基于机器学习的省时联合无人机基站部署与用户关联
信息论
2022-04-06 v1 网络与互联网体系结构
系统与控制
系统与控制
math.IT
摘要
本文提出一种省时机制, 以降低求解联合无人机基站 (UAV-BS) 部署与用户/传感器关联 (UDUA) 问题的在线计算时间, 该问题旨在最大化下行链路总传输吞吐量。联合 UDUA 问题被解耦为两个子问题: 其一为用户关联子问题, 针对给定 UAV-BS 位置获得空中与地面节点间的最优匹配策略; 其二为 UAV-BS 部署子问题, 试图找到使第一子问题解在所有可能 UAV-BS 位置组合中最优的 UAV-BS 最佳位置组合。在所提机制中, 我们将用户关联子问题转化为等价二部匹配问题, 并使用 Kuhn-Munkres 算法求解。对于 UAV-BS 部署子问题, 我们理论上证明: 若两个用户分布足够相似, 则对每个新用户分布采用前一用户分布的最佳 UAV-BS 部署策略, 相较于新用户分布的真实最佳策略仅引入微小性能下降。基于我们的数学分析, 用户分布间的相似度水平被良好定义, 并成为求解第二子问题的关键。数值结果表明, 所提 UDUA 机制在平均下行链路总传输吞吐量与失败率方面可达到近最优系统性能, 且相比基准方法计算时间大幅减少。
引用
@article{arxiv.2204.01966,
title = {Time Efficient Joint UAV-BS Deployment and User Association based on Machine Learning},
author = {Bo Ma and Zitian Zhang and Jiliang Zhang and Jie Zhang},
journal= {arXiv preprint arXiv:2204.01966},
year = {2022}
}
备注
13 pages, this paper has been submitted to IEEE IoT Journal