[论文解读] Mobile Unmanned Aerial Vehicles (UAVs) for Energy-Efficient Internet of Things Communications

Mohammad Mozaffari, Walid Saad+2 more|arXiv (Cornell University)|Mar 15, 2017

UAV Applications and Optimization参考文献 22被引用 10

一句话总结

本文提出了一种联合优化框架，用于多架移动无人机在物联网网络中的三维部署、移动性、设备关联及上行链路功率控制，以最小化总发射功率。通过根据活跃物联网设备的分布动态更新无人机位置，并计算能效最优的轨迹，该方法相比固定无人机将物联网设备发射功率降低了45%，并将系统可靠性提高了最多28%。

ABSTRACT

In this paper, the efficient deployment and mobility of multiple unmanned aerial vehicles (UAVs), used as aerial base stations to collect data from ground Internet of Things (IoT) devices, is investigated. In particular, to enable reliable uplink communications for IoT devices with a minimum total transmit power, a novel framework is proposed for jointly optimizing the three-dimensional (3D) placement and mobility of the UAVs, device-UAV association, and uplink power control. First, given the locations of active IoT devices at each time instant, the optimal UAVs' locations and associations are determined. Next, to dynamically serve the IoT devices in a time-varying network, the optimal mobility patterns of the UAVs are analyzed. To this end, based on the activation process of the IoT devices, the time instances at which the UAVs must update their locations are derived. Moreover, the optimal 3D trajectory of each UAV is obtained in a way that the total energy used for the mobility of the UAVs is minimized while serving the IoT devices. Simulation results show that, using the proposed approach, the total transmit power of the IoT devices is reduced by 45% compared to a case in which stationary aerial base stations are deployed. In addition, the proposed approach can yield a maximum of 28% enhanced system reliability compared to the stationary case. The results also reveal an inherent tradeoff between the number of update times, the mobility of the UAVs, and the transmit power of the IoT devices. In essence, a higher number of updates can lead to lower transmit powers for the IoT devices at the cost of an increased mobility for the UAVs.

研究动机与目标

• 解决在稀疏或基础设施有限环境中，来自分布式、电池供电受限的物联网设备的能效上行链路数据收集挑战。
• 通过实现动态无人机部署与移动性，克服固定空中基站的局限性，以降低物联网设备发射功率。
• 在满足个体SINR约束条件下，联合优化无人机三维定位、设备-无人机关联及上行链路功率控制，以最小化总发射能量。
• 基于随时间变化的物联网设备活动情况，设计无人机的动态更新机制，以平衡移动能耗与设备节能之间的关系。
• 量化分析更新次数、无人机移动能耗与物联网设备发射功率之间的基本权衡关系。

提出的方法

• 建立联合优化问题，以在SINR约束下最小化总物联网设备发射功率，变量包括无人机三维位置、设备关联关系及上行链路功率水平。
• 将问题分解为两个交替子问题：(1) 固定无人机位置，优化设备关联与功率控制；(2) 固定关联关系，通过迭代优化方法更新三维无人机位置。
• 基于物联网设备的激活模式，推导出无人机重新定位的最优更新时间，确保每个更新间隔内活跃设备数量不超过指定上限。
• 采用能量最小化的三维轨迹建模无人机移动性，综合考虑气动与推进动力学，以计算移动能耗。
• 使用迭代算法精炼方法，收敛至近优解，仿真结果表明约5次迭代后即实现收敛。
• 在离散化空间中与穷举搜索方法对比验证性能，结果表明该方法计算速度平均快500倍，且与最优解差距仅为11%。

实验结果

研究问题

• RQ1 如何在三维空间中最优部署无人机，以最小化能量受限物联网设备的总发射功率？
• RQ2 基于随时间变化的物联网设备活动模式，无人机的最优动态更新调度是什么？
• RQ3 在满足SINR约束条件下，无人机的最优三维轨迹是什么，以最小化移动能耗并确保可靠的上行链路通信？
• RQ4 在无人机更新次数、无人机移动能耗与物联网设备发射功率之间存在何种权衡关系？
• RQ5 与静态无人机部署或穷举搜索相比，所提出的联合优化框架在性能与效率方面表现如何？

主要发现

• 与固定无人机部署相比，所提框架将总物联网设备发射功率降低了45%，显著延长了设备电池寿命。
• 由于优化后的无人机部署改善了链路质量并减少了干扰，系统可靠性相比静态情况最高提升了28%。
• 增加无人机更新次数可降低设备发射功率（因干扰减少），但同时导致无人机移动能耗上升。
• 在1 km × 1 km区域内，当更新次数从3次增至6次时，无人机能耗增加了2.1倍，验证了移动能耗与更新频率之间的权衡关系。
• 所提算法约在5次迭代内收敛，所得解与最优穷举搜索结果差距仅11%，且平均计算速度提升500倍。
• 更新次数与每个更新间隔内最大活跃设备数的倒数成正比，当每间隔有50个活跃设备时，需进行75次更新。