CN109511134B - 基于能效最优的无人机辅助无线通信系统负载分流方法 - Google Patents
基于能效最优的无人机辅助无线通信系统负载分流方法 Download PDFInfo
- Publication number
- CN109511134B CN109511134B CN201811236708.1A CN201811236708A CN109511134B CN 109511134 B CN109511134 B CN 109511134B CN 201811236708 A CN201811236708 A CN 201811236708A CN 109511134 B CN109511134 B CN 109511134B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- base station
- wireless communication
- vehicle node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011480 coordinate descent method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 239000005552 B01AC04 - Clopidogrel Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
基于能效最优的无人机辅助无线通信系统负载分流方法,以最大化无人机节点的能效为目标,并考虑无人机节点自身飞行条件约束、服务用户速率约束和中断概率约束,对无人机节点的飞行半径和速率、基站服务半径、用户速率门限以及无人机节点和基站的频带分配因子等参量进行联合优化建立模型求解即可得到能效最优的负载分流方法。本发明有益效果:解决现有无人机辅助无线通信系统负载分流的能效优化问题,充分利用无人机节点的有限能源。
Description
技术领域
本发明涉及无线通信技术领域,具体地说是基于能效最优的无人机辅助无线通信系统负载分流方法。
背景技术
随着社会和经济的快速发展,信息的传递日趋频繁,而依赖于无线方式的信息传输则显得尤为重要。人们对于信息技术发展和未来无线通信系统提出了更高的要求,特别是在传输速率、系统容量、链路可靠性、边缘用户覆盖、热点区域大规模连接、端到端延时等方面,都面临着巨大的挑战。传统的陆地蜂窝无线通信系统,通过将整个区域划分为由众多基站覆盖的小区域,来为众多用户提供无线通信服务,很好地解决了海量数据的传输需求。然而,随着无线用户数的大幅攀上,特别是无线接入设备的指数级增长,无线数据业务将呈现爆炸式增长,特别是覆盖区域边缘用户的吞吐量和链路可靠性需求,现有的蜂窝无线通信系统很难再支撑如此巨大的信息传输和无线接入需求。
为了解决这一困境,通过在蜂窝小区内部部署多个小小区(Small Cell)基站,将原有宏基站覆盖区域进行叠加覆盖,可有效提升局部热点地区和边缘区域用户的系统容量及链路可靠性。然而,部署小小区基站会使得无线运营商的建网成本骤增,同时,频谱交叉使用带来更多更复杂的干扰管理问题,这些不利于提升系统的整体性能。
值得注意的是,随着无人机(Unmanned Aerial Vehicle,UAV)技术的快速发展与不断成熟,为基于无人机空中平台的相关行业带来了广阔的发展机遇。通过在无人机空中平台上搭载先进的数据采集、存储、传输等高性能小尺寸无线设备,可以在诸如空中道路监管,农林区域监视,无人机物流配送,空中中继应急通信,热点区域无人机基站负载分流等方面发挥巨大的作用。特别是,利用无人机的高速三维移动特性、空中开阔环境带来的良好信道条件以及便捷部署等特性,可以有效地承担蜂窝无线通信系统的用户负载分流任务,将现有无线通信系统中的过载用户合理的通过无人机节点接入无线网络,并提高高速、可靠、大容量的无线通信服务。
然而,对于物理尺寸有限的无人机节点而言,其所能携带的能源负载是十分有限的,除了用于机载设备的供能和通信数据传输功耗之外,一大部分能源将用于无人机节点的飞行或悬停过程,如何充分利用无人机节点的有限能源,为无线通信系统提供合理高效的用户负载分流,并维持自身的飞行需求,对于解决无人机辅助无线通信系统负载分流具有十分重要的理论意义和工程意义,也是未来无人机应用的一个关键问题。一方面,无人机节点若承担过多的用户负载分流,尽管可以大大降低无线通信基站有效负载量,但需要扩大飞行覆盖区域,使得其飞行能耗大幅增加,而有可能降低其服务用户的通信质量。另一方面,若无人机节点覆盖的区域较小,用户负载分流量不充分,则无法充分利用自身的移动特性以提升系统整体性能。由此可以看到,这是一个复杂的折中优化问题。因此,从无人机节点能效(通信速率与功率消耗之比)的角度出发,同时兼顾无人机覆盖区域内用户的通信传输速率与无人机的飞行能耗,并考虑无人机自身的约束条件和通信服务质量要求,对无人机节点的飞行参量(飞行半径、速度等)、无人机与基站的频带划分、基站覆盖半径等参量进行优化,将具有十分重要的现实意义。
