[論文レビュー] UAV-Enabled Wireless Power Transfer: A Tutorial Overview

Lifeng Xie, Xiaowen Cao+2 more|arXiv (Cornell University)|Feb 27, 2021

UAV Applications and Optimization参考文献 115被引用数 4

ひとこと要約

本チュートリアルは、複数の地上端末（GDs）におけるエネルギー効率の公平性を最大化するため、無人航空機（UAV）を用いた無線電力伝送（WPT）の軌道設計フレームワークを提案する。3つの主要な手法—複数位置滞空、逐次滞空・移動、時間量子化に基づく最適化—を単一UAVのWPTに導入し、UAVの群れとGDクラスタリングを用いて多UAVシナリオに拡張し、WPTを無線駆動通信ネットワーク（WPCN）およびモバイルエッジコンピューティング（MEC）と統合し、エネルギー制約下でUAVの軌道とリソース割り当てを共同最適化する。

ABSTRACT

Unmanned aerial vehicle (UAV)-enabled wireless power transfer (WPT) has recently emerged as a promising technique to provide sustainable energy supply for widely distributed low-power ground devices (GDs) in large-scale wireless networks. Compared with the energy transmitters (ETs) in conventional WPT systems which are deployed at fixed locations, UAV-mounted aerial ETs can fly flexibly in the three-dimensional (3D) space to charge nearby GDs more efficiently. This paper provides a tutorial overview on UAV-enabled WPT and its appealing applications, in particular focusing on how to exploit UAVs' controllable mobility via their 3D trajectory design to maximize the amounts of energy transferred to all GDs in a wireless network with fairness. First, we consider the single-UAV-enabled WPT scenario with one UAV wirelessly charging multiple GDs at known locations. To solve the energy maximization problem in this case, we present a general trajectory design framework consisting of three innovative approaches to optimize the UAV trajectory, which are multi-location hovering, successive-hover-and-fly, and time-quantization-based optimization, respectively. Next, we consider the multi-UAV-enabled WPT scenario where multiple UAVs cooperatively charge many GDs in a large area. Building upon the single-UAV trajectory design, we propose two efficient schemes to jointly optimize multiple UAVs' trajectories, based on the principles of UAV swarming and GD clustering, respectively. Furthermore, we consider two important extensions of UAV-enabled WPT, namely UAV-enabled wireless powered communication networks (WPCN) and UAV-enabled wireless powered mobile edge computing (MEC).

研究の動機と目的

• UAVの移動性を活用して、広範囲に分散する低出力の地上端末（GDs）におけるエネルギー公平性の課題に取り組む。
• 深刻な経路損失と近距離・遠距離の公平性問題を抱える固定位置のエネルギー送信機（ETs）の限界を克服する。
• UAV搭載ETsの3次元軌道設計フレームワークを構築し、全受信エネルギーを最大化するとともに、GD間の公平性を確保する。
• UAVの群れとGDクラスタリングを用いて、大規模領域におけるスケーラブルで効率的なカバレッジを実現する多UAVシナリオにフレームワークを拡張する。
• UAVを用いたWPTを、無線駆動通信ネットワーク（WPCN）および無線駆動モバイルエッジコンピューティング（MEC）といった新興応用と統合し、エネルギー制約下で軌道とリソース割り当てを共同最適化する。

提案手法

• 3つのコア手法—複数位置滞空、逐次滞空・移動（SHF）、時間量子化に基づく最適化—を用いて、単一UAVのWPTの一般化された軌道設計フレームワークを提案する。
• UAVの3次元軌道をウェイポイントの列としてモデル化し、エネルギー伝送と移動制約のバランスを最適化する。
• 逐次滞空・移動（SHF）戦略を適用し、各位置で最適なエネルギー伝送を得られるように、順次的にGDを充電する。
• 時間量子化を用いて軌道を時間スロットに離散化し、各スロットにおけるUAV位置と送信電力の共同最適化を可能にする。
• UAVの群れ（協調飛行パターン）とGDクラスタリング（GDをグループ化し、各クラスタにUAVを割り当て）の2つの方式を用いて、多UAVWPTにフレームワークを拡張する。
• エネルギー因果性制約およびQoS制約の下で、WPCNおよびMECシナリオにおけるUAV軌道と通信・計算リソース割り当てを共同最適化する。

実験結果

リサーチクエスチョン

• RQ1 3次元空間におけるUAVの移動性をどのように活用すれば、無線ネットワーク内での多数の地上端末への全エネルギー伝送と公平性を最大化できるか？
• RQ2 既知の位置に配置された多数のGDを効率的に充電できる単一UAVの最適な軌道設計戦略は何か？ また、それらの性能と計算複雑度はどのように比較されるか？
• RQ3 多数の分散型GDを効率的かつエネルギー効率的に充電するために、複数のUAVをどのように協調させるか？
• RQ4 UAVを用いたWPTを、無線駆動通信ネットワーク（WPCN）およびモバイルエッジコンピューティング（MEC）とどのように統合し、エネルギー伝送とシステム性能を共同最適化できるか？
• RQ5 非線形エネルギー効率、CSI取得、強化学習や電波マップを用いたオンライン軌道適応といった分野における、UAVを用いたWPTの主な課題と未解決問題は何か？

主な発見

• 提案された軌道設計フレームワークは、特に空間的に分散したGDを有するシナリオにおいて、固定ETシステムと比較してエネルギー公平性と全受信エネルギーの両方を顕著に向上させる。
• 逐次滞空・移動（SHF）手法は、完全な軌道最適化に比べて計算複雑度が低く、ほぼ最適な性能を達成する。
• 時間量子化に基づく最適化は、効率的な軌道と電力制御の共同設計を可能にし、特にリアルタイム実装に適している。
• UAVの群れとGDクラスタリングに基づく多UAV方式は、大規模なWPTネットワークにおけるスケーラブルでエネルギー効率の高いカバレッジを実現する。
• エネルギー因果性制約下で、WPCNおよびMECシナリオにおけるUAV軌道とリソース割り当ての共同最適化により、システムスルーレットと計算オフロード性能が向上する。
• 非線形エネルギー効率、CSIフィードバックのオーバーヘッド、強化学習や電波マップを用いたオンライン軌道適応といった未解決問題は、今後の研究にとって重要な課題のまま残っている。