Current fifth-generation (5G) networks do not cover the maritime area, 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 nonlinear constraints. We tackle these difficulties by adopting the relaxation methods, max-min optimization and the 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,非横向多重接入(NOMA)仅用于最灵活地包括各种海上IOT装置,这些装置通常分散在广大的海洋。近岸网络也与海洋卫星共享频谱。在这种基于NOMA的混合卫星-UAV-地铁网络中,不同网络、不同集群和不同用户之间的干扰。我们由此形成了联合的权力分配问题,以最大限度地增加网络的总数。不同于现有的研究,我们使用大型频道状态信息,只是为了优化系统管理。大型的CSI是通过使用海洋IT装置的位置信息获得的。在海洋轨道上,问题在于以不可分流的混合的卫星-UAV-ter网络覆盖上,因此,采用最保守的升级的排序方法展示了这些升级技术。

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
37+阅读 · 2020年11月24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
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25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
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Highway Networks For Sentence Classification
哈工大SCIR
4+阅读 · 2017年9月30日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月3日
Arxiv
0+阅读 · 2021年6月3日
VIP会员
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25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
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Highway Networks For Sentence Classification
哈工大SCIR
4+阅读 · 2017年9月30日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员