不完全信道估计对启用缓存的无人机中继网络硬件损害的影响

摘要

本文研究了硬件损伤对不完美信道估计的影响。本文研究了启用缓存的UAV网络。通过导出关于中断概率的确切闭合形式表达式，设置参数的效果，例如高速缓存或中继节点，硬件损伤因子，信道估计误差和传输SNR。当传输信噪比足够大时，给出了渐近结果。从渐近分析可以看出，硬件损耗和不完全信道估计引入了一个误差下限。具体来说，误差下限取决于信道估计误差因子、硬件损害失真因子和QoS要求。缓存/中继链路错误底的分集顺序等于缓存/中继UAV节点的数量。

1.介绍

近年来，无线吞吐量呈指数增长[1- - - - - -3.[无线通信网络面临越来越多的无线大数据引入的挑战[4- - - - - -7］．高速缓存技术既可以提高无线链路的服务质量(QoS)，又可以缓解无线吞吐量的压力，已被证明是一种显著的无线网络使能解决方案[8- - - - - -10.］．通过利用干扰中和，作者在[11.]提出了一种优化的内容布局方法，以提高系统的容量。在无线高速缓存网络中采用最大距离可分编码[12.]，这可以在成功的检索概率方面提高系统性能。

另一方面，由RF组件的相位噪声引入的硬件损伤，对系统性能产生了很大的影响。已经广泛研究了硬件损伤和建模为添加性失真噪声[13.或非线性多项式乘法因子[14.，15.］．考虑到放大转发(AF)中继网络，[16.]通过精确的闭形式表达式和紧边界研究了硬件损害对信道容量的影响，而Ref. [17.证明了由于空间自由度的巨大，更大的硬件损伤可以用于大规模MIMO。采用迭代优化算法，Ding等[18.]提出了一种最大化检测概率的解决方案。

同时，由于高移动性，由于在导频信号上应用线性估计方法，因此存在不完美的信道估计[19.］．考虑不完全信道状态信息相关瑞利衰落的Al-Hussaibi和Ali [20.通过天线选择的ergodic能力的表达。作者在[21.]从符号错误概率的角度分析了不完美CSI估计对Alamouti-OSTBC无线合作网络的影响。

然而，不完全信道估计的硬件损害对中继网络的影响仍然是一个悬而未决的问题。在无人机(UAV)网络中，无人机节点作为缓存使能接入点或AF中继节点。为了提高无线信道的QoS，选择缓存最好的无人机节点或AF中继节点，帮助消息从宏BS向用户传输。通过推导出中断概率的精确封闭表达式，给出了缓存/中继节点数、硬件损耗因子、信道估计误差和传输信噪比等系统参数对中断概率的影响。当传输信噪比足够大时，给出了渐近结果。从渐近分析可以看出，硬件损耗和不完全信道估计引入了一个误差下限。具体来说，误差下限取决于信道估计误差因子、硬件损害失真因子和QoS要求。缓存/中继链路错误底的分集顺序等于缓存/中继UAV节点的数量。

本文的主要贡献如下:（一世）采用高速缓存的UV中继协议来改进无线链路的QoS，其中UAV节点作为高速缓存启用接入点或AF中继节点（ii）我们通过导出确切的闭合表达式表达式，提供了对系统参数的影响，例如缓存/中继节点，硬件损伤因子，信道估计误差和传输SNR的效果，如缓存/中继节点，硬件损伤因子，信道估计误差和传输SNR的影响停电概率

本文的结构如下。部分2介绍了启用高速缓存的放大和前进UAV网络的系统模型，而UAV选择算法及其性能分析在一节中给出3.．本节给出了渐近分析4具有大的传输功率。在部分5，存在仿真结果以验证理论分析。最后，结论在一节中给出6．

2.系统模型

支持高速缓存的放大和前进的无人航线（UAV）网络的系统模型存在于图中1，其中有一个目标用户，一个宏基站(BS)和启用缓存的UAV中继节点。我们假设所有节点只配备有一个天线。此外，由于阴影衰落，从宏BS到目的地用户没有直接链接。为了改善链接的QoS，选择一个UAV节点以帮助消息传输。由于UAV节点包含有限的高速缓冲存储器，因此如果来自UAV节点中的请求的文件命中，则可以松除来自宏BS到UAV节点的回程加载。在这种情况下，选择一个UAV节点并直接向用户发送消息。另一方面，如果未缓存所请求的文件，所选的UAV节点将作为放大和前进的中继节点工作以帮助数据传输。假设所有链接都是块瑞利衰落通道，彼此独立。

