Energy Efficiency Maximization for Integrated Sensing and Communications in Satellite-UAV MIMO Systems
Hanoi University of Science and Technology（河内大学）；Phenikaa University（phenikaa大学）；the University of Aizu（会津大学）
本文提出了一种高效算法，用于在卫星-UAV MIMO系统中实现集成感知与通信的能效最大化，通过非凸优化解决复杂约束条件下的多用户多目标问题。
2026-03-02 cs.IT math.IT
Lifetime Maximization for UAV-Enabled Cognitive-NOMA IoT Networks: Joint Location, Power, and Decoding Order Optimization
本文研究了一种支持认知无人机（UAV）的物联网（IoT）网络，其中次级/认知IoT设备在主网络的频谱中遵循非正交多址（NOMA）协议将其数据上传到UAV集线器。我们的目标是通过联合优化无人机的位置，发射功率和解码顺序，最大限度地提高物联网设备的最小寿命受到干扰功率约束的存在下，不完美的信道状态信息（CSI）。为了求解非凸混合整数规划问题，首先在给定的解码顺序下，对无人机位置和发射功率进行联合优化，并借助Lagrange对偶获得全局最优解，然后通过穷举搜索获得最佳解码顺序，该方法适用于较小规模的场景。对于大规模的情况下，我们提出了一个低复杂度的次优算法，通过将原问题转化为一个更容易处理的等价形式，并应用连续凸逼近（SCA）技术和罚函数方法。数值结果表明，所提出的设计显着优于基准计划。
2021-10-29 cs.IT math.IT
UAV-Aided Wireless Communication Designs With Propulsion Energy Limitations
本文研究了无人机辅助无线通信系统，其中无人机在感兴趣区域上空飞行时支持多个地面节点的上行通信。在该系统中，考虑了UAV处的推进能量消耗，使得UAV的速度和加速度不应超过某个阈值。我们制定的最小平均速率最大化问题和能源效率（EE）最大化问题，通过联合优化的轨迹，速度和加速度的无人机和上行链路发射功率在GN。由于这些问题是非凸的一般，我们采用逐次凸逼近（SCA）技术。为此，适当的凸逼近的非凸约束，并提出迭代算法收敛到局部最优点。数值结果表明，所提出的算法优于基线计划的两个问题。特别是对于EE最大化问题，所提出的算法表现出约109%的增益超过基线计划。
2018-01-09 cs.IT math.IT
Multi-Beam UAV Communication in Cellular Uplink: Cooperative Interference Cancellation and Sum-Rate Maximization
将无人机（UAV）作为新的空中用户集成到蜂窝网络中是一种很有前途的解决方案，可以满足其在大量应用中不断增长的通信需求。由于无人机高度高，无人机与地面基站（GBS）之间的信道由强视距（LoS）链路支配，因此在上行链路/下行链路中可能会对GBS产生严重的干扰，这使得与共存的地面和空中用户的干扰管理成为更具有挑战性的问题。本文研究了多天线无人机在其信号覆盖区域内与一组基站的上行通信。在这些GBS中，我们将可用的GBS表示为在UAV的所分配的资源块（RB）处不服务于任何地面用户的GBS，并且将占用的GBS表示为在相同RB中服务于它们各自相关联的地面用户的其余GBS。针对多波束无人机上行通信提出了一种新的协作干扰消除策略，该策略的目标是消除每个占用基站处的同频干扰，同时最大化可用基站的和速率。具体地，多天线UAV将多个数据流发送到所选择的可用GBS，所选择的可用GBS继而将其解码的数据流转发到其回程连接的占用GBS以进行干扰消除。为了得出有用的见解，首先表征了在高信噪比（SNR）状态下由多波束UAV通信用于和速率最大化可实现的最大自由度（DoF），其受到所有占用的GBS不遭受UAV的上行链路传输中的任何干扰的严格约束。然后，基于DoF最优设计，在有限SNR下的可实现的和速率被最大化，受到在每个被占用的GBS处给定的最大允许干扰功率约束。
2018-08-01 cs.IT math.IT
Sum-Rate Maximization for IRS-Assisted UAV OFDMA Communication Systems
