تحلیل عملکرد کاهش بار داده در شبکه‌های سلولی مبتنی بر پهپاد با در نظر گرفتن محدودیت انرژی پهپاد

نوع مقاله : مقاله پژوهشی فارسی

نویسندگان

1 استادیار گروه مهندسی برق (الکترونیک و مخابرات)، دانشکده مهندسی، دانشگاه کردستان، ایران

2 دانشیار گروه مهندسی برق (الکترونیک و مخابرات)، دانشکده مهندسی، دانشگاه کردستان، ایران

3 پژوهشگر گروه مهندسی برق (الکترونیک و مخابرات)، دانشکده مهندسی، دانشگاه کردستان، ایران

چکیده

با رشد گستردۀ استفاده از دستگاه‌های هوشمند، شبکه‌های بی‌سیم در حال توسعه و گسترش بیشتری هستند. این رشد به افزایش چشمگیر ترافیک داده‌های سلولی منجر شده است و در نتیجه، مصرف انرژی و نیازمندی‌های زیرساخت‌های شبکه نیز افزایش یافته‌اند. به ‌منظور پاسخ‌گویی به ‌این نیاز‌ها، استفاده از هواپیمای بدون سرنشین (پهپاد) به عنوان ایستگاه پایۀ هوایی (ABS) برای کمک به شبکه‌های سلولی و کاهش بار داده در ایستگاه پایۀ زمینی (TBS) به‌ عنوان یک جهش مهم در توسعۀ این شبکه‌ها مطرح شده است. اگرچه پژوهش‌هایی گسترده‌ بر روی طراحی و ارزیابی عملکرد شبکه‌های سلولی مبتنی بر پهپاد انجام شده‌اند، همچنان مسئلۀ ناپایداری و عدم قطعیت حضور پهپادهای وابسته به ایستگاه‌های شارژ به عنوان ایستگاه‌های پایه در شبکه‌های سلولی به صورت یک خلأ اساسی در این پژوهش‌ها قابل شناسایی است. به عبارت دیگر، در این پژوهش، برخلاف مطالعات قبلی، با تعریف و محاسبۀ احتمال در دسترس بودن پهپاد، مدل مسئلۀ محدودیت انرژی و نیاز به مراجعۀ آن به ایستگاه‌های شارژ توزیع‌شده به شکلی واقع‌گرایانه‌تر مطرح شده است. همچنین، تأثیر این رویکرد بر موفقیت فرایند کاهش بار ترافیکی شبکۀ سلولی ـ با در نظر گرفتن سایر عوامل پروازی مؤثر بر کیفیت سرویس ارائه‌شده به کاربران زمینی و هوایی و نیز تداخل ذاتی میان لینک‌های ارتباطی ـ در قالب یک مدل جامع مبتنی بر فرایند نقطه‌ای پواسون ارزیابی شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد استقرار پهپادها می‌تواند به‌ طور مؤثر حجم داده‌ها را در نقاط پرترافیک شبکه کاهش و تصویری دقیق تر از عملکرد شبکه با فرض محدودیت انرژی پهپاد ارائه دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Performance Analysis of Data Offloading in UAV-Assisted Cellular Networks Considering UAV Energy Constraints

نویسندگان [English]

  • Fereidoun H. Panahi 1
  • Farzad H. Panahi 2
  • Sirvan Moradi Argeneh 3
  • Navid Karami 3
1 Department of Electronics and Communication Engineering, University of Kurdistan, Sanandaj, Iran
2 Department of Electronics and Communication Engineering, University of Kurdistan, Sanandaj, Iran
3 Department of Electronics and Communication Engineering, University of Kurdistan, Sanandaj, Iran
چکیده [English]

With the rapid growth in the use of smart devices, wireless networks are expanding and evolving at an unprecedented pace. This growth has led to a significant increase in cellular data traffic, which in turn has raised network energy consumption and infrastructure demands. To address these challenges, the use of unmanned aerial vehicles (UAVs) as aerial base stations (ABSs) to assist cellular networks and offload data traffic from terrestrial base stations (TBSs) has emerged as a major advancement in network development. Although extensive research has been conducted on the design and performance evaluation of UAV-assisted cellular networks, the instability and uncertainty of UAV availability—due to their dependence on charging stations—remain a critical research gap. In other words, unlike previous studies, this work explicitly defines and calculates the UAV availability probability, presenting a more realistic modeling of UAV energy constraints and their need to revisit distributed charging stations. Furthermore, we evaluate the impact of this modeling on the success rate of cellular traffic offloading, considering other flight-related factors that affect the quality of service (QoS) provided to ground and aerial users, as well as the inherent interference between communication links. Using a comprehensive model based on the Poisson Point Process (PPP), the study investigates these factors and their combined effects. Simulation results demonstrate that UAV deployment can effectively reduce data traffic in central and highly congested network areas, while providing a more accurate representation of network performance under UAV energy limitations.

