1、使用无人机的无线组网：激发应用案例

为了让读者清楚了解无人机是如何用作飞行无线基站的，本节将简要描述无人机无线中心部署的大量预期应用。这些应用来自各种场景，包括近期应用案例（如公共安全场景或热点覆盖）以及未来应用（如无人机用作缓存设备或物联网使能器）。当然，在所有此类应用中，系统的用户设备可以包括蜂窝连接的无人机用户设备。

1.1 5G及5G后网络中的无人机空中基站

本节讨论无人机作为空中基站在5G网络中的主要应用。

（1）5G及5G后无线蜂窝网络的覆盖和容量提升：现有无线网络的容量和覆盖极为紧张，为应对这一挑战，出现了大量无线技术。这些技术被认为是5G蜂窝系统的核心，包括设备对设备（D2D）通信、超密集小区网络和毫米波（mmW）通信。部署低空无人机可能是一种为蜂窝基础设施有限地理区域提供无线连通的成本有效方法。高空平台无人机可提供更长期的持续解决方案，为乡村环境提供覆盖。移动无人机在热点和临时事件期间，可按需提供连接、高数据率无线服务和流量卸载机会。

利用无人机实现毫米波通信也是一项颇具前景的应用，无人机与毫米波以及Massive MIMO技术，可以创建一种全新的动态飞行蜂窝网络，提供大容量无线服务。无人机可以潜在提高D2D和车对车（V2V）通信无线链路的可靠性，同时利用发射分集。特别是飞行无人机可以帮助向地面设备广播通用信息，从而减少设备之间的传输数量以降低地面网络中的干扰。无人机基站可以使用空对空链路，服务于其他蜂窝连接的无人机-用户设备，减轻地面网络的负荷。

（2）无人机作为飞行基站，用于公共安全场景：用于公共安全场景的潜在宽带无线技术包括4G LTE、WiFi、卫星通信以及专用公共安全系统。然而，自然灾害发生时，这些技术可能无法提供灵活性、低延迟服务和快速适应环境的能力。在这方面，使用基于无人机的空中网络（如图1所示）是一种在公共安全场景中实现快速、灵活、可靠无线通信的有前景解决方案。由于无人机不需要灵活性极为受限且昂贵的基础设施（例如，电缆），它们很容易动态改变位置，在应急态势下为地面用户提供按需通信。事实上，由于无人机的独特功能，如机动性、灵活部署和快速重构，它们可以有效建立按需公共安全通信网络。例如，无人机可以作为移动空中基站部署，为地面无线基础设施受损地区提供宽带连通能力。此外，飞行无人机能够连续移动，在最短时间内为指定区域提供全面覆盖。因此，使用无人机基站可能是在公共安全场景下提供快速泛在连通能力的适合解决方案。

图1 公共安全场景中的无人机应用

同样，通过跨车辆传播安全信息，无人机也可以在车载网络（即V2V通信）中发挥关键作用。无人机还可以提高D2D和V2V通信链路的可靠性和连通性。一方面，使用无人机可以通过减少地面设备间的传输链路，减轻干扰。另一方面，飞行无人机可以引入发射分集，从而提高D2D、自组网和V2V网络的可靠性和连通性。

图2 无人机辅助的地面网络

（4）3D MIMO与毫米波通信：由于无人机的空中位置及其在特定位置的按需部署能力，它们可被看作是飞行天线系统，利用它们可以进行大规模MIMO、3D MIMO和毫米波通信。例如，近年来，业界对于在地面蜂窝网络中使用垂直和水平维度的3D MIMO（也被称作全维度MIMO）有着巨大的兴趣。如图3所示，3D波束形成可同时在三维空间创建多个独立的波束，从而减轻小区间干扰。相比传统2D MIMO，3D MIMO解决方案可以产生更高的系统总吞吐量，且能为更多用户提供支持。一般来说，3D MIMO更适用于这样的场景：用户数量多而且这些用户以相对于其服务基站不同的仰角分布在三个维度上。由于无人机携带的飞行基站的高度高，根据相对于无人机的不同高度和仰角可以很容易地辨识地面用户。此外，无人机载基站是利用3D MIMO的适合候选方案。

