基于全频谱共享的三维轨迹和功率优化方法

当前蜂窝系统频谱资源极度短缺,免授权频谱因而被建议在蜂窝系统中使用。无人机(UAV)的飞行轨迹和功率控制对频谱利用效率有重大影响。然而,基于频谱共享的3维轨迹和功率优化方法却鲜少研究。为此,该文首先提出一种全频谱共享方法,即无人机通过控制上行蜂窝用户和设备到设备(D2D)用户的发射功率,在不影响WiFi设备正常传输的前提下使用免授权频谱;同时无人机也能够在不影响其他下行蜂窝用户的前提下使用授权频谱。然后基于提出的全频谱共享方法,该文构建了无人机电池能量约束下的3维飞行轨迹和发射功率的联合优化问题。为了求解提出的复杂多变量耦合的非凸优化问题,该文采用块坐标下降和连续凸逼近方法将原问题转化为3维轨迹优化和功率控制两个凸优化子问题并迭代求解。大量仿真结果证明提出的基于3维轨迹和功率优化的全频谱共享方法能够显著提高频谱利用效率。     

UAV辅助NOMA-V2X通信网络性能的优化

在能量受限的无人机辅助NOMA-V2X(Non-Orthogonal Multiple Access Assisted Vehicle-to-Everything)网络中引入无线信息和能量同时传输技术，解决了无人机续航能力差的问题。以最大化系统的传输速率为优化目标，在联合优化过程中，采用逐次凸逼近（Successive Convex Approximation,SCA）方法，将非凸复杂优化问题分解为无人机位置、发射功率、基站对用户的功率分配3个子优化问题，找到了无人机轨迹、基站分配给车辆的发射功率和中继节点发射功率的最优值。最后通过仿真验证了所提方案的有效性。     

主动干扰辅助下的无人机隐蔽通信功率与位置联合优化

利用友好干扰节点发送人工噪声是无线隐蔽通信中一种常见实现方法,可以增加监听者做出判断的不确定性,从而实现隐蔽传输。为此,考虑在无人机隐蔽通信网络中,部署一个空中的友好干扰节点,发射人工噪声干扰地面监听者的检测。对无人机与地面用户之间实现无线隐蔽传输进行了研究,分析了其有效隐蔽性能,联合优化了2架无人机的发送功率和位置部署以最大化隐蔽传输速率,使用粒子群优化算法与功率位置交替迭代算法2种优化方法得到最优的无人机部署位置及功率分配方案。仿真结果表明,联合优化方案相比于固定位置只优化功率的基准方案可以显著地提高系统隐蔽传输性能,且交替迭代算法所得结果要优于粒子群优化算法。     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

基于无人机中继的星地认知网络波束成形算法

针对基于无人机中继的星地认知网络,提出了两种波束成形（beamforming, BF）算法,通过对各种干扰进行抑制,实现系统间的频谱共享。具体而言,在基于无人机中继的卫星网络作为次级网络、地面网络作为主网络的情况下,以无人机最大发射功率和主用户所受干扰为约束条件,建立次级用户信干噪比最大化准则的优化问题;接下来在已知次级用户统计信道状态信息的条件下,提出一种基于迭代的BF算法对优化问题进行求解;更进一步,为了降低迭代算法的实现复杂度,提出了一种基于迫零的BF算法。最后,计算机仿真验证了所提两种波束成形方案的正确性与有效性。     

5G超密集网络环境下功率控制方案研究

超密集网络(Ultra Dense Network,UDN)是一种通过密集化地部署各种低功率小基站来提升系统容量的技术,因可以解决小区覆盖盲区、实现用户无缝连接、缓解宏基站压力以及配置灵活等优点被列为未来5G通信系统的关键技术之一。在密集基站的网络部署下,基站与终端的路径损耗有所降低,在增大有益信号的同时也提升了干扰信号,影响通信系统的性能和用户终端的服务质量。为提升用户的服务质量和降低系统损耗,提出了一种跨层功率最大化方案,选取发射功率最强的小基站作为服务基站。提出一种协作功率最大化控制方案,选取2个小基站为用户提供协作式数据传输服务。仿真结果表明,2种方案均能提升用户的服务质量,后者在能效等指标上要优于前者。     

基于能量收集的UAV-D2D网络资源分配算法

为更好地利用周围环境中的射频信号能量,提升终端直连(D2D)通信的运行时间和无人机(UAV)通信的频谱利用率,该文提出一种基于能量收集的UAV-D2D网络资源分配算法.考虑UAV最大发射功率和移动性约束,蜂窝用户和D2D用户的最小速率约束,建立了系统和速率最大化的多变量耦合资源分配问题.利用连续凸近似和变量替换方法将混...     