کلیدواژه‌ها [English]

  • Cellular Networks
  • UAV
  • Aerial Base Station
  • Terrestrial Base Station
  • Charging Station
  • Data Offloading
  • Energy Constraint
1- مقدمه  
در دهه‌های اخیر، شاهد رشد سریع استفاده از پهپاد (UAV)  در کاربردهایی مختلف مانند نظامی، کشاورزی، حمل‌ونقل و به ‌ویژه در ارتباطات بی‌سیم بوده‌ایم. پهپادها به دلیل قابلیت‌هایی منحصربه‌فرد همچون قابلیت پرواز در ارتفاعات بالا، تحرک‌پذیری و انعطاف‌پذیری در موقعیت‌یابی، به عنوان یک راه‌حل نوین برای ارائۀ خدمات ارتباطی مورد توجه قرار گرفته‌اند. با افزایش نیاز به پوشش سلولی در مناطق دورافتاده و یا در شرایط اضطراری که زیرساخت‌های زمینی قابل دسترسی یا قابل اعتماد نیستند، استفاده از پهپادها به عنوان ایستگاه‌های پایۀ پروازی (FBSs)  به یک راهکار جذاب تبدیل شده است [1-5]. پهپادها با توانایی حرکت آزادانه و انعطاف‌پذیری در تغییر مکان، می‌توانند به ‌طور مؤثر به پوشش شبکه‌های سلولی کمک کنند. این دستگاه‌ها قادر هستند در ارتفاعات بالاتری نسبت به ایستگاه‌های پایۀ زمینی (TBSs)  قرار گیرند و به این ترتیب، احتمال ایجاد لینک خط دید مستقیم (LoS)  با کاربران زمینی را افزایش دهند [2]. این ویژگی می‌تواند به بهبود کیفیت سیگنال، کاهش تداخل و افزایش ظرفیت شبکه کمک کند. این امر به‌ ویژه در مناطقی که با موانع فیزیکی متعدد مانند ساختمان‌ها، درختان یا زمین‌های ناهموار مواجه هستند، بسیار مهم است. با این حال، امکان‌سنجی شبکه‌های سلولی مبتنی بر پهپاد همچنان با چالش‌هایی اساسی مواجه است. بیشتر مطالعات پیشین پرواز پهپاد را پایدار و مکان کاربر را ثابت فرض کرده-اند. با این حال، پهپادها معمولاً خطاهای تخمین کانال و انتقال ناپایدار را تجربه می‌کنند که نباید به دلیل لرزش‌های اجتناب‌ناپذیر ناشی از جریان هوا و ارتعاش نادیده گرفته شوند [3]. همچنین، به طور کلی، کاربرد پهپادها توسط برخی از آسیب‌پذیری‌های امنیتی با محدودیت روبه‌رو است؛ زیرا به‌راحتی با اسکن بصری یا راداری قابل شناسایی و در نتیجه، مستعد حملات پارازیتی هستند. بنابراین، پژوهش دربارۀ فناوری‌های انتقال ایمن برای افزایش امنیت سیستم ارتباطی پهپاد مورد نیاز است [4]. به عنوان یک چالش دیگر، می‌توان به ظرفیت حمل بار محدود در پهپادها اشاره کرد. به این ترتیب، نصب برخی از ماژول‌های مکانیکی و مخابراتی سنگین و حجیم بر روی پهپاد چالش‌هایی زیادی را ایجاد می‌کند. با وجود این، چالش اصلی پهپادهای مخابراتی محدودیت انرژی و باتری پهپادهاست که به زمان پرواز محدود منجر می‌شود. این مسئله پهپاد را مجبور می‌کند تا به طور منظم عملیات خود را به عنوان یک ایستگاه پایۀ هوایی (ABS)  متوقف کند تا به ایستگاه شارژ برگردد و باتری خود را شارژ یا تعویض کند. در حین شارژ، کاربران در منطقۀ تحت پوشش پهپاد باید به منابع در دسترس دیگری در شبکۀ سلولی مانند ایستگاه‌های پایۀ زمینی متکی باشند [5]. 
بنابراین، با در نظر گرفتن مجموعۀ این محدودیت‌ها، می‌توان گفت فقط تجهیزات ارتباطی سبک و کوچک با قابلیت پشتیبانی از پروتکل‌های ارتباطی امن و پرسرعت بر روی پهپادها قابل نصب است. این موضوع ممکن است بر کارایی و حتی طراحی مسیر پروازی پهپادها در ارائۀ خدمات ارتباطی تأثیر بگذارد؛ زیرا نصب تجهیزات پیشرفته‌تر و با قابلیت‌های بیشتر نیازمند افزایش وزن و اندازۀ پهپاد است که خود به مصرف انرژی بیشتر و کاهش زمان پرواز منجر می‌شود [6]. از این رو، توسعۀ تجهیزات ارتباطی کوچک‌تر و سبک‌تر با کارایی زیاد از الزامات کلیدی برای بهینه‌سازی استفاده از پهپادها به عنوان ایستگاه‌های پایه است. کنترل و مدیریت تعدادی زیاد پهپاد که به عنوان ایستگاه‌های پایه در مناطق مختلف فعالیت می‌کنند نیز چالشی پیچیده است. این مدیریت شامل هماهنگی پهپادها برای جلوگیری از برخورد با یکدیگر و موانع فیزیکی، تنظیم مسیرهای پروازی بهینه، جلوگیری از تداخلات فرکانسی و تضمین پوشش بهینۀ شبکه می‌شود. علاوه بر این، نیاز به سیستم‌های کنترلی پیشرفته برای هدایت و نظارت بر پهپادها وجود دارد که بتوانند به ‌صورت خودکار تصمیم‌گیری کنند و در شرایط اضطراری یا نقص فنی، پاسخ مناسب ارائه دهند [7]. بنابراین، طراحی و ارزیابی عملکرد یک شبکۀ سلولی مبتنی بر پهپاد برای دست‌یابی به یک ساختار ارتباطی کارآمد و قابل ‌اعتماد ضروری است. در این پژوهش، بدون از دست دادن جامعیت موضوع، استقرار یک پهپاد به‌ عنوان یک ایستگاه پایۀ هوایی برای ارائۀ خدمات به کاربران توزیع‌شده در یک منطقۀ جغرافیایی خاص تجزیه‌وتحلیل می‌شود.
در ادامه، مطالعات پیشین در زمینۀ نقش پهپادها در کاهش بار داده در شبکه‌های سلولی را بررسی خواهیم کرد. سپس، با تمرکز بر مسئلۀ محدودیت انرژی پهپاد، اهداف و نوآوری‌های این پژوهش نیز در مقایسه با سایر پژوهش‌ها بیان خواهند شد. در بخش دوم نیز، یک مدل پایه برای تحلیل عملکرد فرایند کاهش بار داده در شبکه‌های سلولی مبتنی بر پهپاد با در نظر گرفتن فاکتور عدم قطعیت حضور پهپاد ارائه می‌شود. محاسبات مربوط به نرخ کاربران متصل به ایستگاه زمینی و پهپاد با فرض عدم قطعیت حضور پهپاد به دلیل محدودیت انرژی نیز در بخش سوم انجام می‌شود. در بخش چهارم، ضمن شبیه‌سازی شبکه‌های سلولی مبتنی بر پهپاد، نتایج کاهش بار داده و عملکرد سیستم پیشنهادی را تحلیل خواهیم کرد. در بخش پنجم نیز، جمع‌بندی نتایج مقاله با بیان چالش‌ها و اهداف پیش رو در این حوزه صورت خواهد گرفت. 
 