同样，使用基于无人机的无线天线阵可为机载波束形成提供机会。无人机天线阵的阵元是单天线无人机，可以提供MIMO和波束形成机会，在下行和上行场景中有效服务于地面用户。

无人机也可以成为毫米波通信的关键使能器。一方面，装备毫米波能力的无人机可以建立到地面用户的视距连接，减少在高频段工作时的传播损耗。另一方面，使用无人机上的小型天线（毫米波频率），人们可以利用先进的MIMO技术（如大规模MIMO）进行毫米波通信。同时，无人机蜂群可以创建空中可重构天线阵列。

图3 使用无人机的三维波束形成

（5）无人机用于物联网通信：在物联网环境中，高能效、超低延迟、高可靠性和高速上行通信成为主要挑战。特别是，物联网设备的电池非常受限，由于能量限制，通常不能实现远距离发射。例如，在那些地面无线网络覆盖不稳定或不足的地区，由于功率限制，电池容量有限的物联网设备无法将其数据传到遥远的基站。

使用移动无人机成为解决物联网相关大量挑战的颇具前景的解决方案。在以物联网为中心的场景中，无人机可以作为飞行基站进行部署，提供可靠且高能效上行物联网通信。无人机还可以通过基于物联网设备的激活模式更新其位置，从而为大规模物联网系统提供服务。

（6）支持缓存的无人机：在小基站（SBS）进行缓存已成为一种提高用户吞吐量以及减小传输时延的颇具远景的方法。然而，在频繁越区切换情况下，在静态地面基站缓存可能对于为移动用户提供服务不是非常有效的。

无人机作为飞行基站能够动态缓存大众化内容，跟踪对应用户的移动性模式，然后为他们提供有效服务。事实上，使用支持缓存的无人机是一种在无线网络中实现流量卸载的颇具远景的解决方案。与传统静态小基站案例相比，部署支持缓存的无人机的另一优势是可以降低缓存复杂度。例如，只要移动用户移动到一个新小区，其请求的内容就需要存储在新基站。然而，支持缓存的无人机可以跟踪用户的移动模式，因而，存储在无人机上的内容将不再需要额外在小基站缓存。支持缓存的无人机可以跟踪用户移动模式，避免频繁更新移动用户的内容请求。因此，利用支持移动缓存的无人机，预测用户的移动模式和内容请求信息，地面用户可以获得更有效服务。

1.2 蜂窝连接的无人机用作用户设备

无人机可以充当无线基础设施的用户。无人机用户可以用于数据包传送、监视、遥感和虚拟现实应用。无人机用户的主要优势是它们为了迅速完成任务能够快速移动和优化其路径。为了把无人机正确用作用户设备（即，蜂窝连接的无人机用户设备），无人机与地面基站之间需要可靠且低延迟通信。事实上，为了支持无人机大规模部署，需要一种可靠的无线通信基础设施，有效控制无人机运行，同时支持其应用服务产生的流量。

除了超低延迟和可靠性要求，用于监视目的时，无人机用户设备将需要来自地面网络以及其他无人机-基站的高速上行连接。目前的蜂窝网络可能无法全面支持无人机-用户设备，无人-用户设备与地面用户之间存在关键区别，首先，由于地面基站与飞行无人机之间近乎视距通信，无人机用户设备通常历经不同的信道状态。在该案例中，支持无人机用户设备的主要挑战之一是地面基站造成的严重视距干扰。第二，与地面用户不同，无人机用户设备的机载能量非常有限。第三，无人机用户设备通常比地面用户动态性更高。因此，把蜂窝连接无人机-用户设备引入无线网络将会带来新的挑战和设计考量。

1.3 无人机飞行自组网

无人机的关键应用案例之一是用于飞行自组网（FANET），在此种网络中，多架无人机以自组方式通信。利用无人机的移动性、中央控制很少以及自组织等特性，FANET可以在蜂窝基础设施有限的地理区域扩展连通性和通信距离。与此同时，FANET还可在各种应用（如流量监控、遥感、边界监视、沙漠管理、农业管理、防火管理以及中继通信）中扮演重要角色。特别是，无人机中继网络可在由于障碍物或相隔距离太远而无法直接通信的远程发射机和接收机之间，保持可靠的通信链路。

