CN110958616B - 基于无人机辅助的蜂窝通信系统的通信方法 - Google Patents
基于无人机辅助的蜂窝通信系统的通信方法 Download PDFInfo
- Publication number
- CN110958616B CN110958616B CN201911058134.8A CN201911058134A CN110958616B CN 110958616 B CN110958616 B CN 110958616B CN 201911058134 A CN201911058134 A CN 201911058134A CN 110958616 B CN110958616 B CN 110958616B
- Authority
- CN
- China
- Prior art keywords
- base station
- unmanned aerial
- aerial vehicle
- representing
- user equipment
- 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
Images
Classifications
-
- 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
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
-
- 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
-
- 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
- H04W16/24—Cell structures
- H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
-
- 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)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于无人机辅助的蜂窝通信系统的通信方法,所述方法包括:基于蜂窝通信系统的已有的地面基站的部署情况的信息,确定无人机基站的最佳飞行高度;按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务。上述的方案,通过合理地部署无人机基站的飞行高度,可以提高蜂窝通信系统的通信质量。
Description
技术领域
本发明属于通信技术领域,特别是涉及一种基于无人机辅助的蜂窝通信系统的通信方法。
背景技术
将无人机技术应用在无线通信领域在近年来备受关注,相比于传统的地面通信设备,无人机作为移动基站具有许多突出的优势。首先,使用无人机通信系统花费的时间成本较低,它们可以实现快速部署,特别适合应对突发状况。其次,借助低空无人机,可以在大多数情况下建立起可靠的视距通信链路,这使得距离较远或发送端和接收端之间有遮挡物能够建立起直接通信或通过中继建立长距离的视距传输链路。此外,无人机具有较强的可操控性,可以通过实时的动态调整来更好地适应通信环境,有效地增强局部地区的通信质量。
在蜂窝通信系统中,采用无人机基站辅助现有的通信基础设施,可以缓解通信拥挤区域的基站压力,且付出较低的部署成本,便可较大幅度地提高覆盖率。但是,现有的无人机基站的部署方式,存着着通信质量差的问题。
发明内容
本发明解决的技术问题是如何合理地部署无人机基站,以提高蜂窝通信系统的通信质量。
为了达到上述目的,本发明提供一种基于无人机辅助的蜂窝通信系统的通信方法,所述方法包括:
基于蜂窝通信系统的已有的地面基站的部署情况的信息,确定无人机基站的最佳飞行高度;
按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务。
可选地,所述基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度,包括:
构建系统总覆盖率和无人机基站的飞行高度之间的关系模型;
基于系统总覆盖率最大的原则和所述地面基站的部署密度,求解系统总覆盖率和无人机飞行高度之间的关系模型的最优解,得到所述无人机基站的最佳飞行高度。
可选地,所述构建系统总覆盖率和无人机基站的飞行高度之间的关系模型,包括:
根据已有地面基站的信息,分别构建用户设备选择无人机基站提供通信服务的第一关联概率模型和选择地面基站提供通信服务的第二关联概率模型;所述第一关联概率模型与第二关联概率模型分别与所述无人机基站的飞行高度相关;
分别计算无人机基站为用户设备提供服务时用户设备接收到的信号功率与干扰信号功率的比值大于预设的门限值的无人机基站覆盖率和地面基站为用户设备提供服务时用户设备接收到的信号功率与干扰信号功率的比值大于预设的门限值的地面基站覆盖率;
基于计算得到的所述第一关联概率模型、第二关联概率模型、无人机基站覆盖率和地面基站覆盖率,构建系统总覆盖率和无人机基站的飞行高度之间的关系模型。
可选地,所述第一关联概率模型和第二关联概率模型分别为:
其中,Au表示用户设备选择无人机基站提供通信服务的第一关联概率,λb表示地面基站的部署密度,λu表示无人机基站的部署密度,h表示无人机基站的飞行高度,R表示所述地面基站和无人机基站的服务区域的半径。
可选地,所述第二关联概率模型为:
其中,Ab表示用户设备选择地面基站提供通信服务的第二关联概率。
可选地,所述无人机基站覆盖率为:
其中,Pcov,u表示无人机基站覆盖率,分别表示无人机基站、地面基站对用户设备产生干扰的拉普拉斯变换,N为噪声功率,β表示信干比门限值,Pu表示无人机发射功率,Xu表示无人机基站到用户设备的直线距离,表示无人机发射的信号在自由空间中传播经历直达路径LoS/非直达路径NLoS链路的概率,Lu,s无人机发射的信号在自由空间中传播经历直达路径LoS/非直达路径NLoS链路的路径损耗,c,d分别表示预设的环境常量,Lu,LoS、Lu,NLoS分别表示在LoS链路和NLoS链路的路径损耗,ηLoS和ηNLoS分别表示在LoS链路和NLoS链路附加的路径损耗系数,αLoS和αNLoS分别表示在LoS链路和NLoS链路的路径损耗因子,无人机基站在地面的投影点到用户设备的距离为r,无人机基站与用户设备之间的仰角θ。
