基于开放无线接入网的主动定位方法以增强无人机辅助移动网络

《Journal of Communications and Networks》：Open-RAN based proactive positioning approach to enhance UAV-assisted mobile networks

　　将无人机作为空中基站（UAV-BS）整合到开放无线接入网络（Open-RAN）框架中，为无人机辅助网络带来了变革性的转变，在增强地面设备网络覆盖的同时，也提升了其对动态场景的适应能力。在此背景下，设计一种智能的主动式UAV-BS部署方案至关重要，该方案可以考虑采用机器学习（ML）算法来预测用户移动轨迹及服务质量（QoS），从而改善网络运行效果。本文提出了PURSUIT，一种由人工智能（AI）驱动的主动式定位方法，用于管理UAV-BS的位置以改善地面用户的服务质量。其主要贡献包括：基于卡尔曼滤波器的用户设备（UE）移动预测模型，用于估计UE位置；采用加权K-均值算法和匈牙利算法的主动式UAV-BS部署方法，以实现最优定位；以及基于神经网络的QoS感知估计模型，根据UE应用需求和网络状况优化UAV-BS的部署位置。我们使用ns3-ORAN模块和SUMO，结合真实的移动性轨迹数据进行了仿真，以评估PURSUIT的性能。仿真结果表明，与最先进的被动式解决方案相比，PURSUIT的延迟降低了30%，具体而言，相比仅使用卡尔曼滤波预测的方法降低了23%，相比无预测方法降低了36%。此外，在各种预测策略下，PURSUIT将分组交付率（PDR）提高了5%以上，与被动式方法相比最高提升了10%；同时，相比仅使用卡尔曼滤波的方法，吞吐量提高了16%，相比无预测方法提高了9%。