CN117641368A - 一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法 - Google Patents
一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法 Download PDFInfo
- Publication number
- CN117641368A CN117641368A CN202311696637.4A CN202311696637A CN117641368A CN 117641368 A CN117641368 A CN 117641368A CN 202311696637 A CN202311696637 A CN 202311696637A CN 117641368 A CN117641368 A CN 117641368A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- user
- aerial vehicle
- module
- communication
- 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
- 230000006854 communication Effects 0.000 title claims abstract description 66
- 238000004891 communication Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 8
- 102100026758 Serine/threonine-protein kinase 16 Human genes 0.000 claims description 2
- 101710184778 Serine/threonine-protein kinase 16 Proteins 0.000 claims description 2
- 238000011480 coordinate descent method Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法，使用多个无人机作为基站，在给定用户位置信息的情况下，以无人机覆盖的用户量为目标，计算出每个无人机的三维位置信息，以最大化用户覆盖量。系统包括无人机基站端部分、用户终端部分和中心控制单元部分三部分，无人机基站端部分由基带通信模块、天线模块组成；用户终端部分由天线模块和信息接收模块组成；控制单元部分由位置获取模块、计算模块、求解模块组成。方法包括步骤：用户终端发送信号；获取用户的位置坐标，对地面用户进行聚类；计算每个无人机到指定的用户簇中用户的信道状态信息；建立最大化用户覆盖量的优化问题；求解出每个无人机的最优位置；部署无人机基站进行通信。
Description
技术领域
本发明属于无线通信技术领域，具体涉及一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法，可用于灾后无人机通信、辅助地面设备通信等实际工程领域。
背景技术
近年来，无人机以其快速部署和灵活配置的特性，越来越受到人们的关注。无人机的一个特别有前景的应用是它们可以作为空中基站或中继站，以增强网络可靠性和容量。无人机辅助网络在快速部署和更灵活的构建方面超过了地面网络。他们可以快速建立补充无线网络，以支持拥挤热点环境中的地面网络。可以为两个或者更多的用户提供可靠的通信链路，实现多用户之间的信息交换，增加了无线通信的覆盖范围。此外，它们还有助于在地面网络瘫痪和灾后救援活动需要通讯的情况下提供紧急通讯。
在无线通信领域，无人机灵活的移动性使通信网络可以获得较高的通信速率和更大的覆盖范围。此外，无人机辅助下的无线通信网络可在山区灾区等通信基础设施薄弱的地区迅速的再次建立起通信连接，也就是说无人机能够在应急通信中起到关键的作用。一方面，无人机拥有成本相对较低、操作简单、能够快速部署等优势；另外一方面，无人机的通信平台主要为低空领域，在其低空飞行期间搭载通讯系统能实现巡航覆盖。由于无人机的灵活配置特性，因此研究无人机的位置部署显得尤为重要。
目前无人机辅助物联网通信的研究主要集中在两个方面：无人机的资源分配和无人机的部署位置。Luo在“IEEE Communications Letters,26(12):3009-3013”上发表文章“3-D Deployment of Multiple UAV-Mounted Mobile Base Stations for FullCoverage of IoT Ground Users with Different QoS Requirements”提出了一种面向QoS的多无人机三维部署算法。该算法优化了无人机的高度和覆盖半径，以满足不同的QoS要求。针对单个无人机作为基站的场景，Alzenad等在“IEEE Communications Letters,6(4):3009-3013”上发表文章“3-D Placement of an Unmanned Aerial Vehicle BaseStation(UAV-BS)for Energy-Efficient Maximal Coverage”提出了一种无人机三维位置部署算法，使系统能够以最小的传输功率最大限度地覆盖系统用户。Zhang等学者在“IEEETransactions on Communications,69(4):2473-2488”上发表文章“3D Deployment ofMultiple UAV-Mounted Base Stations for UAV Communications”提出了一种人工蜂群(ABC)算法，该算法同时考虑了无人机的服务能力和地面用户的QoS要求，旨在用最少的无人机覆盖最多的GU。
