Channel Knowledge Map (CKM)-Assisted Multi-UAV Wireless Network: CKM Construction and UAV Placement
信道知识地图（CKM）是近年来出现的一种用于无人机（UAV）通信布局和轨迹优化的知识地图。本文研究了一种CKM辅助的多无人机无线网络，重点是CKM的构建和使用多无人机布局优化。首先，我们考虑CKM建设问题时，只有有限数量的点的数据测量。为此，我们利用数据驱动的插值技术来构建CKM来表征信号传播环境。其次，研究了多无人机布局优化问题，即多无人机以最大化其与地面基站的加权和速率为目标，利用所构造的CKM进行布局优化。然而，基于CKM的速率函数通常是不可微的。针对这一问题，提出了一种新的基于无导数优化的迭代算法，该算法通过迭代构造一系列二次函数，在一定的插值条件下逼近目标函数，并在信赖域约束下最大化逼近函数，从而更新无人机的布局位置.最后，数值结果验证了所提出的设计达到了接近最优的性能，但具有更低的实现复杂度。
2022-07-05 cs.IT eess.SP math.IT
Secure UAV Communication with Cooperative Jamming and Trajectory Control
提出了一种新的协同干扰方法，通过利用附近无人机的干扰来防止窃听，从而保证无人机的通信安全。特别是，我们考虑了两个无人机的情况下，一个无人机发射机提供的机密信息的地面节点（GN），和其他无人机干扰机合作发送人工噪声（AN）混淆地面窃听保护数据传输的机密性。通过利用完全可控的移动性，这两个无人机可以随着时间的推移自适应地调整它们的位置（也称为位置调整）。轨迹）以促进安全通信和合作干扰。我们假设两台无人机完全知道GN的位置，并且部分知道窃听者的位置{ \emph{a-priori} }。在这种设置下，我们最大限度地提高平均保密率从无人机发射机到GN在一个特定的时间段内，通过优化无人机的轨迹，连同他们的通信/干扰功率分配。虽然制定的问题是非凸的，我们提出了一个有效的解决方案，通过应用交替优化和逐次凸逼近（SCA）的技术。
2018-12-17 cs.IT math.IT
Derivative-Free Placement Optimization for Multi-UAV Wireless Networks with Channel Knowledge Map
研究了一种多无人机无线网络，在该网络中，多个无人机用户共享同一频谱，向各自关联的地面基站（GBS）发送各自的消息。无人机用户的目标是优化他们的位置，以最大限度地提高加权和率。虽然大多数现有的工作考虑简化的视线（LoS）或统计空对地（A2G）信道模型，我们利用特定位置的信道知识地图（CKM），以提高在实践中的布局性能。然而，由于CKM通常包含离散的站点和位置特定的信道数据而没有分析模型函数，因此相应的加权和速率函数通常变得不可微。在这种情况下，传统的优化技术依赖于函数导数是不适用的，以解决所产生的布局优化问题。为了解决这个问题，我们提出了一种新的迭代算法的基础上的导数自由优化。在每次迭代中，首先构造一个二次函数来近似不可微的加权和速率，然后在信赖域约束下最大化近似二次函数来更新无人机的布局位置。数值结果表明了该算法的收敛性。仿真结果表明，该算法的加权求和率接近基于穷举搜索的最优设计，且实现复杂度低得多，显著优于基于简化的LoS信道模型的传统优化方法和基于无人机悬停在其相关GBS上方的启发式设计。
2022-03-11 cs.IT math.IT
CoMP in the Sky: UAV Placement and Movement Optimization for Multi-User Communications
在无人机（UAV）技术最新发展的推动下，提出了一种新的\emph{coordinate multipoint (CoMP) in the sky}无线网络架构，以充分利用CoMP技术的干扰抑制优势和UAV的高移动性。具体而言，我们考虑在多无人机使能的多用户系统中的上行链路通信，其中每个无人机将其从所有地面用户接收的信号转发到中央处理器（CP）进行联合解码。此外，我们考虑的情况下，用户可能会在地面上移动，因此无人机需要调整自己的位置，根据用户的位置随着时间的推移，以最大限度地提高网络吞吐量。利用随机矩阵理论，我们首先在封闭形式的一组近似的上限和下限的用户的可达到的速率在每个时间情节下的一个现实的视线（LoS）信道模型与随机相位，这是非常紧密的分析和数值。然后，基于导出的界限来优化不同情节上的UAV放置和移动，以针对（当前和未来情节的）完整信息和关于用户移动的当前信息的两种情况，最大化所有情节上的用户平均可实现速率的最小值。有趣的是，它表明，每个无人机在任何特定的情节的优化位置是地面用户在当前情节的位置以及它自己的位置在前一个和/或下一个情节的加权平均值。最后，仿真结果提供了不同的实际应用场景下，验证和比较所提出的无人机布局和运动设计的性能。
2018-02-28 cs.IT math.IT
Satellite- and Cache-assisted UAV: A Joint Cache Placement, Resource Allocation, and Trajectory Optimization for 6G Aerial Networks