1.4 其他潜在无人机应用案例

（1）无人机用作地面网络的飞行回程：有线回程是基站连接到地面网络的核心网的一种常用方法。然而，由于地理限制，特别是在涉及超密集蜂窝网络时，有线连接可能非常昂贵且不可行。尽管无线回程是一项可行且成本有效的解决方案，但它要遭受堵塞和干扰，从而降低无线接入网的性能。在该案例中，在地面网络实现成本有效、可靠且高速无线回程连通方面，无人机可以发挥重要作用。特别是，无人机可以优化部署，规避障碍物，建立视距可靠通信链路。此外，使用具有毫米波能力的无人机可以建立高数据率无线回程连通，这是应对拥塞区域的高流量需求所需的。无人机还能够创建一种空中可重构网络，提供多跳视距无线回程机会。显然，这种灵活的基于无人机的回程网络可以明显改善地面网络回程的可靠性、能力和运行成本。

（2）智慧城市：无人机可以提供多种智慧城市无线应用案例。一方面，它们可以用作数据采集设备，跨越城市各种地理区域采集大量数据并将这些数据传送到中心云单元进行大数据分析。另一方面，无人机基站可以用于简单增强城市的蜂窝网络覆盖或对特定的紧急情况做出响应。无人机也可以用来感知整个城市的无线电环境图，以协助网络运营商的网络运行和频率规划工作。无人机在智慧城市中另一个关键应用是它们能够充当移动云计算系统。在这方面，安装在无人机上的小云能够为那些无法执行繁重计算任务的设备提供雾计算和卸载机会。在智慧城市里，为了特定用途（例如，再冲电），无人机可能需要临时定位在建筑物上面。在这种情况下，为了协调无人机运行，需要按需对无人机进行位置编号管理。总的来说，从无线和运行角度，无人机将是智慧城市其中不可或缺的一部分。

2、基于无人机的无线组网面临的挑战

为了让读者清楚了解无人机是如何用作飞行无线基站的，本节将简要描述无人机无线中心部署的大量预期应用。这些应用来自各种场景，包括近期应用案例（如公共安全场景或热点覆盖）以及未来应用（如无人机用作缓存设备或物联网使能器）。

由于无人机具有机动性、灵活性等独有特性，将无人机用于无线组网颇具挑战性。本节重点研究基于无人机的无线组网面临的主要挑战。

2.1 空对地信道建模

无线信号传播受发射机和接收机之间介质的影响。空对地（A2G）信道特性明显有别于传统地面通信信道，根据覆盖和容量可以确定基于无人机的无线通信性能。同时，与具有视距优势的空对空通信链路相比，空对地信道更易受障碍物影响。显然，基于无人机的通信系统的优化设计和部署需要采用精确的空对地信道模型。尽管射线追踪技术是一种合理的信道建模方法，但目前还达不到足够的精度，尤其是在低频工作时。在无人机应用于覆盖增强、蜂窝连接无人机用户设备和物联网通信时，精确的空对地信道建模尤为重要。

空对地信道特性明显有别于地面通信信道。特别是无人机的任何移动或振动都可能影响信道特性。此外，空对地信道高度依赖无人机的高度和类型、仰角以及传播环境类型。因此，需要在各种环境下的综合仿真和测量，才能找到一种无人机对地通信的通用信道模型。在信道建模中，必须获得无人机高度、天线运动以及由无人机机身遮挡造成的影响。显然，捕获这些因素是空对地信道建模所面临的挑战。

2.2 最佳部署

2.3 轨迹优化

在基于无人机的通信系统中，无人机的最佳路径规划是另一项重要挑战。特别是，在无人机应用于智慧城市、无人机用户设备和缓存场景过程中，无人机轨迹优化非常重要。无人机轨迹易受不同因素的影响，比如飞行时间、能量限制、地面用户需求和碰撞规避。

