面向灾难恢复场景太赫兹通信中无人机基站部署优化的元启发式方法

《Ad Hoc Networks》：Metaheuristic approaches for optimizing UAV base station placement in THz communication for disaster recovery scenarios

　　

• 本研究提出了一种基于无人机的应急通信网络，用于在灾难场景中快速部署应急通信。
• 我们使用 LBLRTM 对真实的太赫兹信道进行建模，以考虑大气吸收效应。
• 我们将无人机定位问题表述为一个 NP-Hard 组合优化问题。
• 我们评估了七种元启发式算法，用于太赫兹通信系统中的最佳无人机定位。
• PSO 和 GA 表现出卓越的能效和容量性能，而相同孔径的太赫兹/毫米波测试表明，尽管太赫兹具有更强的指向敏感性，但仍保留了更高的热点容量。

**引言**

在现代社会，互联网连接已成为社会和经济活动的基本需求。然而，全球相当大一部分人口仍然无法接入，特别是在农村和经济落后地区，传统电信基础设施的部署受到财务、监管和后勤挑战的阻碍。这种数字鸿沟需要开发创新解决方案，例如基于无人机的基站（UAV-BS），以提供应急通信连接。在自然灾害发生后，这种快速部署网络的需求变得更加关键，自然灾害可能会严重损坏或破坏现有的通信基础设施，导致大面积停电。这些事件对通信服务产生了巨大的需求，而剩余的基础设施无法支持，严重阻碍了应急响应和救援行动。例如，2001 年 9 月 11 日袭击事件后通信流量的激增导致约 300 万条电话线路失效 [1]。2004 年印度洋海啸摧毁了 Banda Aceh 地区，摧毁了所有通信基础设施，包括天线和传输设备，导致通信完全中断 [2]。2008 年四川地震同样导致电信基础设施崩溃，严重阻碍了应急响应和救援协调工作。有效的危机响应以及医疗援助和救援行动的协调，关键取决于灾后应急通信网络的快速恢复。传统通信基础设施的重建通常需要数天甚至数周，从而加剧了灾难的后果。因此，必须快速且经济高效地开发替代通信恢复方法，来帮助受影响地区。此外，下一代应急通信系统的要求正在发生重大演变。虽然传统的救灾网络优先考虑基本连接性和低速率语音服务，但 6G 启用的应急响应范式正朝着数据密集型应用演变 [3]。诸如实时 3D 数字孪生、用于搜救无人机 8K 超高清（UHD）视频流以及远程遥控手术 [4] 等技术，所需的数据速率超出了现有毫米波（mmWave）系统的容量 [5]。在这种情况下，太赫兹（THz）频段出现，它不是作为替代品，而是作为灾区关键热点区域的高容量层 [6]。除了单纯提高数据速率外，6G 将通过太比特每秒（Tbps）吞吐量和亚毫秒级延迟，实现数字孪生和自主系统在灾害管理中的完全集成 [7]。

近年来，无人驾驶飞机（UAV）不仅被广泛探索用于军事、农业和野火管理应用，还被用于在紧急情况下建立临时通信基础设施 [8], [9], [10], [11], [12]。一个例子是 Facebook 的 Aquila 项目 [13]，该项目旨在使用太阳能无人机系统在偏远地点提供负担得起的互联网接入。然而，由于技术挑战，该项目已停止。空客等其他公司继续开发平流层平台系统（HAPS）。AT&T 的 Flying COW（Cell on Wings）项目代表了应急通信领域的另一个重要发展。该系统旨在基础设施因自然灾害破坏后迅速恢复连接，在 2017 年玛丽亚飓风后恢复通信中发挥了关键作用 [14]。这些无人机基站对于改善应急服务团队与受影响人口之间的通信至关重要。日本 SoftBank 与东京理工大学合作，正在开发搭载在无人机上的无线通信中继系统 [15]。这些系统已被实施以提供不间断的持续通信，特别是在灾后通信基础设施失效的情况下。无人机可以在空中停留较长时间，帮助在特定区域重新建立通信网络。同样，Alphabet 和 HAPSMobile 的 HAWK30 项目 [16] 寻求实施高空无人机技术，以扩大 5G 网络覆盖范围，并使用太阳能平台提供补贴宽带服务。