本文考虑了LEO卫星和缓存辅助的无人机通信在地面网络中的内容交付，这表明了下一代系统提供无处不在的连接和高容量的巨大潜力。具体地，由UAV提供缓存以减少回程拥塞，并且LEO卫星支持UAV的回程链路。在这种情况下，我们的目标是最大限度地提高每个地面用户（GU）的最小可实现的吞吐量，通过联合优化缓存的位置，无人机的资源分配，和轨迹，而缓存容量和飞行时间是有限的。公式化的问题是具有挑战性的直接解决，由于其非凸性和组合性质。将该问题分解为三个子问题：（1）在无人机资源和轨迹固定的情况下，缓存布局优化问题;（2）在无人机资源和轨迹固定的情况下，缓存布局优化问题;（3）在无人机资源和轨迹固定的情况下，缓存布局优化问题。在子问题解的基础上，利用块坐标下降法（BCD）和逐次凸逼近法（SCA）提出了一种有效的交替算法。仿真结果表明，最大最小吞吐量和总的可实现吞吐量的提高，应用我们提出的算法，而不是其他基准计划。
2021-06-09 cs.IT eess.SP math.IT
Randomized Caching in Cooperative UAV-Enabled Fog-RAN
我们认为一个无人机启用（无人机启用）雾无线电接入网络（F-RAN）中，无人机被认为是飞行远程无线电头（RRH）配备缓存和合作通信能力。我们主要关注的是概率/随机的内容放置策略，并相应地制定内容放置作为一个优化问题。然后，我们通过评估平均系统容量和其能量效率来研究所提出的内容放置的效率。我们的研究结果表明，合作通信中起着至关重要的作用，无人机使能的边缘通信，因为它有效地抑制了主要的视线（LOS）接收干扰的影响。还可以看出，协同缓存使能的UAV F-RAN在高层环境中比密集的城市和郊区环境中表现得更好。这是由于高层建筑物的阻挡显著降低了接收到的LOS干扰，以及协作通信对参与信号的性能增益。比较性能的内容放置策略和传统的缓存技术表明，我们提出的概率/随机缓存优于其他在大多数的实际情况下。
2019-02-22 cs.IT math.IT
Uplink Cooperative NOMA for Cellular-Connected UAV
空地干扰抑制是蜂窝连接无人机通信中的一个挑战性问题。由于强视距（LoS）空对地（A2 G）信道，UAV可能对蜂窝基站（BS）施加/遭受比地面用户更严重的上行链路/下行链路干扰。为了解决这一挑战，我们建议应用非正交多址接入（NOMA）技术的上行链路通信从无人机蜂窝基站，频谱共享与现有的地面用户。然而，对于我们考虑的系统，传统的NOMA与本地干扰消除（IC），称为非合作NOMA，可以提供非常有限的增益相比，OMA。这是因为由于LoS A2 G信道而存在许多同信道BS，并且因此UAV的速率性能受到具有与UAV的最差信道条件的BS的严重限制。为了提高无人机的可达速率，提出了一种利用基站间回程链路的协作NOMA方案。具体地，选择具有较好信道条件的一些BS来首先解码UAV的信号，然后将解码的信号转发到其回程连接的BS以用于IC。为了研究合作NOMA的最优设计，我们最大化的无人机和地面用户的加权和速率，通过联合优化无人机的速率和功率分配在多个资源块。然而，这个问题很难得到最佳解决。为了获得有用的见解，我们首先考虑两种特殊情况下的自私和利他的无人机传输策略，分别，并解决其相应的问题最优。接下来，我们考虑一般情况下，并提出了一个有效的次优解决方案，通过交替优化。数值结果表明，建议的合作NOMA产生显着的吞吐量增益比OMA和非合作NOMA基准。
2019-02-14 cs.IT math.IT
3D Placement for Multi-UAV Relaying: An Iterative Gibbs-Sampling and Block Coordinate Descent Optimization Approach
在本文中，我们考虑了一个无人机（UAV）使能中继系统，其中多个无人机被部署为空中中继，以支持同时通信从一组源节点到它们的目的地节点在地面上。在实际信道模型下，通过联合设计无人机的三维布局以及带宽和功率分配，最大化所有地面节点对之间的最小可达期望速率。然而，这个问题是非凸的，因此难以解决。因此，我们提出了一种新的方法，称为迭代吉布斯采样和块坐标下降（IGS-BCD），有效地获得一个高质量的次优解，通过协同确定性（BCD）和随机（GS）优化方法的优点。具体来说，我们提出的方法交替两个优化阶段，直到收敛，即，一个阶段，使用BCD方法找到本地最佳的无人机的3D布局和其他阶段，利用GS方法来生成新的无人机的3D布局的探索。此外，我们提出了一种有效的方法，适当地初始化无人机的布局，导致所提出的IGS-BCD算法的收敛速度更快。数值结果表明，所提出的IGS-BCD和初始化方法优于传统的BCD或GS方法单独的收敛性和性能的权衡，以及其他基准计划。
2020-11-03 cs.IT cs.NI math.IT
Optimizing Number, Placement, and Backhaul Connectivity of Multi-UAV Networks
多无人机（UAV）网络是一种很有前途的解决方案，可以为具有挑战性的农村地区（例如农田中的物联网（IoT）设备）的地面用户提供无线覆盖，在这些地区，传统的蜂窝网络稀疏或不可用。这种网络中的一个关键挑战是所有UAV基站的3D放置，使得形成的多UAV网络（i）利用最少数量的UAV，同时确保（ii）直接（或经由其他UAV）到附近地面基站的回程连接，以及（iii）对操作区域中的所有地面用户的无线覆盖。这种联合回程和覆盖感知无人机部署（BoaRD）问题在文献中基本上没有得到解决，因此，是本文的重点。首先，我们将BoaRD问题表示为非线性规划（ILP）。然而，这个问题是NP-难的，因此，我们提出了一个低复杂度的算法与可证明的性能保证有效地解决问题。我们的模拟研究表明，所提出的算法执行非常接近的最优算法（使用ILP求解器求解）的较小的情况下，其中的区域大小和用户的数量相对较小。对于较大的场景，其中区域大小和用户数量相对较大，所提出的算法大大优于基线方法-回程感知贪婪算法和随机算法，分别高达17%和95%，在使用较少的无人机，同时确保100%的地面用户覆盖和回程连接所有部署的无人机在所有考虑的模拟设置。
