无人机通信优化：三维连续移动控制与节能覆盖

"Three-Dimensional Continuous Movement Control of Drone Cells(持续更新) - 无人机通信 - IEEE链接" 本文关注的是无人机通信领域中的一个关键问题，即三维连续运动控制，以实现能源效率高的通信覆盖。随着无线网络对敏捷性、弹性和快速服务恢复需求的增长，无人机辅助覆盖成为了解决临时高密度用户区域通信需求的有效手段。在诸如自然灾害或大型活动等场景下，传统基础设施可能无法迅速响应，而无人机因其快速部署和灵活性，成为了理想的解决方案。 文章的核心贡献在于探讨如何通过优化无人机的移动策略来提供最佳通信质量，同时兼顾能耗、用户服务质量（QoS）、覆盖范围的公平性和网络连接性等多个关键因素。设计基于深度强化学习（DRL）的无人机蜂窝网络，以实现节能通信覆盖是一项具有挑战性的任务。 模型部分详细阐述了无人机的移动模型和信道传播模型。无人机的运动被划分为离散的时间步，并在此基础上做出决策。符号集中，用户数据速率用C表示，不同时间步和位置的通信速率用bt,ik,j(k)b_{t,i_k,j}^{(k)}bt,ik​,j(k)​,表示，它们属于集合k和i的特定用户。 文章进一步探讨了空对空（air-to-air）和空对地（air-to-ground）信道的构建，这对于理解无人机通信环境至关重要。为了衡量覆盖的公平性，引入了Jain's fairness指标，该指标有助于平衡各个用户的通信服务质量。此外，文章还建立了能耗问题的数学模型，旨在找到最佳部署高度，这直接影响到无人机的能源效率。 强化学习（RL）在解决这个问题中扮演了重要角色，无人机需要学习在每个决策周期（或时间步）选择合适的动作（action），以最大化预期的奖励（reward）。在设计算法时，边界边缘机制被考虑进来，以确保无人机在覆盖区域的边界附近保持安全距离，防止通信中断。 本文的研究不仅对于提升无人机通信的效率和覆盖范围具有理论价值，而且对实际部署中的无人机网络规划和管理提供了重要的技术指导。随着无人机通信技术的发展，这类研究将对未来无线网络的弹性与适应性产生深远影响。