[论文解读] Trajectory Optimization and Resource Allocation for OFDMA UAV Relay Networks

Shuhao Zeng, Hongliang Zhang+2 more|arXiv (Cornell University)|Apr 22, 2021

UAV Applications and Optimization参考文献 25被引用 5

一句话总结

该论文提出了一种用于OFDMA增强型无人机中继网络的联合轨迹优化与资源分配算法，旨在最大化系统和速率的同时确保用户公平性。通过将NP难问题分解为模式选择、轨迹优化和功率分配三个子问题，并利用匹配理论、序列凸规划和凸近似方法迭代求解，所提出的JMS-T-P算法在和速率与公平性指标上均显著优于基准方案。

ABSTRACT

In this paper, we consider a single-cell multi-user orthogonal frequency division multiple access (OFDMA) network with one unmanned aerial vehicle (UAV), which works as an amplify-and-forward relay to improve the quality-of-service (QoS) of the user equipments (UEs) in the cell edge. Aiming to improve the throughput while guaranteeing the user fairness, we jointly optimize the communication mode, subchannel allocation, power allocation, and UAV trajectory, which is an NP-hard problem. To design the UAV trajectory and resource allocation efficiently, we first decompose the problem into three subproblems, i.e., mode selection and subchannel allocation, trajectory optimization, and power allocation, and then solve these subproblems iteratively. Simulation results show that the proposed algorithm outperforms the random algorithm and the cellular scheme.

研究动机与目标

• 解决在基于OFDMA的无人机中继网络中联合优化无人机轨迹、子信道分配、功率控制与通信模式的挑战，以提升系统吞吐量与用户公平性。
• 通过将联合优化问题分解为三个可处理的子问题（模式选择与子信道分配、轨迹优化、功率分配），克服该问题的NP难复杂度。
• 设计一种迭代算法，交替求解每个子问题，以计算高效的方式实现近似最优性能。
• 通过利用无人机移动性与多载波OFDMA传输，确保边缘用户通信的可靠性与高质量。
• 在真实城市场景下，评估所提方案相较于随机部署与传统仅宏蜂窝部署策略的性能增益。

提出的方法

• 将联合优化问题建模为包含无人机轨迹、子信道分配、功率控制与通信模式选择的混合整数非凸规划问题。
• 将问题分解为三个子问题：(1) 基于多对一匹配的模式选择与子信道分配，采用MC-子信道匹配算法（MSMA）；(2) 通过迭代水平与高度优化实现无人机轨迹优化；(3) 通过连续凸规划（SCP）求解功率分配问题。
• 采用凸近似技术对视 Line-of-Sight（LoS）概率与信道增益进行下界逼近，从而实现对无人机到基站（UAV-to-BS）与用户设备到无人机（UE-to-UAV）链路的可处理优化。
• 对信道增益表达式中的非凸项应用一阶泰勒展开近似，特别是针对LoS概率模型。
• 在三个子问题之间迭代交替求解，直至收敛，确保所有变量的联合优化。
• 引入对信道增益 $ h_{U,B}^k $ 的下界近似 $ H_{U,B}^k $，其为凹函数，因而适用于凸优化技术。

实验结果

研究问题

• RQ1 在基于OFDMA的无人机中继网络中，如何联合优化无人机轨迹与资源分配以最大化系统和速率？
• RQ2 在多用户无人机中继场景中，不同用户设备（UEs）的宏蜂窝与中继通信模式之间最优权衡为何？
• RQ3 如何将NP难的联合优化问题分解为可处理的子问题以实现高效求解？
• RQ4 与随机方案和仅宏蜂窝方案相比，所提算法在和速率与用户公平性方面提升程度如何？
• RQ5 无人机移动性与LoS信道建模对资源分配与轨迹设计性能有何影响？

主要发现

• 所提出的JMS-T-P算法在和速率方面显著优于随机算法与仅宏蜂窝方案，增益主要归因于智能的无人机轨迹设计与动态模式选择。
• 该算法通过使边缘用户经由无人机中继卸载流量，提升了用户公平性，降低了其中断概率并提高了频谱效率。
• MC-子信道匹配算法（MSMA）能有效解决用户设备与子信道之间的多对一匹配问题，实现高效子信道分配且复杂度较低。
• 连续凸规划（SCP）使功率分配子问题能收敛至局部最优解，确保在功率与SINR限制下满足QoS约束。
• LoS概率与信道增益模型的凸近似提供了紧致的下界，从而支持可靠且高效的轨迹优化。
• 仿真结果表明，相邻子载波的干扰功率比期望信号功率低约31.1 dB，验证了OFDMA设计的鲁棒性。