Sep, 2018

基于非正交多址接入的无人机通信

PDF
TL;DR本文提出了基于非正交多址（NOMA）的无人机（UAV）网络的新框架，通过三个案例研究，旨在从基本理论到实际实现全面了解 UAV 系统，其中包括采用随机几何模型对 NOMA 启用的 UAV 网络进行性能评估，研究基于简化的二维模型的静态 NOMA 用户联合轨迹设计和功率分配问题，以及展示机器学习技术在处理 UAV 位置问题时的应用。
unmanned aerial vehiclesnetworksnon-orthogonal multiple accessstochastic geometrymachine learning
发现论文，激发创造
  • 5G 无线通信网络下行非正交多址技术调查

    本文讨论了非正交多址（NOMA）模型、模型的性能分析、资源分配、MIMO 等关键特性，以及应用中可能面临的挑战。

    Sep, 2016

  • 5G 网络非正交多址技术研究进展与未来趋势综述

    本次调查综述了非正交多址接入技术在满足 5G 无线网络对低延迟、高可靠性、大量连通性、公平性和高吞吐量等异构需求中的关键作用，概括了最新的研究和创新，讨论了 5G 及其后续 NOMA 技术的未来研究挑战。

    Jun, 2017

  • NOMA 反射网络中的无人机数据采集：无人机高度和轨迹优化

    本研究采用无人机辅助回波网络技术，通过优化高度等多网络参数来最大化上行链路的成功解码比特数，减少无人机的飞行时间。 数值结果表明，在各种网络设置下可计算出最佳高度，并且回波反射系数对最大网络吞吐量的影响显着。 基于这个最佳高度，我们还表明可以实现最优轨迹规划。

    Feb, 2019

  • 多小区网络中的非正交多址：理论、性能和实践挑战

    本文主要介绍了非正交多址接入技术在多小区上的机遇和挑战，提供了当前文献的概述，并讨论了实现和研究中的关键问题，强调了多小区 NOMA 中干扰管理的重要性。

    Nov, 2016

  • 非正交多址接入在 LTE 和 5G 网络中的应用

    本文系统地介绍了最近提出的非正交多址（NOMA）技术，从其与多输入多输出（MIMO）技术的结合，到协作 NOMA，再到 NOMA 与认知无线电之间的相互作用。同时，本文还回顾了 NOMA 在 LTE 和 5G 网络中实现的标准化活动的最新进展。

    Nov, 2015

  • ProSky: 基于 NEAT 和 NOMA 的 6G 毫米波技术

    本文提出了一种基于神经进化的增强拓扑 NEAT 框架，名为 ProSky，用于管理 NOMA-mmWave-UAV 网络。ProSky 在 SE 和 EE 上表现出 5.3 倍的学习速度和更好的性能，且源代码可在链接中下载。

    Oct, 2022

  • 多无人机网络联合轨迹和通信设计

    本文研究了基于多架无人机构成的无线通信系统，通过优化多用户通信调度与关联，无人机的轨迹与发射功率控制，最大程度地提高地面用户的最小吞吐量。提出了适用于非凸优化问题的迭代算法，实现了用户调度、无人机轨迹和发射功率的交替优化，并对问题的收敛性和复杂度进行了分析。仿真结果表明，与其他基准方案相比，该优化设计能极大地提升吞吐量。

    May, 2017

  • 5G 毫米波通信中非正交多址 (NOMA) 的联合功率分配和波束成形

    本文提出了将非正交多址接入和毫米波通信相结合的方法，并研究了使用波束成型和功率分配的方法来实现最大化系统总速率。经过大量的性能评估，结果表明，该方法的性能接近于理论上的最优解，并明显优于时分多址的结果。

    Nov, 2017

  • 非正交多址传输：常见误解与关键问题

    本研究旨在识别与阐明关于非正交多址 (NOMA) 的常见误解，强调 NOMA 在 5G 及更高版本的通信网络中的重要性与未来愉景。

    Sep, 2018

  • 机器学习增强的无人机反射表面轨迹与无源波束成形设计

    提出一种新的框架，通过在无人机网中部署 RIS 进行服务质量的提升，采用非正交多址技术进一步提高网络的频谱效率，设计深度 Q - 网络算法来解决能源消耗最小化问题。

    Oct, 2020