Current fifth-generation (5G) networks do not cover maritime areas, causing difficulties in developing maritime Internet of Things (IoT). To tackle this problem, we establish a nearshore network by collaboratively using on-shore terrestrial base stations (TBSs) and tethered unmanned aerial vehicles (UAVs). These TBSs and UAVs form virtual clusters in a user-centric manner. Within each virtual cluster, non-orthogonal multiple access (NOMA) is adopted for agilely including various maritime IoT devices, which are usually sparsely distributed on the vast ocean. The nearshore network also shares spectrum with marine satellites. In such a NOMA-based hybrid satellite-UAV-terrestrial network, interference among different network segments, different clusters, as well as different users occurs. We thereby formulate a joint power allocation problem to maximize the sum rate of the network. Different from existing studies, we use large-scale channel state information (CSI) only for optimization to reduce system overhead. The large-scale CSI is obtained by using the position information of maritime IoT devices. The problem is non-convex with intractable non-linear constraints. We tackle these difficulties by adopting the max-min optimization, auxiliary function method, and successive convex approximation technique. An iterative power allocation algorithm is accordingly proposed, which is shown effective for coverage enhancement by simulations. This shows the potential of NOMA-based hybrid satellite-UAV-terrestrial networks for maritime on-demand coverage.


翻译:目前第五代(5G)网络并不覆盖海洋地区,造成开发海洋物互联网(IoT)的困难。为了解决这一问题,我们通过合作使用陆上地面基地站(TBS)和系绳无人驾驶飞行器(UAVs)建立近岸网络。这些TBS和无人驾驶飞行器(UAVs)以用户为中心的方式形成虚拟集群。在每一个虚拟集群中,采用非横向多重接入(NOMA)系统(NOMA)系统(CSI)系统(CSI)系统(CSI)系统(CSI)系统(CSI)系统(CSI)系统通常分布在广阔的海洋上。近岸网络也与海洋卫星卫星共享频谱。在这种基于NOMA的混合卫星-UAV-地铁网络中,不同网络部分、不同组群以及不同用户之间的干扰。我们因此形成了联合电力分配问题,以便最大限度地提高网络的总和率。与现有的研究不同,我们使用大型频道状态信息(CSI)仅用于优化系统间接管理。大型CSI系统通过使用海洋IT系统的定位信息获得大型CSI系统。在海上IOT设备的定位上的问题是非同步的不加密的混合轨道覆盖网络上的问题,而这是使用硬性轨道上使用最精确的升级的升级的升级的系统配置,因此显示的升级的升级的升级的升级的系统。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
31+阅读 · 2021年6月12日
【2020新书】Web应用安全,331页pdf
专知会员服务
23+阅读 · 2020年10月24日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17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
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
工控网络安全
计算机与网络安全
4+阅读 · 2018年10月27日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关资讯
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
工控网络安全
计算机与网络安全
4+阅读 · 2018年10月27日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员