三维定向无人机网络干扰建模及分析

⃝可在www.sciencedirect.com上在线获取ScienceDirectICTExpress 5（2019）235www.elsevier.com/locate/icte基于随机几何的三维定向无人机网络干扰建模与分析Eunmi Chua，Jong Min Kimb，Bang Chul Junga，a韩国大田忠南国立大学电子工程系b韩国科学院，韩国釜山接收日期：2019年8月30日;接受日期：2019年在线预订2019年摘要本文基于随机几何的方法，建立了定向无人机（UAV）网络的干扰模型，并分析了其干扰特性。其中，每个UAV配备有定向天线，并与位于三维空间中的另一个UAV进行通信。特别地，无人机的三维位置被假定为在一定体积内均匀分布，该体积由泊松模型来建模点过程给定波束宽度，我们首先设计一个理想的3D定向天线波束方向图具有恒定的主瓣和副瓣增益。为了对无人机网络中的干扰进行建模，采用球坐标系分析了典型无人机接收机和干扰无人机发射机之间的仰角和方位角对干扰的影响。然后，我们研究了在一个典型的无人机接收机从多个无人机的旁瓣增益，波束宽度，无人机的高度，和无人机发射机-接收机对的距离的聚合干扰的分布。c2019韩国通信与信息科学研究所（KICS）。Elsevier B. V.提供的出版服务。这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：无人机网络;泊松点过程;三维定向天线;干扰;随机几何1. 介绍近年来，无人机通信因其部署成本低、网络稳定性好等优点而受到广泛关注。一般而言，无人机的应用包括道路交通实时监控、遥感、灾害通讯、产品配送、精准农业等[1]。大多数关于无人机通信的研究都集中在地面无线网络性能的改善上。在文献[2]中介绍了一种无人机辅助车载网络的框架在[3]中，在UAV辅助网络中的地面用户处的覆盖概率被假设为多个UAV位于三维（3D）空间中并且它们被假设为基于混合∗ 通讯作者。电子邮件地址：emchu@cnu.ac.kr（E.Chu），franzkim@kaist.ac.kr（J.M.Kim），bcjung@cnu.ac.kr（B.C.Jung）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2019.09.006随机航路点移动模型在文献[4]中，解析地导出了给定空对地链路的中断概率的严格下界以及最佳UAV高度。文献[5]提出了一种空地一体化网络中的协同数据分发框架，以最大化地面用户的最小接收数据量，其中地面基站和单个无人机协同为地面用户服务。 在[6]中，利用地面基站和无人机之间的3D与无人机辅助的地面无线网络不同，无人机之间的通信由于相对较少的应用和诸如无人机的高度移动性和频繁的拓扑变化的哈希技术挑战而没有受到学术界和工业界的太多关注。然而，由于UAV部署的增加，最近已经研究了由通过空对空无线信道连接的多个在[7]中，提出了一种新的定向介质访问控制（MAC）协议，以协调3D空间中配备定向天线的多个UAV的传输。此外，在[8]中研究了支持mmWave的UAV群网络，用于UAV之间的大量数据交换，其中3D干扰图是2405-9595/2019韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。236E. Chu，J.M.Kim和BCJung/ICT Express 5（2019）235PPAA∫ρ=0==PA一==PP--=其中m和S分别表示主瓣和旁瓣区域上的辐射能量。同样，全向天线的总表面积被分成主瓣和旁瓣的表面积，如下所示：Ao=Am+As，（3）其中m和s分别表示主瓣和旁瓣的表面积因此，主瓣的辐射密度Gm和旁瓣的辐射密度Gs表示如下：gm=Pm（主瓣），Gs= Ps（旁瓣）。（四）AmAsFig. 1. 定向无人机网络。由于Am由波束宽度ω确定，因此使用Am（ω）代替Am，如下所示：通过考虑移动性、干扰和能量，Am（ω）=<$ωωφ=0sinφdφdρ，（主瓣），（5）消费同时随着无人机网络密度的增加，无人机无线链路之间的干扰往往会限制网络性能，因此分析无人机网络在3D空间中的干扰特性非常重要，如图1所示。现有的研究仅针对简单的3D无线网络，没有考虑定向天线旁瓣的影响。在我们以前的文章[9]中，我们简要地描述了一个考虑旁瓣影响的理想三维定向天线模型，然后根据泊松点分析了无人机在三维空间中随机分布其中ρ和Φ分别表示球面坐标系同样，对于给定的ω，主瓣辐射强度表示如下：Gm（ω） Pm（ω），（主瓣）。（六）Am（ω）旁瓣通常辐射到与主瓣相反的方向。它浪费能源，并可能对其他设备造成干扰。虽然理想天线的副瓣为零，但所有实际天线都会产生一定的副瓣。设GS为旁瓣辐射强度，其表示如下：过程（PPP）。本文描述了一种理想的三维定向天线GsPsAsPo−Pm（ω），（旁瓣），（7）Ao−Am（ω）模型和网络模型。此外，我们投资-从旁瓣、波束宽度、无人机高度和一对相互通信的无人机之间的距离等方面，对典型无人机接收机处来自多个无人机的总干扰进行了统计分布。2. 干扰建模2.1. 三维空间在理想全向天线中，辐射方向图均匀地辐射到各向同性球的区域。当球体的半径设置为1时，表面积o为4π。由于能量源功率0被辐射到o，辐射强度Go表示每单位球体从天线辐射的功率，并且其表示如下：GoPo，（1）AO假设Go为1，则o是4π。相反，在定向天线中，辐射方向图由主瓣和旁瓣组成。能量源功率由主瓣和旁瓣分离。在定向天线中，全向天线o的能量源表示如下：Po=Pm+Ps，（2）其中分母由等式2应用。（3）和（5），并且通过等式应用提名者。（二）、对于给定的ω，主瓣的能量源功率为根据Eq. （7）如下：Pm（ω）=Po−Gs（Ao− Am（ω））。（八）因此，由于主瓣的增益是通过给定的ω和Gs计算的，所以如下所述将Gm（ω）替换为Gm（ω，GsGm（ω，Gs）GoAo−G s（Ao− Am（ω））.（九）Am（ω）实际上，Gm和Gs的值根据到达角而变化。然而，为了简单起见，我们假设一个理想的定向天线增益方向图，这是由两个常数的Gs和Gm在本文中。2.2. 3D空间本文考虑了一个三维无人机网络，在该网络中，多个无人机以PPP形式分布，x 1，x 2，. . . 在R3上假设陆地面积为A，二维陆地面积上无人机的强度为λ，则λA的无人机数量分布在三维无人机网络上，即，Γ的基数是λA。我们将yi表示为接收UAV，其对应于发射UAVx1。我们假设一对xi和yi完全对准=E. Chu，J.M.Kim和BCJung/ICT Express 5（2019）235237P=−=I{}={}=0=-=×==-{高度为h.ρxio∈i∩ φxio∈ΦiO2O2S图二. 无人机波束宽度ω的中心方向。xi和yi之间的距离是di，其在最小距离dmin和最大距离dmax的范围内随机且均匀地确定。xi在z轴上的值，即，UAV的高度hXi也是随机且均匀地确定的，图3.第三章。ω 的Gm和Gs的简化天线模型。其中←−i ←Φ−i 表示一对主瓣的角度x0和y0的，即，中文（简体）为[ρo−ω，ρo+ω]和<$Φ−i为h最小高度和最大高度的范围[φ−ω，φ+ω]。22SMax总之，xi和yi是随机和均匀的，同时满足以下条件：xi=（aXi， bXi， hXi），yi=（ayi， byi， hyi）在R3上，哪里 xi−yid min ≤ di ≤d max，hmin ≤h Xi ≤h max，hmin ≤h yi ≤h max。典型的接收器yo位于观测目标区域的中心，并且xo和yo对也保持距离R. 为了方便计算天线增益，我们将carte-因此，接收到的期望信号和帧间的期望信号可以被接收到。在典型接收机处的参考信号I被表示为如下所示：S=PR−αGm（ω，Gs）Gm（ω，Gs），I=∑Pdi−αGt（ρxio，φxio，ω，Gs）Gr（ρxoi，φxoi，ω，Gs），（十二）其中r表示干扰节点的集合，d表示发射功率，并且di表示干扰节点与典型接收机之间的距离，即，我爱你。然后，SINR表示如下：将球面坐标系转换为球面坐标系。仰角φ是r的向量与SINRS+η 、（十三）而方位角ρ是x轴与矢量r在xy平面上的投影之间的角度，如图2所示。角度（ρx10，φx10）和（ρxoi，φxoi）分别由矢量（xi，y0）和矢量（y0，xi）生成同样，角（ρo，φo）和（ρi，φi）由它们的对生成，即，一个是（yo，xo）的向量，另一个是（xi，yi）的向量在典型节点y0处来自干扰节点xi的发射天线增益表示如下：其中η表示噪声功率。3. 仿真结果系统参数设置为R dmin100 m，α2、地面服务区A10 km 10km，地面服务区内无人机数量λ A100，ω 10，30，60，120，G s00. 2，h最小50 m，h最大150 m、 250 m和dmax100 m 2000 m。由于空对空的路径损耗指数也估计为2.05，我们（1）A =（？）A=（？）A=（？）−→）（−→）考虑自由空间路径损耗指数为2 [10]。（十）G，否则，其中，−→φi和−→Φi表示a的主瓣角度集合一对xi和yi，即，−→Φi=[ρi−ω，ρi+ω]和−→Φi=我2我23.1. 定向天线增益分析图图3示出了用于改变Gs和ω来自Eq.（九）、图的左侧图。 3显示增益[φ−ω，φ+ω]。2 2变G和ω，单位为dB标度单位。当ω为在典型节点y0处的接收器天线增益来自干扰节点X1表示如下：窄，主瓣增益增加。因此，当G主瓣增益增大。设θ为从位置x到位置y的向量相对于Grx∈ΓiGm（ω，Gs），如果=、238E. Chu，J.M.Kim和BCJung/ICT Express 5（2019）235ρxoi∈i∩ φxoi∈Φi（ρxoi，φxoi，ω，Gs）（←−）（←−）光束中心如果θ（十一）我之间-ω/2，Oω/2，天线G，否则，当Gs= 0时，ω的矢量θ的天线增益。1. 用于Gm（ω，Gs），如果、gain为Gm（ω），否则为Gs。图的右侧图。 3示出E. Chu，J.M.Kim和BCJung/ICT Express 5（2019）235239=−=−−=====-=−- -===-==-图四、 根据G s的聚合干扰的CDF。例如，在ω=60Ω时，主瓣增益为5 dB，−30kHz−30kHz，而从−180kHz−3 0kHz和30kHz−180kHz 获得约0 dB 的旁瓣增益。3.2. 干扰的CDF分析分析了旁瓣增益、波束宽度和最大高度对干扰的影响.首先，我们将系统参数设置为hmax150 m、α2、Rdmin dmax 100 m和λA100。在Rdmin dmax条件下，一对典型的发送器和典型的接收器保持距离R，并且所有的干扰节点对保持相同的距离R。图4示出了对于给定ω，根据G s的聚合干扰的CDF120磅 随着Gs的增加，由于旁瓣，干扰量增加，并且干扰的CDF向右移动，这是强干扰的区域。在没有Gs0旁瓣的情况下，99%的节点产生小于100dB的小干扰。图5示出了对于给定的G s 0，根据ω的聚合干扰的CDF。1.在全向天线的情况下，聚集门干扰在48 dB和10dB之间。 25分贝。然而，在这方面， 对于ω10μ m时，聚合干扰介于70 dB8 dB。虽然70%的总干扰小于65dB，但约有20%的强干扰引起的干扰较大40 dB以上。强干扰在60° C时开始减弱 在120° C处没有总体强干扰。因此，强干扰抵消似乎是必要的窄波束宽度。图6显示了h max时聚集体干扰的CDF 250 m，与hmax150 m时相比。在全向天线的情况下，聚合干扰的CDF几乎没有变化。当窄波束如ω10和宽波束如ω120时，由于最大高度的增加，强干扰有所减弱由于窄波束使得大部分强干扰被减弱，因此高度增加的影响可以忽略。此外，由于宽波束在大部分区域上传播干扰，因此高度增加的影响可以忽略不计。ω=30Ω时，ω=60Ω时，由于增加了最大高度，干扰得到改善。对于ω=30Ω，图五、根 据 ω的聚合物干扰的CDF。图六、根据h m a x 的聚合物干扰CDF。图7.第一次会议。 根据d max的聚合物干扰的CDF。-60 dB处的干扰从0.4增加到0.55。还有，对于ω= 60Ω，−60 dB干扰的CDF值从0.15增加到0.35。图7示出了对于给定的h max = 150 m，在dmax=2000 m处与在dmax=100 m处相比的聚集干扰的CDF。由于波束宽度较窄，240E. Chu，J.M.Kim和BCJung/ICT Express 5（2019）235==−=−===-=图8.