Mobilitetshantering och Lokalisering för Mobilanslutna UAV:er
Tid: Fr 2024-04-12 kl 14.00
Plats: Amiga, Kistagången 16, Kista
Videolänk: https://kth-se.zoom.us/s/68309059736
Språk: Engelska
Licentiand: Irshad Ahmad Meer , Kommunikationssystem, CoS
Granskare: Professor Halim Yanikomeroglu, Carleton University, Ottawa, Ontario, Canada
Huvudhandledare: Associate Professor Cicek Cavdar, Radio Systems Laboratory (RS Lab); Researcher Mustafa Ozger, Radio Systems Laboratory (RS Lab); Docent Ki Won Sung, Radio Systems Laboratory (RS Lab)
QC 20240319
Abstract
Unmanned Aerial Vehicles (UAV) anslutna till cellulära nätverk presenterar nya utmaningar och möjligheter inom mobilitetshantering och lokalisering, skilda från dem som markanvändare står inför. Denna avhandling presenterar ett integrerat tillvägagångssätt, som kombinerar två nyckelaspekter som är väsentliga för integrationen av UAV:er med cellulära nätverk.
För det första introducerar den mobilitetshanteringsutmaningarna för mobilanslutna UAV:er, som skiljer sig avsevärt från markbundna användare. Medan markbunden mobilitetshantering i första hand syftar till att förhindra radiolänkfel nära cellgränser, upplever antennanvändare fragmenterad och överlappande täckning med siktlinjeförhållanden som involverar flera markbasstationer (BS). Mobilitetshantering för UAV sträcker sig sålunda bortom att undvika länkfel, och syftar till att minimera onödiga överlämningar samtidigt som man säkerställer utökad servicetillgänglighet, särskilt i upplänkskommunikation. Synlinjeförhållanden från en UAV till flera BS:er ökar sannolikheten för frekventa överlämningar, vilket resulterar i kontrollpaketkostnader och kommunikationsförseningar. Denna avhandling föreslår två tillvägagångssätt för att möta dessa utmaningar: 1) En modellbaserad tjänsttillgänglighetsmedveten Mobility Robustness Optimization (MRO) som anpassar parametrar för överlämning för att bibehålla hög servicetillgänglighet med minimal överlämning, och 2) Ett modellfritt tillvägagångssätt med Deep Q- nätverk för att minska onödiga överlämningar samtidigt som hög servicetillgänglighet bibehålls. Simuleringsresultat visar att båda de föreslagna algoritmerna konvergerar snabbt och ökar tjänstens tillgänglighet med mer än 40% medan antalet överlämningar minskas med mer än 50% jämfört med traditionella metoder.
För det andra, för att bedöma förmågan hos ett nätverk att stödja den räckviddsbaserade lokaliseringen för de cellulärt anslutna UAV:erna, introduceras ett analytiskt ramverk.Metriska B-lokaliseringsförmågan definieras som sannolikheten för att framgångsrikt ta emot lokaliseringssignaler över en specificerad signal-till-interferens plus brusförhållande (SINR) tröskel från minst B jord BSs.Ramverket, som tar hänsyn till UAV-relaterade parametrar i en tredimensionell miljö, ger omfattande insikter i faktorer som påverkar lokaliserbarhet, såsom avståndsfördelningar, vägförlust, störningar och mottagen SINR. Simuleringsstudier undersöker korrelationen mellan lokaliserbarhet och antalet deltagande BS:er, SINR-krav, luft-till-mark-kanalegenskaper och nätverkskoordination. Dessutom har ett optimeringsproblem formulerats för att maximera lokaliseringsförmågan, undersöka effekten av UAV-höjd över olika scenarier. Vår studie avslöjar att i en urban makromiljö ökar effektiviteten av mobilnätsbaserad lokalisering med höjden, med lokaliserbarhet som når 100% över $60$ meter. Detta fynd indikerar att användning av mobilnät för UAV-lokalisering är ett gångbart alternativ.