当然，无人机飞行路径的优化面临挑战，因为需要考虑许多物理约束和参数。例如，为实现无人机性能优化而探索无人机轨迹时，需要考虑多种关键因素，如由机动性引起的信道变化、无人机动态、无人机能耗以及飞行限制。另外，解决无人机连续轨迹优化问题面临分析性挑战，因为需要找到无数个优化变量（即无人机的位置）。此外，在无人机实现的无线网络中，轨迹优化需要捕获无线通信中机动性与各种QoS指标之间的关联。

2.4 性能分析

在设计基于无人机的通信系统时，为了评估设计参数对系统整体性能的影响，需要进行基本性能分析。当然，由于无人机的高度和潜在机动性以及信道特性不同，对基于无人机的无线系统进行基本性能分析与传统地面网络有很大不同。同时，无人机严格的能量限制还带来一些独特挑战。无人机机载能量有限导致飞行时间短，这是影响基于无人机的无线通信性能的一个主要因素。实际上，对由飞行和地面基站组成的复杂异构空中-地面无线网络进行性能分析是一项颇具挑战性的任务。事实上，需要对基于无人机实现的无线网络进行全面性能分析，同时记录无人机各方面的特性，包括机动性以及与地面网络共存的特定空对地信道特性。此外，由于网络的移动和高动态特性，具有飞行用户和基站的蜂窝连接无人机网络有其特有的复杂性。

2.5 网络规划

网络规划要解决大量关键问题，如基站定位、流量估计、频率分配、小区关联、回程管理、信令和干扰抑制。当无人机用于实现覆盖和容量增强时，基于无人机的无线网络的规划尤为重要。由于无人机独有的特性（移动性、视距干扰、能量限制和无线回程连通性），在无人机辅助蜂窝网络中，网络规划颇具挑战性。对于存在飞行无人机-用户设备的网络，需要新的考量。一方面，上行中大量潜在无人机-用户设备带来的视距干扰会对网络规划造成明显影响。另一方面，地面基站必须装备适合类型的天线，以便为下行无人机-用户设备提供服务。传统蜂窝网络的网络规划与无人机系统之间的另外一点不同是信令和开销数量不同。在使用无人机的蜂窝网络的规划中，必须对信令和开销方面的问题予以考量。

飞行无人机的回程连接是无人机通信系统设计中的另一项关键挑战。由于无人机基站处于空中，需要利用无线回程把它们连接到一个核心网。WiFi和卫星技术是颇具前途的无线回程解决方案。相比WiFi，卫星链路可以提供更广的回程覆盖。但是，相比卫星回程，WiFi链路有成本和时延优势。其他颇具前途的无线回程解决方案是设有地面站的毫米波和自由空间光通信（FSO）。

2.6 资源管理和能量效率

当然，飞行无人机用于传输、机动、控制、数据处理和有效载荷用途的能量有限。因此，无人机的飞行时间通常很短而且不足以提供长期连续无线网络覆盖。无人机的能耗也取决于无人机的角色/任务、天气情况及导航路径。这种能量限制又会限制无人机的飞行和悬停时间。因而在设计无人机通信系统时，需要明确考虑无人机的能量和飞行限制。因此，对无人机的能量效率需要仔细考量，因为它对无人机通信系统有重大影响。事实上，无人机自身能量有限对于无人机在各种应用中的部署和机动有非常大的限制。

2.7 无人机-用户设备

无人机除了可以用作空中基站，也可以作为飞行用户成为蜂窝网络的一部分。无人机-用户设备，由于其相对高的高度、严格的机载能量限制、动态作用、潜在的大量部署以及其近乎毫无限制的机动性，将进一步加剧诸如性能分析、干扰管理、机动性管理以及能量和频谱效率等方面的传统无线挑战。特别是由于无人机-用户设备的大量部署、为实现基站到无人机通信而地对空信道建模、设计可支持高高度（即高仰角）无人机的适合基站天线，在蜂窝网络中使用无人机-用户设备引入了独特的挑战，例如上行干扰管理。另外，无人机-用户设备要求超可靠低延迟通信（URLLC），旨在迅速控制其运行，保证其安全有效导航。显然，需要URLLC还会导致新型无线组网挑战。

