⚡ electrical engineering

Outage Probability Analysis of NOMA Enabled Hierarchical UAV Networks with Non-Linear Energy Harvesting

本文提出了一种结合非线性能量收集与非正交多址接入技术的分层无人机网络架构，推导了其在考虑硬件损伤和 Nakagami-m 衰落信道下的中断概率表达式，并证实该方案在降低中断概率方面优于非能量收集系统。

原作者： Faicel Khennoufa, Khelil Abdellatif, Metin Ozturk, Halim Yanikomeroglu, Safwan Alfattani

发布于 2026-03-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Faicel Khennoufa, Khelil Abdellatif, Metin Ozturk, Halim Yanikomeroglu, Safwan Alfattani

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“未来天空中的智能无人机网络”**的故事。想象一下，在第六代（6G）通信时代，无人机不再只是飞在天上拍照，而是变成了空中的“移动基站”，负责给地面那些没有信号的地方（比如偏远山区、灾区）提供网络服务。

但是，无人机有个大麻烦：它们没电了。电池太小，飞一会儿就没电了，而且给它们换电池或充电在高空很不现实。

为了解决这个问题，作者设计了一套**“自带充电宝” + “高效拼车”**的聪明方案。

1. 核心角色：天空中的“双层快递站”

想象一下，作者设计了一个两层级的无人机快递系统：

第一层：队长无人机（CHU）
它就像是一个**“空中指挥塔”**，悬停在高空，负责把数据（比如视频、消息）发出来。它自己自带太阳能板，能量很足，不用操心充电。
第二层：小弟无人机（CMU）
它们像是一群**“空中快递员”**，飞得低一些，负责把队长发来的数据接力传给地面的用户（比如你的手机、智能传感器）。
- 关键创新点：这些“小弟”自己没带大电池，但它们身上装了一个**“无线充电宝”（能量收集器）。它们可以从地面上的一个“能量发射塔”（Power Beacon）**那里，像吸阳光一样吸取无线电波能量，存进自己的小电池里，然后边充电边干活。

2. 两大黑科技：如何更省电、更省地？

为了让这个系统既省电又高效，作者用了两个“魔法”：

魔法一：非线性能量收集（像“海绵吸水”）

以前的研究假设无人机吸能量就像**“水龙头接水”：水流量越大，接到的水就越多，永远成正比。
但作者发现，现实中的电路（就像一块海绵**）是有极限的。

当能量少时：海绵吸水很快，效率很高。
当能量太多时：海绵吸满了，再多的水也接不住，甚至会溢出来（这就叫饱和）。
论文的贡献：作者没有用理想化的“水龙头”模型，而是用了更真实的“海绵”模型（非线性模型）来计算。这意味着他们的方案在现实中更靠谱，不会因为能量太大而“撑死”无人机。

魔法二：NOMA（像“拼车”而不是“包车”）

传统的通信方式（OMA）就像**“专车”：一个无人机一次只能送一个用户的数据，其他人得排队。
作者用了NOMA（非正交多址接入）技术，这就像“拼车”**：

无人机把好几个用户的数据打包在一起，同时发出去。
地面的用户收到后，利用一种叫“串行干扰消除（SIC）”的魔法，先把自己需要的数据“解包”拿走，剩下的干扰再扔掉。
好处：同样的频谱资源（就像同一条高速公路），能跑更多的车，效率大大提升。

3. 现实中的“小瑕疵”：硬件不完美

作者还特别考虑了现实世界的一个痛点：硬件缺陷。
这就好比你的手机麦克风有点破音，或者耳机有点杂音。在通信里，这叫“硬件损伤（HWI）”。

以前的研究假设设备是完美的（像科幻电影里的机器人）。
这篇论文假设设备是有瑕疵的（像我们手里的普通手机）。
结论：即使设备有点破音，这套“拼车 + 无线充电”的系统依然比那些没有无线充电的系统要强大得多。

