「记者爆料」无人机如何实现基站控制技术?未来会运用到哪些领域?
文化|栀子花
编辑|游艺花园
介绍
在过去的几十年里,无人机因其高机动性和低成本而被广泛应用于各种领域。
近年来,可用性的提高使得无人机更容易在军事行动之外使用,将其用途扩展到民用和商业领域,例如观察、野火探测和货物运输。
由于无人机有望在无线通信中发挥作用,因此正在进行大量研究将无人机集成到地面网络中,以最大限度地提高吞吐量、减少延迟时间并最大限度地提高能源效率。
如何利用无人机的飞行特性扩大海上覆盖范围、构建非地面网络也在研究中,关键是无人机创建的网络可以通过改变数量、位置和轨迹来灵活演进。
由于无人机可以更轻松地沿视距进行通信,创造了良好的通信环境,可以充分利用这一优势的一个应用是灾难期间的通信恢复。
电信基础设施依赖于基站和回程链路等有线设施。当地震或海啸等灾难影响到该基础设施时,移动用户不可避免地会失去网络连接,无法从受影响地区的用户收集信息并优化灾难响应。做。
网络丢失是一个必须尽可能避免的严重题,而对灾备通信系统的需求不断增加,而解决这一题的方法就是在受灾地区的无人机上部署空中基站。
已经提出了许多使用无人机群来覆盖无人机以圆形轨迹飞行的大面积区域的通信系统,而及时性和公平性是在灾害期间使用这些信息收集系统的两个重要方面。
时效性很重要,因为实时信息收集对于顺利救援受害者非常重要,并且通过从发送者生成信息到传递到接收者所经过的时间来评估。
在该模型中,无人机的连续悬停周期确保了及时性,而公平性也很重要,因为必须在因灾难导致网络连接中断的地区从尽可能多的用户那里收集信息。
确保用户访网络能力的公平性非常重要,尤其是在无人机匀速飞行时,由于多个地面用户设备的空间分布不均匀而导致访差异。
在UE分布密度较高的区域,无人机需要容纳的设备数量较多,因此每个UE的带宽也较小。因此,UE的业务量较低。
在UE分布密度较小的区域,UE通信量增大,因此为了解决这个题,必须根据UE分布密度来控制无人机的速度。
为了兼顾时效性和公平性,解决UE空间分布不均匀带来的不公平题,必须开发一种恒定悬停周期的无人机速度控制技术。
由于使用单一无人机时也会出现这些题,因此本研究重点关注利用无人机作为飞行基站,并考虑受灾地区地面用户的公平题。
特定无人机的转弯周期是恒定的,无人机的速度有,且无人机的速度取连续值,因此无法应用完全搜索方法。
即使速度离散化,搜索空间仍然很大,并且必须在每个速度控制间隔确定无人机的速度,因此不可避免地会出现非常高的计算复杂度,并且需要低复杂度的算法来允许快速执行每圈计算。
调整过程
角速度是通过投影操作获得的,但它可能并不总是满足无人机的速度,在这种情况下必须执行调整过程。
调整过程基于通过投影操作获得的角速度计算满足角速度的速度约束的折衷解。调优过程可以分为两个主要任务
第一个是将角速度分量改变为位于最小值和最大值之间,第二个是调整角速度以满足以下两个条件。无人机转弯前后的转弯周期不发生变化。调解过程。
并且由于该操作,在每个旋转角度处微观地传输的数据量的变化是恒定的,而与旋转角度无关,并且容易获得满足这两个条件的角速度变化。
并且可以减少由于速率而造成的公平性损失。这些操作导致的角速度和微传输数据量的变化如图6所示。
图6对账流程说明
接下来,在确认所提出的方法收敛后,在调整过程中继续进行从10到32的速度计算,直到角速度的所有分量都满足这一要求。
假设to为正,则设定速度L增大以满足旋转周期条件,当没有出现新的超过上限的速度分量时调节过程收敛。
当出现新的超过上限的速度分量时,首先将其降低到上限并放入***O中。必须再次增加设定速度L。
速度超限随着调整过程的每次迭代而减少,最终随着速度上限设置为大于平均速度而收敛。
评分
参考5G基站配置设置仿真设置、UE分布模型和对比方法,并将无人机的最大速度设置为飞行无人机与地面UE保持连接的上限。
这是在UE分布模型中完成的,其中圆被分为四个区域一个密集区域、一个稀疏区域和两个正常区域。
密集区和稀疏区各占总面积的四分之一,一半的UE位于密集区,10个位于稀疏区,其余位于正常区,UE分布在0lt内。rUEklt;09R。
无人机根据地面用户的分布密度来调节速度,高时减速,低时加速,这可以通过每次容纳的UE数量和无人机速度的变化看出。
图9.每次容纳的UE数量和无人机速度的变化。
还展示了每种方法对UE传输数据量的影响,首先展示了不同UE总数值下每种方法传输的最小数据量,Ktot=模拟进行了1000次。次。
可以看出,控制无人机速度的方法相比Constant有性能上的提升,而且这种方法的计算复杂度很高,所以可以看出在平均值和最小值方面相比Constant有类似的性能暴力。
图10无速率的最小数据传输量
为了确认每种方法对所有UE传输的数据量的有效性,传输数据量的平均值和方差如表4所示,并且该模拟也执行了1000次。
最后,该方法被证明与其他方法相比在保持平均传输数据量的同时增加了公平性指数并减少了方差,表明该方法在传输数据量方面实现了较高水平的公平性。UE。
表4不限速时平均传输数据量及传输数据变化量
结果表明,这些方法增加了UE传输的数据量,并且当无人机匀速飞行时,数据量减少,公平性提高。
也就是说,该方法根据覆盖区域内UE数量的变化来调整无人机的速度,解决了由于UE空间不平衡造成的不公平题。
相关工作和动机
RJPQ方法得到的各时期优化无人机群轨迹,节点TS、D、E分别用绿点、橙点、蓝色六边形表示。
如果在仿真中使用T=60秒(代表任务时间不足)和T=120秒(代表任务时间不足),则可以得出最短飞行时间为T=50秒。具有相似轨迹的最终点。
还观察到,在不同时间的任务情况下,RUAV靠近接收器,JUAV靠近窃听者,并且在T=60秒时,所有RUAV沿着弧形路径飞向接收器,然后在时间内返回到最终位置。窃听者。任务时间.
