[论文解读] Energy-Efficient UAV Backscatter Communication with Joint Trajectory Design and Resource Optimization

Gang Yang, Rao Dai+1 more|arXiv (Cornell University)|Nov 13, 2019

UAV Applications and Optimization参考文献 42被引用 4

一句话总结

该论文提出了一种联合轨迹与资源优化框架，用于实现高效能的无人机辅助背散射通信网络，其中一架飞行的无人机通过时分多址方案从地面背散射设备收集数据。通过联合优化无人机轨迹、背散射设备调度和信息转发器传输功率，该方法相较于悬停-飞行基准方案实现了显著的能效提升——最高达0.699比特/Hz/ETP，且在25次迭代内完成收敛。

ABSTRACT

Backscatter communication which enables wireless-powered backscatter devices (BDs) to transmit information by reflecting incident signals, is an energy- and cost-efficient communication technology for Internet-of-Things. This paper considers an unmanned aerial vehicle (UAV)-assisted backscatter communication network (UBCN) consisting of multiple BDs and carrier emitters (CEs) on the ground as well as a UAV. A communicate-while-fly scheme is first designed, in which the BDs illuminated by their associated CEs transmit information to the flying UAV in a time-division-multiple-access manner. Considering the critical issue of the UAV's limited on-board energy and the CEs' transmission energy, we maximize the energy efficiency (EE) of the UBCN by jointly optimizing the UAV's trajectory, the BDs' scheduling, and the CEs' transmission power, subject to the BDs' throughput constraints and harvested energy constraints, as well as other practical constraints. Furthermore, we propose an iterative algorithm based on the block coordinated decent method to solve the formulated mixed-integer non-convex problem, in each iteration of which the variables are alternatively optimized by leveraging the cutting-plane technique, the Dinkelbach's method and the successive convex approximation technique. Also, the convergence and complexity of the proposed algorithm are analyzed. Finally, simulation results show that the proposed communicate-while-fly scheme achieves significant EE gains compared with the benchmark hover-and-fly scheme. Useful insights on the optimal trajectory design and resource allocation are also obtained.

研究动机与目标

• 通过引入无人机作为移动的背散射接收器，解决大规模背散射网络中部署成本高和公平性差的问题。
• 在有限的机载能量和发射功率约束下，最大化无人机辅助背散射网络（UBCN）的能效（EE）。
• 在满足吞吐量和能量采集约束的前提下，联合优化无人机轨迹、背散射设备调度和信息转发器传输功率。
• 设计一种低复杂度的迭代算法，确保收敛性与实际部署的可行性。

提出的方法

• 针对轨迹、调度和功率约束下的能效最大化问题，构建一个混合整数非凸优化问题。
• 采用块坐标下降（BCD）方法，迭代优化无人机轨迹、背散射设备调度和信息转发器传输功率。
• 利用切平面法处理与能量采集和吞吐量相关的非凸约束。
• 应用Dinkelbach方法，将分数阶能效目标转化为一系列参数化子问题。
• 采用连续凸逼近（SCA）方法处理轨迹和功率优化子问题中的非凸项。
• 集成无人机推进能量模型，以确保飞行动力学和能量消耗的现实性。

实验结果

研究问题

• RQ1 联合优化无人机轨迹、背散射设备调度和信息转发器传输功率，如何提升无人机-背散射网络的能效？
• RQ2 何种最优飞行模式（轨迹）可在最小化推进能耗的同时最大化数据采集效率？
• RQ3 背散射设备之间的时间资源分配如何受其地理分布和信道条件的影响？
• RQ4 吞吐量和时间约束对最优轨迹与功率分配有何影响？
• RQ5 所提出的迭代算法如何确保收敛性与低计算复杂度？

主要发现

• 所提出的边飞行边通信方案在能效方面最高可达0.699比特/Hz/ETP，显著优于基准的悬停-飞行方案。
• 当从位置相近的背散射设备收集数据时，最优无人机轨迹呈现出“8”字形，尤其在中等吞吐量和时间约束下更为明显。
• 当在邻近背散射设备附近悬停时，无人机以约5.76 m/s的速度飞行，即其最小推进功率速度，从而最小化能量消耗。
• 地理位置相近的背散射设备（如BD 3、5、9、11）因可实现更高的数据速率而获得更多的时频资源，提升了公平性与能效。
• 该算法在25次迭代内完成收敛，前5次迭代中能效迅速提升，证实了快速收敛性。
• 信息转发器的传输功率在2W至6W之间动态调节，避免了峰值功率使用，维持了整体低能耗。