一种基于公平性的无人机基站通信智能资源调度方法

空天地一体化网络是未来6G的关键内容。结合高精度波束赋形,无人机(UAV)的视距链路(LoS)可很好地作为空天地一体化网络的补充,但地面用户与基站间的相对运动极易造成信道容量失衡。提出一种噪声深度确定性策略梯度(Noisy-DDPG)方法。该方法以最大化通信公平性和系统容量为目标,利用DDPG优化分配方案,通过调整奖励函数策略参数来实现公平性和信道容量的平衡;通过在策略网络中利用可学习参数噪声进行扰动,得到更合理的分配方案。仿真实验验证了该算法的有效性。     

保障无人机安全通信的自主飞行3D路径规划

在无人机服务多个地面移动用户并存在一个窃听者窃听信息的安全通信场景中,为了最大化安全速率,本文提出一种新的深度强化学习算法对无人机3D轨迹进行优化,该算法名为正确轨迹深度确定性策略梯度算法（correct trajectory - deep deterministic policy gradient, CT-DDPG）。CT-DDPG算法使用多个深度神经网络与环境交互,采用修正输出层激活函数值的方式,代替传统的使用多个激活函数的方法,简化深度神经网络结构。同时对无人机的飞行轨迹进行修正,使无人机始终处于安全速率最大化的最佳位置。与其他强化学习算法相比,该算法训练时间短,执行时能实时更新无人机的位置。仿真结果表明,所提出的算法能够快速收敛,在保障无人机安全通信的情况下完成飞行任务。      

基于用户分簇的认知超密集网络资源分配

针对5G时代小基站的密集部署带来的复杂干扰问题,对下行的认知无线电超密集网络下的资源分配进行了研究。为减小网络干扰,提高次用户吞吐量,提出了一种改进的基于用户分簇的资源分配算法。基于基站的覆盖范围,选出用户的强干扰基站,以用户-基站干扰关系建立用户-用户干扰图,按用户受到的平均弱干扰划分优先级对用户分簇,再为簇集群预分配频段,为每个簇分配对应频段中效用最大的信道。该资源分配算法能准确反映用户间的干扰关系,保障资源分配公平性。仿真结果表明,当用户密度与基站密度均较大时,与相同场景的已有算法相比,该改进算法有较好的抗干扰能力,能有效提高次用户的吞吐量。     

基于强化学习的非正交多址接入和移动边缘计算联合系统信息年龄更新

物联网发展对信息时效性的需求越来越高,信息新鲜度变得至关重要。为了维持信息新鲜度,在非正交多址接入(NOMA)和移动边缘计算(MEC)的联合系统中,对多设备单边缘计算服务器的传输场景进行了研究。在该场景中,如何分配卸载任务量和卸载功率以最小化平均更新代价是一个具有挑战性的问题。该文考虑到现实中的信道状态变化情况,基于多代理深度确定性策略梯度(MADDPG)算法,考虑信息新鲜度影响,建立了最小化平均更新代价的优化问题,提出一种寻找最优的卸载因子和卸载功率决策。仿真结果表明,采用部分卸载的方式可以有效地降低平均更新代价,利用MADDPG算法可以进一步优化卸载功率,经比较,MADDPG算法在降低平均更新代价方面优于其他方案,并且适当地减少设备数量在降低平均更新代价方面效果更好。     

OFDM系统Femtocell网络下行联合资源分配

为进一步提高家庭基站(Femtocell)网络中频谱利用率并优化功率分配,在基于正交频分复用技术(OFDM)系统网络中,提出一种子载波联合优化的多用户资源分配算法,即以最大化频谱利用率作为目标函数,加入基站选择因子对家庭基站进行待机模式选择优化,再对用户的子载波资源进行公平分配,最后利用线性封顶注水算法对小区基站用户功率进行优化分配。仿真结果表明,多用户资源分配算法不仅使频谱和功率利用率都得到显著增长,而且提高了系统吞吐量和用户公平性。该家庭基站资源寻优模型有效地改善了频谱紧缺和功率浪费现状,降低了家庭基站之间的干扰。      

