的无人机,其任务是在固定时间内在两个位置之间旅行,并且它可以通过充当中继来改善地面用户的蜂窝连接。由于蜂窝基站的天线增益随UAV高度显著变化,因此UAV可以通过在其任务过程中改变其高度来提高其回程链路中的信号质量。这个问题是非凸的,因此,我们探索动态规划技术来解决它。我们表明,3D最优路径可以引入显着的网络性能增益的轨迹与固定的无人机高度。
2020-03-09 eess.SP
Energy-Efficient Design for RIS-assisted UAVcommunications in beyond-5G Networks
可重构智能表面(RIS)与无人驾驶Ariel车辆(UAV)的结合使用正在研究中,作为向密集城市地区的地面用户提供节能通信的一种方式。在本文中,我们设计了一个优化方案,以减少网络中的整体能耗,同时保证一定的服务质量(QoS)的地面用户在该地区。由于优化问题的复杂性,我们提供了一个联合的无人机轨迹和RIS相位决策,以最大限度地减少无人机和基站(BS)的传输功率,从而以较低的复杂性产生良好的性能。因此,所提出的方法使用连续凸近似(SCA)迭代确定无人机轨迹,RIS相位和BS和无人机发射功率的联合最优解。因此,该方法已根据不同的标准进行了分析评估。
2021-09-24 eess.SP
Impact of RIS Orientation on Throughput in UAV-Assisted Wireless Systems
Lahore University of Management Sciences (LUMS)(拉合尔管理科学大学)
本文提出通过优化RIS方位提升无人机辅助无线系统吞吐量的方法,并通过实验验证了RIS方位对通信性能的关键影响。
2025-12-08 eess.SP
Outage Probability of UAV Communications in the Presence of Interference
与地面通信不同,无人机通信具有视距环境、机动灵活等优势,但干扰仍不可避免。通过考虑通信链路仰角对LoS和非视距(NLoS)信道衰落的影响,分析了干扰对无人机通信的影响。然后,我们推导出一个封闭形式的中断概率存在的干扰节点的所有可能的场景和环境的主要和干扰链路。在讨论了发射节点和干扰节点参数对中断概率的影响后,证明了使中断概率最小的最优无人机高度的存在性。我们还表明,在无人机通信中,如果干扰的平均接收功率比发射信号的平均接收功率更占优势,则NLoS环境可以优于LoS环境。
2018-09-03 eess.SP
Toward UL-DL Rate Balancing: Joint Resource Allocation and Hybrid-Mode Multiple Access for UAV-BS Assisted Communication Systems
在本文中,我们研究无人机(UAV)辅助通信系统,需要准平衡的数据速率在上行链路(UL)和下行链路(DL),以及用户的异构业务。据我们所知,这是第一个明确研究联合UL-DL优化的无人机辅助系统在异构的要求。针对异构业务提出了一种混合模式多址接入(HMMA)方案,其中非正交多址接入(NOMA)以高平均数据速率为目标,正交多址接入(OMA)通过补偿用户的速率来满足用户的瞬时速率需求。HMMA使得多址接入的自由度更高,并且在用户之间实现比UAV辅助的NOMA或OMA方案更优的最小平均速率。在HMMA下,提出了一种联合UL-DL资源分配算法,该算法具有用于UL/DL功率分配的封闭形式的最优解,以实现UL和DL的准平衡平均速率。此外,考虑到NOMA中连续干扰消除(SIC)的误差传播,提出了一种增强的HMMA方案,该方案对SIC误差具有较强的鲁棒性,且最小平均速率高于HMMA方案。
2021-11-16 eess.SP
6D Movable Antenna Enhanced Interference Mitigation for Cellular-Connected UAV Communications
本文提出利用6DMA阵列增强蜂窝连接无人机通信的干扰抑制,通过BCD算法联合优化天线位置、阵列旋转、接收波束成形及关联基站以最大化SINR,显著优于传统FPA及基准方案。
2024-09-20 eess.SP
UAV-Assisted and Intelligent Reflecting Surfaces-Supported Terahertz Communications
本文利用无人机和智能反射面来支持太赫兹(THz)通信。为此,无人机的轨迹,IRS的相移,太赫兹子带的分配,和功率控制的联合优化进行了研究,以最大限度地提高所有用户的最小平均可达速率。提出了一种基于逐次凸逼近和速率约束惩罚(CAR)的迭代算法来获得无人机的轨迹,并将IRS相移表示为一个封闭形式的表达式,引入了代价因子。仿真结果表明,该方案显著提高了整个系统的速率性能。