本文研究了智能反射面（IRS）在基于无人机（UAV）的正交频分多址（OFDMA）通信系统中的应用，利用IRS带来的显著波束形成增益和无人机的高机动性来提高系统的和速率。无人机的轨迹，IRS调度和通信资源分配的联合设计的建议系统被制定为一个非凸优化问题，以最大化系统的和速率，同时考虑到异构的服务质量（QoS）的要求，每个用户。IRS的存在在从无人机到地面用户的复合信道的衰落中引入了频率选择性和空间选择性。为了便于设计，我们首先推导出复合通道的表达式，并提出了一种参数近似方法来建立一个上限和下限的制定问题。设计了一种交替优化算法来处理下限优化问题，并将其性能与通过求解上限问题所获得的基准性能进行了比较。仿真结果揭示了开发的界限和有前途的和速率增益之间的小差距，通过部署在无人机为基础的通信系统中的IRS实现。
2020-10-11 cs.IT 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
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
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
Efficiency Maximization for UAV-Enabled Mobile Relaying Systems with Laser Charging
研究了无人机移动中继系统的功率和轨迹优化联合优化问题。在所考虑的系统中，为了提供方便和可持续的能量供应的无人机继电器，我们考虑部署一个功率信标（PB），可以无线充电的无人机，它是由一个适当设计的激光充电系统来实现。为此，我们提出了一个效率（信息传输过程中的能量效率和无线功率传输效率的加权和）最大化问题，通过优化源/无人机/PB发射功率以及无人机的轨迹。该优化问题还受到实际机动性约束，以及无人机处的信息因果约束和能量因果约束。与常用的交替优化（AO）算法不同，提出了两种联合设计算法，即基于凹凸过程（CCCP）和基于惩罚对偶分解（PDD）的算法，以解决目标函数复杂、具有多比率项和耦合约束的非凸优化问题。这两个非常不同的算法都能够实现原来的效率最大化问题的静态解决方案。仿真结果验证了所提算法的有效性。
2020-02-11 cs.IT eess.SP math.IT
Throughput Maximization for Wireless Communication systems with Backscatter- and Cache-assisted UAV Technology
无人机（UAV）由于其灵活性、机动性和敏捷性，在无线通信系统中得到了广泛的应用。然而，有限的机载电池极大地阻碍了无人机从需要高功耗的有源RF通信的通信任务延长服务时间。幸运的是，高速缓存和反向散射通信（BackCom）是节能通信系统的吸引人的技术。这促使我们调查的无线通信网络与后向散射和缓存辅助无人机技术。我们假设一个无人机与高速缓存存储器部署为飞行的反向散射设备（BD），术语的无人机使能BD（UB），中继源的信号到目的地。此外，无人机可以从源的RF信号中收集能量，然后将其用于向目的地反向散射信息。在这种情况下，我们的目标是最大限度地提高总吞吐量，通过联合优化的动态时间分裂（ESTA）比，后向散射系数，和UB的轨迹与缓存能力在UB对应的线性能量收集（LEH）和非线性能量收集（NLEH）模型。这些公式是麻烦的直接解决，因为它们是混合整数非凸问题。为了找到解决方案，我们将原始问题分解为三个子问题，而我们首先针对给定的后向散射系数和UB的轨迹优化后向散射系数，然后针对给定的后向散射系数和UB的轨迹优化后向散射系数，最后针对给定的后向散射系数和后向散射系数优化UB的轨迹。最后，密集的数值结果表明，我们提出的计划相比，基准计划实现显着的吞吐量增益。
2020-11-17 cs.IT 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
Base-Stations Up in the Air: Multi-UAV Trajectory Control for Min-Rate Maximization in Uplink C-RAN
在本文中，我们研究了无人机（UAV）的轨迹对地面用户的频谱效率（SE）的影响。假设到用户的视线路径很强，从所有用户到所有UAV的距离影响在线轨迹优化的结果。应当以随着时间的推移使公平率最大化的方式来设计轨迹。这意味着，UAV在最大化用户SE的最小值的方向上行进。从自由空间路径损耗信道模型，计算数据速率梯度，并用于引导无人机在一个长期的角度来看，在二维空间网格上的局部最优解。因此，设计了一种控制系统的实现方案。因此，UAV遵循数据速率梯度方向，同时与梯度方法相比具有更平滑的轨迹。该系统可以在线对用户位置的变化做出反应;该系统设计通过中央单元处的联合处理来捕获多个UAV轨迹之间的交互，例如，地面基站。由于用户位置的广泛分布，UAV最终位于彼此相距很远的最佳位置。此外，SE预期在沿着这一轨迹移动的同时不断增强。
