无人机无线网络技术 pdf下载

探讨了无人机无线网络理论和实践的新进展，用以支持下一代无线网络的各种应用，包括应急通信、覆盖和容量扩展、物联网（IoT）、信息传播、未来医疗、pop-up网络等。
介绍了信道特性和建模、网络架构、空中网络、自组织回传、基于人工智能的轨迹优化，以及无人机在农业、水下通信和应急网络等领域的应用。
给出了通过自组织网络和人工智能支持无人机无线网络的各种用例。

本书探讨了无人机无线网络理论和实践的新进展，用以支持下一代无线网络的各种应用，包括应急通信、覆盖和容量扩展、物联网（IoT）、信息传播、未来医疗、pop-up网络等；介绍了信道特性和建模、网络架构、空中网络、自组织回传、基于人工智能的轨迹优化，以及无人机在农业、水下通信和应急网络等领域的应用；给出了通过自组织网络和人工智能支持无人机无线网络的各种用例。
本书适合电信工程师、从事无线通信的无人机行业科研人员和工程技术人员学习和参考，可以帮助他们识别并制定切实可行、高效的解决方案，以克服无人机无线通信领域所面临的挑战。

穆罕默德·阿里·伊姆兰(Muhammad Ali Imran)，电子科技大学格拉斯哥学院英方院长，英国格拉斯哥大学詹姆斯·瓦特工程学院通信系统教授，同时也是通信感知与成像小组的负责人。

