[论文解读] Achievable Data Rate for URLLC-Enabled UAV Systems with 3-D Channel Model

Hong Ren, Cunhua Pan+4 more|arXiv (Cornell University)|Jul 15, 2019

UAV Applications and Optimization参考文献 10被引用 4

一句话总结

该论文提出了一种基于三维信道模型与短包传输的超可靠低时延通信（URLLC）增强型无人机（UAV）系统中平均可 Achievable 数据速率（AADR）的闭式下界。通过应用高斯-切比雪夫求积法（GCQ），作者推导出 AADR 的紧致解析近似，从而在严格的可靠性和时延约束下实现精确的分组大小设计。

ABSTRACT

In this paper, we investigate the average achievable data rate (AADR) of the control information delivery from the ground control station (GCS) to unmanned-aerial-vehicle (UAV) under a 3-D channel, which requires ultra-reliable and low-latency communications (URLLC) to avoid collision. The value of AADR can give insights on the packet size design. Achievable data rate under short channel blocklength is adopted to characterize the system performance. The UAV is assumed to be uniformly distributed within a restricted space. We first adopt the Gaussian-Chebyshev quadrature (GCQ) to approximate the exact AADR. The tight lower bound of AADR is derived in a closed form. Numerical results verify the correctness and tightness of our derived results.

研究动机与目标

• 为解决在超可靠低时延通信（URLLC）要求下，无人机系统中控制信息传输性能分析的不足。
• 基于考虑仰角相关LoS概率和路径损耗的现实三维信道模型，对地面控制站（GCS）到无人机（UAV）的链路进行建模。
• 在短信道块长度条件下，表征平均可 Achievable 数据速率（AADR），此时香农容量公式不再适用。
• 通过推导 AADR 的紧致闭式下界，为最优分组大小设计提供工程洞察。

提出的方法

• 采用三维信道模型，其中 LoS 概率随仰角增加，基于表达式 $ P_{\text{LoS}} = \frac{1}{1 + a \exp(-b(\theta - a))} $。
• 将无人机位置建模为位于环形倒圆锥内的均匀分布，距离 $ d $ 的累积分布函数（CDF）为 $ F_d(x) = \frac{x^3 - r^3}{D^3 - r^3} $，概率密度函数（PDF）为 $ f_d(x) = \frac{3x^2}{D^3 - r^3} $。
• 使用有限块长可实现速率公式 $ R = \frac{1}{1 + \frac{1}{M}} \left( C - \sqrt{\frac{V}{M}} Q^{-1}(\varepsilon) \right) $，其中 $ C $ 为香农容量，$ V $ 为信道扩散因子，$ \varepsilon $ 为解码错误概率。
• 应用高斯-切比雪夫求积法（GCQ）对无人机在三维空间中的分布进行数值近似，计算 AADR。
• 通过速率函数的凸性与单调性分析，推导出 AADR 的紧致闭式下界。
• 通过蒙特卡洛仿真验证结果，将 GCQ 近似与下界结果与仿真得到的 AADR 进行对比。

实验结果

研究问题

• RQ1 在三维信道模型下，地面控制站（GCS）向无人机（UAV）进行短包传输时，控制信息传输的平均可 Achievable 数据速率（AADR）是多少？
• RQ2 受限于环形倒圆锥空间分布的无人机三维位置分布，如何影响 AADR？
• RQ3 在有限块长和严格可靠性约束下，能否为 AADR 推导出一个紧致的闭式下界？
• RQ4 高斯-切比雪夫求积法（GCQ）在此场景中近似精确 AADR 的准确性如何？
• RQ5 解码错误概率 $ \varepsilon $ 对可实现速率的影响是什么？与香农容量相比有何差异？

主要发现

• 高斯-切比雪夫求积法（GCQ）对精确 AADR 提供了高度准确的近似，其结果与蒙特卡洛仿真结果高度吻合。
• 推导出的 AADR 闭式下界非常紧致，尤其在低解码错误概率 $ \varepsilon $ 条件下，验证了其在实际系统设计中的适用性。
• AADR 随 $ \varepsilon $ 增大而增加，表明更高的错误容忍度可支持更高的数据速率，但在低 $ \varepsilon $ 条件下，香农容量与 AADR 之间的差距依然显著。
• 对于超可靠性通信（例如 $ \varepsilon \leq 10^{-5} $），有限块长模型至关重要，因为香农容量会显著高估实际可实现速率。
• AADR 对距离 $ d $ 和仰角 $ \theta $ 均敏感，更高的可靠性要求在分组大小与功率分配之间进行仔细权衡。
• 考虑仰角相关 LoS 概率的三维信道模型，相比传统自由空间模型，能更准确地估计 AADR。