2018-11-26 cs.IT eess.SP 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
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
Large-Scale Rate-Splitting Multiple Access in Uplink UAV Networks: Effective Secrecy Throughput Maximization Under Limited Feedback Channel
无人机能够提高下一代无线系统的性能。具体而言，无人机可用作空中基站（UAV-BS），用于支持偏远未覆盖地区或临时需要高容量的环境中的合法地面用户。然而，它们的通信性能容易受到信道估计错误和潜在窃听的影响。因此，我们调查的有效保密吞吐量的无人机辅助上行链路，其中速率分裂多址接入（RSMA）是由每个合法用户的安全传输下的大规模访问的情况下。为了最大限度地提高有效的网络保密吞吐量在上行链路中，传输速率与功率分配的关系制定为一个最大-最小优化问题，依赖于现实的不完美CSI的合法用户和潜在的窃听者（Eves）。然后，我们提出了一种新的变换相关的概率约束解耦的变量，使我们的设计问题可以通过交替激活相关的块坐标体面的规划来解决。在所考虑的模型中，每个用户向UAV-BS发送两个消息的叠加，每个消息具有不同的发送功率，并且UAV-BS使用SIC技术来解码接收到的消息。考虑到问题的非凸性，它被解耦成一对子问题。特别是，我们推导出每个用户的最佳速率分裂分数的封闭形式的表达式。然后，在给定每个用户的最优速率分裂分数的情况下，利用SPCA规划计算每个用户在ε约束下的发射功率。
2022-09-26 cs.IT eess.SP math.IT
Computation Rate Maximization in UAV-Enabled Wireless Powered Mobile-Edge Computing Systems
移动边缘计算（MEC）和无线功率传输（WPT）是两种很有前途的技术，可以增强物联网中无处不在的低功率无线设备的计算能力并延长其操作时间。然而，计算性能和收获的能量显着影响严重的传播损耗。为了解决这一问题，本文研究了一种基于无人机的MEC无线供电系统。研究了在部分计算卸载和二进制计算卸载两种模式下，基于能量收集因果约束和无人机速度约束的无人机MEC无线供电系统的计算速率最大化问题.这些问题是非凸的，解决起来很有挑战性。分别提出了两阶段算法和三阶段交替算法求解公式化问题。导出了最佳中央处理器频率、用户卸载时间和用户发射功率的封闭形式表达式。针对二进制计算卸载模式，提出了用户选择本地计算还是卸载计算任务的最优选择方案。仿真结果表明，我们提出的资源分配方案优于其他基准计划。结果还表明，所提出的方案收敛速度快，具有较低的计算复杂度。
2018-07-17 cs.CE cs.IT cs.NI
Backhaul-Aware Optimization of UAV Base Station Location and Bandwidth Allocation for Profit Maximization
无人机基站（UAVBS）被设想为下一代无线通信网络（WCN）的一个组成部分，通过动态地将供应转向需求。现有技术的一个显著缺点是设计了一种WCN，其中面向服务的性能度量（例如，吞吐量）被优化，而不考虑不同的相关决策，例如联合地确定位置和分配资源。在这项研究中，我们解决无人机基站的位置和带宽分配问题一起优化网络的总利润。特别是，一个混合的非线性规划（MINLP）制定，其中一个单一的UAVBS和带宽分配给用户的位置是共同确定的。目标是在不超过回程和接入容量的情况下最大化总利润。假设从特定用户获得的利润是所提供的数据率水平的分段线性函数，其中较高的数据率水平将产生较高的利润。由于MINLP的高复杂性，我们提出了一个有效的启发式算法具有较低的计算复杂性。我们发现，当无人机基站的位置是确定的，资源分配问题可以减少到一个多维二进制背包问题（MBKP），它可以解决在伪多项式时间。为了利用这种结构，通过在搜索算法中求解几个MBKP来确定最优带宽分配。我们测试了我们的算法的性能与两个questistics和MINLP模型解决了商业求解器。我们的数值结果表明，该算法优于其他解决方案的方法，将是一个有前途的工具，以提高网络的总利润。
2020-02-05 cs.IT cs.NI math.IT
Throughput Maximization for UAV-enabled Integrated Periodic Sensing and Communication
针对UAV使能的ISAC系统中感知与通信需求不对称的问题，提出集成周期性感知与通信机制，通过联合优化UAV轨迹、用户关联、目标感知选择和发射波束成形最大化系统可达速率，并设计基于惩罚的算法高效求解该非凸问题。
