在低空智联网中,无人机作为空中通信基站、数据传输中继节点和移动网络终端的重要组成部分,凭借其卓越的机动性和适应性,广泛应用于扩展网络覆盖和支持多种业务服务。然而,由于低空智联网面临着网络拓扑动态变化、空域资源稀缺以及多样...在低空智联网中,无人机作为空中通信基站、数据传输中继节点和移动网络终端的重要组成部分,凭借其卓越的机动性和适应性,广泛应用于扩展网络覆盖和支持多种业务服务。然而,由于低空智联网面临着网络拓扑动态变化、空域资源稀缺以及多样化业务需求等挑战,实现有限资源的高效编排和管理仍然是一项艰巨任务。为解决这一问题,通过对无人机网络进行端到端切片,构建满足特定需求的逻辑无人机网络架构。首先,设计了一种分群轨迹预测模型,用于确定分群接入节点的位置,为网络切片的资源预留与优化提供支持。基于此,提出了一种双时间尺度的资源管理框架:在大时间尺度上,采用非线性规划方法将切片重配置问题转化为约束优化问题,优化整体切片效益并合理预留资源;在小时间尺度上,通过针对切片内业务需求的资源调度策略,满足具体业务的传输服务质量(quality of service,QoS)需求。仿真结果表明,该方法增强了低空无人机智联网络在动态环境中的适应性与服务质量,为低空智联网复杂场景下的资源管理和业务保障提供了有效支持。展开更多
文摘在低空智联网中,无人机作为空中通信基站、数据传输中继节点和移动网络终端的重要组成部分,凭借其卓越的机动性和适应性,广泛应用于扩展网络覆盖和支持多种业务服务。然而,由于低空智联网面临着网络拓扑动态变化、空域资源稀缺以及多样化业务需求等挑战,实现有限资源的高效编排和管理仍然是一项艰巨任务。为解决这一问题,通过对无人机网络进行端到端切片,构建满足特定需求的逻辑无人机网络架构。首先,设计了一种分群轨迹预测模型,用于确定分群接入节点的位置,为网络切片的资源预留与优化提供支持。基于此,提出了一种双时间尺度的资源管理框架:在大时间尺度上,采用非线性规划方法将切片重配置问题转化为约束优化问题,优化整体切片效益并合理预留资源;在小时间尺度上,通过针对切片内业务需求的资源调度策略,满足具体业务的传输服务质量(quality of service,QoS)需求。仿真结果表明,该方法增强了低空无人机智联网络在动态环境中的适应性与服务质量,为低空智联网复杂场景下的资源管理和业务保障提供了有效支持。
