Thông tin tài liệu
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN NGỌC CƯỜNG NGHIÊN CỨU MƠ HÌNH THƠNG TIN VÔ TUYẾN HỖ TRỢ BỞI THIẾT BỊ BAY KHÔNG NGƯỜI LÁI (UAV) ỨNG DỤNG TRONG NGỮ CẢNH KHẨN CẤP NGÀNH: KỸ THUẬT ĐIỆN TỬ - 8520203 SKC008020 Tp Hồ Chí Minh, tháng 3/2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SỸ NGUYỄN NGỌC CƯỜNG NGHIÊN CỨU MƠ HÌNH THƠNG TIN VƠ TUYẾN HỖ TRỢ BỞI THIẾT BỊ BAY KHÔNG NGƯỜI LÁI (UAV) ỨNG DỤNG TRONG NGỮ CẢNH KHẨN CẤP NGÀNH: KỸ THUẬT ĐIỆN TỬ - 2080702 Hướng dẫn khoa học: TS ĐỖ DUY TÂN TP Hồ Chí Minh, tháng 03 năm 2023 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƯỢC: Họ & tên: NGUYỄN NGỌC CƯỜNG Giới tính: Nam Ngày, tháng, năm sinh: 14/01/198 Nơi sinh: Lâm Đồng Quê quán: Văn Võ – Chương Mỹ - Hà Nội Dân tộc: Kinh Chỗ riêng địa liên lạc: Chung cư Mỹ Phúc, đường 192, Phường 16, quận 8, TP Hồ Chí Minh Điện thoại quan: Điện thoại: 0397913032 Fax: E-mail: cuongzick@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Trung học chuyên nghiệp: Hệ đào tạo: …… Nơi học (trường, thành phố): Ngành học: Thời gian đào tạo từ ……/…… đến ……/ Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2007 đến 01/ 2013 Nơi học (trường, thành phố): Học viện Kỹ thuật Quân Ngành học: Điện tử Tên đồ án, luận án môn thi tốt nghiệp: Khai thác trạm VSAT tàu biển Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: 10/2012 -Học viện kỹ thuật Quân Người hướng dẫn: TS Phạm Xuân Nghĩa Thạc sĩ: Hệ đào tạo: Chính quy Thời gian đào tạo từ 08/2020 đến 04/2022 Nơi học (trường, thành phố): Trường Đại học Sư phạm Kỹ thuật TP HCM Ngành học: Kỹ thuật điện tử Tên luận văn: Nghiên cứu mơ hình thơng tin vô tuyến hỗ trợ thiết bị bay không người lái (UAV) ứng dụng ngữ cảnh khẩn cấp Ngày & nơi bảo vệ luận văn: 25/03/2023 D102 trường Đại học Sư phạm Kỹ thuật TP.HCM Người hướng dẫn: TS Đỗ Duy Tân i III Q TRÌNH CƠNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi cơng tác c21 –Phịng Tham mưu- BTL Vùng 01/2013-4/2016 HQ Ban thơng tin - Phịng Tham mưu5/2016 – 7/2018 BTL Vùng HQ Khoa Thông tin Ra đa – Trường Cao 8/2018 – đẳng Kỹ thuật HQ XÁC NHẬN CỦA CƠ QUAN (Ký tên, đóng dấu) Công việc đảm nhiệm Trung đội trưởng Trợ lý Giảng viên Ngày tháng năm 2023 Người khai ký tên Nguyễn Ngọc Cường ii giao tiếp quan trọng với truyền thông siêu đáng tin cậy độ trễ thấp (URLLC) Một mơ hình mạng khơng dây quan tâm thời gian gần trường hợp xảy thiên tai, mạng khơng dây sử dụng máy bay khơng người lái đóng vai trị trạm gốc nhiệm vụ tìm kiếm cứu nạn Các máy bay khơng người lái (UAV) bay phía khu vực bị ảnh hưởng thiên tai để hỗ trợ người gặp nạn đồng thời qua đánh giá mức độ nghiêm trọng khu vực thiên tai sớm tốt Tuy nhiên hạn chế mô hình sử dụng thiết bị bay khơng người lái thời lượng bay gặp hạn chế dung lượng pin máy bay nhiệm vụ tìm kiếm cứu nạn địi hỏi hỗ trợ tích cực máy bay không người lái (UAV) thời gian khu vực xảy thảm hoạ thiên tai điệp từ người dùng mạng người dùng mạng thứ cấp (SU) tới máy thu định [2] Mặc dù việc kết hợp máy bay không người lái (UAV) mạng vơ tuyến nhận thức có khả cải thiện hiệu suất quang phổ Tuy nhiên có số vấn đề kỹ thuật liên quan đến giao tiếp có hỗ trợ máy bay khơng người lái UAV việc tiêu thụ nượng UAV, điều thể nhược điểm thiết bị bay không người lái UAV[3, 4] Để giả hạn chế này, việc tối ưu hoá đạo chung phân bổ công suất thiết lập cho mạng UAV-CRN [4], mơ hình này, tốc độ trung bình đạt liên kết UAV đến SU tối ưu hóa tùy thuộc vào vị trí, tốc độ cơng suất UAV Những nghiên cứu đóng góp nói làm sáng tỏ phần vai trị UAV phù hợp với trường hợp cứu trợ thiên tai Tuy nhiên khả liên lạc UAV gặp hạn chế cần giải để đảm bảo thành công nhiệm vụ hỗ trợ thiên tai Một vấn đề cần giải hệ thống điều khiển mạng cần có hành động nhanh chóng để hỗ trợ truyền thông UAV môi trường thay đổi liên tục [5] Vì việc tối ưu hóa hiệu suất mạng liên lạc có hỗ trợ UAV cần thiết Trong [6] tác giả sử dụng UAV giải pháp để nâng cao tỷ lệ bí mật trung bình