無人機無線網(wǎng)絡(luò)技術(shù)

前言
本書貢獻者
第1章　無人機網(wǎng)絡(luò)的信道模型　1
1.1　引言　1
1.2　無人機的分類　2
1.3　基于無人機的無線通信　3
1.4　無人機通信中的信道建?！?
1.5　無人機支持的無線網(wǎng)絡(luò)的關(guān)鍵研究挑戰(zhàn)　10
1.5.1　無人機的最佳部署　10
1.5.2　無人機軌跡優(yōu)化　10
1.5.3　能量效率和資源管理　10
1.6　總結(jié)　11
參考文獻　11
第2章　無人機到可穿戴設(shè)備系統(tǒng)的超寬帶通道測量與建?！?6
2.1　引言　16
2.2　測量設(shè)置　17
2.3　基于超寬帶的無人機到可穿戴設(shè)備的無線電信道特性分析　20
2.3.1　路徑損耗分析　20
2.3.2　時間色散分析　23
2.3.3　不同姿勢下的路徑損耗分析　26
2.3.4　不同姿勢的時間色散分析　26
2.4　統(tǒng)計分析　28
2.5　總結(jié)　29
參考文獻　30
第3章　利用強化學習優(yōu)化無人機部署的多智能體協(xié)同方法　32
3.1　引言　32
3.2　系統(tǒng)模型　34
3.2.1　城市模型　34
3.2.2　通信模型　35
3.3　強化學習解決方案　37
3.3.1　完全合作的馬爾可夫游戲　38
3.3.2　去中心化的Q-learning算法　39
3.3.3　行動的選擇　41
3.3.4　衡量標準　43
3.4　典型的仿真結(jié)果　43
3.4.1　仿真場景　43
3.4.2　環(huán)境　44
3.4.3　用戶分布　44
3.4.4　仿真　44
3.4.5　數(shù)值結(jié)果　45
3.5　結(jié)論和未來工作　49
3.5.1　結(jié)論　49
3.5.2　未來工作　49
參考文獻　49
第4章　基于強化學習的多無人機協(xié)同優(yōu)化部署方法　52
4.1　引言　52
4.2　系統(tǒng)模型　55
4.2.1　空對地信道模型　57
4.2.2　信號結(jié)構(gòu)　58
4.2.3　無人機的緩存機制　59
4.3　優(yōu)化問題建?！?9
4.3.1　最大化用戶可獲得的信息速率　59
4.3.2　固定時間和能量調(diào)度下的軌跡優(yōu)化　60
4.4　數(shù)值仿真結(jié)果　63
4.5　總結(jié)　67
4.6　拓展從P1中獲得最優(yōu)解的證明　68
參考文獻　69
第5章　基于毫米波無人機輔助的5G混合異構(gòu)網(wǎng)絡(luò)的性能　72
5.1　無人機部署的意義　72
5.2　概述　73
5.3　毫米波和太赫茲通信的潛力　73
5.4　挑戰(zhàn)和應(yīng)用　75
5.4.1　挑戰(zhàn)　75
5.4.2　應(yīng)用　76
5.5　基于無人機的前線連接　76
5.5.1　小型基站的分布　77
5.5.2　無人機的配置　77
5.6　通信模型　78
5.7　小型基站與無人機的相關(guān)性　81
5.8　結(jié)果分析　83
5.9　總結(jié)　87
參考文獻　87
第6章　認知無線電網(wǎng)絡(luò)中用于物理層安全的無人機協(xié)同干擾　 91
6.1　引言　91
6.2　系統(tǒng)模型　93
6.2.1　信號模型　93
6.2.2　優(yōu)化問題　96
6.3　算法　97
6.3.1　優(yōu)化問題P2的可處理公式　97
6.3.2　基于內(nèi)部逼近的算法　100
6.4　數(shù)值結(jié)果　104
6.5　總結(jié)　107
參考文獻　108
第7章　空中移動網(wǎng)絡(luò)的智能反射面輔助定位技術(shù)　111
7.1　引言　111
7.1.1　相關(guān)工作　111
7.1.2　無人駕駛航空器　112
7.1.3　智能反射面　113
7.2　空中網(wǎng)絡(luò)中的智能反射面　113
7.2.1　集成智能反射面的空中網(wǎng)絡(luò)　114