2024-12-27 cs.IT eess.SP math.IT
Echo State Learning for Wireless Virtual Reality Resource Allocation in UAV-enabled LTE-U Networks
在本文中，资源管理的问题进行了研究的无线虚拟现实（VR）用户使用无人机（UAV）启用LTE-U网络进行通信的网络。在所研究的模型中，无人机作为VR控制中心，通过无线上行链路从VR用户收集跟踪信息，然后通过LTE-U下行链路将构建的VR图像发送给VR用户。因此，这种启用UAV的LTE-U网络中的资源分配必须联合考虑许可频带和非许可频带上的上行链路和下行链路。在这样的VR设置中，无人机可以动态地调整每个VR图像的图像质量和格式，以改变每个VR图像的数据大小，从而满足延迟要求。因此，资源分配还必须考虑图像质量和格式。这个以VR为中心的资源分配问题被公式化为非合作博弈，该非合作博弈使得能够联合分配授权和未授权频谱带，以及动态适应VR图像质量和格式。针对这一问题，提出了一种基于带漏积分神经元的回声状态网络（ESN）机器学习工具的学习算法。与传统的基于ESN的学习算法不同，该算法可以动态地调整ESN状态的更新速度，因此，它可以使无人机学习其相关的VR用户的连续动态。仿真结果表明，与使用LTE-U的Q学习和使用LTE的Q学习相比，所提出的算法在所有用户的总VR QoE方面实现了高达14%和27.1%的增益。
2017-08-02 cs.IT math.IT
Terahertz Meets Untrusted UAV-Relaying: Minimum Secrecy Energy Efficiency Maximization via Trajectory and Communication Co-design
无人机（UAV）和太赫兹（THz）技术被设想在下一代无线通信中发挥至关重要的作用。在本文中，我们提出了一种新的安全的无人机辅助移动中继系统工作在太赫兹频段的数据采集从多个地面用户设备（UE）对目的地。我们假设，无人机安装的中继可能会采取行动，除了提供中继服务，作为一个潜在的窃听者称为不可信的无人机中继（UUR）。为了保障端到端通信的安全，我们提出了一种安全的两阶段传输策略与合作干扰。然后，我们设计了一个优化框架方面的一个新的措施$-$保密能源效率（SEE），定义为可实现的平均保密率的平均系统功耗的比率，这使我们能够获得尽可能最好的安全级别，同时考虑到UUR的固有的飞行功率限制。为了所有UE之间的服务质量公平性，我们的目标是最大限度地提高最小SEE（MSEE）的性能，通过联合设计的关键系统参数，包括UUR的轨迹和速度，通信调度，和网络功率分配。由于制定的问题是一个混合整数非凸优化和计算上难以处理的，我们将其解耦成四个子问题，并提出替代算法来解决它有效地通过贪婪/顺序块连续凸逼近和非线性分式规划技术。数值结果表明，显着的MSEE性能改善我们的设计相比，其他已知的基准。
2022-02-08 cs.CE cs.IT cs.NI
Common Throughput Maximization in UAV-Enabled OFDMA Systems with Delay Consideration
在未来无线网络中，特别是在临时事件和紧急情况下的按需部署中，使用无人机（UAV）作为通信平台具有重要的现实意义。虽然先前的工作已经表明，通过利用无人机的移动性的性能改善，他们主要集中在延迟容忍的应用。由于延迟要求从根本上限制了UAV的移动性，因此UAV是否能够在延迟受限的通信场景中提供任何性能增益仍然是未知的。出于这一动机，我们在本文中研究了无人机使能的正交频分多址（OFDMA）网络中的无人机被派遣作为一个移动基站（BS），以服务于地面上的一组用户。我们认为最小速率比（MRR）为每个用户，定义为最小的瞬时速率所需的平均可实现的吞吐量，灵活地调整其延迟受限的数据流量的百分比。在给定的用户MRR约束条件下，通过联合优化无人机轨迹和OFDMA资源分配，使所有用户的最小平均吞吐量最大化。首先，我们表明，最大-最小吞吐量一般会随着用户的MRR约束变得更加严格而降低，这揭示了UAV使能通信中的基本吞吐量-延迟权衡。接下来，分别应用连续凸优化和拉格朗日对偶，提出了一种迭代参数辅助的块坐标下降方法，交替优化无人机轨迹和OFDMA资源分配。在此基础上，提出了一种基于简单圆轨迹的无人机轨迹初始化方法。最后，仿真结果验证了我们的理论研究结果，并证明了我们提出的设计的有效性。
2018-01-06 cs.IT math.DS math.HO
Exploiting Deep Reinforcement Learning for Edge Caching in Cell-Free Massive MIMO Systems
