[论文解读] Interference Management in UAV-assisted Integrated Access and Backhaul Networks

Abdurrahman Fouda, Ahmed S. Ibrahim+2 more|arXiv (Cornell University)|Jul 4, 2019

UAV Applications and Optimization参考文献 37被引用 1

一句话总结

本文提出了一种用于无人机辅助的综合接入与回传（IAB）网络的联合优化框架，通过联合控制用户与基站关联、下行链路功率分配以及无人机空间配置，以最大化网络总速率。该算法在动态用户环境中利用分布式无人机和无人机阵列（DAA），使总速率提升最高达6.7倍，SINR提升达2.9倍。

ABSTRACT

An integrated access and backhaul (IAB) network architecture can enable flexible and fast deployment of next-generation cellular networks. However, mutual interference between access and backhaul links, small inter-site distance and spatial dynamics of user distribution pose major challenges in the practical deployment of IAB networks. To tackle these problems, we leverage the flying capabilities of unmanned aerial vehicles (UAVs) as hovering IAB-nodes and propose an interference management algorithm to maximize the overall sum rate of the IAB network. In particular, we jointly optimize the user and base station associations, the downlink power allocations for access and backhaul transmissions, and the spatial configurations of UAVs. We consider two spatial configuration modes of UAVs: distributed UAVs and drone antenna array (DAA), and show how they are intertwined with the spatial distribution of ground users. Our numerical results show that the proposed algorithm achieves an average of $2.9 imes$ and $6.7 imes$ gains in the received downlink signal-to-interference-plus-noise ratio (SINR) and overall network sum rate, respectively. Finally, the numerical results reveal that UAVs cannot only be used for coverage improvement but also for capacity boosting in IAB cellular networks.

研究动机与目标

• 解决由于站点间距离较小及用户分布动态变化，导致综合接入与回传（IAB）网络中接入链路与回传链路之间相互干扰的挑战。
• 通过利用无人机（UAV）的移动性与灵活性，克服下一代蜂窝网络中静态地面基础设施的局限性。
• 通过联合优化用户与基站关联、功率分配以及无人机空间配置，最大化IAB网络的总下行链路速率。
• 评估两种无人机空间配置模式——分布式无人机与无人机阵列（DAA）——在不同用户分布下的网络性能影响。
• 证明无人机不仅可用于覆盖扩展，还可用于IAB蜂窝网络中的容量增强。

提出的方法

• 提出一种联合优化框架，同时确定用户与基站关联、接入链路与回传链路的下行功率分配，以及无人机轨迹或位置配置。
• 将问题建模为混合整数非线性规划（MINLP），以联合优化用户关联、功率控制与无人机部署，实现干扰抑制。
• 引入两种空间部署策略：(1) 分布式无人机，用于灵活、去中心化的部署；(2) 无人机阵列（DAA），用于波束成形增益与干扰协调。
• 将地面用户的空域分布作为关键输入，以指导无人机部署与波束成形设计，确保干扰感知的部署。
• 应用数值优化技术，在实际约束条件下求解联合优化问题，包括功率预算与干扰阈值。
• 使用真实的信道模型与用户移动性模式评估性能，以反映真实场景下的部署动态。

实验结果

研究问题

• RQ1 在无人机辅助的IAB网络中，联合优化用户关联、功率分配与无人机定位在多大程度上提升了总速率？
• RQ2 在动态用户分布下，采用分布式无人机与无人机阵列（DAA）相比，在SINR与总速率方面的相对性能增益如何？
• RQ3 在站点间距离较小的IAB网络中，无人机在多大程度上可缓解接入链路与回传链路之间的相互干扰？
• RQ4 无人机的空间配置如何与地面用户的空域分布相互作用，从而影响网络性能？
• RQ5 无人机是否不仅能用于覆盖扩展，还能用于IAB蜂窝网络中的容量增强？

主要发现

• 所提出的干扰管理算法相比基准方案，平均实现2.9倍的下行链路信噪比加干扰比（SINR）提升。
• 该算法使整体网络总速率提升6.7倍，显著增强了无人机辅助IAB网络的容量。
• 在用户密集场景下，无人机阵列（DAA）配置相比分布式无人机部署，展现出更高的频谱效率与更强的干扰抑制能力。
• 联合优化无人机位置、功率分配与用户关联，相比启发式或解耦优化方法，实现了显著的性能提升。
• 无人机不仅通过扩展覆盖改善网络性能，还通过智能干扰管理主动提升网络容量。
• 用户的空域分布动态强烈影响最优无人机部署策略，凸显了对自适应与动态无人机定位算法的需求。