尤其是，Chen等学者在工作“Journal of Internet Technology,23(3):487-495”上发表文章“PSO-VFA:A Hybrid Intelligent Algorithm for Coverage Optimizationof UAV-Mounted Base Stations”建立了多架无人机作为基站的模型，并使用启发式算法求解了系统覆盖最大用户数量条件下每架无人机的最佳位置。然而，该系统只考虑了无人机的水平位置，没有考虑每架无人机的高度变化。
目前关于无人机的位置部署和资源分配的相关研究越来越多，但这些研究尚有以下不足：1)目前无人机辅助通信的研究主要集中在单无人机场景上。然而，在用户众多的实际应用中，一架无人机可能难以满足通信需求，而使用多架无人机可以有效地为用户服务。2)很少有文献考虑了用户的不同QoS要求，而实际中这种场景是常见的，如视频传输、语音传输和文本传输等所要求的QoS是不同的。3)现有的无人机部署研究主要集中在水平定位上，对无人机高度的考虑有限。4)在多用户的情况下，对预处理操作(如用户聚类)的研究很少。
发明内容
本发明的目的在于克服上述现有技术的不足，针对多无人机通信系统，提出了基于用户QoS密度峰聚类的多无人机通信三维位置优化系统及方法，主要研究了多个无人机充当基站的情况下无人机的位置部署问题。本发明以系统覆盖用户量最大化为设计目标，来寻求最佳的部署位置。
一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统，包括无人机基站端部分、用户终端部分和中心控制单元部分；无人机基站端部分由基带通信模块、天线模块组成；用户终端部分由天线模块和信息接收模块组成；控制单元部分由位置获取模块、计算模块、求解模块组成；
无人机基站端部分中基带通信模块与天线模块相连接，用户终端部分中天线模块与信息接收模块相连接，中心控制单元部分中位置获取模块与计算模块、求解模块相连接；其中：
所述基带通信模块，用于将数据编码调制成基带信号；
所述天线模块，用于将基带信号以电磁波的形式发射或将接收到的电磁波转化为电信号，该模块包含无人机基站天线模块和用户终端天线模块两部分；
所述信息接收模块，用于将接收到的电信号转化为原始数据；
所述位置获取模块，用于获取地面用户的坐标信息；
所述计算模块，用于计算无人机到用户端的信道状态信息；
所述求解模块，用于求解出每个无人机的最佳位置。
一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，包括以下步骤：
步骤(1)，用户终端发送信号；
步骤(2)，获取用户的位置坐标，使用密度峰聚类算法对地面用户进行聚类；
步骤(3)，计算每个无人机到指定的用户簇中用户的信道状态信息
步骤(4)，建立系统的最大化用户覆盖量的优化问题；
步骤(5)，使用迭代算法求解出每个无人机的最优位置；
步骤(6)，根据步骤(5)求出的无人机最优位置，将无人机部署到该位置。
有益效果：(1)本发明在多个用户的位置信息已知的情况下，通过对用户进行聚类，将用户分为若干个用户簇，每个无人机负责一个用户簇，接着通过迭代算法来优化求解无人机的最佳部署位置。通过这种方法所求得的最佳位置能极大的提高系统的覆盖率。(2)通过优化无人机的位置部署，从而提高无人机通信网络的可靠性，扩大通信覆盖范围对未来无人机的发展有着重大意义。(3)考虑了不同用户有不同QoS需求的场景使该发明实用性更强。(4)针对多无人机场景，结合对无人机高度的考虑，并研究了多用户的预处理操作，实现了更好的无人机部署和资源分配效果。
附图说明
图1为本发明实施例中的无人机通信系统模型图。
图2为本发明实施例中的系统示意图。
图3为本发明实施例中的方法流程图。
图4为本发明实施例中的地面用户节点聚类图。
图5为本发明实施例中的用户覆盖率与迭代次数的收敛曲线图。
图6为本发明实施例中的无人机三维位置部署图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
参照附图1、2本发明系统包括用户端部分、无人机基站端部分和控制单元三部分。
基于用户QoS密度峰聚类的多无人机通信三维位置优化系统，包括无人机基站端部分、用户终端部分和中心控制单元部分。无人机基站端部分由基带通信模块、天线模块组成；用户终端部分由天线模块和信息接收模块组成；控制单元部分由位置获取模块、计算模块、求解模块组成。
无人机基站端部分中基带通信模块与天线模块相连接，用户终端部分中天线模块与信息接收模块相连接，中心控制单元部分中位置获取模块与计算模块、求解模块相连接；其中：
基带通信模块，用于将数据编码调制成基带信号；
所述天线模块，用于将基带信号以电磁波的形式发射或将接收到的电磁波转化为电信号，该模块包含无人机基站天线模块和用户终端天线模块两部分；
信息接收模块，用于将接收到的电信号转化为原始数据；
位置获取模块，用于获取地面用户的坐标信息；
计算模块，用于计算无人机到用户端的信道状态信息；
求解模块，用于求解出每个无人机的最佳位置。
参照附图3对本发明方法的具体步骤做详细描述。
