[论文解读] Network-Connected UAV: 3D System Modeling and Coverage Performance Analysis

Jiangbin Lyu, Rui Zhang|arXiv (Cornell University)|Jan 19, 2019

UAV Applications and Optimization参考文献 26被引用 6

一句话总结

本文提出了一种用于网络连接无人机的三维系统模型，并构建了一个分析框架，以评估蜂窝网络中上行链路和下行链路的覆盖性能。通过使用广义泊松多项式（GPM）分布对干扰进行建模，并应用一种新颖的格点近似（LA）技术，该方法能够高效且精确地计算干扰分布，从而在真实信道和天线条件下实现高精度的三维覆盖分析，尤其适用于具有视 Line-of-Sight（LoS）链路的高空无人机。

ABSTRACT

With growing popularity, unmanned aerial vehicles (UAVs) are pivotally extending conventional terrestrial Internet of Things (IoT) into the sky. To enable high-performance two-way communications of UAVs with their ground pilots/users, cellular network-connected UAV has drawn significant interests recently. Among others, an important issue is whether the existing cellular network, designed mainly for terrestrial users, is also able to effectively cover the new UAV users in the three-dimensional (3D) space for both uplink and downlink communications. Such 3D coverage analysis is challenging due to the unique air-ground channel characteristics, the resulted interference issue with terrestrial communication, and the non-uniform 3D antenna gain pattern of ground base station (GBS) in practice. Particularly, high-altitude UAV often possesses a high probability of line-of-sight (LoS) channels with a large number of GBSs, while their random binary (LoS/Non-LoS) channel states and (on/off) activities give rise to exponentially large number of discrete UAV-GBS association/interference states, rendering coverage analysis more difficult. This paper presents a new 3D system model to incorporate UAV users and proposes an analytical framework to characterize their uplink/downlink 3D coverage performance. To tackle the above exponential complexity, we introduce a generalized Poisson multinomial (GPM) distribution to model the discrete interference states, and a novel lattice approximation (LA) technique to approximate the non-lattice GPM variable and obtain the interference distribution efficiently with high accuracy. The 3D coverage analysis is validated by extensive numerical results, which also show effects of key system parameters such as cell loading factor, GBS antenna downtilt, UAV altitude and antenna beamwidth.

研究动机与目标

• 为解决无人机在蜂窝网络中三维覆盖性能的挑战，该挑战与陆地二维网络显著不同，主要源于独特的空-地传播特性和干扰特性。
• 对由无人机-地面基站（GBS）关联的随机LoS/非LoS状态以及开启/关闭活动所引起的复杂干扰环境进行建模，该情况导致干扰状态组合呈指数级增长。
• 开发一种高效且精确的分析框架，以降低干扰状态枚举的指数复杂度，同时保持三维覆盖评估的高精度。
• 评估关键系统参数（如无人机高度、GBS天线下倾角、波束宽度和小区负载）对上行链路和下行链路覆盖概率的影响。
• 通过提供可靠的分析基础，支持实际无人机应用，如路径规划和运动控制。

提出的方法

• 提出一种包含三维空-地信道传播的三维蜂窝网络模型，包括LoS概率模型和地面基站（GBS）及无人机的非均匀三维波束成形增益图。
• 将同频GBS产生的离散干扰状态建模为广义泊松多项式（GPM）随机变量（RV），以捕捉无人机-GBS链路的随机关联与活动特性。
• 提出一种新颖的格点近似（LA）技术，以高效逼近非格点GPM分布，从而实现对聚合干扰分布的快速且精确计算。
• 基于近似后的干扰分布，推导出上行链路和下行链路覆盖概率的闭式表达式，考虑信噪比（SNR）阈值和直射链路增益。
• 通过大量数值仿真验证分析框架的有效性，将LA方法与蒙特卡洛（MC）和枚举法进行比较，结果表明其具有高精度和低计算复杂度。
• 将该框架应用于分析无人机高度、GBS天线下倾角、无人机波束宽度和小区负载因子对覆盖性能的影响。

实验结果

研究问题

• RQ1 在LoS链路占主导地位且具有方向性天线图的情况下，无人机在蜂窝网络中的三维覆盖性能如何随其高度变化？
• RQ2 GBS天线下倾角和波束宽度对无人机下行链路覆盖概率有何影响，特别是在高空场景下？
• RQ3 小区负载因子如何影响三维蜂窝环境中无人机的上行链路和下行链路中断概率及覆盖性能？
• RQ4 尽管由于无人机-GBS随机关联导致同频GBS的离散干扰状态数量呈指数增长，能否高效且准确地建模其干扰分布？
• RQ5 使用定向无人机天线相较于全向天线，在多大程度上可提升下行链路覆盖性能，特别是在干扰抑制和波束成形增益方面？

主要发现

• 格点近似（LA）方法在近似聚合干扰分布方面表现出高精度，其计算复杂度显著低于枚举法或蒙特卡洛方法，且在大规模网络中仍具可行性（例如，M ≥ 17个同频GBS）。
• 在高空（例如，H_u ≥ 60 m）时，增大GBS天线下倾角（例如，从-10°增至-20°）可提升下行链路覆盖概率，因为聚合干扰的减少程度大于直射链路强度的衰减。
• 在高空场景下，定向无人机天线（例如，90°波束宽度）相比全向天线可提供更高的下行链路覆盖概率，这得益于波束成形增益以及来自波束外GBS的干扰减少。
• 下行链路覆盖概率随信噪比阈值η_dl的增加而下降，且更高的小区负载因子（ω_dl）会导致覆盖概率降低，并减弱对η_dl变化的敏感性。
• 三维覆盖性能对无人机高度和GBS天线图高度敏感，由于GBS非均匀三维辐射图的影响，在中间高度区域表现出覆盖概率的振荡趋势。
• 所提出的分析框架适用于异构网络部署，可适应不同GBS位置、高度、天线图和负载因子，适用于真实场景下的无人机路径规划与运动控制。