1-1- پیشینۀ پژوهش
امروزه، در شبکه‌های سلولی نسل جدید، تعداد کاربران شبکه‌های سلولی هر روز افزایش می‌یابد و در نتیجه، شبکه‌های سلولی مبتنی بر TBS به‌تنهایی توانایی پردازش یا انتقال تمام بار ترافیک داده را نخواهند داشت. به این ترتیب، موضوع کاهش بار داده یا آفلودینگ داده  از اهمیت زیادی برخوردار است که به کمک طرح‌های مختلف مدیریت بار ترافیکی در شبکۀ سلولی قابل اجراست [6-10]. یکی از این طرح‌ها، اضافه‌کردن ایستگاه‌های‌ کوچک سلولی  یا SBSها به شبکه است. این ایستگاه‌ها دارای شعاع پوشش سلولی کوچک‌تر هستند و همچنین، توان ارسالی کمتری نسبت به TBSها دارند. در نتیجه، زمانی که به شبکۀ سلولی اضافه می‌شوند، قادر خواهند بود بخشی از کاربران را پوشش دهند و در نتیجه، بار ترافیکی ایستگاه پایۀ زمینی اصلی، یعنی TBS، کمتر می‌شود، تا جایی که امروزه SBSها در مناطق پرجمعیت شهری و محیط‌های داخلی به یک فناوری اجتناب‌ناپذیر برای ارائۀ پوشش شبکه تبدیل شده‌اند [6]. با این راهکار، آنتن‌های سلول کوچک می‌توانند روی ساختمان‌ها، چراغ‌های خیابان و سایر زیرساخت‌ها نصب شوند و پوشش و ظرفیت را در مکان‌هایی که کاربران زیادی دارند، بهبود دهند [7، 8]. به‌ طور کلی، SBSها بر اساس محدودۀ پوشش خود به انواعی مختلف از جمله فمتوسل، پیکوسل و میکروسل تقسیم می‌شوند [9]. روشی دیگر نیز که مورد توجه مراکز پژوهشی قرار گرفته است، استفاده از فناوری ارتباط دستگاه ‌به ‌دستگاه  یا D2D است. به این ترتیب، ارتباط مستقیم بین دو کاربر موبایل بدون عبور از ایستگاه پایۀ سلولی یا شبکۀ مرکزی تعریف می‌شود. در واقع، وقتی دو کاربر با یکدیگر ارتباط برقرار می‌کنند، بدون ارجاع ترافیک داده به TBS بخشی از داده مورد نیاز خود را مستقیماً از یکدیگر دریافت می‌کنند و در نتیجه، بسته به تراکم لینک‌های D2D برقرارشده، حجمی قابل ملاحظه از ترافیک مرکزی شبکۀ سلولی برداشته می‌شود [10]. 
در سال‌های اخیر، نقش پهپادها نیز در کاهش ترافیک شبکۀ سلولی، به دلیل سرعت عمل و انعطاف‌پذیری زیاد در ایجاد لینک‌های مخابراتی، مورد توجه بسیاری از پژوهش‌ها قرار گرفته است. در این مدل، پهپادها در نقش یک ایستگاه پایۀ کمکی عمل و با پوشش کاربران و به‌ ویژه کاربران نزدیک به لبۀ شبکۀ سلولی، به کاهش بار ترافیکی TBSها کمک می‌کنند؛ هرچند موانع و مسائل چالش‌برانگیز زیادی در شبکه‌های مخابراتی مبتنی بر پهپاد وجود دارند که سبب می‌شوند پهپادها به عنوان ایستگاه‌های پایه همواره در دسترس نباشند. بحث محدودیت انرژی پهپادها یک از مهم‌ترین این چالش‌هاست که به‌هیچ‌وجه قابل چشم‌پوشی نیست و تاکنون راه‌حل‌هایی مختلف پیشنهاد شده‌اند [11-18]. یکی از راه‌حل‌های