Machine Learning for Predictive On-Demand Deployment of UAVs for Wireless Communications
在本文中，提出了一种新的机器学习（ML）框架，使无人机（UAV），作为空中基站（BS）的预测，有效的部署，提供按需无线服务的蜂窝用户。为了对蜂窝网络流量进行全面的分析，提出了一种基于高斯混合模型（GMM）和加权期望最大化（WEM）算法的ML框架来预测潜在的网络拥塞。然后，基于预测的蜂窝业务量，研究了在满足下行链路用户通信需求的同时，使无人机移动所需功率最小的无人机优化部署问题。为此，首先，基于公平性原则，导出每个UAV的服务区的最优划分。接下来，推导出使总功耗最小化的每个UAV的最佳位置。仿真结果表明，与无最大似然预测的无人机优化部署相比，该方法可以降低所需的下行发射功率，提高功率效率20%以上。
2018-04-30 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
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
Resource Allocation for Secure Multi-UAV Communication Systems with Multi-Eavesdropper
在本文中，我们研究的资源分配和轨迹设计的安全无人机（UAV）启用的通信系统，其中多个多用途的无人机基站被派遣提供安全的通信，以多个合法的地面用户（GU）存在多个窃听者（Eves）。具体地，通过利用正交频分多址（OFDMA），活动的UAV基站可以经由所分配的子载波与其期望的地面用户通信，而空闲的UAV基站可以同时用作干扰器以用于通信安全性提供。为了实现安全通信中的公平性，通过联合优化通信/干扰子载波分配策略和无人机飞行轨迹，同时考虑多无人机之间的最小安全距离、最大巡航速度、初始/最终位置以及圆柱形禁飞区（NFZ）的存在等约束条件，最大化每个用户的平均最小保密率.该设计被配制成一个混合整数非凸优化问题，这是一般棘手的。随后，提出了一种计算效率高的迭代算法来获得次优解。仿真结果表明，所提出的迭代算法的性能可以显着提高平均最小保密率相比，各种基线方案。
2020-03-16 cs.IT eess.SP math.IT
Performance Analysis of RIS-Assisted UAV Communication in NOMA Networks
本文针对RIS增强的NOMA无人机下行通信场景，分析三类链路的衰落特性并推导SNR的CDF闭式解，提出RUOM算法优化功率分配与RIS单元数，有效提升通信公平性与效率。
2025-10-02 cs.IT math.IT
The Meta Distribution of SINR in UAV-Assisted Cellular Networks
在无人机（UAV）上安装紧凑、轻便的基站是一种具有成本效益且灵活的解决方案，可在现有地面网络上提供无缝覆盖。虽然无人机辅助蜂窝网络的覆盖概率已经得到了广泛的研究，它只提供了信号与干扰加噪声比（SINR）的一阶统计。在本文中，分析高阶统计的信干噪比和特征的差异之间的各个环节，我们提供了一个Meta分布（MD）为基础的分析框架，无人机辅助蜂窝网络，其中的概率视距信道和现实的天线方向图考虑到空到地传输。为了准确地描述无人机干扰，我们放宽了广泛应用的均匀离轴角（OBA）假设，并推导出OBA的精确分布。使用随机几何，可操纵和垂直天线的情况下，我们获得数学表达式的时刻的条件成功概率，SINR MD，和平均本地延迟。此外，我们还研究了网络密度趋于无穷大时矩的渐近行为。数值结果验证了理论结果的严密性，并表明一致OBA假设低估了网络性能，特别是在无人机的中等高度区域。我们还表明，当无人机配备可操纵天线，网络覆盖和用户公平性可以同时优化通过仔细调整无人机参数。
2023-01-30 cs.IT eess.SP math.IT
Analysis of UAV Communications in Cell-Free Massive MIMO systems
我们研究支持无人机（UAV）通信通过一个无小区的大规模MIMO架构，其中大量的接入点（AP）部署在大的共址大规模MIMO阵列的地方。我们还考虑通过应用以用户为中心的关联方法，其中每个用户仅从网络中的AP的子集中获得服务的纯无小区架构的变化。在一般的假设下，移动台之间的传播信道，无论是无人机或地面用户（GUE），和AP遵循莱斯分布，我们推导出封闭形式的频谱效率下限的上行链路和下行链路的线性最小均方误差信道估计。我们考虑了几种功率分配和用户调度策略，这样的系统，而且，在这些，也最小速率最大化的功率分配策略，以提高系统的公平性。我们的数值结果表明，无小区的大规模MIMO架构及其低复杂度的以用户为中心的替代方案可以提供比传统的多小区大规模MIMO网络部署更好的性能。
