Game-Theoretic Approaches for Wireless Communications with Unmanned Aerial Vehicles
与无人机（UAV）的无线通信提供了一种有前途的解决方案，以提供具有成本效益的无线连接并扩展覆盖范围。近年来，无人机无线通信系统的设计和优化一直受到研究界的极大关注。然而，仍然存在着远未解决的现有挑战。为了应对这些挑战，研究人员一直在探索博弈论方法的适用性。本文调查了现有的博弈论解决方案，并提出了一些新的解决方案，旨在优化能源消耗，增强网络覆盖，并提高与无人机无线通信的连接。我们提出了主要的游戏组件和它们所代表的元素在无线通信与无人机第一，然后给出了目前使用的博弈论方法的分类。我们确定的主要问题，在无线通信与无人机中，博弈论已被用来寻找解决方案。我们提供了一个案例，以显示应用博弈论在无线通信与无人机的优点。最后，我们讨论了传统的博弈论方法的缺点，并提出平均场博弈（MFG）作为一个合适的方法来解决新的技术问题，在大规模无人机网络。
2018-10-17 cs.NI
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
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
QoS-Aware Routing in Wireless Networks Using Aerial Vehicles
下一代无线网络需要有效的数据分发机制，该机制应该以更好的服务质量（QoS）支持用户。然而，现有的解决方案无法满足这一需求，需要重新部署或重新规划网络。此外，这会增加网络的整体运营成本和复杂性。这个问题可以通过部署无人机（UAV）来解决，无人机可以在下一代无线网络中充当按需中继。在这项工作中，一种新的策略，包括一系列的算法的基础上神经网络的设计，解决了相关的数据分发，QoS，容量和覆盖的问题。与现有的方法相比，所提出的方法表现出更好的结果，为各种参数，即吞吐量，消息传播，服务传播率，无人机分配时间，路由捕获延迟，链路利用率和信噪比的终端用户。实验结果表明，所提出的方法利用39.6%，41.6%，43.5%，44.4%，和46.9%，分别比EEDD，A-Star，OCD，GPCR，和GyTAR少迭代。因此，很明显，所提出的方法超越了现有的方法，通过优越的性能和增强的效率。
2018-04-01 cs.NI
Developing system of wireless sensor network and unmaned aerial vehicle for agriculture inspection
Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội（河内国家大学所属技术大学）；Trường Đại học Kinh tế - Kỹ thuật Công nghiệp（工业经济与技术大学）
农业生产采用高科技是越南的必然趋势。特别是对于需要大面积种植的材料作物，无线传感器网络在提高生产力、监测病虫害、减轻气候变化的影响以及减少耕种者的直接劳动力等方面发挥着重要作用。本文构建了一个农业作物田间监测的实验模型，使用LoRa无线传感器网络和无人机相结合，收集有关天气和土壤条件，植物健康的数据，帮助种植者轻松地对当前种植的作物进行灌溉，病虫害处理和施肥的解决方案做出正确的决策。该系统已开发和实验在现场评估的一些基本功能，并证明所获得的数据的稳定性和可靠性。
2021-06-20 cs.NI cs.RO
Design of Ad Hoc Wireless Mesh Networks Formed by Unmanned Aerial Vehicles with Advanced Mechanical Automation
Rutgers University（罗格斯大学）
本文研究了由机械自动化能力（如AP分离和电池更换）驱动的无人机网状网络架构，提出并验证了启发式调度算法。
2018-04-20 cs.NI cs.SY eess.SY
A UAV-assisted Wireless Localization Challenge on AERPAW
School of Electrical and Computer Engineering, University of Georgia（佐治亚大学电气与计算机工程学院）；University of North Texas（北得克萨斯大学）；NYU Tandon School of Engineering（纽约大学坦登工程学院）；Delmont Systems LLC（德尔蒙特系统有限责任公司）；North Carolina State University（北卡罗来纳州立大学）
本文介绍AERPAW平台上的无人机辅助无线定位挑战，通过真实测试平台场景验证平台能力，并总结前三名团队自动定位窄带信号的方法与经验。
2024-07-16 cs.NI cs.RO
Orientation-Aware Control and Trajectory Design for Aerial RIS-Assisted Wireless Communications
