论文部分内容阅读
随着无线通信的发展,无线网络愈来愈要求支持高吞吐量、超可靠性、低能耗,并且支持多样化应用的架构。然而,过去的研究工作主要集中在只配备固定基础设施的传统网络架构中,如地面基站(Base Station,BS)、接入点(Access point,AP)和固定中继,而传统通信网络难以在沙漠、高层建筑等复杂地区快速的建立通信连接。近年来,无人机(Unmannedaerialvehicle,UAV)由于可以从空中提供灵活的通信连接而成为无线通信系统的研究热点。无人机具有高度的灵活性以及快速部署的能力,能为应急通信、灾后救援提供灵活、高效的服务。无人机辅助的无线网络可以通过动态调整位置来极大地提高系统性能,从而克服传统无线通信架构固定而带来的相关缺陷。本论文研究了无人机辅助移动边缘计算(Mobile Edge Computing,MEC)网络中的计算资源分配和无人机辅助认知无线电(Cognitive Radio,CR)通信场景中的网络资源分配问题,具体内容如下:(1)在无人机辅助的移动边缘计算网络中,为了提高加载效率,研究了计算比特和计算能效折衷的多目标优化问题,对用户CPU频率、传输功率、加载时间以及无人机轨迹进行联合优化。这个问题是非凸优化问题且难以求解,于是提出了一种求解该问题的迭代算法,推导出了 CPU频率、传输功率和加载时间的闭式表达式。仿真结果表明,与基准方案相比,所提出的资源分配方案能够更好地实现计算比特和计算能效的折衷。(2)在无人机辅助认知无线电网络中,为了最大化认知无人机的平均可实现速率,提出了认知无线电鲁棒轨迹分配算法。在系统中,地面用户的位置信息是不确定的。通过对无人机的轨迹和发射功率进行联合设计,并使用无人机移动约束、认知用户的平均传输功率、峰值传输功率约束,以及主用户接收的干扰功率约束来制定最大化速率问题。这个问题是非凸的,提出了迭代算法进行求解。仿真结果表明,与非鲁棒设计的基准方案对比,文中方案可提高系统性能。