2020-01-10 cs.IT eess.SP 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
Energy-aware Trajectory Optimization for UAV-mounted RIS and Full-duplex Relay
针对6G场景下搭载RIS或FDR的无人机动态调整位置带来的能耗挑战，本文建立两类无人机的能耗模型，提出联合TDMA调度与轨迹的能量感知优化方案，在保障机载能量约束下最大化网络最小速率，并通过仿真验证了能量考量的重要性及两类方案的性能差异。
2024-04-15 cs.IT eess.SP 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
Mathematical Cell Deployment Optimization for Capacity and Coverage of Ground and UAV Users
提出受量化理论启发的通用数学框架，优化无线网络小区部署与天线配置，支持确定性节点和3D异构用户，证实联合优化BSs位置与天线参数能显著提升UAV服务且不影响GUE性能。
2025-02-02 cs.IT eess.SP math.IT
Exploring the Interplay of Interference and Queues in Unlicensed Spectrum Bands for UAV Networks
本文提出分析框架研究非授权频段无人机网络中信号干扰与传输队列的相互作用，推导了基于信道衰落阈值$β$的数据包丢弃概率闭式表达式及总丢包率，揭示了其在平衡丢包与传输错误权衡中的作用。
2023-11-24 cs.IT eess.SP math.IT
UAV-Enabled Data Collection for IoT Networks via Rainbow Learning
针对多天线UAV采集多地面物联网节点数据的问题，提出双环 Rainbow 学习算法联合优化轨迹、调度、功率与接收波束成形，显著提升总采集量、能效和公平性。
2025-06-11 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
Outage Balancing in Downlink Non-Orthogonal Multiple Access With Statistical Channel State Information
本文研究了一种下行非正交多址接入（NOMA）系统，在该系统中，信源根据发送端的统计信道状态信息，以目标数据率向用户发送独立的信息。研究了用户间的中断平衡问题，考虑了功率分配、解码顺序选择和用户分组等问题。具体而言，关于最大最小公平性准则，我们推导出最佳功率分配的封闭形式，并证明了相应的最佳解码顺序的基本下行NOMA系统。通过为每个用户分配一个加权因子，分析结果可以用来评估下行NOMA系统在各种公平性约束下的中断性能。此外，我们调查的情况下，与用户分组，其中每个用户组可以被视为一个基本的下行链路NOMA系统。解决了不同用户组之间的功率和资源分配的相关问题。NOMA的实现复杂度问题也被认为是重点所造成的连续干扰消除和用户分组。通过仿真分析了该算法的复杂度和性能折衷，为NOMA的实际应用提供了有益的启示。仿真结果证实了我们的分析，并显示相当大的性能增益NOMA相比，正交多址。
2015-07-16 cs.IT math.IT
Air-to-Ground Communications Beyond 5G: CoMP Handoff Management in UAV Network
本文针对UAV网络中的移动性CoMP传输问题，基于泊松-德劳内三角剖分理论设计了一种高效的CoMP传输与切换管理策略，显著降低了搜索开销和系统资源成本，并提升了网络覆盖性能。
2024-10-12 cs.IT math.IT
Optimization of UAV Heading for the Ground-to-Air Uplink
