We study an urban wireless network in which cache-enabled UAV-Access points (UAV-APs) and UAV-Base stations (UAV-BSs) are deployed to provide higher throughput and ad-hoc coverage to users on the ground. The cache-enabled UAV-APs route the user data to the core network via either terrestrial base stations (TBSs) or backhaul-enabled UAV-BSs through an xHaul link. First, we derive the association probabilities in the access and xHaul links. Interestingly, we show that to maximize the line-of-sight (LoS) unmanned aerial vehicle (UAV) association, densifying the UAV deployment may not be beneficial after a threshold. Then, we obtain the signal to interference noise ratio (SINR) coverage probability of the typical user in the access link and the tagged UAV-AP in the xHaul link, respectively. The SINR coverage analysis is employed to characterize the successful content delivery probability by jointly considering the probability of successful access and xHaul transmissions and successful cache-hit probability. We numerically optimize the distribution of frequency resources between the access and the xHaul links to maximize the successful content delivery to the users. For a given storage capacity at the UAVs, our study prescribes the network operator optimal bandwidth partitioning factors and dimensioning rules concerning the deployment of the UAV-APs.


翻译:我们研究一个城市无线网络,在该网络中部署缓存式无人驾驶飞行器(UAV-APs)和无人驾驶飞行器(UAV-BS)协会,以向地面用户提供更高的输送量和临时热量覆盖;缓存式无人驾驶飞行器(UAV-BS)将用户数据通过地面基地站(TBS)或反光自动驾驶无人驾驶飞行器(UAV-AV-BS)连接到核心网络;首先,我们通过XHaul链接,通过缓存式无人驾驶飞行器(UAV)连接点和无人驾驶飞行器(UAV)连接点的关联概率来得出相关数据;有趣的是,我们显示最大限度地扩大无人驾驶飞行器(UAV)的部署力度在门槛之后可能没有好处;然后,我们获得信号,通过连接连接点的典型用户的噪音率覆盖率和在XHaul链接中贴上标记的UAVA-A-A-A-A的覆盖度,通过联合考虑成功进入的可能性和XHaul传输机(LAAAAAAAAAA)交付网的成功访问和成功发送能力的交付能力,我们对AAAAAAAA的频率流流流流流流流流流流数据进行了最优化的频率流数据流流与交付数据进行最优化的分布。

0
下载
关闭预览

相关内容

专知会员服务
123+阅读 · 2020年9月8日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12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
机器学习入门的经验与建议
专知会员服务
92+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
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24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 · 2013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 · 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 · 2008年12月31日
VIP会员
相关VIP内容
专知会员服务
123+阅读 · 2020年9月8日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12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
机器学习入门的经验与建议
专知会员服务
92+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
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24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 · 2013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 · 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 · 2008年12月31日
Top
微信扫码咨询专知VIP会员