[论文解读] Downlink Interference Management in Dense Interference-Aware Drone Small Cells Networks Using Mean-Field Game Theory

Zihe Zhang, Lixin Li+5 more|arXiv (Cornell University)|Jun 7, 2018

UAV Applications and Optimization参考文献 7被引用 3

一句话总结

本文提出了一种基于平均场博弈（MFG）的分布式高度控制方案，用于密集无人机小细胞（DSCs），以减轻下行链路干扰并提高信干噪比（SINR）。通过将每个DSC的高度调整建模为大规模群体博弈中的策略决策，该框架推导出耦合的汉密尔顿-雅可比-贝尔曼方程与福克-普朗克-科尔莫戈罗夫方程，采用带有迎风格式的有限差分法求解，相较于均匀和静态控制策略，实现了更优的SINR性能。

ABSTRACT

The use of drone small cells (DSCs) has recently drawn significant attentions as one key enabler for providing air-to-ground communication services in various situations. This paper investigates the co-channel deployment of dense DSCs, which are mounted on captive unmanned aerial vehicles (UAVs). As the altitude of a DSC has a huge impact on the performance of downlink, the downlink interference control problem is mapped to an altitude control problem in this paper. All DSCs adjust their altitude to improve the available signal-to-interference-plus-noise ratio (SINR). The control problem is modeled as a mean-field game (MFG), where the cost function is designed to combine the available SINR with the cost of altitude controling. The interference introduced from a big amount of DSCs is derived through a mean-field approximation approach. Within the proposed MFG framework, the related Hamilton-Jacobi-Bellman and Fokker-Planck-Kolmogorov equations are deduced to describe and explain the control policy. The optimal altitude control policy is obtained by solving the partial differential equations with a proposed finite difference algorithm based on the upwind scheme. The simulations illustrate the optimal power controls and corresponding mean field distribution of DSCs. The numerical results also validate that the proposed control policy achieves better SINR performance of DSCs compared to the uniform control scheme.

研究动机与目标

• 解决在城市环境中运行的超密集共信道无人机小细胞（DSCs）中同信道下行链路干扰的挑战。
• 将DSCs的分布式高度控制问题建模为平均场博弈（MFG），其中每个DSC通过优化其高度以最大化SINR并最小化能量成本。
• 推导并求解表征平均场近似下最优控制策略的前向-后向方程（HJB与FPK）。
• 通过仿真验证所提算法的性能，与静态和均匀速度控制基准进行对比。
• 通过确保算法可离线和分布式执行，降低中心化协调开销，实现实际部署。

提出的方法

• 将DSC网络建模为平均场博弈（MFG），其中每个DSC作为玩家，通过优化其高度以改善下行链路SINR。
• 使用平均场近似（MFA）将大量DSC产生的总干扰表示为连续分布。
• 推导出耦合的汉密尔顿-雅可比-贝尔曼（HJB）与福克-普朗克-科尔莫戈罗夫（FPK）方程，以表征最优控制策略与平均场演化。
• 采用基于迎风格式的有限差分法，数值求解HJB与FPK偏微分方程。
• 设计一个代价函数，平衡SINR提升与高度控制能量成本，其中参数α与η用于调节权衡。
• 实现一种分布式控制策略，每个DSC根据其当前高度与估计的平均场调整其速度，支持离线与去中心化执行。

实验结果

研究问题

• RQ1 在具有高时空变异性、同信道的密集无人机小细胞（DSCs）网络中，如何有效管理下行链路干扰？
• RQ2 在大规模、分布式部署场景下，DSCs的最优动态高度控制策略是什么，能够平衡SINR增益与能量成本？
• RQ3 平均场近似在密集城市环境中能否准确表征大量DSCs产生的干扰？
• RQ4 与静态和均匀速度控制方案相比，所提出的基于MFG的控制策略在平均SINR方面带来了多大性能增益？
• RQ5 所提出的算法是否能够以分布式和离线方式实现，而无需实时中心化协调？

主要发现

• 所提出的基于MFG的高度控制策略相较于静态策略和均匀速度控制基准，显著提升了平均SINR。
• 平均场分布随时间演化，DSCs逐步从较高高度下降至较低高度，以减少路径损耗并改善链路质量。
• 最优速度控制策略随时间呈现下降趋势，表明随着更多DSCs汇聚于较低高度，干扰增加，DSCs降低其下降速度。
• 在1020米处的DSCs概率分布显示末期略有上升，而1080米处的分布则先趋于稳定后下降，反映出动态收敛至较低高度的过程。
• 基于迎风格式的有限差分算法成功收敛至耦合HJB与FPK方程的稳定解，支持实际部署。
• 该算法可实现分布式与离线执行，降低对中心化协调的依赖，适用于密集DSC网络的实际部署。