基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，包括以下步骤：
步骤(1)，用户终端发送信号。
步骤(1a)，用户终端的基带通信模块将待传输的数据编码调制成基带信号。
步骤(1b)，用户终端的天线模块将所调制的基带信号以电磁波的形式发射。
步骤(2)获取用户的位置坐标，使用密度峰聚类算法对地面用户进行聚类。
步骤(2a)，位置获取单元根据地面用户发出的信号确定每个用户的位置坐标，令i为无人机编号，j为用户编号，为用户坐标集合，IS＝{1,2,…,N}为用户的编号集合。
步骤(2b)，根据所需部署的无人机数量M，使用密度峰聚类算法将地面用户分为M个用户簇。
步骤(2b-1)，计算所有用户点的局部密度即具体计算方式如下：
其中，djk为用户j到用户k之间的欧式距离，dc＞0为由不同QoS要求决定的截断距离，需要提前设定，函数χ(x)定义如下：
步骤(2b-2)，计算每个用户点的相对距离，具体计算方式如下：
其中，为/>降序排列的下标序号，即满足如下关系：
步骤(2b-3)，计算一个将ρ值和δ值综合考虑的量，即γj＝ρjδj(j∈IS)。将进行降序排序，之后从前向后截取若干个点即可作为聚类中心。
步骤(2b-4)，遍历所有的用户点对非聚类中心用户进行归类。
步骤(3)，计算每个无人机到指定的用户簇中用户的信道状态信息。
步骤(3a)，无人机到指定用户簇中用户的信道状态信息可由以下公式获得：
其中，和/>分别为无人机i到用户j的视距传输的路径损耗和非视距传输的路径损耗，/>和/>分别为无人机i到用户j的视距概率和非视距概率；其中c表示光速，fc为载波频率，di,j为无人机到用户之间的欧式距离，θ为空地链路的仰角。n是路径损耗指数，ηLoS和ηNLoS分别表示视距传播和非视距传播带来的额外自由空间损耗，a和b为计算视距概率所需的常数。其中，n、ηLoS、ηNLoS、a和b这几个参数由通信环境决定，并在通信过程中保持不变，为常量。因此，无人机到用户端的路径损耗PLi,j可由以下公式获得：
步骤(3b)，用户端的信噪比可由以下公式获得：
其中，Pi为无人机i的发射功率，σ2为噪声的功率。
步骤(4)，建立系统的最大化用户覆盖量的优化问题。
根据无人机到用户的通信速率、用户的接收阈值和每个无人机的运动范围，系统的最大化覆盖率问题可写成：
s.t 0≤xi≤xmax
0≤yi≤ymax
0≤hi≤hmax
其中，xi、yi、hi分别为第i个无人机的水位位置横坐标、水平位置纵坐标和高度坐标。xmax、ymax、hmax分别为第i个无人机的水位位置横坐标、水平位置纵坐标和高度坐标的最大值。 为用户j的接收信噪比阈值，u(i,j)＝1代表用户j被无人机i覆盖，否则用户j未被无人机i覆盖。I为无人机的集合，J为用户的集合。
步骤(5)，使用迭代算法求解出每个无人机的最优位置。
步骤(6)，根据步骤(5)求出的无人机最优位置，将无人机部署到该位置。
步骤(1a)中所述的编码可选用线性分组码，卷积码，Turbo码，低密度校验码LDPC码和非编码方式中的任意一种方式完成。
步骤(1a)的调制方式可选用MASK、MFSK和MPSK中的任意一种调制方式。
步骤(5)中所述的迭代算法可选用块坐标下降法或启发法式算法来完成。
本实例提供了一种利用python语言来仿真基于用户QoS密度峰聚类的多无人机通信三维位置优化方法。系统的仿真参数如表1所示：
表1
| 仿真参数 | 数值 |
| fc | 2000MHz |
| (a,b) | (12.08,0.11) |
| (ηLoS,ηNLoS) | (1.6,23)db |
| n | 3 |
| σ2 | -120dbm |
| hmax | 1000m |
| γth | [10db 15db 20db] |
附图4为用户节点聚类图，本次仿真中设置的环境为5000m×5000m的正方形区域，用户的数量为100。其中信噪比阈值为10db、15db、20db的用户数量分别为40、40和20。在这里将用户分为6个用户簇，使用6个无人机来提供通信服务，每个无人机的水平位置被限定在指定的用户簇中。
附图5为系统的用户覆盖率与迭代次数的收敛曲线图，从图中可看出对用户聚类处理后系统覆盖用户量明显大于未对用户做聚类处理的方案。
附图6为6个无人机参与通信，每个无人机节点的最优部署情况。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。
Claims (10)
1.一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统，其特征在于：
所述系统包括无人机基站端部分、用户终端部分和中心控制单元部分；无人机基站端部分由基带通信模块、天线模块组成；用户终端部分由天线模块和信息接收模块组成；控制单元部分由位置获取模块、计算模块、求解模块组成；
无人机基站端部分中基带通信模块与天线模块相连接，用户终端部分中天线模块与信息接收模块相连接，中心控制单元部分中位置获取模块与计算模块、求解模块相连接；其中：
所述基带通信模块，用于将数据编码调制成基带信号；
所述天线模块，用于将基带信号以电磁波的形式发射或将接收到的电磁波转化为电信号，该模块包含无人机基站天线模块和用户终端天线模块两部分；
所述信息接收模块，用于将接收到的电信号转化为原始数据；
所述位置获取模块，用于获取地面用户的坐标信息；
所述计算模块，用于计算无人机到用户端的信道状态信息；
所述求解模块，用于求解出每个无人机的最佳位置。
