无人机通信论文提纲,认知无线电论文提纲

无人机辅助认知与计算网络资源分配技术研究

摘要：随着第五代移动通信技术和物联网技术的迅速发展,接入网络的设备数量达到前所未有的规模,带来日益严峻的频谱稀缺问题,大量新兴的计算密集及时延敏感型应用也为网络的计算能力带来新的挑战。尽管认知无线电和移动边缘计算技术能够提升网络中频谱效率和提供高性能计算服务。但传统的认知无线电网络和移动边缘计算网络中面临着严重的信道衰落,固定的基站或服务器部署位置也限制了网络的可拓展性,难以在偏远地区或灾后快速建立通信连接。得益于无人机的高机动性、快速部署和视距信道的优势,无人机通信网络能够缓解传统地面通信网络中严重的信道衰落,并能够实现灾后应急通信组网的快速建立。通过优化无人机的飞行轨迹,无人机通信网络的性能可以得到显著提升。因此,为了有效的提高无人机通信网络性能,本文以多天线无人机通信网络中的能耗为优化框架,研究了认知无人机网络与无人机边缘计算网络中的资源分配与轨迹设计问题。具体研究内容如下:（1）针对传统认知无线电网络中存在严重信道衰落的问题,研究多天线无人机辅助的认知无线电网络系统模型,无人机搭载认知基站在满足主用户干扰约束的前提下为次级用户提供通信服务。基于主用户位置信息有界误差模型,通过联合优化无人机波束赋形矢量与无人机飞行轨迹,建立无人机鲁棒传输能耗最小化问题框架。针对所建立的非凸优化问题,基于S-procedure理论、连续凸近似算法和所提出的秩一理论提出了一种迭代优化算法以获取原始非凸问题的次优解。仿真结果表明,所提的鲁棒资源分配与轨迹设计方案能够有效降低无人机传输能耗,且无人机配备多天线的方案能够显著提升网络频谱效率。（2）针对传统边缘计算网络中信道衰落严重,计算任务高发环境下网络稳定性差的问题,研究多天线中继无人机辅助的移动边缘计算网络模型,无人机搭载移动边缘服务器为用户提供计算服务,同时作为移动转发中继在用户与远端接入点之间建立起视距通信链路。通过联合优化用户传输功率、用户计算资源、无人机波束赋形矢量、机载边缘服务器计算资源以及无人机飞行轨迹,建立无人机边缘计算网络综合能耗最小化问题框架。基于块坐标下降算法和连续凸近似算法开发了获取原始非凸优化问题次优解的迭代优化算法,并基于拉格朗日对偶法和次梯度法推导了用户最优传输功率和时钟频率的封闭表达式,仿真结果验证了所提算法的收敛性。仿真结果表明,所提资源分配与轨迹设计方案能够降低系统综合能耗,在计算任务高发环境下的优势更加显著。 

关键词：无人机通信;认知无线电

文章目录

摘要

Abstract

缩略词表

第1章 绪论

    1.1 选题背景与意义

    1.2 国内外研究现状

        1.2.1 认知无线电网络资源分配研究现状

        1.2.2 移动边缘计算网络资源分配研究现状

        1.2.3 认知无人机网络资源分配研究现状

        1.2.4 基于无人机的移动边缘计算网络资源分配研究现状

    1.3 论文的主要工作及章节安排

        1.3.1 研究内容

        1.3.2 章节安排

第2章 理论基础

    2.1 无人机通信网络信道模型

        2.1.1 自由空间传播损耗模型

        2.1.2 基于飞行高度或仰角的信道模型

        2.1.3 概率信道模型

    2.2 认知无线电网络

        2.2.1 认知无线电基础理论

        2.2.2 认知无线电的频谱感知

    2.3 移动边缘计算技术

        2.3.1 移动边缘计算基础理论

        2.3.2 移动边缘计算卸载技术

    2.4 本章小结

第3章 认知无人机网络中的鲁棒资源分配与轨迹设计

    3.1 系统模型

    3.2 实现无人机传输功率最小化的鲁棒波束与轨迹联合优化

    3.3 仿真结果与分析

    3.4 本章小结

第4章 无人机边缘计算网络中的资源分配与轨迹设计

    4.1 系统模型

        4.1.1 无人机飞行轨迹模型

        4.1.2 无人机信道模型

        4.1.3 计算模型

        4.1.4 无人机飞行能耗模型

    4.2 实现系统总体能耗最小化的资源与无人机轨迹联合优化

        4.2.1 CPU时钟频率及用户传输功率优化

        4.2.2 无人机波束赋形优化

        4.2.3 无人机轨迹优化

    4.3 仿真结果与分析

    4.4 本章小结

第5章 总结与展望

    5.1 本文工作总结

    5.2 后续研究工作

参考文献

[1]Three-Dimensional Trajectory Optimization for Secure UAV-Enabled Cognitive Communications[J]. Yuhan Jiang,Jia Zhu.  China Communications. 2021(12)

[2]Joint 3D Trajectory and Resource Optimization for A UAV Relay-Assisted Cognitive Radio Network[J]. Zhen Wang,Fuhui Zhou,Yuhao Wang,Qihui Wu.  中国通信. 2021(06)

[3]多无人机辅助移动边缘计算中的任务卸载和轨迹优化[J]. 嵇介曲,朱琨,易畅言,王然.  物联网学报. 2021(01)

[4]认知无线电中的并行频谱分配算法[J]. 廖楚林,陈劼,唐友喜,李少谦.  电子与信息学报. 2007(07)

[5]认知无线电关键技术及应用的研究现状[J]. 郭彩丽,张天魁,曾志民,冯春燕.  电信科学. 2006(08)