توصيفگر ها :
پرندۀ هدايت پذير از دور , پهپاد , مخابرات بي سيم , بهينە سازي تصادفي , ارتباطات موج ميلي‌متري , تخصيص منابع
چكيده فارسي :
استفاده از دستگاە هاي پرنده مانند پرندۀ هدايت پذير از دور كه به طور مختصر پهپاد ناميده مي‌شود، به سرعت در حال افزايش است. به خصوص به خاطر ويژگي ذاتي آنها مثل قابليت تحرك، انعطاف پذيري و ارتفاع قابل تغيير، پهپاد ها مي‌توانند چندين كاربرد بالقوۀ كليدي در سيستم هاي بي سيم داشته باشند. از طرفي پهپاد ها مي‌توانند در راستاي بهبود پوشش، ظرفيت، قابليت اطمينان و بهرە وري انرژي به عنوان ايستگاه پايۀ هوايي استفاده شوند. از طرف ديگر آنها مي‌توانند به عنوان ترمينال هاي قابل حمل در يك شبكۀ سلولي عمل كنند. چنين پهپاد متصل به شبكۀ سلولي مي‌تواند كاربرد هاي متعددي اعم از پخش ويديوي بي درنگ تا تحويل كالا داشته باشد. از مهم ترين موارد استفاده پهپاد مي‌توان به مواقع بروز حوادث طبيعي اشاره كرد. در چنين مواقعي كه زيرساخت زميني آسيب مي‌بيند مي‌توان به سرعت پهپاد را به عنوان ايستگاه پايه جايگزين نمود. در اين پژوهش بر روي كاربرد پهپاد به عنوان ايستگاه پايه تمركز شده است. در مدل پيشنهادي تعدادي كاربر زميني حول ساختمان هايي پراكنده هستند و هدف اين است كه از پهپاد به عنوان ايستگاه پايه هوايي در جهت سرويس دهي به اين كاربران استفاده كرد. لازم به ذكر است كه كانال ارتباطي بين پهپاد و كاربران زميني نيز از نوع موج ميلي‌متري خواهد بود. در اين باند ارتباطي با چالش هاي متفاوتي از جمله احتمال عدم وجود لينك ارتباطي مستقيم روبرو خواهيم شد. به اين منظور تاثير انسداد چنين ارتباطي توسط ساختمان نيز مدل شده است. از آن جايي كه فرض مي‌شود مكان كاربران به طور قطعي در دسترس نيست، لذا مجبور خواهيم بود به تابع توزيع مكان ͳكاربران اكتفا كنيم. در نتيجۀ اين عدم قطعيت، مسئلۀ بهينە سازي در اين مدل از نوع تصادفي‌خواهد بود. لذا مروري نيز بر روي اين دسته مسائل بهينە سازي و روش حل آنها شده است. هدف اين پژوهش در واقع يافتن كمترين تعداد پهپاد ممكن و همچنين مكان آنها در عين حداكثر ساختن نرخ مجموع است. پس از فرموله كردن مسئله مشاهده مي‌شود كه مسئله از نوع NP-hardاست و لذا روش حل ساده و مستقيمي ندارد. براي حل مسئله آن را به دو زيرمسئله تبديل كرده و هر كدام به روشي حل شده است. در جهت ارزيابي سيستم ابتدا مصالحه بين دو هدف مسئله بررسي شده است. اين مصالحه توسط يك پارامتر طراحي برقرار مي‌شود. همچنين نتايج شبيە‌سازي نشان مي‌دهد كه با افزايش ارتفاع پهپاد به دليل افزايش ناحيه پوشش، نرخ مجموع بيشتري خواهيم داشت كه البته ارتفاع پهپاد مقدار بهينە اي دارد و پس از آن روند نرخ مجموع كاهشي خواهد بود. همچنين مشخص مي‌شود كه هر چه كاربران با تراكم كمتري حول ساختمان پراكنده باشند، نتايج بهتر خواهند شد.
چكيده انگليسي :
Use of flying devices, such as unmanned aerial vehicles, abbreviated as UAVs, is rapidly increasing. Particularly
because of their inherent characteristics such as mobility, flexibility, and variable altitude, UAVs can have several potential
key applications in wireless systems. On the one hand, UAVs can be used as an aerial base stations to improve coverage,
capacity, reliability, and energy efficiency. UAVs, on the other hand, can act as portable terminals in a cellular network.
Such a cellular network can have many applications, from real-time video playback to object delivery. One of the most
important uses of UAVs is during natural disasters. In such cases, when the ground infrastructure is damaged, the drone can
be quickly replaced as a base station.
This study focuses on the use of UAVs as a base station. In the proposed model, a number of ground users are scattered
around buildings, and the goal is to use the drone as an air base station to serve these users. It should be noted that the
communication channel between the UAV and ground users will be of the millimeter-wave type. In this frequency band,
we will face various challenges, including the possibility of not having a line-of-sight link. Thus, the effect of blocking
such links by the building is also modeled. Since it is assumed that users’ locations are not definitively available, we model
users’ location distribution function. As a result of this uncertainty, the optimization problem in this model will be stochastic.
Therefore, a review has been done on this category of optimization problems and how to solve them. The aim of this study
is to find the least possible number of UAVs and also their location while maximizing the sum rate. However, this problem
is proven to be NP-hard and therefore has no simple and direct solution method. To solve the problem, it has been turned
into two sub-problems and each has been solved in a way. Finally, by presenting the simulation results, we evaluate the
proposed system
