تعادل بار در شبکه‌های بی سیم سه بعدی مبتنی بر پهپاد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مطالعات علم و فناوری، دانشگاه فرماندهی و ستاد آجا، تهران، ایران.

2 گروه مهندسی برق، دانشگاه صنعتی ارومیه، ارومیه، ایران.

10.22034/qjmst.2023.1971317.1796

چکیده

هدف: شبکه‌های بی‌سیم با وسایل نقلیه هوایی بدون سرنشین (UAV)، به عنوان ایستگاه پایه هوابرد، به یک فناوری امیدوارکننده برای افزایش ناحیه پوشش کاربران تبدیل شده‌اند. هنگامی که کاربران با سرعت بالا در ناحیه پوشش شبکه پهپادی حرکت می‌کنند، یک الگوریتم انتقال کارآمد برای حفظ کیفیت خدمات کاربران مورد نیاز است. از طرف دیگر، بار شبکه باید به طور منصفانه توزیع شود تا از ایستگاه‌های پرازدحام و هم‌چنین ایستگاه‌های فاقد سرویس جلوگیری شود.
روش پژوهش: در این مقاله، یک الگوریتم کارآمد برای انتخاب ایستگاه پایه هدف در فرآیند دست به دست‌شدگی برای کاربران متحرک در شبکه‌های بی‌سیم مبتنی بر پهپاد ارائه می‌شود. الگوریتم پیشنهادی کیفیت سرویس مورد نیاز کاربران را در پوشش ایستگاه پایه جدید برآورده می‌کند در حالی که تعداد جابجایی‌های غیرضروری بین ایستگاه‌های پایه را کاهش داده و بار را در بین آن‌ها به صورت منصفانه توزیع می‌کند.
یافته‌ها: نتایج شبیه‌سازی نشان می‌دهد. روش پیشنهادی شاخص انصاف Jain و بهره‌وری طیفی را بهبود می‌دهد و هم‌چنین نرخ پینگ‌پونگ را کاهش می‌دهد.
نتیجه‌گیری: با توجه به نیاز روزافزون برای توسعه استقرار پهپادها در شبکه‌های بی‌سیم نسل جدید، روش پیشنهادی می‌تواند برای دست به دست‌شدگی در این نوع شبکه‌ها استفاده شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Load Balancing in 3D Wireless Networks with UAV

نویسندگان [English]

  • Akbar Asgharzadeh-Bonab 1
  • Hashem Kalbkhani 2
1 Corresponding Author, Assistant Professor, Department of Science and Technology Studies, AJA Command and Staff University, Tehran, Iran.
2 Faculty of Electrical Engineering, Urmia University of Technology, Urmia, Iran.
چکیده [English]

Objective: Wireless networks with unmanned aerial vehicles (UAVs) as airborne base stations have become a promising technology to increase the coverage area of users. When users move at high speed in the coverage area of a UAV network, an efficient handover algorithm is required to maintain the users’ quality of service. On the other hand, the network load should be fairly distributed to avoid crowded stations and stations without service.
Methodology: This paper presents an efficient algorithm for selecting the target base station in the handover process for mobile users in UAV-based wireless networks. The proposed algorithm satisfies the quality of service required by the users in the coverage of the new base station while reducing the number of unnecessary handovers between the base stations and distributing the load among them fairly.
Findings: The simulation results show that the proposed method enhances the Jain's fairness index and spectral efficiency and also, reduces the ping-pong rate.
Originality: Due to the increasing demand for developing UAVs in next-generation wireless networks, the proposed method can be used for handover in these networks.

کلیدواژه‌ها [English]

