多用户对无人机中继系统的吞吐量最大化

doi:10.11772/j.issn.1001-9081.2024110663

《计算机应用》唯一官方网站 ›› 2025, Vol. 45 ›› Issue (11): 3692-3697.DOI: 10.11772/j.issn.1001-9081.2024110663

• 网络与通信 • 上一篇

多用户对无人机中继系统的吞吐量最大化

郭莉莉¹^,²(), 吉晓东², 张士兵²

^1.南通大学杏林学院，江苏南通 226236
^2.南通大学信息科学技术学院，江苏南通 226019

收稿日期:2024-11-22 修回日期:2025-04-14 接受日期:2025-05-06 发布日期:2025-05-12 出版日期:2025-11-10
通讯作者: 郭莉莉
作者简介:吉晓东（1979—），男，江苏南通人，教授，博士，主要研究方向：协作中继、物理层安全
张士兵（1962—），男，江苏海门人，教授，博士，主要研究方向：通信信号处理、认知无线电技术。
基金资助:
南通市科技项目(JC2023020)

Throughput maximization of UAV relaying system with multiple user pairs

Lili GUO¹^,²(), Xiaodong JI², Shibing ZHANG²

^1.Nantong University Xinglin College，Nantong Jiangsu 226236，China
^2.School of Information Science and Technology，Nantong University，Nantong Jiangsu 226019，China

Received:2024-11-22 Revised:2025-04-14 Accepted:2025-05-06 Online:2025-05-12 Published:2025-11-10
Contact: Lili GUO
About author:JI Xiaodong， born in 1979， Ph. D.， professor. His research interests include cooperative relaying， physical layer security.
ZHANG Shibing， born in 1962， Ph. D.， professor. His research interests include communication signal processing， cognitive radio technologies.
Supported by:
Nantong Science and Technology Project(JC2023020)

摘要/Abstract

摘要：

针对多用户对无人机（UAV）中继系统的吞吐量问题，研究了UAV辅助放大转发中继系统，其中全双工（FD）固定翼UAV采用时分多址（TDMA）调度协议为多个源-目的用户对提供中继服务。以系统吞吐量最大化为目标，建立通信调度、UAV发射功率和轨迹联合优化问题。该联合优化问题的优化变量之间是耦合的，是很难直接求解的非凸优化问题。因此，将初始优化问题分解为3个子优化问题，分别对应通信调度优化、UAV发射功率优化和轨迹优化。在分别求解3个子优化问题的基础上，提出一种基于块坐标下降的迭代算法，通过交替优化3个变量块来解决联合优化问题。仿真结果表明，与2种基准优化方案相比，联合优化方案的吞吐量分别至少提高了6.8%和79.4%。

关键词: 无人机中继, 吞吐量, 多用户对, 全双工, 放大转发

Abstract:

Aiming at the throughput of Unmanned Aerial Vehicle （UAV） relaying system with multiple user pairs， a UAV assisted amplify-and-forward relaying system was investigated， where a Full-Duplex （FD） fixed-wing UAV employed a Time-Division Multiple Access （TDMA） scheduling protocol to provide relay services for multiple source-destination user pairs. With the goal of maximizing the throughput of the system， a joint optimization problem of communication scheduling， the transmit power and trajectory of the UAV was formulated. Since the optimization variables of the problem were coupled， it was non-convex and hence hard to solve directly. To this end， the initial problem was decomposed into three subproblems corresponding to the optimization of communication scheduling， the optimization of transmit power and the optimization of trajectory of the UAV， respectively. On the basis of solving the three subproblems， an iterative algorithm based on the block coordinate descent technique was proposed to tackle the joint optimization problem by optimizing the three variables blocks alternately. Simulation results demonstrate that the throughput of the joint optimization scheme is at least 6.8% and 79.4% higher than that of two benchmark optimization schemes， respectively.

Key words: Unmanned Aerial Vehicle (UAV) relaying, throughput, multiple user pairs, Full-Duplex (FD), Amplify and Forward (AF)

中图分类号:

TN925

郭莉莉, 吉晓东, 张士兵. 多用户对无人机中继系统的吞吐量最大化[J]. 计算机应用, 2025, 45(11): 3692-3697.

Lili GUO, Xiaodong JI, Shibing ZHANG. Throughput maximization of UAV relaying system with multiple user pairs[J]. Journal of Computer Applications, 2025, 45(11): 3692-3697.

