[论文解读] Seamless and Energy Efficient Maritime Coverage in Coordinated 6G Space-Air-Sea Non-Terrestrial Networks

Sheikh Salman Hassan, Do Hyeon Kim+4 more|arXiv (Cornell University)|Jan 21, 2022

Satellite Communication Systems被引用 5

一句话总结

本文提出了一种用于6G的协同空-天-海（SAS）非地面网络（NTN）架构，通过联合优化无人机（UAV）部署、功率控制和用户设备（UE）关联，实现无缝、节能的海上覆盖。采用Bender分解、Dinkelbach算法和ADMM方法，该方法在最大化网络能量效率的同时最小化无人机能耗，在仿真中性能优于基线方法。

ABSTRACT

Non-terrestrial networks (NTNs), which integrate space and aerial networks with terrestrial systems, are a key area in the emerging sixth-generation (6G) wireless networks. As part of 6G, NTNs must provide pervasive connectivity to a wide range of devices, including smartphones, vehicles, sensors, robots, and maritime users. However, due to the high mobility and deployment of NTNs, managing the space-air-sea (SAS) NTN resources, i.e., energy, power, and channel allocation, is a major challenge. The design of a SAS-NTN for energy-efficient resource allocation is investigated in this study. The goal is to maximize system energy efficiency (EE) by collaboratively optimizing user equipment (UE) association, power control, and unmanned aerial vehicle (UAV) deployment. Given the limited payloads of UAVs, this work focuses on minimizing the total energy cost of UAVs (trajectory and transmission) while meeting EE requirements. A mixed-integer nonlinear programming problem is proposed, followed by the development of an algorithm to decompose, and solve each problem distributedly. The binary (UE association) and continuous (power, deployment) variables are separated using the Bender decomposition (BD), and then the Dinkelbach algorithm (DA) is used to convert fractional programming into an equivalent solvable form in the subproblem. A standard optimization solver is utilized to deal with the complexity of the master problem for binary variables. The alternating direction method of multipliers (ADMM) algorithm is used to solve the subproblem for the continuous variables. Our proposed algorithm provides a suboptimal solution, and simulation results demonstrate that the proposed algorithm achieves better EE than baselines.

研究动机与目标

• 为解决6G网络中为海上用户（尤其是传输范围有限的低功耗UE）提供无缝、节能连接的挑战。
• 联合优化UAV部署、功率分配和用户关联，以在UAV载荷和能量约束下最大化系统能量效率（EE）。
• 为SAS-NTN中资源分配产生的复杂混合整数非线性规划（MINLP）问题，设计一种可扩展且分布式的解决方案。
• 通过使无人机作为低功耗UE的中继，确保海上用户连接的可靠性，使其能够连接到低轨卫星或地面基站。

提出的方法

• 将能量效率最大化问题建模为混合整数非线性规划（MINLP），包含UAV轨迹、发射功率和UE关联决策。
• 应用Bender分解（BD）将MINLP分解为一个主问题（处理二进制UE关联变量）和一个子问题（处理连续变量：功率和UAV位置）。
• 使用Dinkelbach算法（DA）将分数规划目标（EE）转化为子问题中可求解的等价形式。
• 采用交替方向乘子法（ADMM）以分布式方式求解连续子问题，提升可扩展性。
• 利用标准优化求解器求解主问题，以降低整数变量的复杂度。
• 采用一阶泰勒展开对二次安全距离约束进行线性化，以提升计算可处理性。

实验结果

研究问题

• RQ1 如何在面向海上用户的空-天-海（SAS）非地面网络（NTN）中最大化能量效率？
• RQ2 如何实现UAV部署、功率控制和用户关联的最优联合配置，以在保持高系统EE的同时最小化UAV能耗？
• RQ3 如何高效地分解并分布式求解SAS-NTN中资源分配产生的复杂MINLP问题？
• RQ4 所提算法在能量效率和能耗方面相较于传统基线方法的性能增益如何？

主要发现

• 所提算法在仿真海上场景中相比基线方法实现了更高的网络能量效率，表现出优越性能。
• 将无人机作为中继显著提升了无法直接接入低轨卫星或地面基站的低功耗UE的连接性。
• Dinkelbach算法的使用有效实现了分数形式能量效率目标函数的转化，提升了收敛速度和解的质量。
• ADMM实现了连续子问题的分布式与可扩展求解，显著提升了大规模部署下的计算效率。
• 对二次安全距离约束进行泰勒级数近似，实现了线性化，并可在标准求解器中高效处理。
• 整体框架通过同时优化轨迹和发射功率，降低了UAV能耗，满足载荷和能量约束。