Mohammed VI Polytechnic University（穆罕默德六世理工大学）；Ricerca sul Sistema Energetico (RSE) S.p.A.（意大利能源系统研究公司（RSE））；Czech Technical University in Prague（捷克布拉格技术大学）
针对ARIS辅助无线通信中无人机位置-朝向耦合影响通信质量的问题，提出朝向感知框架，结合通信引导轨迹规划与非线性模型预测控制，显著提升用户及网络吞吐量。
2026-09-22 cs.NI cs.RO
A Feasibility Study of Using Light Fidelity With Multiple Unmanned Aerial Vehicles For Indoor Collaborative And Cooperative Networking
本文评估了使用光保真度与多个无人机（UAV）的室内协作和协作网络的可行性。许多工作已经提出了多无人机无线网络的挑战，如带宽效率，安全性和环境等。由于这一事实，需要使用保证带宽效率的安全传输介质（诸如光保真度（Li-Fi））来保护UAV自组织网络（FANESTO）中的信息和数据。Li-Fi能够使用通过发光二极管（LED）的可见光进行数据传输，并且相对于无线保真（Wi-Fi）而被选择，因为它对于封闭区域中的高密度无线数据覆盖更理想，更好地解决无线电干扰相关问题，并且提供更好的带宽、效率、可用性和安全性。因此，使用光保真作为通信手段需要开发基于链路速度的连接性算法（LVCA），其管理UAV与Li-Fi发射器和接收器电路之间的通信以用于协作和合作联网。
2017-07-16 cs.NI
Large Models for Aerial Edges: An Edge-Cloud Model Evolution and Communication Paradigm
本文针对6G空地一体化网络中UAV算力受限难以运行大型AI模型的问题，提出边云模型演进框架，并通过联合任务分配、传输资源与量化设计及边缘模型更新来最大化mAP，仿真验证其优于集中式和分布式框架。
2024-08-09 cs.NI eess.SP
Wireless Laser Power Transfer for Low-altitude Uncrewed Aerial Vehicle-assisted Internet of Things: Paradigms, Challenges, and Solutions
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
本文探讨了无线激光功率传输（WLPT）作为低空无人机辅助物联网可持续能量供应的变革性解决方案，系统研究了其基本原理与比较优势，提出了三种运行范式及潜在解决方案，并构建多智能体强化学习框架，仿真证明其显著提升了能量可持续性与数据新鲜度。
2025-11-05 cs.NI cs.SY eess.SY
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
Bayesian Optimization for Fast Radio Mapping and Localization with an Autonomous Aerial Drone
School of Electrical；Computer Engineering, University of Georgia, Athens, GA, USA
本文提出一种利用高斯过程进行无线电信号估计并结合贝叶斯优化进行无人机自主导航引导的算法，通过仿真与飞行实验验证其在窄带频谱共享下构建无线电地图与定位的有效性。
2024-07-27 cs.NI cs.RO
Wireless Network Demands of Data Products from Small Uncrewed Aerial Systems at Hurricane Ian
Texas A&M University（得克萨斯农工大学）；Florida State University（佛罗里达州立大学）
本研究基于飓风伊恩的无人机数据，量化了灾害响应中无线网络需求，提出五因素模型，为无人机设计和通信发展提供指导。
2023-09-05 cs.NI cs.RO
Intelligent Reflective Surface Deployment in 6G: A Comprehensive Survey
智能反射表面（IRSs）被认为是一种很有前途的技术，可以智能地重新配置无线环境，以提高未来无线网络的性能。然而，由于高度动态和移动的无人机（UAV）使无线环境能够实现更高的容量，IRS的部署仍然面临挑战。本文揭示了不同的部署策略的IRS在未来的陆地和非陆地网络。具体来说，在本文中，我们介绍了关键的理论概念的IRS范式，并讨论了设计方面的IRS在6G网络中的部署。我们还探讨了基于优化的IRS部署技术，以提高系统性能的地面和空中IRS。此外，我们调查无模型强化学习（RL）技术从部署方面，以解决复杂和移动IRS辅助无人机无线系统实现更高容量的挑战。最后，我们强调了IRS部署方面的挑战和未来的研究方向，以提高未来6G网络的系统性能。