mạng liên lạc nhận thức, cách tối ưu hóa quỹ đạo mạnh mẽ UAV phân bổ công suất Các tác giả [7] xây dựng mạng UAV đường xuống đa đầu vào nhận thức đầu (MISO) UAV trang bị nhiều anten để công suất truyền giảm thiểu cách tối ưu hoá quỹ đạo dạng chùm tia UAV Để cải thiện tỷ lệ sử dụng tài nguyên phổ tần tỷ lệ bảo mật, mơ hình mạng vơ tuyến nhận thức chuyển tiếp có hỗ trợ UAV [8] đề xuất cách tối ưu hóa quỹ đạo bay công suất truyền chuyển tiếp UAV để hỗ trợ truyền tín hiệu máy phát thứ cấp máy thu thứ cấp, tăng tỷ lệ bảo mật thông tin đáp ứng ngưỡng nhiễu máy đưa Để đảm bảo liên lạc an toàn tác giả [9] sử dụng UAV thiết bị gây nhiễu để giải mã thông điệp từ máy phát thứ cấp mạng vô tuyến nhận thức, với việc xây dựng quỹ đạo UAV không gian 3D nhằm tối ưu độ cao vị trí nằm ngang UAV Do tính chất mở mạng vô tuyến nhận thức (CRN) dễ bị nghe trộm người Bên cạnh việc hoạt động máy bay không người lái (UAV) phải tuân theo quy ước dải phổ quy định không cấp phép chia sẻ với công nghệ không dây khác bao gồm IEEE S-Bnad, IEEE L-Band ISMBand Cùng với việc băng tần ngày trở nên hạn hẹp phát triển gia tăng ngày nhiều thiết bị mạng internet vạn vật truyền thông D2D Việc cạnh tranh trở nên gay gắt số lượng sử dụng thiết bị bay không người lái (UAV) ngày tăng, dẫn đến tình trạng khan phổ tần Mạng vô tuyến nhận thức với tính ưu việt sử dụng hiệu tài nguyên bao gồm tần số, thời gian công suất truyền tải Trong mạng vô tuyến nhận thức cho phép thiết bị tối ưu việc sử dụng phổ tần nâng cao hiệu sử dụng phổ tần Với lý mơ hình kết hợp mạng vô tuyến nhận thức (CRN) với thiết bị bay không không người lái (UAV) trở thành kỹ thuật đầy hứa hẹn để tăng tài nguyên vô tuyến cho thiết bị bay khơng người lái (UAV) ngồi băng tần khơng cấp phép Việc kết hợp thiết bị bay không người lái UAV vào mạng chia sẻ phổ tần thu hút quan tâm cộng đồng nghiên cứu Trong [1] tác giả nâng cao hiệu suất cảm biến phổ cách bố trí UAV thực cảm biến cách xoay quanh người dùng (PU) với mục tiêu truy cập phổ nhàn rỗi Ngược lại, thiết bị bay không người lái UAV hoạt động đồng thời với PU, với UAV đóng vai trị hoạt động chuyển tiếp thông 54 dùng bất hợp pháp, giải pháp [10] UAV trang bị phương tiện truyền liệu cảm biến để đánh giá kênh người dùng có bị chiếm dụng hay khơng nhờ phương pháp cảm biến phổ, kết hợp tối ưu tỷ lệ phân chia cơng suất tối ưu vị trí UAV Bên cạnh việc tiết kiệm lượng tiêu thụ lượng xem xét [11], mạng UAV-CRN tác giả xây dựng UAV trang bị rơ le di động để hỗ trợ người dùng SU dựa thuật tốn điều khiển cơng suất máy phát SU thiết bị thu hoạch lượng trang bị pin có khả thu hoạch lượng tái tạo từ môi trường xung quanh cung cấp lượng cho hệ thống Trong [12] xem xét việc truyền tải đường xuống mạng hỗ trợ UAV tồn với giao tiếp D2D, tác giả đề xuất thiết kế chung phân bổ D2D phân bổ tài nguyên để tối đa hóa thơng lượng thiết bị đầu cuối mặt đất Ngoài [13] tác giả xây dựng giải vấn đề tối ưu hóa thơng lượng cách kết hợp vị trí tối ưu hóa thời gian phát phổ UAV Tuy nhiên mạng UAV nhận thức xem xét [13] bao gồm thu nhất, nhìn chung khác với mơ hình báo Hơn nhằm tối đa hóa thơng lượng SU, công việc [14] nghiên cứu vấn đề tối ưu hóa chung việc bố trí UAV phân bổ lượng Tuy nhiên [14] có máy phát UAV nhận thức/ thứ cấp giao tiếp SU mặt đất Mặc dù việc kết hợp máy bay không người lái (UAV) mạng vơ tuyến nhận thức có khả cải thiện hiệu suất quang phổ Tuy nhiên có số vấn đề kỹ thuật liên quan đến giao tiếp có hỗ trợ máy bay khơng người lái UAV: thiết lập cách triển khai mô hình phân cụm UAV thơng qua phương pháp K – means * Để tối đa hóa thơng lượng mạng mạng thứ cấp xây dựng thuật tốn nhằm tối ưu thơng lượng cho mạng mạng thứ cấp qua đánh giá tính ưu việt mơ hình mạng vơ tuyến nhận thức chia sẻ phổ có hỗ trợ thiết bay khơng người lái UAV Tất thuật toán phân bổ tài nguyên tối ưu đề xuất có độ phức tạp thấp để giải vấn đề tối đa hóa thơng lượng khơng lồi với việc triển hai UAV nhanh chóng hạn