现有文献中出现了一个关键问题：为什么这些关于无人机定位的先前研究未能充分解决基于太赫兹的灾害响应网络的挑战？答案在于其底层假设的根本局限性。绝大多数研究要么专注于较低频段（Sub-6 GHz 和毫米波），在这些频段中大气吸收可以通过更简单的路径损耗模型来处理；要么在处理太赫兹频段时，往往忽视大气条件的严重频率依赖性影响。这种简化虽然对初步分析有用，但使得他们的发现对于现实世界中的太赫兹部署不切实际，在现实部署中大气效应代表主导因素。这项工作的主要动机直接源于这一关键差距：我们认为，太赫兹通信显著的太比特每秒（Tbps）级潜力只有在其最大挑战——严重的大气吸收——不被视为次要考虑因素，而是作为优化问题的核心组成部分时，才能实现。因此，这项研究的独特动机源于需要开发一个综合框架，整合物理上准确的信道模型（逐行辐射传输模型，LBLRTM），以调查在这个具有挑战性但又极具前景的频谱中的最佳无人机放置策略。

上述项目清楚地表明，无人机基站技术可能为没有互联网接入的大片区域提供覆盖，并在灾难期间作为通信网络支持的关键手段。为了最佳地服务像灾区这样的关键基础设施，无人机基站必须正确定位。本文提出使用配备太赫兹（THz）通信系统的无人机作为应急通信网络中的移动基站。太赫兹频率范围容易受到大气吸收和路径损耗的影响，这是信号传播的重大障碍。虽然太赫兹通信在大规模灾难期间提供可靠的连接性，但要利用其全部潜力，必须解决该频谱特有的严重大气衰减。在这个框架中，太赫兹通信不被视为独立的、覆盖整个灾区层。相反，它被定位为针对关键地点（如指挥所、医疗分诊点和密集救援作业区）的短程、高容量热点层。诸如 sub-6 GHz 或毫米波系统之类的较低频率技术可以提供更广泛的连续性和后备覆盖，而启用太赫兹的无人机层旨在在可以保持视距和控制部署条件的地方提供极端容量链路。因此，本研究的范围是准静态热点放置和物理感知的容量/可靠性评估，而不是完整的动态灾区网络控制。

重要的是要注意，本研究明确针对指挥所、医疗分诊区和救援协调中心等开放灾区中的准静态太赫兹热点部署，在这些地方可以通过在障碍物上方故意定位无人机来保持视距条件。在这种受控部署场景中，与通过 LBLRTM 建模的主导大气吸收相比，碎片的物理阻挡和非视距传播代表次要损伤。在充满碎片的复杂环境中评估感知阻挡和抗 NLoS 的部署策略被确定为未来工作的关键方向，需要专用的 3D 射线追踪模型和环境特定的障碍物数据库。

图 1 展示了一个场景，其中整个地面通信系统已失效。覆盖该区域的空中载具充当移动基站，而将信号中继回地面的无人机充当回传，创建了一个双层应急通信网络。如前所述，这种设置近似于我们研究关注的焦点。允许用户与地面站之间进行多跳远程控制通信的本地通信基础设施暂时因地震、洪水或海啸等灾难性事件而瘫痪。正是这种特定场景驱动了我们的研究。

