CN116017783A - 一种无人机辅助公共安全网络连通性保持方法 - Google Patents
一种无人机辅助公共安全网络连通性保持方法 Download PDFInfo
- Publication number
- CN116017783A CN116017783A CN202310007871.5A CN202310007871A CN116017783A CN 116017783 A CN116017783 A CN 116017783A CN 202310007871 A CN202310007871 A CN 202310007871A CN 116017783 A CN116017783 A CN 116017783A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- connectivity
- public safety
- network
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 3
- 230000009471 action Effects 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004321 preservation Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 235000008694 Humulus lupulus Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种无人机辅助公共安全网络连通性保持方法,包括:基于公共安全网络建立地面用户到未受损基站的数据传输网络模型,并建立无人机移动模型;通过所述网络模型与所述无人机移动模型,结合正交频分多址技术,保持无人机群与地面用户的通信。本发明在维护网络连通性的同时,最大化效用函数,利用代数连通性,即通过引入网络拓扑的Fiedler特征值,更新选择概率,从宏观和长期角度以确保无人机数据传输的可靠性,最终使无人机网络在覆盖、移动性和连通性之间实现更好的平衡。
Description
技术领域
本发明涉及动态网络通信技术领域,特别是涉及一种无人机辅助公共安全网络连通性保持方法。
背景技术
随着信息时代的来临和发展,我国每时每刻都发生着大量的数据交换。在自然灾害(例如:地震、台风、海啸等)来临时,可能会导致地面基础通信设施损毁。在基础设施缺乏或不完善的情况下,如因突发事件而损坏的基站,需要在极短的时间内恢复公共安全网络(Public Safety Network,PSN)以保障正常通信。在这样的公共安全网络中,确保有效的覆盖和可靠的信息传输是恢复公共安全通信系统运行的关键。
无人机凭借其具有灵活部署、无人化作业和能在危险空间飞行等特点提供实时通信服务,可以在很大程度上缓解通信中断等问题。一方面,无人机作为空中基站可以为地面用户提供实时、灵活的通信服务;另一方面,无人机可以作为辅助中继,能够提升地面通信设施的传输性能和覆盖范围。所以无人机在公共安全救援的通信服务中发挥着关键作用。特别是,由于任务的复杂性,无人机群通常以协作方式执行任务。为了使多个无人机能够协同工作,维护它们之间的连通性是至关重要的。为了在保证多跳链路连通性的情况下降低过高的路由开销,现有技术提出基于图论d跳的连通支配集(d-CDS),为无人机群构建了虚拟骨干网(Virtual Backbone Network,VBN)。现有的一种基于模糊最优选择的多中继无人机选择方案,以通过利用历史检测信息和监视收益估计来解决监视任务和连通性维护之间的权衡。然而,在大规模无人机辅助公共安全网络场景中,很少讨论每架无人机在网络连通性方面的区别作用或具体贡献。例如,网络可能因某架无人机的高移动性和有限覆盖能力而断开连接,因此不能保证其通信的可靠性。
针对以上问题,本专利解决了公共安全网络中的一个典型问题,即无人机致力于覆盖尽可能多的地面用户(Ground Users,GUs),同时确保可靠的数据传输。
发明内容
为了保证局部和整体网络的连通性,本发明提出了一种无人机辅助公共安全网络连通性保持方法,根据无人机的位置和覆盖范围设计了一种基于学习的角色选择机制,并通过引入网络拓扑的Fiedler特征值,更新选择概率,在从宏观和长期角度以确保无人机群数据传输的可靠性。
为实现上述目的,本发明提供了如下方案:
一种无人机辅助公共安全网络连通性保持方法,包括:
基于公共安全网络建立地面用户到未受损基站的数据传输网络模型,并建立无人机移动模型;
通过所述网络模型与所述无人机移动模型,结合正交频分多址技术,保持无人机群与地面用户的通信。
优选地,建立所述数据传输网络模型包括:
基于所述无人机的集合、所述地面用户的集合和所述未受损的基站形成的数据传输网络,构建图模型G=(V,E);其中V={u1,u2,...,uN,uN+1}表示包含N架无人机和一个未受损基站的节点集合,表示边集的集合,当且仅当无人机ui和无人机uj之间建立了通信链路时,使得(ui,uj)∈E;
设Y1表示所述图模型G的(N+1)×(N+1)邻接矩阵,当(ui,uj)∈E时,所述Y1的第(i,j)个元素Y1(i,j)值为1,否则值为0。