chế dung lượng lượng chất lượng dịch vụ (QoS) để ứng phó với thách thức nguồn lực phổ lượng hạn chế hệ thống UAV Các giải pháp chúng tơi có khả hỗ trợ thời gian thực tình khơi phục thảm họa với thời gian thực ngắn việc giải tối ưu hóa thực tế vấn đề MƠ HÌNH KÊNH VÀ HỆ THỐNG UAVCRN 2.1 Mơ hình hệ thống Mơ hình mạng vơ tuyến nhận thức chia sẻ phổ tần (CRN) có hỗ trợ thiết bị bay không người lái UAV xem xét có trạm gốc (BS) trang bị mảng đa đầu đa đầu vào (MIMO) lớn trang bị nhiều anten phát (TAs) ký hiệu N , việc trang bị nhiều anten nhằm sử dụng để phục vụ nhiều người dùng (PU – người dùng mạng chính) ký hiệu 𝐾" nằm mạng (hay cịn gọi khu vực mạng an tồn) Bên cạnh đó, mạng thứ cấp (hay cịn gọi khu vực xảy thảm họa) thiết bị bay không người lái UAV triển khai trạm gốc cỡ nhỏ, kết nối với mạng di động thơng qua trạm gốc BS mạng Khi UAV hoạt động trạm gốc có chức kết nối khôi phục hoạt động mạng không dây đáng tin cậy mạng thứ cấp (các khu vực xảy thảm họa) phục vụ nhiều người dùng mạng thứ cấp (SU) khu vực thiên tai tốt - Việc đảm bảo tối ưu hố quỹ đạo bay phân bổ cơng suất UAV UAV có hạn chế lượng - Trong nhiệm vụ tìm kiếm cứu nạn, việc tối ưu hoá hiệu suất mạng trước đạt khoảng thời gian dài, điều không phù hợp cho dịch vụ quan trọng cần triển khai nhanh chóng khu vực có xảy thiên tai hỗ trợ máy bay khơng người lái (UAV) Những đóng góp báo sau: * Việc triển khai vị trí UAV mạng thứ cấp nhằm phục vụ tối đa người dùng 55 không người lái UAV thứ m tn theo mơ hình suy hao không gian tự [15], [16]: 𝛽5,9 = ) 𝑑5,9 𝛽5 , 𝑚 + (𝐻5 − 𝐻9 )) = 0,1, … , 𝑀 (1) Với 𝛽5 mức tăng công suất khoảng tham chiếu 𝑑5 𝑑5,9 = D(𝑥5 − 𝑥9 )) + (𝑦5 − 𝑦9 )) Ngược lại kênh không đối đất (ATG) phức tạp ảnh hưởng tắc nghẽn lan truyền che bóng, vùng tắc nghẽn tác động thảm họa Biểu thức suy hao đường truyền BS thứ m người dùng thứ k ký hiệu [17]: Hình Mơ hình mạng lưới tế bào nhận thức hỗ trợ UAV cứu trợ thảm họa Tất người dùng mạng (PU) người dùng mạng thứ cấp (SU) phân bố ngẫu nhiên mạng mạng thứ cấp tạo thành tập hợp 𝒦 = {𝒦" , 𝒦2 } Việc triển khai thiết kế quỹ đạo UAV điều khiển trạm gốc (BS) mặt đất thể hình Ngồi trạm gốc BS trang bị nhiều anten tất thiết bị đầu cuối khác trang bị anten đơn H $ (2) I 𝛽9,= = 𝑃𝐿9,= + 𝜂HI $ 𝑃9,= + JH $ 𝜂JHI $ 𝑃9,=I Với 𝜂HI $ 𝜂JHI $ tổn thất bổ sung trung bình cho đường dẫn LoS NLoS tương ứng Ở liên quan đến suy hao đường truyền đưa bởi: 2.2 Mơ hình kênh 4𝜋𝑓Q 𝑅9,= S (3) ) 𝑐 Với 𝑓Q tần số sóng mang, c vận tốc ánh sáng, 𝛼 hệ số mũ suy hao đường truyền Xác suất LoS cho [18] 𝑃𝐿9,= = 10 log( Để xem xét mơ hình mạng vơ tuyến nhận thức chia sẻ phổ CRN có hỗ trợ thiết bị bay không người lái UAV Đầu tiên cần xác định vị trí 3D trạm gốc BS, thiết bị bay khơng người lái UAV tất người dùng mạng mạng phụ (PU SU) với tham số (𝑥5 , 𝑦5 , 𝐻5 ), (𝑥9 , 𝑦9 , 𝐻9 ), 𝑚 ∈ ℳ (𝑥= , 𝑦= , 0), 𝑘 ∈ 𝒦 tương ứng Trong chiều cao anten trạm gốc BS thiết bị bay không người lái UAV đước ký hiệu 𝐻5 𝐻9 Giả định độ cao an ten UAV độ cao UAV Việc xác định vị trí cách sử dụng hệ thống định vị toàn cầu (GPS) lưu trữ trạm mặt đất H $ I 𝑃9,= = (4 ) 𝐻 + 𝑎 exp [−𝑏 Zarctan Z ^ − 𝑎^] 𝑑9,= Trong a, b số tuỳ thuộc vào môi JH $ HI $ trường 𝑃9,=I = − 𝑃9,= Cuối viết lại (2) sau: H $ Trong môi trường thông tin vô tuyến lan truyền đường nhìn thẳng (LoS) chất 3D truyền thơng có hỗ trợ thiết bị bay khơng người lái UAV Việc khai thác mơ hình truyền thơng liên kết không đối không (ATA) để tăng cường liên kết trạm gốc BS thiết bị bay không người lái UAV lan truyền LoS xảy cao liên kết khơng đối khơng Vì suy hao đường truyền trạm gốc BS thiết bị bay I 𝛽9,= = 10𝛼 log(𝑅9,= ) + 𝐴 × 𝑃9,= B + (5) Ở 𝐴 = 𝜂He$ − 𝜂JHe$ , 𝐵 = 𝑃𝐿9,= + 𝜂He$ Và Â9,= khoảng cách BS thứ m người dùng thứ k Công thức sau: ) ) , k ∈ K Â9,= = f𝑑9,= + 𝐻9 56 (6) nhiễu áp đặt mạng đặc trưng nhiễu đồng cấp với công thức sau: Với 𝑑9,= = D(𝑥9 − 𝑥= )) + (𝑦9 − 𝑦= )) khoảng cách Euclidean UAV thứ m người dùng thứ k Q TRÌNH TRUYỀN ℐ=pxwq• (𝒑5 ) 3.1 