[论文解读] Performance Analysis for Practical Unmanned Aerial Vehicle Networks with LoS/NLoS Transmissions

Chang Liu, Ming Ding+4 more|arXiv (Cornell University)|Apr 3, 2018

UAV Applications and Optimization参考文献 10被引用 5

一句话总结

本文在实用无人机网络中，基于视 Line-of-Sight (LoS)/非视 Line-of-Sight (NLoS) 传输条件，采用三种路径损耗模型——高空、低空和超低空——分析了性能表现。推导出三维泊松分布无人机（UAV）网络的覆盖概率与面积 spectral efficiency（ASE）表达式，结果表明：在 50 米高度时，高空与低空模型性能几乎完全一致，而超低空模型则显著偏离；最优无人机密度可使覆盖概率与 ASE 达到最大。

ABSTRACT

In this paper, we provide a performance analysis for practical unmanned aerial vehicle (UAV)-enabled networks. By considering both line-of-sight (LoS) and non-line-of-sight (NLoS) transmissions between aerial base stations (BSs) and ground users, the coverage probability and the area spectral efficiency (ASE) are derived. Considering that there is no consensus on the path loss model for studying UAVs in the literature, in this paper, three path loss models, i.e., high-altitude model, low-altitude model and ultra-low-altitude model, are investigated and compared. Moreover, the lower bound of the network performance is obtained assuming that UAVs are hovering randomly according to homogeneous Poisson point process (HPPP), while the upper bound is derived assuming that UAVs can instantaneously move to the positions directly overhead ground users. From our analytical and simulation results for a practical UAV height of 50 meters, we find that the network performance of the high-altitude model and the low-altitude model exhibit similar trends, while that of the ultra-low-altitude model deviates significantly from the above two models. In addition, the optimal density of UAVs to maximize the coverage probability performance has also been investigated.

研究动机与目标

• 评估不同路径损耗模型（高空、低空、超低空）在实际飞行高度（50m–100m）下对无人机网络的适用性。
• 推导三维无人机网络在 LoS/NLoS 传输条件下覆盖概率与面积 spectral efficiency（ASE）的解析表达式。
• 通过将无人机建模为齐次泊松点过程（HPPP）建立性能边界，并与无人机可瞬间移动至用户正上方的“理想跃迁”模型进行对比。
• 确定在实际无人机部署中，使覆盖概率与 ASE 最大的最优无人机密度。

提出的方法

• 将无人机基站（UAV-BSs）建模为三维泊松点过程（3D-PPP），密度为 λ，假设固定高度 h（如 50m）以进行性能分析。
• 应用三种路径损耗模型：高空模型（基于仰角的 LoS/NLoS）、低空模型（3GPP宏蜂窝模型，约 32m）、超低空模型（3GPP微微蜂窝模型，约 10m）。
• 利用随机几何与拉普拉斯变换，推导出 LoS 与 NLoS 链路的概率密度函数的闭式表达式。
• 通过积分距离分布并考虑其他无人机基站产生的干扰（利用干扰功率的拉普拉斯变换），计算覆盖概率与 ASE。
• 通过随机 HPPP 分布的无人机建立下界，通过无人机可瞬间重新定位至用户正上方的“跃迁”模型建立上界。
• 采用数值积分与仿真方法，对比不同模型的性能，并验证分析结果。

实验结果

研究问题

• RQ1 在实用无人机高度 50 米时，高空、低空与超低空路径损耗模型在网络性能方面有何差异？
• RQ2 无人机移动性对网络性能有何影响？在不同无人机密度下，ASE 的上下界差异如何？
• RQ3 在具有 LoS/NLoS 传播特性的三维无人机网络中，使覆盖概率与 ASE 最大的最优无人机密度是多少？
• RQ4 当无人机以 50 米高度飞行时，3GPP 地面路径损耗模型（即低空模型）是否仍适用于无人机网络？
• RQ5 在实际无人机高度下，超低空模型与高空及低空模型的性能差异如何？

主要发现

• 在无人机高度为 50 米时，高空与低空路径损耗模型产生的覆盖概率与 ASE 性能几乎完全一致，表明 3GPP 地面模型适用于该高度的无人机网络。
• 超低空模型（如 10 米）表现出与另两种模型显著不同的性能趋势，尤其在高密度网络中，表明其在实际无人机部署中适用性较低。
• 当无人机处于 50 米高度时，使覆盖概率最大化的最优无人机密度约为 6 个无人机基站/平方公里，该结果在高空与低空模型中均一致。
• ASE 随无人机密度先线性增长，但在高密度下增速减缓，表明超过某一临界点后收益递减。
• 在低无人机密度下（如 <10 个基站/平方公里），下界（随机 HPPP 分布的无人机）与上界（跃迁无人机）之间的性能差距最大，凸显移动性优化的巨大潜力。
• 在高无人机密度下（如 100 个基站/平方公里），无人机移动性带来的 ASE 提升趋于边际化，表明网络性能在密集部署下趋于饱和。