确保多边缘网络中移动用户服务连续性的挑战是一个关键的研究领域。最近的研究，如工作 [17]，提出了复杂的框架来解决这个问题，特别专注于移动性引发的服务迁移。他们的 SR-CL 框架有效地利用深度强化学习主动迁移服务实例，以预测用户的移动，从而防止因车辆离开基站覆盖区域而造成的中断。这种方法巧妙地处理了源于用户轨迹的动态性。然而，我们的研究解决了一个根本不同但同样关键的动态性来源，即太赫兹频段固有的信道波动性，这种波动性由大气条件驱动。虽然参考研究 [17] 中提出的框架假设信道行为主要由距离和阻挡决定，但太赫兹链路的性能可能会因为湿度或其他大气参数的微小变化而灾难性下降，而不是由于用户移动性。因此，我们的工作不是专注于预测用户移动以防止服务中断，而是寻找最佳无人机放置位置，以首先创建对大气变化最具有韧性的物理链路。通过纳入高保真 LBLRTM 信道模型，我们优化了稳健性的不同方面——对环境动态的韧性而不是用户移动性。因此，我们的发现提供了对感知移动性框架的基础性补充，确立了最佳静态或准静态空中基础设施，在此基础设施中，像 SR-CL 这样的动态、移动性驱动的服务迁移策略可以最有效地运行。这项研究的目标是推进启用太赫兹的无人机基站的使用，以在灾难期间维持无缝连接。使用 LBLRTM 开发了真实的太赫兹信道模型，以考虑大气吸收和路径损耗对通信效率的影响，因为它们与太赫兹信道的表征有关。灾区通信性能受到覆盖缺口和所用无人机数量的影响，因此需要更先进的无人机放置模型来提高运营效率。

本文的主要贡献可总结如下：

1. **解决太赫兹移动基站的差距：** 本研究通过将在应急通信网络中整合无人机作为移动基站，解决了太赫兹通信中的关键差距，包括缺乏移动基站、缺乏易于部署的系统以及应急通信解决方案不足。
2. **快速高效的临时通信部署：** 基于无人机的系统能够在受影响或基础设施受限地区快速高效地建立临时应急通信网络。
3. **准静态太赫兹热点部署范围：** 所提出的启用太赫兹的无人机层被明确建模为灾区关键地点的高容量热点解决方案，而不是作为稳健的广域应急覆盖的独立替代品。
4. **可靠性和鲁棒性验证：** 本研究纳入了基于阈值的中断概率、链路可用性、恶劣大气/雨敏感性、孔径依赖的指向误差分析，以及相同孔径的太赫兹/毫米波指向误差比较，以评估仅基于容量指标之外的运营可行性。
5. **物理准确的太赫兹信道建模：** 太赫兹通信模拟使用带有真实吸收系数的 LBLRTM 进行，整合了大气吸收效应，提高了结果的准确性和可靠性。
6. **最佳分布和运营效率：** 所开发的模型旨在以最少数量的无人机部署实现最大覆盖和运营效率。
7. **NP-Hard 无人机定位问题：** 定位无人机以最佳执行任务是一个 NP-Hard 问题。为此，使用多种元启发式算法进行了全面评估：遗传算法（GA）、粒子群优化（PSO）、人工蜂群（ABC）、萤火虫算法（FA）、鲸鱼优化算法（WOA）、蝗虫优化算法（GOA）和哈里斯鹰优化（HHO）。
8. **将成熟的元启发式应用于新的太赫兹问题：** 本研究的创新之处在于将成熟的元启发式算法应用于现实、非线性且以吸收为主导的太赫兹信道中具有挑战性的无人机部署问题，并首次全面分析了它们在该环境中的行为和行为。
9. **未来混合算法的基础：** 对算法优缺点的分析，例如 PSO 的快速收敛和 GA 的广泛探索能力，为开发利用多种方法优势的未来混合算法提供了基础。

本文的其余部分组织如下。第 2 节提供了关于无人机放置和元启发式优化算法的相关工作综述。第 3 节提出了太赫兹通信的物理信道模型，包括基于 LBLRTM 的吸收损耗建模以及信噪比（SNR）和信道容量的推导。第 4 节详细介绍了启用太赫兹的无人机基站的能耗模型，涵盖电机能量、通信功率、处理器功率和能效指标。第 5 节将无人机放置问题表述为一个 NP-Hard 优化挑战。第 6 节比较了七种元启发式优化算法。