2022-06-16 cs.IT math.IT
Optimal Placement of UAVs for Minimum Outage Probability
我们认为多个无人机（UAV）服务密度的地面终端（GT）作为基站。目标是最小化GT到UAV传输的中断概率。研究了在不同无人机高度约束和GT密度下的无人机布局优化问题。首先，使用一个随机部署的参数，一般上限的最佳中断概率发现任何密度的GT和任何数量的无人机。匹配下界也推导出表明，最佳中断概率与无人机的数量呈指数衰减。其次，当公共高度约束较大时，研究了最优部署的结构。对于广泛的GT密度，它表明，所有的无人机应放置在同一位置的最佳部署。一个设计的含义是，一个可以使用一个单一的多天线无人机，而不是多个单天线无人机没有损失的最佳性。这一结果也扩展到一个实际的变化的Rician衰落模型最近开发的Azari等人。无人机通信。分别采用粒子群优化算法和改进的梯度下降算法对无人机在集中式和实际分布式环境中的部署进行了数值仿真。
2020-08-14 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
Placement Optimization of UAV-Mounted Mobile Base Stations
在没有固定基础设施的地面通信网络中，安装在无人机（UAV）上的移动基站（MBS）提供了实现无线连接的有效解决方案。这封信的目的是最大限度地减少为一组分布式地面终端（GT）提供无线覆盖所需的MBS数量，确保每个GT在至少一个MBS的通信范围内。我们提出了一个多项式时间的算法与连续MBS的位置，其中的MBS被放置顺序上的未覆盖的GT沿螺旋路径的中心，直到所有的GT被覆盖的面积周长开始。每个MBS被放置为覆盖尽可能多的未覆盖的GT，边界上的GT具有更高的优先级，以减少离群GT的出现，每个离群GT可能需要一个专用MBS用于其覆盖。数值结果表明，所提出的算法性能优于其他计划所需的MBS的总数和/或时间复杂度。
2016-12-04 cs.IT math.IT
Performance Analysis of Cooperative Multi-Carrier Relay-Based UAV Networks Over Generalized Fading Channels
Khalifa University（哈利法大学）；The University of Mississippi（密西西比大学）
本文针对广义衰落信道下的协作多载波中继无人机网络，利用有限混合与期望最大化算法推导中断概率与平均比特率的闭式表达式，分析系统性能。
2026-09-21 cs.IT math.IT
Cooperative Multi-Agent Deep Reinforcement Learning Methods for UAV-aided Mobile Edge Computing Networks
本文针对无人机辅助移动边缘计算网络，提出一种基于图注意力网络的协作式多智能体深度强化学习方法，通过消息动作与求解动作实现去中心化协调，并设计了可扩展训练算法以适配任意设备数量，实验证明其性能优于传统方法。
2024-07-03 cs.IT math.IT
Joint Placement Optimization and RNC in UAV-based Wireless Multicast Networks
随机网络编码（RNC）是提高宽带网络性能的有效编码方案，特别适用于5G网络中流行的多媒体应用。然而，由于时间的限制和宽带的要求，传输实时的媒体数据是一项具有挑战性的工作。此外，由于用户的移动，网络的拓扑结构会发生变化，在大的无线网络区域内造成巨大的信道异构性。在这种情况下，固定宏基站（BS）或接入点可能不适合实时用户分布。因此，具有高移动性的基于UAV的BS可以通过根据用户的位置调整其位置以适应网络的动态拓扑来提供灵活的服务。因此，在本文中，我们提出了一种基于无人机的自适应RNC（UARNC）计划，联合优化无人机的位置和RNC的数据包调度，以最大限度地提高吞吐量在组播网络中，同时保证瓶颈用户的服务质量。将该问题转化为一个优化问题，采用贪婪调度技术和粒子群优化（PSO）算法对该问题进行求解，仿真结果证明了该方案的有效性。
2020-12-09 cs.IT math.IT
Placement and Resource Allocation of Wireless-Powered Multiantenna UAV for Energy-Efficient Multiuser NOMA
本文研究了一种新的下行非正交多址接入（NOMA）系统，其中多天线无人机（UAV）由无线功率传输（WPT）供电，并作为多对地面用户（GU）的基站，每对地面用户运行NOMA。能量效率（EE）最大化问题被公式化以联合优化WPT时间和UAV的放置，以及UAV的发射功率在不同NOMA用户对之间和每对内的分配。为了有效地解决这个非凸问题，我们分解成三个子问题，使用块坐标下降。对于每个NOMA用户对内功率分配的子问题，我们构造了一个超模块博弈，并确定收敛到一个纳什均衡。在给定用户对内功率分配的情况下，利用逐次凸逼近方法对WPT时间分配和用户对间功率分配子问题进行凸化求解。最后，利用拉格朗日乘子法求解无人机布局子问题。仿真结果表明，我们的方法可以大大优于它的替代品，不使用NOMA和WPT技术或不优化无人机的位置。
