[论文解读] Common Throughput Maximization in UAV-Enabled OFDMA Systems with Delay Consideration

Qingqing Wu, Rui Zhang|arXiv (Cornell University)|Jan 1, 2018

UAV Applications and Optimization参考文献 24被引用 18

一句话总结

本文提出了一种联合优化无人机轨迹与OFDMA资源分配的方法，以在具有异构延迟约束的无人机通信网络中最大化最小平均吞吐量。通过引入最小速率比（MRR）来建模延迟需求，作者揭示了吞吐量与延迟之间的基本权衡，并提出了一种参数辅助的块坐标下降算法，该算法在严格延迟约束下显著优于传统方法。

ABSTRACT

The use of unmanned aerial vehicles (UAVs) as communication platforms is of great practical significance in future wireless networks, especially for on-demand deployment in temporary events and emergency situations. Although prior works have shown the performance improvement by exploiting the UAV's mobility, they mainly focus on delay-tolerant applications. As delay requirements fundamentally limit the UAV's mobility, it remains unknown whether the UAV is able to provide any performance gain in delay-constrained communication scenarios. Motivated by this, we study in this paper a UAV-enabled orthogonal frequency division multiple access (OFDMA) network where a UAV is dispatched as a mobile base station (BS) to serve a group of users on the ground. We consider a minimum-rate ratio (MRR) for each user, defined as the minimum instantaneous rate required over the average achievable throughput, to flexibly adjust the percentage of its delay-constrained data traffic. Under a given set of constraints on the users' MRRs, we aim to maximize the minimum average throughput of all users by jointly optimizing the UAV trajectory and OFDMA resource allocation. First, we show that the max-min throughput in general decreases as the users' MRR constraints become more stringent, which reveals a fundamental throughput-delay tradeoff in UAV-enabled communications. Next, we propose an iterative parameter-assisted block coordinate descent method to optimize the UAV trajectory and OFDMA resource allocation alternately, by applying the successive convex optimization and the Lagrange duality, respectively. Furthermore, an efficient and systematic UAV trajectory initialization scheme is proposed based on a simple circular trajectory. Finally, simulation results are provided to verify our theoretical findings and demonstrate the effectiveness of our proposed designs.

研究动机与目标

• 解决在以往以移动性优化为主的设计中常被忽视的无人机通信在异构用户延迟需求下的性能极限问题。
• 构建一个系统模型，其中用户具有不同的最小速率比（MRR），以表示其延迟约束业务的占比，从而反映真实世界中的混合业务场景。
• 在MRR约束下，通过联合优化无人机轨迹与OFDMA资源分配，最大化所有用户中的最小平均吞吐量。
• 证明存在一种基本的吞吐量-延迟权衡，表明更严格的延迟约束会降低无人机移动性带来的吞吐量增益。
• 设计一种高效迭代算法，克服标准块坐标下降在MRR约束下进行轨迹优化时的收敛问题。

提出的方法

• 使用最小速率比（MRR）建模用户延迟需求，定义为最小瞬时速率与平均可实现吞吐量的比值，以灵活表示延迟约束业务。
• 建立一个非凸优化问题，以在无人机移动性与OFDMA资源分配约束下，最大化最小平均用户吞吐量。
• 提出一种参数辅助的块坐标下降算法，交替优化无人机轨迹（通过连续凸优化）与OFDMA资源分配（通过拉格朗日对偶）。
• 提出一种基于圆形轨迹的系统化无人机轨迹初始化方案，以提升收敛性与性能。
• 应用连续凸松弛方法处理轨迹优化中的非凸约束，实现高效的迭代更新。
• 在每次迭代中利用拉格朗日对偶方法高效求解OFDMA子问题，确保每个用户最优的功率与子载波分配。

实验结果

研究问题

• RQ1 在不同用户延迟约束下，无人机的吞吐量移动性增益如何变化，特别是在部分用户需要延迟约束服务时？
• RQ2 能否通过联合优化无人机轨迹与OFDMA资源分配，有效平衡吞吐量公平性，同时满足异构的MRR需求？
• RQ3 为何传统块坐标下降在该无人机-OFDMA设置下难以有效收敛，以及如何改进？
• RQ4 非对称MRR约束对无人机轨迹设计与系统吞吐量公平性有何影响？
• RQ5 随着MRR值的增加，系统性能如何变化，吞吐量与延迟约束之间存在怎样的权衡？

主要发现

• 随着MRR约束变得更加严格，最大最小平均吞吐量下降，揭示了无人机通信系统中存在基本的吞吐量-延迟权衡。
• 当所有用户MRR = 1（完全延迟约束）时，无人机的吞吐量增益与静态部署相同，因为最优轨迹退化为一个固定点。
• 对于较宽松的MRR（例如θ = 0.4），无人机可通过动态调整轨迹更靠近并高效服务用户，从而实现显著的吞吐量增益。
• 所提出的参数辅助块坐标下降算法收敛稳定，且在高MRR约束下显著优于标准块坐标下降方法。
• 仿真结果表明，MRR较低的无人机（如θ = 0.4）比MRR较高的无人机（如θ = 0.8）实现更高的最大最小吞吐量，且随着延迟约束收紧，增益逐渐减小。
• 当MRR异构时，无人机轨迹呈现非对称性——通过更靠近高MRR用户来优先服务，同时降低速度或悬停以补偿较差的信道质量。