Mạng = 𝑃5 𝑝5,=s ‘𝜌5,=,=s ‘ , 𝑘 ∈ 𝒦1 =s∈𝒦u |{=} Chúng ta xem xét đường truyền mạng BS truyền tín hiệu cần truyền tới PU Đầu tiên tín hiệu nhận người dùng PU thứ k (𝑘 ∈ 𝒦1 ) cho bởi: Và nhiễu liên ô mạng thứ cấp cho bởi: •w“ ) (7) h 𝑦5,= = D𝑃 𝑔klk 5k 5,= 5,= 𝑓5,= jkk kk𝑠km r (9) ) ℐ=pxwoq (𝒑+ ) = r 𝑝9 ‘𝛽9,= ‘ , 𝑘 no2pqon (10) 9∈ℳ ∈ 𝒦1 h 𝑓5,= 𝑠5,= D𝑃5 𝑔5,= + r =s∈t jkkkkklkkkkkm u Thông lượng thông tin người dùng PU thứ k (tính nats) cho bởi: Qevwpoq pxwoqyoqoxQo + 𝑅5,= (𝒑5 , 𝒑+ ) = ln(1 + r 𝑔',= D𝑃5 𝑠z,5 jkkkklkkkkm z{' pxwoqvQozz pxwoqyoqoxQo + + 𝑛= Với 𝑃5 công suất phát BS, 𝒈5,= 𝜖𝐶 J hệ số kênh BS PU thứ k 𝒇5,= 𝜖ϹJ 𝑠5,= 𝜖𝐶 vector tạo chùm thông tin truyền ) 1™ ℐ=pxwoq (𝒑+ ) ≤ 𝐼w˜ (12) 1™ Với 𝐼w˜ nhiễu tối đa chấp nhận mà có khả đảm bảo QoS PUs Vì tổng thơng lượng mạng thể sau: 𝑅"qp (𝒑5 , 𝒑+ ) = r 𝑅5,= (𝒑5 , 𝒑+ ) (13) =∈𝒦u 3.2 Mạng thứ cấp Đồng thời xem xét việc truyền thông tin mạng thứ cấp, nơi UAV chuyển tiếp tín hiệu từ SUs đến BS Tín hiệu nhận BS từ UAV thứ m viết Trong báo này, mạng MIMO BS lớn sử dụng tiêu chí truyền tỷ số truyền cực đại (MRT) có hiệu thiết kế tạo chùm tia cho mảng MIMO lớn BS, tiêu chí xây dựng sau [17]: 𝒈∗5,= 𝑃5 𝑝5,= ‘𝜌5,=,= ‘ ) ℐ=pxwq• (𝒑5 ) + 𝜎=) Để đảm bảo chất lượng dịch vụ (QoS) mạng chính, ràng buộc QoS phải nghiên cứu nhiễu liên ô từ BS với ˆ𝑠5,= ˆ ≤ Ở sử dụng cấu trúc liên kết ATA bao gồm hai hiệu ứng mờ dần quy mô lớn quy mô nhỏ 𝒈5,= = D𝛽5,= 𝒉5,= Với 𝒉5,= hệ số mờ dần quy mô nhỏ cho kênh từ BS tới người dùng PU thứ k Hơn Pl công suất truyền UAV thứ l 𝑛= ~∁𝒩(0, 𝜎=) ) nhiễu Gaussian trắng cộng (AWGN) Để xây dựng phía bên phải cơng thức (7), thuật ngữ tín hiệu mong muốn định cho PU thứ k Thuật ngữ thứ hai nhiễu đồng cấp từ PU lại thuật ngữ cuối nhiễu liên ô từ UAV mạng thứ cấp 𝑓5,= = D𝑝5,= (11) ) 𝑦5,9 = jkkkklkkkkm 𝕘h9,5 𝒇9,5 D𝑃9 𝑠9,5 (8) ˆ𝒈5,= ˆ + (14) no2pqon +r 𝕘h9,5 𝒇z,5 D𝑃z 𝑠z,5 + 𝑛5 jkkkkkkklkkkkkkkm z{',zš9 Với 𝑝5,= hệ số điều khiển cơng suất Sau cho 𝜌5,=,Š = 𝕘h5,= 𝕘∗5,Š /ˆ𝕘5,= ˆ pxwoqvQozz pxwoqyoqoxQo Trong 𝑃9 cơng suất phát UAV thứ m ; 𝕘h9,5 hệ số kênh UAV thứ m với BS; Đối với hệ số điều khiển công suất 𝒑5 = •𝑝5,= Ž𝑘 ∈ 𝒦1 𝒑+ = [𝑝9 ]𝑚 ∈ ℳ, với 57 Rõ ràng vấn đề (17)-(18) xác suất không lồi với hàm không lồi (17a), (17c) - (17e) (18a) Hơn nữa, ngữ cảnh quy mô lớn xem xét vấn đề trở nên phức tạp số lượng lớn UAV (M) nhiều người dùng khu vực triển khai Để giải tốt tốn khơng lồi (17)-(18), đề tài tách hai vấn đề thành hai toán Thứ liên kết người dùng với phân cụm UAV thỏa mãn ràng buộc (17e) triển khai UAV quy trình phân cụm K-means để tối ưu vị trí số lượng UAV Sau hồn thành việc triển khai UAV thuật toán tối ưu phân bổ cơng suất tối để tối đa hóa thơng lượng mạng theo yêu cầu QoS 𝒇z,5 vector phát dạng chùm 𝑠9,5 tín hiệu chuyển đổi UAV thứ m ) ˆ𝑠9,5 ˆ ≤ 1, 𝑛5 ~∁𝒩(0, 𝜎=) ) AWGN Tương tự với công thức (8), chúng tơi áp dụng MRT cho q trình truyền mạng thứ cấp cho giá trị 𝜌5,=,Š = 𝕘h5,= 𝕘∗5,Š /ˆ𝕘5,= ˆ Thông lượng thông tin BS (trong nats) nhận bới UAV thứ m viết sau: 𝑅9,5 (𝒑+ ) = ln ›1 (15) ) 𝑃9 ‘𝜌9,5,9 ‘ + œ$ • ℐ9 (𝒑9 ) + 𝜎5) TỐI ƯU HÓA VIỆC TRIỂN KHAI UAV ) œ$ (𝒑 ) Ở ℐ9 = ∑z∈ℳ,zš9 𝑃z ‘𝜌9,5,z ‘ giá trị cho nhiễu liên ô áp dụng cho BS Để đảm bảo chất lượng dịch vụ QoS liên kết ATG UAV người dùng, đề tài xem xét vùng phủ sóng cách xác định bán kính trịn Dcov có liên quan đến độ cao thiết bị bay không người lái UAV thứ m thể sau [19]: Do tổng thông lượng mạng thứ cấp biểu thị tổng thông lượng tất UAV 𝑅2oQ (𝒑+ ) = r 𝑅9,5 (𝒑+ ) 9∈ℳ (19) 𝐻9 = 𝐷9,Qe¦ tan(𝜃) , ∀𝑚 (16) VẤN ĐỀ BÀI TỐN Trong đó: Trong báo này, mục tiêu tối thiểu tổng tiêu thụ lượng thông qua lập quỹ đạo bay UAV mơ hình lựa chọn phân cụm phân bổ lượng Tối ưu hóa vấn đề xây dựng dạng: - 𝜃: Được xác định với giá trị 42.440 s.t ∑=∈𝒦¡ 𝑃5,= ≤ 1, 𝑃9 ≤ 1, 𝑚 ∈ ℳ (17b) e"o 𝑡9 ≤ 𝑇99• , 𝑚 ∈ ℳ (17c) 𝑅9,5 (𝑷+ ) ≥ 𝑟̅9,5 , 𝑚 ∈ ℳ (17d) 𝑅5,= (𝑷5 , 𝑷+ ) ≥ 𝑟̅5,= , 𝑘 ∈ 𝒦" (18e) (𝑚, 𝑘) ∈ 𝒦9 , 𝑚 ∈ ℳ, 𝑘 ∈ 𝒦9 - 𝐻9 : Độ cao UAV thứ m - 𝐷9,Qe¦ : Bán kính phủ sóng UAV thứ m