3.选择算法和性能分析

3.1。缓存链接

如果请求的文件被无人机节点缓存，则无人机节点的功率归一化传输信号可建模为[13.］ 在哪里为单位功率的信息方位信号， 是由硬件缺陷引起的失真噪声[22.- - - - - -25.),而为硬件损坏失真系数。

由于采用了经典MMSE信道估计算法，因此实际信道衰落系数和估计版本之间存在一些估计误差[26.- - - - - -29.］．假设估计误差与不完美CSI无关[30.- - - - - -35.］．因此，给出了不完美信道状态信息和理想版本之间的关系 在哪里 是csi来自的th UAV节点到用户，而 表示的不完全估计 ， 是之间的区别和 ，和是信道估计误差因子。具体来说， 表示完美信道估计。

鉴于这一点当选择第一个无人机中继节点时，所选节点缓存所请求的文件。则用户接收到的信号为 在哪里是无人机节点的传输功率，和 是接受的白色高斯噪音。

然后，可以给出对干扰加噪声比（SINR）的信号 在哪里

很明显,是单调递增函数 ．在这种情况下，最佳UAV节点可以如下给出：

由于不同之间的独立性根据订购的统计数据，我们有 在哪里是中继节点的数量。

则缓存链路的中断概率为 在哪里 和是所需的能力。

用(7) (8),我们得到

3.2。中继链接

另一方面，如果所请求的文件未缓存在所选择的UAV节点中，则通过使用放大和前进的中继协议，在UAV节点的帮助下将原始消息从宏BS发送到用户。

在这种情况下，所接收的信号可以给予UAV节点 在哪里是宏BS的传输功率， 表示从宏BS到宏BS的频道衰落系数TH UAV节点，和 是UAV节点的收到高斯噪声。

然后，UAV节点将通过电源放大接收信号并重新发送给用户。因此，可以给出通过AF协议的用户处的接收信号 在哪里功率放大系数是否如下所示 和 是第一跳的频道衰落力量。

用(2)和(12.) (11.），我们可以通过AF协议获得用户的SINR 在哪里

为了获得最佳信噪比，可以采用无人机选择算法。注意如果传输功率足够大，即， ， ，高阶项可以忽略。然后,在 （13.)可以简化为

为了简单地，理论分析的复杂性，我们使用以下近似。回想起[36.］

为了通过AF协议获得最佳SINR，可以给出选择标准 在哪里 ．

定理1。的累积分布函数和被给予 为 ． 为 ，在哪里 在定理中求方程的导数1，我们可以得到如下推论。

推论2。概率分布函数和被给予 为 ，和 为 ．

证明。请参阅附录VI-A。
考虑(中的SINR表达式13.），中断发生时低于服务质量要求，即， 在哪里 ．
用(13.) (24.）， 我们有 应用条件概率公式，我们有 在哪里 应用(18.) (25.)，我们可以得到 导出…的确切表达式 ，首先，我们给出以下定义 应用(18.) (29.)，我们可以得到 因此,项目在方程(25.）可以给予 通过使用必要的数学推导和应用方程（3.324-1）[37.]， IE。， 的封闭形式表达式可以获得。
用(27.), (28.)和(31.) (25.），我们可以获得确切的闭合形式表达 ．

4.渐近分析

为了深入了解硬件损害对不完美信道估计的影响，我们将进行中断概率的渐近分析。注意如果传输功率足够大，即， ，和 ．

因此，我们有

应用近似 ，如果 在 （9）， 我们有

根据缓存链路中断概率的渐近表达式，可以得出如下结论:

备注3。当传输功率足够大时，有一个错误的链接底板。同时，相对于传输功率的分集顺序为零。

备注4。缓存链路的错误楼层取决于信道估计误差因子 ，硬件损伤失真因子 ，和QoS要求 ．

备注5。缓存链路的错误层分集阶数等于缓存的UAV节点数。

考虑(中的SINR表达式15.）， 我们有

通过使用（A.3）， 我们有 在哪里

注6。当传输功率足够大时，中继链路也存在误差下限。

注7。用于中继链路的错误底的分集顺序等于中继UAV节点的数量。

5.仿真结果

本节给出了仿真结果，以验证理论分析的准确性。为了简单起见，我们设置 ．系统参数的影响，例如UAV节点的数量 ，缓存链接的传输SNR和中继链路 ，以及容量阈值 ，被调查了。