针对铁路无线通信中无蜂窝大规模MIMO系统因传播环境剧变导致内容交付时延高的问题，提出基于启发式凸优化和结合SAC的深度强化学习的边缘缓存算法，有效提升了QoE与内容命中率。
2024-09-11 cs.AI cs.IT math.IT
Taming the latency in multi-user VR 360$^\circ$: A QoE-aware deep learning-aided multicast framework
沉浸式虚拟现实（VR）应用需要超高数据率和低延迟以实现平稳操作。因此，在本文中，旨在改善多用户VR无线视频流中的VR体验，提出了一种深度学习辅助方案，用于最大限度地提高低延迟交付视频块的质量。其中，预测的视场（FoV）和观看360 $^\circ$ HD VR视频的观看者的位置的相关性被利用来实现主动的以FoV为中心的毫米波（mmWave）物理层多播传输。该问题被视为一个帧质量最大化问题，受到严格的延迟约束和网络稳定性。然后，该问题被解耦成一个HD帧请求准入和调度子问题和匹配理论游戏制定解决的调度子问题相关联的请求从集群的用户毫米波小小区基站（SBS）的单播/组播传输。此外，为了逼真的建模和仿真目的，利用了真实的VR头部跟踪数据集和基于门控递归单元（GRU）的深度递归神经网络（DRNN）。大量的仿真结果表明，内容重用的用户群高度重叠的FoV带来的组播减少VR帧延迟在12%。主动性进一步推动了这种减少，主动性将反应式单播和多播基线的平均延迟减少了一半，同时将HD传输率保持在98%以上。最后，强制执行严格的延迟界限缩短了延迟尾部，如第99百分位数中13%的低延迟所示。
2020-01-10 cs.IT 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
Quantum Annealing-Based Sum Rate Maximization for Multi-UAV-Aided Wireless Networks
针对多无人机辅助无线网络，提出基于量子退火的联合聚类、子信道与功率分配算法，以最大化总速率，仿真验证其有效性与运行时间优势。
2025-02-25 cs.IT eess.SP math.IT
Energy-Efficient UAV Communication with Trajectory Optimization
与无人机的无线通信是未来通信系统的一项重要技术。在本文中，我们研究了节能的无人机与地面终端通信，通过优化无人机的轨迹，一个新的设计范式，联合考虑通信吞吐量和无人机的能量消耗。为此，我们首先推导出一个理论模型上的推进能量消耗的固定翼无人机的飞行速度，方向和加速度的函数，在此基础上的无人机通信的能量效率的定义。然后，对于无约束的轨迹优化的情况下，我们表明，无论是速率最大化和能量最小化的设计导致消失的能量效率，从而在一般情况下是能源效率低下。接下来，我们介绍了一种实用的圆形无人机轨迹，在该轨迹下，无人机的飞行半径和速度被优化，以最大限度地提高通信的能量效率。此外，提出了一种有效的设计，以最大限度地提高无人机的能量效率，其轨迹上的一般约束，包括其初始/最终位置和速度，以及最大速度和加速度。数值结果表明，与其他基准方案相比，所提出的设计实现了显着更高的能量效率的无人机通信。
2016-08-05 cs.IT math.IT
UAV Trajectory Optimization and Tracking for User Localization in Wireless Networks
针对无线网络中UAV辅助的用户定位问题，提出一种基于期望最大化最小二乘法的SLAM框架，联合实现用户定位与UAV跟踪，并优化UAV轨迹以显著提升定位精度。
2023-05-24 cs.IT math.IT
Joint Power Allocation and Placement Scheme for UAV-assisted IoT with QoS Guarantee
本文针对无人机辅助物联网中多样化QoS需求与覆盖问题，提出QDPA功率分配和DRMP部署算法，并进一步设计JPAP联合方案，以最少无人机数量实现平均数据速率最大化。
2024-08-02 cs.IT math.IT
A UAV-Mounted Free Space Optical Communication: Trajectory Optimization for Flight Time
在这项工作中，我们解决了轨迹优化的固定翼无人机（UAV）使用自由空间光通信（FSOC）。在这里，我们专注于最大限度地提高无人机的飞行时间，考虑无线无人机通信的实际约束，包括有限的推进能量和所需的数据率。我们在各种大气环境中找到优化的轨迹（例如，中雾和大雾条件），同时还考虑FSOC的通道特性。除了最大化飞行时间外，我们还考虑能源效率最大化和运营时间最小化问题，以找到满足这些约束所需的次优解决方案。此外，我们引入了一个低复杂度的方法，建议的框架。为了解决优化问题，我们进行了二分法和顺序规划，并引入了一个新的可行性检查算法。虽然我们的设计考虑了次优解，由于问题的非凸性，我们的模拟表明，该方案表现出约44.12%的服务时间方面的增益相比，传统的计划。
