作者：(英)穆罕默德·阿里·伊姆兰(Muhammad Ali Imran) 等 编 祝小 平等 译
页数：224
出版社：机械工业出版社
出版日期：2025
ISBN：9787111770473
电子书格式：pdf/epub/txt
网盘下载地址：下载无人机无线网络技术
内容简介
本书探讨了无人机无线网络理论和实践的最新进展，用以支持下一代无线网络的各种应用，包括应急通信、覆盖和容量扩展、物联网（IoT）、信息传播、未来医疗、pop-up网络等；介绍了信道特性和建模、网络架构、空中网络、自组织回传、基于人工智能的轨迹优化，以及无人机在农业、水下通信和应急网络等领域的应用；给出了通过自组织网络和人工智能支持无人机无线网络的各种用例。
本书适合电信工程师、从事无线通信的无人机行业科研人员和工程技术人员学习和参考，可以帮助他们识别并制定切实可行、高效的解决方案，以克服无人机无线通信领域所面临的挑战。
作者简介
穆罕默德·阿里·伊姆兰(Muhammad Ali Imran)，电子科技大学格拉斯哥学院英方院长，英国格拉斯哥大学詹姆斯·瓦特工程学院通信系统教授，同时也是通信感知与成像小组的负责人。
奥卢瓦卡约德·奥尼雷蒂（Oluwakayode Onireti）,任教于英国格拉斯哥大学詹姆斯·瓦特工程学院。他于英国吉尔福德的萨里大学获得电子工程博士学位。
舒贾·安萨里（Shuja Ansari），格拉斯哥大学的助理研究员，苏格兰5G中心的“城市创新项目”负责人。他于英国卡利多尼亚大学获得工程学博士学位。
卡默·H·阿巴斯(Qammer H.Abbasi)，英国格拉斯哥大学詹姆斯·瓦特工程学院通信感应与成像小组的副教授兼副组长。
译者：西北工业大学无人机所总工程师， 获2009年度长江学者成就奖，2016年入选万人计划百千万工程领军人才，政府特殊津贴获得者。中国航空学会无人机与微型飞行器分会总干事，中国宇航学会无人飞行器分会理事。
本书特色
探讨了无人机无线网络理论和实践的最新进展，用以支持下一代无线网络的各种应用，包括应急通信、覆盖和容量扩展、物联网（IoT）、信息传播、未来医疗、pop-up网络等。
介绍了信道特性和建模、网络架构、空中网络、自组织回传、基于人工智能的轨迹优化，以及无人机在农业、水下通信和应急网络等领域的应用。
给出了通过自组织网络和人工智能支持无人机无线网络的各种用例。
目录
前言
本书贡献者
第1章 无人机网络的信道模型 1
1.1 引言 1
1.2 无人机的分类 2
1.3 基于无人机的无线通信 3
1.4 无人机通信中的信道建模 4
1.5 无人机支持的无线网络的关键研究挑战 10
1.5.1 无人机的最佳部署 10
1.5.2 无人机轨迹优化 10
1.5.3 能量效率和资源管理 10
1.6 总结 11
参考文献 11
第2章 无人机到可穿戴设备系统的超宽带通道测量与建模 16
2.1 引言 16
2.2 测量设置 17
2.3 基于超宽带的无人机到可穿戴设备的无线电信道特性分析 20
2.3.1 路径损耗分析 20
2.3.2 时间色散分析 23
2.3.3 不同姿势下的路径损耗分析 26
2.3.4 不同姿势的时间色散分析 26
2.4 统计分析 28
2.5 总结 29
参考文献 30
第3章 利用强化学习优化无人机部署的多智能体协同方法 32
3.1 引言 32
3.2 系统模型 34
3.2.1 城市模型 34
3.2.2 通信模型 35
3.3 强化学习解决方案 37
3.3.1 完全合作的马尔可夫游戏 38
3.3.2 去中心化的Q-learning算法 39
3.3.3 行动的选择 41
3.3.4 衡量标准 43
3.4 典型的仿真结果 43
3.4.1 仿真场景 43
3.4.2 环境 44
3.4.3 用户分布 44
3.4.4 仿真 44
3.4.5 数值结果 45
3.5 结论和未来工作 49
3.5.1 结论 49
3.5.2 未来工作 49
参考文献 49
第4章 基于强化学习的多无人机协同优化部署方法 52
4.1 引言 52
4.2 系统模型 55
4.2.1 空对地信道模型 57
4.2.2 信号结构 58
4.2.3 无人机的缓存机制 59
4.3 优化问题建模 59
4.3.1 最大化用户可获得的信息速率 59
4.3.2 固定时间和能量调度下的轨迹优化 60
4.4 数值仿真结果 63
4.5 总结 67
4.6 拓展从P1中获得最优解的证明 68
参考文献 69
第5章 基于毫米波无人机辅助的5G混合异构网络的性能 72
5.1 无人机部署的意义 72
5.2 概述 73
5.3 毫米波和太赫兹通信的潜力 73
5.4 挑战和应用 75
5.4.1 挑战 75
5.4.2 应用 76
5.5 基于无人机的前线连接 76
5.5.1 小型基站的分布 77
5.5.2 无人机的配置 77
5.6 通信模型 78
5.7 小型基站与无人机的相关性 81
5.8 结果分析 83
5.9 总结 87
参考文献 87
第6章 认知无线电网络中用于物理层安全的无人机协同干扰 91