2022-04-20 cs.IT eess.SP math.IT
Decentralized Computation Offloading With Cooperative UAVs: Multi-Agent Deep Reinforcement Learning Perspective
物联网（IoT）节点的有限计算资源在处理输入数据时引起令人望而却步的延迟。这为任务卸载系统带来了新的研究机会，其中边缘服务器处理物联网设备的密集计算。在现有基站部署计算服务器可能不足以支持在恶劣环境中运行的IoT节点。这要求将移动边缘服务器安装在无人机（UAV）上，以提供按需移动边缘计算（MEC）服务。时变的卸载需求和无人机的机动性，需要一个联合设计的优化变量的所有时间实例。因此，在线决策机制是必不可少的无人机辅助MEC网络。本文概述了最近的深度强化学习（DRL）方法，其中以在线方式做出关于无人机和物联网节点的决策。具体而言，联合优化的任务卸载，资源分配，和无人机的移动性是从DRL的角度来解决。对于分布式实现，多智能体DRL方法提出了多个智能无人机合作确定他们的计算和通信策略，而无需中央协调。数值结果表明，所提出的分散学习策略优于现有的DRL解决方案。该框架揭示了分散式DRL技术在设计自组织物联网网络中的可行性。
2022-07-27 cs.IT math.IT
Cooperative Anti-Jamming for UAV Networks: A Local Altruistic Game Approach
为提高无人机辅助通信系统的抗干扰能力，研究了在内部相互干扰和外部恶意干扰下的信道选择优化问题。提出了一种基于局部利他思想的无人机协同抗干扰方法。具体而言，Stackelberg博弈模型来制定无人机和干扰机之间的对抗关系。考虑无人机自身和其他无人机的效用，建立了一个局部利他博弈模型。提出了一种分布式协同抗干扰算法，以获得Stackelberg均衡。最后，分析了算法的收敛性以及发射功率对系统损耗值的影响，与现有算法相比，该算法的抗干扰性能提高了64%左右。
2021-09-12 cs.CE cs.IT math.IT
A Dynamic UAVs Cooperative Suppressive Jamming Method with Joint Task Assignment and Bandwidth Allocation
针对现有无人机干扰分配模型对动态环境适应性弱且忽略频率匹配的问题，提出一种联合任务分配与带宽分配的动态协同压制干扰方法，通过动态混合整数规划建模和基于Kriging模型的两步混合算法，实现高效干扰并节省计算资源。
2025-02-26 cs.IT math.IT
Cooperation Techniques for A Cellular Internet of Unmanned Aerial Vehicles
无人机（UAV）是强大的物联网组件，由于其在移动性和灵活性方面的优势，可以在空中提供传感和通信。作为空中用户，无人机被设想为支持下一代蜂窝系统中的各种感测应用，这已经由第三代合作伙伴计划（3GPP）研究。然而，当UAV处于小区边缘或经历深度衰落时，UAV与基站之间的蜂窝链路的服务质量（QoS）可能得不到保证。在本文中，我们首先介绍了非合作蜂窝互联网的无人机。然后，我们提出了一个合作的感测和发送协议，其中无人机可以上传传感数据的帮助下，无人机中继，提供一个更好的通信服务质量的传感任务。详细介绍了支持无人机协同蜂窝互联网的轨迹设计和无线资源管理等关键技术。最后，扩展的无人机协作蜂窝互联网的QoS改善与一些开放的问题，如大规模多输入多输出系统，毫米波，认知通信进行了讨论。
2019-04-03 cs.IT math.IT
Cooperative Data Collection with Multiple UAVs for Information Freshness in the Internet of Things
在物联网（IoT）中保持信息的新鲜度是一个关键但具有挑战性的问题。在本文中，我们研究合作数据汇集使用多无人机（UAV）的目标是最小化的总平均信息年龄（AoI）。为了优化数据汇集过程，我们考虑了无人机的各种约束，包括运动学、能量、轨迹和碰撞避免。具体地说，每个无人机，这具有有限的机载能源，起飞从其初始位置和飞越传感器节点收集更新数据包与其他无人机合作。无人机必须在指定的时间段后以非负剩余能量降落在最终目的地，以确保它们有足够的能量完成任务。为了提高信息的新鲜度，设计无人机的飞行轨迹和传感器节点的传输调度至关重要。我们将多无人机数据汇集问题建模为一个分散的部分可观测马尔可夫决策过程（Dec-POMDP），因为每个无人机都不知道环境的动态，只能观测一部分传感器。为了解决这个问题的挑战，我们提出了一种基于多智能体深度强化学习（DRL）的算法，具有集中式学习和分散式执行。除了奖励塑造之外，我们还使用动作掩码来过滤掉无效的动作，并确保满足约束。仿真结果表明，与基线算法相比，所提算法能显著降低总平均AoI，且动作掩模方法的使用能提高算法的收敛速度。
2023-03-02 cs.IT math.IT
On the Performance of Low-Altitude UAV-Enabled Secure AF Relaying with Cooperative Jamming and SWIPT
