[论文解读] Adaptive Deployment for UAV-Aided Communication Networks

Zhe Wang, Lingjie Duan+1 more|arXiv (Cornell University)|Dec 8, 2018

UAV Applications and Optimization参考文献 17被引用 7

一句话总结

本文提出了一种自适应无人机部署方案，根据实时用户分布动态调整无人机位置，以最大化网络性能。通过采用多数规则方向选择并优化吞吐量或成功概率的位移距离，该方案在低至中等用户密度下相比非自适应方案表现出更优性能。

ABSTRACT

Unmanned aerial vehicle (UAV) as an aerial base station is a promising technology to rapidly provide wireless connectivity to ground users. Given UAV's agility and mobility, a key question is how to adapt UAV deployment to best cater to the instantaneous wireless traffic in a territory. In this paper, we propose an adaptive deployment scheme for a UAV-aided communication network, where the UAV adapts its displacement direction and distance to serve randomly moving users' instantaneous traffic in the target cell. In our adaptive scheme, the UAV does not need to learn users' exact locations in real time, but chooses its displacement direction based on a simple majority rule by flying to the spatial sector with the greatest number of users in the cell. To balance the service qualities of the users in different sectors, we further optimize the UAV's displacement distance in the chosen sector to maximize the average throughput and the successful transmission probability, respectively. We prove that the optimal displacement distance for average throughput maximization decreases with the user density: the UAV moves to the center of the chosen sector when the user density is small and the UAV displacement becomes mild when the user density is large. In contrast, the optimal displacement distance for success probability maximization does not necessarily decrease with the user density and further depends on the target signal-to-noise ratio (SNR) threshold. Extensive simulations show that the proposed adaptive deployment scheme outperforms the traditional non-adaptive scheme, especially when the user density is not large.

研究动机与目标

• 解决在动态流量需求下，高效服务随机移动用户的无人机辅助网络中的挑战。
• 克服非自适应无人机部署的局限性，后者假设用户分布为静态或平均分布，无法响应实时用户移动性。
• 设计一种方案，使无人机能够基于瞬时用户分布自适应地重新定位，而无需实时位置跟踪。
• 优化无人机位移距离，以在不同用户密度和信噪比（SNR）阈值下，最大化平均吞吐量或成功传输概率。

提出的方法

• 将目标小区划分为 M 个空间扇区，并采用多数规则策略：无人机向用户数量最多的扇区移动。
• 将无人机的位移距离建模为优化问题，以最大化平均吞吐量，证明最优位移距离随用户密度增加而减小。
• 对于成功概率最大化，推导出最优位移距离关于用户密度和目标 SNR 阈值的函数，表明其呈现非单调行为。
• 将用户分布建模为泊松点过程（PPP），以捕捉空间随机性，并推导用户关联概率的解析表达式。
• 使用随机几何和条件概率，计算无人机基于用户数量选择特定扇区的可能性。
• 提供渐近分析，以验证该方案在低密度和高密度用户场景下的行为。

实验结果

研究问题

• RQ1 在移动环境中，无人机如何动态适应其位置，以服务具有瞬时非均匀流量需求的用户？
• RQ2 为最大化平均网络吞吐量，无人机在响应实时用户分布时，最优位移方向和距离是什么？
• RQ3 成功传输概率最大化的最优位移距离如何随用户密度和目标 SNR 阈值变化？
• RQ4 在不同用户密度下，所提出的自适应方案与非自适应部署在性能上相比如何？
• RQ5 基于用户数量和空间分布，无人机选择特定扇区的解析概率是多少？

主要发现

• 为最大化平均吞吐量而优化的最优位移距离随用户密度增加而减小，当用户密度较低时，无人机移动至目标扇区中心。
• 当用户密度较高时，无人机的位移逐渐变小，表明大幅重新定位的需求降低。
• 对于成功概率最大化，最优位移距离并非随用户密度单调递减，且对目标 SNR 阈值高度敏感。
• 大量仿真结果表明，所提出的自适应方案优于传统非自适应方案，尤其在用户密度不高的情况下。
• 渐近分析确认，在低用户密度下，选择最拥挤扇区的概率趋近于 1/M；在高密度下，任何非原点扇区的选择概率收敛至 1/M²。
• 随着用户密度增加，无人机停留在原点（U₀）的可能性显著降低，当 μ → ∞ 时，P(U=U₀) → 0。