[论文解读] DroneCells: Improving 5G Spectral Efficiency using Drone-mounted Flying Base Stations

Azade Fotouhi, Ming Ding+1 more|arXiv (Cornell University)|Jul 7, 2017

UAV Applications and Optimization参考文献 22被引用 39

一句话总结

本文提出DroneCells，一种5G网络范式，其中无人机载基站（DBSs）在小区内持续移动以最小化用户距离并提升频谱效率。通过实用的移动算法——尤其是基于博弈论的启发式方法——仿真结果表明，与静态无人机相比，频谱效率提高34%，第5百分位吞吐量提升50%，且速度和电池消耗几乎无额外负担。

ABSTRACT

We study a cellular networking scenario, called DroneCells, where miniaturized base stations (BSs) are mounted on flying drones to serve mobile users. We propose that the drones never stop, and move continuously within the cell in a way that reduces the distance between the BS and the serving users, thus potentially improving the spectral efficiency of the network. By considering the practical mobility constraints of commercial drones, we design drone mobility algorithms to improve the spectral efficiency of DroneCells. As the optimal problem is NP-hard, we propose a range of practically realizable heuristics with varying complexity and performance. Simulations show that, using the existing consumer drones, the proposed algorithms can readily improve spectral efficiency by 34\% and the 5-percentile packet throughput by 50\% compared to the scenario, where drones hover over fixed locations. More significant gains can be expected with more agile drones in the future. A surprising outcome is that the drones need to fly only at minimal speeds to achieve these gains, avoiding any negative effect on drone battery lifetime. We further demonstrate that the optimal solution provides only modest improvements over the best heuristic algorithm, which employs Game Theory to make mobility decisions for drone BSs.

研究动机与目标

• 解决传统蜂窝网络中边缘用户频谱效率低下和QoS差的问题。
• 克服静态无人机基站（DBSs）悬停于固定位置导致的用户链路质量不佳的局限性。
• 设计符合现实无人机约束（如速度、加速度和电池寿命）的实用、低复杂度移动控制算法。
• 证明持续无人机移动可显著提升网络性能，且无需增加能耗，相比悬停DBSs。
• 评估在不同用户密度和无人机敏捷性条件下，频谱效率、公平性与系统复杂性之间的权衡。

提出的方法

• 提出一种新型DroneCells架构，DBSs在固定高度持续移动，以最小化与活跃用户之间的距离，从而提升信号强度和频谱效率。
• 设计三种实用的无人机移动算法：(1) 随机游走，(2) 基于速度的移动算法（VMA），以及(3) 基于博弈论的无人机移动算法（GT DMA），复杂度与性能逐级提升。
• 在算法设计中整合真实无人机约束，包括最大速度（2–8 m/s）、加速度（4–40 m/s²）以及方向更新的最短间隔1秒。
• 使用三维射线追踪信道模型，包含路径损耗和阴影衰落，以模拟城市环境中真实的无线电传播。
• 实现基于信道质量（CQ）和公平共享的动态资源分配方案，以评估公平性与频谱效率之间的权衡。
• 利用真实Phantom 4无人机参数和真实的用户移动轨迹进行大规模仿真，评估不同用户密度和移动策略下的性能表现。

实验结果

研究问题

• RQ1 与静态悬停相比，无人机基站的持续移动是否能显著提升频谱效率和边缘用户吞吐量？
• RQ2 无人机移动对能耗和电池寿命有何影响，特别是在最低速度飞行时？
• RQ3 在真实无人机约束下，不同移动控制算法（随机、基于速度、博弈论）在频谱效率和公平性方面的表现如何比较？
• RQ4 方向更新间隔在多大程度上影响移动算法性能？低粒度控制是否仍能带来增益？
• RQ5 用户密度如何影响移动DBS网络中的频谱效率和干扰水平？资源分配策略对公平性有何影响？

主要发现

• 所提出的DroneCells框架相比使用现有消费级无人机的静态无人机基站，频谱效率提升34%，第5百分位用户吞吐量提升50%。
• 基于博弈论的无人机移动算法（GT DMA）性能接近最优解，表明其是一种高效实用的启发式方法。
• 即使在最低速度（如2 m/s）下，无人机仍能获得显著增益，且由于移动期间能耗极低，对电池寿命无明显负面影响。
• 方向更新间隔具有可测量但可控的影响：GT DMA在2秒间隔下仍保持优异性能，证实其适用于低端无人机。
• 在真实条件下，DBSs在99%以上时间内保持在指定小区边界内，速度≤6 m/s且使用标准无人机时，超出小区边界的时间不足1%。
• 用户密度越高，平均频谱效率越低，主要因干扰和传输负载增加，但GT DMA在所有密度（每小区5–10个用户）下均带来显著性能增益。