引言

近年來，隨著低空經濟的發展，無人機的數量和應用急劇增加，無人機的通信需求也隨之快速擴張[1]。而傳統的基于地面站的無人機通信方式受地面站性能和所用的非授權頻段的限制，存在易受干擾、通信范圍受限、安全性差等問題，難以滿足新應用場景的需求，因此，人們認為利用蓬勃發展的5G及以上蜂窩網絡支持無人機通信是最有前途和成本效益的方法[2-6]。

然而，現有的蜂窩網絡以服務地面用戶為主[7]，據此開展的網絡規劃和優化也主要面向地面目標，并且由于天線自身存在零位、旁瓣等問題，低空場景中信號覆蓋不全、鄰區關系雜亂、切換頻繁、信號干擾嚴重等現象極為突出，使得目前的蜂窩網絡難以滿足無人機低空通信的需要[2, 5, 8]。因此，亟需通過建立專門的低空網絡來開展對低空無人機應用場景的通信服務。

當前的低空通信組網方案主要有同站空地同頻組網、同站空地異頻組網、異站空地同頻組網、異站空地異頻組網等[2, 9]，其中，同站組網方案通過在地面蜂窩網絡站址上對現有設備進行調整優化或新增少量AAU設備等方式實現低空網絡的建立，具有成本低、建設方便等優點。對于具體的低空網絡建設方案，已有很多關于低空基站的選址[10]以及對天線的仰角[11-12]的調整方面的研究，然而上述研究往往只聚焦于站址或仰角等單一配置的調整，對于實際應用中通過優化已有地面基站建立低空網絡過程中的對合適基站進行選擇以及對高度、天線角度、設備選型等多方面配置策略的聯合設計而言，其實用價值有限，需要設計一種多要素聯合的低空基站優化方法，實現低成本、高效率的低空網絡建設。

傳統的蜂窩網絡的基站規劃方法往往根據經驗模型估計信號的傳播，而已有研究證實，城市環境內的復雜建筑物的遮擋和反射會極大地改變空對地信道特性[13-15]，因此統計性信道模型往往難以準確描述信道特征。而射線追蹤技術可通過計算無線電波與場景之間的電磁相互作用，模擬真實的信號傳播過程，具有更高的靈活性[15]。然而射線追蹤作為一種確定性傳播工具，其所需計算量往往遠大于統計性模型，因而在應用時需采取實時計算等措施降低計算量，提升效率。

強化學習是一種通過智能體與環境的交互來積累信息、改進策略的機器學習方法，該方法通過環境對智能體動作的反饋來進行智能體的訓練與學習，具有無需提前獲取先驗信息的優點。對低空基站優化問題而言，使用強化學習方法可免于提前進行各基站不同優化方案的覆蓋效果的繁雜計算，提升優化速度，降低計算量與時間成本。

本文詳細內容請下載：

http://www.cowatch.cn/resource/share/2000006596

作者信息：

薄云鵬1，2，亢抗3，潘桂新3，汪敏1

（1.中國科學院云南天文臺，云南 昆明 650200；

2.中國科學院大學，北京 100049；

3.中國聯合網絡通信有限公司廣東省分公司，廣東 廣州 510700）