Ở người dùng mạng thứ cấp SU phục vụ UAV vùng phủ sóng (𝑚, 𝑘) ∈ 𝒦9 khoảng cách Euclid UAV người dùng mạng thứ cấp SU nhỏ khoảng cách bao phủ Dm,cov Được xác định bởi: 9• 𝑑9,= ≤ 9,QeƯ , $ (20) 9ã 9ã - Trong đó: 𝐷9,Qe¦ = 𝐻9 / tan(𝜃) (18f) Do phạm vi hoạt động hạn chế thiết bị bay không người lái UAV, đề tài đưa tốn tối ưu vị trí UAV thuật tốn phân cụm K-Means Trong vấn đề 17 ràng buộc (17b) thể yêu cầu công suất thiết bị bay không người lái UAV trạm gốc BS, ràng buộc (17c) (17d) hình thành yêu cầu chất lượng dịch vụ QoS liên kết UAVBS BS-PU tương ứng Với ràng buộc (17e) tương ứng với triển khai UAV từ đầu Ở lựa chọn 𝒦9 = {1,2, , 𝐾9 } ∑9∈ℳ 𝐾9 = 𝐾$ 5.1 Sơ lược phương pháp K-Means 58 Các yêu cầu phân cụm K-Means dựa mát đường dẫn quy mô lớn thông qua liệu vị trí thiết bị từ hệ thống định vị tồn cầu (GPS), chẳng hạn liệu đầu vào điểm 𝑞= = (𝑥= , 𝑦= ), 𝑘 = 1, … , ℋ (vị trí người dùng) 𝑞9 = (𝑥9 , 𝑦9 , 𝐻9 ), 𝑚 = 1, … , 𝑀 (vị trí UAV) Sau dựa lựa chọn phân cụm, vị trí 3D UAV dược chọn vị trí trung tâm 𝜃9 = (𝑥9 , 𝑦9 , 𝐻9 ), 𝑚 = 1, … , 𝑀 Tính tốn khoảng cách dist (𝒒= , 𝜽9 ), 𝑚 = 1, … , 𝑀 Sau định người dùng thích hợp vào cụm họ với khoảng cách nhỏ Lặp lại bước tất người dùng dán nhãn Cập nhật độ cao UAV Tính tốn tổn thất đường UAV người dùng Nếu ràng buộc QoS khơng bị vi phạm chuyển bước - Các ràng buộc phải liên kết (𝑚, 𝑘) ∈ ∁9-2w phải người dùng thứ 𝑘 phải đặt cụm 𝑚 thỏa mãn ràng buộc QoS - Các ràng buộc liên kết (𝑚, 𝑘) ∈ ∁9-2w có ý nghĩa người dùng thứ 𝑘 không nên đặt cụm 𝑚 Nếu ràng buộc QoS bị vi phạm Tiến hành cập nhật độ cao UAV để đáp ứng ràng buộc người dùng Trở lại với dịch vụ tốt 10 Cập nhật vị trí trung tâm Tuy nhiên phương pháp phân nhóm KMeans thơng thường khơng phù hợp với UAV có yêu cầu bị hạn chế QoS Trong phần đề tài đưa đề xuất phương pháp phân cụm K-Means có ràng buộc tương ứng với ràng buộc QoS Phân cụm có giới hạn cách hữu ích để biết xác tiên nghiệm trường hợp nên hay khơng nên nhóm lại Vì phần đưa hai kiểu ràng buộc theo cặp sau: Cho giá trị 𝛾¯e$ ngưỡng suy hao đường dẫn tương ứng với yêu cầu QoS (17c) Sau cho tập hợp cặp phải liên kết đại diện cho ràng buộc thỏa mãn QoS cho người dùng thứ 𝑘 phục vụ UAV thứ 𝑚 𝛽9,= ≤ 𝛾¯e$ ) ) 9,= + ,9 à v(1à,ả á) '5S 10 11 Cập nhật vị trí trung tâm cho cụm 12 Lặp lại khi: Các thành viên 13 cụm khơng có thay đổi số lần lặp lại đạt đến giá trị 𝑁9• (21) TỐI ĐA HÓA TỐI THIỂU NĂNG LƯỢNG Sau giải vấn đề triển khai thiết bị bay không người lái (UAV), phần đề tài xác định việc phân bổ công suất cách phù hợp để giải tối đa hóa thơng lượng mạng vấn đề (17) – (18) mà khơng có ràng buộc liên kết người dùng không lồi (𝑢9,= ) Mặt khác vấn đề (17)-(18) mang tính chất khơng lồi hàm mục tiêu hàm khơng lồi Vì đề tài xác định vấn đề cần sửa đổi sau: Thuật tốn 1: Phân cụm có giới hạn dựa K-Means Khởi tạo: Vị trí UAV () khởi tạo ngẫu nhiên dạng vị trí {5} trung tâm {𝜃9 },𝑚 = 1, … , 𝑀 Số lần lặp lại tối đa đặt 𝑁9• Lặp lại Cập nhật số thiết bị người dùng: r 𝒒= =ẳtà Ngc li, mt hp cỏc cp khụng thể liên kết đại diện cho vi phạm ràng buộc QoS Trong thuật toán 1, đề tài đưa thuật tốn phân cụm K-Means có giới hạn để xác định vi trí tối ưu UAV thơng qua số lượng UAV số lượng người dùng tương ứng cụm 𝜽9 = Vấn đề 1: max 𝑅"qp (𝑃5 , 𝑃+ ) 1I ,1Ÿ s.t (17b) - (17d) Vấn đề 2: max 𝑅2oQ (𝑃+ ) 1I ,1Ÿ 59 (23b) ) 𝑥̅' 𝑦Â' + (𝑥̅' 𝑦Â' + 1) 𝑥' − 𝑥̅' (𝑥'̅ 𝑦Â' + 1) 𝑦' − 𝑦Â' (𝑥̅' 𝑦Â' + 1) s.t (17b) - (17d) (p) 𝑅Å5,= (𝑷𝟎 , 𝑷+ ) = ln(1 + Để giải vấn đề (22)- (23), sử dụng số bất đẳng thức imation logarit [20], [21] Bắt nguồn từ tính lồi ' hàm 𝑓(𝑥) = ln(1 + À), qui đổi: ) ≥ 𝑓Á(𝑥, 𝑦) 𝑥𝑦 𝑓(𝑥) = ln(1 + (24) Tương tự gọi: Ở có: 𝑓Á(𝑥, 𝑦) = ln(1 + ) 𝑥̅ 𝑦 𝑥) = (25) (𝑥̅ 𝑦 + 1) 𝑥 − 𝑥̅ (𝑥̅ 𝑦 + 1) 𝑦 − 𝑦Â(𝑥̅ 𝑦 + 1) (p) (p) (p) 𝑅9,5 (𝑷+ ) ≥ 𝑅Å9,5 (𝑷+ ), (28) 𝑚∈ℳ Với tham số: 𝑦' = ℐ=pxwq• (𝒑5 ) + 𝜎=) ) + 𝑥̅) 𝑦Â) (𝑥̅) 𝑦Â) + 1) 𝑥) − 𝑥̅ ) (𝑥̅) 𝑦Â) + 1) 𝑦) − 𝑦Â) (𝑥̅) 𝑦Â) + 1) (p) 𝑅Å9,5 (𝑷+ ) = ln(1 + ) 𝑃5 𝑝5,= ‘𝜌5,=,= ‘ (p) ) Hàm thơng lượng BS tính gần đúng: ) (p) (p) 𝑃9 ‘𝜌9,5,9 ‘ œ$ 𝑦Â) = 𝑦) = ℐ9 Õ𝒑9 Ö + 𝜎5) (p) ) (p) Cho phép i hiển thị số lần lặp lại khai thác thứ i 𝑥̅' = 𝑥' = 𝑃9 ‘𝜌9,5,9 ‘ 𝑥̅ ) = 𝑥) = ∀𝑥 > 0, 𝑥̅ > 0, 𝑦 > 0, 𝑦 > 𝑃5 𝑝5,= ‘𝜌5,=,= ‘ ) œ$ (𝒑 ) 𝑦) = ℐ9 + 𝜎5 + 𝑥' = (27) (p) 𝑦Â' = 𝑦' = ℐ=pxwq• Õ𝒑5 Ư + 𝜎=) Cho thông lượng xấp xỉ PU thứ k (11) là: (p) 𝑅5,= (𝑷5 , 𝑷+ ) ≥ 𝑅Å5,= (𝑷𝟎 , 𝑷+ ), Vì tốn vấn đề (22), (23) viết lại sau: (26) ∀𝑘 ∈ 𝒦" Vấn đề 3: max 𝑅Å"qp (𝑃5 , 𝑃+ ) (p) (30a) s.t.