⚡ electrical engineering

RSMA Enabled Hierarchical UAV Networks with Non Linear Energy Harvesting: Outage Probability Analysis and UAV Placement Optimization

Dit artikel stelt een hiërarchisch UAV-netwerk voor dat niet-lineaire energie-oogst en rate-splitting multiple access (RSMA) integreert onder hardware-impedanties en imperfecte kanaaltoestandsinformatie, waarbij uitdrukkingsvormen voor de uitvalwaarschijnlijkheid worden afgeleid en de plaatsing van UAV's wordt geoptimaliseerd om een superieure betrouwbaarheid en prestaties te demonstreren vergeleken met bestaande benchmarks.

Oorspronkelijke auteurs: Faicel Khennoufa, Khelil Abdellatif, Metin Ozturk, Halim Yanikomeroglu, Safwan Alfattani

Gepubliceerd 2026-06-08

📖 5 min leestijd🧠 Diepgaand

CC0 1.0

Oorspronkelijke auteurs: Faicel Khennoufa, Khelil Abdellatif, Metin Ozturk, Halim Yanikomeroglu, Safwan Alfattani

Oorspronkelijk artikel vrijgegeven aan het publieke domein onder CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een team van drones (UAV's) voor die samenwerken om Wi-Fi-signalen naar mensen op de grond te leveren, bijvoorbeeld in een rampgebied waar zendmasten zijn uitgevallen. Dit artikel stelt een nieuwe manier voor om deze drones te organiseren, zodat ze langer kunnen werken, beter met elkaar kunnen communiceren en niet zonder batterij komen te zitten.

Hier is de uitsplitsing van hun idee met behulp van eenvoudige analogieën:

1. De Teamstructuur: De "Baas" en de "Helpers"

Zie het netwerk als een hiërarchie:

De Baas-drone (CHU): Dit is een grote, krachtige drone die hoog boven de grond zweeft. Hij heeft een grote batterij (misschien zelfs op zonne-energie) en fungeert als de belangrijkste bron van informatie en energie.
De Helper-drones (CMU's): Dit zijn kleinere drones die lager zweven. Ze hebben geen grote batterijen. In plaats daarvan fungeren ze als tussenpersonen. Ze vangen het signaal op van de Baas, decoderen het, en schreeuwen het vervolgens naar beneden naar de mensen op de grond (IoT-apparaten).

Het Probleat: De Helper-drones raken snel hun batterij kwijt.
De Oplossing van het Papier: In plaats van te wachten tot iemand op de grond hen oplaadt (wat moeilijk is als de infrastructuur op de grond kapot is), "stelen" de Helpers een beetje energie van het signaal van de Baas-drone terwijl ze ernaar luisteren. Dit wordt Wireless Energy Harvesting genoemd.

2. De Energietruc: De "Niet-Lineaire" Batterij

Meestal gaan wetenschappers ervan uit dat als je het radiosignaal verdubbelt, je ook de energie verdubbelt. Maar in de echte wereld zijn batterijen en circuits kieskeurig. Ze raken vol en stoppen met het accepteren van meer energie, zoals een beker die overstroomt.

Inzicht van het Papier: Ze gebruikten een realistisch model (Niet-Lineair) dat rekening houdt met dit "overstromen". Ze ontdekten dat als je voor dit limiet geen rekening houdt, je wiskunde niet klopt. Door het realistische model te gebruiken, kunnen ze beter plannen zodat de drones geen energie verspillen door te proberen een beker te vullen die al vol is.

3. De Communicatiemethode: "Het Bericht Splitsen" (RSMA)

Wanneer de Baas-drone met de Helpers praat, is er veel ruis en interferentie.

De Oude Manier (NOMA): Stel je voor dat de Baas een bericht naar twee mensen tegelijk schreeuwt. Eén persoon is dichtbij, één is ver weg. De Baas schreeuwt hard, en de persoon die ver weg is hoort het, maar de persoon die dichtbij is moet wachten tot de verre persoon klaar is met "luisteren" voordat hij zijn eigen deel kan begrijpen. Het is een beetje rigide.
De Manier van het Papier (RSMA - Rate Splitting Multiple Access): De Baas splitst het bericht in twee delen: een Gemeenschappelijk Deel (iedereen moet dit horen) en een Privé Deel (alleen voor specifieke mensen).
- De Helpers luisteren eerst naar het Gemeenschappelijke deel.
- Daarna gebruiken ze die kennis om te helpen de ruis weg te filteren en de Privé delen duidelijk te horen.
- Het Resultaat: Het is alsof je een vertaler hebt die je helpt om een lawaaierige kamer beter te begrijpen. Deze methode is veel efficiënter in het afhandelen van interferentie dan de oude manier.

4. De Rommel van de Echte Wereld: "Slechte Brillen" en "Statische Ruis"

Het papier erkent dat het echte leven niet perfect is.

Hardware-beperkingen (HWI): De radio's van de drones zijn niet perfect. Ze hebben kleine productiefouten, zoals een licht gebogen antenne of een luidspreker met ruis. Dit voegt "statische ruis" toe aan het signaal.
Onvolledige Channel State Information (ICSI): De drones proberen te raden hoe goed de verbinding is, maar hun gok is niet 100% nauwkeurig. Het is alsof je probeert te richten met een zaklamp in het donker met een licht beslagen bril.
De Claim van het Papier: De meeste eerdere studies deden alsof deze problemen niet bestonden. Dit papier bouwt zijn wiskunde inclusief deze imperfecties op, wat de resultaten veel betrouwbaarder maakt voor echt gebruik.

5. De Optimalisatie-Spellen: "Het Beste Team Kiezen"

De auteurs hebben twee "spellen" (algoritmen) gemaakt om het systeem beter te laten werken:

Spel 1: Het Kiezen van de Beste Helpers (CMU Selectie)
- Stel je voor dat je 10 Helper-drones hebt, maar je hebt er slechts 6 nodig om het gebied te dekken.
- Willekeurige Keuze: Het kiezen van 6 willekeurige drones kan resulteren in 6 zwakke drones.
- Het Algoritme van het Papier: Het kijkt naar elke drone, controleert hun signaalsterkte en kiest de specifieke 6 die de minste "uitval" (verbroken verbindingen) zullen veroorzaken. Het koppelt ook de gebruikers op de grond slim aan elkaar, zodat de sterke en zwakke gebruikers elkaar helpen.
- Resultaat: Deze methode vermindert de kans op een verbroken verbinding aanzienlijk vergeleken met willekeurige selectie.
Spel 2: Het Vinden van de Perfecte Zweefplek
- Waar moet een Helper-drone zweven? Te ver van de Baas? Geen energie. Te ver van de mensen? Slecht signaal.
- Het Algoritme van het Papier: Het berekent de exacte 3D-positie (X, Y en Z coördinaten) en de exacte hoeveelheid energie die "gestolen" moet worden (de Power Splitting factor) om de beste balans te vinden.
- Resultaat: Ze vonden een slimme manier om deze plek te berekenen die sneller en nauwkeuriger is dan eerdere methoden.

De Kernboodschap

Het papier bewijst dat door het combineren van hiërarchische drones, slim bericht splitsen (RSMA), en realistische energie harvesting, je een veel betrouwbaarder netwerk kunt bouwen.

RSMA verslaat de oude "NOMA"-methode met ongeveer 3–4 dB (een significante sprong in signaalkwaliteit).
Drone-naar-drone energie harvesting verslaat het oogsten van energie vanaf de grond met ongeveer 8–12 dB omdat de lucht helderder is en er minder obstakels zijn.
De Algoritmen zorgen ervoor dat je geen tijd verspilt aan slechte drones of slechte posities.

Kortom, ze hebben een wiskundig rigoureus "recept" gebouwd voor een dronennetwerk dat robuuster, slimmer en energie-efficiënter is, zelfs wanneer de apparatuur niet perfect is.

Technische Samenvatting: RSMA-gestuurde hiërarchische UAV-netwerken met niet-lineaire energie-oogst (Energy Harvesting)

Probleemstelling
Onbemande luchtvaartuigen (UAV's) zijn cruciaal voor het verbeteren van de connectiviteit in sixth-generation (6G) netwerken, met name bij rampenbestrijding en civiele toepassingen. Echter, multi-UAV-systemen worden geconfronteerd met kritieke beperkingen wat betreft de aan boord aanwezige energie, wat de missieduur en de continuïteit van de communicatie beperkt. Hoewel draadloze energie-oogst (EH) een duurzame oplossing biedt, vertrougt de bestaande literatuur vaak op lineaire EH-modellen en ideale systeemveronderstellingen. Bov�ole, de integratie van geavanceerde multiple access-technieken, specifiek Rate-Splitting Multiple Access (RSMA), in hiërarchische UAV-netwerken blijft onderbelicht, vooral onder praktische beperkingen zoals hardware-imperfecties (HWI) en imperfecte kanaalinformatie (ICSI). De meeste bestaande studies richten zich op single-UAV-architecturen of ideale omstandigheden, waarbij ze er niet in slagen de complexiteit van multi-UAV-deployments te vatten waar inter-gebruikersinterferentie en heterogene kanaalcondities alomtegenwoordig zijn.

Methodologie
De auteurs stellen een nieuw hiërarchisch ad hoc UAV-netwerkarchitectuur voor, bestaande uit een Cluster Head UAV (CHU) die fungeert als de bron, en meerdere Cluster Member UAV's (CMU's) die fungeren als relays naar grondgebonden Internet of Things (IoT)-apparaten.