图/表 8

图1 系统模型

Fig. 1 System model

图2 联合优化方案的UAV飞行轨迹

Fig. 2 UAV trajectories of joint optimization scheme

表1 仿真参数

Tab. 1 Simulation parameters

参数	数值
源-目的用户对数目M	3
每个时隙的长度 $δ$	2 s
UAV飞行高度H	200 m
UAV的起/止速度 v₀/ v_F	［5； 0］ / ［5； 0］
UAV的最大/最小速度 $v m a x / v m i n$	50 m/s， 5 m/s
UAV的最大加速度 $a m a x$	5 m/s²
源节点用户的发射功率 $P S$	0.1 W
UAV的平均/最大发射功率 $P R ¯ / P R m a x$	0.1 W/0.4 W
$β 0$	-50 dB
带宽 B	1 MHz
自干扰消除系数 g_RR	-100 dB
噪声功率σ²	-110 dBm

表1 仿真参数

Tab. 1 Simulation parameters

参数	数值
源-目的用户对数目M	3
每个时隙的长度 $δ$	2 s
UAV飞行高度H	200 m
UAV的起/止速度 v₀/ v_F	［5； 0］ / ［5； 0］
UAV的最大/最小速度 $v m a x / v m i n$	50 m/s， 5 m/s
UAV的最大加速度 $a m a x$	5 m/s²
源节点用户的发射功率 $P S$	0.1 W
UAV的平均/最大发射功率 $P R ¯ / P R m a x$	0.1 W/0.4 W
$β 0$	-50 dB
带宽 B	1 MHz
自干扰消除系数 g_RR	-100 dB
噪声功率σ²	-110 dBm

图3 不同时间的通信调度结果

Fig. 3 Communication scheduling results with different time

图4 4个用户对时联合优化方案的UAV飞行轨迹

Fig. 4 UAV trajectories of joint optimization scheme with four user pairs

图5 算法1的收敛性

Fig. 5 Convergence of algorithm 1

图6 SIC系数与吞吐量的关系

Fig. 6 Relationship between SIC coefficient and throughput

图7 不同方案的吞吐量

Fig. 7 Throughputs of different schemes

参考文献 18

[1]	LIU M， YANG J， GUI G. DSF-NOMA： UAV-assisted emergency communication technology in a heterogeneous internet of things［J］. IEEE Internet of Things Journal， 2019， 6（3）： 5508-5519.
[2]	KHUWAJA A， CHEN Y， ZHAO N， et al. A survey of channel modeling for UAV communications［J］. IEEE Communications Survey and Tutorials， 2018， 20（4）： 2804-2821.
[3]	YANG G， LUO C. Performance improvement in UAV communication systems with uncertain solar energy supply［J］. IEEE Internet of Things Journal， 2023， 10（22）： 19607-19616.
[4]	LEE J， PARK K， KO Y， et al. Throughput maximization for mixed FSO/RF UAV-aided mobile relaying with a buffer［J］. IEEE Transactions on Wireless Communications， 2021， 20（1）： 683-694.
[5]	LIU J， TONG P， WANG X， et al. UAV-aided data collection for information freshness in wireless sensor networks［J］. IEEE Transactions on Wireless Communications， 2021， 20（4）： 2368-2382.
[6]	XUE Z， WANG J， DONG G， et al. Maximization of data dissemination in UAV-supported internet of things［J］. IEEE Wireless Communications Letters， 2019， 8（1）： 185-188.
[7]	ZENG Y， ZHANG R， LIM T J. Throughput maximization for UAV-enabled mobile relaying systems［J］. IEEE Transactions on Communications， 2016， 64（12）： 4983-4996.
[8]	GUO X， LI B， ZHAI D， et al. Performance analysis and optimization of a UAV-enabled two-way relaying network under FSMH， NC， and PNC schemes［J］. IEEE Internet of Things Journal， 2021， 8（24）： 17802-17816.
[9]	LIN X， MEI W， ZHANG R. A new store-then-amplify-and-forward protocol for UAV mobile relaying［J］. IEEE Wireless Communications Letters， 2020， 9（5）： 591-595.
[10]	FAN J， CUI M， ZHANG G， et al. Throughput improvement for multi-hop UAV relaying［J］. IEEE Access， 2019， 7： 147732-147742.
[11]	WANG Z， ZHOU F， WAGN Y， et al. Joint 3D trajectory and resource optimization for a UAV relay-assisted cognitive radio network［J］. China Communications， 2021， 18（6）： 184-200.
[12]	NING Y， CHEN R. Secure UAV relay communication via power allocation and trajectory planning［J］. IEEE Systems Journal， 2022， 16（4）： 6243-6252.
[13]	GUO Y， YIN S， HAO J. Joint placement and resources optimization for multi-user UAV-relaying systems with underlaid cellular networks［J］. IEEE Transactions on Vehicular Technology， 2020， 69（10）： 12374-12377.
[14]	JIANG X， WU Z， YIN Z， et al. Trajectory and communication design for UAV-relayed wireless networks［J］. IEEE Wireless Communications Letters， 2019， 8（6）： 1600-1603.
[15]	KANG Z， YOU C， ZHAGN R. 3D placement for multi-UAV relaying： an iterative Gibbs-sampling and block coordinate descent optimization approach［J］. IEEE Transactions on Communications， 2021， 69（3）： 2047-2062.
[16]	LI B， ZHAO S， ZHANG R， et al. Full-duplex UAV relaying for multiple user pairs［J］. IEEE Internet of Things Journal. 2021， 8（6）： 4657-4667.
[17]	SHENG Z， TUAN H， DUONG T， et al. UAV-aided two-way multi-user relaying［J］. IEEE Transactions on Communications， 2021， 69（1）： 246-260.
[18]	LIANG Y， XIAO L， YANG D， et al. Joint trajectory and resource optimization for UAV-aided two-way relay networks［J］. IEEE Transactions on Vehicular Technology， 2022， 71（1）： 639-652.