4. 实验结果：到底好不好用？

作者通过数学推导和电脑模拟，得出了几个有趣的结论：

无线充电真香：带有无线充电功能的无人机系统，比那些只能靠自带电池的，** outage（断网）概率**低得多。相当于在同样的信号强度下，你的网更稳，不容易掉线。
能量太多也没用：当发射塔的能量太强时，无人机吸满了（海绵饱和了），再增加能量也没用，断网概率会停在某个水平（这就叫“断网地板”）。这提醒我们，能量发射要适度，不是越强越好。
无人机不是越多越好：
- 增加“小弟”无人机（CMU）的数量，确实能覆盖更广的区域。
- 但是，如果“小弟”太多，只要其中任何一个“小弟”坏了或者信号不好，整个任务就算失败。就像一支足球队，如果队员太多，只要有一个失误，整场比赛可能就输了。所以，无人机数量要适中，不能无限制增加。
硬件瑕疵是敌人：如果设备质量太差（杂音太大），网络可靠性会下降。所以，在制造这些无人机时，还是要尽量把硬件做得好一些。

总结

这篇论文就像是在教我们如何**“精打细算”地管理天空中的无人机网络**：

让它们边飞边充电（利用地面无线能量）；
让它们一起拼车送数据（NOMA 技术）；
同时承认设备会有瑕疵，并据此设计更稳健的方案。

最终，这套方案能让未来的 6G 网络在偏远地区、灾难现场等地方，提供更持久、更稳定、更便宜的网络服务。

这是一份关于论文《Outage Probability Analysis of NOMA‑Enabled Hierarchical UAV Networks with Non-Linear Energy Harvesting》（基于非线性能量收集的 NOMA 分层无人机网络中断概率分析）的详细技术总结。

1. 研究背景与问题 (Problem)

随着第六代（6G）通信网络的发展，无人机（UAV）因其机动性、低成本和广覆盖能力，被视为增强物联网（IoT）连接的关键技术。然而，UAV 网络面临以下主要挑战：

能源受限：UAV 的电池容量有限，且飞行和通信消耗巨大，限制了任务持续时间。
频谱效率：传统正交多址接入（OMA）频谱效率较低，难以满足高密度用户连接需求。
现实约束被忽视：现有研究多假设线性能量收集（EH）和理想的硬件条件，忽略了实际射频电路中能量收集的非线性特性以及收发机硬件损伤（HWI，如相位噪声、放大器失真等）。
架构单一：大多数研究集中在单无人机或扁平的多无人机系统，缺乏分层架构的深入分析。

核心问题：如何设计一种分层无人机网络架构，结合非正交多址接入（NOMA）和非线性能量收集技术，在考虑硬件损伤和实际能量收集饱和效应的情况下，优化系统的中断概率（Outage Probability）和能效？

2. 方法论 (Methodology)

论文提出了一种分层自组网无人机（Hierarchical Ad Hoc UAV）网络模型，具体包含以下要素：

网络架构：
- 双层结构：包含一个簇头无人机（CHU，作为源节点）和多个簇成员无人机（CMU，作为中继节点）。
- 地面节点：服务于多个地面 IoT 设备。
- 能量源：地面功率信标（PB）为 CMU 提供能量。
通信协议：
- NOMA：允许同一频谱上同时传输多个用户信号，通过串行干扰消除（SIC）技术解码。
- 时间切换（TS）协议：将传输时间 $T$ $T$ 分为三个阶段：
  1. $\rho T$ ：CMU 从 PB 收集能量。
  2. $(1-\rho)T/2$ ：CHU 向 CMU 发送叠加编码信号（NOMA）。
  3. $(1-\rho)T/2$ ：CMU 利用收集的能量将信号中继转发给地面 IoT 设备。
关键建模假设：
- 非线性能量收集：采用分段函数模型描述实际整流电路的饱和效应（当接收功率超过阈值 $P_{th}$ 时，收集效率不再线性增加）。
- 硬件损伤（HWI）：在发射机和接收机端引入加性失真噪声，模拟相位噪声、功率放大器非线性等实际缺陷。
- 信道模型：
  - 无人机间（A2A）链路：视距（LoS）主导，遵循 Nakagami-m 衰落。
  - 无人机到地面（A2G）链路：混合 LoS/NLoS 模型，遵循 Nakagami-m 衰落。
理论推导：
- 推导了地面 IoT 设备、单个 CMU 以及整个系统的**中断概率（Outage Probability）**的闭式解析表达式。
- 考虑了 Nakagami-m 分布下的概率密度函数（PDF）和累积分布函数（CDF）。