可选地,所述地面基站覆盖率为:
可选地,所述系统总覆盖率为:
其中,Pcov,u表示系统总覆盖率。
与现有技术相比,本发明的有益效果为:
上述的方案,通过基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度,按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务,由于所确定的无人机基站的最佳飞行高度为蜂窝通信系统的已有的地面基站的信息进行确定,通过合理地方式部署无人机高度,可以使得蜂窝通信系统的总覆盖率达到最大,提高蜂窝通信系统的通信质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于无人机辅助的蜂窝通信系统的通信方法的流程示意图;
图2是本发明实施例的一种基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度的方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。本发明实施例中有关方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
如背景技术所述,在蜂窝通信系统中部署无人机基站时,如果无人机飞行高度过低,会导致无人机与用户之间的通信链路上存在的障碍物较多;如果无人机的飞行高度过高,会导致通信的距离过大。
本发明的技术方案通过基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度,按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务,由于所确定的无人机基站的最佳飞行高度为蜂窝通信系统的已有的地面基站的信息进行确定,通过合理地方式部署无人机高度,可以使得蜂窝通信系统的总覆盖率达到最大,提高蜂窝通信系统的通信质量。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例的一种基于无人机辅助的蜂窝通信系统的通信方法的流程示意图。参见图1,一种基于无人机辅助的蜂窝通信系统的通信方法,具体可以包括如下的步骤:
步骤S101:基于蜂窝通信系统的已有的地面基站的部署情况的信息,确定无人机基站的最佳飞行高度。
在本发明一实施例中,通过构建系统总覆盖率和无人机基站的飞行高度之间的关系模型,并基于系统总覆盖率最大的原则和所述地面基站的部署密度,求解系统总覆盖率和无人机飞行高度之间的关系模型的最优解,得到所述无人机基站的最佳飞行高度,具体请参见图2及其详细介绍。
步骤S102:按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务。
上述的方案,通过基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度,按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务,由于所确定的无人机基站的最佳飞行高度为蜂窝通信系统的已有的地面基站的信息进行确定,通过合理地方式部署无人机高度,可以使得蜂窝通信系统的总覆盖率达到最大,提高蜂窝通信系统的通信质量。
图2是本发明实施例的一种基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度的方法的流程示意图。参见图1,一种基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度,具体可以包括如下的步骤:
步骤S201:构建系统总覆盖率和无人机基站的飞行高度之间的关系模型。
在本发明一实施例中,在构建系统总覆盖率和无人机基站的飞行高度之间的关系模型时,首先根据该地区的蜂窝系统地面基站的情况,确定地面基站到用户设备之间的路径损耗模型,即:
其中,Lb表示地面基站的路径损耗,Xb表示地面基站到用户设备的距离,αb表示地面基站的路径损耗系数。
同样地,可以根据无人机基站的信息,确定无人机基站到用户设备之间的路径损耗模型。具体地,无人机发射的信号在自由空间中传播,可能会经历直达路径(LoS)和非直达路径(NLoS),记作s∈{LoS,NLoS}。那么,根据空地模型定义,将经历LoS链路的概率表示为:
其中,表示无人机基站到用户设备之间经历LoS链路的概率,c,d分别表示预设的环境常量,h表示无人机基站的飞行高度,r表示无人机基站在地面的投影点到用户设备的距离。其中,无人机基站到用户的直线距离Xu,无人机的飞行高度h,无人机在地面的投影点到用户的距离为r,无人机与用户之间的仰角θ,其关系可表示如下:
相应地,经历NLoS链路的概率为:
此外,在LoS链路中,无人机基站到用户设备之间的路径损耗模型为:
其中,Lu,LoS表示在LoS链路的路径损耗,ηLoS表示LoS链路附加的路径损耗系数,αLoS表示LoS链路中的路径损耗因子。
在NLoS链路中,无人机基站到用户设备之间的路径损耗模型为:
其中,Lu,NLoS表示在NLoS链路的路径损耗,ηNLoS表示NLoS链路附加的路径损耗系数,αNLoS表示在NLoS链路中的路径损耗因子。
接着,根据已有地面基站的信息,分别构建用户设备选择无人机基站提供通信服务的第一关联概率模型和选择地面基站提供通信服务的第二关联概率模型;其中,所述第一关联概率模型与第二关联概率模型分别与所述无人机基站的飞行高度相关。
具体而言,分别采用如下的公式计算用户选择无人机基站提供服务的关联概率以及用户选择地面基站提供服务的关联概率:
其中,Au表示用户设备选择无人机基站提供通信服务的第一关联概率,λb表示地面基站的部署密度,λu表示无人机基站的部署密度,R表示所述地面基站和无人机基站的服务区域的半径。
之后,分别计算无人机基站为用户设备提供服务时用户设备接收到的信号功率与干扰信号功率的比值大于预设的门限值β的无人机基站覆盖率和地面基站为用户设备提供服务时用户设备接收到的信号功率与干扰信号功率的比值大于预设的门限值的地面基站覆盖率:
其中,Pcov,u表示无人机基站覆盖率,Pcov,u表示无人机基站覆盖率, 分别代表无人机基站、地面基站对用户产生干扰的拉普拉斯变换,N为噪声功率,分别代表无人机基站、地面基站对用户产生干扰的拉普拉斯变换。
将与信干比门限值β、地面基站发射功率Pb以及路径损耗Lb的相关表达式记作n来表示,即:
步骤S202:基于系统总覆盖率最大的原则和所述地面基站的部署密度,求解系统总覆盖率和无人机飞行高度之间的关系模型的最优解,得到所述无人机基站的最佳飞行高度。
在具体实施中,两种基站的系统总覆盖率为:
那么,在计算得到第一关联概率模型、第二关联概率模型、无人机基站覆盖率和地面基站覆盖率时,通过公式(14)及公式(1)至(13)便可以建立无人机基站的飞行高度与系统的总覆盖率之间的关系,即统总覆盖率和无人机基站的飞行高度之间的关系模型。最后,基于系统总覆盖率最大的原则,根据地面基站的部署密度λb,如采用一维搜索算法等求解系统总覆盖率和无人机飞行高度之间的关系模型的最优解,可得到无人机的最佳飞行高度h。
采用本发明实施例中的上述方案,通过基于蜂窝通信系统的已有的地面基站的信息,确定无人机基站的最佳飞行高度,按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务,由于所确定的无人机基站的最佳飞行高度为蜂窝通信系统的已有的地面基站的信息进行确定,通过合理地方式部署无人机高度,可以使得蜂窝通信系统的总覆盖率达到最大,提高蜂窝通信系统的通信质量。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。
Claims (1)
1.一种基于无人机辅助的蜂窝通信系统的通信方法,其特征在于,包括:
基于蜂窝通信系统的已有的地面基站的部署情况的信息,确定无人机基站的最佳飞行高度,具体包括:构建系统总覆盖率和无人机基站的飞行高度之间的关系模型,具体地,根据已有地面基站的信息,分别构建用户设备选择无人机基站提供通信服务的第一关联概率模型和选择地面基站提供通信服务的第二关联概率模型;所述第一关联概率模型与第二关联概率模型分别与所述无人机基站的飞行高度相关;其中,所述第一关联概率模型和第二关联概率模型分别为:其中,Au表示用户设备选择无人机基站提供通信服务的第一关联概率,λb表示地面基站的部署密度,λu表示无人机基站的部署密度,h表示无人机基站的飞行高度,R表示所述地面基站和无人机基站的服务区域的半径,Ab表示用户设备选择地面基站提供通信服务的第二关联概率;
分别计算无人机基站为用户设备提供服务时用户设备接收到的信号功率与干扰信号功率的比值大于预设的门限值的无人机基站覆盖率和地面基站为用户设备提供服务时用户设备接收到的信号功率与干扰信号功率的比值大于预设的门限值的地面基站覆盖率;其中,所述无人机基站覆盖率为:
其中,Pcov,u表示无人机基站覆盖率,分别表示无人机基站、地面基站对用户设备产生干扰的拉普拉斯变换,N为噪声功率,β表示信干比门限值,Pu表示无人机发射功率,Xu表示无人机基站到用户设备的直线距离,表示无人机发射的信号在自由空间中传播经历直达路径LoS/非直达路径NLoS链路的概率,Lu,s无人机发射的信号在自由空间中传播经历直达路径LoS/非直达路径NLoS链路的路径损耗,c,d分别表示预设的环境常量,Lu,LoS、Lu,NLoS分别表示在LoS链路和NLoS链路的路径损耗,ηLoS和ηNLoS分别表示在LoS链路和NLoS链路附加的路径损耗系数,αLoS和αNLoS分别表示在LoS链路和NLoS链路的路径损耗因子,无人机基站在地面的投影点到用户设备的距离为r,无人机基站与用户设备之间的仰角θ;
所述地面基站覆盖率为:
基于系统总覆盖率最大的原则和所述地面基站的部署密度,求解系统总覆盖率和无人机飞行高度之间的关系模型的最优解,得到所述无人机基站的最佳飞行高度;
按照预设的部署密度部署无人机基站以所述最佳飞行高度飞行,为用户设备提供通信服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911058134.8A CN110958616B (zh) | 2019-11-01 | 2019-11-01 | 基于无人机辅助的蜂窝通信系统的通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911058134.8A CN110958616B (zh) | 2019-11-01 | 2019-11-01 | 基于无人机辅助的蜂窝通信系统的通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110958616A CN110958616A (zh) | 2020-04-03 |
CN110958616B true CN110958616B (zh) | 2023-04-07 |
Family
ID=69975864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911058134.8A Active CN110958616B (zh) | 2019-11-01 | 2019-11-01 | 基于无人机辅助的蜂窝通信系统的通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110958616B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111683375B (zh) * | 2020-05-08 | 2021-07-16 | 北京科技大学 | 一种针对无人机辅助无线蜂窝网络的无人机部署优化方法 |
CN111479226B (zh) * | 2020-05-22 | 2022-03-11 | 南京邮电大学 | 无人机通信系统及基于用户轨迹的无人机通信优化方法 |
CN111954275B (zh) * | 2020-08-12 | 2022-09-27 | 北京邮电大学 | 一种面向无人机基站网络的用户多连接配置方法 |