2021-03-01 eess.SP
Energy-Efficient UAV-Mounted RIS Assisted Mobile Edge Computing
无人机(UAV)和可重构智能表面(RIS)最近已被应用于移动边缘计算(MEC)领域,以分别通过可重构位置部署和智能信号反射主动改变无线信道来改善数据交换环境。然而,它们在实际情况中可能受到固有的限制。无人机搭载RIS(U-RIS)作为一种很有前途的综合方法,可以结合无人机和RIS的优点,突破限制。受此启发,我们考虑了一种新的U-RIS辅助MEC系统,其中部署了U-RIS以协助地面用户和MEC服务器之间的通信。为最大限度地提高系统的能量利用率,提出了无人机航迹、RIS无源波束形成和MEC资源分配的联合设计方案。为了解决这个棘手的非凸问题,我们将其分为两个子问题,并基于连续凸逼近(SCA)和Dinkelbach方法迭代求解。最后,我们得到了一个高性能的次优解。仿真结果表明,该算法显著提高了MEC系统的能量效率。
2022-03-24 eess.SP
Dual Fluid Antenna-Assisted UAV MIMO Networks
Shanghai Advanced Research Institute, Chinese Academy of Sciences(中国科学院上海高等研究院);University of Chinese Academy of Sciences(中国科学院大学);Nanjing University of Posts and Telecommunications(南京邮电大学);Shenzhen CyberAray Network Technology Co., Ltd.(深圳赛博阵列网络科技有限公司);The University of Electro-Communications(电子通信大学);University College London(伦敦大学学院);Kyung Hee University(庆熙大学);Mohamed Bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
研究双流天线辅助无人机多用户多输入多输出下行通信网络,通过联合优化无人机轨迹、收发天线位置和波束成形最大化平均可达速率,采用交替优化算法求解,性能优于传统和现有基线。
2026-07-17 eess.SP
Stacked Intelligent Metasurfaces Assisted UAV Communications
University of Luxembourg(卢森堡大学);National Institute of Technology Warangal(瓦朗加尔国家技术学院)
研究堆叠智能超表面辅助的无人机通信系统,通过将部分波束成形功能转移到电磁域,实现节能混合波束成形。制定联合设计并开发交替优化框架,解决非凸问题。结果表明该架构能提高频谱效率且保持低硬件复杂度。
2026-07-28 eess.SP
UAV-Assisted Weather Radar Calibration: A Theoretical Model for Wind Influence on Metal Sphere Reflectivity
针对风致悬挂金属球偏移导致无人机辅助天气雷达标定反射率偏差的问题,建立一维振动影响的理论模型,为移动雷达标定提供依据。
2024-06-20 eess.SP
Task and Bandwidth Allocation for UAV-Assisted Mobile Edge Computing with Trajectory Design
在本文中,我们研究了一个移动边缘计算(MEC)架构的协助下,无人机(UAV)。UAV充当计算服务器以帮助用户设备(UE)计算其任务,以及充当中继器以进一步将UE的任务卸载到接入点(AP)以进行计算。通过在任务约束、信息因果关系约束、带宽分配约束和UAV的轨迹约束的条件下联合优化任务分配、带宽分配和UAV的轨迹,来最小化UAV和UE的总能量消耗。公式化的优化问题是非凸的,我们提出了一个交替算法来迭代优化参数。仿真结果验证了算法的有效性,与一些实际基线相比,该算法获得了很大的性能增益,特别是在处理计算密集型和延迟关键型任务时。
2019-07-08 eess.SP
Downlink Interference Analysis of UAV-based mmWave Fronthaul for Small Cell Networks
