شماره مدرك
21104
شماره راهنما
2491 دكتري
پديد آورنده
خداداي، زهرا
عنوان
تخصيص منابع و برنامهريزي مسير براي رلههاي پهپادي چندآنتنه در شبكههاي يكپارچه فضا–هوا–زمين
مقطع تحصيلي
دكتري
گرايش تحصيلي
مخابرات سيستم
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1404
صفحه شمار
دوازده، 127ص. : مصور،جدول، نمودار
توصيفگر ها
شبكهي يكپارچه فضا-هوا-زمين , رلههاي پهپادي چندآنتني , پيوندهاي تركيبي RF/FSO , تخصيص منابع , انتخاب دروازه , بهينهسازي مسير پهپاد , يادگيري تقويتي عميق
تاريخ ورود اطلاعات
1405/03/17
كتابنامه
كتابنامه
رشته تحصيلي
مهندسي برق
دانشكده
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات
1405/03/18
كد ايرانداك
23218004
چكيده فارسي
شبكههاي يكپارچهي فضا–هوا–زمين (SAGIN) به عنوان بخشي جداييناپذير از شبكههاي اينترنت اشياء از راه دور (IoRT) مطرح ميشوند. با افزايش شديد تقاضا و محدوديت منابع طيف، SAGIN با رلههاي هوايي تكآنتنه در پاسخگويي به نياز ظرفيت بالا و نرخ دادهي زياد با چالش مواجهاند. از اينرو، اين پژوهش با تمركز بر صرفهجويي انرژي پهپادها، در دو گام اساسي، معماريها و طرحهاي بهينهسازي جديدي را براي شبكههاي چندلايهي چندپهپادي چندآنتنه ارائه ميدهد.
در گام نخست، شبكهاي سهلايه شامل رلههاي پهپادي (UAV) چندآنتنه مدلسازي ميشود كه در آن تنها برخي از پهپادها به عنوان دروازه براي انتقال دادهها به ماهواره انتخاب ميشوند. براي پيوندهاي هوايي از فركانس راديويي (RF) و براي پيوندهاي فضايي از تكنولوژي فضاي آزاد نوري (FSO) استفاده ميشود. بهمنظور كاهش مصرف انرژي و محدودسازي تعداد دروازهها، مسئلهي بهينهسازي توأم براي انتخاب دروازه، تخصيص كانال، مكانيابي و توان پهپادها فرموله ميشود. اين مسئلهي غيرمحدب با رويكردي دومرحلهاي حل ميشود: در مرحله اول از خوشهبندي PSO–K-means مقيد به اندازه و در مرحله دوم از الگوريتم بازپخت شبيهسازيشده (SA) و تقريب محدب متوالي (SCA) بهره گرفته ميشود. در نهايت، اثربخشي طرح پيشنهادي توسط نتايج شبيهسازي نشان داده ميشود. تعداد دروازههاي مورد نياز براي سناريوهاي مختلف تعيين ميشود و تفاوت عملكرد بين در نظر گرفتن كل توان مصرفي پهپادها (شامل توان ارسالي پهپادها و توان مصرفي مربوط به مدارات داخلي) يا تنها توان ارسالي پهپادها نشان داده ميشود. لازم به ذكر است كه با پيادهسازي الگوريتم SA براي بهينهسازي توأم توان ارسالي پهپادها، انتخاب دروازهها و تخصيص كانال پهپادها به دروازهها، طرح پيشنهادي ما در مقايسه با حالتي كه فقط خوشهبندي انجام ميشود، به بهبود عملكرد متوسط 44٪ دست مييابد. علاوه بر اين، شبيهسازي براي مقايسهي روش خوشهبندي پيشنهادي ما با ساير روشهاي خوشهبندي انجام ميشود كه نشانگر عملكرد مطلوب روش پيشنهادي ما است. نتايج همچنين تأثير تعداد پهپادها و تعداد آنتنهاي آنها را بر عملكرد سيستم نشان ميدهد و مشاهده ميشود افزايش تعداد پهپادها و تعداد آنتنهاي آنها منجر به افزايش مجموع نرخ دادهي قابل دستيابي سيستم ميشود.
در گام دوم، با هدف بهينهسازي مسير پروازي پهپادها در طول زمان و نزديكتر شدن به پيادهسازي عملي شبكه، مدل سيستم توسعه مييابد. يكي از يافتههاي مهم بخش نخست آن بود كه در شرايطي كه هيچ محدوديتي براي انتخاب دروازههاي ارتباطي در نظر گرفته نميشود، بهدليل مصرف انرژي كمتر در پيوندهاي FSO نسبت به پيوندهاي RF، پهپادها تمايل دارند همگي بهعنوان دروازههاي انتقال داده عمل كنند. هرچند اين انتخاب از ديدگاه نظري بهصرفه به نظر ميرسد، اما در عمل با محدوديتهاي انرژي و پايداري پرواز مواجه است. بر اين اساس، در گام دوم با ادغام پهپادها و سكوهاي ارتفاعبالا (HAP)، مدل شبكهي توسعهيافتهاي ارائه ميشود كه ضمن برطرفسازي محدوديتهاي عملي، پايداري شبكه را افزايش ميدهد. در اين ساختار، پهپادها وظيفهي جمعآوري دادههاي محلي را بر عهده داشته و HAP بهعنوان دروازهي اصلي ارتباط با ماهواره عمل ميكند. مسئلهي جديدي از بهينهسازي مسير و سرعت پهپادها براي كمينهسازي انرژي در نظر گرفته ميشود كه با استفاده از الگوريتم يادگيري تقويتي چندعاملهي عميق MADDPG حل ميشود تا پهپادها بتوانند در محيطهاي متغير و پويا، بهصورت هوشمند و بلادرنگ مسيرهاي بهينهي خود را بياموزند. نتايج شبيهسازيها نشان ميدهد كه روش پيشنهادي توانستهاست انرژي مصرفي پهپادها را 23٪ نسبت به حالت پهپادهاي شناور و 6٪ نسبت به روش DQN كاهش دهد.
چكيده انگليسي
Motivated by the need for energy-efficient aerial communications, this thesis proposes optimization frameworks for multi-UAV, multi-antenna space–air–ground integrated networks (SAGINs) through two stages. In the first stage, a network composed of multi-antenna UAV relays with hybrid RF/FSO links is modeled, where only a subset of UAVs is selected as gateways for data transmission to a satellite. To reduce UAV energy consumption and limit the number of gateways, a joint optimization problem is formulated for gateway selection, channel allocation, UAV placement, and transmit power. The problem is solved using a two-stage approach based on constrained-size PSO–K-means clustering, simulated annealing (SA), and successive convex approximation (SCA). Simulation results demonstrate the effectiveness of the proposed framework, achieving up to 44% performance improvement over clustering-only schemes. Moreover, the required number of gateways is determined for different scenarios, showing that without gateway-selection constraints, UAVs tend to operate entirely as gateways. Based on these insights, the system model is extended in the second stage to enable UAV trajectory optimization by integrating UAVs with high-altitude platforms (HAPs), resulting in a more stable network architecture. An energy-minimization problem for UAV trajectory is formulated and solved using a multi-agent deep reinforcement learning approach based on MADDPG, which effectively reduces UAV energy consumption.
استاد راهنما
فروغ السادات طباطباء , محمدصادق فاضل فلاورجاني
استاد مشاور
مهدي نادري سوركي
استاد داور
نغمه سادات مويديان , محمدرضا حيدرپور , محمد صابر علي