空天地一体化网络中联合地面基站选择及功率分配

针对由卫星通信网络、地面移动网络以及空中飞行平台所组成的空天地一体化网络(Hybrid Satellite-Aerial-Terrestrial Network,HSAT)下行链路的系统吞吐量问题,提出了基于多目标遗传算法的地面基站选择及功率分配算法。在这一网络中,空中飞行平台需要地面基站为其进行中继通信。因此,地面中继基站的选择和功率分配决定了系统的吞吐量。所提算法为了取得对系统吞吐量更好的优化效果,将优化系统吞吐量和满足约束条件建模成两个优化目标,通过设计特有的迭代选择过程使地面基站选择和功率分配不断优化。仿真分析表明,所提算法在保证用户最低通信需求的前提下,有效提升了系统的吞吐量。     

基于多智能体深度强化学习的无人机动态预部署策略

针对传统优化算法在求解长时间尺度内通信无人机(UAV)动态部署时复杂度过高且难以与动态环境信息匹配等缺陷，该文提出一种基于多智能体深度强化学习(MADRL)的UAV动态预部署策略。首先利用一种深度时空网络模型预测用户的预期速率需求以捕捉动态环境信息，定义用户满意度的概念以刻画用户所获得UAV提供服务的公平性，并以最大化长期总体用户满意度和最小化UAV移动及发射能耗为目标建立优化模型。其次，将上述模型转化为部分可观测马尔科夫博弈过程(POMG)，并提出一种基于MADRL的H-MADDPG算法求解该POMG中轨迹规划、用户关联和功率分配的最佳决策。该H-MADDPG算法使用混合网络结构以实现对多模态输入的特征提取，并采用集中式训练-分布式执行的机制以高效地训练和执行决策。最后仿真结果证明了所提算法的有效性。     

面向最大化服务用户数的无人机基站3D部署方法

面向无人机基站为地面用户提供通信覆盖的场景,综合考虑用户服务质量、无人机之间的连通和服务公平性,以最大化服务用户数为目标,对无人机的三维坐标和覆盖半径进行优化。由于该问题是非确定性多项式难题,设计了一种将遗传算法和粒子群算法相结合的启发式算法和高度微调法部署无人机。分别在用户随机分布和分簇分布模式下进行仿真,结果验证了所提算法的有效性。     

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。      

基于甲虫搜索的改进粒子群无人机辅助网络部署优化算法

在体育赛场等用户大规模聚集或者突发灾难的情况下,地面基站经常面临过载甚至瘫痪的问题。此时,多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿,有效地增强局部地区的通信质量。然而,无人机的机动性和网络流动引起的拓扑结构变化,会导致频繁的间歇性连接甚至出现传输故障。因此,UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA),利用甲虫搜索算法(BAS)的个体寻优优势,对粒子群算法(PSO)进行改进,并首次采用双门限约束保证用户通信质量,使得多UAV系统下的网络性能得到了改善。仿真结果表明,相对于传统算法,该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。     

多无人机辅助通信中用户匹配与频谱资源联合优化方法

针对多无人机作为空中基站为地面设备提供临时服务的动态频谱分配问题，主要考虑无人机与地面用户匹配、子信道分配和功率分配三个方面。为了保证用户通信的公平性，在考虑频谱复用和共信道干扰的情况下，以最大化地面用户最小传输速率为目标，提出了一种用户匹配与频谱资源联合优化算法来解决上述混合整数非线性优化问题，通过聚类算法优化无人机与地面用户的最佳匹配，通过块坐标下降法迭代优化子信道分配和功率分配。仿真实验分析表明，提出的求解方法可以有效提升用户的传输速率，保证用户通信公平性。     

Dynamic Resource Allocation in Non-orthogonal Multiple Access Using Weighted Maximin Fairness Strategy for a UAV Network

Non-orthogonal multiple access (NOMA) with power domain multiplexing and successive interference cancellation (SIC) is one of the promising technologies for future wireless communication. The performance of NOMA is highly dependent on resource allocation such as power allocation and channel assignment. In this paper, we investigate the power allocation (PA) scheme, to optimize the weighted maximin fairness (MMF) for 2-user and 3-user clusters. We utilize the particle swarm optimization (PSO) based algorithm for power allocation due to its promising behavior. Application area of NOMA is becoming broader, then, we considered a cellular network, assisted by an unmanned aerial vehicle (UAV) as the base station (BS) which is integrated with the NOMA system. The PA for weighted MMF problem in NOMA is non-convex, it is difficult to find out the optimal solution directly. Simulation results show the performance of PSO-based algorithm in different adaptive weights and its convergence characteristics. We have also shown that the rate and fairness tradeoff using weighted maximin fairness. Numerical results compare the performance of NOMA and orthogonal multiple access (OMA) and prove the significance of the proposed algorithm.