发明内容
本发明所要解决的技术问题是提供基于能效最优的无人机辅助无线通信系统负载分流方法,解决现有无人机辅助无线通信系统负载分流的能效优化问题。
本发明为解决上述技术问题所采用的技术方案是:基于能效最优的无人机辅助无线通信系统负载分流方法,所述无人机辅助无线通信系统包括一个无人机节点、一个无线通信基站和多个用户,无线通信基站的高度为HB,覆盖半径为rcell,且通过服务半径rs将覆盖区域内均匀分布着密度为λ的多个用户划分为基站服务用户和无人机服务用户,无人机节点以半径ru和高度HU进行圆周飞行,为无线通信基站覆盖区内的用户提供负载分流服务,整个系统带宽为B,无人机节点与基站采用正交频率分配方案,即ρB分配给无人机节点,(1-ρ)B分配给基站,所述负载分流方法包括以下步骤:
步骤一、计算无人机节点圆周飞行时的飞行功耗Pfly:
其中,c1和c2是与无人机节点重量、机翼面积、空气密度有关的正数常量因子,g表示重力加速度,v表示无人机节点的飞行速率,单位m/s。
步骤二、无人机节点的能耗函数为η/Pfly,以最大化该能效为目标,并考虑无人机节点自身飞行条件约束和服务用户速率约束,建立关于无人机节点的飞行半径和速率、无线通信基站服务半径、用户速率门限以及无人机节点和无线通信基站的频带分配因子参量的数学模型:
s.t.C1:Pout≤Pth
C3:0≤rs≤ru≤rcell
C4:0≤ρ≤1
C5:0≤v≤vmax
其中,η表示无线通信基站服务的用户的速率门限,Pout表示无线通信基站服务的用户的中断概率,Pth Pth表示中断概率约束,表示无人机节点服务的用户的平均速率,vmax表示无人机节点的最大飞行速度,C1表示预设的无线通信基站服务用户的中断概率门限值,C2表示无人机节点服务的用户其平均速率不能低于无线通信基站服务的用户的速率门限,C3-C5表示优化变量的可行域边界约束条件。
步骤三、对步骤二中的数学模型求解得到最优解即为能效最优的无人机辅助通信系统负载分流方法。
本发明所述步骤二中无线通信基站服务的用户的中断概率Pout的计算方法为:
其中,P{·}表示在某概率空间上某一事件发生的概率,Rb,k表示无线通信基站服务的第k个用户的瞬时可达速率,单位bit/s,Rb,k=Bblog2(1+γ0υk),γ0表示平均接收信噪比,υk服从参数为1的指数分布,即υk~EXP(1),其中β0表示参考距离为1m时的信道增益参考值,α表示路径损耗因子,Gb表示无线通信基站全向天线的增益值,单位是dBi,N0表示噪声功率谱密度,单位是W/Hz,PB表示无线通信基站发射功率。
本发明所述步骤二中无人机节点服务的用户的平均速率的计算方法为:
其中,PU表示无人机节点的发射功率,sk表示无人机节点与其服务的第k个用户之间的水平距离,Gu,max表示无人机节点定向天线的最大天线增益值,表示定向天线增益系数,dmax表示无人机节点在任意时刻到其覆盖区域内任意用户的水平距离。
本发明的有益效果是:为了兼顾无人机节点的服务用户速率性能与能耗性能,本发明方法以最大化无人机节点的能效为目标,并考虑无人机节点自身飞行条件约束、服务用户速率约束和中断概率约束,对无人机节点的飞行半径和速率、基站服务半径、用户速率门限以及无人机节点和基站的频带分配因子等参量进行联合优化建立模型以求解得到能效最优的无人机辅助通信系统负载分流方法。
附图说明
图1为本发明方法的系统模型图;
图2为本发明实施例基本流程图;
图3为仿真实验中求解得到的无人机节点能效值随用户密度λ的变化曲线;
图4为仿真实验中求解得到的无人机节点能效值随无人机节点发射功率PU的变化曲线;
图5为仿真实验中求解得到的无人机节点最优带宽划分因子值ρ随无人机节点发射功率PU的变化曲线;
具体实施方式
下面结合说明书附图对本发明实施例进行详细的阐述。
结合图2所示的流程图对本发明的基于能效最优的无人机辅助无线通信系统负载分流方法进行具体说明,包括如下步骤:
1).一个无线通信基站位于其圆形覆盖区域的中央位置,高度为HB,配备一根全向天线,其覆盖半径为rcell,覆盖区域内均匀分布着密度为λ的多个用户,一个无人机节点配备定向天线,以固定高度HU在覆盖区域上空以圆周方式进行飞行,飞行半径为ru,定义服务半径rs,位于该半径之内的用户由基站进行服务,半径之外的用户由无人机进行负载分流提供服务;整个系统带宽为B,无人机节点与基站采用正交频率分配方案,即ρB分配给无人机节点,(1-ρ)B分配给基站,且无人机节点和基站将所属频带宽度均匀分配给各自服务的用户,基站服务的用户平带宽为无人机服务的用户平均带宽为其中,Scover表示图1中任意时刻基站服务区域和基站覆盖区域之间的中心角为ψ的扇形区域,即无人机节点的瞬时覆盖区域。
假设基站与其服务的第k用户之间的信道增益模型满足如下形式,
其中,rk表示第k个用户到基站的水平距离,β0表示参考距离为1m时的信道增益参考值,α表示路径损耗因子,υk服从参数为1的指数分布,即υk~EXP(1)。
定义平均接收信噪比γ0,如下所示,
其中,Pb(r)表示分配给到基站距离为r的用户的功率,Gb表示基站全向天线的增益值(单位dBi),N0表示噪声功率谱密度(单位W/Hz),E{×}表示数学期望运算。
基站服务半径内用户接收的信号总功率满足如下关系式:
基站服务的第k个用户的瞬时可达速率Rb,k(单位bit/s),如下所示:
Rb,k=Bblog2(1+γ0υk)。
设定基站服务的用户的速率门限为η,则基站服务的用户的中断概率Pout为
其中,P{·}表示在某概率空间上某一事件发生的概率。
假设无人机节点与其服务用户之间的信道系数服从自由空间传播损耗模型,如下所示:
其中,sk表示无人机节点与其服务的第k个用户之间的水平距离,t表示无人机节点飞行时刻。
假设无人机节点定向天线仰角和方位角的半功率波束宽度都为2Θ,由此可得无人机节点定向天线的增益为
其中,θ表示无人机节点定向天线的仰角,表示无人机节点定向天线的方位角;因此,无人机节点定向天线的波束覆盖区域在地面的投影半径为su=HUtanΘ;假设无人机节点对其天线波束覆盖区域内的服务用户进行等功率分配,即pk(t)表示无人机节点在第t时刻给第k个服务用户分配的发射功率,PU表示无人机节点的发射功率,则其服务的第k个用户的瞬时速率Ru,k为
其中,T表示无人机节点的圆周飞行时间,τk=τe,k-τi,k表示无人机节点服务第k个用户的时长;无人机节点在任意时刻到其覆盖区域内任意用户的水平距离以dmax替代,且dmax=(ra,rb),其中, 所有用户共享服务时间,即
被无人机节点服务的用户需满足关系式su≥dmax,无人机节点定向天线的最大天线增益值Gu,max为
无人机服务的第k个用户的瞬时速率的下界Ru,k为
定义无人机节点圆周飞行时的飞行功耗Pfly,如下:
其中,c1和c2是与无人机节点重量、机翼面积、空气密度等有关的正数常量因子,g表示重力加速度,v表示无人机节点的飞行速率(单位m/s);定义无人机节点能耗函数为η/Pfly(单位bit/Joule)。
2).以最大化无人机节点的能效为目标,并考虑无人机节点自身飞行条件约束、服务用户速率约束和中断概率约束,建立关于无人机节点的飞行半径和速率、基站服务半径、用户速率门限以及无人机节点和基站的频带分配因子参量的数学模型,如下所示:
s.t.C1:Pout≤Pth
C3:0≤rs≤ru≤rcell
C4:0≤ρ≤1
C5:0≤v≤vmax
其中,vmax表示无人机节点的最大飞行速度,C1表示预设的基站服务用户的中断概率门限值,C2表示无人机节点服务的用户其平均速率不能低于无线通信基站服务的用户的速率门限,C3-C5表示优化变量的可行域边界约束条件。求解该数学模型即可得到能效最优的无人机辅助无线通信系统负载分流方法。
但是,由于上述模型求解涉及的因素和变量较多,形式也较为复杂,优化迭代过程也将十分困难。下面利用交替迭代块坐标下降法,获得该优化问题模型的一种次优解。
3).将步骤2)中优化问题分解为两个子优化问题,如下所示:
3.1).给定频带划分因子ρ和基站服务半径rs,优化无人接节点飞行半径、飞行速度和用户速率门限,如下所示:
s.t.C1,C2,C3,C5
3.2).给定无人机节点飞行半径ru,优化频带划分因子、基站服务半径、无人机飞行速度和用户速率门限,如下所示:
s.t.C1—C5
4).将步骤3.1)中子问题转换为凸问题,包含步骤具体如下:
s.t.C1,C2,C3,C5
4.2).将步骤4.1)中约束条件C1转换成如下等价形式,
因此,优化问题P1已转化成凸问题,采用标准的凸优化方法即可求解。
5).将步骤3.2)中子问题转换为凸问题,包含步骤具体如下:
s.t.C1—C5