此外，部署飞行无人机-用户设备和无人机-基站空中网络，还需要有效的越区切换管理机制。越区切换是无线网络的一个关键过程，在这个过程中，用户关联发生改变，目的是维护移动用户的连通。同时，越区切换管理将造成无线网络中的信令开销。这种越区切换信令取决于网络的规模、机动性（用户和基站移动）、用户和基站位置以及越区切换速率。在基于无人机的通信系统中，需要进行越区切换管理，以减少越区切换信令，同时为超可视视距（BVLOS）场景中的飞行无人机提供连通。在无人机通信中，由于无人机用户设备和无人机基站的高度动态特性，相比传统蜂窝网络，越区切换管理有非常大的挑战性。有效的越区切换机制必须适应无人机-用户设备和无人机-基站的3D移动，同时在为无人机-用户设备提供服务时，保证低延迟通信和控制。

此外，对于无人机-用户设备，所有上述的挑战还必须考虑到这样的事实：为了实现用户覆盖最大化，地面基站的天线将下倾。因此，了解天线倾斜对无人机-用户设备的影响，这是非常必要的，同时还需要研究如何通过自适应波束形成或地面基站的新型无人机-用户设备感知设计克服这种限制。

3、基于无人机的无线通信及网络面临的开放性问题

在前一节中，概述了基于无人机的无线通信的总体研究方向和面临的挑战。以下章节则讨论每个涵盖领域面临的开放性研究问题，详细描述未来机遇。尽管对于无人机通信进行了大量研究，但仍然存在许多关键开放性问题，必须加以研究。

3.1 信道建模

对于空对地信道建模，存在几个关键开放性问题。第一点，也是最重要的一点，需要更多来自真实测量的真实信道模型。虽然在这方面的工作已经开始，但大部分工作仍然局限于单架无人机或非常特殊的环境。信道测量需要能够跨城区和乡村地区，同时，也有必要进行各种工作环境（例如气候条件）下更广泛的信道测量。此外，仿真结果也可以扩展到对小尺度衰落模型空对地通信进行建模。此外，随着无人机越来越多地用作飞行基站、无人机用户设备甚至是用于回程支持，人们必须对空对空信道建模有更多的洞察。具体来说，由于无人机的机动性，需要能够捕获信道时变和多普勒效应的精确无人机到无人机信道模型。此外，在考虑无人机飞行高度以及天线运动的同时，需要描述空对空通信中的多径衰落特性。

3.2 部署

要解决无人机部署方面的开放性问题，由于无人机的独特特性，需要新的无人机优化3D布局解决方案。例如，关键的开放问题之一是在地面网络场景下优化无人机3D布局。例如，需要研究无人机如何在与蜂窝网络共存的情况下进行部署，同时考虑空中系统与地面系统之间的相互干扰。部署过程中，其他关键开放性问题包括：

（1）部署和带宽分配的联合优化，实现低延迟通信：为了降低由无人机基站提供服务用户的最大传输延迟，所面对的一个问题是对无人机基站的3D位置和带宽分配的联合优化。特别是在无人机基站数量、用户位置和可用于服务用户的带宽总量一定的情况下，一个重要的开放性问题是找到每个无人机基站的最优位置及其传输带宽，尽量降低用户的最大下行传输延迟。

（2）3D布局和小区关联的联合优化，实现飞行时间最小化：为用户提供无线服务的无人机基站的飞行时间取决于多个因素，如连接到无人机基站的用户载荷和数量以及下行传输速率。在这个问题中，在无人机-基站数量一定的情况下，通过联合优化无人机-基站位置和用户-无人机关联，应该能够使无人机-基站为用户提供全面服务所需的总飞行时间最短。

（3）无人机的障碍物感知部署，实现无线覆盖的最大化：服务于地面用户的无人机基站的覆盖性能受障碍物的影响。在这一点上，一个关键的开放性问题是基于用户和障碍物位置，对无人机基站进行优化布局，从而最大化无人机基站总覆盖。具体来说，在地面用户和环境中障碍物位置一定的情况下，能够确定无人机-基站的3D位置，以便无人机覆盖最大数量的用户。对于运行于高频段（例如，毫米波频率）的无人机，这种方法尤为有用。