提出了一种新的协同安全无人机（UAV）辅助传输协议，其中源（Alice）在地面窃听者（Eve）存在的情况下，通过能量受限的UAV安装放大转发（AF）中继向目的地（Bob）发送机密信息。我们采用目的地辅助协同干扰（CJ），以及同时无线信息和功率传输（SWIPT）在无人机安装中继，以提高物理层安全（PLS）和传输可靠性。假设一个低空无人机，我们推导出连接概率（CP），保密中断概率（SOP），瞬时保密率，和平均保密率（ASR）的建议协议在空-地（AG）信道，这是建模为莱斯衰落与仰角相关的参数。通过仿真，我们验证了我们的理论结果，并证明显着的性能改善，我们的协议相比，传统的传输协议与地面中继和基于无人机的传输协议，没有目的地辅助干扰。最后，我们评估了不同的系统参数和不同的无人机的位置对所提出的协议的ASR的影响。
2019-06-17 cs.IT eess.SP math.IT
3D Placement of an Unmanned Aerial Vehicle Base Station for Maximum Coverage of Users with Different QoS Requirements
对用于提供无线蜂窝服务的快速部署解决方案的需求可以通过无人机基站（UAV-BS）来实现。据我们所知，这封信是第一个在文献中，研究了一种新的3D无人机-BS的位置，最大限度地增加覆盖用户的数量与不同的服务质量要求。我们将布局问题建模为多个圆的布局问题，并提出了一种最优布局算法，该算法利用了封闭区域中一维参数的穷举搜索（ES）。我们还提出了一个低复杂度的算法，即最大加权面积（MWA）算法来解决布局问题。数值模拟表明，MWA算法的执行非常接近ES算法的显着降低复杂度。
2017-09-15 cs.IT math.IT
Energy-Efficient Cooperative Secure Transmission in Multi-UAV Enabled Wireless Networks
研究了一种多个潜在窃听者存在下的多无人机协同安全传输方案。具体而言，多个源无人机（SUAVs）向多个合法地面用户发送机密信息，同时多个干扰无人机（JUAVs）协同向多个窃听者发送干扰信号，以提高合法用户的可达保密率。考虑到无人机的能量预算有限，本文的目标是在无人机机动性和最大发射功率约束下，通过联合优化无人机轨迹、发射功率和用户调度，最大化系统保密能量效率（SEE），即单位能量消耗可达到的保密率。由此产生的优化问题是一个非凸的混合整数分数优化问题，这是具有挑战性的解决。将原问题分解为3个子问题，利用块坐标下降法和Dinkelbach方法，结合逐次凸逼近技术，提出了一种高效的迭代算法.仿真结果表明，所提出的方案优于其他基准显着的系统SEE。
2019-12-04 cs.IT eess.SP math.IT
A Cooperative NOMA User Pairing in UAV-Based Wireless Networks
针对无人机辅助无线网络，本文提出基于距离的联合 NOMA 用户配对与资源分配方法及两种节点配对策略，以提升下行公平吞吐量和资源利用效率。
2022-12-24 cs.IT eess.SP 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
3D Placement and Orientation of mmWave-based UAVs for Guaranteed LoS Coverage
无人机（UAV）作为空中基站，由于其高度的灵活性和自主性，是提供无线通信的有前途的解决方案。此外，诸如延展实境等新兴服务需要高容量通信。为了实现这一点，毫米波（mmWave）和最近的太赫兹波段已经被考虑用于UAV通信。然而，在这些高频率下的通信需要到终端的视线（LoS），这些终端可能位于3D空间中，并且可能由于阻挡对象（如建筑物和树木）而具有极其有限的直视线（LoV）。在本文中，我们研究的问题，确定无人机的三维布局和方向，使用户有保证的LoS覆盖至少有一个无人机和无人机-用户对之间的信噪比（SNR）最大化。我们制定的问题作为一个整数线性规划（ILP）的问题，并证明其NP-困难。接下来，我们提出了一个低复杂度的基于几何的贪心算法来有效地解决这个问题。我们的仿真结果表明，该算法（几乎）总是保证LoS覆盖所有用户在所有考虑的模拟设置。
2021-04-27 cs.IT cs.MA cs.NI
Efficient Local Map Search Algorithms for the Placement of Flying Relays
研究无线网络中无人机的最优布局问题。无人机作为飞行无线中继器操作，以提供基站（BS）的覆盖范围扩展，并向被障碍物遮蔽的用户提供容量提升。虽然现有的方法依赖于统计模型的直接传播链路的潜在阻塞，我们提出了一种方法，能够利用当地的地形信息，提供性能保证。所提出的方法允许罢工之间的最佳权衡最小化传播距离地面终端和发现良好的传播条件。该算法只需要几个传播参数，但它能够避免深传播阴影，并被证明是找到全局最优的无人机位置。该算法只需要对目标区域进行局部搜索，搜索轨迹的最大长度与地理尺度成线性关系。因此，它适合在线搜索。显着的吞吐量增益相比，其他定位方法的基础上统计传播模型。
2019-10-31 cs.IT math.IT
UAV-Based Cell-Free Massive MIMO: Joint Placement and Power Optimization under Fronthaul Capacity Limitations
本文提出基于无人机的无蜂窝大规模MIMO框架，通过联合优化UAV-AP部署、发射功率与选择性激活，在无线前传容量约束下最大化最小SINR并降低功耗，并比较了功能拆分选项7.2与8及sub-6 GHz与毫米波前传的性能差异。