第 7 节展示了实验结果，包括面向可靠性的服务质量（QoS）的鲁棒性和操作可行性分析、恶劣大气/降雨条件，以及指向误差敏感性。最后，第 8 节通过总结关键发现和对未来研究的建议来结束本文。在无人机基站（UAV-BS）架构中采用太赫兹（THz）频段（0.1–10 THz）[18]，是由其相较于毫米波（mmWave）频段（30–300 GHz）[19]的决定性容量优势所驱动的。为了为太赫兹在灾后恢复中的部署提供强有力的动机，我们进行了全面的对比分析，考虑了传输功率（dBm）约束和多种大气模型。本研究中的所有计算均使用高分辨率的 LBLRTM 数据执行，特别关注太赫兹频段的 0.75–0.98 THz 范围和毫米波频段的 57–63 GHz [20] 范围，以确保真实的大气衰减建模。容量与距离权衡：如图 2 所示，太赫兹通信在 10 米距离处实现了约 4.8 Tbps 的峰值容量，是毫米波 0.31 Tbps 容量的 15.5 倍。虽然太赫兹容量在 300 米处降至 0.5 Tbps，但它仍然保持对毫米波（0.2 Tbps）2.5 倍的优势。这种巨大的吞吐量优势对于恢复高密度连接至关重要， potentially 支持超过 100 万次同时紧急呼叫 [1]。然而，应当指出，这些容量数据，包括支持大量同时用户的潜力，代表了在理想化假设（如完美视距（LoS）和最大带宽利用率）下推导出的理论上限。在实际的 6G 灾后恢复场景中，动态大气波动、多用户干扰和硬件引起的信号降级等因素可能会降低可实现吞吐量。尽管如此，这些基准突显了太赫兹频谱作为未来应急基础设施高容量骨干的显著潜力，为其整合提供了明确的动机，尽管存在这些实际约束。发射功率（dBm）敏感性：功率约束的影响揭示了两个频段在可扩展性方面的显著差异。对于毫米波（图 3），在 100 米处将发射功率从 10 dBm 增加到 50 dBm，容量从 0.11 Tbps 增加到 0.23 Tbps（提升了 109%）。相比之下，对于太赫兹（图 4），在 100 米距离下（在标准条件下），相同的功率增加使容量从 0.8 Tbps 提升至 2.5 Tbps（提升了 212%）。这表明太赫兹容量对功率扩展更为敏感，尽管它需要更高的功率来克服其固有的路径损耗。大气韧性对比：最显著的差异在于大气敏感性。如图 5 和图 6 所示，毫米波在不同环境中表现出显著的稳定性；在 300 米处，热带模型和亚寒带冬季模型之间的容量差异小于 0.01 Tbps（约 5% 的变化）。相反，太赫兹性能高度不稳定 [21]。在亚寒带冬季模型下，太赫兹在 300 米处保持 1.4 Tbps，而在热带模型下，由于极端的分子吸收，超过 200 米后容量降至接近零。这种对比分析表明，虽然毫米波无论天气如何都提供“可靠但低容量”的信道，太赫兹则提供了一种“超高容量但依赖环境”的解决方案。因此，为了在灾害场景中可靠地利用太赫兹的 Tbps 潜力，必须考虑现实大气条件（LBLRTM）进行精确的无人机放置。我们的研究通过提出一种元启发式优化框架来解决这一问题，以在这些动态约束下最大化覆盖范围。除了容量分析之外，本研究还评估了系统在恶劣大气条件下的鲁棒性。第 7.6.2 节提出了一项专门的敏感性分析，结合了基于 LBLRTM 的潮湿热带大气廓线和 ITU-R P.838 雨衰减建模 [22]。该分析报告了代表雨率为 10、25 和 50 mm/h 的物理 grounded 雨衰减值，并使用潮湿热带廓线和 R=25mm/h 实施恶劣天气验证。结果表明，即使在评估的恶劣条件下，优化的太赫兹热点部署在 0.10 Tbps 阈值下仍保持零中断概率的操作可行性，证实了其在理想化晴朗天气假设之外的实际可行性。在多样化的 6G 部署场景中，从密集的城市和工业环境到涉及无人机、高空平台站（HAPs）以及低地球轨道/地球静止轨道（LEO/GEO）星座的非地面网络 [23]，通信系统越来越多地采用以波束为中心的方法。在这一框架下，利用窄波束和高增益天线阵列是必不可少的，不仅用于建立链路，还用于主动缓解干扰。