第八条。 根据ω的SINR的CDF。由于dmax的增加而导致的更大的减小。对于ω10dB，60 dB处干扰的CDF值从0.7增加到0.75。对于ω30μ m，干扰的CDF值在60 dB从0.42增加到0.5。然而，民防部队在ω60°时，干扰的影响略有改善。在ω120Ω和全向天线的情况下，对dmax3.3. 信干噪比分析图8示出了对于给定的Gs 0，根据ω的SINR的CDF。2，dmax100 m，hmax100 m。对于小的ω，主瓣的天线增益是大的，如图所示。3 .第三章。由此可见，由于期望信号的急剧增加，SINR增加。在ω10π的情况下，由于70%的弱干扰和强期望信号，可以看到SINR急剧增加。4. 结论在本文中，我们显示了分布的聚合干扰和分布的信干噪比在一个典型的无人机接收机从多个无人机。数值结果表明，当波束宽度减小或天线副瓣增益减小时，聚合干扰显著减小。较窄的波束宽度增加了信号强度，但也可能对其他UAV无线链路产生强烈干扰。当无人机高度增加时，波束宽度为30μ m和60μ m时，对无人机的干扰比10μ m和120μ m时减小。此外，当一对无人机的距离增加时，波束宽度减小了总干扰。因此，干扰管理技术和波束控制技术的方向无人机网络的要求我们离开干扰管理，如干扰避免或消除，以及波束转向寻找空间与最小的干扰，定向无人机网络在3D空间作为进一步的研究。致谢本研究部分由韩国国家研究基金会（NRF）通过科学和信息通信技术部资助的基础科学研究计划（NRF-2019 R1A2 B5 B 01070697）提供支持，本研究部分由韩国教育部资 助 的 NRF 基 础 科 学 研 究 计 划 （ NRF-2018 R1 A6 A3A01012714）提供支持。利益冲突作者声明，本文中不存在利益冲突。引用[1] H. Shakhatreh等人，无人机：关于民用应用和关键研究挑战的调查，2018年，arXiv预印本arXiv：1805。00881.[2] W. Shi， H. Zhou ，J. Li ，W. Xu ， N. Zhang ，X. Shen ，Droneassistedvehicularnetworks：Architecture，challengesandopportunities，IEEENetw. 32（3）（2018）130-137。[3] P. Sharma，D.金，三维移动无人机网络的覆盖概率，IEEE无线通信。Lett. 8（1）（2019）97[4] Z. Yuan，J. Jin，L.孙，K.钦角Muntean，与无人机的超可靠物联网通信：一个群用例，IEEE Commun。麦格56（12）（2018）90-96。[5] Z. Xue，J. Wang，G.丁，空地一体化网络中的协同数据分发，IEEE无线通信。Lett. 8（1）（2019）209-212.[6] J. Lyu，R. Zhang，Network connected UAV：3D system modelingand coverage performance analysis，IEEE Internet Things J.（2019）arXiv preprint arXiv：1901. 07887.[7] Z. Zheng，中国春萤叶甲Sangaiah，T.王文，飞行自组织网络中的自适应通信协议，IEEE Commun. 麦格56（1）（2018）136[8] Z.丰湖，澳-地吉角，智-地Zhang，W. Li，Spectrum managementformmwaveenabledUAVswarmnetworks ： Challengesandopportunities，IEEECommun. 麦格57（1）（2019）146[9] E. Chu，J. Kim，B. Jung，定向无人机网络的干扰分析：一种随机几何方法，在：Proc. IEEE ICUFN，2009年7月。2019年。[10] N.艾哈迈德，S。Kanhere，S. Jha，关于空中无线传感器网络链路特征化的重要性，IEEE Commun。Mag.54 （5）（2016）52