[论文解读] A Survey on UAV-Aided Maritime Communications: Deployment Considerations, Applications, and Future Challenges

Νικόλαος Νομικός, Panagiotis K. Gkonis+2 more|arXiv (Cornell University)|Sep 20, 2022

UAV Applications and Optimization被引用 7

一句话总结

本综述将无人机辅助的海上通信视为一种灵活、低时延的解决方案，以克服传统陆地和卫星海上网络的局限性。它综合了无人机部署、轨迹优化以及基于机器学习的资源管理等前沿方法，突出其在实现6G融合、可靠且可扩展的海上物联网与边缘计算服务中的作用。

ABSTRACT

Maritime activities represent a major domain of economic growth with several emerging maritime Internet of Things use cases, such as smart ports, autonomous navigation, and ocean monitoring systems. The major enabler for this exciting ecosystem is the provision of broadband, low-delay, and reliable wireless coverage to the ever-increasing number of vessels, buoys, platforms, sensors, and actuators. Towards this end, the integration of unmanned aerial vehicles (UAVs) in maritime communications introduces an aerial dimension to wireless connectivity going above and beyond current deployments, which are mainly relying on shore-based base stations with limited coverage and satellite links with high latency. Considering the potential of UAV-aided wireless communications, this survey presents the state-of-the-art in UAV-aided maritime communications, which, in general, are based on both conventional optimization and machine-learning-aided approaches. More specifically, relevant UAV-based network architectures are discussed together with the role of their building blocks. Then, physical-layer, resource management, and cloud/edge computing and caching UAV-aided solutions in maritime environments are discussed and grouped based on their performance targets. Moreover, as UAVs are characterized by flexible deployment with high re-positioning capabilities, studies on UAV trajectory optimization for maritime applications are thoroughly discussed. In addition, aiming at shedding light on the current status of real-world deployments, experimental studies on UAV-aided maritime communications are presented and implementation details are given. Finally, several important open issues in the area of UAV-aided maritime communications are given, related to the integration of sixth generation (6G) advancements.

研究动机与目标

• 解决传统陆地和卫星网络仍难以满足需求的海上环境中的宽带、低时延和可靠无线连接的关键空白。
• 研究无人机辅助方案作为动态空中层，以扩展海上通信的覆盖范围并降低时延。
• 系统性地回顾面向海上物联网和关键服务的无人机网络架构、物理层技术、资源管理及边缘计算解决方案。
• 研究无人机轨迹优化与群体智能，以在动态海上场景中提升覆盖范围和可靠性。
• 识别将无人机辅助系统与6G集成的开放挑战，包括物理层安全、非正交多址接入以及用于自主运行的联邦学习。

提出的方法

• 根据网络层和性能目标对无人机辅助的海上通信解决方案进行分类，包括物理层设计、资源分配以及云/边缘计算架构。
• 回顾传统优化技术和基于机器学习的无人机轨迹规划方法，以在海上应用中最大化覆盖范围并最小化时延。
• 分析无人机辅助的边缘计算与缓存策略，联合优化无人机移动性、处理能力和能量约束，以实现实时数据处理。
• 引入联邦学习框架，使无人机辅助的海上网络能够实现跨无人机的协作式模型训练，同时保护数据隐私并减少回传负载。
• 评估无人机辅助海上系统的实验部署和实施细节，以验证理论和仿真结果。
• 提出分布式、低复杂度的物理层安全机制以及无线能量传输等节能解决方案，以增强无人机群的韧性和安全性。

实验结果

研究问题

• RQ1 与传统的岸基和卫星解决方案相比，无人机如何有效扩展海上环境中的无线覆盖范围并降低时延？
• RQ2 在动态海上场景（包括搜救和智能港口运营）中，实现最大连接性和可靠性的最优无人机部署与轨迹策略是什么？
• RQ3 如何利用机器学习和联邦学习在无人机辅助的海上网络中实现安全、可扩展且低时延的边缘计算？
• RQ4 将无人机辅助系统与6G网络集成的关键挑战是什么，特别是在物理层安全、非正交多址接入和群体智能方面？
• RQ5 如何应对能量限制和环境因素，以确保无人机在海上部署中的持续可用性和运行效率？

主要发现

• 无人机辅助的海上通信提供了一种可行的空中层，克服了陆地基站覆盖有限和卫星链路高时延的问题，为海上物联网实现无处不在的连接。
• 无人机轨迹优化通过最大化视 Line-of-Sight（LoS）链路并最小化中断概率，显著提升了网络性能，尤其在动态且稀疏的海上环境中。
• 联邦学习架构使无人机辅助的海上网络能够实现安全、保护隐私的模型训练，减少回传使用量，并增强对数据泄露的抵御能力。
• 将无人机与边缘计算及缓存技术结合，可降低网络时延和回传负载，尤其有利于自动驾驶导航和视频监控等实时应用。
• 开放挑战包括对低复杂度物理层安全机制的需求、可扩展的非正交多址接入方案，以及在恶劣海上条件下实现协调无人机运行的节能型群体智能。
• 实验部署证实了无人机辅助海上通信的可行性，展示了其在智能港口和搜救任务等实际场景中的实用潜力。