[论文解读] Local Map-assisted Positioning for Flying Wireless Relays.

Junting Chen, David Gesbert|arXiv (Cornell University)|Jan 11, 2018

UAV Applications and Optimization参考文献 23被引用 14

一句话总结

本文提出了一种基于局部地图的无人机定位算法，利用拓扑信息优化飞行中继位置，平衡路径损耗最小化与视 Line-of-Sight (LOS) 增益。通过线性轨迹缩放的局部信号强度图探索实现全局最优，其吞吐量性能优于 LOS 统计模型。

ABSTRACT

This paper considers the exploitation of unmanned aerial vehicles (UAVs) in wireless networking, with which communication-enabled robots operate as flying wireless relays to provide connectivity or a capacity boost to a ground user. We focus on the particular problem of (automatic) UAV positioning, which greatly affects the end-to-end throughput performance. While existing methods rely on propagation distance minimiza- tion and statistical models for the presence or absence of a line-of-sight (LOS), we propose an approach capable of leveraging local topological information so as to offer better performance guarantees. The proposed method allows to strike a trade-off between minimizing distance path loss and discovering (near) LOS opportunities at locations away from the base station (BS)-user axis. Furthermore, the algorithm is shown to find the global optimal UAV position, although it only requires a local exploration of a signal strength map and the length of search trajectory is only linear to the geographical scale. Hence, it lends itself to online implementation. Significant throughput gains are found when compared to other positioning approaches based on LOS statistical models.

研究动机与目标

• 解决自动无人机定位问题，以在无线中继网络中最大化端到端吞吐量。
• 克服现有方法仅依赖距离最小化或统计 LOS 模型的局限性。
• 使无人机能够利用局部拓扑数据，在直接基站-用户轴线之外发现近似 LOS 机会。
• 设计一种计算效率高的算法，适用于在线部署，且轨迹长度缩放最小。
• 通过局部探索信号强度图实现全局最优无人机定位。

提出的方法

• 基于实时测量或预测构建局部信号强度图，以表征无线电传播条件。
• 利用信号强度图识别候选无人机位置，以最小化路径损耗并最大化 LOS 概率。
• 应用贪心局部搜索策略，仅探索与地理尺度成线性关系的轨迹长度。
• 引入拓扑约束，优先选择具有有利散射和反射特性的位置。
• 将定位问题建模为基于距离的路径损耗与 LOS 可用性之间的权衡，采用加权代价函数。
• 通过利用信号强度景观的结构特性，避免穷举搜索，确保收敛至全局最优。

实验结果

研究问题

• RQ1 局部拓扑信息是否能够使无人机定位超越仅依赖距离最小化和统计 LOS 模型的性能？
• RQ2 所提方法在非轴向无人机位置中如何平衡路径损耗降低与 LOS 机会发现？
• RQ3 在线无人机部署中，定位精度与计算复杂度之间的权衡如何？
• RQ4 仅通过局部探索，该算法在多大程度上实现全局最优？
• RQ5 所提方法的吞吐量性能与传统的基于 LOS 和距离最小化的方法相比如何？

主要发现

• 尽管仅依赖信号强度图的局部探索，所提方法仍能实现全局最优的无人机定位。
• 搜索轨迹长度与地理尺度成线性关系，支持高效在线实现。
• 与基于统计 LOS 模型的定位策略相比，观察到显著的吞吐量增益。
• 该算法成功识别出位于直接基站-用户轴线之外的近似 LOS 位置，提升了连接性。
• 通过整合局部拓扑信息，该方法在降低路径损耗的同时保持较高的 LOS 概率。
• 该方法在吞吐量和对环境散射的鲁棒性方面均优于传统方法。