معمول، تعویض آنی پهپادهاست که در آن، به‌محض اینکه باتری یک پهپاد تخلیه می‌شود، پهپادی دیگر با باتری کامل جایگزین آن می‌شود [11]. این روش به کاهش وقفه‌های ناشی از بازگشت پهپاد برای شارژ مجدد کمک می‌کند و می‌تواند به طور مؤثر زمان پوشش پیوسته را افزایش دهد، اما واضح است که مستلزم هزینۀ بیشتری است. راه‌حل دیگر تعویض باتری به‌ جای شارژ مجدد است. در این روش، پهپاد به ایستگاه شارژ برمی‌گردد تا باتری تخلیه‌شدۀ خود را با یک باتری کاملاً شارژشده تعویض کند [12، 15]. این روش می‌تواند به کاهش زمان توقف برای شارژ مجدد و افزایش زمان پرواز کمک کند. تعویض سریع باتری به پهپاد امکان می‌دهد تا در زمانی کوتاه‌تر به عملیات خود بازگردد و پوشش شبکه را بدون وقفه فراهم کند. شارژ بی‌سیم مبتنی بر لیزر نیز یکی دیگر از راه‌حل‌های نوآورانه است. در این رویکرد، پرتوهای لیزر به ‌صورت بی‌سیم برای شارژ باتری پهپادها استفاده می‌شوند. این روش می‌تواند به پهپادها امکان دهد تا بدون نیاز به فرود و اتصال به منبع تغذیه، در حین پرواز شارژ شوند [13]. استفاده از سیستم‌های شارژ بی‌سیم نه فقط زمان پرواز را افزایش می‌دهد، بلکه به حفظ انعطاف‌پذیری و تحرک پهپاد نیز کمک می‌کند. یکی دیگر از رویکردهای مطرح‌شده استفاده از پهپادهای متصل به کابل است که به آنها امکان دسترسی به منبع تغذیۀ پایدار را می‌دهد. اگرچه این روش تحرک پهپاد را محدود می‌کند، می‌تواند به طور مداوم برق پهپاد را تأمین کند و زمان عملیاتی آن را افزایش دهد [16]. این رویکرد می‌تواند به ‌ویژه در کاربردهایی مفید باشد که نیاز به پوشش ثابت و بلندمدت دارند. 
اگرچه به‌تازگی پژوهش‌هایی گسترده‌ بر روی طراحی و ارزیابی عملکرد شبکه‌های سلولی و اینترنت اشیا (IoT) مبتنی بر پهپاد انجام شده‌اند [19-24]، همچنان مسئلۀ ناپایداری و عدم قطعیت حضور پهپادهای وابسته به ایستگاه‌های شارژ به عنوان ایستگاه‌های پایه در شبکه‌های سلولی به صورت یک خلأ اساسی در این پژوهش‌ها قابل شناسایی است. به عبارت دیگر، در این پژوهش، برخلاف مطالعات قبلی، با تعریف و محاسبۀ احتمال در دسترس بودن پهپاد، نه فقط مسئلۀ محدودیت انرژی پهپاد به صورت واقع‌گرایانه‌تر مطرح شده است، بلکه تأثیرات این رویکرد بر میزان موفقیت فرایند کاهش بار ترافیکی شبکۀ سلولی با در نظر گرفتن سایر فاکتورهای پروازی مؤثر بر کیفیت سرویس ارائه‌شده به کاربران زمینی و هوایی و تداخل ذاتی بین لینک‌های ارتباطی به صورت جامع در یک مدل مبتنی بر فرایند نقطه‌ای پواسون ارزیابی شده است. این پژوهش می‌تواند زمینه‌ای مناسب برای توسعۀ راهکارهای واقع‌گرایانه در بهبود کیفیت خدمات شبکه‌های بی‌سیم مبتنی بر پهپاد باشد.
 
