基于强化学习的无人机基站多播通信系统的飞行路线在线优化

针对无人机(UAV)基站(BS)多播通信系统的通信时延最小化问题,该文提出飞行路线在线优化算法。在该系统中无人机基站向多个地面用户同时发送公共信息,其中每次通信任务中地面用户位置是随机的。为了保证地面用户能够接收完整的公共信息以及考虑到无人机的能量有限性,该文以最小化无人机基站完成通信任务的平均时间为目标。首先将问题转化成一个马尔可夫决策过程(MDP);然后把通信时延引入到动作价值函数中;最后提出使用Q-Learning算法对无人机飞行路线进行学习和在线优化,从而实现平均通信时延最小化。仿真结果显示,与其他基准方案相比,该文所提方案能够有效地为无人机多播通信系统飞行路线实现在线优化,并有效降低通信任务的完成时间。

无人机基站部署问题综述:模型与算法

以无人机为空中基站,快速构建区域无线网络,提供应急通信服务,在地震、洪涝、火灾等突发事件以及战场作战中发挥着重要作用.无人机基站的部署问题是通过优化无人机空间位置,提高区域无线网络的服务效率,这属于无人系统运作管理和无线网络设计领域的重要研究课题.本文对近10年来无人机基站部署问题领域的主要研究成果进行了系统综述.首先从服务高度、容量约束、能量消耗、连通性、干扰、用户分布和外部环境等方面分析了相关影响因素,再从选址角度对主要建模方法进行了分类总结;然后分析了无人机基站部署优化的求解算法和实验;最后探讨了下一步重点研究方向.

基于无人机基站的节能通信部署研究

为保证用户服务质量(Quality of Service,QoS),针对用户分布不均匀状态,解决无人机基站以最小发射功率覆盖相同数量用户问题,提出一种基于最小包围圆和K-means算法的无人机优化部署方法。利用贪心算法思想将部署问题解耦为垂直和水平放置问题,分别通过求解最优性确定无人机基站三维部署位置。利用聚类分析方法构建用户簇,采用最小包围圆思想对无人机基站水平位置进行优化;以最小化通信能耗为目标,建立无人机基站通信模型确定无人机最优飞行高度;联合两种优化方案确定三维部署位置。针对用户不同分布状态对无人机基站发射功率的仿真实验,验证了部署方法的有效性。

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。仿真研究了UAV基站天线数量、信噪比及地面用户数量对吞吐量的影响,并比较了不同优化方案可获取的系统吞吐量。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。

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。

基于灰狼算法的无人机基站三维空间优化部署

从最小化用户的接收干扰功率的角度出发,以最大化平均信道容量为优化目标,建立三维空间下无人机基站的覆盖通信模型。针对约束条件相互耦合相互影响的情况,提出一种改进的灰狼算法,在原算法基于个体平面搜索的基础上,实现三维空间条件下无人机的群体搜索,通过迭代获取全局最优解。通过仿真验证了该算法能有效提升系统的平均信道容量和用户覆盖率。

一种面向移动边缘计算的无人机基站部署方法

在移动边缘计算(Mobile Edge Computing,MEC)中,本地设备可以将任务卸载到边缘服务器执行,以此来提高服务质量(Quality of Service,QoS)。但在受灾地区或遇到紧急情况时,地面固定的基站可能会出现大面积瘫痪,为了应急通信,无人机(Unmanned Aerial Vehicle,UAV)支持的移动边缘计算系统应运而生。作为新兴的应急通信手段,无人机可以携带边缘服务器,地面用户设备可以将其计算任务卸载给无人机执行,但在多用户网络中部署多个无人机基站是具有挑战性的。为此,重点研究无人机基站的战略部署问题,将该问题建模为多目标优化问题,旨在平衡无人机基站之间的工作负载,最小化地面用户和无人机基站之间的访问延迟。与单目标优化问题相比,多目标之间相互作用并且解不唯一,给模型求解带来了一定困难。为此,提出基于K-中心点(K-medoids)的帕累托边界搜索算法求解该问题,之后进一步提出利用主成分分析算法(Principal Component Analysis,PCA)从帕累托边界中寻找最合适的解作为最终的无人机基站部署策略。实验使用真实的数据集,并与其他几种基线方法进行性能比较,验证了所提解决方案的有效性。

城市灾区无人机基站部署优化

通过优化无人机基站(UAV-BS)三维空间部署位置,以最小化满足通信需求的UAV-BS部署数量.针对城市灾区中UAV-BS的部署优化方法较少考虑到建筑的具体形状及位置对通信影响情况,在构建一个建筑物对UAV-BS视距(LoS)链路的遮挡模型的基础上,提出一种UAV-BS部署算法——PSO-PPGE.该算法首先采用粒子群算法(PSO)在目标区域搜索全局部署方案,然后基于相邻UAV-BS部署间的势博弈关系,根据遮挡信息及UAV-BS负载制定博弈策略,局部调整每个粒子中的UAV-BS位置,以提高UAV-BS的用户覆盖率,进而确定所需UAV-BS的最小数量.仿真结果表明,所提出的算法与PGE、PSO等优化算法相比,在最小化UAV-BS数量同时最大化用户覆盖率方面具有明显优势.