     

多小区毫米波系统中无人机基站飞行姿态优化及性能分析

为了提高多小区毫米波系统中无人机基站覆盖区域内用户的通信质量,本文提出了一种无人机基站的飞行姿态优化方案。该方案首先在无人机基站天线数量趋于无穷大的情况下对吞吐量进行优化,得到最大吞吐量的渐近表达式,然后将吞吐量优化问题进一步细化为天线倾斜角优化问题,最后通过穷举搜索算法来获得使吞吐量最大的天线阵列倾斜角,进一步通过调整天线倾斜角以优化无人机飞行姿态。数值仿真结果表明,所提出的优化方案能够有效提高系统性能,对于多小区无人机毫米波通信系统的性能优化具有理论指导意义。      

基于K-臂赌博机的多无人机空地网络动态资源分配方法

针对配置大规模MIMO的多无人机空地网络中的动态资源分配问题,从最大化系统吞吐量的角度出发,该文提出一种基于K-臂赌博机的强化学习算法联合优化多个无人机的用户选择与功率分配策略。首先根据地理位置对用户进行分簇,利用簇中心节点规划无人机飞行路径;其次在不考虑无人机之间端到端通信的情况下,将多无人机资源分配问题转化为相互独立的多个智能体强化学习问题;最后提出分幕式多智能体多状态K-臂赌博机算法来实现用户选择与功率分配的联合优化。通过将无人机每个时刻的位置索引定义为状态空间,从而使得无人机可动态适配自身位置及信道的动态变化。仿真结果表明,所提方案可根据环境状态变化自主智能调整资源分配策略,相比于已有方案能有效提升系统总吞吐量。     

一种基于多小区OFDMA系统用户公平性约束的分布式资源分配算法

针对多小区OFDMA系统下行链路,研究了用户公平性约束下的资源分配问题,提出了一种多基站协作的迭代优化的分布式资源分配算法。每个小区根据干扰状况及用户公平性,迭代地进行子载波和功率的资源优化;而每次迭代中,根据用户公平性准则分配子载波,并将非凸的小区功率优化问题转化为其下界的凸问题,通过一个分布式算法来求解。通过仿真验证了算法的有效性;仿真结果表明,与传统网络的固定功率分配的情形相比,所提算法保证了用户之间的公平性并显著提高了系统吞吐量。     

Fairness based resource allocation for multiuser MISO-OFDMA systems with beamforming

Resource allocation problem in multiuser multiple input single output-orthogonal frequency division multiple access (MISO-OFDMA) systems with downlink beamforming for frequency selective fading channels is studied. The article aims at maximizing system throughput with the constraints of total power and bit error rate (BER) while supporting fairness among users. The downlink proportional fairness (PF) scheduling problem is reformulated as a maximization of the sum of logarithmic user data rate. From necessary conditions on optimality obtained analytically by Karush-Kuhn-Tucker (KKT) condition, an efficient user selection and resource allocation algorithm is proposed. The computer simulations reveal that the proposed algorithm achieves tradeoff between system throughput and fairness among users.     

无线供电混合多址接入网络的资源分配

无线供电技术是延长无线网络节点寿命的有效方案。该文研究一个由基站和多个分簇用户组成的无线供电混合多址接入系统。系统的传输分为两个阶段。在第1阶段,基站向用户广播能量;在第2阶段,用户向基站传输信息。用户簇和用户簇之间采用时分多址接入,分时传输;同一簇内多个用户采用非正交多址接入,同时传输。该文研究联合优化系统的各阶段的传输时间、基站的发射功率、用户的发射功率等资源,分别以优化网络频谱效率和用户簇之间的公平性为目的,提出最大化网络吞吐量和最大化用户簇的最小吞吐量的联合资源分配算法。研究结果表明所提的两种算法分别能有效提高系统的频谱效率和保证用户簇之间的公平性。