7.2.2　智能反射面輔助的空中網(wǎng)絡(luò)　116
7.3　帶有智能反射面的無人機定位　117
7.4　研究挑戰(zhàn)　120
7.4.1　基于無人機的空中移動網(wǎng)絡(luò)的挑戰(zhàn)　120
7.4.2　基于智能反射面的定位挑戰(zhàn)　120
7.5　總結(jié)　121
參考文獻　121
第8章　基于無人機的災(zāi)難恢復網(wǎng)絡(luò)性能分析　124
8.1　引言　124
8.2　無人機網(wǎng)絡(luò)　124
8.3　無人機網(wǎng)絡(luò)的優(yōu)勢　129
8.4　新技術(shù)和基礎(chǔ)設(shè)施的發(fā)展趨勢　132
8.4.1　網(wǎng)絡(luò)功能虛擬化　135
8.4.2　軟件定義網(wǎng)絡(luò)　135
8.4.3　云計算　136
8.4.4　圖像處理　136
8.4.5　毫米波通信　137
8.4.6　人工智能　138
8.4.7　機器學習　138
8.4.8　優(yōu)化和博弈論　139
8.5　研究趨勢　139
8.6　展望　141
8.7　總結(jié)　142
參考文獻　142
第9章　用于鎖定場景智能監(jiān)控的網(wǎng)絡(luò)輔助無人機通信　148
9.1　引言　148
9.2　無人機作為空中基站　150
9.2.1　仿真設(shè)置　150
9.2.2　在一個地理區(qū)域內(nèi)實現(xiàn)蜂窩網(wǎng)絡(luò)覆蓋的最佳空中基站數(shù)量　151
9.2.3　性能評估　152
9.3　無人機作為地面通信的中轉(zhuǎn)站　157
9.3.1　5G空中接口　158
9.3.2　仿真設(shè)置　159
9.4　總結(jié)　161
參考文獻　161
第10章　用于農(nóng)業(yè)的無人機：基于物聯(lián)網(wǎng)場景的概述　164
10.1　引言　164
10.2　相關(guān)研究項目概況　165
10.3　農(nóng)業(yè)領(lǐng)域的物聯(lián)網(wǎng)場景　167
10.4　無線通信協(xié)議　169
10.5　多接入邊緣計算和5G網(wǎng)絡(luò)　171
10.6　總結(jié)　174
參考文獻　174
第11章　空中系統(tǒng)和水下監(jiān)測　179
11.1　引言　179
11.2　自動圖像標記　180
11.2.1　點的選擇　180
11.2.2　測量系統(tǒng)　181
11.2.3　區(qū)域標記　182
11.2.4　測試　183
11.3　水面/陸地的視覺區(qū)分　186
11.3.1　分類器訓練　186
11.3.2　在線算法　187
11.3.3　繪圖　187
11.3.4　傳輸　188
11.3.5　現(xiàn)場實驗　189
11.4　離線測深制圖　190
11.4.1　算法概述　190
11.4.2　算法模擬　190
11.4.3　算法的實施　191
11.4.4　水深測量系統(tǒng)　192
11.5　在線測深制圖　193
11.5.1　選點算法　193
11.5.2　仿真設(shè)置　195
11.5.3　結(jié)果和分析　196
11.6　總結(jié)和未來工作　197
參考文獻　197
第12章　未來衛(wèi)星網(wǎng)絡(luò)的需求、安全威脅與相關(guān)問題　 200
12.1　引言　200
12.2　衛(wèi)星網(wǎng)絡(luò)及深空網(wǎng)絡(luò)　201
12.2.1　一級衛(wèi)星網(wǎng)絡(luò)　201
12.2.2　二級衛(wèi)星網(wǎng)絡(luò)　202
12.2.3　三級衛(wèi)星網(wǎng)絡(luò)　203
12.3　衛(wèi)星網(wǎng)絡(luò)及深空網(wǎng)絡(luò)的安全要求、挑戰(zhàn)和威脅　204
12.3.1　安全挑戰(zhàn)　204
12.3.2　安全威脅　206
12.4　總結(jié)　207
參考文獻　207
第13章　未來研究熱點　211