2.一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：包括以下步骤：
步骤(1)，用户终端发送信号；
步骤(2)，获取用户的位置坐标，使用密度峰聚类算法对地面用户进行聚类；
步骤(3)，计算每个无人机到指定的用户簇中用户的信道状态信息
步骤(4)，建立系统的最大化用户覆盖量的优化问题；
步骤(5)，使用迭代算法求解出每个无人机的最优位置；
步骤(6)，根据步骤(5)求出的无人机最优位置，将无人机部署到该位置。
3.根据权利要求2所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：步骤(1)具体包括如下分步骤；
步骤(1a)，用户终端的基带通信模块将待传输的数据编码调制成基带信号；
步骤(1b)，用户终端的天线模块将所调制的基带信号以电磁波的形式发射。
4.根据权利要求3所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：所述步骤(1a)中的编码选用线性分组码，卷积码，Turbo码，低密度校验码LDPC码和非编码方式中的任意一种方式完成。
5.根据权利要求3所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：步骤(1a)的调制方式选用MASK、MFSK和MPSK中的任意一种调制方式。
6.根据权利要求2所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：步骤(2)具体包括如下分步骤；
步骤(2a)，位置获取单元根据地面用户发出的信号确定每个用户的位置坐标，令i为无人机编号，j为用户编号，为用户坐标集合，IS＝{1,2,…,N}为用户的编号集合；
步骤(2b)，根据所需部署的无人机数量M，使用密度峰聚类算法将地面用户分为M个用户簇。
7.根据权利要求6所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：所述步骤(2b)具体包括如下分步骤：
步骤(2b-1)，计算所有用户点的局部QoS密度即具体计算方式如下：
其中，djk为用户j到用户k之间的欧式距离，dc＞0为由不同QoS要求决定截断距离，需要提前设定，函数χ(x)定义如下：
步骤(2b-2)，计算每个用户点的相对距离，具体计算方式如下：
其中，为/>降序排列的下标序号，即满足如下关系：
步骤(2b-3)，计算一个将ρ值和δ值综合考虑的量，即γj＝ρjδj(j∈IS)；将进行降序排序，之后从前向后截取若干个点即可作为聚类中心；
步骤(2b-4)，遍历所有的用户点对非聚类中心用户进行归类。
8.根据权利要求2所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：步骤(3)具体包括如下分步骤；
步骤(3a)，无人机到指定用户簇中用户的信道状态信息由以下公式获得：
其中，和/>分别为无人机i到用户j的视距传输的路径损耗和非视距传输的路径损耗，/>和/>分别为无人机i到用户j的视距概率和非视距概率；其中c表示光速，fc为载波频率，di,j为无人机到用户之间的欧式距离，θ为空地链路的仰角；n是路径损耗指数，ηLoS和ηNLoS分别表示视距传播和非视距传播带来的额外自由空间损耗，a和b为计算视距概率所需的常数。其中，n、ηLoS、ηNLoS、a和b这几个参数由通信环境决定，并在通信过程中保持不变，为常量；因此，用户端到无人机的平均路径损耗PLi,j由以下公式获得：
步骤(3b)，用户端的信噪比由以下公式获得：
其中，Pi为无人机i的发射功率，σ2为噪声的功率。
9.根据权利要求2所述的一种基于用户QoS密度峰聚类的多无人机通信三维位置优化方法，其特征在于：步骤(4)中，系统的最大化覆盖率问题可建模为：
s.t 0≤xi≤xmax
0≤yi≤ymax
0≤hi≤hmax
其中，xi、yi、hi分别为第i个无人机的水位位置横坐标、水平位置纵坐标和高度坐标。xmax、ymax、hmax分别为第i个无人机的水位位置横坐标、水平位置纵坐标和高度坐标的最大值。 为用户j的接收信噪比阈值，u(i,j)＝1代表用户j被无人机i覆盖，否则用户j未被无人机i覆盖。I为无人机的集合，J为用户的集合。
10.根据权利要求2所述的一种基于用户QoS密度峰聚类的多无人机位置优化算法，其特征在于：所述步骤(5)中的迭代算法选用块坐标下降法或启发法式算法来完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311696637.4A CN117641368A (zh) | 2023-12-12 | 2023-12-12 | 一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311696637.4A CN117641368A (zh) | 2023-12-12 | 2023-12-12 | 一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117641368A true CN117641368A (zh) | 2024-03-01 |
Family
ID=90037529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311696637.4A Pending CN117641368A (zh) | 2023-12-12 | 2023-12-12 | 一种基于用户QoS密度峰聚类的多无人机通信三维位置优化系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117641368A (zh) |