∑=∈𝒦¡ 𝑝5,= ≤ 1, 𝑃9 ≤ 𝑃99• , 𝑚 ∈ ℳ (30b) (p) 𝑅Å9,5 (𝑃+ ) ≥ 𝑟̅9,5 , 𝑚 ∈ ℳ (30c) 1I ,1Ÿ Trong đó: (p) 𝑅Å5,= (𝑃5 , 𝑃+ ) ≥ 𝑟̅9,5 , 𝑘 ∈ 𝒦" (p) Vấn đề 4: max 𝑅Å2oQ (𝑃+ ) 1I ,1Ÿ 60 (30d) (31a) s.t (24b) - (24d) (31b) (p) (p) Với 𝑅Å"qp (𝑃5 , 𝑃+ ) = ∑=∈𝒦¡ 𝑅Å5,= (𝑃5 , 𝑃+ ) (p) (p) 𝑅Å2oQ (𝑃+ ) = ∑9∈ℳ 𝑅Å9,5 (𝑃+ ), dạng (p) (p) 𝑅Å9,5 (𝑃+ ) 𝑅Å5,= (𝑃5 , 𝑃+ ) tương ứng * Khu vực thiên tai mở rộng từ khu vực an tồn với bán kính lên đến 2000m * Vị trí BS giả định (0,0,30) PU SU phân phối ngẫu nhiên mạng mạng thứ cấp Bây tiến hành cách đề xuất thuật toán để giải vấn đề tối đa hóa thơng lượng đề xuất Trong thuật toán đề xuất thủ tục phân bổ công suất để giải vấn đề (30) Điểm ban (5) (5) đầu(𝑃5 , 𝑃+ ) cho (30) tìm thấy cách tìm kiếm ngẫu nhiên điểm thỏa mãn ràng buộc (30b)- (31d) Cũng tương tự để giải vấn đề (31) áp dụng thuật tốn cho quy trình phân bổ công suất * Suy hao đường dẫn từ BS đến PUs = 148.1 + 37.6 log'5 𝑅 [𝑑𝐵] , R tính km •w“ 𝛽5,= * Số lượng UAV cung cấp M = {4,8} Các số lượng PU đặt thành 𝐾" = {20,30,60} số lượng SU nhóm thiết lập 𝐾9 = {20,30} * Độ cao giới hạn UAV (𝐻9px , 𝐻9• ) (50, 150) m Thuật tốn 2: Quy trình phân bổ cơng suất để giải vấn đề (22) * Dung sai số lần lặp lại tối đa cho hội tụ thuật toán 𝜀 = 10v) Imax = 20 - Đầu vào: * Vùng an toàn vùng phủ sóng có bán kính 500m Lựa chọn giá trị: ℳ, 𝒦9 , 𝒦" , 𝑃5 , 𝑃9 * Tần số sóng mang/Băng thông fc = GHz/B = 10 MHz Đặt dung sai 𝜀 = 10v) số lần lặp lại lớn 𝐼9• = 20 để dừng thuật tốn * Công suất phát tối đa thiết lập đến 40W 5W cho BS UAV tương ứng Đặt i=0 điểm khả thi * Mật độ phổ công suất nhiễu 𝜎 ) = −130𝑑𝐵𝑚/𝐻𝑧 - Lặp lại 7.2 Kết mơ Các kết tính tốn thực từ phương pháp tiếp cận đề xuất tức maxPRI (22) maxSEC (23) hai phương pháp thông thường để đảm bảo công QoS mạng mạng phụ Đặc biệt hơn, hai trường hợp khác tạo từ thuật toán sau: Giải vấn đề (24) cho giải pháp tối (p¸') (p¸') , 𝑃+ ) ưu (𝑃5 Đặt i: =i +1 Kết thúc hội tụ hàm mục tiêu (24) i>𝐼9• - Tối đa hóa thơng lượng mạng (maxPRI): Tối đa hóa thơng lượng mạng vấn đề 1(22) - Đầu ra: Hệ số điều khiển công suất tối ưu (𝑃5 , 𝑃+ ) - Tối đa hóa thơng lượng mạng thứ cấp (maxSEC): Tối đa hóa thơng lượng mạng thứ cấp vấn đề (23) KẾT QUẢ MÔ PHỎNG Trong phần này, hiệu suất hệ thống xem xét đánh giá cách sử dụng lập trình tối ưu hóa nhúng Chẳng hạn CVXPY phiên 1.22 [22] Để cơng bằng, thuật tốn chúng tơi đánh giá tổng thơng lượng trung bình (tính nats) tất PU UAV hệ thống, tức 𝑅"qp (𝑃5 , 𝑃+ ) + 𝑅2oQ (𝑃+ ) Cụ thể phép thử, hai đường cong khác tạo sau: 7.1 Cài đặt mô Chúng đặt thông số cho mô theo [19], [23], [24] sau: 61 - MaxPRI: Tổng thông lượng mạng mạng thứ cấp vẽ biểu đồ tối ưu hóa thơng lượng mạng vấn đề (22) thông lượng mạng thứ cấp thiết lập để không nằm ràng buộc QoS - MaxSEC: Tổng thông lượng mạng mạng thứ cấp vẽ biểu đồ tối ưu hóa thơng lượng mạng thứ cấp vấn đề (23) thông lượng mạng thiết lập để khơng nằm ràng buộc QoS Ngoài đề tài tối ưu hóa mạng thứ cấp, nhiễu tối đa chấp nhận xảy PU đáp ứng (12) Hình Tổng thơng lượng mạng trung bình ứng với M = 4, Km = 20, Kp = 60 so với công suất UAV - Từ kết mô ta thấy tổng thông lượng mạng mạng MaxPRI hoạt động tốt so với tổng thông lượng mạng thứ cấp MAXSEC 7.2.2 Sự chuyển đổi thuật tốn Hình minh họa hội tụ thuật toán cho giải Vấn đề I-C (MaxRatePri) M = 4, Km = 20, Pm = 35 dBm tương ứng với giá trị khác KP Quan sát thấy sau vài lần lặp lại, mục tiêu hàm số (24a) hội tụ đến giá trị lớn - Trong kết mơ có tính đến việc tối đa hóa thơng lượng mạng thứ cấp, tổng thơng lượng mạng