在本文中，我们考虑了一组单天线地面节点与多天线无人机（UAV）通过多址地对空无线通信链路进行通信。UAV使用波束形成来减轻用户间干扰并实现空分多址（SDMA）。首先，我们考虑了一个简单的场景，两个静态的地面节点和分析调查的无人机航向对系统的和速率的影响。然后，我们研究了一个更一般的设置与多个移动地面终端，并开发了一种算法，用于动态调整无人机的航向，以最大限度地提高上行链路信道的遍历和速率的下限，使用卡尔曼滤波器跟踪移动地面节点的位置。用户之间的公平性可以通过用与其平均数据率成反比的因子对每个用户的遍历率的界限进行加权来保证。对于常见的情况下，一个高$K$ -因素的信道存在于地面节点和无人机之间，我们使用的渐近分析，以找到简化版本的算法，低和高信噪比。我们目前的仿真结果表明，适应无人机航向，以优化上行链路通信性能的好处。仿真结果也表明，简化算法执行近最优性能。
2012-04-04 cs.IT math.IT
Wireless Communication using Unmanned Aerial Vehicles (UAVs): Optimal Transport Theory for Hover Time Optimization
本文研究了如何有效利用飞行时间受限的无人机（UAV）作为飞行基站，为地面用户提供无线服务。特别地，提出了一种用于优化这种基于UAV的无线系统在传输给用户的平均比特数（数据服务）以及UAV的悬停持续时间（即飞行时间）方面的性能的新框架。在所考虑的模型中，无人机悬停在一个给定的地理区域，以服务于地面用户分布在该区域内的基础上的任意空间分布函数。在这种情况下，考虑两种实际情况。在第一种情况下，基于UAV的最大可能悬停时间，通过找到与UAV相关联的最佳小区分区来最大化在公平资源分配方案下递送给用户的平均数据服务。利用最优运输理论的数学框架，提出了一种基于用户分布、悬停次数和无人机位置的地理区域最优划分算法。在第二种情况下，给定地面用户的负载要求，无人机完全服务于地面用户所需的最小平均悬停时间。为此，首先，提出了一种用于服务用户的最优带宽分配方案。然后，给出了这种最优带宽分配，最优小区分区与无人机推导出利用最优运输理论。结果表明，我们提出的小区划分方法导致一个显着更高的公平性相比，经典的加权沃罗诺伊图的用户。此外，我们的研究结果揭示了一个内在的权衡之间的悬停时间的无人机和带宽效率，同时服务于地面用户。
2017-04-16 cs.IT math.IT
UAV Trajectory, User Association and Power Control for Multi-UAV Enabled Energy Harvesting Communications: Offline Design and Online Reinforcement Learning
在本文中，我们考虑多个太阳能供电的无线节点，利用收集的太阳能传输收集到的数据到多个无人机（UAV）在上行链路。在这种情况下，我们共同设计无人机飞行轨迹，无人机节点通信协会，和上行链路功率控制，有效地利用收获的能量和管理同信道干扰在有限的时间范围内。为了保证无线节点的公平性，设计目标是最大化最差用户速率。联合设计问题是高度非凸的，并且需要瞬时能量状态信息（ESI）和信道状态信息（CSI）的因果（未来）知识，这在现实中是难以预测的。为了克服这些挑战，我们提出了一个离线的方法，基于凸优化，只利用平均ESI和CSI。该问题由三个凸子问题和逐次凸逼近（SCA）和交替优化来解决。我们进一步设计了一个在线凸辅助强化学习（CARL）方法，以提高系统的性能的基础上实时的环境信息。与传统的强化学习（RL）方法相比，提出了基于最优离线无人机轨迹的多无人机调节飞行走廊的思想，避免了无人机不必要的飞行探索，提高了学习效率和系统性能。通过计算机模拟验证了所提方法的有效性。所提出的CARL方法提供了25%和12%的改善最差的用户率在离线和传统的RL方法。
2022-07-21 cs.IT cs.NI math.IT
Multi-UAV Trajectory Design for Fair and Secure Communication
本文针对多无人机辅助通信系统中的移动空中窃听威胁，提出一种两步优化方法，先利用K-means聚类用户，再采用多智能体深度确定性策略梯度算法设计轨迹，在公平性和能耗约束下最大化公平总保密吞吐量。
2024-06-09 cs.IT math.IT
AoI-aware Sensing Scheduling and Trajectory Optimization for Multi-UAV-assisted Wireless Backscatter Networks
本文针对多无人机辅助无线反向散射网络，提出AoI-STO算法，联合优化地面用户接入控制、无人机波束成形与轨迹规划，将长期AoI最小化问题转化为逐时隙控制问题，仿真显示总体AoI降低50%以上并显著提升调度公平性。
2024-04-30 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