2022-11-06 cs.NI eess.SP
Robotic Aerial 6G Small Cells with Grasping End Effectors for mmWave Relay Backhauling
King’s College London（伦敦国王学院）
在密集的城市区域中部署专用于异构网络（HetNet）的小型小区和用于改善回程的相关联的中继节点预计将成为超5G（B5 G）和6 G无线接入网络设计中的重要结构元素。HetNet中的一个关键操作方面是如何最佳地实现无线回程链路以有效地支持流量需求。在这项工作中，我们利用最近提出的机器人空中小基站（RASC），能够掌握在不同的高大城市地形作为无线中继节点回程。这可以被认为是缺乏灵活性的固定小小区（FSC）的替代方案，因为一旦安装，它们的位置就不能改变。更具体地，考虑RASC的按需部署以构建毫米波（mmWave）回程网络，以使用基于网络流的混合整数线性规划（MILP）公式来优化可用网络容量。数值研究表明，对于相同的可达吞吐量，所需的RASC数量比所需的FSC数量少25%~ 65%。该结果在减少所需的无线网络设备（capex）以提供给定的网络容量方面具有重要意义，并且允许高效且灵活的网络致密化。
2022-02-03 cs.NI cs.RO
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
Unmanned Aerial Vehicle Swarm-Enabled Edge Computing: Potentials, Promising Technologies, and Challenges
无人机群边缘计算以其广泛的应用范围和灵活的部署方式，在第六代无线通信网络中具有广阔的应用前景。然而，大多数现有的工作集中在由单个或小规模无人机实现的边缘计算上，这与无人机群支持的边缘计算有很大不同。为了促进无人机群边缘计算的实际应用，本文介绍了无人机群边缘计算的研究现状。说明了潜在的应用，架构和实施的考虑。此外，无人机群使能边缘计算的前景使能技术进行了讨论。此外，我们概述了挑战和开放的问题，以阐明未来的研究方向。
2022-01-21 cs.NI eess.SP
Enabling Smart Reflection in Integrated Air-Ground Wireless Network: IRS Meets UAV
智能反射面（IRS）和无人机（UAV）分别通过智能信号反射和机动控制主动改变无线通信信道，成为提高无线通信网络性能的两种有前途的技术。然而，它们在实践中面临着不同的限制，这限制了它们的未来应用。在这篇文章中，我们提出了新的方法，联合应用IRS和无人机综合空地无线网络，利用他们的互补优势。具体地说，地面IRS用于增强无人机-地面通信性能，而无人机机载IRS用于辅助地面通信。我们提出了他们有前途的应用场景，新的通信设计问题以及潜在的解决方案。特别是，我们表明，它实际上是有益的部署在未来的无线网络中的地面和空中IRS，以获得智能反射在三维（3D）空间的好处。
2021-03-29 cs.IT cs.NI eess.SP
Wireless Connectivity of a Ground-and-Air Sensor Network
本文表明，当考虑室外场景和无线通信使用的IEEE 802.11协议与偶极天线，地面反射是一个重要的传播机制。这样，该环境的双射线模型就可以以一定的准确度预测接收信号功率。该研究对无人机与地面传感器的通信具有一定的应用价值。在所提出的无线传感器网络（WSN）场景中，无人机必须接收来自环境的信息，这些信息由位于地面上的传感器收集，并且需要保持它们与基站之间的连接，以保持服务质量，同时在环境中移动。
2022-11-19 cs.NI eess.SP
Downlink Coverage Analysis for a Finite 3D Wireless Network of Unmanned Aerial Vehicles
在本文中，我们考虑一个有限的网络无人机（UAV）服务于一个给定的区域。将该网络建模为均匀二项点过程（BPP），在假设所有无线链路均为Nakagami- $m$衰落的情况下，推导出位于地面任意位置的参考接收机的下行链路覆盖概率。假设参考接收机连接到其最近的发射节点，这在蜂窝系统中通常是这种情况。在推导出从参考接收机到服务节点和干扰节点的距离分布之后，我们推导出了干扰功率分布的拉普拉斯变换的导数方面的下行链路覆盖概率的精确表达式。在该系统的下行链路中，遇到视线（LOS）分量明显强于反射的多径分量的情况并不罕见。为了模拟这种情况下，我们也得到了覆盖概率在没有衰落的Nakagami-$m$衰落的结果，通过采取限制$m \to \infty$。利用不完全伽玛函数的渐近展开式，我们具体地证明了这一极限归结为一个冗余条件。因此，我们推导出一个准确的覆盖概率近似这种情况下，使用占主导地位的干扰的方法，其中占主导地位的干扰的效果被准确地捕获和其他干扰的残留干扰仔细近似。然后我们利用Berry-Esseen定理推导出近似覆盖概率的界。我们的分析揭示了几个有用的趋势，覆盖概率的函数的高度的发射节点和参考接收器在地面上的位置。