2025-02-07 cs.IT eess.SP math.IT
Cooperative Downlink Interference Transmission and Cancellation for Cellular-Connected UAV: A Divide-and-Conquer Approach
视距空-地信道是无人机通信中的重要干扰源。在本文中，我们提出了一种新的基站（BS）合作波束形成（CB）技术的蜂窝下行链路，以减轻强干扰所造成的同信道地面传输到无人机。除了传统的CB通过合作发送UAV的消息之外，UAV的服务BS利用新颖的干扰传输方案来有效地抑制对UAV的地面干扰。具体地，同信道地面用户的消息与UAV的服务BS共享，并经由CB发送，以消除它们在UAV处产生的干扰。为了在用于UAV信号增强和干扰消除的CB增益之间进行平衡，我们的目标是通过联合优化用于发送UAV和同信道地面用户消息的所有服务BS处的功率分配来最大化UAV的接收信号与干扰加噪声比。首先，我们在一个特殊的情况下，推导出该问题的封闭形式的最优解，并得出有用的见解。然后，我们提出了一个算法，以解决问题的最佳在一般情况下。由于最佳解决方案需要集中实施与BS之间的过度消息/信道信息交换，我们进一步提出了一种分布式算法，适合于实际的实施，基于一种新的分而治之的方法，每个同信道BS将其感知到的干扰到无人机分成多个部分，每个部分将被取消由不同的服务BS的无人机与其最大的努力。数值结果表明，所提出的集中式和分布式CB计划与干扰传输和消除（ITC）可以显着优于传统的CB没有应用ITC。
2019-11-25 cs.IT eess.SP math.IT
Accelerating Multi-UAV Collaborative Sensing Data Collection: A Hybrid TDMA-NOMA-Cooperative Transmission in Cell-Free MIMO Networks
本研究针对多无人机协同感知数据收集场景，采用无蜂窝MIMO网络管控干扰，提出融合TDMA、NOMA与协作传输的混合策略，通过联合优化任务拆分比例与传输方案，有效缩短感知任务完成时间。
2024-11-04 cs.IT eess.SP math.IT
Stochastic Analysis of Cooperative Satellite-UAV Communications
研究了一种卫星-无人机（UAV）双跳协作通信系统，该系统包括一颗卫星（S）、一组簇首（CH），它们分别与一组均匀分布的UAV通信。具体地，这些CH用作空中解码和转发中继，以将S发送的信息转发给UAV。此外，自由空间光（FSO）和射频（RF）技术分别采用S-CH和CH-UAV链路，以利用FSO的高方向性长距离传输和RF的全向覆盖能力。CH在三维空间中的位置遵循Matérn硬核点过程II型，其中每个CH不能比预定义的距离更接近任何其他CH。在性能建模过程中，考虑了三种不同的情况：无干扰、干扰主导和干扰和噪声情况。然后，研究了S-CH链路和CH-UAV链路在三种情况下的覆盖性能，推导了两种链路覆盖概率的解析表达式。推导了无干扰情况下S-CH链路和CH-UAV链路上CP的渐近表达式。最后，数值结果验证了我们提出的分析模型，从而得出一些有意义的结论。
2021-03-18 cs.IT eess.SP math.IT
UAV-Enabled Cooperative Jamming for Improving Secrecy of Ground Wiretap Channel
该文提出了一种新的无人机移动干扰方案，以提高地面窃听信道的保密率。具体地，采用UAV来发射干扰信号以对抗窃听。这种移动干扰方案特别有吸引力，因为支持UAV的干扰机可以飞近窃听者，并通过利用UAV的移动性来机会性地干扰窃听者。我们的目标是最大限度地提高平均保密率，通过联合优化无人机的轨迹和干扰功率在给定的飞行时间。为了使问题更容易处理，我们驱动一个封闭形式的下界可实现的保密率，基于此无人机的轨迹和发射功率交替优化的高效迭代算法，采用块坐标下降和连续凸优化技术。仿真结果表明，所提出的联合设计可以显着提高所考虑的窃听系统的保密率相比，基准计划。
2018-10-13 cs.IT math.DS math.IT
Secure Swarm UAV-assisted Communications with Cooperative Friendly Jamming
提出了一种适用于集群无人机（UAV）辅助的放大转发（AF）中继网络的协同友好干扰框架。由于无人机的能量有限，我们开发了一个协作的时间切换中继协议，允许无人机合作收获无线能量，中继信息，并干扰窃听者。为了评估保密率，我们推导出两种流行的检测技术在窃听者的保密中断概率（SOP），即，选择合并和最大比率合并。蒙特卡洛模拟，然后使用验证理论SOP推导，并显示所提出的框架的有效性SOP相比，传统的放大和转发中继系统。使用导出的SOP，可以获得工程见解，以优化能量收集时间和群中无人机的数量，以实现给定的保密保护级别。在这项工作中得出的分析SOP也可以在未来的无人机安全通信优化（例如，无人机的位置）。作为一个例子，我们提出了一个案例研究，以找到最佳的走廊定位群，以尽量减少系统SOP。
2021-07-29 cs.IT eess.SP math.IT
Uplink Cooperative Interference Cancellation for Cellular-Connected UAV: A Quantize-and-Forward Approach