奥卢瓦卡约德·奥尼雷蒂（Oluwakayode Onireti）,任教于英国格拉斯哥大学詹姆斯·瓦特工程学院。他于英国吉尔福德的萨里大学获得电子工程博士学位。

舒贾·安萨里（Shuja Ansari），格拉斯哥大学的助理研究员，苏格兰5G中心的“城市创新项目”负责人。他于英国卡利多尼亚大学获得工程学博士学位。

卡默·H·阿巴斯(Qammer H.Abbasi)，英国格拉斯哥大学詹姆斯·瓦特工程学院通信感应与成像小组的副教授兼副组长。

前言
本书贡献者
第1章　无人机网络的信道模型　1
1.1　引言　1
1.2　无人机的分类　2
1.3　基于无人机的无线通信　3
1.4　无人机通信中的信道建模　4
1.5　无人机支持的无线网络的关键研究挑战　10
1.5.1　无人机的最佳部署　10
1.5.2　无人机轨迹优化　10
1.5.3　能量效率和资源管理　10
1.6　总结　11
参考文献　11
第2章　无人机到可穿戴设备系统的超宽带通道测量与建模　16
2.1　引言　16
2.2　测量设置　17
2.3　基于超宽带的无人机到可穿戴设备的无线电信道特性分析　20
2.3.1　路径损耗分析　20
2.3.2　时间色散分析　23
2.3.3　不同姿势下的路径损耗分析　26
2.3.4　不同姿势的时间色散分析　26
2.4　统计分析　28
2.5　总结　29
参考文献　30
第3章　利用强化学习优化无人机部署的多智能体协同方法　32
3.1　引言　32
3.2　系统模型　34
3.2.1　城市模型　34
3.2.2　通信模型　35
3.3　强化学习解决方案　37
3.3.1　完全合作的马尔可夫游戏　38
3.3.2　去中心化的Q-learning算法　39
3.3.3　行动的选择　41
3.3.4　衡量标准　43
3.4　典型的仿真结果　43
3.4.1　仿真场景　43
3.4.2　环境　44
3.4.3　用户分布　44
3.4.4　仿真　44
3.4.5　数值结果　45
3.5　结论和未来工作　49
3.5.1　结论　49
3.5.2　未来工作　49
参考文献　49
第4章　基于强化学习的多无人机协同优化部署方法　52
4.1　引言　52
4.2　系统模型　55
4.2.1　空对地信道模型　57
4.2.2　信号结构　58
4.2.3　无人机的缓存机制　59
4.3　优化问题建模　59
4.3.1　最大化用户可获得的信息速率　59
4.3.2　固定时间和能量调度下的轨迹优化　60
4.4　数值仿真结果　63
4.5　总结　67
4.6　拓展从P1中获得最优解的证明　68
参考文献　69
第5章　基于毫米波无人机辅助的5G混合异构网络的性能　72
5.1　无人机部署的意义　72
5.2　概述　73
5.3　毫米波和太赫兹通信的潜力　73
5.4　挑战和应用　75
5.4.1　挑战　75
5.4.2　应用　76
5.5　基于无人机的前线连接　76
5.5.1　小型基站的分布　77
5.5.2　无人机的配置　77
5.6　通信模型　78
5.7　小型基站与无人机的相关性　81
5.8　结果分析　83
5.9　总结　87
参考文献　87
第6章　认知无线电网络中用于物理层安全的无人机协同干扰　 91
6.1　引言　91
6.2　系统模型　93
6.2.1　信号模型　93
6.2.2　优化问题　96
6.3　算法　97
6.3.1　优化问题P2的可处理公式　97
6.3.2　基于内部逼近的算法　100
6.4　数值结果　104
6.5　总结　107
参考文献　108
第7章　空中移动网络的智能反射面辅助定位技术　111
7.1　引言　111
7.1.1　相关工作　111
7.1.2　无人驾驶航空器　112
7.1.3　智能反射面　113
7.2　空中网络中的智能反射面　113
7.2.1　集成智能反射面的空中网络　114
7.2.2　智能反射面辅助的空中网络　116
7.3　带有智能反射面的无人机定位　117
7.4　研究挑战　120
7.4.1　基于无人机的空中移动网络的挑战　120
7.4.2　基于智能反射面的定位挑战　120
7.5　总结　121
参考文献　121
第8章　基于无人机的灾难恢复网络性能分析　124
8.1　引言　124
8.2　无人机网络　124
8.3　无人机网络的优势　129
8.4　新技术和基础设施的发展趋势　132
8.4.1　网络功能虚拟化　135
8.4.2　软件定义网络　135
8.4.3　云计算　136
8.4.4　图像处理　136
8.4.5　毫米波通信　137
8.4.6　人工智能　138
8.4.7　机器学习　138
8.4.8　优化和博弈论　139
8.5　研究趋势　139
8.6　展望　141
8.7　总结　142
参考文献　142
第9章　用于锁定场景智能监控的网络辅助无人机通信　148
9.1　引言　148
9.2　无人机作为空中基站　150
9.2.1　仿真设置　150
9.2.2　在一个地理区域内实现蜂窝网络覆盖的最佳空中基站数量　151
9.2.3　性能评估　152
9.3　无人机作为地面通信的中转站　157
9.3.1　5G空中接口　158
9.3.2　仿真设置　159
9.4　总结　161
参考文献　161
第10章　用于农业的无人机：基于物联网场景的概述　164
10.1　引言　164
10.2　相关研究项目概况　165
10.3　农业领域的物联网场景　167
10.4　无线通信协议　169
10.5　多接入边缘计算和5G网络　171
10.6　总结　174
参考文献　174
第11章　空中系统和水下监测　179
11.1　引言　179
11.2　自动图像标记　180