2017-01-05 cs.IT cs.NI math.IT
Characterization of the Global Bias Problem in Aerial Federated Learning
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Queen’s University（女王大学）；University of Sharjah（沙迦大学）
无人机（UAV）的移动性可在网络边缘实现灵活和定制的联邦学习（FL）。然而，在空中-地面无线信道中的潜在的不确定性可能导致有偏的FL模型。特别是，在无人机的FL学习轮内的全球模型的分布和本地更新的聚合由无线信道的可靠性来管理。这产生了对具有更好信道条件的地面设备的训练数据的不期望的偏差，反之亦然。研究了大规模无人机网络中空中FL的全局偏差问题。为此，本文提出了一种信道感知的分配和聚合方案，以强制所有设备在FL训练中做出相等的贡献，作为解决全局偏差问题的一种手段。我们证明了该方法的收敛性，通过实验与MNIST数据集，并显示其优越性相比，现有的方法。所得到的结果使系统参数调整，以减轻空中通道不足的FL收敛速度的影响。
2022-12-29 cs.LG cs.NI
Securing the Sky: Integrated Satellite-UAV Physical Layer Security for Low-Altitude Wireless Networks
针对低空无线网络中视距传输引发的安全问题，提出基于协作波束成形的星机一体化物理层安全方案，通过保密中继与双向通信框架验证其有效性，并探讨了未来研究方向。
2025-06-30 cs.NI eess.SP
Spectrum Sharing for Secrecy Performance Enhancement in D2D-enabled UAV Networks
在设备到设备（D2D）通信的辅助下，无人机（UAV）网络通过提供无缝覆盖、灵活部署和高信道速率，预计将支持第五代（5G）及以后无线系统中的广泛应用。然而，由于无线信道固有的广播性和开放性，网络面临着来自恶意窃听者的重大安全威胁。为了保证这种网络的安全通信，物理层安全是一种很有前途的技术，它利用无线信道的随机性和噪声来提高保密性能。本文研究了支持D2D的无人机网络中通过频谱共享实现的物理层安全性能。我们首先提出了两种典型的网络架构，每个无人机作为飞行基站或空中用户设备。然后，我们提出了一种频谱共享策略，充分利用频谱重用所产生的干扰，以提高保密性能。我们进一步进行了两个案例研究，以评估在这两个典型的网络架构的频谱共享策略，并显示与传统的频谱共享策略相比，保密性能的增益。最后，我们讨论了一些未来的研究方向D2D使能的无人机网络。
2022-01-05 cs.NI eess.SP
Tutorial on UAV: A Blue Sky View on Wireless Communication
无人机（UAV）在各种应用中的使用日益增多，需要无处不在的可靠连接，以便在这些设备和地面终端之间进行安全控制和数据交换。根据应用，无人机上的无线设备可以是与地面用户共存的空中用户设备（AUE），也可以是为地面用户提供一系列服务的无线基础设施的一部分。例如，AUE可用于实时搜索和救援，而空中基站（ABS）可增强无线网络的覆盖范围、容量和能效。在这两种情况下，基于无人机的解决方案都是可扩展的，移动的，快速部署的。然而，必须解决几个技术挑战。在这项工作中，我们提出了一个教程与无人机的无线通信，考虑到广泛的潜在应用。这项工作的主要目标是提供一个完整的概述的主要场景（AUE和ABS），渠道和性能模型，比较它们，并讨论开放的研究点。这项工作全面概述了迄今为止所做的研究，并描绘了一幅全面的画面，以促进新的想法和解决方案，同时避免重复过去的工作。我们首先讨论与无人机无线通信的开放性挑战。为了回答所提出的问题，我们专注于无人机通信基础知识，主要提供必要的信道建模背景，并给出如何使用各种信道模型的指导方针。接下来，理论，模拟和测量为基础的方法，以解决AUE使用的关键挑战，提出。此外，在这项工作中，我们的目标是提供一个全面的概述如何无人机安装的设备可以用作通信网络的一部分。在理论分析的基础上，我们展示了如何优化各种网络参数。
2019-01-08 cs.NI
EU cost action on future generation optical wireless communication technologies -- newfocus ca19111, a white paper
欧盟成本行动NEWFOCUS专注于研究可能影响未来无线网络设计的根本解决方案。它旨在解决OWC中的一些挑战，并将其建立为一种有效的技术，可以满足5G网络中回程和接入网络级别的苛刻要求。这还包括使用将OWC与射频或有线/光纤技术相关联的混合链路。本白皮书的重点是将光无线通信（OWC）作为HE支柱II中概述的一系列领域的使能技术，包括健康，制造，智能交通系统（ITS），无人机以及网络和协议。
2022-07-18 cs.NI eess.SP