无人机基站辅助的内容缓存多目标优化策略

近年来,随着各类视频、短视频平台的快速发展,网络视频流量在全球无线网络总流量中占比日益增长.移动边缘计算通过将用户可能请求的视频内容事先存放于网络边缘节点可以有效降低骨干网负载,提高视频服务的响应速度.另一方面,移动无人机技术的推广应用为移动边缘计算应用带来了新的机遇.针对短视频等新兴的应用场景,本文提出的视频内容缓存策略(DC-DRL),基于视频文件内容流行度预测,并与无人机基站调度相结合,从边缘服务器的内容缓存策略和无人机的调度等方面进行多因素、多目标的联合优化,以提升边缘节点高速缓存的系统平均缓存命中率.在缓存替换策略方面,使用对时序特征敏感的长短期记忆神经网络进行基于流行度的文件替换;在无人机基站的轨迹优化方面,本文提出的系统模型,结合演员-批评家算法,利用无人机的移动性辅助优化系统平均缓存命中率.最后通过一系列的仿真实验分析验证了上述策略的有效性.

无人机基站多用户MIMO系统设计与性能分析

随着通信技术的发展,高性能要求的通信系统需求更加迫切.文章提出了一种基于无人机基站构成的多用户-多输入多输出(MU-MIMO)通信系统,并对其进行建模和性能的探讨.(1)通过利用空间泊松点过程对空中无人机基站组成的系统进行建模;(2)考虑到一种基于正交的迫零波束成形算法(ZFBF)对该系统进行消除区域内干扰,以获得较高的信噪比;(3)对预编码后的基于无人机基站构成的MU-MIMO系统的容量、误码率以及中断率进行仿真实验.仿真表明该系统具有大容量、低误码率以及低中断率的特点,且分析了在不同情况下,其系统性能的变化情况.

基于应用场景特征描述的无人机基站飞行高度部署

由于无人机基站在不同应用场景下,所处的地理环境、用户分布、用户需求和所希望提升的性能需求不同,需要根据不同应用场景的特征对无人机基站进行部署。基于无人机基站的典型应用场景,构建两个具有代表性的无人机基站应用场景模型,并对应用场景模型特征进行抽象描述。分别构建了两个应用场景的空地通信传输模型。在此基础上,给出了最大化传输速率以及最大化无人机覆盖范围的无人机基站最优飞行高度的数学计算模型。最后,对不同场景下无人机基站最优飞行高度的影响因素和变化趋势进行了分析。

MIMO 中无人机基站的最优定位策略

无人机基站的概念已被应用于军事通信、人工智能和高密度网络等多种场景,缩短固定基站与活跃用户之间的无线链路距离,并在基础设施受损的拓扑中提供服务。文中讨论了无人机基站在多输入多输出无线网络设置中的最优定位问题,提出一种基于机器学习的低复杂度算法,通过最小化有源终端所经历的无线接收信号强度来优化无人机基站的位置。与欧几里德成本基准相比,该算法减少了系统中的传播损耗。

基于种群动态分群策略的改进遗传算法无人机基站调度优化算法

面向构建应急通信网络中的无人机基站调度问题,提出一种基于种群动态分群策略的改进遗传算法,以实现无人机基站快速灵活调度。针对传统遗传算法性能对初始种群质量依赖性较强的问题,设计基于约束条件筛选的初始种群随机生成方法;针对传统遗传算法收敛速度较慢且当初始种群过度聚集容易陷入局部最优解的问题,提出种群进化动态分群策略,按适应度将种群划分为两个子种群,并分别设计动态交叉及变异概率。仿真实验结果表明,改进后的遗传算法收敛速度和全局寻优能力都有显著提高。

数据驱动下高速公路应急无人机基站选址研究

无人机技术的应用极大促进了我国智慧高速公路网络的发展,无人机基站作为系统核心组成部分其位置选择对于系统功能发挥具有至关重要的作用,同时对整个高速公路网络的运行效率和应急处理能力也有着不可或缺的影响。创新性地针对无人机在续航能力和实时通信距离上的局限性,构建了应对高速公路不同路段事故风险的无人机基站选址模型,并运用贪婪随机自适应搜索算法进行了优化求解。通过算例分析和对建站数量的敏感性分析,提出的选址方案在确保了满足操作约束的同时,显著提高了应急响应的速度,为智慧高速公路的应急管理系统提供了有效的策略支持,标志着在智慧高速公路建设中向前迈进了重要一步。