JUAV从RUAV1飞离窃听者附近的点以减少干扰,并且在T=120秒时,RUAV和JUAV有更多的时间靠近接收者和窃听者。
值得注意的是,在下面的情况下,JUAV在T=120s时直接接近窃听者以节省推进能量,这与在下面的情况下T=60s时的行为有显着不同。
对比不同周期的两种情况,我们最终可以看出,周期T越大,无人机轨迹优化的自由度越高,能够获得更好的系统性能。
观察无人机飞行时间T=90s时RJPQ、RPQ、RJQ和RPQ-NJ方法获得的无人机群轨迹,可以看出四种方法获得的RUAV2轨迹相似。
具体来说,RUAV2飞向弧形路径的最终位置并接近目的地以获得更好的LOS链路质量。
此外,我们可以看到RPQ和RJQ方法中RUAV1的轨迹与所提出的RJPQ方法相似,并且飞行距离更长。
然而,RUAV1在RPQ-NJ方法中沿着小圆弧路径飞行,并且在JUAV轨迹中没有进行功率优化的RJQ方法的仿真结果与所提出的RJPQ方法有显着不同。
JUAV始终远离RUAV和目标,以减少对合法链路的干扰。所提出的RJPQ方案提高了友方干扰的效率。
在这种情况下,从仿真结果可以看出,不同场景下MSEE和MASR性能与无人机任务时间T之间的关系。
与RPQ和RJQ方法相比,所提出的RJPQ方法在联合轨迹和传输功率优化方面取得了更好的性能,因此是提高系统性能的更有效方法。
值得注意的是,JUAV-free方案取得了仅次于RJPQ方案的第二好的SEE性能,但机密性比性能最差。
结果表明,协同干扰无人机的引入可以显着提高系统保密性能,但会带来额外的能耗,并且所有方案的MASR都随着周期T的增加而增加。
速率性能
首先,我们比较了两个实验中无人机的速度,一个是有速度的,一个是没有速度的,看看速度是否实际上保持在速度内,并看看速度受到时会发生什么。已施加。速度如何变化?
图12显示了执行调整过程时无人机速度的变化情况,在本次试验中,速度设置为Vmin=rUaVmax=5m/s和Vmax=rUaVmax=15m/s。
调整过程保证了角速度符合速度,即使施加速度,相对于平均速度的正负速度也不会改变,因此保持了速度变化特性。
图12
它显示了每种方法对UE传输的数据量的影响,并显示了针对不同数量的UE每种方法传输的最小数据量,表明该模型是对Constant的改进。
而且,平均值时性能处于暴力水平,最小值时性能更好,因此可以看出即使在速度下性能也保持不变,就像没有速度一样。
评估每种方法向所有UE传输数据的有效性,给每种方法赋予Jain公平性指数,最后指示传输数据量的平均值和方差。
另外,与其他方法相比,发现在保持平均传输数据量的情况下,公平性指数提高,方差减小,说明终端在传输数据量上实现了较高的公平性。
表6平均传输数据量以及传输数据随速度的变化
这些结果表明,协调过程保持了所提出方法的性能,因为相对速度保持在取决于UE分布密度的速度内。
随着UE数量的增加,该方法的性能优于暴力破解,解空间也随之扩大,通过暴力破解获得最优解变得更加困难。
因此
在本文中,我们描述了一种新的速度控制技术,利用无人机作为空中基站来解决分布式地面用户造成的不公平通信题。
此外,我们还专门研究了无人机在灾区上空以圆形轨迹飞行的场景,并开发了一种算法,通过对传输数据量的定量分析来推算角速度。
仿真结果表明,该方法不仅提高了最小传输数据量,而且提高了UE与无人机之间通信性能的公平性。
参考
“无线网络无人机教程应用挑战和开放题”,IEEECommun。图茨调查,第21卷,第3期。
“通过轨迹优化实现节能无人机通信”,IEEETransWirelessCommun,第16卷,第6期,
“考虑到延迟,最大化无人机辅助OFDMA系统的通用吞吐量”,第66卷,第12期,
如果喜欢我的文章,请点击“关注”!小生想说声谢谢!
结尾
发表评论