Optimización conjunta de DCCR y eficiencia energética en redes UAV-NOMA asistidas por STAR-RIS activas
Autores: Zhan, Yan; Hong, Yi; Li, Deying; Luo, Chuanwen; Fan, Xin
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Optimización conjunta de DCCR y eficiencia energética en redes UAV-NOMA asistidas por STAR-RIS activas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Investigado
Enlaces de recolección de datos inestables
Baja eficiencia
Recolección de datos IoT
Ciudades inteligentes
STAR-RIS activo
UAVs
Calidad del canal
Recolección de datos eficiente
Entornos complejos
Transmisión simultánea
Superficie inteligente reconfigurable que refleja
Sistema de recolección de datos NOMA
Formación de haces STAR-RIS activa
Asignación de potencia SN
Trayectoria del UAV
Eficiencia energética del sistema
Tasa de recolección de datos completa
Ascenso de coordenadas en bloque
BCA
Problema no convexo
Optimización de formación de haces combinados
Desplazamiento de fase
Matrices de ganancia de amplificación
Asignación de potencia
Optimización de trayectoria
Aproximación convexa sucesiva
SCA
Programación fraccionaria
Métodos FP
Resultados de simulación
Algoritmo propuesto
Convergencia rápida
Ventajas
NOMA convencional
Esquemas OMA
Tasa de rendimiento
DCCR
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este documento investigó los problemas de enlaces de recolección de datos inestables y baja eficiencia en la recolección de datos del IoT para ciudades inteligentes al combinar STAR-RIS activo con UAVs para mejorar la calidad del canal, logrando una recolección de datos eficiente en entornos complejos. Con este fin, proponemos un sistema de recolección de datos habilitado por UAV y asistido por una superficie inteligente reconfigurable (STAR-RIS) que transmite y refleja simultáneamente, el cual optimiza conjuntamente la formación de haces del STAR-RIS activo, la asignación de potencia SN y la trayectoria del UAV para maximizar la eficiencia energética del sistema (EE) y la tasa de recolección completa de datos (DCCR). Aplicamos el ascenso de coordenadas por bloques (BCA) para descomponer el problema no convexo en tres subproblemas alternos: optimización de la formación de haces combinada de matrices de desplazamiento de fase y ganancia de amplificación, asignación de potencia y optimización de trayectoria, que se procesan iterativamente a través de métodos de aproximación convexa sucesiva (SCA) y programación fraccionaria (FP), respectivamente. Los resultados de simulación demuestran la rápida convergencia del algoritmo propuesto y las ventajas significativas sobre los esquemas convencionales de NOMA y OMA tanto en tasa de rendimiento como en DCCR.
Descripción
Este documento investigó los problemas de enlaces de recolección de datos inestables y baja eficiencia en la recolección de datos del IoT para ciudades inteligentes al combinar STAR-RIS activo con UAVs para mejorar la calidad del canal, logrando una recolección de datos eficiente en entornos complejos. Con este fin, proponemos un sistema de recolección de datos habilitado por UAV y asistido por una superficie inteligente reconfigurable (STAR-RIS) que transmite y refleja simultáneamente, el cual optimiza conjuntamente la formación de haces del STAR-RIS activo, la asignación de potencia SN y la trayectoria del UAV para maximizar la eficiencia energética del sistema (EE) y la tasa de recolección completa de datos (DCCR). Aplicamos el ascenso de coordenadas por bloques (BCA) para descomponer el problema no convexo en tres subproblemas alternos: optimización de la formación de haces combinada de matrices de desplazamiento de fase y ganancia de amplificación, asignación de potencia y optimización de trayectoria, que se procesan iterativamente a través de métodos de aproximación convexa sucesiva (SCA) y programación fraccionaria (FP), respectivamente. Los resultados de simulación demuestran la rápida convergencia del algoritmo propuesto y las ventajas significativas sobre los esquemas convencionales de NOMA y OMA tanto en tasa de rendimiento como en DCCR.