2019-12-17 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
Receding Horizon Optimization for Energy-Efficient UAV Communication
在这封信中，我们研究了一个无线通信系统与固定翼无人机（UAV）雇用收集信息，从一组地面节点（GN）。我们的目标是最大限度地提高无人机的能源效率（EE），这是定义为所有的GN之间的每单位推进能量消耗的无人机的可实现率。为了有效地解决这一问题的连续时间函数，我们提出了一种新的方法，滚动时域优化（RHO），显着降低了计算复杂性相比，传统的时间离散化方法。具体来说，我们顺序解决EE最大化问题的移动时间窗口的有限持续时间，其中每个优化变量的数量大大减少。仿真结果表明了该方法的有效性。
2019-07-24 cs.IT eess.SP 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
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
Cellular-Connected UAV with Adaptive Air-to-Ground Interference Cancellation and Trajectory Optimization
针对蜂窝连接无人机的空对地同信道干扰问题，提出自适应干扰消除结合轨迹与资源联合优化的方案，通过交替优化和SCA算法求解，显著提升了无人机吞吐量。
2022-03-29 cs.IT math.IT
Predictive Position Control for Movable Antenna Arrays in UAV Communications: A Spatio-Temporal Transformer-LSTM Framework
针对无人机通信中可移动天线移动性与机械延迟不匹配问题，提出基于保密速率最大化与Transformer-LSTM时空预测的MA-UAV协同控制框架，显著提升了天线位置预测精度与通信可靠性。
2025-08-14 cs.IT 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
UAV-Enabled Short-Packet Communication via Fluid Antenna Systems
University College London（伦敦大学学院）；Yonsei University（延世大学）；Xi’an Jiaotong University（西安交通大学）；Southeast University（东南大学）；City University of Hong Kong（香港城市大学）
本文提出利用流天线系统优化无人机辅助短包通信的能量效率，通过分析块误码率和系统开销，揭示了最优FAS端口数和无人机部署高度的权衡。
2026-02-05 cs.IT 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
Improving PHY-Security of UAV-Enabled Transmission with Wireless Energy Harvesting: Robust Trajectory Design and Communications Resource Allocation
在本文中，我们考虑一个无人机（UAV）辅助通信系统，包括两个合作的无人机，一个无线供电的地面目的地节点，利用同步无线信息和功率传输（SWIPT）技术，和地面被动窃听。一架无人机向目的地提供机密信息，另一架无人机发送干扰信号以防止窃听并协助目的地进行能量收集。假设无人机具有窃听者位置的部分信息，分别针对干扰信号在目的地先验已知和未知的情况，提出了两种传输方案：友好无人机干扰（FUJ）和高斯干扰传输（GJT）。然后，我们制定了一个平均保密率最大化问题，以联合优化无人机的发射功率和轨迹，以及目的地的功率分配比。由于非凸，因此难以解决制定的问题，我们提出了一个计算效率高的迭代算法的基础上块坐标下降和逐次凸逼近，以获得一个次优解。最后，数值结果证实了我们提出的多无人机计划的有效性，与其他现有的基准。具体来说，我们发现，FUJ表现出显着的保密性能改善的最佳瞬时和平均保密率相比，GJT和传统的单无人机对应。
2020-04-13 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