优选地,在所述数据传输网络模型中,无人机自主选择充当用于信息传输恢复的角色;其中,所述用于信息传输恢复的角色包括中继无人机、空中基站无人机和备用无人机。
优选地,所述中继无人机用于执行中继任务,并维持基站与其它无人机之间的连通性;所述空中基站无人机用于执行覆盖和服务任务,使地面用户暂时恢复通信。
优选地,建立所述无人机移动模型,包括:
确定所述无人机和所述地面用户的位置在每个时隙t内不变,将所述无人机在固定高度hu处出发,记录所述无人机悬停和水平匀速移动的时间,构建所述无人机移动模型。
优选地,所述无人机移动模型为:
其中,是玩家集合,是玩家i的动作集,且每个玩家i在每个时间步骤在中选择一个动作ai,使其最大化自己的期望效用函数Ui,即局部目标函数Ui:a-i表示除无人机i以外的无人机的动作情况;(ai,a-i)表示所有无人机的动作组合;F(ai,a-i)表示严格势博弈的势函数。
优选地,无人机i,即ui,将其动作选择从ai单方面改变为另一个动作a′i的势函数F之差等于其自身效用函数U之差:
其中,a表示动作组合;在效用函数Ui中,Ci表示ui服务地面用户的数量;表示无人机i的邻居集,即能够向ui成功传输信息的其它无人机;Ck指不在该邻居集中的无人机k服务地面用户的数量;xi,j是一个二进制指示符;若在无人机i和其邻居集中的无人机j之间的重叠覆盖区域内,被服务用户的数量超过某个值Nc,则xi,j的值为0,否则为1。
本发明的有益效果为:
本发明在维护网络连通性的同时,最大化效用函数(无人机服务地面用户的数量),利用代数连通性,即通过引入网络拓扑的Fiedler特征值,更新选择概率,从宏观和长期角度以确保无人机数据传输的可靠性,最终使无人机网络在覆盖、移动性和连通性之间实现更好的平衡。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,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为本发明实施例中公共安全网络结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本实施例考虑了一种应急救援场景。在此场景中,公共安全网络中的多个基站因自然灾害而受损,使用一组无人机群来实现从地面用户(GUs)到未受损基站的数据传输。设为无人机的集合,其中N为无人机数量。为GUs的集合,M表示GUs的数目。
为了简化问题,首先将PSN中未受损的一个BS用uN+1表示。其次,用图G=(V,E)来建模PSN中的数据传输,其中V={u1,u2,...,uN,uN+1}和分别表示节点集和边集的集合,当且仅当ui和uj之间建立了通信链路时,使得(ui,uj)∈E。设Y1表示图G的(N+1)×(N+1)邻接矩阵,当(ui,uj)∈E时,Y1的第(i,j)个元素Y1(i,j)值为1,否则值为0。无人机群的目标是尽可能覆盖多的地面用户。其中,地面用户的分布遵循密度为λ的独立齐次泊松点过程(Poisson Point Process,PPP)Φ。无人机最初均匀部署在目标区域的高度为hu的位置。由于无人机的移动速度比地面用户快得多,因此可以假设地面用户相对于无人机静止。考虑到角色管理,无人机会自主选择充当用于信息传输恢复的三个角色中的其中一个,即中继无人机(Relay UAV,RU)、空中基站无人机(Air BS UAV,BU)和备用无人机(Standby UAV,SU)。三个角色无人机的功能定义如下:
中继无人机(Relay UAV,RU):执行中继任务,并维持基站与其它无人机之间的连通性。
空中基站无人机(Air BS UAV,BU):执行覆盖和服务任务,使地面用户暂时恢复通信。
备用无人机(Standby UAV,SU):由于其网络拓扑不连通,对救援任务没有任何贡献。
移动模型
根据P.K.Sharma的描述,本实施例中可以将无人机的运动分解为垂直运动和水平运动(空间偏移)。此外,当平均高度保持恒定时,垂直运动对无人机的覆盖率影响甚微。因此,可以将无人机的移动性模型简化为具有一定概率的水平运动。
假设无人机和地面用户的位置在每个时隙t内不变。具体而言,无人机首先在固定高度hu处出发。接下来,它们面临这样的选择,即概率为pT的悬停或概率为1-pT的水平匀速移动。停留时间Th遵循的均匀分布。如果无人机决定水平移动,其新的空间位置将变为
信道模型
为了确保无人机服务地面用户的服务质量(Quality of Experience,QoE),采用了正交频分多址技术(Orthogonal Frequency Division Multiple Access,OFDMA),因此忽略了不同链路之间的干扰。此外,本专利考虑由视距链路(Line of Sight,LoS)主导的空对空(Air-to-Air,A2A)和空对地(Air-to-Ground,A2G)无线信道中的自由空间路径损耗模型。加之该应用场景面向人口密集地区进行应急通信恢复,因此在本实施例中采用UMa-AVLOS信道模型。
ui和uj之间的路径损耗可以表示为:
其中,σ2表示噪声功率。
从uj到ui数据传输成功的条件是ui处的信噪比不小于阈值γth。
因此,ui的最大通信范围为:
因此,如果一个地面用户位于作为空中基站无人机i的覆盖范围内,则视为其可由ui提供应急救援服务,即无人机服务的地面用户(UAV-served GU)。
优化问题
假设地面应急设备车非常接近无人机,则可以忽略充电过程。因此,在本场景中,本专利的重点是无人机群在一段时间内最大化无人机服务的地面用户数量。虽然无人机群具有部署灵活、覆盖能力大的特点,但由于它们之间的距离较远,可能会导致网络拓扑不连通,从而导致信息传输的不可靠性。因此,本专利的优化问题是在应急救援过程中维持网络连通性的同时最大化无人机服务的地面用户数量。同时施加一个约束,使得每个空中基站无人机ui到未受损BS的传输链路跳数小于或等于h。以这种方式,将空中基站无人机ui和未受损BS连通。因此,无人机群可以成功地为地面用户提供通信服务。定义:
其中,NGU表示通过无人机群最多h跳恢复通信的地面用户的数目。
基于严格势博弈的无人机辅助覆盖及连通性维护
优化问题目标P实质上是一个组合问题,也是一个NP-hard问题。本专利期望无人机群能获得次优解,即在实时部署时,为尽可能更多的地面用户提供服务。因此,本专利提出了一种机制,其中无人机群和地面用户的位置在网络的每个快照中都是固定的。当然,还将在数百张网络快照中验证本专利所提方法的有效性。以下将给出所提出算法的细节。
首先,通过引入严格势博弈,将形成离散动作空间的角色视为无人机(玩家)的策略,包括r(1)(RU)、r(2)(BU)和r(3)(SU)。势函数类似于向量场分析中势的概念,它在严格势博弈中符合以下定义:
定义2表示当博弈达到纳什均衡,当其它玩家保持动作不变时,没有任何一个玩家可以通过改变其动作来获益。在本专利中,P表示无人机集合ai和a′i属于动作空间表示无人机i的角色选择。a-i表示除无人机i以外的无人机的动作情况。(ai,a-i)表示所有无人机的动作组合。Ui表示无人机i的效用函数。F(ai,a-i)表示严格势博弈的势函数。
考虑到主要优化目标是最大化无人机服务的地面用户数量,将效用函数Ui(a)定义为:
其中,Ci表示无人机ui服务地面用户的数量。表示无人机ui的邻居集,即能够向ui成功传输信息的其它无人机。xi,j是一个二进制指示符。如果在无人机i和无人机j之间的重叠覆盖区域内,被服务用户的数量超过某个值Nc,则xi,j的值为0,否则为1。也就是说,本专利对较小的重叠覆盖率给予奖励。因此,无人机更倾向于选择能够实现最大化无人机服务的地面用户数量以及在可接受重叠覆盖范围内的角色。并且,这种机制还可以调整无人机群的部署密度,例如,空中基站无人机可以尽可能分散部署以实现总体拓扑上更大的覆盖,这有助于促进覆盖和连通性之间更好的平衡。
本专利考虑以下势函数F:
接着,通过将等式(10)和(11)代入等式(8),证明如下。
无人机i将其动作选择从ai单方面改变为ai′的势函数之差为:
其中,a表示动作组合。当无人机k不是无人机i的邻居时,其动作不会发生变化,因此等式(12)的第4行等于0。当无人机服务的用户数超过Nc时,xi,j为0,等式(12)的第2行等于0,并且无人机i的动作切换对集合中的无人机没有影响。否则,如果xi,j为1,则第3行等于0,第二行显示了无人机i的动作切换所带来的积极影响。因此,该函数设计符合EPG模型。
至于救援任务,尽管选择中继无人机角色的一些无人机可能会牺牲掉部分覆盖,但它们在网络连通性维护和能量消耗方面做出了贡献。在时隙t-1选择动作后,无人机将根据以下策略在时隙t选择动作:
其中,ζ≥0是无人机选择次优动作的探索参数。如果ζ=0,ui将随机等概率选择动作否则,如果ζ→∞,它将以概率为1选择最佳响应动作。然而,由于备用无人机角色的存在,角色选择可能会导致网络失去连通。因此,将等式(13)中的ζ替换为其中λ2来源于即多无人机网络拓扑的代数连通性。
为了更直观地表示角色选择产生的拓扑结构,首先构造一个图G=(V,E)中的子图Gsub=(Vg,Eg),其中Vg=V\SU并且Eg=E∩Vg×Vg。设n是Vg的势,则g1<g2<...<gn=N+1。设Y2是Gsub的n×n邻接矩阵,则Y2的第(i,j)个元素yi,j由下式给出:
yi,j=Y1(gi,gj) (14)
Gsub的拉普拉斯矩阵为:
在上述转化操作之后,将无人机的理性因子ζ替换为一方面,如果说明时隙t-1的拓扑连通性(除了备用无人机以外)保持良好。因此,无人机倾向于以更高的概率再次选择与当前相同的动作。连通性越高,动作组合持续的概率就越大。另一方面,如果等于0或接近0,无人机将重新以等概率的方式选择角色动作以摆脱当前不连通的拓扑结构。因此,所设计的策略与效用函数使得所有中继无人机和空中基站无人机都能与未受损BS通过多跳连接,不仅更严格地了满足P的连通性约束,而且避免了无人机盲目地追求覆盖。算法1是基于严格势博弈的无人机辅助救援最大化覆盖及连通性维护算法(EPGCAC)的伪代码,如下表1:
表1