Expanding Boundaries: Cross-Media Routing for Seamless Underwater and Aerial Communication
本文针对水下与空中跨域通信需求，提出融合 AUV、USV 与机载节点的 bubble routing 跨介质路由协议，并通过 PDR 和端到端时延评估其性能。
2023-07-24 cs.ET cs.NI eess.SP
Autonomous Vision-Aided UAV Positioning for Obstacle-Aware Wireless Connectivity
INESC TEC, Faculdade de Engenharia, Universidade do Porto（波尔图大学工程科学学院）
本文提出VTOPA算法，通过视觉辅助实现无人机自主定位，以提升障碍密集环境中无线连接的吞吐量和降低延迟。
2025-06-29 cs.NI
Evolution Toward 6G Wireless Networks: A Resource Management Perspective
在本文中，我们首先介绍了6 G无线网络的愿景、关键性能指标、关键使能技术（KCN）和服务。然后，我们强调了一系列的一般资源管理（RM）的挑战，以及独特的RM挑战对应于每个KET。6 G中独特的RM挑战需要将现有的基于优化的解决方案转变为人工智能/机器学习授权的解决方案。在续集中，我们制定了一个联合网络选择和子信道分配问题的6 G多频带网络，提供进一步增强的移动宽带（FeMBB）和极端超可靠低延迟通信（eURLLC）服务的地面和空中用户。我们的解决方案突出了多频段网络的有效性，并展示了与深度Q网络和双深度Q网络算法相比，深度Q学习在获得高效RM解决方案方面的鲁棒性，收敛速度更快。
2021-08-14 cs.NI eess.SP
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
A Survey on Cellular-connected UAVs: Design Challenges, Enabling 5G/B5G Innovations, and Experimental Advancements
作为空中机器人的一个新兴领域，无人机（UAV）在无线网络研究界获得了极大的研究兴趣。一旦国家立法允许无人机自主飞行，我们将看到成群的无人机在智慧城市的天空中完成不同的任务：包裹递送，基础设施监控，事件拍摄，监视，跟踪等无人机生态系统可以从现有的5G/B5 G蜂窝网络中受益，可以通过不同的方式来增强无人机通信。由于无人机在3D空间中灵活移动、自主操作和智能放置的固有特性，这些智能设备满足了广泛的无线应用和用例。这项工作旨在深入探索5G/B5 G蜂窝系统和无人机技术之间的集成协同作用，其中无人机作为新的空中用户设备（UE）集成到现有的蜂窝网络中。在这种集成中，无人机在蜂窝覆盖范围内扮演飞行用户的角色，因此它们被称为蜂窝连接的无人机（也称为蜂窝连接的无人机）。UAV-UE、无人机-UE、5G连接的无人机或空中用户）。这项工作的主要重点是对集成挑战进行广泛的研究，以及关键的5G/B5 G技术创新，以及在设计原型和现场试验方面的持续努力，以证实蜂窝连接无人机。这项研究强调了3GPP标准化方面的最新进展，并强调了在成功采用这项有前途的技术之前必须考虑的社会经济问题。各种开放的问题铺平了道路，未来的研究机会也进行了讨论。
2020-05-02 cs.NI eess.SP
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
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
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
Collection: UAV-Based Wireless Multi-modal Measurements from AERPAW Autonomous Data Mule (AADM) Challenge in Digital Twin and Real-World Environments
North Carolina State University（北卡罗来纳州立大学）；Southern Methodist University（南方卫理公会大学）；National University of Sciences and Technology（国立科学与技术大学）；University of Utah（犹他大学）；Florida International University（佛罗里达国际大学）；Columbia University（哥伦比亚大学）；The University of Georgia（佐治亚大学）；Florida Atlantic University（佛罗里达大西洋大学）；The University of North Texas（北德克萨斯大学）；University of Minnesota（明尼苏达大学）
本文提出基于AERPAW自主数据中继无人机的无线多模测量数据集，用于数字孪生与现实环境中的自主无线实验基准。
2026-02-19 cs.NI