5.2).将步骤5.1)中的约束条件C1转换成如下等价形式,
此时,无人机节点的最有飞行功耗如下所示
6).采用块坐标下降法交替迭代优化步骤3)中的两个子优化问题,两个子问题的具体优化方法根据步骤4)和步骤5)中方法计算,直至交替迭代收敛到指定精度或指定迭代次数。
仿真实验
仿真参数设置为:基站高度HB=20m,基站天线增益Gb=16dBi,基站发射功率PB=10W,基站覆盖半径rcell=200m,用户密度λ=0.1用户/m2,参考信噪比γ0=5×103,系统带宽B=1MHz,信道增益参考值β0=-50dB,路径损耗因子α=3,噪声功率谱密度N0=-110dBm/Hz,系统带宽B=1MHz,无人机节点飞行高度HU=100m,无人机节点最大飞行速度vmax=20m/s,无人机节点发射功率PU=1W,无人机节点飞行功耗系数c1=9.26×10-4和c2=2250,重力加速度g=9.8m/s2,无人机节点瞬时覆盖区域扇形区域中心角中断概率约束Pth=5×10-3。
Claims (1)
1.基于能效最优的无人机辅助无线通信系统负载分流方法,所述无人机辅助无线通信系统包括一个无人机节点、一个无线通信基站和多个用户,无线通信基站的高度为HB,覆盖半径为rcell,且通过服务半径rs将覆盖区域内均匀分布着密度为λ的多个用户划分为基站服务用户和无人机服务用户,无人机节点以半径ru和高度HU进行圆周飞行,为无线通信基站覆盖区内的用户提供负载分流服务,整个系统带宽为B,无人机节点与基站采用正交频率分配方案,ρ表示带宽划分因子,即ρB分配给无人机节点,(1-ρ)B分配给基站,其特征在于:所述负载分流方法包括以下步骤:
步骤一、计算无人机节点圆周飞行时的飞行功耗Pfly:
其中,c1和c2是与无人机节点重量、机翼面积、空气密度有关的正数常量因子,g表示重力加速度,v表示无人机节点的飞行速率,单位m/s;
步骤二、无人机节点的能耗函数为η/Pfly,以最大化该能效为目标,并考虑无人机节点自身飞行条件约束和服务用户速率约束,建立关于无人机节点的飞行半径和速率、无线通信基站服务半径、用户速率门限以及无人机节点和无线通信基站的频带分配因子参量的数学模型:
s.t.C1:Pout≤Pth
C3:0≤rs≤ru≤rcell
C4:0≤ρ≤1
C5:0≤v≤vmax;
其中,η表示无线通信基站服务的用户的速率门限,Pout表示无线通信基站服务的用户的中断概率,Pth表示中断概率约束,表示无人机节点服务的用户的平均速率,vmax表示无人机节点的最大飞行速度,C1表示预设的无线通信基站服务用户的中断概率门限值,C2表示无人机节点服务的用户其平均速率不能低于无线通信基站服务的用户的速率门限,C3-C5表示优化变量的可行域边界约束条件;
步骤三、对步骤二中的数学模型求解得到最优解即为能效最优的无人机辅助通信系统负载分流方法;
所述步骤二中无线通信基站服务的用户的中断概率Pout的计算方法为:
其中,P{·}表示在某概率空间上某一事件发生的概率,Rb,k表示无线通信基站服务的第k个用户的瞬时可达速率,单位bit/s,Rb,k=Bblog2(1+γ0υk),表示基站服务的用户的平均带宽,γ0表示平均接收信噪比,υk服从参数为1的指数分布,即υk~EXP(1),其中β0表示参考距离为1m时的信道增益参考值,α表示路径损耗因子,Gb表示无线通信基站全向天线的增益值,单位是dBi,N0表示噪声功率谱密度,单位是W/Hz,PB表示无线通信基站发射功率;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236708.1A CN109511134B (zh) | 2018-10-23 | 2018-10-23 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236708.1A CN109511134B (zh) | 2018-10-23 | 2018-10-23 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109511134A CN109511134A (zh) | 2019-03-22 |
CN109511134B true CN109511134B (zh) | 2022-03-04 |
Family