3. 主要贡献 (Key Contributions)

联合系统设计：提出了一种将非线性能量收集与NOMA相结合的分层 UAV 网络设计方案，并首次在该架构中同时考虑了**硬件损伤（HWI）**的影响，提供了更贴近实际的评估框架。
解析表达式推导：
- 推导了考虑非线性和 HWI 条件下，地面 IoT 设备的中断概率。
- 推导了单个 CMU 的中断概率（CMU Outage Probability）。
- 推导了整个分层网络的中断概率（Network Outage Probability）。
性能对比与基准分析：将 proposed 系统与以下基准进行了对比：
- 无能量收集（Non-EH）系统。
- 不同硬件损伤程度下的系统表现。
- 不同饱和阈值和 Nakagami-m 形状参数的影响。

4. 实验结果 (Results)

通过数值仿真验证了理论分析的正确性，主要发现如下：

能量收集的优势：引入能量收集（EH）的系统性能显著优于无 EH 系统。在不同饱和阈值下，EH 系统带来了约 10 dB 的性能增益（在中断概率曲线上）。
非线性饱和效应：随着发射功率增加，中断概率下降，但在高功率区域会出现“中断底（Outage Floor）”。这是由于实际整流电路的饱和阈值（ $P_{th}$ ）限制，导致收集能量不再随输入功率线性增长。
硬件损伤的影响：硬件损伤（HWI）因子 $K$ 的增加会导致系统可靠性显著下降。即使在中等损伤水平下，性能损失也不容忽视，强调了在系统设计中考虑 HWI 的必要性。
Nakagami-m 参数影响：形状参数 $m$ 越大（衰落越轻），分集增益越高，中断概率曲线越陡峭，系统可靠性越好。
CMU 数量权衡：增加 CMU 数量（ $L$ ）虽然扩大了覆盖范围，但会导致整体中断概率上升。这是因为更多中继节点意味着系统中至少有一个节点遭遇恶劣信道条件的概率增加（“木桶效应”）。因此，盲目增加 CMU 数量并非最优策略。
阈值优化：提高饱和阈值 $P_{th}$ 可以改善中断性能，并缓解 HWI 的负面影响，因为更高的阈值允许更有效地利用收集的能量。

5. 意义与价值 (Significance)

理论价值：填补了现有文献在分层 UAV 网络中同时考虑NOMA、非线性能量收集和硬件损伤的理论空白。推导的解析表达式为未来类似系统的性能评估提供了数学基础。
工程指导：
- 证明了在 UAV 网络中引入非线性能量收集是提升能效和覆盖的关键，但必须考虑电路饱和效应。
- 揭示了硬件损伤对 6G 潜在 UAV 通信系统的严重负面影响，提示在硬件设计和系统鲁棒性分析中必须纳入 HWI 模型。
- 为网络规划提供了具体建议：在部署分层 UAV 网络时，需权衡中继节点数量与整体可靠性，避免过度增加节点导致系统性能下降。
6G 应用前景：该研究为构建可持续、低成本、高可靠性的 6G 空中地面一体化网络提供了重要的理论支撑和技术参考。

总结：该论文通过严谨的数学建模和仿真，证明了在考虑实际物理限制（非线性 EH 和 HWI）的情况下，基于 NOMA 的分层 UAV 网络仍能提供显著的性能优势，但也指出了系统参数（如中继数量、饱和阈值）优化的重要性。