tăng lên với việc tăng công suất UAV đạt đến ngưỡng khoảng Pm = 28 dBm tổng thơng lượng mạng khơng tăng Tương tự kết mô trương hợp ứng với M = 8, Km = 30 biểu đồ hình ta rằng: - Tổng thơng lượng mạng mạng MaxPRI hoạt động tốt so với tổng thông lượng mạng thứ cấp MAXSEC - Việc tối đa hóa thơng lượng mạng thứ cấp, tổng thông lượng mạng tăng lên với việc tăng công suất UAV đạt đến ngưỡng khoảng Pm = 24 dBm tổng thơng lượng mạng khơng tăng lên Hình Sự hội tụ thuật toán cho giải vấn đề (MaxPRI) giá trị M = 4, Km = 20, Pm = 35dBm 7.2.2 Tối ưu hóa tổng thông lượng so với công suất UAV Để giải cho vấn đề tối đa hóa thơng lượng hai trường hợp tổng thơng lượng mạng MAXPRI tổng thông lượng mạng thứ cấp MAXSEC đề tài xem xét việc tối ưu hóa tổng thơng lượng mạng trung bình hàm cơng suất UAV (Pm) trường hợp ứng với M = 4, Km = 20 M = 8, Km = 30 Hình Tổng thơng lượng mạng trung bình ứng với M = 8, Km = 30, Kp = 60 so với công suất UAV(Pm) Trong trường hợp với M = 4, Km = 20 kết mô thể hình 2: 62 Từ kết mô hai trường hợp M = 4, Km = 20 M = 8, Km = 20 thể được: - Tổng thông lượng mạng mạng MAXPRI vượt trội điều thể hiệu việc phân bổ công suất với tối đa hóa thơng lượng mạng MAXPRI - Khi xem xét việc tối đa hóa thơng lượng mạng thứ cấp hai trường hợp tổng thơng lượng mạng tăng lên theo công suất UAV đến đạt ngưỡng (Pm = 28 dBm với M = 4, Km = 20 Pm = 24 dBm với M = 8, Km = 20) khơng tăng lên số lượng UAV nhiều ngưỡng Pm thấp Điều nhiễu gây UAV tăng lên số lượng UAV nhiều Hình Tổng thơng lượng mạng trung bình với M = so với số lượng PU với Pm = 35dBm - Tương tự ứng với trường hợp số lượng UAV = 8, kết mô tổng thông lượng tăng đạt giá trị cao ứng với PU = 20 thơng lượng có xu hướng giảm dần không tăng 7.2.3 Tối ưu hóa tổng thơng lượng so với số lượng UAV Bài báo xem xét việc tối ưu hóa tổng thơng lượng trung bình so với số lượng PU khác mạng xét đến trường hợp số lượng UAV khác với M = 2, M = M = - Với trường hợp số lượng UAV M = 2, kết mô hình 4.4 cho thấy tổng thơng lượng mạng trung bình tăng lên đạt giá trị cao ứng với PU = 40 khơng tăng lên Hình Tổng thơng lượng mạng trung bình với M = so với số lượng PU với Pm = 35dBm Từ kết mơ trường hợp đưa kết luận rằng: - Tổng thông lượng mạng trung bình mạng tăng lên số lượng người dùng PU (với M= 4, 𝐾" ≤ 30,và M = 8, 𝐾" ≤ 20) Tuy nhiên tổng thông lượng giảm số lượng PU ngày nhiều nhiễu đồng cấp mạng gây Hình 4.Tổng thơng lượng mạng trung bình với M = so với số lượng PU với Pm = 35dBm - Với công suất UAV cụ thể ứng với Pm = 35 dBm ta thấy với số lượng UAV M = tổng thơng lượng trung bình mạng cao so với số lượng UAV M = Điều số lượng UAV nhiều tổng thông lượng mạng tăng - Ứng với trường hợp số lượng UAV M = 4, kết mơ hình 4.4 cho thấy tổng thơng lượng mạng trung bình tăng lên đạt giá trị cao ứng với PU = 30 khơng tăng lên KẾT LUẬN 63 Trong báo này, mô hình truyền thơng tin vơ tuyến có hỗ trợ thiết bị bay không người lái (UAV) hình thành để thiết lập phạm vi phủ sóng mạng cho dịch vụ quan trọng, ví dụ trường hợp khắc phục hậu thiên tai Bài báo đề xuất sơ đồ tối ưu hóa việc triển khai UAV tức số lượng UAV để phục vụ người dùng thứ cấp, nhanh chóng thiết lập Sau đó, chúng tơi phát triển thuật tốn để tối ưu hóa thơng lượng cho mạng mạng phụ Các thuật tốn có độ phức tạp thấp cho phép triển khai theo theo thời gian thực bối cảnh mạng vô tuyến nhận thức dựa vào UAV Các kết chứng minh việc triển khai UAV mơ hình tối ưu hóa nhanh chóng kịch quy mơ lớn TÀI LIỆU THAM KHẢO [1] Liu, X., et al., “Spectrum Sensing Optimization in an UAV-Based Cognitive Radio” IEEE Access, 2018 6: p 44002-44009 [2] Sboui, L., et al., “Achievable Rates of UAV-Relayed Cooperative Cognitive Radio MIMO Systems” IEEE Access, 2017 5: p 5190-5204 [3] Lokman Sboui, et al., “Energy-Efficient Power Allocation for UAV Cognitive Radio Systems” IEEE Wireless Communications Letters, 2017 [4] Yuwei Huang, et al., “Cognitive UAV Communication via Joint Trajectory