6.1 引言 91
6.2 系统模型 93
6.2.1 信号模型 93
6.2.2 优化问题 96
6.3 算法 97
6.3.1 优化问题P2的可处理公式 97
6.3.2 基于内部逼近的算法 100
6.4 数值结果 104
6.5 总结 107
参考文献 108
第7章 空中移动网络的智能反射面辅助定位技术 111
7.1 引言 111
7.1.1 相关工作 111
7.1.2 无人驾驶航空器 112
7.1.3 智能反射面 113
7.2 空中网络中的智能反射面 113
7.2.1 集成智能反射面的空中网络 114
7.2.2 智能反射面辅助的空中网络 116
7.3 带有智能反射面的无人机定位 117
7.4 研究挑战 120
7.4.1 基于无人机的空中移动网络的挑战 120
7.4.2 基于智能反射面的定位挑战 120
7.5 总结 121
参考文献 121
第8章 基于无人机的灾难恢复网络性能分析 124
8.1 引言 124
8.2 无人机网络 124
8.3 无人机网络的优势 129
8.4 新技术和基础设施的发展趋势 132
8.4.1 网络功能虚拟化 135
8.4.2 软件定义网络 135
8.4.3 云计算 136
8.4.4 图像处理 136
8.4.5 毫米波通信 137
8.4.6 人工智能 138
8.4.7 机器学习 138
8.4.8 优化和博弈论 139
8.5 研究趋势 139
8.6 展望 141
8.7 总结 142
参考文献 142
第9章 用于锁定场景智能监控的网络辅助无人机通信 148
9.1 引言 148
9.2 无人机作为空中基站 150
9.2.1 仿真设置 150
9.2.2 在一个地理区域内实现蜂窝网络覆盖的最佳空中基站数量 151
9.2.3 性能评估 152
9.3 无人机作为地面通信的中转站 157
9.3.1 5G空中接口 158
9.3.2 仿真设置 159
9.4 总结 161
参考文献 161
第10章 用于农业的无人机：基于物联网场景的概述 164
10.1 引言 164
10.2 相关研究项目概况 165
10.3 农业领域的物联网场景 167
10.4 无线通信协议 169
10.5 多接入边缘计算和5G网络 171
10.6 总结 174
参考文献 174
第11章 空中系统和水下监测 179
11.1 引言 179
11.2 自动图像标记 180
11.2.1 点的选择 180
11.2.2 测量系统 181
11.2.3 区域标记 182
11.2.4 测试 183
11.3 水面/陆地的视觉区分 186
11.3.1 分类器训练 186
11.3.2 在线算法 187
11.3.3 绘图 187
11.3.4 传输 188
11.3.5 现场实验 189
11.4 离线测深制图 190
11.4.1 算法概述 190
11.4.2 算法模拟 190
11.4.3 算法的实施 191
11.4.4 水深测量系统 192
11.5 在线测深制图 193
11.5.1 选点算法 193
11.5.2 仿真设置 195
11.5.3 结果和分析 196
11.6 总结和未来工作 197
参考文献 197
第12章 未来卫星网络的需求、安全威胁与相关问题 200
12.1 引言 200
12.2 卫星网络及深空网络 201
12.2.1 一级卫星网络 201
12.2.2 二级卫星网络 202
12.2.3 三级卫星网络 203
12.3 卫星网络及深空网络的安全要求、挑战和威胁 204
12.3.1 安全挑战 204
12.3.2 安全威胁 206
12.4 总结 207
参考文献 207
第13章 未来研究热点 211
前言
当前，空中网络（AN）在军事、民用和公共应用中发挥着越来越关键的作用，已逐渐成为无线通信领域的研究热点。第三代标准化合作伙伴项目（3GPP）促进了空中无线网络与未来蜂窝网络的整合研究。由无人机（UAV）提供的空中无线网络以较低的成本提供可靠的无线通信，可用于未来各种有通信需求的新型应用。与基于高空平台的通信或传统的地面通信相比，用无人机提供的按需通信具有快捷部署的特性，并且在需要重新部署或配置时具有较强的灵活性，特别是其视线（LoS）链路距离最短的特性，使得空中无线网络的传输具有较强的优势。
尽管空中无线网络有很多优点，但在实际应用中也受到一些限制，例如能量限制（电池电量有限）、飞行区域限制和相关安全问题。因此，为自主空中无线网络开发新的信号处理、通信与优化框架是至关重要的。新型空中无线网络应可以提供较高传输速率，并协助传统的地面网络为传感应用提供实时和可靠性高的网络支持。因此，应在考虑用户的高移动性以及用户日益增长的数据需求的基础上，对通信信道进行准确的表征；空中无线网络的空对地（AG）和空对空（AA）信道传播模型可以通过测量和经验研究来描述。此外，需要根据不同的使用场景，对空中无线网络的关键性能指标（KPI）进行优化，如飞行时间、轨迹、数据速率、能源效率和延迟等。
