UAV-Enabled IoT Networks: A SWIPT Energy Harvesting Architecture with Relay Support for Disaster Response

Titel: UAV-gestützte IoT-Netze: Eine SWIPT-Energieerntearchitektur mit Relaisunterstützung für die Katastrophenhilfe

1. Problemstellung

In Katastrophenszenarien (z. B. Überschwemmungen, Brände, Kriege) sind bodengestützte Basisstationen oft zerstört oder funktionsunfähig. Unbemannte Luftfahrzeuge (UAVs/Drohnen) werden zunehmend als fliegende Basisstationen (FBS) und Relais eingesetzt, um temporäre Kommunikationsnetze (Disaster Response Networks, DRNs) wiederherzustellen.

Das zentrale Problem in solchen Szenarien ist die begrenzte Energieversorgung der UAVs. Da UAVs eine begrenzte Batteriekapazität haben, ist ihre Flugzeit stark eingeschränkt. Dies führt zu folgenden Herausforderungen:

• Geringe Kommunikationsraten.
• Unzureichende Abdeckung für alle Nutzer im Katastrophengebiet.
• Die Notwendigkeit, Daten von einem betroffenen Gebiet (NET1) zu sammeln und zu einer funktionierenden Basisstation in einem anderen Gebiet (NET2) zu übertragen, was zusätzliche Flugzeit und Energie erfordert.

Herkömmliche Modelle betrachten Energieernte (EH) und Datensammlung oft getrennt. Es fehlt an Modellen, die die Energieverbrauchsproblematik in Szenarien adressieren, in denen die UAV zwischen zwei Gebieten pendelt, während sie gleichzeitig Energie aus den Upstream-Signalen der Nutzer erntet und die Flugzeit minimiert.

2. Methodik und Systemmodell

Das Paper untersucht zwei Szenarien in einem UAV-gestützten DRN, das zwei Netzwerke verbindet:

• NET1: Ein betroffenes Gebiet mit vielen IoT-Nutzern (Zellnutzer), deren Basisstation ausgefallen ist.
• NET2: Ein sicheres Gebiet mit einer funktionierenden Basisstation (BS).
• Rolle der UAV: Sie fungiert als Relais. Sie sammelt Daten von den Nutzern in NET1 (Uplink), fliegt zu NET2 und sendet die Daten an die BS in NET2 (Downlink).

Die zwei untersuchten Szenarien:

1. Szenario A (Konventionell): Die UAV sammelt Daten ohne Energieernte. Sie ist auf die initiale Batterieladung angewiesen, was zu Einschränkungen bei der Anzahl der bedienbaren Nutzer und der Flugzeit führt.
2. Szenario B (SWIPT-basiert): Die UAV nutzt Simultaneous Wireless Information and Power Transfer (SWIPT). Während sie Daten von den Nutzern in NET1 empfängt, erntet sie gleichzeitig Energie aus den empfangenen Funksignalen, um ihre Batterie aufzuladen.

Technische Details der SWIPT-Implementierung:

• Es wird die Power Splitting (PS)-Empfängerarchitektur gewählt. Das empfangene Signal wird in zwei Ströme aufgeteilt: Ein Teil ($\theta$) dient der Informationsdecodierung (ID), der andere Teil ($1-\theta$) der Energieernte (EH).
• Die UAV nutzt ein "Save-then-Cooperate" (STC) Protokoll: Sie sammelt Energie und Daten, decodiert die Signale (Decode-and-Forward) und leitet sie weiter.
• Energieverbrauch: Der Energieverbrauch der UAV setzt sich zusammen aus:
  • Energie für die Kommunikation mit NET1 ($E_{NET1}$).
  • Energie für die Kommunikation mit NET2 ($E_{NET2}$).
  • Energie für den Flug zwischen den Netzen ($E_{moving}$), berechnet basierend auf aerodynamischen Modellen (Rotorblattgeschwindigkeit, Luftwiderstand etc.).

Optimierungsproblem:
Das Ziel ist die Minimierung der gesamten Flugzeit ($T_{total}$) unter Berücksichtigung der Energiebilanz.

