《 无人机辅助的NOMA通信系统优化设计》

[1]梁雪. 无人机辅助的NOMA通信系统优化设计[D]. 北京邮电大学, 2021.

论文结构
第一章 绪论
1.2 NOMA-无人机通信系统的国内玩研究现状
1.2.1 无人机通信研究现状
（1）无人机辅助通信的三个典型应用：无人机覆盖，辅助中继，辅助数据采集和信息传播
（2）研究工作：静态部署、路径规划、能量感知和操作、无人机MIMO通信
a. 静态部署:
无人机的高度和水平位置以及悬停时间可以单独联合优化以满足不同的服务质量；
优化目标：最佳的平台高度获得最大的无线电覆盖。
b.路径规划
从吞吐量最大化的角度，无人机应该在距离地面最近的位置保持静止，以保持最佳的信道条件;
从能量的角度，以严格的零速度悬停是很低效的；
优化目标：在最大化通信吞吐量和最小化无人机推进能耗之间取得最佳平衡；

1.2.3无人机辅助NOMA通信系统的研究现状
找到一个静态无人机基站的最优高度，在单个用户速率约束下最大化用户之间的公平性
(1) 双NOMA用户
a.优化目标：
最大化用户之间的公平性；
计算下行两用户的中断概率；
(2)多NOMA用户
应用机器学习框架来解决无人机在3D空间中动态放置和移动问题；
已有研究并没有完整解决基于NOMA传输的移动多无人机通信系统优化方案

第二章 相关理论、技术与工具
2.1 功率复用非正交多址接入技术，这一节已经非常熟悉了
介绍PD-NOMA的实现原理；
下行链路PD-NOMA系统模型；
接收端串行干扰消除技术。
【需要建立的知识框架，写论文时需要用全局观】
问题：

• 为什么是PD-NOMA？它在所有的NOMA技术的哪一层次？
  自己有没有对NOMA技术的整体大框架？
  这一部分写论文时在引言部分需要写到 “ 非正交多址的研究现状 ”
• A Survey on Non-Orthogonal Multiple Access for 5G Networks: Research Challenges and Future Trends.
• 研究下行的意义？上下行有什么区别？具体的应用场景
  这一步在引言中也需要写到“上下行的研究现状，上下行的分析”
  通信系统的非对称性，上行和下行存在显著的区别

• 串行干扰消除技术
  有些情况会结合预编码考虑不完美的SIC情况
  2.3 凸优化技术与工具
  凸优化问题；
  对偶问题；
  连续凸优化；
  CVX工具箱
• 凸优化问题
  看论文的套路多是列出优化问题，然后对目标函数，约束条件进行分析；
  得到优化问题的类型
• 拉格朗日乘子与对偶问题
  感觉学好凸优化，找机器学习相关工作应该会上手比较快
  - 连续凸优化
  通过求解一系列与原问题相似的凸优化问题，从而找到原问题的一个局部解；
  相似函数是指在迭代点的局部保留了原函数的几何特征（梯度相等）
• CVX学习

第三章 基于 PD-NOMA 的移动多无人机通信系统优化策略
问题背景描述：
（导师非常强调研究的意义和背景）
在无人机辅助通信中，由于无人机搭载的空中基站通常配备单个天线并且在多个用户之间共享相同的带宽；
PD-NOMA能够通过功率域分割在使用多个用户同时共享一个资源，无人机辅助通信在频谱利用率方面有所提高；
无人机的高移动性也有助于NOMA提高边缘用户的吞吐量，在所有用户之间平衡服务质量；

用户关联——K-means改进的聚类算法；
功率控制——连续凸优化的方法
轨迹设计——逻辑函数逼近
3.2 多无人机辅助的PD-NOMA通信系统

3.3 PD-NOMA的系统设计
3.3.1多无人机与用户关联方案
（1）问题的基本信息
问题类型：组合优化算法；
解决办法：数学优化、穷举、机器学习的聚类算法
（2）
K-means算法，有限的迭代次数内快速有效地找到最佳分组，随机生成K个质心，计算每个点与所有质心的距离，根据相似性将所有点划分为K类，根据相似性将所有点划分为K类，并迭代更新质心和结果，直到收敛。
（论文里都是利用经典算法做出调整就是创新点了）
边缘点关联方法的改进：
假设A用户组一个边缘用户点到B用户组一个用户点的距离小于它到A组其他点的距离，则将该边缘点从A组划分到B组，否则保持不变。
对各组边缘用户进行类似的调整
（之前导师也让我考虑那种由于用户移动而导致的接入离开的问题，这里虽然是假设用户位置固定，无人机运动，但本质上都是因为两者相对位置的变化）

3.3.2 系统带宽分配问题
引入松弛变量
（最大化最小值的优化思想）

• 对松弛变量理解还不是很清楚
  这个问题是凸问题，本可以通过KKT条件直接求解，
  由于约束条件些微优点复杂，所以用一阶泰勒展开替换约束
  （求解推导值得细看，多载波时的功率分配应该是类似的）
  
  3.3.3 NOMA下行用户的功率控制
  非凸问题，利用连续凸逼近进行求解
  （同样的约束条件对于不同的优化变量凹凸性不同）
  
  3.3.4 多无人机轨迹设计
  $$f(x)=\frac{1}{1+e^{-\tau x}}$$
  用一个逻辑函数来逼近二元函数一个足够大的logistic函数可以很好地近似布尔函数
  
  非凸问题，二进制变量与无人机轨迹紧密耦合，利用逻辑函数来逼近二元变量。

总结分析：
由于带宽分配、功率控制和轨迹设计都涉及到连续凸优化技术，在每次迭代时只解决它们的下界问题，需要证明算法的收敛性；

个人感受：
虽然英文论文可能质量上会相对高一点，但是如果还是看不明白吧，那就多看看别人硕士怎么写的，八股文多看一点，总该会有点想法的，你要相信自己，顺利毕业只是最低要求罢了，没什么难的，镜子理论，不要否定你自己。