基于RIS辅助通信网络的低成本高效无人机部署与路径规划

《Computer Networks》：Cost-Efficient UAV Placement and Route Planning for RIS-Assisted Communication Networks

多用户热点环境下RIS-UAV动态部署与路径规划研究，提出分阶段NP难问题分解方法，通过悬停点优化与能量约束路径规划降低53%设备需求。

　　

陈博宇|赵志民|林志宇|叶春超

台湾海洋大学计算机科学与工程系，基隆，20224，台湾

摘要

在最近的发展中，可重构智能表面（RIS）作为一种有前景的技术出现，用于改善无线信号传播并扩展覆盖范围。利用无人驾驶飞行器（UAV）的移动性，配备RIS的UAV（RIS-UAV）可以动态重新定位自己，充当空中中继，从而在受到物理障碍物阻挡的环境中实现视距（LoS）通信。本文旨在为RIS-UAV开发一种成本效益高的部署和路由规划解决方案。大多数关于RIS-UAV放置和路由的研究都集中在静态RIS配置或单个UAV的部署上，常常忽略了诸如多个地理分布的热点、用户之间的不同信噪比（SNR）要求、UAV的有效载荷容量以及能量限制等关键现实因素。为了解决这些问题，本文将RIS-UAV的放置和路由规划问题分解为两个NP难问题，并依次解决：（1）确定最佳悬停点并将RIS-UAV分配到这些位置；（2）为每个RIS-UAV设计符合能量限制的路由。仿真结果表明，与使用模拟退火和人工蜂群算法的基线方法相比，所提出的方法可以将所需的RIS-UAV数量减少多达53%。

引言

随着6G的兴起和无线系统的广泛应用，网络面临着频谱有限、能耗高和信号丢失等挑战。为了解决这些问题，研究人员转向使用可重构智能表面（RIS）来提高效率[1]。RIS利用低功耗元件被动反射和塑造信号，从而增强覆盖范围和能源效率。它在密集或受阻环境中特别有用。然而，大多数研究假设RIS是静态放置的，在动态场景中效果较差[2]、[3]、[4]、[5]、[6]。无人驾驶飞行器（UAV）提供了灵活的部署方式，可以克服障碍并扩展覆盖范围。虽然过去的研究将UAV放置在热点中心[7]、[8]、[9]、[10]，但它们往往忽略了信号质量和能量限制。为UAV配备RIS（RIS-UAV）可以提高适应性和性能，在各种领域都证明了其有效性[11]、[12]、[13]、[14]、[15]、[16]。本文的目标是为RIS-UAV开发一种成本效益高的部署和路由规划解决方案。

现有的RIS部署研究主要局限于静态RIS配置或仅涉及单个RIS-UAV的场景，这使得这些方法不适用于用户分布不均匀的大规模环境（即多个用户热点）。一些研究考虑了多个RIS-UAV的环境，但未能指定所需的RIS-UAV数量或考虑它们的飞行路线，仅提供了不完整的解决方案[17]、[18]、[19]。根据是否部署了多个RIS-UAV以及通信环境是否包含多个用户热点，现有的RIS-UAV部署策略可以分为表1所示的几类。

针对少数用户的单一RIS-UAV部署的现有方法在实际场景中（即多个用户集群）并不实用[20]、[21]、[22]、[23]、[24]、[25]。在单个RIS-UAV面对多个用户热点的场景中，现有方法无法保证在固定时间内为所有热点提供服务，特别是当RIS-UAV的航线长度或所需的悬停点数量增加时。因此，这些解决方案的可行性仍值得怀疑[17]、[18]、[19]。现有的多RIS-UAV部署方法仅考虑了少数用户，因此对于大规模或用户密集的环境来说解决方案不切实际[26]、[27]、[28]。此外，现有的RIS-UAV部署方案忽略了RIS-UAV的有效载荷限制，未能优化所需的RIS-UAV数量、能耗和路线。为了解决这些问题，本文提出了一种使用移动RIS-UAV为多个分布不均匀的用户热点提供服务的解决方案，在有效载荷限制下优化RIS-UAV的数量和能耗，同时确保所有用户满足他们的信噪比（SNR）要求。

本文的主要贡献如下：

•

提出了一种适用于用户分布广泛的环境中的多用户热点的RIS-UAV辅助无线通信系统（第3.1节）。

•

定义了RIS-UAV最小化问题，并将其分解为两个子问题，并证明了这些子问题是NP难的（第3.2节）。

•

优化每个RIS-UAV的路由和悬停点，以最小化所需RIS-UAV的总数量，同时考虑部署成本和单个UAV的有效载荷限制等实际约束（第4节）。

相关工作

相关工作

本节回顾了表1中分类的UAV部署解决方案。指出了现有方法的局限性，并阐明了我们考虑的场景如何更紧密地符合实际情况。

在仅有一个RIS-UAV且没有多个用户热点的类别中，有一项工作应用RIS-UAV来辅助双中继电力线通信和射频（PLC–RF）系统。作者计算了在不同信道条件下的中断概率和比特错误率

系统模型和问题表述

在本节中，我们首先解释系统模型，然后描述本文要解决的问题。

提出的解决方案

本节首先解释了我们的悬停点设置算法和每个悬停点所需的RIS-UAV数量。随后，我们介绍了一种旨在最小化总体RIS-UAV部署数量的路由规划算法。我们工作中使用的参数在表2中定义。

仿真结果

为了验证所提出协议的性能，我们使用Matlab R2023b和信号处理工具箱进行了仿真，以准确模拟天线信号和信道增益计算。为了进行性能比较，采用了几种常用的优化和启发式方法，包括遗传算法（GA）[37]、分段聚类（SC）[8]和模拟退火（SA）[38]作为通用基准，并将其适应于本工作中考虑的相同问题表述。

结论和未来工作

在具有多个用户热点的RIS-UAV辅助网络中，本文提出了MRAR算法用于悬停点确定和路由规划。MRAR首先根据每个用户热点的面积估计所需的悬停点数量，然后对用户进行聚类，以确定能够最大化接收SNR的悬停点位置。在路由规划过程中，MRAR优先考虑服务需求较高的悬停点，或者根据剩余能量，选择更接近的可行位置。

CRediT作者贡献声明

陈博宇：撰写 – 原始草稿、可视化、验证、软件、方法论、调查、形式分析、数据整理、概念化。赵志民：撰写 – 审稿与编辑、验证、监督、资源管理、项目管理、方法论、调查、资金获取、形式分析、概念化。林志宇：验证、调查、概念化。叶春超：验证、调查、概念化。

利益冲突声明

作者声明他们没有已知的财务利益冲突或个人关系可能影响本文报告的工作。