Game theoretic models for the analysis of UAV-aided wireless communications
Notice bibliographique
Résumé
Aerial networks, utilizing Unmanned Aerial Vehicles (UAVs) have recently gained significant attention as they will play a key role in shaping the future of wireless networks including beyond 5G and 6G. This thesis addresses challenges in utilizing UAVs for wireless communication networks, focusing on two deployment scenarios: UAV-only networks and integrated aerial-terrestrial networks (IATN) with both UAVs and base stations (BSs). The first deployment scenario is applicable in situations like natural disasters, where UAV deployment is well-suited for establishing temporary infrastructure. In such cases, optimizing resource utilization is important. Further, in such scenarios, there could be a limited availability of information. Therefore, we study the resource sharing problem in a UAVs-based network under uncertainty. Specifically, the UAVs cooperate in serving the users while pooling their spectrum and energy resources in the absence of prior knowledge about different system characteristics such as the amount of available power at the other UAVs. Regarding solutions, centralized management requires comprehensive global network information accessible to a central controller for optimization. These methods, however, suffer from excessive overhead and computational cost. Therefore, we utilize Bayesian Coalition Formation Game (BCFG) to address the resource sharing problem in a cooperative UAV network with uncertainty. The second scenario involves leveraging UAVs to complement terrestrial networks, enhancing connectivity through unique features like enhanced line-of-sight, mobility, and flexibility. Consequently, efficient cooperation between aerial and terrestrial networks holds the potential to introduce an additional dimension for enhancing the user experience and optimizing network resource utilization as users can utilize both LoS and non-LoS channels, different altitudes, and types of BSs. Therefore, we present a framework to optimize the deployment of aerial network and cooperation among aerial-terrestrial network such that the network deployment cost efficiency (i.e. the ratio of network sum-rate and deployment-plus-energy-cost) is maximized. The cooperation among UAVs and BSs is supported with clustered cell-free-massive-MIMO (C-CF-M-MIMO). Our approach involves a grid-based joint UAV density and location optimization, pilot-contamination aware user clustering, and distributed coalition game for UAVs and BSs cooperation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».