本发明解决了公共安全网络中的一个典型问题,即无人机致力于覆盖尽可能多的地面用户(Ground Users,GUs),同时确保可靠的数据传输。为了保证局部和整体网络的连通性,本发明提出了一种基于严格势博弈(Exact Potential Game,EPG)的无人机辅助救援覆盖最大化连通性维护算法(EPG Based Coverage Maximization Algorithm withConnectivity Preservation for UAV-assisted Rescue,EPGCAC)。其中,根据无人机的位置和覆盖范围设计了一种基于学习的角色选择机制,并通过引入网络拓扑的Fiedler特征值,更新选择概率,在从宏观和长期角度以确保无人机群数据传输的可靠性。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种无人机辅助公共安全网络连通性保持方法,其特征在于,包括:
基于公共安全网络建立地面用户到未受损基站的数据传输网络模型,并建立无人机移动模型;
通过所述网络模型与所述无人机移动模型,结合正交频分多址技术,保持无人机群与地面用户的通信。
2.根据权利要求1所述的无人机辅助公共安全网络连通性保持方法,其特征在于,建立所述数据传输网络模型包括:
基于所述无人机的集合、所述地面用户的集合和所述未受损的基站形成的数据传输网络,构建图模型G=(V,E);其中V={u1,u2,...,uN,uN+1}表示包含N架无人机和一个未受损基站的节点集合,表示边集的集合,当且仅当无人机ui和无人机uj之间建立了通信链路时,使得(ui,uj)∈E;
设Y1表示所述图模型G的(N+1)×(N+1)邻接矩阵,当(ui,uj)∈E时,所述Y1的第(i,j)个元素Y1(i,j)值为1,否则值为0。
3.根据权利要求2所述的无人机辅助公共安全网络连通性保持方法,其特征在于,在所述数据传输网络模型中,无人机自主选择充当用于信息传输恢复的角色;其中,所述用于信息传输恢复的角色包括中继无人机、空中基站无人机和备用无人机。
4.根据权利要求3所述的无人机辅助公共安全网络连通性保持方法,其特征在于,所述中继无人机用于执行中继任务,并维持基站与其它无人机之间的连通性;所述空中基站无人机用于执行覆盖和服务任务,使地面用户暂时恢复通信。
5.根据权利要求1所述的无人机辅助公共安全网络连通性保持方法,其特征在于,建立所述无人机移动模型,包括:
确定所述无人机和所述地面用户的位置在每个时隙t内不变,将所述无人机在固定高度hu处出发,记录所述无人机悬停和水平匀速移动的时间,构建所述无人机移动模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310007871.5A CN116017783A (zh) | 2023-01-04 | 2023-01-04 | 一种无人机辅助公共安全网络连通性保持方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310007871.5A CN116017783A (zh) | 2023-01-04 | 2023-01-04 | 一种无人机辅助公共安全网络连通性保持方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116017783A true CN116017783A (zh) | 2023-04-25 |
Family
ID=86027984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310007871.5A Pending CN116017783A (zh) | 2023-01-04 | 2023-01-04 | 一种无人机辅助公共安全网络连通性保持方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116017783A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116634468A (zh) * | 2023-07-21 | 2023-08-22 | 中国人民解放军军事科学院系统工程研究院 | 一种基于精确势博弈的无人机信道选择方法 |
CN116880551A (zh) * | 2023-07-13 | 2023-10-13 | 之江实验室 | 基于随机事件捕获的飞行轨迹规划方法,系统及存储介质 |
-
2023
- 2023-01-04 CN CN202310007871.5A patent/CN116017783A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116880551A (zh) * | 2023-07-13 | 2023-10-13 | 之江实验室 | 基于随机事件捕获的飞行轨迹规划方法,系统及存储介质 |
CN116634468A (zh) * | 2023-07-21 | 2023-08-22 | 中国人民解放军军事科学院系统工程研究院 | 一种基于精确势博弈的无人机信道选择方法 |
CN116634468B (zh) * | 2023-07-21 | 2023-10-31 | 中国人民解放军军事科学院系统工程研究院 | 一种基于精确势博弈的无人机信道选择方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Multi-agent reinforcement learning in NOMA-aided UAV networks for cellular offloading | |