无人机隐蔽通信资源分配研究综述

随着无人机在无线通信中的广泛应用,无人机系统中的物理层安全技术研究已成为学术界的研究热点。与传统的地面通信相比,无人机通信具有良好的移动性、按需部署能力和成本较低等优势。然而,无人机在信息传输过程中易受到空对地视距(Line of Sight, LoS)通信链路广播特性带来的安全威胁。与防止窃听的加密和物理层安全技术相比,隐蔽通信的目的是隐藏信息传输的存在,以提供更好的保密性和安全保护。通过对相关文献的梳理,从5个方面概述了无人机系统隐蔽通信资源分配研究现状,包括无人机基站的资源分配、无人机中继系统的资源分配、无人机监察者的资源分配、无人机协作干扰的资源分配和智能反射面(Intelligent Reflecting Surface, IRS)增强的无人机通信资源分配。总结了当前研究中存在的主要问题,展望了无人机隐蔽通信系统未来的研究趋势。

面向无人机毫米波基站的多波束优化设计

为了保证无人机毫米波基站多波束覆盖区域内通信容量的同时,降低硬件成本和系统复杂度,本文提出采用一种基于混合波束成形结构的波束优化设计方法。该方法首先从多波束混合成形系统结构入手,而后基于多波束总体频谱效率最大化问题分别对数字预编码器和射频移相预编码器进行设计,达到降低系统射频链数目的目标。仿真试验表明,该波束设计方法可以在获得较好波束增益的同时降低系统复杂度,从而提高无人机目标覆盖区域内用户的通信质量。

无线电地图辅助的多无人机部署与用户关联离线规划方法

构建基于无人机基站(Unmanned Aerial Vehicle Base Station, UBS)的空地网络是解决移动通信网络覆盖等问题的重要途径。区别于地面移动通信网络,空地网络需要对UBS位置和用户关联进行联合优化。针对上述问题,首先通过构建二进制无线电地图(Binary Radio Map, BRM)使得UBS能够有效获取整个任务区域中用户位置关联的信道知识,在此基础上提出基于BRM的离线多UBS部署与用户关联联合规划方法。该方法以最大化网络效用函数为目标,通过互嵌套的启发式UBS部署位置搜索和基于匹配博弈的UBS-用户匹配实现UBS位置和用户关联的离线优化。在复杂城市环境下,相比于参考方案,所提方法可使得用户和速率性能提升10%~40%。

基于分层联邦学习的无人机小基站RAN切片方法

针对多架无人机共同为地面用户提供差异化服务的场景,本文提出一种基于分层联邦学习的动态RAN(Radio Access Network)切片框架,目的是提升切片性能隔离效果、减少协同训练过程的通信代价.考虑到无人机动态部署和数据不足等特点,本文通过数据增广促进本地模型训练.为了使得距离地面基站较远的无人机有更多机会参与联邦学习并降低通信代价,本文根据位置和数据分布信息设计支持边缘模型聚合的无人机分簇策略.在此基础上,本文探索基于注意力机制的边缘和全局模型聚合方案,以增强全局模型的泛化能力.仿真结果表明,与联邦平均和分布式LSTM(Long Short-Term Memory)相比,所提方案在切片性能隔离的时长占比上分别有8.4%和16.5%的提升,并降低了无人机协同训练的通信代价.

基于强化学习的无人机安全通信轨迹在线优化策略

物理层安全是无线通信实现安全通信的一种有效手段,无人机基站在存在地面窃听者的情况下向地面合法用户传输机密信息时,已有研究一般采用离线方法对无人机基站的飞行轨迹进行优化,得到的轨迹是固定的,保密传输缺乏应对通信环境变化的能力。针对该问题,本文研究无人机飞行轨迹的在线优化策略,使机密信息被安全传输的同时实现通信平均保密率最大化。文中采用了更符合实际的视距/非视距混合信道模型对空地通信链路进行建模,提出一种基于Q-learning算法的保障无人机通信系统安全的飞行轨迹在线优化方法。仿真结果表明,与两种基准算法相比,本文提出的算法能够有效提高无人机通信的平均保密率。

无人机辅助车联网中基于车辆动态聚类的协作卸载策略

在智能交通系统中,利用无人机基站可为车辆提供接入服务及广域覆盖。然而针对分布密集且动态性强的网联自动驾驶场景,动态节点智能交互频繁且须低时延以保证驾驶安全,如何动态部署无人机基站以满足网络的性能指标是一个关键问题。针对此问题,提出了基于车辆动态聚类的协作卸载策略,以降低车辆计算卸载时延,提升服务质量。首先,考虑车辆卸载请求及无人机基站的服务能力进行车簇的划分和匹配,并根据车辆位置的改变对车簇进行实时动态调整;然后,多无人机基站针对全域车辆的卸载请求基于遗传算法协作进行最优卸载决策及资源分配。仿真结果表明,与已有策略相比,所提策略可以有效降低计算卸载时延、提升服务质量。