ID=65746088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811236708.1A Active CN109511134B (zh) | 2018-10-23 | 2018-10-23 | 基于能效最优的无人机辅助无线通信系统负载分流方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109511134B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300417B (zh) * | 2019-05-09 | 2021-04-13 | 清华大学 | 无人机通信网络的能量效率优化方法和装置 |
CN110364031B (zh) * | 2019-07-11 | 2020-12-15 | 北京交通大学 | 地面传感器网络中无人机集群的路径规划和无线通信方法 |
CN114040333B (zh) * | 2019-08-06 | 2022-08-16 | 西安交通大学 | 一种多无人机多播系统的联合轨迹及波束优化方法 |
CN110430550B (zh) * | 2019-08-06 | 2020-12-04 | 北京邮电大学 | 一种面向无人机辅助蜂窝网络的宏站用户分流方法 |
CN110380776B (zh) * | 2019-08-22 | 2021-05-14 | 电子科技大学 | 一种基于无人机的物联网系统数据收集方法 |
CN110673481B (zh) * | 2019-10-09 | 2022-04-15 | 中国科学院上海微系统与信息技术研究所 | 无人机属性数据的确定方法、装置、电子设备及存储介质 |
CN111263419B (zh) * | 2020-01-17 | 2021-12-28 | 西安交通大学 | 基于无人机的应急场景下立体异构网络的动态路由方法 |
CN111786711A (zh) * | 2020-05-29 | 2020-10-16 | 中国人民解放军空军工程大学 | 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 |
CN111934745B (zh) * | 2020-07-30 | 2021-04-30 | 燕山大学 | 基于太阳能无人机节能通讯系统的优化方法 |
CN114080014B (zh) * | 2022-01-19 | 2022-05-24 | 珠海大横琴科技发展有限公司 | 一种基于功率控制的通信方法及装置、服务器和存储介质 |
CN116156459B (zh) * | 2023-02-21 | 2023-09-26 | 北京航空航天大学 | 一种基于灯塔盘旋的无人机辅助超可靠低时延传输方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9798329B2 (en) * | 2015-07-27 | 2017-10-24 | Genghiscomm Holdings, LLC | Airborne relays in cooperative-MIMO systems |
US9622133B1 (en) * | 2015-10-23 | 2017-04-11 | The Florida International University Board Of Trustees | Interference and mobility management in UAV-assisted wireless networks |
CN107317700B (zh) * | 2017-06-09 | 2020-06-30 | 湖北理工学院 | 车载边缘计算节点选择系统及方法 |
CN108566670A (zh) * | 2018-04-19 | 2018-09-21 | 郑州航空工业管理学院 | 无人机辅助无线传感网及其节点调度与路径规划功率分配设计方法 |
-
2018
- 2018-10-23 CN CN201811236708.1A patent/CN109511134B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109511134A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109511134B (zh) | 基于能效最优的无人机辅助无线通信系统负载分流方法 | |
Sekander et al. | Statistical performance modeling of solar and wind-powered UAV communications | |