11.2.1　点的选择　180

11.2.2　测量系统　181

11.2.3　区域标记　182

11.2.4　测试　183

11.3　水面/陆地的视觉区分　186

11.3.1　分类器训练　186

11.3.2　在线算法　187

11.3.3　绘图　187

11.3.4　传输　188

11.3.5　现场实验　189

11.4　离线测深制图　190

11.4.1　算法概述　190

11.4.2　算法模拟　190

11.4.3　算法的实施　191

11.4.4　水深测量系统　192

11.5　在线测深制图　193

11.5.1　选点算法　193

11.5.2　仿真设置　195

11.5.3　结果和分析　196

11.6　总结和未来工作　197

参考文献　197

第12章　未来卫星网络的需求、安全威胁与相关问题　 200

12.1　引言　200

12.2　卫星网络及深空网络　201

12.2.1　一级卫星网络　201

12.2.2　二级卫星网络　202

12.2.3　三级卫星网络　203

12.3　卫星网络及深空网络的安全要求、挑战和威胁　204

12.3.1　安全挑战　204

12.3.2　安全威胁　206

12.4　总结　207

参考文献　207

第13章　未来研究热点　211

当前，空中网络（AN）在军事、民用和公共应用中发挥着越来越关键的作用，已逐渐成为无线通信领域的研究热点。第三代标准化合作伙伴项目（3GPP）促进了空中无线网络与未来蜂窝网络的整合研究。由无人机（UAV）提供的空中无线网络以较低的成本提供可靠的无线通信，可用于未来各种有通信需求的新型应用。与基于高空平台的通信或传统的地面通信相比，用无人机提供的按需通信具有快捷部署的特性，并且在需要重新部署或配置时具有较强的灵活性，特别是其视线（LoS）链路距离最短的特性，使得空中无线网络的传输具有较强的优势。
尽管空中无线网络有很多优点，但在实际应用中也受到一些限制，例如能量限制（电池电量有限）、飞行区域限制和相关安全问题。因此，为自主空中无线网络开发新的信号处理、通信与优化框架是至关重要的。新型空中无线网络应可以提供较高传输速率，并协助传统的地面网络为传感应用提供实时和可靠性高的网络支持。因此，应在考虑用户的高移动性以及用户日益增长的数据需求的基础上，对通信信道进行准确的表征；空中无线网络的空对地（AG）和空对空（AA）信道传播模型可以通过测量和经验研究来描述。此外，需要根据不同的使用场景，对空中无线网络的关键性能指标（KPI）进行优化，如飞行时间、轨迹、数据速率、能源效率和延迟等。
本书探讨了空中无线网络理论和实践的新进展，包括应急通信、物联网（IoT）、信息传播、未来医疗、pop-up网络等。本书重点介绍了信道特性和建模、网络架构、空中网络、自组织回传、基于人工智能的轨迹优化，以及空中无线网络技术在农业、水下通信和应急网络等领域的应用。本书进一步强调了自主空中网络设计过程中的主要考虑因素，并探讨了由无线通信系统的新进展带来的新机遇。本书还向读者展示了通过自组织网络和人工智能支持空中无线网络的各种用例。
无人机为各种需要无线网络可靠且覆盖范围广的应用提供了一个合适的空中平台。信道模型在无线通信系统中起着关键作用，准确的信道建模对于满足终端用户日益增长的数据需求是必不可少的。第1章主要讨论无人机网络的信道模型，介绍了无人机通信中的信道建模，同时关注空对地和空对空传播信道的突出特点，最后讨论了无人机作为空中无线节点实际部署中的一些关键研究挑战。
第2章描述了超宽带（UWB）信道的基本特性，介绍了人体和无人机在7.5 GHz带宽下的首次实验性研究。介绍了测量环境，详细说明了在室内和室外环境中进行视线和非视线情况下的测量活动。此外，还介绍了基于超宽带无人机到可穿戴设备（UAV2W）的信道特性，以及通过统计分析准确表征无人机与位于身体不同位置的接收器通信时的信道衰减分布。
第3章介绍了基于合作的多智能体——Q-learning算法。该算法的设计目标是使网络中离线的用户数量最小化，它确定了频率的分配方案以及无人机的使用数量。提出并比较了基于四种不同行动选择策略的Q-learning算法在设计复杂性、更改运行无人机数量的能力和收敛时间方面的不同。还提出了数值结果，给出了感兴趣区域的用户密度与运行频率之间的关系。