本文研究了一种基于无人机(UAV)的异构网络,以解决分布式小小区向核心网传输大流量的问题。首先,通过考虑真实天线方向图、UAV的振动、小小区基站(SBS)的随机分布以及UAV在3D空间中的位置来表征下行链路信道的详细三维(3D)模型。然后,针对两种类型的干扰:小区内干扰和小区间干扰,执行严格的干扰分析。干扰分析的结果,然后被用来推导所考虑的系统上的中断概率的上限。数值结果表明,理论分析与仿真结果吻合较好.结果表明,在无人机的波动的存在下,优化辐射方向图形状需要平衡增加方向图增益以减少干扰以及补偿毫米波频率处的大路径损耗与减少方向图增益以减轻无人机振动的不利影响之间的固有权衡。的分析推导,使任何条件下的最佳天线方向图的推导在很短的时间内,而不是使用耗时的广泛的模拟。
2022-08-11 eess.SP
Maximizing Energy Charging for UAV-assisted MEC Systems with SWIPT
针对现有MEC-WPT方案忽略下行链路周期的问题,提出结合SWIPT的无人机辅助MEC方案,通过多变量联合优化与交替优化算法最大化地面设备剩余能量,实验验证了方案有效性。
2024-03-06 eess.SP
Robust Computation Offloading and Trajectory Optimization for Multi-UAV-Assisted MEC: A Multi-Agent DRL Approach
针对多无人机辅助MEC网络中存在通信与计算不确定性的多类型任务联合优化问题,提出基于Beta分布的多智能体PPO框架求解,有效降低总加权能耗且鲁棒性优于基准算法。
2023-08-24 eess.SP
Pareto-Optimal Rate-CRLB Tradeoff via Anchor Placement Optimization for UAV-Assisted 3D ISAC
National Mobile Communications Research Laboratory, Southeast University(东南大学移动通信国家重点实验室);Purple Mountain Laboratories(紫金山实验室)
本文针对无人机辅助三维ISAC系统,通过优化无人机锚点布置,刻画并实现了通信速率与感知CRLB之间的Pareto最优权衡,提出了高效算法并验证了性能优势。
2026-09-15 eess.SP
Rate Maximization for UAV-assisted ISAC System with Fluid Antennas
College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息与电子工程学院);Polytechnic Institute, Zhejiang University(浙江大学理工学院);Department of Engineering, King's College London(伦敦国王学院工程系);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);Chu Kochen Honors College, Zhejiang University(浙江大学竺可桢学院)
本文针对流体天线无人机辅助ISAC系统,提出基于凸优化和交替优化的迭代算法,在保证联合感知能力下最大化通信速率,仿真验证了其有效性。
2025-10-09 eess.SP
Interference-Asymmetric UAV Remote Control Links: Measurements and Performance Evaluation
North Carolina State University(北卡罗来纳州立大学);Hanyang University(汉阳大学);Skydio, Inc.(Skydio公司)
本文通过氦风筝平台实测与MATLAB LTE/5G仿真,揭示了无人机遥控链路中上行干扰非对称导致HARQ反馈丢失并显著降低下行吞吐量的问题。
2025-09-24 eess.SP
UAV-Assisted 3-D Localization for IoT Networks Using a Simple and Efficient TDOA-AOA Estimator
Department of Electrical Engineering, Sharif University of Technology(谢里夫理工大学电气工程系)
本文提出一种利用单个TDOA-AOA测量对和闭式加权最小二乘估计器的代数解,实现无人机辅助物联网中基于单地面站的三维信源定位,性能接近CRLB。
2025-10-09 eess.SP
Direction Modulation Design for UAV Assisted by IRS with discrete phase shift
