【摘 要】
:
第五代移动通信(The Fifth Generation Mobile Communication,5G)和B5G(Beyond 5G)技术既要支持各种类型设备接入,还需满足海量数据流量需求,以支持物联网、人工智能等领域的通信业务。在一些特殊通信场景中,例如灾害应急通信、热点地区扩容,地面通信基础设施遭损坏或难以部署,使得通信质量无法得到保障。搭载无线通信设备的无人机作为空中基站辅助地面蜂窝网路,
论文部分内容阅读
第五代移动通信(The Fifth Generation Mobile Communication,5G)和B5G(Beyond 5G)技术既要支持各种类型设备接入,还需满足海量数据流量需求,以支持物联网、人工智能等领域的通信业务。在一些特殊通信场景中,例如灾害应急通信、热点地区扩容,地面通信基础设施遭损坏或难以部署,使得通信质量无法得到保障。搭载无线通信设备的无人机作为空中基站辅助地面蜂窝网路,可以提高移动通信网络性能,并且能够对特殊场景下的无线通信质量提供有效保障,受到了广泛关注和研究。然而,无人机有限的电池容量制约着无人机辅助蜂窝网络大规模应用。无人机辅助蜂窝网络还面临着干扰管理、轨迹优化和部署策略复杂等挑战。优化无人机飞行轨迹和资源分配,以及设计合理的部署策略,能够显著提高服务质量和能量效率。因此,针对无人机辅助蜂窝网络中的资源分配问题,结合无人机轨迹优化技术和部署策略设计,本文对无人机辅助蜂窝网络中提高服务质量和无人机能量效率两个方面展开研究。论文的主要创新工作如下:第一,针对提升用户服务质量问题,提出了一种无人机轨迹优化和资源分配算法。首先,考虑多个地面基站和无人机空中基站协同为地面用户提供通信服务,提出了满足地面基站服务用户的数据速率需求下,以最大化边缘区域用户数据速率为目标,优化覆盖区域划分、带宽分配比例和无人机轨迹的问题。其次,考虑到该问题是一个复杂的非凸优化问题,将原问题解耦为多个子问题,分别对多个子问题设计凸优化求解算法,并提出一种整体迭代算法来获得原问题的近似最优解。最后,仿真结果表明所提算法能有效提升边缘用户数据传输速率,同时保证小区中其他用户的需求。第二,针对无人机能量效率最大化问题,提出了一种多无人机部署策略和资源分配算法。首先,考虑悬停和巡航两种不同飞行方式,分别设计了多无人机悬停和多无人机巡航的部署策略。提出了满足用户数据速率条件下,优化无人机数量、地面用户接入选择以及带宽分配比例,最大化无人机空中基站能量效率的问题。其次,分别将这两种部署策略下的优化问题解耦为多个子问题,并结合对分搜索和凸优化技术,得出原问题的近似最优解。最后,仿真结果表明无人机在巡航部署策略下具有最高的能效,但必须确保适当的数量和飞行速度。该结果为通信热点中无人机的能效优化提供了有效的解决方案。
其他文献
行人检测是计算机视觉领域的一项重要任务,其在车辆辅助驾驶、视频监控、智慧交通以及智能机器人等领域都有着巨大的研究价值和应用前景。近年来,基于卷积神经网络的行人检测算法快速发展,行人检测模型的性能不断提升。然而,高精度的行人检测模型往往存在模型体积较大、计算成本较高和检测实时性差等问题,难以适应行人检测各种应用场景的要求。本研究旨在提高行人检测算法的检测精度与速度,并结合模型压缩技术降低模型的部署成
中国移动通信技术的显著进步使得基于无线定位的位置服务(LBS)有了更大的发展空间。相较于GPS等卫星定位系统,基于无线网络的终端无线定位具有成本低、方便快捷的优势,并且在紧急救助、网络优化等领域以及疫情防控方面都有着突出的表现。本文主要研究基于指纹库和无线测量报告(MR)的室外用户定位问题,并设计开发出一个用户定位系统。具体地,本文针对指纹库定位中离线阶段指纹库的快速高效建立和在线阶段更加合理准确