3.3 轨迹优化

尽管无人机潜在的机动性能够为其应用带来机遇，但也带来了新的挑战和技术问题。在无人机辅助的无线网络中，需要针对关键性能指标对无人机轨迹进行优化，如吞吐量、能量和频谱效率以及时延。此外，轨迹优化问题必须考虑无人机的动态和类型。尽管对无人机轨迹优化进行了大量研究，但仍然存在大量颇具吸引力的开放性问题，包括：1）基于地面用户移动性模式的无人机轨迹优化，提升覆盖性能；2）无人机障碍物感知轨迹优化考虑用户时延限制和无人机能耗；3）通过轨迹优化提升基于无人机无线网络的可靠性并降低延迟；4）无人机的联合控制、通信和轨迹优化，缩短无人机飞行时间。

3.4 性能分析

对于性能分析，有很多问题仍待研究。例如，必须完全描述由空中和地面用户和基站组成的基于无人机无线网络的性能，即覆盖和容量。特别是需要一种异构空-地网络中的覆盖概率和频谱效率的易处理表达式。此外，需要通过基本性能分析，捕获无人机网络中频谱效率和能量效率之间的固有权衡。另一个开放性问题是将无人机机动性加入对基于无人机的无线网络的性能评估中。对这种移动无线网络的基本分析涉及捕获网络中各种性能指标的空间和时间变量。例如，需要对无人机轨迹对其通信性能的影响进行研究，包括吞吐量、延迟和能效。

3.5 网络规划

使用无人机进行有效网络规划需要解决大量关键问题。例如，如何用最少量无人机提供对地面基站只能部分覆盖的指定地理区域的全覆盖。当这一感兴趣地理区域的几何形状（例如圆盘或方形）不规则时，解决上述问题还要面临特殊挑战。另一个设计问题是使用无人机作为空中基站时，无人机回程感知调度。在这一案例中，当部署无人机基站时，必须考虑无人机回程连通性及其用户的服务质量。其他重要的开放性问题包括：1）在地面和空中基站与用户共存时进行有效的频率规划；2）开发新方法，使飞行中的无人机无论何时入网都能动态实现；3）设计能够应对高移动性无人机用户设备的鲁棒自适应网络规划技术。最后一点，必须对无人机基站和无人机用户设备相关信令开销进行分析，同时描述开销对性能的影响。

3.6 资源管理和能量效率

资源管理是基于无人机的通信系统中另一重要研究问题。特别是需要一种能够动态管理各种资源的框架，包括带宽、能量、发射功率、无人机飞行时间、无人机数量等。例如，如何动态调整服务于地面用户的飞行无人机的发射功率和轨迹。同时，需要设计有效的调度技术，抑制无人机辅助的蜂窝网络中空中和地面基站间的干扰。另外，必须对飞行和地面基站异构网络中动态频谱共享进行分析。最后，采用适合无人机运行的频段（例如，WiFi、LTE频段）是重要的设计问题。

3.7 无人机-用户设备

当然，在蜂窝中充当用户的飞行无人机会引入新的设计挑战。特别是在无线网络中使用无人机用户设备时，必须考虑无人机的机动性、视距干扰、越区切换、能量限制以及低延迟控制。在这点上，无人机用户设备通信中的关键开放性问题包括：1）开发用于大规模无人机用户设备部署场景的鲁棒干扰抑制技术；2）设计动态越区切换机制，管理无人机高机动性带来的频繁越区切换问题；3）为基站到无人机通信提供精确的地对空信道模型；4）提出新的调度方案，同时考虑无人机电池的限制；5）设计有效的解决方案，满足无人机用户设备的URLLC需求；6）分析特定应用的QoS措施。

4、实现基于无人机通信的分析框架

实现基于无人机通信的分析框架这一领域是高度跨学科的，它将需要利用传统领域工具，如通信理论、优化理论和网络设计以及新兴领域，如随机几何、机器学习和博弈论，如图4所示。

图4 设计无人机通信系统的数学工具

4.1 集中优化理论

在无人机作为飞行基站进行部署的第一阶段，尽管无人机具有固有自主能力，人们仍然设想最初无人机仍将依赖中央控制。这对于蜂窝网络容量增强这类应用非常重要，在这些应用中，在像无人机这样的技术早期试验过程中，蜂窝操作人员可能不愿意放弃对网络的控制权。在此类场景中，许多确定的研究问题将自然涉及表述和解决颇具挑战性的集中优化问题。此类问题可能在云端（例如在云辅助无线电接入网络），也可能在地面基站级（能够控制一些无人机）。

值得注意的是，传统地面蜂窝网络优化问题的解决方案可以用于无人机通信。例如，连续凸优化等经典方法可以用于优化无人机的三维位置和轨迹。然而，这里确定的许多问题都需要更先进的优化技术。例如，在分析用户关联问题时，自然会归结到具有挑战性的混合整数规划问题，这类问题无法使用传统算法（例如那些用于凸优化的算法）解决。先进的数学工具（最优输运理论）可为大量小区关联问题提供易处理的解决方案，实现无人机飞行时间和基于无人机的无线网络吞吐量和能量效率的优化。

4.2 最优输运理论

对于伴随基于无人机的无线网络中用户关联、资源分配和飞行时间优化等问题而出现的非常艰难的优化问题，利用最优输运理论可以得出易处理的解决方案。利用概率论和统计学领域的新思想，利用最优输运理论能够获得无线设备的总分布，能够比现有启发式研究能更深入地对网络性能优化展开基本分析。最优输运属于数学领域，研究物品在不同位置之间的输运场景。

在最优输运理论框架内，可以解决用户任一通用空间分布的小区关联问题。事实上，针对基于无人机的无线网络中用户关联资源分配、能量管理和飞行优化问题的多样化，可利用最优输运理论推导出易处理的解决方案。具体而言，给定地面用户的任一空间分布，可以利用最优输运理论推导出最优小区关联和资源管理方案，从而实现最佳系统性能，包括能量效率、吞吐量以及在无人机确定性飞行时间约束下的时延。

4.3 使用随机几何的性能分析

随机几何技术是作为自组网和蜂窝网络强大的性能分析工具而兴起的。其主要原理是赋予定位设备（例如用户和基站）一个点过程，然后对关键性能指标进行评估，例如覆盖、速率、吞吐量或时延。尽管该技术已用于2D异构蜂窝网络分析，但它也可能可用于描述3D无人机网络性能。然而，必须使用现实的点过程，对无人机位置进行建模。例如，当无人机部署在用户热点时，二项-泊松聚类过程更适合，目标是服务于特定区域的大量用户。

4.4 机器学习

机器学习使系统能够通过对其环境和过去的经验进行自动学习，从而提高其性能。机器学习可潜在用于实现基于无人机的无线通信系统的设计和优化。例如，使用强化学习算法，无人机可以动态调整自己的位置、飞行方向和运动控制，为地面用户提供服务。在这种情况下，无人机能够以一种自组织方式快速适应动态环境，并自动优化其轨迹。此外，可利用神经网络技术并进行数据分析，预测地面用户行为并有效部署和操控无人机。例如，利用机器学习工具能够预测用户移动性及其载荷分布，可用于进行无人机优化部署和路径规划。有关用户的机动性模式和流量分布的信息对于设计用于缓存的无人机系统特别有用。机器学习还可用于学习无线电环境图以及使用无人机建立3D信道模型。这些无线电环境图可随后用于无人机通信系统的优化部署和操作。

4.5 博弈论

分布式决策将是无人机网络一个不可或缺的组成部分。因此，随着机器学习的使用，博弈论将为基于无人机的无线网络中分布式决策提供重要基础。博弈论是一种自然用于分析资源管理和轨迹优化问题的工具，其中决策在每架无人机级制定。在这样的情况下，每架无人机将具有捕获其服务质量的独立目标函数。在无人机实现的网络中，分布式资源管理问题将涉及不同类型的参与者（无人机、基站、用户设备）以及多维策略空间，包括能量、频谱、悬停/飞行时间和3D位置。由此将激发先进博弈论机制的使用，如新兴的多博弈概念，在一个无人机网络中，可能多种博弈共存，如无人机之间的博弈和地面基站之间的博弈，同样，需要对这样的多博弈场景进行分析。

5、结语