Wang et al. | Deployment algorithms of flying base stations: 5G and beyond with UAVs | |
Ghanavi et al. | Efficient 3D aerial base station placement considering users mobility by reinforcement learning | |
Chen et al. | Toward robust and intelligent drone swarm: Challenges and future directions | |
El Hammouti et al. | Learn-as-you-fly: A distributed algorithm for joint 3D placement and user association in multi-UAVs networks | |
CN116017783A (zh) | 一种无人机辅助公共安全网络连通性保持方法 | |
CN106054875B (zh) | 一种分布式多机器人动态网络连通性控制方法 | |
You et al. | Joint optimization of area coverage and mobile-edge computing with clustering for FANETs | |
El Houda Bahloul et al. | A flocking-based on demand routing protocol for unmanned aerial vehicles | |
CN110913402A (zh) | 一种联合优化通信与编队的高覆盖效率的无人机自组网分簇方法 | |
Dai et al. | Efficient deployment of multiple UAVs for IoT communication in dynamic environment | |
Liu et al. | Deployment and movement for multiple aerial base stations by reinforcement learning | |
Rahmati et al. | Dynamic interference management for UAV-assisted wireless networks | |
Esrafilian et al. | Autonomous UAV-aided mesh wireless networks | |
Wu et al. | 3D aerial base station position planning based on deep Q-network for capacity enhancement | |
CN115499921A (zh) | 面向复杂无人机网络的三维轨迹设计及资源调度优化方法 | |
Khan et al. | Route selection in 5G-based flying ad-hoc networks using reinforcement learning | |
CN114945182B (zh) | 一种城市环境中多无人机中继优化部署方法 | |
Mokhtari et al. | Relaying data with joint optimization of energy and delay in cluster-based UAV-assisted VANETs | |
Xiong et al. | Collaborative computation offloading at UAV-enhanced edge | |
Nait-Abdesselam et al. | Towards enabling unmanned aerial vehicles as a service for heterogeneous applications | |
Arribas et al. | Fair cellular throughput optimization with the aid of coordinated drones | |
Chen et al. | Joint channel and link selection in formation-keeping UAV networks: A two-way consensus game | |
Zhao et al. | Transfer learning: A paradigm for dynamic spectrum and topology management in flexible architectures | |
Liu et al. | Throughput optimization for flying ad hoc network based on position control using genetic algorithm |
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 |