在现代通信中,认知无线电展现出了其强大的生命力。将认知无线电与自组织网络相结合,既符合认知无线电的特点,也符合自组织网络的要求,于是认知自组网(Cognitive Radio Ad Hoc Networks,CRAHNs)的概念就此诞生。认知自组网由于其强大的适应性,可以被用在各种网络场景中,例如抗震救灾网络、物联网等。其动态的网络拓扑结构是影响其网络性能的重要因素。故而,研究认知自组网的网络拓扑
基于中餐图像识别的研究一直是计算机视觉领域的热门研究方向,未来将在智能家居、智慧医疗健康等领域具有很好的应用前景。随着深度学习的蓬勃发展,中餐图像识别发展迅速,但由于中餐图像的复杂性和背景噪音等问题,如何高效准确地提取中餐图像关键语义特征、对多目标中餐图像精确高效检测、基于图像对食物进行热量预测等问题仍然是一个巨大的挑战。针对这些问题,本文的主要研究工作如下:针对单目标中餐图像识别问题,提出一种基
第五代移动通信(5G)系统承诺为用户提供大容量、低时延和超高可靠的通信服务,然而在高速铁路、商用航空等高速移动场景下,5G给人们带来的实际体验却差强人意。究其原因,主要是由于通信终端或散射体高速移动所致的多普勒问题易造成严重的时间选择性衰落,进而恶化系统的误码性能并降低通信容量。针对以上问题,本文通过研究高速移动场景中的5G链路级增强技术,提出对抗多普勒扩展的有效方案以显著提升时变信道的通信质量。
随着我国通信技术的高速发展,通信网的规模不断扩大,复杂度也随之提高,网络中任何设备发生故障都可能导致与之关联的设备一同产生告警,从而引发越来越多的告警数据,这样的情况使得运营商网管人员无法及时且准确地定位故障,为通信网的维护带来很大困难。对通信网进行故障预测可以及时排查网络问题,提升网络运维效率,对通信网管理有着至关重要的意义。论文针对传统通信网故障预测方法缺乏灵活性、精度低的问题,将告警相关性分
随着无网络区域临时网络覆盖和热点区域补充网络覆盖的需求增加,地面蜂窝通信网络无法精确、及时地满足上述需求。凭借高移动性、灵活部署、高经济效益等优点,无人机网络有望突破传统地面蜂窝网络限制,为目标区域网络覆盖提供新的可能,因此近年来受到学术界和产业界的广泛关注。然而,无人机网络的小区平均吞吐量、边缘用户速率、平均用户速率等性能,难以通过理论分析和外场测试部署获得。为此,本文搭建了面向无人机通信组网的
钙钛矿纳米线腔内的激子-光子的强耦合作用由于具有较大的拉比劈裂能量和激子结合能,是制备室温极化激子的理想材料。尽管如此,仍需探索新的方法来促进激子-光子的耦合强度,以维持激子和光子的相干性。表面等离激元可以通过减小有效模式体积和增强局域电场的强度来增强激子-光子耦合。我们的工作探究了一种存在于由无机-有机钙钛矿纳米线,二氧化硅(SiO2)薄膜,以及银(Ag)薄膜组成的三明治式的杂化结构内的激子-光
近年来,深度学习图像分类算法发展迅速,并在实际应用中取得了巨大的成功。然而,有监督深度学习模型需要使用大量有标记数据和多轮迭代来进行训练。其高昂的标注成本严重限制了传统方法在全新类别的场景中的应用。更重要的是,针对这些特殊类别的大量标注样本可能很难或者不能获得,因此需要大样本数据来训练模型的条件从本质上限制了它们预测新出现的(例如,新出现的设备)或稀有(例如,稀有动物)类别的能力,从而使得原有模型
电动出租车轨迹描述了电动出租车空间位置和其他属性随时间的变化,蕴含了大量的居民出行信息,也反映了电动出租司机的充电习惯和出行特征。本文通过轨迹数据可视分析方法对深圳电动出租车的轨迹数据进行研究,并开发出电动出租车轨迹数据可视分析系统,支持多维度、全方面分析电动出租车在深圳的推广运营情况,从而对电动出租车行业的健康发展提出建议。本文的研究内容主要包括以下几个方面:1.充电事件提取及可视分析。根据电动