and Power Control” IEEE Wireless Communications Letters, 2018 [5] Nguyen, L., A Kortun, and T Duong, “An Introduction of Real-time Embedded Optimization Programming for UAV Systems under Disaster Communication” EAI Endorsed Transactions on Industrial Networks and Intelligent Systems, 2018 5(17) [6] Zhou, Y., et al., “Robust Trajectory and Transmit Power Optimization for Secure UAVEnabled Cognitive Radio Networks” IEEE Transactions on Communications, 2020 68(7): p 4022-4034 [7] Liu, B., et al., “Robust Trajectory and Beamforming Design for Cognitive MISO UAV Networks” IEEE Wireless Communications Letters, 2021 10(2): p 396-400 [8] Shengnan, C., et al., “Physical Layer Security Communication of Cognitive UAV Mobile Relay Network”, in 2021 7th International Symposium on Mechatronics and Industrial Informatics (ISMII) 2021 p 267-271 [9] Nguyen, P.X., et al., “UAV-Assisted Secure Communications in Terrestrial Cognitive Radio Networks: Joint Power Control and 3D Trajectory Optimization” IEEE Transactions on Vehicular Technology, 2021 70(4): p 3298-3313 [10] He, X., et al., “Resource Allocation for Secrecy Rate Optimization in UAV-assisted Cognitive Radio Network”, in 2021 IEEE Wireless Communications and Networking Conference (WCNC) 2021 p 1-6 [11] Li, H and X Zhao, “Throughput Maximization With Energy Harvesting in UAV-Assisted Cognitive Mobile Relay Networks” IEEE Transactions on Cognitive Communications and Networking, 2021 7(1): p 197-209 [12] Nguyen, H.T., et al., “Joint D2D assignment, bandwidth and power allocation in cognitive UAV-enabled networks” 2020 6(3): p 1084-1095 [13] Liang, X., et al., “Throughput Optimization for Cognitive UAV Networks: A ThreeDimensional-Location-Aware Approach” IEEE Wireless Communications Letters, 2020: p 11 [14] Huang, Y., et al., “Cognitive UAV Communication via Joint Maneuver and Power Control” IEEE Transactions on Communications, 2019 67(11): p 7872-7888 64 [15] Nguyen, M.-N., et al., “Real-Time Optimal Resource Allocation for Embedded UAV Communication Systems” IEEE Wireless Communications Letters, 2019 8(1): p 225-228 [16] R Irem Bor-Yaliniz, Amr El-Keyi, and H Yanikomeroglu, “Efficient 3-D placement of an aerial base station in next generation cellular networks” iEEE ICC, 2016 [17] Mozaffari, M., et al., Efficient Deployment of Multiple Unmanned Aerial Vehicles for Optimal Wireless Coverage IEEE Communications Letters, 2016 20(8): p 1647-1650 [18] Al-Hourani, A., S Kandeepan, and S Lardner, Optimal LAP Altitude for Maximum Coverage IEEE Wireless Communications Letters, 2014 3(6): p 569-572 [19] Duong, T.Q., et al., “Learning-Aided Realtime Performance Optimization of Cognitive UAV-Assisted Disaster Communication”, in 2019 IEEE Global Communications Conference (GLOBECOM) 2019 p 1-6 [20] Nguyen, L.D., et al., “Downlink beamforming for energy-efficient heterogeneous networks with massive MIMO and small cells” IEEE Transactions on Wireless Communications, 2018 17(5): p 3386-3400 [21] Nguyen, M.-H.T., et al., “Spectrum-sharing UAV-assisted mission-critical communication: Learning-aided real-time optimization” IEEE Access, 2021 9: p 1162211632 [22] Steven Diamond and S Boyd, CVXPY A Python-Embedded Modeling Language for.pdf 2016 [23] Alzenad, M., A El-Keyi, and H Yanikomeroglu, 3-D Placement of an Unmanned Aerial Vehicle Base Station for Maximum Coverage of Users With Different QoS Requirements IEEE Wireless Communications Letters, 2018 7(1): p 38-41 [24] Nguyen, L.D., et al., Downlink beamforming for energy-efficient heterogeneous networks with massive MIMO and small cells IEEE Transactions on Wireless Communications, 2018 17(5): p 3386-3400 Tác giả chịu trách nhiệm viết: Họ tên: Nguyễn Ngọc Cường Đơn vị: Trường Cao đẳng Kỹ thuật HQ Điện thoại:0397913032 Email: cuongzick@gmail.com TP Hồ Chí Minh, ngày tháng 04 năm 2023 Xác nhận GVHD (Ký ghi rõ họ tên) 65 66 S K L 0
Ngày đăng: 18/08/2023, 15:03
Xem thêm:
