简介
太赫兹（THz）链路需要视距（LoS）连接，而这在大多数场景下很难获得。对于太赫兹通信，基于视距概率的分析并不准确，需要建立一个新的真实视距模型。确定真实 3D 环境中链路的 LoS 状态。考虑到基于无人机（UAV）的太赫兹网络，本工作分析了视距覆盖范围，准确确定节点是否处于视距范围内。具体来说，通过使用 3D 块对环境进行建模，我们的目标是定位一组配备定向太赫兹链路的无人机，为 3D障碍物中的分布式用户提供视距连接。为此，我们首先使用 3D 块对环境进行表征和建模。然后，我们提出了一 种基于 3D 空间向量的用户友好算法，该算法确定目标区域中节点的 LoS 状态。此外，使用 3D 建模，提出了几种元启发式算法用于无人机在 3D 块下的定位，以最大化视距覆盖百分比。在本文的第二部分中，针对基于无人机的太赫兹通信网络，提出了一种基于几何分析的算法，该算法联合对分布式节点进行聚类并定位无人 机组，以最大化平均网络容量，同时确保分布式节点在三维障碍物中的视距状态。此外，我们还提出了一种计算复杂度较低的基于次优混合k均值几何的算法，可用于拓扑不断变化的网络，因此用户的聚类和无人机的定位需要定期更新。最后，通过提供各种3D模拟，我们评估了各种系统参数（例如无人机的数量和高度，以及 3D障碍物的密度和高度）对视距覆盖的影响。
随着小型蜂窝基站的大规模部署-系统（SBS）对于持续的网络密集化至关重要，需要灵活、可靠且易于部署的无线前传链 路。由于微波频段数据速率低，高频毫米波（毫米波）、太赫兹（THz）和自由空间光学 （FSO）链路被提名为无线前程链路的潜在解决方案，以卸载大规模部署 SBS 产生的爆炸性数据流量。然而，毫米波/太赫兹/FSO 链路需要视距 (LoS) 连接，由于存在高而密集的建筑物，这是城市地区的主要障碍。一个可扩展的想法是采用无人机（UAV）作为无线前传枢纽点来提供LoS连接， 从而能够在商业系统中实施毫米波/太赫兹/FSO链路[1]。换句话说，由于其机动性和灵活性，无人机应放置在高层建筑上方，为分布在3Dobstacles 中的SBS/节点提供LoS覆盖，这是这项工作的主要目标。
方法
由于飞行高度高和机动性强，无人机更有可能创建视距链路，因此与地面链路相比，有可能建立更高容量的网络。无人机飞行高度较高，可以很好地忽略高度较短的障碍物，因此城市中的主要障碍物是高层建筑。
图 2.LoS 和 NLoS 链路的图形示例。节点 A 处于 LoS 状态，节点 B 处于 NLoS 状态，除非无人机位置发生变化，否则它们始终保持在这些状态（概率为 1）。
图 4. (a) 从算法 1 获得的随机位置 pn = [51, 343, 80] 的 NLoS 覆盖示例。 (b) 通过将无人机的位置更改为 pn = [352, 336, 80]，NLoS 覆盖范围发生变化。
步骤一：定位无人机，并对场景进行3D建模，最小单元为一个3D块，类似于一个体素。
步骤二：分析每个体素与无人机的视距情况，如图4，这里是通过算法，这个算法基本是根据块与无人机的之间连线的阻碍情况来判断的。最终结果就如图4(b)所示，由于一般通信是在地面，这里仅以地面3D块计算即可。黑色区域代表与无人机的NLOS（视距覆盖百分比）。
步骤三：利用最优化算法优化，使得无人机组与3D块得到的黑色区域面积最小。这里最优化采用的是贪心算法与遗传算法。论文还有了聚类进行优化，这里不再对细节进行探讨。
结论和未来的方向
在基于无人机的网络中，文献中大多数无人机的定位分 析都是基于视距概率。然而，我们表明基于视距概率的 分析并不适合基于无人机的高频太赫兹和光链路。为了 填补这一空白并走向现实分析，在本文中，我们研究了 具有 3D 障碍的现实环境中的无人机定位问题。为此， 我们研究了另一个更实用的概念，即视距覆盖率，而不 是视距概率。此外，利用获得的结果，我们研究了一个 现实的优化问题，即如何在空中定位无人机，从而为 3D 障碍物中的随机分布节点创建视距覆盖。提出了多 种优化算法来解决定位问题，主要通过分析3D障碍物的 特征来提供无人机的最优定位。最后，通过提供各种 3D 仿真，对优化算法的性能和计算复杂度进行了评 估。尽管在基于无人机的太赫兹网络设计领域仍然存在 许多悬而未决的问题，但本文的结果为设计和 3D 可视 化迈出了一步这些网络的组成，可以作为未来研究方向 的初步步骤。
评论区