【NOMA】Resource Allocation for Multi-UAV Aided IoT NOMA Uplink Transmission Systems

文章链接

文章目录

Introduction:
文章贡献
物理建模
- 系统构建
- 信道模型
- 干扰模型
- data rate 计算
问题建模
问题的数学化表达
channel allocation——分配子信道
- 三个重要假设
power allocation——分配传输能量
height allocation——对高度优化

Introduction:

UAV的部分就不说了，还是千篇一律的内容。
NOMA: NOMA is known to simultaneously serve multiple users by separating users in the power domain and the code domain. NOMA has a better outage performance than OMA techniques as well as superior ergodic sum rate performance.
NOMA: Nonorthogonal multiple access (NOMA) is a promising technology for the future network, it has superior spectrum efficiency by allowing simultaneous transmissions of different users within the same channel, which relies on the superposition coding (SC) at the transmitters and the successive interference cancellation (SIC) at the receivers.
The combination between UAVs and NOMA technology will bring about predictable benefits.

文章贡献

We focus on a practical multi-UAV aided IoT NOMA uplink transmission system, where we aim to maximize the total uplink capacity.
The classic K-means clustering method is invoked for grouping IoT nodes into subsystems corresponding to the number of UAVs. A low-complexity many-many matching algorithm is designed for realizing efficient subchannel assignment in each subsystem

物理建模

系统构建

Let K=[1,2,...,K]\mathcal{K} = [1, 2, . . . , K]K=[1,2,...,K] denote the set of the subchannels

信道模型

干扰模型

定义了decoding的顺序

定义channel分配矩阵P和power分配矩阵A

干扰

Sm,n\mathcal{S}_{m,n}Sm,n的用户中，信道质量比用户n差的用户

(2)是对于无人机m的用户n在波段k上受到的来自Sm\mathcal{S}_{m}Sm的总干扰

(3)是对于无人机m的用户n在波段k上受到的来自其他无人机的干扰

注意这里是uplink干扰

data rate 计算

老规矩，根据香农公式求信噪比和data rate
BK\frac{B}{K}KB 是每个子信道(subchannel)的带宽

问题建模

限定

(9)对无人机飞行高度的限制
(10)对无人机间距的限制，必须满足一定的高度差以免撞机
Channel Allocation Constraint

规定一个subband最多分给D1个用户，一个用户最多占用D2个subband

问题的数学化表达

channel allocation——分配子信道

K均值先对用户进行cluster，然后把UAV放置到每个cluster的中心位置

分配K个子信道给每个UAV uplink subsystem，先对A矩阵进行初始化

这个是channel assignment算法

三个重要假设

1）we assume that the flight height of UAV m is fixed at h0(等高度)
2）each IoT node is assumed to adopt the equal power(等能量)
3）Since the horizontal location of UAV m is fixed(无人机平面位置由K均值确定)
循环保证每个IoT node 都被分配够D2个subchannel
对于每一个用户，先遍历看是否有subchannel没有被占满，如果它没有被占满，看看该用户占用的subchannel数量有没有达到D2上限，如果没有，那么占用该信道。如果已经占用了D2个用户，剔除R(data rate)不如现在信道的信道，并且和现在遍历的这个信道连接。
直到所有的用户都占了D2个信道，退出循环

power allocation——分配传输能量

问题建模，每个节点(node)的传输能量要满足要求
假设等高度Given the fixed UAVs’ flight heights of h0
现在优化的是P矩阵，A矩阵已经求出来了

因为目标函数非凸，做近似

一个重要的不等式(来自参考文献)

对于用户n来说，m号无人机相连接的node(即与n同处在一个cell中的其他无人机)在k子波段产生的干扰总和

其他无人机的用户在k波段产生的干扰
近似完后的问题

作者用拉格朗日乘子法求解，说来话长，我们来看下结果

这就是Pm,n,kP_{m,n,k}Pm,n,k的最优值

拉格朗日乘子的迭代策略

更新拉格朗日乘子λ\lambdaλ 和 ω\omegaω

successive convex approximation(SCA)
λ\lambdaλ 、ω\omegaω 和 PPP都是先初始化再通过迭代得到

height allocation——对高度优化

先列出目标函数和限制条件

看来作者真是用SCA屡试不爽啊

我们首先来看看式子里的log2(1+γm,n,k)log2(1+\gamma_{m,n,k})log2(1+γm,n,k)是怎么得到的

说白了，就是把gm,n,kg_{m,n,k}gm,n,k用上面那个式子替换掉，括号里面再通分

其中

其实就标黄的这一块不一样
(log里面相除能展开成相减)
我们要优化的是m个UAV的高度
下面是近似化处理

实际上是在h[r]处做泰勒展开
好吧，用τ\tauτ来替代hm2h_{m}^2hm2

注意增加了

补充一点

下面是一些变形

这里对χ2\chi^{2}χ2和τm\tau_{m}τm都采用向量的TaylorTaylorTaylor展开

作者使用了MATLAB进行优化
problem (51) can be efficiently solved by standard convex optimization solvers such as CVX