Efficient 3D Aerial Base Station Placement Considering Users Mobility by Reinforcement Learning
本文考虑了一种空中基站（aerial-BS）辅助的地面网络，其中考虑了用户的移动性。用户移动动态地改变网络，这可能导致性能损失。为了避免这种损失，保证最低的服务质量（QoS），并可能增加的QoS，我们添加了一个空中BS的网络。为了在传统的地面网络和空中BS辅助网络之间进行公平的比较，我们在两个网络中保持BS的总数相同。在这样的网络中获得最佳性能高度依赖于空中BS的最佳布置。为此，需要一种算法，它可以依赖于一般和现实的假设，并可以根据过去的经验决定去哪里。针对这一目标提出的方法是基于折扣奖励强化学习，这被称为Q学习。仿真结果表明，该方法提供了一种有效的布局策略，提高了无线网络的服务质量时，它是必要的，并承诺找到最佳位置的空中基站在离散环境中。
2018-02-13 cs.NI
Designing and Implementing Future Aerial Communication Networks
RMIT University（皇家墨尔本理工大学）；Create-Net（Create-Net研究所）；Orange（法国电信）；University of York（约克大学）；Thales Communications & Security（泰雷兹通信与安全）；Heinrich Hertz Institute（海因里希·赫兹研究所）；Allsopp Helikites Ltd（Allsopp Helikites有限公司）
本文探讨了利用Helikite平台部署LTE-A基站的挑战与创新，展示了其在特殊事件和应急情况下的通信能力及潜在的长期解决方案。
2016-02-17 cs.NI cs.SY eess.SY
Joint Traffic-Aware UAV Placement and Predictive Routing for Aerial Networks
由充当Wi-Fi接入点或蜂窝基站的无人机（UAV）组成的空中网络正在成为一种有趣的解决方案，用于在没有可用的网络基础设施时向用户提供按需无线连接，或者增强网络容量。本文提出了一种用于空中网络的流量感知拓扑控制解决方案，该解决方案将无人机的放置与预测性和集中式路由协议相结合。无人机布局和路由解决方案相结合所产生的协同效应允许空中网络根据用户的交通需求无缝更新其拓扑，同时最大限度地减少无人机移动造成的干扰。结果，提高了提供给用户的服务质量（QoS）。本文通过模拟和实验测试平台分别描述和评估了所提出的解决方案的组成部分。结果表明，所有的组件相比，相应的基线解决方案，提高了提供给用户的QoS。
2020-04-15 cs.NI
Open-Source Software Radio Platform for Research on Cellular Networked UAVs -- It Works!
蜂窝网络连接的无人机（UAV）经历与地面上的无线电节点不同的无线电传播条件。因此，从理论上和通过现场试验来研究航空无线电的性能变得至关重要。在本文中，我们考虑低海拔的空中节点，由实验蜂窝网络服务。我们提供了一个详细的硬件和软件组件的描述，需要建立一个宽带无线测试平台，无人机通信研究使用软件无线电。结果表明，无人机通信和网络创新的试验平台是可行的，具有商业现成的硬件，开源软件和低功耗信令。
2021-12-11 cs.AR cs.NI eess.SP
Interference Coordination for Aerial and Terrestrial Nodes in Three-Tier LTE-Advanced HetNet
将无人机（无人机）作为用户设备（UE）和基站（BS）集成到现有的LTE-Advanced异构网络（HetNet）中，可以进一步增强无线连接并支持新兴服务。然而，这将需要有效配置用于干扰管理的系统级设计参数。本文提供了一个三层LTE高级空中/地面HetNet的系统级见解，其中无人机部署为BS和UE，并与现有的地面节点共存。此外，该HetNet利用了小区范围扩展（CRE）、小区间干扰协调（ICIC）、3D波束成形以及对UAV的增强支持。通过蒙特卡罗模拟，我们比较了不同ICIC技术的全系统第五百分位数频谱效率（5 pSE）和覆盖概率，同时联合优化ICIC和CRE参数。我们的结果表明，在3GPP Rel-11中定义的降低功率子帧可以提供比具有几乎空白子帧的3GPP Rel-10好得多的5 pSE和覆盖概率。
2018-10-21 cs.NI
The Future of Aerial Communications: A Survey of IRS-Enhanced UAV Communication Technologies
Qatar University（卡塔尔大学）；University of Doha for Science and Technology（多哈科技大学）；KINDI Center for Computing Research, College of Engineering, Qatar University（卡塔尔大学工程学院金迪计算研究中心）