Systeemmodel: De CHU verzendt signalen naar de CMU's, die energie oogsten uit deze signalen met behulp van een Power Splitting (PS) protocol. De geoogste energie voedt de CMU's om informatie door te geven aan grondgebonden IoT-apparaten. Het systeem werkt onder Nakagami- $m$ fading-kanalen.
Praktische Beperkingen: De analyse houdt rekening met niet-lineaire EH-modellen om de verzadigingskenmerken van praktische RF-circuits te reflecteren, evenals de effecten van HWI (bijv. oscillatorfase-ruis, versterkervervorming) en ICSI.
Toegangsschema: RSMA wordt toegepast, waarbij gebruikersberichten worden gesplitst in gemeenschappelijke en private componenten om interferentie flexibeler te beheren dan bij Non-Orthogonal Multiple Access (NOMA).
Analytische Afleiding: Het artikel leidt gesloten vorm-uitdrukkingen af voor de outage probability van individuele grondgebonden IoT-apparaten, enkele CMU's en de totale systeem outage probability. Er worden ook benaderende uitdrukkingen verstrekt voor regimes met een hoge transmissiekracht.
Optimalisatie: Er worden twee optimalisatieproblemen geformuleerd:
1. Joint CMU and IoT Selection (OPM-JCIS): Gericht op het minimaliseren van de totale systeem outage probability door optimale CMU's te selecteren en grondgebonden IoT-apparaten te koppelen op basis van kanaalcondities.
2. Joint Position and PS Factor Optimization: Gericht op het minimaliseren van de CMU outage probability door de 3D-hovercoördinaten van de CMU en de power splitting factor ( $\rho$ ) gezamenlijk te optimaliseren. Twee algoritmen worden voorgesteld om dit niet-convexe probleem op te lossen: een suboptimale decompositie methode (CPPF) en een metaheuristische benadering (JCPPM).

Belangrijkste Bijdragen

Nieuw Framework: Dit is de eerste studie die een hiërarchisch ad hoc UAV-netwerk onderzoekt dat niet-lineaire EH, RSMA, HWI en ICSI simultaan integreert.
Analytische Inzichten: De auteurs bieden rigoureuze afleidingen van de outage probability die rekening houden met de verzadigingseffecten van niet-lineaire EH en de degradatie veroorzaakt door hardware-imperfecties en fouten in de kanaalschatting.
Optimalisatie-algoritmen: Het artikel introduceert het OPM-JCIS-algoritme voor gebruikerskoppeling en CMU-selectie, en het JCPPM metaheuristische algoritme voor gezamenlijke positie- en power splitting-optimalisatie, waarbij oplossingen met variërende computationele complexiteit worden geboden.
Prestatiebenchmarking: Het voorgestelde systeem wordt vergeleken met benchmarks, waaronder NOMA-gebaseerde hiërarchische UAV's en grondgebaseerde EH-systemen.

Resultaten

Analytische Validatie: Simulatie-resultaten bevestigen de nauwkeurigheid van de afgeleide analytische uitdrukkingen, waarbij een nauwe overeenkomst wordt getoond met numerieke simulaties.
Impact van Beperkingen: De aanwezigheid van HWI en ICSI verslechtert de systeemprestaties aanzienlijk, waarbij ICSI een meer uitgesproken negatieve impact heeft. Het niet-lineaire EH-model introduceert een outage probability floor bij hoge transmissiekrachten door verzadiging, in tegen tegenstelling tot lineaire modellen die continue verbetering voorspellen.
RSMA vs. NOMA: Het voorgestelde RSMA-gebaseerde systeem presteert beter dan NOMA-gebaseerde systemen, met een winst van ongeveer 3–4 dB in outage probability. Dit voordeel wordt toegeschreven aan de superieure interferentiebeheersingscapaciteiten van RSMA.
UAV vs. Grond EH: De voorgestelde UAV-naar-UAV energie-oogst architectuur presteert aanzienlijk beter dan traditionele grondgebaseerde EH-systemen, met winsten van ongeveer 8 dB (NOMA) en 12 dB (RSMA). Dit wordt toegeschreven aan de gunstige Line-of-Sight (LoS) lucht-naar-lucht propagatiecondities.
Effectiviteit van Optimalisatie: Het OPM-JCIS-algoritme vertoont superieure prestaties ten opzichte van willekeurige selectie (RSEL) en scenario's waarin alle CMU's actief zijn, door een balans te vinden tussen dekking en betrouwbaarheid. Het JCPPM-algoritme bereikt de laagste CMU outage probability onder de geteste optimalisatiemethoden door positie en power splitting gezamenlijk te optimaliseren, waarmee het de CPPF- en HGCD-algoritmen overtreft.

Betekenis
Het artikel beweert dat het voorgestelde framework een realistischer en efficiënter communicatiearchitectuur biedt voor toekomstige UAV-ondersteunde netwerken. Door de integratie van niet-lineaire EH-modellering met RSMA onder praktische hardware- en kanaalbeperkingen, adresseert de studie kritieke hiaten in de huidige literatuur met betrekking tot de duurzaamheid en betrouwbaarheid van multi-UAV-systemen. De bevindingen onderstrepen dat het optimaliseren van CMU-selectie, IoT-koppeling en EH-parameters essentieel is voor het verbeteren van de systeemefficiëntie. De auteurs concluderen dat hoewel het verminderen van de outage probability niet gelijkstaat aan het maximaliseren van de energie-oogst, een gebalanceerd ontwerp cruciaal is voor betrouwbare operatie. Dit werk legt de basis voor toekomstig onderzoek naar mobiliteits-geïnduceerde effecten en machine learning-gebaseerde realtime optimalisatie.