-
2023
- 2023-12-12 CN CN202311696637.4A patent/CN117641368A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Adaptive deployment for UAV-aided communication networks | |
| CN110138443B (zh) | 面向无线中继的无人机航迹和信号发射功率联合优化方法 | |
| CN109885088B (zh) | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 | |
| 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 | |
| CN107040982A (zh) | 一种面向无人机中继网络的用户调度与功率分配联合优化方法 | |
| CN112672376B (zh) | 一种无人机辅助蜂窝网络中无人机部署方法 | |
| Kumar et al. | Backhaul and delay-aware placement of UAV-enabled base station | |
| 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 | |
| Shi et al. | Joint gateway selection and resource allocation for cross-tier communication in space-air-ground integrated IoT networks | |
| Pourbaba et al. | Full-duplex UAV relay positioning for vehicular communications with underlay V2V links | |
| Guo et al. | 3D aerial vehicle base station (UAV-BS) position planning based on deep Q-learning for capacity enhancement of users with different QoS requirements | |
| Lai et al. | Data-driven 3D placement of UAV base stations for arbitrarily distributed crowds | |
| Helmy et al. | Utilization of aerial heterogeneous cellular networks: Signal-to-interference ratio analysis | |
| CN110971290B (zh) | 能效最优的无人机中继协同通信系统信息传输方法 | |
| CN110912604B (zh) | 一种基于多用户调度的无人机安全通信方法 | |
| CN113904743B (zh) | 一种无人机中继系统的安全通信资源优化设计方法 | |
| Zhu et al. | QoS-aware 3D deployment of UAV base stations | |
| Mandloi et al. | Seamless connectivity with 5G enabled unmanned aerial vehicles base stations using machine programming approach | |
| CN111479240B (zh) | 无人机通信系统及基于用户分簇的无线传输方法 | |
| Anandpushparaj et al. | Performance analysis of UAV cellular communications | |
| Zhang et al. | Resource allocation and trajectory design for cellular UAV-to-X communication networks in 5G | |
| Shehzad et al. | Performance of mmWave UAV‐Assisted 5G Hybrid Heterogeneous Networks | |
| CN112702719A (zh) | 一种无人机场景下高能效d2d资源分配方法 | |
| Firozjae et al. | Performance Analysis of an UAV-assisted cognitive D2D communication-based Disaster Response Network | |
| Wei et al. | Spectrum sharing between high altitude platform network and terrestrial network: Modeling and performance analysis |
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 |