因此，毫米波和太赫兹通信系统——6G 范式的基石——提供了巨大的数据速率和广阔的带宽；然而，指向误差仍然是整体系统性能的关键约束 [24], [25]。这些频率固有的高度定向、窄波束架构增强了天线增益，但也同时加剧了收发器之间的角度对齐敏感性。特别是在太赫兹频谱中，超窄波束宽度意味着即使微小的角度偏移也会触发接收信号强度的指数级下降，从而损害通信链路的完整性。然而，第 1.1 节中的数值比较（见图 2）提供了对这些指向误差影响的关键视角。虽然由于超窄波束宽度，太赫兹系统天生对波束不对齐更敏感，但太赫兹的初始容量优势（最高为毫米波的 15.5 倍）提供了显著的“性能缓冲”。即使在指向误差可能导致信号严重退化的次优对齐条件下，太赫兹链路的剩余吞吐量仍然高出完美对齐的毫米波链路的峰值容量数倍。因此，太赫兹的集成并非“过时”，而是处理 6G 灾后恢复中海量数据激增的战略必要，前提是采用 LeBeam 等自适应对齐技术来管理这些敏感性。在文献中，指向误差通常被建模为高斯分布的角度偏差，并且已证明这些误差是高度定向天线阵列链路性能的决定性因素 [25]。分析研究表明，这种效应可以通过适当的系统设计来缓解；具体而言，选择与角度抖动标准偏差成正比（约 1.6 倍）的天线波束宽度被证明是最小化指向误差影响的关键设计准则 [25]。此外，减轻指向误差影响的努力不仅限于分析建模，还包括基于学习和自适应控制的方法。特别是在高移动性无人机场景中，基于回声状态网络（ESN）的 LeBeam 方法已被提出，用于实时估计和补偿由风和平台振动引起的对齐误差。该方法已被证明可以动态确定最大化链路容量的最佳波束宽度 [26]。类似地，为了加速太赫兹超大规模 MIMO 系统中的波束扫描过程，基于模型的深度学习架构——如定点网络（FPN）——已被开发，通过大幅减少对齐齐时延，在系统性能方面显示出显著改进 [27]。从更广阔的视角来看，解决波束对齐问题的系统研究表明，混合方法——如波束扫描、上下文信息、压缩感知和通感一体化（ISAC）——在该领域提供了有效的解决方案 [28]。特别是基于 ISAC 的系统通过环境感知和用户跟踪主动预测对齐误差在发生前的能力，突显了这项技术作为未来 6G 系统的主要候选者。在硬件层面，已经提出了如万向节、快速转向镜（FSM）和基于信标的对齐系统等解决方案来减轻指向误差。在这些系统中，万向节提供粗略对齐，而 FSM 执行微调，有助于保持信号完整性 [24]。另一方面，当比较毫米波和太赫兹系统对指向误差的敏感性时，公认的是由于波束结构更窄，太赫兹系统更敏感。然而，对比分析表明，太赫兹系统在短距离通信场景中提供的高容量优势，在与适当的对齐技术一起评估时提供了显著的性能增益 [29]。此外，针对自组织网络进行的研究表明，可以使用基于高斯的模型来分析波束不对齐对容量的影响，并且这些损耗可以通过适当的系统设计来管理 [30]。基于这些见解，本研究采用 [25] 的高斯角度抖动模型来量化拟议的太赫兹启用无人机热点部署中由指向误差引起的链路预算降级。而不是采用主动缓解硬件（如万向节或快速转向镜，这会引入超出本研究范围的有效载荷和功率约束），评估框架量化了在轻度、中度和重度无人机角度抖动水平下的性能降级包络。这提供了此类缓解技术必须在其内工作以维持灾后恢复场景中可接受 QoS 的操作边界。为了经验性地验证以可靠性为导向的放置目标，第 7.6 节提出了一项专门的鲁棒性分析，评估优化后的基于阈值的中断概率和链路可用性。指向误差分析被视为与孔径相关、与算法无关的单链路敏感性，量化了剩余无人机角度抖动施加的额外天线方向图损耗。为了明确解决较低频率替代方案的相对鲁棒性，第 7.6.3 节进一步比较了相同有效孔径、剩余抖动、距离、发射功率和基于 LBLRTM 的大气建模下的太赫兹和毫米波链路。这种比较确认了由于波束更宽，毫米波对指向误差具有更大的韧性，但它也表明，在评估的操作点下，太赫兹热点层保留了高得多的短距离容量。节片段 相关工作

在优化配备基站的无人机放置以向地面用户提供高效服务时，系统地分析和计算了覆盖概率、用户高度和天线增益作为相互依赖的函数。利用圆堆积理论，无人机被相对于用户的覆盖概率定位在三维空间中。研究结果表明，增加无人机的高度以及天线波束宽度会降低物理信道模型。

太赫兹通信的物理信道模型

在电磁（EM）通信中，带宽与波的能量和频率相连。太赫兹频段范围为 0.75 到 10 THz。由于波长原因，太赫兹波可以引起材料分子的振动。由于分子结构，这些是每种材料的独特振动。太赫兹波在无振动区域传播时阻力最小，因此需要与材料特征匹配的频率范围 [57]。关于该太赫兹无人机（UAV）基站的能耗模型

本部分研究提出了一个评估太赫兹无人机基站能耗的综合模型。所提出的模型考虑了无人机完成飞行操作和通信任务所需的总能量 [60]。

基于太赫兹（THz）基站的无人机（THz-UAV-BS）的瞬时总功耗可以表示为三个主要组件的总和：电机消耗的功率（Pmotors）、用于太赫兹数据传输的功率（Pcomm），以及无人机放置问题

无人机的高效定位仍然是一个有意义的挑战。放置不当的无人机可能导致覆盖盲区、能源浪费和连接不一致。这项研究通过研究在太赫兹（THz）频段操作的无人机的运营基站放置问题，来解决此类问题，称为 THz-UAV-BS。使用基于太赫兹的无人机网络将超越传统基于 GHz 的网络的限制。太赫兹通信支持高得多的数据元启发式优化算法的对比分析

在本节中，介绍了本研究中使用的元启发式算法。与这些算法相关的关键参数总结在表 2 中。

算法性能评估中的公平性：基于时间 vs. 基于迭代的测试

一种常见的算法性能评估方法是基于迭代的指标。然而，这种方法未能考虑到在现实场景中，不同的算法可能需要不同的计算时间来完成相同数量的迭代这一事实。虽然基于迭代的测试具有信息性，但它未考虑到计算成本不同的计算算法在执行时间上的差异。例如，遗传算法（GA）可能需要扩展

结论

重要的是要强调，本研究的主要贡献不在于开发新的优化算法，而在于提供现有元启发式方法在基于太赫兹的灾后恢复背景下的物理感知和经验对比评估。通过纳入高保真的基于 LBLRTM 的大气建模，本研究弥合了理论优化和现实太赫兹传播约束之间的差距，提供了全面的

CRediT 作者贡献声明

Ismail Ersin：写作 – 原稿，概念化。Sercan Demirci：写作 – 审查与编辑，资源。Mustafa Alper Akkas：写作 – 审查与编辑，可视化，资源，形式分析。

Orhan Dagdeviren：写作 – 审查与编辑，验证，方法论，形式分析。
利益冲突声明
作者声明，他们不存在任何可能影响本论文报告工作的已知竞争性财务利益或个人关系。
Ismail Ersin|Sercan Demirci|Mustafa Alper Akkas|Orhan Dagdeviren