密集异构网络中基于多目标优化的资源分配策略

密集异构网络(Dense Heterogeneous Network, DHN)通过部署小基站可以提升网络容量和用户速率,但小基站的密集部署会产生巨大的能耗和严重的干扰,进而影响系统的能量效率(Energy Efficiency, EE)和频谱效率(Spectral Efficiency, SE)。在保证用户服务质量(Quality of Service, QoS)需求的前提下,为了联合优化系统的能量效率和频谱效率,研究了密集异构网络中下行链路的资源分配(Resource Allocation, RA)问题。首先,将频谱和小基站发射功率分配问题建模为联合优化系统能量效率和频谱效率的多目标优化问题;其次,提出了基于单策略多目标强化学习(Single-strategy Multi-objective Reinforcement Learning, SMRL)的资源分配算法求解所建立的多目标优化问题。仿真结果表明,与基于单目标强化学习的资源分配算法相比,所提算法可以实现系统能量效率和频谱效率的联合优化,与基于群体智能算法的资源分配算法相比,所提算法的系统能量效率提高了1%～1.5%,频谱效率...     

泊松点距离约束下无人机辅助地面应急网络覆盖性能研究

在用户数量激增的应急通信场景下,为保证地面用户的通信质量,提出了基于距离约束的用户自适应接入方案。首先采用泊松点距离约束策略(Poisson Point under Distance Constraint, PPDC)对无人机(Unmanned Aerial Vehicle, UAV)的位置进行建模,避免无人机区域重叠带来的干扰问题。其次,引入基站负载传输协议(Base Station Load Transfer Protocol, BSLTP),当接入基站的用户数量超过给定阈值时,超载用户由无人机提供服务。此外,分别分析了地面基站和无人机的覆盖性能,得到了系统整体覆盖概率,并研究了无人机高度、覆盖半径、激增用户密度对网络覆盖性能的影响。最后,通过仿真验证了理论结果的正确性,且所提部署方案能够有效提升网络覆盖性能。     

异构网络中基于能效优化的D2D资源分配机制

针对异构网络中D2D通信复用蜂窝用户频谱时存在的频谱分配问题,该文提出一种基于改进离散鸽群优化(PIO)算法的D2D通信资源分配机制。通过设置信干噪比(SINR)门限值来保证用户的通信服务质量(QoS),采用功率控制算法为用户设置发射功率,使用基于运动权值的二进制离散鸽群优化(MWBPIO)算法为D2D用户进行资源分配,并将D2D通信技术与中继技术进行有效结合,为边缘用户建立D2D中继链路,保证边缘用户的通信质量,最大化系统性能目标。仿真结果表明,该方案有效抑制了异构通信系统中引入D2D用户后导致的干扰问题,提高了边缘用户的通信质量和系统的频谱利用率以及系统的能效。     

多无人机协作的认知通信网络中能/谱效折中优化

在无人机（Unmanned Aerial Vehicle,UAV）认知通信网络中,其能量受限和通信高吞吐量问题备受关注。然而,能量效率（Energy Efficiency,EE）的提升可能会导致频谱效率（Spectrum Efficiency,SE）的下降。针对此问题,对UAV协作认知通信网络中EE和SE的折中优化进行了研究。首先,进行了感知时间、UAV通信的发射功率和判决门限各自对SE与EE两者的优化;其次,通过二分法求解使得EE和SE最大化的感知时间值,并通过穷尽搜索法分别求解感知时间、UAV通信的发射功率和判决门限对EE和SE折中优化问题的最优参数值。在此基础上,提出一种联合参数迭代优化算法,求解EE和SE的折中优化问题。仿真实验表明,SE和EE之间存在折中的权衡,并验证了所提优化方案的有效性。     