• Zielfunktion: Minimierung von $T_{total} = T_{moving} + T_{BS} + \sum T_{k}$ (Zeit für Bewegung + Downlink + Uplink aller Nutzer).
• Nebenbedingungen:
  • Die gesammelte Energie muss ausreichen, um die UAV durch die Mission zu bringen (Energiebilanz $\ge$ Schwellenwert).
  • Die Batterieladeeffizienz ($\eta_{Bat}$) und der Power-Splitting-Faktor ($\eta_{PS}$) müssen optimiert werden.
• Lösung: Das Problem wird als konvexes Optimierungsproblem formuliert und mittels der Lagrange-Multiplikatoren-Methode und der Karush-Kuhn-Tucker (KKT)-Bedingungen gelöst, um die optimalen Werte für $\eta_{Bat}$ und $\eta_{PS}$ zu finden.

3. Hauptbeiträge

• Vergleichende Analyse: Der erste direkte Vergleich eines konventionellen UAV-Relais-Szenarios mit einem SWIPT-basierten Szenario in einem DRN-Kontext.
• Integrierte Modellierung: Entwicklung eines Modells, das die Energieernte (EH) während des Uplinks und die Datenübertragung im Downlink sowie die Flugdynamik gleichzeitig betrachtet.
• Optimierung der Flugzeit: Formulierung und Lösung eines Optimierungsproblems, das die Flugzeit minimiert, indem die Energieernte-Effizienz und die Batterienutzung maximiert werden.
• Theoretische und Simulationsvalidierung: Herleitung theoretischer Grenzen und Validierung durch Simulationen, die die Überlegenheit des SWIPT-Ansatzes belegen.

4. Ergebnisse der Simulation

Die Simulationsergebnisse bestätigen die theoretischen Annahmen und zeigen folgende Trends:

• Konsistenz: Die Simulationsergebnisse stimmen exakt mit den theoretischen Berechnungen überein.
• Einfluss der Sendeleistung: Mit steigender Sendeleistung der Nutzer in NET1 sinkt die Gesamtflugzeit der UAV, da die Datenraten steigen und mehr Energie geerntet wird.
• Anzahl der bedienbaren Nutzer: Im SWIPT-Szenario (Szenario B) kann die UAV eine deutlich höhere Anzahl von Nutzern bedienen als im konventionellen Szenario, da die durch EH gewonnene Energie die Flugzeit verlängert.
• Energieverbrauch vs. Datenschwellenwert: Höhere Datenschwellenwerte ($D_{th}$) führen zu höherem Energieverbrauch und längerer Flugzeit.
• Flughöhe: Eine höhere Flughöhe erhöht den Energieverbrauch und die Flugzeit. Die UAV muss bei niedrigerer Sendeleistung der Nutzer in eine niedrigere Höhe fliegen, um die Abdeckung zu gewährleisten.
• Nutzerdichte: Bei sehr geringer Nutzerdichte ist die geerntete Energie vernachlässigbar. Ab einer bestimmten Dichte steigt die geerntete Energie jedoch stark an, was die Effizienz des Systems drastisch verbessert.

5. Bedeutung und Ausblick

• Effizienzsteigerung: Die Studie zeigt, dass SWIPT-Technologien die Effizienz von UAV-gestützten Katastrophenhilfe-Netzen signifikant steigern können. Dies ermöglicht es, mehr Opfer in Katastrophengebieten zu versorgen und die Kommunikationsqualität zu verbessern.
• Praktische Relevanz: Das vorgestellte Modell bietet einen Weg, die kritische Einschränkung der Batterielaufzeit von Drohnen in Notfällen zu überwinden, indem die Umgebung (die Signale der Nutzer) als Energiequelle genutzt wird.
• Zukünftige Arbeiten:
  • Integration von MIMO-Systemen (Multiple-Input Multiple-Output) mit mehreren UAVs.
  • Nutzung von Beamforming in Kombination mit SWIPT.
  • Anwendung von Machine Learning, um einen optimalen Kompromiss zwischen Kommunikationsverzögerung, Energieeffizienz und Datensicherheit zu finden.

Fazit: Das Paper demonstriert erfolgreich, dass die Integration von SWIPT in UAV-Relais-Netze für Katastrophenfälle nicht nur die Reichweite und Kapazität des Netzes erhöht, sondern auch die operative Lebensdauer der Drohnen durch autonome Energiegewinnung verlängert.