本文综述IRS与UAV协同集成的无线通信技术，分析其在安全、能效和可靠性方面的性能提升，并探讨ML用于部署优化、应用进展及未来方向。
2024-06-02 cs.AI cs.NI cs.RO
Hierarchical Low-Altitude Wireless Network Empowered Air Traffic Management
针对低空交通管理中环境复杂、飞行器多样的挑战，本文提出分层低空无线网络框架，设计低空走廊与多维风险评估实现动态避碰，并展望未来发展方向。
2025-09-03 cs.NI
What is A Wireless UAV? A Design Blueprint for 6G Flying Wireless Nodes
Northeastern University（东北大学）
无线无人机（UAV）作为蜂窝用户被引入第四代网络（4G）的世界中，并且从那时起吸引了无线社区的兴趣。在~5G中，无人机也作为飞行基站运行，为地面用户提供服务。它们还可以实现独立的离网无人机网络。在~ 6 G网络中，无线无人机将把地面用户连接到在轨无线基础设施。由于无线无人机的设计和原型正在兴起，现在是时候引入一个更精确的定义什么是无线无人机。在此过程中，我们修改了无线无人机原型设计中的主要设计挑战，以供未来的6 G频谱研究使用。然后，我们介绍了一种新的无线无人机原型，以解决这些挑战。我们的无线无人机原型的设计将公开，并免费提供给其他研究人员。
2021-10-06 cs.NI cs.RO
Traffic Flow Modeling for UAV-Enabled Wireless Networks
本文研究了面向多业务的无人机无线网络中的业务流建模问题，这对于支持此类网络未来的各种应用至关重要。我们提出了一个通用的交通流模型，面向多业务的无人机使能无线网络。在此模型下，我们首先将网络服务分为三个子集：遥测，物联网（IoT）和流数据。基于帕累托分布，我们然后划分所有的无人机分为三个不同的网络使用的子组。我们进一步确定不同的网络服务的数据包的数量和总的数据大小，根据数据包到达率的9个段，其中每个段代表一个映射关系的一个子集的服务和一个子组的无人机。仿真结果表明，我们的流量模型预测的数据包的数量和数据大小可以很好地匹配这些在一个真实的场景。
2022-01-05 cs.NI
Single and Multi-Agent Deep Reinforcement Learning for AI-Enabled Wireless Networks: A Tutorial
University of Manitoba（曼尼托巴大学）
深度强化学习（Deep Reinforcement Learning，DRL）最近取得了重大进展，在解决各个领域（特别是无线通信领域）的顺序决策问题方面取得了多项成功。未来的第六代（6G）网络预计将提供可扩展的、低延迟的、超可靠的服务，这些服务由数据驱动的人工智能（AI）的应用授权。未来6G网络的关键使能技术，如智能元表面、空中网络和边缘人工智能，涉及多个智能体，这激发了多智能体学习技术的重要性。此外，合作对于建立自我组织、自我维持和分散的网络至关重要。在这种情况下，本教程重点介绍DRL的作用，重点是支持AI的6G网络的深度多智能体强化学习（MARL）。本文的第一部分将对单智能体RL和MARL的数学框架进行清晰的概述。这项工作的主要思想是激励RL的应用超越近年来广泛采用的无模型视角。因此，我们提供了一个选择性的描述RL算法，如基于模型的RL（MBRL）和合作MARL，我们强调他们在6G无线网络中的潜在应用。最后，我们概述了MARL在移动边缘计算（MEC）、无人机（UAV）网络和无小区大规模MIMO等领域的最新进展，并确定了未来有前途的研究方向。我们希望本教程能够激发更多的研究工作，以构建基于MARL的可扩展和分散的系统。
2020-11-06 cs.LG cs.NI
UAV-Enabled Wireless Networks for Integrated Sensing and Learning-Oriented Communication
本文研究无人机使能的全双工无线网络，通过收敛性有保证的迭代算法联合优化上行时间分配、轨迹和功率，在保证感知质量的同时最大化边缘学习性能，并揭示感知与学习之间的关键权衡。
2024-08-31 cs.NI
Spatio-Temporal Wireless-Optical Planning for Multi-UAV Networks
Southern University of Science and Technology（南方科技大学）；Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与人工智能学院）
针对多无人机网络路径规划忽视光回传拥塞的问题，提出STWO算法，联合优化飞行距离、无线链路质量与光链路负载，实验显示峰值负载率降低56.4%，拥塞率降低72.6%。
2026-10-01 cs.NI
Computation Rate Maximum for Mobile Terminals in UAV-assisted Wireless Powered MEC Networks with Fairness Constraint
Shanghai Jiao Tong University（上海交通大学）；Zhejiang University of Technology（浙江工业大学）
研究了一种无人机辅助的无线供电移动边缘计算（MEC）系统，无人机通过无线功率传输（WPT）为移动终端供电，并为移动终端提供计算服务。我们的目标是最大限度地提高终端的计算速度，同时确保它们之间的公平性。考虑到移动终端的随机轨迹，提出了一种基于软行动者-评论者（SAC）的无人机轨迹规划与资源分配（SAC-TR）算法，该算法结合了离线策略和最大熵强化学习来提高算法的收敛性。我们将奖励设计为计算速率、公平性和到达目的地的异构函数。仿真结果表明，SAC-TR可以快速适应不同的网络环境，并在各种情况下优于代表性的基准测试。
2021-09-13 cs.AI cs.NI
Aerial Base Station Positioning and Power Control for Securing Communications: A Deep Q-Network Approach
Mississippi State University（密西西比州立大学）；University of Tennessee at Martin（田纳西大学马丁分校）
无人机（UAV）是支持包括通信在内的各种服务的技术突破之一。无人机将在增强无线网络物理层安全方面发挥关键作用。本文定义了地面用户和无人机之间的链路上的窃听问题，无人机充当空中基站（ABS）。提出了强化学习算法Q学习和深度Q网络（DQN）来优化ABS的位置和发射功率，以提高地面用户的数据率。这增加了保密能力，而系统不知道窃听者的位置。仿真结果表明，快速收敛和最高的保密能力的建议DQN相比，Q学习和基线方法。
2021-12-21 cs.CR cs.IT cs.LG
A Review on Communication Protocols for Autonomous Unmanned Aerial Vehicles for Inspection Application
Aarhus University（奥胡斯大学）
通信系统是自主式无人机系统设计的关键部分。它必须解决不同的考虑因素，包括无人机的效率，可靠性和机动性。此外，多无人机系统需要一个通信系统来协助无人机团队中的信息共享、任务分配和协作。在本文中，我们回顾了支持无人机团队的通信解决方案，同时考虑在电力线检测行业的应用。我们提供了用于支持UAV应用中的通信的候选无线通信技术的综述。这些候选技术的性能测量和无人机相关的信道建模进行了审查。讨论了当前构建无人机网状网络的技术。然后，我们分析了机器人通信中间件，ROS和ROS2的结构，接口和性能。基于我们的审查，在通信系统的每一层的候选解决方案的功能和依赖关系。
2021-11-12 cs.NI cs.RO
Continual Meta-Reinforcement Learning for UAV-Aided Vehicular Wireless Networks
University of Bologna（博洛尼亚大学）；King’s College London（伦敦国王学院）
无人空中基站（UABS）可以部署在车载无线网络中，以支持诸如通过车联网（V2X）服务的扩展感测等应用。在这样的系统中的一个关键问题是设计算法，可以有效地优化轨迹的UABS，以最大限度地提高覆盖率。在现有的解决方案中，通常通过传统的强化学习（RL），对于任何新的业务配置从头开始执行这种优化。在本文中，我们建议使用连续元RL作为一种手段，将信息从以前经历的交通配置转移到新的条件下，目标是减少优化UABS的政策所需的时间。采用连续Meta策略搜索（CoMPS）策略，我们证明了显着的效率提高相比，传统的RL，以及天真的迁移学习方法。
2022-10-05 cs.LG cs.NI
SkyCharge: Deploying Unmanned Aerial Vehicles for Dynamic Load Optimization in Solar Small Cell 5G Networks
Birla Institute of Technology and Science Pilani（比拉理工科学技术学院皮拉尼分校）；University of Kentucky（肯塔基大学）；College of Communication and Information（传播与信息学院）
本文提出SkyCharge框架，利用无人机搭载空中基站，结合LSTM与进化神经网络，在太阳能小基站5G网络中实现动态负载和能量再分配，减少停电并保持吞吐稳定。
2024-02-09 cs.AI cs.LG cs.NE
Prototyping O-RAN Enabled UAV Experimentation for the AERPAW Testbed
本文为AERPAW测试平台设计并原型化了一个开源O-RAN实验平台，通过空中实验评估了FlexRIC控制器，并利用生成式AI模型增强数字孪生，以支持蜂窝连接无人机的定制优化。
2024-11-06 cs.AR cs.NI cs.SY