Arribas et al. | Coverage optimization with a dynamic network of drone relays | |
Soorki et al. | Resource allocation for machine-to-machine communications with unmanned aerial vehicles | |
CN111970709B (zh) | 一种基于粒子群优化算法的无人机中继部署方法及系统 | |
Huang et al. | Optimized deployment of drone base station to improve user experience in cellular networks | |
CN112153593B (zh) | 一种无人机辅助的高能效物联网数据收集方法 | |
Elnabty et al. | A survey on UAV placement optimization for UAV-assisted communication in 5G and beyond networks | |
CN112672376B (zh) | 一种无人机辅助蜂窝网络中无人机部署方法 | |
CN114980169A (zh) | 一种基于轨迹与相位联合优化的无人机辅助地面通信方法 | |
Liu et al. | Joint optimization of resource allocation and multi-UAV trajectory in space-air-ground IoRT networks | |
Lai et al. | Data-driven 3D placement of UAV base stations for arbitrarily distributed crowds | |
Omran et al. | 3D deployment of multiple UAVs for emergent on-demand offloading | |
CN115226068A (zh) | 无人机辅助的蜂窝移动基站下行链路内容分发系统和方法 | |
Zhang et al. | Channel measurement and resource allocation scheme for dual-band airborne access networks | |
US20220110045A1 (en) | Method for enhancing network coverage based on adaptive generation of resource cell | |
CN108366426A (zh) | 一种超密集环境下基于模拟退火算法的虚拟映射方法 | |
CN114615759A (zh) | 一种非正交多址接入网络中无人机辅助通信的方法 | |
Kumbhar et al. | Heuristic approach for jointly optimising FeICIC and UAV locations in multi‐tier LTE‐advanced public safety HetNet | |
CN111479240B (zh) | 无人机通信系统及基于用户分簇的无线传输方法 | |
CN111954275A (zh) | 一种面向无人机基站网络的用户多连接配置方法 | |
CN112188497A (zh) | 一种空地一体化车辆网频谱资源优化方法 | |
Fu et al. | Joint speed and bandwidth optimized strategy of UAV-assisted data collection in post-disaster areas | |
Shakhatreh et al. | Efficient 3D positioning of UAVs and user association based on hybrid PSO-K-means clustering algorithm in future wireless networks | |
Ozasa et al. | Design of millimeter-wave uav base station for access link |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |