Unmanned aerial vehicles (UAVs) in cellular networks have garnered considerable interest. One of their applications is as flying base stations (FBSs), which can increase coverage and quality of service (QoS). Because FBSs are battery-powered, regulating their energy usage is a vital aspect of their use; and therefore the appropriate placement and trajectories of FBSs throughout their operation are critical to overcoming this challenge. In this paper, we propose a method of solving a multi-FBS 3D trajectory problem that considers FBS energy consumption, operation time, flight distance limits, and inter-cell interference constraints. Our method is divided into two phases: FBS placement and FBS trajectory. In taking this approach, we break the problem into several snapshots. First, we find the minimum number of FBSs required and their proper 3D positions in each snapshot. Then, between every two snapshots, the trajectory phase is executed. The optimal path between the origin and destination of each FBS is determined during the trajectory phase by utilizing a proposed binary linear problem (BLP) model that considers FBS energy consumption and flight distance constraints. Then, the shortest path for each FBS is determined while taking obstacles and collision avoidance into consideration. The number of FBSs needed may vary between snapshots, so we present an FBS set management (FSM) technique to manage the set of FBSs and their power. The results demonstrate that the proposed approach is applicable to real-world situations and that the outcomes are consistent with expectations.


翻译:蜂窝网络中无人驾驶的航空飞行器(无人驾驶飞行器)引起了相当大的兴趣,其中一项应用是飞行基地站(FBS),可以提高服务覆盖面和质量(QOS)。由于FBS是电池动力,调节其能源使用是其使用的一个重要方面;因此,在整个操作过程中,FBS的适当位置和轨迹对于克服这一挑战至关重要。在本文件中,我们提出了一个解决多FBS 3D轨迹问题的方法,其中考虑到FBS的能源消耗、运行时间、飞行距离限制和细胞间干扰限制。我们的方法分为两个阶段:FBS的部署和FBS的轨迹。在采取这一方法时,我们把问题分成几个片段。首先,我们发现FBS所需的最少数量及其适当的3D位置在每次光谱上是关键。然后,在每两个快图之间,我们提出的每个FBS的起源和目的地之间的最佳路径是利用一个拟议的线性线性问题模型,考虑FBS的能源消耗和飞行距离的轨迹。我们确定每个最短路径,然后用FBS的节路段将显示其最短路段的距离限制。我们所设定的节能。

0
下载
关闭预览

相关内容

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18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
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23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
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
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
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16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 · 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 · 2009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
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月19日
Arxiv
0+阅读 · 2022年10月19日
VIP会员
相关VIP内容
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 · 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 · 2009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
0+阅读 · 2009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