Fluid Antenna System-Enabled UAV Communications in the Finite Blocklength Regime
本文提出了一种基于流体天线系统的无人机通信框架，通过分析有限块长 regime 下的性能，解决了能量效率和部署策略优化问题。
2025-11-26 cs.IT math.IT
Joint Beamforming and Location Optimization for Secure Data Collection in Wireless Sensor Networks with UAV-Carried Intelligent Reflecting Surface
研究了无线传感器网络中无人机携带的智能反射面（IRS）的安全数据汇集问题。一个窃听者（Eve）潜伏在主接收器（Bob）附近，而几个随机放置的传感器节点协同波束形成到无人机携带的IRS，将信号反射到主接收器（Bob）。设计目标是通过联合优化传感器节点的协作波束形成权重、无人机的轨迹和IRS元件的反射系数来最大化噪声通信信道中可实现的保密率。通过设计IRS反射系数与窃听者的信道的知识，我们开发了一个非迭代的次优解的保密率最大化问题。分析表明，无人机飞行时间和传感器节点分布的随机性，通过改变传感器分布区域，可以极大地影响保密性能。此外，还导出了IRS辅助噪声通信信道的最大允许IRS单元数以及可达到的平均保密率的界。大量的仿真结果表明，所提出的算法相比，现有的计划具有优越的性能。
2021-01-17 cs.CR cs.IT 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
Throughput Maximization of Network-Coded and Multi-Level Cache-Enabled Heterogeneous Network
支持多级缓存（MLCE）的网络的最大优势之一是将内容推到网络边缘附近，并在多个发射机处主动缓存它们（即，小型基站（SBS）、无人驾驶飞行器（UAV）和启用高速缓存的设备到设备（CE-D2 D）用户）。因此，减轻了核心网络与大量发射机之间的前传拥塞。为了这个目标，我们利用网络编码（NC）调度一组用户到同一个发射机。针对这一点，我们考虑吞吐量最大化问题，优化联合网络编码的用户调度和功率分配，受到前传容量，发射功率和NC约束。鉴于问题的棘手性，我们将其解耦为两个独立的子问题。在第一个子问题中，我们考虑了网络编码的用户调度问题，对于给定的功率分配，而在第二子问题中，我们使用NC产生的用户调度优化的功率水平。我们设计了一个创新的\textit{two-layered rate-aware NC (RA-IDNC)}图来解决第一个子问题，并使用迭代函数评估（IFE）的方法来评估第二子问题。仿真结果描绘的吞吐量增益所提出的方法在现有的解决方案。
2021-02-05 cs.IT math.IT
Machine-Learning Beam Tracking and Weight Optimization for mmWave Multi-UAV Links
毫米波（mmWave）混合模拟数字波束形成是一种很有前途的方法，可以满足多无人机（UAV）系统的低延迟约束，作为灵活部署的网络基础设施。然而，在高度动态的多无人机环境中，模拟波束跟踪成为一个关键的挑战。以频谱效率为代价的额外导频传输的开销被证明是必要的，以实现操作中的高弹性。一种处理UAV的高动态的有效方法将机器学习，特别是Q学习应用于模拟波束跟踪。所提出的基于Q学习的波束跟踪方案使用当前/过去的观测来设计来自环境的奖励以促进预测，这显著地提高了数据传输和波束切换的效率。给定所选择的模拟波束，数字波束成形的目标是最大化SINR。接收到的导频信号被用来近似期望的信号和干扰功率，这产生SINR测量以及最佳数字权重。由于基于接收功率选择的模拟波束不能保证混合波束形成实现最大化SINR，因此我们在波束跟踪期间保留额外的模拟波束作为候选。模拟波束与其数字权重的组合实现最大SINR，从而为混合波束形成提供了最佳解决方案。
2019-10-29 cs.IT eess.SP math.IT
MAESTRO-X: Distributed Orchestration of Rotary-Wing UAV-Relay Swarms