空中-地面干扰是在具有传统地面用户和新的无人机（UAV）用户的蜂窝网络中实现高频谱效率的主要障碍。由于其与地面的强视距（LoS）信道，UAV在其上行链路/下行链路通信中可能对大量非关联但共信道的基站（BS）造成/遭受严重干扰。在这封信中，我们提出了一种新的合作干扰消除（CIC）的无人机的上行链路通信，以减轻其强干扰的同信道基站，这只需要每个同信道基站和它的相邻的帮助BS之间的本地合作。具体地，不服务于UAV的通信信道中的任何用户的帮助BS将它们从UAV接收到的信号转发到它们的辅助同信道BS，该辅助同信道BS然后处理量化信号及其自己的接收信号，以经由通过线性/非线性干扰消除技术（ICT）消除UAV的信号来解码其服务的地面用户的消息。我们推导出建议的CIC方案与不同的ICT作为无人机的发射功率和速率的函数的可实现的速率，从而揭示了条件下，建议的CIC方案优于现有的CIC方案的基础上的解码和转发（DF）操作的帮助BS。
2020-06-01 cs.IT eess.SP math.IT
Energy-Efficient Cooperative Caching in UAV Networks
针对无人机（UAV）网络，研究了联合缓存与协作通信（Fog-RAN）的能量效率。由于无人机的电池和缓存有限，将流行的内容放在缓存中并管理无人机的能量消耗变得至关重要。我们制定的能量消耗的无人机作为一个聚合的通信/缓存，悬停，和垂直位移能量，然后设计一个优化问题，最佳分配内容的缓存和选择的高度无人机。采用随机几何的工具，我们还推导出EE在一个数值上易于处理的形式作为密度的函数，合作区的半径，缓存大小，主要的通信/物理特性的无人机，和有影响力的环境参数。我们开发了两种具有低计算复杂性的内容放置策略。进行的数值结果表明，通过采用这些算法，与常见的内容放置方案相比，能够将EE提高高达800%，例如，最不常用的（LRU），最流行的，和点击率。此外，虽然在LRU和命中率方案下，垂直位移无人机没有任何好处，但在我们的算法下，可以将EE提高至多600%。重要的是，通过我们的算法，可以增加合作区的大小，以稳定地增加EE，这是不是LRU的情况下，最流行的，命中率计划。我们最后观察到，有最佳值的密度和缓存大小的无人机，授予最大EE。
2019-08-20 cs.IT eess.SP math.IT
Multiple UAV-Assisted Cooperative DF Relaying in Multi-User Massive MIMO IoT Systems
本文针对多用户大规模MIMO物联网系统，提出联合优化混合波束成形、多无人机中继定位与功率分配的方法，以最大化总可达速率，并验证其优于单无人机及固定配置方案。
2024-04-03 cs.IT eess.SP math.IT
Sensing Performance of Cooperative Joint Sensing-Communication UAV Network
提出一种利用波束共享的协作式联合感知通信无人机网络，通过理论分析与仿真确定了总功率约束下最优无人机数量与感知波束功率。
2023-04-04 cs.IT eess.SP math.IT
UAV-Enabled Cooperative Jamming for Covert Communications
这项工作采用了无人机（UAV）作为干扰机，以帮助从发射机爱丽丝到接收机鲍勃的隐蔽通信，其中无人机发送具有随机功率的人工噪声（AN），以故意对管理员威利造成干扰。在所考虑的系统中，无人机的轨迹对隐蔽通信性能至关重要，因为无人机发送的AN也会对Bob产生干扰。为了最大限度地提高系统性能，我们制定了一个优化问题，联合设计无人机的轨迹和爱丽丝的发射功率。公式化的优化问题是非凸的，并且通常通过传统的迭代（CI）方法来求解，该方法需要基于泰勒展开式的多次近似和对UAV的轨迹的初始化。为了消除这些要求，这项工作，第一次，开发了一个几何（GM）的方法来解决优化问题。通过对隐蔽性约束的分析，将联合优化问题转化为对无人机航迹和发射功率的单独优化。我们的测试表明，GM方法可以显着优于CI方法，在实现更高的平均隐蔽率和GM方法的复杂性低于CI方法。
2022-02-25 cs.IT eess.SP math.IT
Distributed UAV-enabled zero-forcing cooperative jamming scheme for safeguarding future wireless networks
在这项工作中，我们调查的影响，两个合作的无人机（UAV）为基础的干扰机的保密性能的地面无线网络中存在的窃听。为此，我们调查的秘密区域相关的指标，干扰覆盖和干扰效率。此外，我们提出了一种混合度量，所谓的加权秘密覆盖（WSC）和虚拟分布式多输入多输出（MIMO）为基础的迫零预编码方案，以避免干扰的影响，合法的接收机。为了评估这些指标，我们推导出一个封闭形式的基于位置的度量，保密性的改善。数学推导和仿真比较表明，所提出的迫零方案提高了WSC的保密性能，为提高干扰效率提供了条件。它们还显示了合法发射机周围固定轨道上无人机的定位趋势以及最佳保密的功率分配趋势。
2021-09-28 cs.IT eess.SP math.IT
UAV-Assisted Cooperative & Cognitive NOMA: Deployment, Clustering, and Resource Allocation