第4章提出了一个自供能无人机辅助缓存中继方案。在该方案中，无人机的通信能力可由基于功率分流的无线携能通信（PS-SWIPT）接收器实现。该接收器采用解码和转发（DF）中继协议来协助信息源节点向用户传输信息。本章提出了可适应系统内通信过程的信息传输框图。此外，在遵守通信网络服务质量要求的同时，讨论了通信系统的运行时间、资源分配以及无人机的最优轨迹，最后介绍了在用户设备中，系统参数对信息率影响的数值仿真结果。
第5章重点介绍了毫米波（mmWave）和太赫兹（THz）通信的案例研究，以及应用毫米波和太赫兹频段对无人机通信技术的挑战。本章首先介绍了毫米波和太赫兹频段的通信潜力，随后概述了为无人机通信实施毫米波和太赫兹频段的技术挑战，接下来提出了理论分析，重点是无人机的配置问题。此外，本章考虑严格的通信限制，如系统带宽、数据速率、信噪比（SNR）等，研究了无人机辅助的混合异构网络（HetNet）的性能，通过解决地面小尺寸蜂窝基站（SCB）与无人机通信的相关问题，使整个系统的总速率最*化。数值结果显示基于无人机辅助的无线网络性能良好。
第6章讨论了一种使用合作型无人机作为友好干扰器来提高认知无线电网络安全性能的方法。本章首先介绍了认知无线电系统中无人机合作干扰的系统模型，然后提出了优化问题。网络中的资源分配必须与发射功率、无人机轨迹进行联合优化，在满足主接收机（PR）给定干扰阈值的同时，最大化安全传输速率。由于原始问题是非凸的，我们首先将原始问题转化为可优化的形式，然后提出了一种基于凸近似的连续算法来解决它，最后通过数值结果验证了认知无线网络的安全性能得到显著改善。
第7章探讨了在空中无线网络中使用智能反射面（IRS）对用户和基站进行定位的技术。定位是目前和未来无线网络中的一个重要部分，它可以提高网络运行效率并协助多种基于定位的应用。本章首先介绍了相关工作以及基于智能反射面与无人机基站的潜在应用，然后讨论了智能反射面在空中无线网络中的整合以及潜在的使用案例，之后介绍了一个基于智能反射面的自动导航仪的定位模型以及一些数学模型，最后提出了一些研究方向以及未来研究挑战。
第8章描述了无人机在灾难网络恢复中的应用。本章首先对无人机网络进行了概述，包括对无人机架构的描述，即单无人机系统、多无人机系统、合作多无人机系统和多层无人机网络。然后我们讨论了无人机最广泛的应用与无人机系统要求的不同、在灾难网络恢复背景下无人机网络的设计考虑、无人机灾难网络的新技术和基础设施趋势[即网络功能虚拟化（NFV）、软件定义网络（SDN）、云计算和毫米波网络]，以及人工智能、机器学习、优化理论和博弈论等技术。
第9章讨论了无人机在智能城市环境监测中对病毒防范的重要性。我们介绍了无人机的两个使用场景，即无人机作为空中基站（ABS）和无人机作为中转站，同时还介绍了两个场景光线追踪的仿真设置。在空中基站传输功率和悬停高度的限制下，我们推导出覆盖指定区域的最优空中基站数量，并考虑了光线追踪模拟的路径损耗和信道衰减效应。然后，我们描述了使用无人机作为中转站时的5G空中接口，介绍了地面用户的接收功率和覆盖区域吞吐量的模拟结果。
第10章介绍并讨论了基于物联网的智能农业（SF）的研究举措和科学文献，然后分析了无人机在智能农业中的使用方式和应用场景，详细回顾了文献中的各项科学工作。接着，本章介绍了联网的要求和解决方案，以及对农业环境中支持物联网方案的现有协议的简要对比。最后，本章讨论了联合使用移动边缘计算（MEC）和5G网络的潜在作用，提出了通过无人机和卫星连接智能农场的网络架构。
湿地监测需要准确的地形图和测深图，这可以通过使用无人机来实现，无人机可以定期创建地图，而且成本最低，对环境影响也小。第11章介绍了实现该功能所需的一套系统。我们首先讨论了自动图像标记系统，接下来介绍了一个用于区分陆地和水面的在线分类系统，然后使用航空机器人创建离线测深制图。由于离线方法没有充分利用无人机提供的适应性，我们还介绍了在线测深制图。最后，本章介绍了结果和分析，以显示在线测深制图的组合。
随着探索深空和连接太阳系行星与地球的研究，传统的卫星网络已经超越了地球同步赤道轨道（GEO），其中星际互联网将发挥关键作用。第12章对卫星间以及深空网络（ISDN）进行了简要回顾。本章讨论了卫星网络以及深空网络的分类，将其分为不同的层级，同时强调了通信和网络范式。我们讨论了每个层级的安全要求、挑战和威胁，并提出在卫星及深空网络不同层级中对已确定挑战的潜在解决方案，最后在结论中强调了卫星网络以及深空网络在未来蜂窝网络中的关键作用。