这项工作详细介绍了一个可扩展的框架，以协调一群旋转翼无人机作为蜂窝中继，以促进地面用户的超视距连接和流量卸载。首先，针对单架无人机开发了多尺度自适应能量敏感调度和轨迹优化（MAESTRO）框架。以最小化服务用户请求的时间平均延迟为目标，在平均无人机功率约束条件下，该优化问题可以转化为一个半马尔可夫决策过程，并表现出多尺度结构：外部作用于径向等待速度和终端服务位置的行为最小化长期延迟-功率权衡，通过数值迭代进行优化;给定这些外部动作，对角等待速度和服务轨迹的内部动作使短期延迟能量成本最小化。在内部优化中，提出了一种新的分层竞争群优化算法，通过迭代两两更新来设计高分辨率的轨迹。接下来，MAESTRO通过可扩展的策略复制扩展到无人机群（MAESTRO-X）：通过分散的命令和控制网络，最佳的单代理策略通过扩展最大化，共识驱动的冲突解决，自适应频率重用和捎带来增强。数值仿真结果表明，对于10 Mbits的用户请求，MAESTRO算法比高空平台快3.8倍，比静态无人机部署快29%;对于3个无人机中继的集群，MAESTRO-X算法比连续凸近似算法快4.7倍;值得注意的是，通过MAESTRO优化的一架无人机比通过深度Q网络优化的3架无人机高出38%。
2023-02-05 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
On the Energy Efficiency of THz-NOMA enhanced UAV Cooperative Network with SWIPT
针对THz频段SWIPT辅助的无人机协作网络，提出通过联合优化NOMA功率分配系数、SWIPT功率分割比和无人机轨迹来最大化能效的两阶段交替优化方案，经数值验证优于多种基准方案。
2023-11-06 cs.IT eess.SP math.IT
Dual-UAV-Enabled Secure Communication and Sensing for A2G-ISAC Systems with Maneuverable Jamming
本文针对空地一体化感知与通信系统，提出双无人机协同的安全通信与感知方案，通过联合优化轨迹与波束成形提升平均保密速率与感知性能，采用分阶段优化结合多种凸优化技术求解非凸问题。
2025-05-18 cs.IT eess.SP math.IT
Hybrid Offline-Online Design for UAV-Enabled Data Harvesting in Probabilistic LoS Channel
该文研究了一种基于无人机（UAV）的城市无线传感器网络（WSN），部署一架无人机在给定时间内从分布式传感器节点（SN）收集数据。为了表征无人机与SN之间偶尔发生的建筑物阻塞，采用仿真与数据回归相结合的方法，构建了曼哈顿型城市的概率视距（LoS）信道模型，该模型以UAV-SN仰角的广义Logistic函数的形式表示。我们假设只有SN的位置和概率LoS信道模型的知识是先验的，而无人机可以获得瞬时的LoS/Non-LoS信道状态信息（CSI）与SN在其飞行过程中的实时的。我们的目标是最大限度地提高无人机所有SN的最小（平均）数据汇集率。为此，我们制定了一个新的速率最大化问题，通过联合优化无人机的三维（3D）轨迹和传输调度的SN。虽然最优解是棘手的，由于缺乏完整的UAV-SNs CSI，我们在本文中提出了一种新的和一般的设计方法，称为混合离线-在线优化，以获得一个次优的解决方案，利用统计和实时CSI。从本质上讲，我们提出的方法将无人机轨迹和通信调度的联合设计分为两个阶段：即，离线阶段，其基于概率LoS信道模型在UAV飞行之前确定UAV路径，接着是在线阶段，在线阶段自适应地调整沿着离线优化路径的UAV飞行速度以及基于瞬时UAV的通信调度。SN CSI和SN的累积接收的个体数据量。
2020-01-02 cs.IT cs.NI math.IT
Multi-objective Optimization for Data Collection in UAV-assisted Agricultural IoT
本研究提出无人机辅助农业物联网数据采集的多目标优化问题，并设计改进的多目标人工蜂鸟算法协同优化悬停位置、访问顺序、速度和发射功率，以同时最大化最小传输速率并最小化设备与无人机能耗。
2024-03-03 cs.IT eess.SP math.IT
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
Can Movable Antenna-enabled Micro-Mobility Replace UAV-enabled Macro-Mobility? A Physical Layer Security Perspective
本文从物理层安全角度比较可移动天线微移动与无人机宏移动，发现前者在低功耗下更优，后者在资源充足时更佳，并提出混合方案以平衡安全与效率。
2025-06-24 cs.IT eess.SP math.IT
NOMA for STAR-RIS Assisted UAV Networks
本文提出STAR-RIS辅助UAV NOMA应急通信网络架构，联合优化UAV轨迹、无源波束赋形及资源分配以最大化吞吐量，并设计LRCPPO算法求解该长期约束优化问题，显著提升了网络性能。
2023-07-05 cs.ET cs.IT eess.SP