协作和认知非正交多址接入（CCR-NOMA）已被认为是克服频谱稀缺问题并支持下一代无线网络中设想的大规模连接的有前途的技术。在本文中，我们研究部署的无人机（UAV）作为中继，公平地服务于大量的二次用户在热点区域。UAV部署算法必须联合考虑用户聚类、信道分配和资源分配子问题。我们提出了一种解决方案，获得用户聚类和信道分配的基础上，最佳的资源分配为一个给定的无人机位置。为此，我们推导出封闭形式的最佳功率和时间分配，并显示它提供了最佳的最大最小公平吞吐量消耗更少的能量和时间比几何规划。基于最优资源分配，还以封闭形式提供了最优覆盖概率，其考虑了信道估计误差、硬件损伤和主网络干扰。最佳的覆盖概率使用建议的最大-最小公平用户聚类和信道分配方法。结果表明，所提出的方法实现了100%的准确性，在超过五个数量级的时间比最佳基准。
2020-08-26 cs.IT eess.SP math.IT
Joint Transmission Scheme and Coded Content Placement in Cluster-centric UAV-aided Cellular Networks
最近，由于COVID-19大流行，远程工作和远程医疗对电信的依赖显著增加。在蜂窝网络中，由于建立视线（LoS）链路的高概率，无人机（UAV）的并入可以导致针对室外用户的增强的连接。然而，UAV有限的电池寿命及其在室内区域中的信号衰减使得在室内环境中管理用户的请求效率低下。被称为以集群为中心和编码的无人机辅助毫微微缓存（CCUF）框架，该网络在室内和室外环境中的覆盖范围通过用于FAP形成和无人机部署的两阶段集群来增加。第一个目标是增加内容多样性。在这种情况下，我们提出了一个编码的内容放置在一个集群为中心的蜂窝网络，这是集成了协调多点（CoMP），以减轻在边缘区域的小区间干扰。然后，我们计算，实验，编码的内容存储在每个缓存节点的数量，以增加缓存命中率，信号干扰噪声比（SINR），和缓存的多样性和减少用户的访问延迟和缓存冗余不同的内容流行度配置文件。利用集群，我们的第二个目标是分配最好的缓存节点，室内/室外用户管理他们的请求。在这方面，我们定义的地面用户的移动速度作为决策度量的传输方案，以服务于室外用户的请求，以避免FAP之间的频繁切换，并增加无人机的电池寿命。仿真结果表明，该CCUF实现方案提高了缓存命中率、SINR和缓存分集，降低了用户访问延迟、缓存冗余和无人机能耗。
2021-07-15 cs.IT cs.MM eess.SP
On the 3-D Placement of Airborne Base Stations Using Tethered UAVs
减缓使用无人机（UAV）的机载基站（BS）部署的主要挑战之一是有限的机载能量和飞行时间。这种问题的一个潜在解决方案是通过将UAV连接到地面的系绳为UAV提供电源。本文研究了系留无人机（TUAV）的最优布局问题，以最小化TUAV与地面接收机之间的平均路径损耗。考虑到系绳具有最大长度，并且TUAV的发射点（系绳的起始点）被放置在屋顶上，TUAV仅被允许在特定的悬停区域内悬停。除了最大系绳长度之外，该悬停区域还取决于屋顶周围的建筑物的高度，这要求系绳的倾斜角度不低于给定的最小值，以避免缠结并确保安全。我们首先制定这样的设置的优化问题，并提供了一些有用的见解，其解决方案。接下来，我们推导出系绳长度和倾角的最佳值的上限和下限。我们还提出了一个次优的封闭形式的解决方案的系绳长度和它的倾斜角度是基于最大化的视线概率。最后，我们推导出系绳长度的最小倾角的概率分布。我们发现，它的平均值取决于环境从10度在郊区环境中的31度在高层城市环境。我们的数值计算结果表明，推导出的上限和下限的系绳长度和倾斜角的最佳值导致紧次优值的平均路径损耗，只有0-3分贝以上的最小值。
2019-07-09 cs.IT cs.NI 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
UW-OCDM for Low-Altitude UAV Communication and Cooperative Sensing
针对低空无人机高移动性场景，提出UW-OCDM波形及配套通信、协同感知方案，实现可靠通信与鲁棒定位，降低了相关复杂度与开销。
2026-08-27 cs.IT eess.SP math.IT
Secrecy Rate of the Cooperative RSMA-Aided UAV Downlink Relying on Optimal Relay Selection
协作速率分裂（CRS）方案，提出了从传统的速率分裂（RS），并依赖于转发的中继用户的RS消息的一部分。在保密性增强方面，已经表明，CRS优于其非合作对应的两个用户的多输入单输出（MISO）广播信道（BC）。考虑到6 G的大规模连接需求，我们将现有的安全两用户CRS框架推广到多用户框架，其中必须选择最高安全性的用户作为中继节点。本文研究了在有外部窃听者存在的情况下，多天线无人机基站（UAV-BS）为一组用户提供服务的无人机辅助下行链路网络中最大化最坏情况保密率（WCSR）的问题。我们考虑一个实际的情况下，只有不完美的信道状态信息的前夕是在UAV-BS。因此，我们提出了一种鲁棒的安全资源分配算法，该算法通过联合优化安全中继用户选择（SRU S）和网络参数分配问题（包括RS发送预编码器、消息分裂变量、时隙共享和功率分配）来最大化WCSR。为了避免由此产生的非凸性，由于由SRUS施加的离散变量，我们提出了一个两阶段的算法，其中SRUS和网络参数分配在两个连续的阶段完成。关于SRUS，我们研究了集中式和分布式协议。另一方面，为了联合优化网络参数分配，我们采用序贯参数凸近似（SPCA）算法。我们的数值结果表明，所提出的解决方案显着优于现有的基准广泛的网络负载的WCSR。
2022-10-08 cs.IT eess.SP math.IT
