Sixth-Generation (6G) networks are set to provide reliable, widespread, and ultra-low-latency mobile broadband communications for a variety of industries. In this regard, the Internet of Drones (IoD) represents a key component for the development of 3D networks, which envisions the integration of terrestrial and non-terrestrial infrastructures. The recent employment of Intelligent Reflective Surfaces (IRSs) in combination with Unmanned Aerial Vehicles (UAVs) introduces more degrees of freedom to achieve a flexible and prompt mobile coverage. As the concept of smart radio environment is gaining momentum across the scientific community, this work proposes an extension module for Internet of Drones Simulator (IoD-Sim), a comprehensive simulation platform for the IoD, based on Network Simulator 3 (ns-3). This module is purposefully designed to assess the performance of UAV-aided IRS-assisted communication systems. Starting from the mathematical formulation of the radio channel, the simulator implements the IRS as a peripheral that can be attached to a drone. Such device can be dynamically configured to organize the IRS into patches and assign them to assist the communication between two nodes. Furthermore, the extension relies on the configuration facilities of IoD-Sim, which greatly eases design and coding of scenarios in JavaScript Object Notation (JSON) language. A simulation campaign is conducted to demonstrate the effectiveness of the proposal by discussing several Key Performance Indicators (KPIs), such as Radio Environment Map (REM), Signal-to-Interference-plus-Noise Ratio (SINR), maximum achievable rate, and average throughput.


翻译:第六代(6G)网络旨在为各行业提供可靠、广泛且超低延迟的移动宽带通信服务。在这方面,无人机互联网(IoD)代表了三维网络发展的关键组成部分,它设想将地面和非地面基础设施集成起来。最近,在无人机辅助智能反射平面(IRS)的应用里,引入了更多自由度,以实现灵活、及时的移动覆盖。随着智能无线电环境的概念在科学界越来越受到重视,本文提出了一个扩展模块,为IoD-Sim(一种基于网络模拟器3(ns-3)的IoD综合模拟平台)提供支持。该模块旨在评估UAV-aided IRS-assisted通信系统的性能。从无线电信道的数学公式开始,模拟器将IRS作为可连接到无人机的外设来实现,并可以动态配置该设备,将IRS分成多块并分配给两个节点协助通信。此外,扩展可以依赖于IoD-Sim的配置设施,在JavaScript对象表示法(JSON)语言中轻松设计和编码场景。进行仿真实验,通过讨论几个关键性能指标(KPIs),例如无线电环境地图(REM)、信干噪比(SINR)、最大可达速率和平均吞吐量,以证明该提议的有效性。

0
下载
关闭预览

相关内容

不需要驾驶员登机驾驶的各式遥控飞行器。
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18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
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
基于 Carsim 2016 和 Simulink的无人车运动控制联合仿真(四)
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12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
14+阅读 · 2012年12月31日
国家自然科学基金
1+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 · 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
17+阅读 · 2021年1月21日
VIP会员
相关VIP内容
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18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
相关基金
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
14+阅读 · 2012年12月31日
国家自然科学基金
1+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 · 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