US11349550B2 (en) | 2020-08-21 | 2022-05-31 | Huawei Technologies Co., Ltd. | Systems and methods for angular direction indication in wireless communication |
CN112188515B (zh) * | 2020-08-27 | 2022-08-16 | 清华大学 | 基于无人机网络的深远海信息服务质量优化方法 |
CN112672376B (zh) * | 2020-12-18 | 2022-09-20 | 大连理工大学 | 一种无人机辅助蜂窝网络中无人机部署方法 |
CN115347941B (zh) * | 2022-10-17 | 2023-02-17 | 四川腾盾科技有限公司 | 一种大型高空全网应急通信无人机对地覆盖方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109660292B (zh) * | 2019-01-23 | 2021-01-19 | 南京邮电大学 | 一种基于多无人机覆盖的无线通信系统飞行高度设计方法 |
CN109862575B (zh) * | 2019-03-25 | 2021-10-08 | 河北工程大学 | 无人机基站部署方法、终端设备及计算机可读存储介质 |
CN110120832B (zh) * | 2019-05-10 | 2022-03-15 | 南京邮电大学 | 一种基于缓存的无人机中继通信系统位置设计方法 |
-
2019
- 2019-11-01 CN CN201911058134.8A patent/CN110958616B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110958616A (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110958616B (zh) | 基于无人机辅助的蜂窝通信系统的通信方法 | |
Chen et al. | Multiple UAVs as relays: Multi-hop single link versus multiple dual-hop links | |
US10627524B2 (en) | Method and apparatus for positioning via unmanned aerial vehicles | |
CN111031513B (zh) | 一种多无人机辅助物联网通信方法及其系统 | |
CN109151793A (zh) | 基于云计算的多网精细化应急救援指挥系统 | |
US20160261311A1 (en) | Backhaul link for distributed antenna system | |
CN109660292B (zh) | 一种基于多无人机覆盖的无线通信系统飞行高度设计方法 | |
CN107667479A (zh) | 用于输电线上的表面波的无源电力耦合及其使用方法 | |
CN111988762A (zh) | 一种基于无人机d2d通信网络的能效最大资源分配方法 | |
Matracia et al. | Post-disaster communications: Enabling technologies, architectures, and open challenges | |
US11387871B2 (en) | Regularization of covariance matrix and eigenvalue decomposition in a MIMO system | |
CN109672469A (zh) | 一种gso与ngso卫星频谱共存规避角计算方法 | |
Almalki et al. | Deployment of an aerial platform system for rapid restoration of communications links after a disaster: a machine learning approach | |
Esrafilian et al. | Simultaneous user association and placement in multi-UAV enabled wireless networks | |
Pourbaba et al. | Full-duplex UAV relay positioning for vehicular communications with underlay V2V links | |
Chen et al. | Optimal UAV relay placement for single user capacity maximization over terrain with obstacles | |
CN112511978A (zh) | 一种用于收集森林防火监控数据的无人机部署方法 | |
US9270501B2 (en) | Method for removing signal interference based on multiple input multiple output | |
Sae et al. | Coverage aspects of temporary LAP network | |
CN110971290B (zh) | 能效最优的无人机中继协同通信系统信息传输方法 | |
CN104581957A (zh) | 针对卫星回程受限的空中平台能效最优功率分配方法 | |
WO2021050337A1 (en) | Integrated access and backhaul from high altitude platforms | |
CN115379393A (zh) | 一种面向干扰协调的全双工中继无人机能效优化方法 | |
CN114268967B (zh) | 无人机辅助移动边缘网络用户匹配方法及装置 | |
CN114221726B (zh) | ka频段无人机通信系统的下行链路同频干扰表征方法 |
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 |