针对无人机安全通信需求,提出IRS辅助的定向调制方案,通过联合优化数字加权向量、无人机位置与IRS离散相移,提升安全传输速率,数值结果验证了方案有效性。
2024-10-07 eess.SP
Terahertz Communication Multi-UAV-Assisted Mobile Edge Computing System
本文研究太赫兹多无人机辅助移动边缘计算系统中的服务时延最小化问题,提出联合优化中继选择、功率、位置和资源分配的PDD算法,并通过数值实验验证其优于基准方法。
2024-07-01 eess.SP
Fusing Channel and Sensor Measurements for Enhancing Predictive Beamforming in UAV-Assisted Massive MIMO Communications
本文提出融合信道与传感器数据,利用扩展卡尔曼滤波和预测波束赋形框架,提升无人机大规模MIMO通信的波束对齐精度与频谱效率。
2023-12-29 eess.SP
SNR Maximization and Localization for UAV-IRS-Assisted Near-Field Systems
本文提出一种UAV-IRS结构用于近场定位系统,通过联合优化UAV位置和无源波束赋形最大化接收SNR,并利用PGA算法和相移闭式表达式求解非凸问题,显著提升了定位精度和接收SNR。
2024-04-24 eess.SP
Physical-Layer Security for Untrusted UAV-Assisted Full-Duplex Wireless Networks
针对非可信全双工无人机网络的物理层安全问题,提出基于信源的干扰方案,通过最优功率分配和最优无人机选择提升保密性能,分析了保密中断概率等指标并给出设计见解。
2019-09-14 eess.SP
IRS-assisted UAV Communications: A Comprehensive Review
本文全面综述了IRS辅助的UAV通信技术,探讨了其结合IRS智能反射与UAV机动性以解决安全与遮挡问题、提升系统性能的潜力,并提出了应用场景、挑战及未来研究方向。
2023-06-28 eess.SP
Effect of Phase Shift Errors on the Security of UAV-assisted STAR-RIS IoT Networks
本文研究相位偏移误差对无人机搭载STAR-RIS辅助NOMA物联网系统安全性能的影响,利用von Mises分布建模误差并推导遍历安全速率闭式表达式,通过优化无人机位置最大化加权和安全速率。
2025-08-16 eess.SP
SINR Coverage Enhancement of 6G UAV-Assisted Networks Deploying IRS
该工作的目标是提高无人机辅助的6G无线网络的信号干扰噪声比(SINR)覆盖概率。为此,本文对常规无人机通信模型和红外辅助无人机通信模型的覆盖概率进行了分析比较。研究结果表明,IRS在无人机辅助无线网络中的应用显著提高了SINR的覆盖概率。此外,IRS在无人机网络中的安装降低了网络的能量消耗。
2022-12-03 cs.IT eess.SP math.IT
Interference Management in UAV-assisted Integrated Access and Backhaul Cellular Networks
集成接入和回程(IAB)网络架构可以实现下一代蜂窝网络的灵活和快速部署。然而,接入和回程链路之间的相互干扰、站点间距离小以及用户分布的空间动态性对IAB网络的实际部署提出了重大挑战。为了解决这些问题,我们利用无人机(UAV)作为悬停IAB节点的飞行能力,并提出了一种干扰管理算法,以最大限度地提高IAB网络的总速率。特别是,我们共同优化用户和基站的关联,接入和回程传输的下行链路功率分配,以及无人机的空间配置。我们考虑两种无人机的空间配置模式:分布式无人机和无人机天线阵列(DAA),并显示它们是如何交织在一起的地面用户的空间分布。我们的数值结果表明,所提出的算法实现了$2.9\times$和$6.7\times$增益的平均接收下行链路信号干扰加噪声比(SINR)和整体网络的总和速率,分别。最后,数值结果表明,无人机不仅可以用于覆盖范围的改善,但也用于容量提升IAB蜂窝网络。
2019-07-25 eess.SP
Performance of UAV assisted Multiuser Terrestrial-Satellite Communication System over Mixed FSO/RF Channels
分析了多天线多用户无人机辅助地面-卫星通信系统在自由空间光(FSO)/射频(RF)混合信道上的性能。卫星到无人机的下行传输通过FSO链路完成,FSO链路服从带指向误差损伤的Gamma-Gamma分布。在FSO接收机中,考虑了外差探测和强度调制直接探测技术。为了利用天线分集,在UAV处考虑多个发射天线。在UAV处假设选择性解码和转发方案,并且在考虑用户选择和传输阶段期间过时的信道状态信息(CSI)的实际约束的同时执行机会性用户调度。RF链路被假定为遵循Nakagami-m分布,由于其多功能的性质。在这种情况下,性能分析,中断概率的解析表达式,渐近中断概率,遍历容量,有效容量,和广义平均符号错误率表达式的各种正交幅度调制(QAM)方案,如六边形QAM,交叉QAM,矩形QAM。各种调制方案的比较。进一步分析了指向误差、天线数、时延约束、衰落严重程度和不完美CSI对系统性能的影响。最后,通过Monte-Carlo模拟验证了所有的分析结果。
2021-09-13 eess.SP
Towards Joint Optimization for UAV-Integrated RIS-Assisted Fluid Antenna Systems
University of the Thessaly(色萨利大学);Yonsei University(延世大学);University College London(伦敦大学学院)
本文提出了一种联合优化UAV集成RIS辅助流天线系统的方案,通过优化FAS端口位置和RIS相移提升信号质量与通信速率。
2026-01-29 eess.SP
Trajectory Optimization in UAV-Assisted Cellular Networks under Mission Duration Constraint
在本文中,我们解决的问题,找到最佳的轨迹无人机(UAV),以提高地面蜂窝网络的无线覆盖。特别是,我们考虑的无人机的任务是在给定的时间限制内从一个点到另一个点,它也可以同时通过在其任务期间提供无线覆盖来协助蜂窝网络。考虑到蜂窝网络的干扰受限下行链路,我们制定了一个优化问题,最大限度地提高蜂窝网络的比例公平(PF)的数据速率和探索动态规划(DP)技术,找到最佳的无人机轨迹。我们还探讨了最佳无人机轨迹与最大和率和第5百分位频谱效率(5pSE)率,并比较了容量和覆盖性能的三种方法。数值仿真结果表明,最大和速率轨迹提供了最佳的每用户容量,而最佳PF轨迹产生更高的覆盖概率比其他两个轨迹。由于运动学的限制,无人机不能急转弯,因此最优轨迹通常不可行。因此,我们使用Bezier曲线生成平滑的轨迹。
2019-02-13 eess.SP
Sensing-assisted Accurate and Fast Beam Management for Cellular-connected mmWave UAV Network
本文提出感知辅助波束管理方法,利用视觉域信息结合集成感知通信与计算机视觉技术,通过扩展卡尔曼滤波和双重身份关联,降低毫米波无人机网络的初始接入延迟并提升跟踪与通信性能。
2023-10-12 eess.SP
UAV Deployment Optimization in UAV-assisted Wireless Communications
本文研究UAV作为高空中继的无线通信网络,提出UAV中继部署优化问题(URDOP)以最小化系统能耗,并设计自适应差分进化(SaDEVPS)算法进行求解,仿真证明其优于其他基准算法。
2024-03-03 eess.SP
Low-Altitude UAV-Assisted Bistatic ISAC: Closed-form 3D CRLB and Coverage Analysis
National Mobile Communications Research Laboratory, Southeast University(国家移动通信重点实验室,东南大学);Purple Mountain Laboratories(紫金山实验室)
研究无人机辅助ISAC系统三维定位性能极限,推导闭式三维CRLB表达式,验证其能紧密预测最大似然估计性能,还引入CRLB约束感知覆盖概念,揭示无人机相关因素对可靠感知区域的影响。
2026-07-22 eess.SP
RIS-Assisted Jamming Rejection and Path Planning for UAV-Borne IoT Platform: A New Deep Reinforcement Learning Framework
本文提出了一种新的基于深度强化学习(DRL)的方法,用于物联网(IoT)应用的无人机(UAV)的轨迹规划和干扰抑制。干扰可以阻止感测数据的及时传送和操作指令的接收。在可重构智能表面(RIS)的辅助下,我们提出了增强无线电环境,抑制干扰信号,并增强所需的信号。无人机设计成仅基于其接收数据速率的变化来学习其轨迹和RIS配置,使用最新的深度确定性策略梯度(DDPG)和双延迟DDPG(TD3)模型。仿真结果表明,提出的DRL算法具有较强的抗干扰能力,TD3算法比DDPG算法具有更快、更平滑的收敛速度,更适用于大的无人机。这种基于DRL的方法消除了对涉及RIS和干扰机的信道的知识的需要,从而提供了重要的实用价值。
2023-02-10 eess.SP
Two-Hop Age of Information Scheduling for Multi-UAV Assisted Mobile Edge Computing: FRL vs MADDPG
在这项工作中,我们采用了新兴的移动边缘计算(MEC)技术在无人机(UAV)的通信计算系统,以优化网络中的信息时代(AoI)。我们假设任务在无人机和基站上联合处理,以提高有限连接和计算的边缘性能。使用UAV和BS与MEC联合可以减少网络上的AoI。为了保持任务的新鲜度,我们制定了两跳通信框架中的AoI最小化,第一跳在无人机和BS的第二跳。为了应对挑战,我们使用深度强化学习(DRL)框架(称为联邦强化学习(FRL))优化问题。在我们的网络中,我们有两种类型的代理,它们具有不同的状态和动作,但具有相同的策略。我们的FRL使我们能够处理两步AOI最小化和无人机轨迹问题。此外,我们比较我们提出的算法,它有一个集中的处理单元来更新权重,与完全分散的多代理深度确定性策略梯度(MADDPG),这提高了代理的性能。结果表明,该算法比MADDPG算法的性能提高了38%左右
2022-06-19 eess.SP
Statistical Channel Model for FSO Systems Assisted by a UAV-Mounted IRS
Friedrich-Alexander-University Erlangen-Nuremberg (FAU)(埃尔朗根-纽伦堡大学);Aix-Marseille University, CNRS, Centrale Med, Fresnel Institute(艾克斯-马赛大学)
本文针对无人机搭载IRS辅助的FSO系统,基于惠更斯-菲涅耳原理推导了统计信道模型,经MC仿真验证后,为最小化中断概率提供了IRS最优放置的设计准则。
2026-08-12 eess.SP
Saving Lives at Sea with UAV-assisted Wireless Networks
在本文中,我们研究的特点和权衡的无人机与BS或C-RAN相结合的系统,在紧急情况下扩展陆地无线覆盖的海上。海上部署链路预算的结果显示了功耗和吞吐量之间的权衡,以满足搜索和救援目标。
2018-09-04 cs.NI eess.SP
An Optimal Multi-UAV Deployment Model for UAV-assisted Smart Farming
下一代无线网络将动态部署无人机作为空中基站(UAV-BS),以提高无线网络在偏远地区的覆盖。为了在随机环境中提供有效的服务,必须针对不同的场景适当地指定UAV-BS的最佳数量、它们的位置和轨迹。这种部署需要一种智能决策机制,可以在不同时间处理各种变量。本文提出了一种用于智能农业的多UAV-BS部署模型,采用多标准决策(MCDM)方法来确定用于监测动物行为的UAV-BS的最佳数量。该模型考虑了UAV-BS的信号干扰和用户移动引起的路径损耗变化的影响,以最大限度地提高系统的效率。为了避免UAV-BS之间的冲突,我们将所考虑的区域分成几个集群,每个集群由一个UAV-BS覆盖。我们的模拟结果表明,部署效率比基准聚类算法高出11倍。
2022-07-28 cs.NI eess.SP
Ruin Theory for Energy-Efficient Resource Allocation in UAV-assisted Cellular Networks
无人机(UAV)可以为提高地面无线蜂窝网络的覆盖范围、容量和整体性能提供有效的解决方案。特别是,无人机辅助蜂窝网络可以满足第五代新无线电(5G NR)应用的严格性能要求。本文研究了在5G NR应用的可靠性和时延约束下,无人机辅助蜂窝网络的节能资源分配问题。破产理论的框架,允许太阳能无人机捕捉收获和消耗的能量的动态。首先建立了无人机剩余功率模型,然后利用剩余功率计算无人机的破产概率。破产概率表示无人机能量耗尽的脆弱性。接下来,破产的概率是用于有效的用户关联与每个无人机。然后,使用注水方法执行5G NR应用的功率分配以最大化可实现的网络速率。仿真结果表明,与基于信干噪比的方案相比,该方案可使无人机飞行持续时间提高61%,服务用户数提高58%.
2020-06-01 cs.NI eess.SP
Energy-Efficient UAV Swarm Assisted MEC with Dynamic Clustering and Scheduling
针对无人机集群辅助MEC的长期能效问题,提出动态分簇与资源调度联合优化,并通过多智能体随机博弈和RLDC算法求解,仿真验证其性能优势。
2024-02-29 cs.NI eess.SP
Energy and Age Pareto Optimal Trajectories in UAV-assisted Wireless Data Collection
研究了一种无人机辅助的无线网络,该网络中无人机从地面传感器节点收集信息,并将收集到的数据传输到仓库。信息新鲜度由信息年龄(AoI)度量捕获,而UAV的能量消耗被视为另一个性能标准。最重要的是,AoI和能源效率本质上是相互竞争的指标,因为降低AoI需要UAV更频繁地返回仓库,导致更高的能源消耗。为此,我们设计无人机路径,优化这两个相互竞争的指标,揭示帕累托前沿。为了制定这个问题,提出了一个多目标混合整数线性规划(MILP)与基于流的约束集,我们应用本德的分解建议制定。总体结果表明,所提出的方法可以推导出非支配的解决方案,无人机基于无线数据汇集的决策。数值结果证实了我们的研究,提出了两个目标的帕累托前沿和无人机轨迹的影响。
2022-05-10 cs.NI eess.SP
Interference Avoidance Position Planning in UAV-assisted Wireless Communication
研究了无人机辅助无线通信系统中,利用无人机作为中继节点来提高收发机之间的吞吐量。我们专注于开发有效的方法来定位无人机(S)在天空中的一个主要的干扰源的存在下,这使得问题不平凡。首先,我们考虑利用一个单一的无人机,我们开发了一个理论框架,以确定其最佳位置,旨在最大限度地提高系统的SIR。为此,我们研究了三种实际情况下的问题,其中无人机的位置是:(i)垂直固定,水平可调;(ii)水平固定,垂直可调;(iii)水平和垂直可调。之后,我们考虑采用多个无人机,为此,我们提出了一种具有成本效益的方法,同时最大限度地减少所需的无人机的数量,并确定其最佳位置,以保证一定的SIR的系统。我们进一步发展了一个分布式布局算法,它可以增加系统的SIR给定的任意数量的无人机。数值模拟提供了我们所提出的方法来评估性能。
2019-03-21 cs.NI eess.SP
Offloading Revenue Maximization in Multi-UAV-Assisted Mobile Edge Computing for Video Stream
针对多无人机辅助视频传输系统的计算资源限制问题,本文提出多无人机辅助D2D移动边缘计算系统,联合优化多维度资源配置并采用TD3算法求解非凸问题,显著提升系统效率以最大化视频流任务卸载收益。
2024-12-05 cs.ET eess.SP
UAV-Assisted Wireless Communications: An Experimental Analysis of A2G and G2A Channels
本文通过实验分析50至500米距离下无人机航向对A2G和G2A信道信号强度、TCP吞吐量及天线辐射方向图的影响,揭示航向因素在实际无人机通信中的关键作用。
2023-08-12 cs.NI eess.SP
Joint Optimization of STAR-RIS Assisted UAV Communication Systems
本文研究了同时发射和反射的可重构智能表面(STAR-RIS)辅助无人机(UAV)通信。我们的目标是通过联合优化STAR-RIS的波束形成向量、无人机的轨迹和功率分配来最大化所有用户的总速率。我们将非凸问题分解为三个子问题,交替求解以获得最优解。模拟结果表明:1)STAR-RIS实现了比传统RIS更高的和速率; 2)为了利用STAR-RIS的优点,UAV的轨迹比RIS更接近STAR-RIS; 3)反射和透射的能量分裂高度依赖于UAV的实时轨迹。
2022-09-08 cs.IT eess.SP math.IT
Joint Energy and SINR Coverage Probability in UAV Corridor-assisted RF-powered IoT Networks
针对无人机走廊辅助的射频供能物联网网络,研究能量与SINR联合覆盖概率,通过建模空中走廊与视距概率推导精确解与紧近似,给出最优无人机部署数和走廊长度。
2024-09-13 cs.IT eess.SP math.IT
Lifetime Maximization for UAV-assisted Data Gathering Networks in the Presence of Jamming
无人机(UAV)的部署最近由于各种实际用例(如监视,数据收集和商品交付)而受到极大关注。由于无人机由电池供电,因此节能通信至关重要。在本文中,我们研究了存在多个干扰源的情况下,无人机辅助网络的生命周期最大化问题,其中无人机被部署来收集来自一组无线传感器的数据。我们证明了无人机的位置在延长网络的寿命方面起着关键作用,因为无人机所需的传输功率与它们在空间中的位置密切相关。在所提出的场景中,UAV将收集的数据发送到称为\textit{leader}的主UAV,主UAV负责经由回程UAV网络将数据转发到基站(BS)。我们部署的工具,从谱图理论来解决这个问题,由于其高度的非凸性。仿真结果表明,我们提出的方法可以显着提高无人机网络的生命周期。
2020-05-10 cs.SY eess.SP eess.SY
Resource Allocation for UAV Assisted Wireless Networks with QoS Constraints
对于拥挤和热点区域,通常部署无人机(UAV)以提高覆盖率。该模型将无人机辅助通信分为控制消息、非实时通信和实时通信三种类型,能够满足无人机辅助通信系统用户的大部分实际需求。带宽分配问题被认为是最小化该系统的总能耗,同时满足要求。为了提高系统的性能,本文引入了两种技术。第一种方法是将地面用户分为多个用户组,并为每个用户组提供具有不同带宽的唯一RF信道。第二种方法是在系统中部署多架无人机。每种方案的带宽优化都是一个凸优化问题。仿真结果表明,所提出的方案的优越性,在能源消耗。
2020-02-09 cs.SY eess.SP eess.SY
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
Clustering and Power Allocation for UAV-assisted NOMA-VLC Systems: A Swarm Intelligence Approach
将无人机(UAV)与非正交多址(NOMA)可见光通信(VLC)相结合,展现了VLC和NOMA-VLC系统的许多潜力。在这种情况下,用户分组是重要的,以降低NOMA解码的复杂度时,用户的数量是大的,但是,这个问题还没有被考虑在现有的研究。在本文中,我们的目标是最大化的加权和速率的所有用户联合优化无人机放置,用户分组,下行NOMA-VLC系统的功率分配。首先考虑一种有效的用户聚类策略,然后应用一种群体智能方法,即Harris Hawk Optimization(HHO),解决无人机联合布局和功率分配问题。仿真结果表明,该算法的性能优于四个替代方案:OMA,NOMA没有配对,NOMA-VLC与固定的无人机放置,和随机用户分簇。
2020-07-12 cs.NI eess.SP