  • Handover
  • load balancing
  • sojourn time
  • UAV

مراجع

  • حبیبی، نیک­بخش. (1396). ارائه مدل اثربخش بکارگیری بهینه پهپاد در توانمندسازی عملیات آینده سازمان‌های دفاعی (مطالعه موردی عملیات پروازی نیروی هوایی). آینده‌پژوهی دفاعی، 2 (4): 35-62.
  • شجاعیان، علی؛ رحیم­پور، نگار و سجادیان، ناهید. (1397). کاربرد فتوگرامترى UAV در برآورد جمعیت تحت تاثیر شبکه‌های ماهوره‌ای‌. علوم و فنون نظامی. 14 (44): 91-115.
  • شکوهی، حسین و همت عندلیبی، علی. (1389). توانمندی‌های پهپاد درجنگ‌های آینده. علوم و فنون نظامی. 7 (18): 5-17.
  • محمدی، اردشیر؛ نواده­توپچی، حسین؛ فروزان، ایرج؛ شکوهی، حسین و ایجابی، ابراهیم (1401). مؤلفه‌های اثرگذار بر کشف و مقابله با هواپیمای بدون سرنشین در صحنه‌های نبرد آینده. آینده‌پژوهی دفاعی، 7 (25): 139-168.
  • Ahmad, A., Beg, M., & Ahmad, S. (2016). Fairness issues and measures in wireless networks: a survey," IOSR Journal of Electronics and Communication Engineering IOSR-JECE, 11 (6): 20-24.
  • Aissa, S.B, Letaifa, A.B., Sahli. A., & Rachedi, A. (2022). Computing offloading and load balancing within UAV clusters. IEEE 19th Annual Consumer Communications & Networking Conference (CCNC).
  • Al-Hourani, A. Kandeepan, S., & Jamalipour, A. (2014). Modeling air-to-ground path loss for low altitude platforms in urban environments. IEEE global communications conference.
  • Al-Hourani, A., Kandeepan, S., & Lardner, S. (2014). Optimal LAP altitude for maximum coverage. IEEE Wireless Communications Letters, 3 (6): 569-572.
  • Azari, M., Rosas, F., Chen, K.-C, & Pollin, S. (2016). Optimal UAV positioning for terrestrial-aerial communication in presence of fading. IEEE Global Communications Conference.
  • Bettstetter, C., Resta, G., & Santi, P. (2003). The node distribution of the random waypoint mobility model for wireless ad hoc networks. IEEE Transactions on mobile computing, 2 (3): 257-269.
  • Guo, H., Zhou, X., Wang, Y., & Liu, J., (2022). Achieve load balancing in multi-UAV edge computing IoT networks: a dynamic entry and exit mechanism. IEEE Internet of Things Journal, 9 (19): 18725-18736.
  • He, G., Bao, W., & Hui, Y. (2022). A UAV emergency network user allocation method for load balancing. International Conference on Big Data and Information Analytics (BigDIA).
  • Hu, B., Yang, H. Wang, L., & Chen, S. (2019). A trajectory prediction based intelligent handover control method in UAV cellular networks. China Communications, 16 (1): 1-14.
  • Huang, F., Chen, J., Wang, H., Ding, G., Xue, Z., Yang, Y., & Song, F. (2019). UAV-assisted SWIPT in Internet of Things with power splitting: trajectory design and power allocation. IEEE Access, 7: 68260-68270.
  • Jiang, C., Li, Y., Su, R., Xiao, Z., & Yan, F. (2020). A load balancing-based resource allocation algorithm in UAV-aided MEC systems. International Conference on Computer and Communications (ICCC).
  • Mozaffari, M., Saad, W., Bennis, M., Debbah, M. (2016). Efficient deployment of multiple unmanned aerial vehicles for optimal wireless coverage. IEEE Communications Letters, 20 (8): 1647-1650.
  • Park, K.-N., Cho, B.-M., Park, K.-J., & Kim, H. (2015). Optimal coverage control for net-drone handover. International Conference on Ubiquitous and Future Networks.
  • Park, K.-N., Kang, J.-H., Cho, B.-M., Park, K.-J., & Kim, H. (2016). Handover management of net-drones for future Internet platforms. International Journal of Distributed Sensor Networks, 12 (3): 5760245.
  • Piro, G., Grieco, L. A., Zoggia, G. & Camarda, P. (2010). A two-level scheduling algorithm for QoS support in the downlink of LTE cellular networks. European Wireless Conference.
  • Pong, D., & Moors, T. (2006). The impact of random waypoint mobility on infrastructure wireless networks. International Journal of Wireless Information Networks, 13 (2): 99-114.
  • Valavanis, K. P. & Vachtsevanos, G. J. (2015). Handbook of unmanned aerial vehicles.
  • Yan, S., Hanly, S.V., & Collings, I.B. (2021). "Optimal transmit power and flying location for UAV covert wireless communications. IEEE Journal on Selected Areas in Communications, 39 (11): 3321-3333.
  • Yang, L., Yao, H., Wang, J., C. Jiang, C., A. Benslimane, A., & Y. Liu, Y., (2020). Multi-UAV-enabled load-balance mobile-edge computing for IoT networks. IEEE Internet of Things Journal, 7 (8): 6898-6908.
  • H., Hu, B., & Wang, L. (2017). A deep learning based handover mechanism for UAV networks. International Symposium on Wireless Personal Multimedia Communications.
  • Yanmaz, E., Yahyanejad, S., Rinner, B., Hellwagner, H., & Bettstetter, C. (2018). Drone networks: communications, coordination, and sensing. Ad Hoc Networks, 68: 1-15.
  • Zeng, Y., Zhang, R. & Lim, T. J. (2016). Throughput maximization for UAV-enabled mobile relaying systems. IEEE Transactions on Communications, 64 (12): 4983-4996.
  • Zhang, G., Yan, H., Zeng, Y., Cui, M. and Liu, Y. (2018). Trajectory optimization and power allocation for multi-hop UAV relaying communications. IEEE Access, 6: 48566-48576.
  • Zhang, S., Zeng, Y. & Zhang, R. (2018). Cellular-enabled UAV communication: Trajectory optimization under connectivity constraint, IEEE International Conference on Communications.
  • Zhao, F. (2021). Optimal UAV's deployment and transmit power design for two users uplink NOMA systems. Frontiers in Neurorobotics,

فایل ها

هم رسانی

ارجاع به این مقاله

آمار