[论文解读] UAV-Enabled Wireless Power Transfer: A Tutorial Overview

Lifeng Xie, Xiaowen Cao+2 more|arXiv (Cornell University)|Feb 27, 2021

UAV Applications and Optimization参考文献 115被引用 4

一句话总结

本教程提出一种用于无人机（UAV）无线能量传输（WPT）的轨迹设计框架，旨在最大化多个地面设备（GDs）之间的能量采集公平性。该框架引入了三种关键技术——多位置悬停、连续悬停-飞行（successive-hover-and-fly, SHF）以及基于时间量化优化的方法，适用于单UAV WPT；通过无人机编队飞行与GD聚类技术，将这些方法扩展至多UAV场景；并整合WPT与无线供能通信网络（WPCN）及移动边缘计算（MEC），在能量约束下联合优化UAV轨迹与资源分配。

ABSTRACT

Unmanned aerial vehicle (UAV)-enabled wireless power transfer (WPT) has recently emerged as a promising technique to provide sustainable energy supply for widely distributed low-power ground devices (GDs) in large-scale wireless networks. Compared with the energy transmitters (ETs) in conventional WPT systems which are deployed at fixed locations, UAV-mounted aerial ETs can fly flexibly in the three-dimensional (3D) space to charge nearby GDs more efficiently. This paper provides a tutorial overview on UAV-enabled WPT and its appealing applications, in particular focusing on how to exploit UAVs' controllable mobility via their 3D trajectory design to maximize the amounts of energy transferred to all GDs in a wireless network with fairness. First, we consider the single-UAV-enabled WPT scenario with one UAV wirelessly charging multiple GDs at known locations. To solve the energy maximization problem in this case, we present a general trajectory design framework consisting of three innovative approaches to optimize the UAV trajectory, which are multi-location hovering, successive-hover-and-fly, and time-quantization-based optimization, respectively. Next, we consider the multi-UAV-enabled WPT scenario where multiple UAVs cooperatively charge many GDs in a large area. Building upon the single-UAV trajectory design, we propose two efficient schemes to jointly optimize multiple UAVs' trajectories, based on the principles of UAV swarming and GD clustering, respectively. Furthermore, we consider two important extensions of UAV-enabled WPT, namely UAV-enabled wireless powered communication networks (WPCN) and UAV-enabled wireless powered mobile edge computing (MEC).

研究动机与目标

• 通过利用UAV的移动性，解决广泛分布的低功耗地面设备（GDs）在无线能量传输（WPT）中的能量公平性挑战。
• 克服固定位置能量发射器（ETs）因严重路径损耗和近-远公平性问题带来的局限性。
• 为搭载ET的UAV设计三维轨迹框架，以最大化总采集能量，同时确保GDs之间的公平性。
• 通过无人机编队飞行与GD聚类技术，将该框架扩展至多UAV场景，实现在大范围区域内的可扩展、高效覆盖。
• 将无人机赋能的WPT与新兴应用如无线供能通信网络（WPCN）和无线供能移动边缘计算（MEC）相集成，在能量因果性和服务质量（QoS）约束下，联合优化轨迹与资源分配。

提出的方法

• 针对单UAV WPT，提出一种通用的轨迹设计框架，采用三种核心方法：多位置悬停、连续悬停-飞行（SHF）以及基于时间量化的优化。
• 将UAV的三维轨迹建模为一系列航点，并优化其轨迹以平衡能量传输与移动性约束。
• 应用连续悬停-飞行（SHF）策略，通过在每个位置悬停以实现最优能量传输，依次为GDs充电。
• 利用时间量化方法将轨迹离散化为时间槽，实现UAV位置与每槽发射功率的联合优化。
• 通过两种方案将框架扩展至多UAV WPT：无人机编队飞行（协调飞行模式）与GD聚类（将GD分组并为每组分配UAV）。
• 在WPCN与MEC场景中，联合优化UAV轨迹与通信、计算资源分配，受能量因果性与QoS约束。

实验结果

研究问题

• RQ1 如何利用UAV在三维空间中的移动性，以最大化无线网络中多个地面设备的总能量传输与公平性？
• RQ2 对于已知位置的多个GDs，单UAV的最优轨迹设计策略是什么？这些策略在性能与复杂度方面如何比较？
• RQ3 如何协调多架UAV，以可扩展且能量高效的方式，为大量分布式的GDs提供高效充电？
• RQ4 如何将无人机赋能的WPT与无线供能通信网络（WPCN）及移动边缘计算（MEC）集成，以联合优化能量传输与系统性能？
• RQ5 在无人机赋能WPT中，关键挑战与开放问题有哪些，特别是非线性能量采集、信道状态信息（CSI）获取，以及基于强化学习或无线地图的在线轨迹自适应？

主要发现

• 所提出的轨迹设计框架相比固定ET系统，显著提升了能量公平性与总采集能量，尤其在空间分布广泛的GDs场景中表现更优。
• 连续悬停-飞行（SHF）方法在计算复杂度低于全轨迹优化的前提下，实现了接近最优的性能。
• 基于时间量化的优化方法可实现高效的轨迹与功率控制联合设计，特别适合实时实现。
• 基于无人机编队飞行与GD聚类的多UAV方案，在大范围WPT网络中实现了可扩展且能量高效的覆盖。
• 在WPCN与MEC场景中，联合优化UAV轨迹与资源分配，显著提升了系统吞吐量与计算卸载性能，且满足能量因果性约束。
• 开放问题如非线性能量采集、CSI反馈开销，以及基于强化学习或无线地图的在线轨迹自适应，仍是未来研究的关键挑战。