This paper proposes an ultra-reliable device-centric uplink (URDC-UL) communication scheme for airborne networks. In particular, base stations (BSs) are mounted on unmanned aerial vehicles (UAVs) that travel to schedule UL transmissions and collect data from devices. To attain an ultra-reliable unified device-centric performance, the UL connection is established when the UAV-BS is hovering at the nearest possible distance from the scheduled device. The performance of the proposed URDC-UL scheme is benchmarked against a stationary UAV-centric uplink (SUC-UL) scheme where the devices are scheduled to communicate to UAV-BSs that are continuously hovering at static locations. Utilizing stochastic geometry and queueing theory, novel spatiotemporal mathematical models are developed, which account for the UAV-BS spatial densities, mobility, altitude, antenna directivity, ground-to-air channel, and temporal traffic, among other factors. The results demonstrate the sensitivity of the URDC-UL scheme to the ratio between hovering and traveling time. In particular, the hovering to traveling time ratio should be carefully adjusted to maximize the harvested performance gains for the URDC-UL scheme in terms of link reliability, transmission rate, energy efficiency, and delay. Exploiting the URDC-UL scheme allows IoT devices to minimize transmission power while maintaining unified reliable transmission. This preserves the device's battery and addresses a critical IoT design challenge.


翻译:本文为空中网络提出了一个超可燃的以装置为中心的上行链路(URDC-UL)通信计划。 特别是,基地站(BS)安装在无人驾驶飞行器(UAVs)上,用于安排UL传输和从设备收集数据。 为了实现超可燃的统一设备中心性能,当UAV-BS在距离预定装置最近距离徘徊时,将建立UL连接。 拟议的URDC-UL计划的执行情况以固定的UAV-中心上行链路(SUC-UL)计划为基准,其中这些装置预定与固定地点不断徘徊的UAV-BS(UAVs)进行通信。 利用随机偏差的地理测量和排队理论,开发了新型的时空数学模型,其中考虑到UAVS-BS空间密度、流动性、高度、天线直线直线、地对空通道、时间流量等因素。 成果显示URDC-UL计划与悬浮和流动时间比率之间的敏感度。 这一点表明URDC的临界传输速度和稳定的传输率率比,这特别使IDC的飞行速度能够保持了飞行速度。</s>

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
33+阅读 · 2022年2月15日
Arxiv
54+阅读 · 2022年1月1日
Arxiv
13+阅读 · 2021年3月3日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员