面向多模异构任务的无人机集群自主协同优化

针对无人机集群同时遂行多个异构模式、异构价值、异构需求任务时的自主协同优化问题,构建了集群遂行多模异构任务协同优化模型,提出了一种基于重叠式联盟博弈的分布式协作算法。通过综合考虑任务模式、任务价值、任务需求,以及集群中不同无人机成员的资源情况,基于不同任务类型下联盟内任务成功率和效能计算,优化无人机任务选择和资源分配并实现算法收敛和系统稳定,以及优化的分布式多机协同。仿真结果表明,所提方法能有效提高系统效用和任务成功率,并能在不同环境下实现面向异构任务目标的高效协同。     

无人机激光无线能量传输APT系统跟踪设计

无人机激光无线能量传输捕获、瞄准、跟踪(APT)系统是系统接收端获得稳定能源的保障。为了解决能量传输过程中充电链路高效可靠的问题, 结合无人机激光能量传输系统特点及实际需求, 在设计中建立自适应感兴趣区域, 提高图像处理速度, 降低噪声, 准确提取目标坐标; 综合考虑多重误差后通过Kalman预测算法实现稳定跟踪, 并根据系统特点提出了系统功率传输效率的计算方案。结果表明, 当无人机飞行速率在18km/h内, 该APT系统能够在300m~500m距离准确跟踪无人机, 跟踪精度在320μrad内。该方案能够保证激光能量传输过程的跟踪精度与可靠性。     

无人机短包通信中基于NOMA传输的安全性能分析

针对物联网（IoT）通信的低延时需求,为了保证数据传输的灵活性,本文构建一种基于短包传输的无人机（UAV）通信网络。由于非正交多址接入（NOMA）技术能够增加可服务的地面用户数量,故将该技术应用到无人机短包通信（UAV-SPC）系统中可以解决多用户的安全传输问题。与正交多址（OMA）技术相比,NOMA可有效提高用户接入公平性和频谱利用率,因此被广泛用于下行链路的通信传输。为解决复杂的安全传输问题,首先证明在功率和译码错误率约束的条件下,分别存在最优的功率分配,数据传输包长和系统传输比特数使目标用户的平均安全吞吐量最大。在此基础上,通过本文所提算法得到安全传输问题的优化解。实验结果验证了该算法的稳定性和可行性。此外,与基准方案相比,本文所提方案可有效降低短包传输的通信时延,提高系统中目标用户的平均安全吞吐量。      

Joint resource optimization for nonorthogonal multiple access-enhanced scalable video coding multicast in unmanned aerial vehicle-assisted radio-access networks

A joint resource-optimization scheme is investigated for nonorthogonal multiple access (NOMA)-enhanced scalable video coding (SVC) multicast in unmanned aerial vehicle (UAV)-assisted radio-access networks (RANs). This scheme allows a ground base station and UAVs to simultaneously multicast successive video layers in SVC with successive interference cancellation in NOMA. A video quality-maximization problem is formulated as a mixed-integer nonlinear programming problem to determine the UAV deployment and association, RAN spectrum allocation for multicast groups, and UAV transmit power. The optimization problem is decoupled into the UAV deployment–association, spectrum-partition, and UAV transmit-power–control subproblems. A heuristic strategy is designed to determine the UAV deployment and association patterns. An upgraded knapsack algorithm is developed to solve spectrum partition, followed by fast UAV power fine-tuning to further boost the performance. The simulation results confirm that the proposed scheme improves the average peak signal-to-noise ratio, aggregate video-reception rate, and spectrum utilization over various baselines.     

基于注意力机制ConvLSTM的UAV节能预部署策略

无人机(UAV)可以作为空中基站而凭借其移动性灵活地实现热点区域的覆盖.如何预测流量的分布而优化UAV部署是运营商面临的挑战.针对此问题,该文提出一种基于注意力机制卷积长短期记忆网络(A-ConvL-STM)的UAV节能预部署策略:提出一种融合注意力机制的卷积长短期记忆深度时空网络模型A-ConvLSTM,用于预测用户...     

无人机辅助车联网的网络传输链路优化

无人机(UAV)通信技术的快速发展与智能车联网应用需求的极速增长促进了无人机辅助车联网系统的产生与发展。在无人机辅助车联网系统中,如何节省能量的同时最大化系统性能对于能量有限的节点十分重要。基于此,本文主要考虑无人机辅助车联网通信过程中如何选择最优的通信网络链路,从而最大化能量效率的问题。首先建立通信网络链路选择问题为混合整数规划问题,然后提出基于能量效率最大化的网络传输链路优化算法获得最优的传输链路及对应的能量分配,最后通过数值实验仿真验证了所提算法的有效性。