多用户对无人机中继系统的吞吐量最大化

Throughput maximization of UAV relaying system with multiple user pairs

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 18

相关文章 15

编辑推荐

Metrics

[1]	赵莉朋, 郭兵. 基于BDLS的区块链共识改进算法[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1139-1147.
[2]	毛志鹏, 仇润鹤. 解码转发全双工能量收集最大的多认知中继网络能效谱效权衡[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1202-1208.
[3]	乔峰, 仇润鹤. 剩余硬件损伤下非线性能量收集全双工双向中继网络的吞吐量优化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3884-3892.
[4]	张茜, 仇润鹤. 解码转发全双工中继网络的能效谱效均衡[J]. 《计算机应用》唯一官方网站, 2023, 43(10): 3188-3194.
[5]	张丰婷, 杨菊花, 任金荟, 金坤. 基于优化变分模态分解和核极限学习机的集装箱吞吐量预测[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2333-2342.
[6]	王令照, 仇润鹤. 基于非线性能量收集的全双工认知中继网络的联合优化方法[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3130-3139.
[7]	李彤, 仇润鹤. 多中继协作空间调制的中继选择及性能分析[J]. 计算机应用, 2021, 41(7): 2019-2025.
[8]	施安妮, 李陶深, 王哲, 何璐. 基于缓存辅助的全双工无线携能通信系统的中继选择策略[J]. 计算机应用, 2021, 41(6): 1539-1545.
[9]	刘宇, 朱朝阳, 李金泽, 劳源基, 覃团发. 检测型的联盟区块链共识算法d-PBFT[J]. 计算机应用, 2021, 41(3): 756-762.
[10]	陈永红, 郭莉莉, 张士兵, 杨洁. 基于微基站发射功率的异构蜂窝网络能效优化[J]. 计算机应用, 2020, 40(4): 1115-1118.
[11]	周叶宁, 李陶深, 曾敏, 肖楠. 最小化具有无线携能通信的全双工中继系统发射功率和[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 363-368.
[12]	王妍, 马秀荣, 单云龙. 长期演进系统基于加权平均时延的下行资源调度[J]. 计算机应用, 2019, 39(5): 1429-1433.
[13]	席皓哲, 王瑞峰. 基于天线分组的高铁大规模多输入多输出自适应波束赋形方案[J]. 计算机应用, 2019, 39(3): 839-844.
[14]	屈启吉, 郑霖. 基于6LoWPAN的嵌入式多网关系统设计与实现[J]. 计算机应用, 2018, 38(9): 2593-2597.
[15]	刘铭, 毛玉明, 冷甦鹏. 全双工无线供能物联网的物理层安全性能分析[J]. 计算机应用, 2018, 38(10): 2913-2917.