数字2显示传输SNR的影响关于缓存链接的中暑性能。在此模拟中，我们有以下系统参数： ，和传输信噪比从12 dB变为39 dB。在该图中比较了模拟结果和理论分析以及渐近分析。如图所示，在所有SNR区域中，仿真结果与理论分析相匹配。此外，当变速器SNR变大时出现错误地板，这与渐近性能分析一致。原因是，当SNR足够大时，系统性能的瓶颈是硬件损伤和信道估计误差。错误楼层与误区之间的详细关系和作为等式（34.)和(36.）。当请求的文件未被UAV节点命中时，采用放大和转发协议，并且图中存在仿真结果3.，对于与的中继链路也可以得到类似的结论 ．

图4和5显示容量阈值的影响关于缓存链路和中继链路的下降概率。系统参数设置如下： ，以及容量阈值从1个BPS / Hz变为3个BPS / Hz。从两个数字来看，我们可以观察到这一点显示对所有SNR区域的中断概率显着影响。具体地，中断概率的分集顺序相对于传输SNR为零要么 ．

图6和7显示硬件损害因子的影响关于缓存链路和中继链路的下降概率。系统参数设置如下： ，以及硬件损害因子从0.01变为0.03。从这些数字中，我们可以观察到这一点在高信噪比区域，对中断概率有较大影响。具体来说,更大的将引入更高的错误楼层。原因是，在所考虑的场景中，系统性能的瓶颈是硬件损伤。当硬件损伤因子噪声功率越大，噪声功率越大，系统性能越差。

缓存的UAV节点的数量的效果存在于图中8，系统参数设置如下： ，和缓存的无人机节点数从2改为3。从图中我们可以看出对系统性能显示出很大影响。如渐近分析的发言称，缓存/中继链路错误底的分集顺序等于缓存/中继UAV节点的数量。

6。结论

本文研究了硬件损伤对缓存的UV中继网络的不完美信道估计的影响。为了提高无线信道的QoS，选择缓存最好的无人机节点或AF中继节点，帮助消息从宏BS向用户传输。设置参数的影响，例如缓存/中继节点的数量，硬件损伤因子，信道估计误差和传输SNR通过导出在中断概率上的确切闭合形式表达式存在。当传输信噪比足够大时，给出了渐近结果。从渐近分析可以看出，硬件损耗和不完全信道估计引入了一个误差下限。具体来说，误差下限取决于信道估计误差因子、硬件损害失真因子和QoS要求。在未来的作品中，我们将介绍基于深度的学习[38.- - - - - -40.]或基于Q学习的算法[41.，42.]，以进一步提高系统性能。此外，我们将把考虑的无线技术应用于一些实际的物联网系统[43.，44.]实现绿色能源应用。

附录

定理证明1

对于案件 ，这个定理显然成立。

我们将专注于这种情况 ．首先，我们给出以下定义

然后，PDF的可以衍生成

由于两者之间的独立性和 ，我们获得

采取衍生物 ，我们可以得到PDF作为 在哪里

其次，我们给另一个定义

自从我们是独立的相同分布，我们可以拥有

用(A.3) (A.7）我们有施用二项式定理，我们有

因此，PDF可以获得为 在哪里 ．

根据(17.），我们可以派生CDF ，

通过使用（A.9）， 我们有 在哪里

同样，我们可以获得CDF如下：

因此，定理1是证明。

数据可用性

通过电子邮件通过对应作者的请求可以提供本工作的数据。

利益冲突

作者声明本文的发表不存在利益冲突。

致谢

广东省自然科学基金项目(no . 2018A030313736);广东省教育厅科研项目(no . 2017GKTSCX045);广东省科技发展基金项目(no . 706049150203);广州市科技计划项目(no . 201807010103)，广州大学应用技术协同创新中心项目(no . 2020ZX01)，羊城学者项目(no . 202032761)，广州市教育局科研项目(no . 202032761)广东省教育厅项目(no . 2017GKTSCX047)，广州市教育厅项目(no . 201831785)，广州大学人才培养项目(no . RP2020122)，羊城学者创新学术团队项目(no . 1201610010)。