2-1- اهداف و نوآوری‌های پژوهش
در مجموع، بر اساس توضیحات پیشین، اهداف پژوهش و نوآوری‌های انجام‌شده در موارد زیر قابل جمع‌بندی است:
مدل‌سازی پهپاد به ‌عنوان ایستگاه پایۀ هوایی یاABS : در این مدل، از یک پهپاد با الگوی پروازی منظم برای انجام فرایند شارژ، به‌ عنوان یک ایستگاه پایۀ ‌هوایی در کنار یک ایستگاه پایۀ زمینی یا TBS با هدف کاهش بار داده در تعامل با کاربران زمینی با توزیع یکنواخت استفاده شده است. به این ترتیب، تأثیر محدودیت انرژی پهپاد، چگالی ایستگاه‌های شارژ و زمان شارژ یا تعویض بر فرایند کاهش بار داده در شبکۀ سلولی قابل بررسی است.
تعریف و محاسبۀ احتمال در دسترس بودن پهپاد: در این پژوهش، مسئلۀ ناپایداری و عدم قطعیت در حضور پهپادهای وابسته به ایستگاه‌های شارژ در طی فرایند پروازی رفت‌وبرگشت به صورت احتمال در دسترس بودن پهپاد تعریف و فرموله شده است. به این ترتیب، نه فقط مسئلۀ محدودیت انرژی پهپاد به صورت واقع‌گرایانه‌تر مطرح شده است، بلکه تأثیرات این رویکرد بر میزان موفقیت فرایند کاهش بار ترافیکی شبکۀ سلولی با در نظر گرفتن سایر فاکتورهای پروازی مؤثر بر کیفیت سرویس ارائه‌شده به کاربران زمینی و هوایی به صورت جامع در یک مدل مبتنی بر فرایند نقطه‌ای پوآسون ارزیابی شده است.
محاسبات مجموع نرخ کاربران متصل به ایستگاه‌های پایۀ ABS و TBS و تحلیل اثر فاکتورهای پروازی ارتفاع و توان پهپاد: در تحلیل-های ارائه‌شده مبتنی بر ابزارهای هندسۀ تصادفی، تأثیرات در دسترس نبودن پهپاد بر نرخ دادۀ کاربران هوایی و زمینی با در نظر گرفتن فاکتورهای پروازی پهپاد به صورت روابط ریاضی تحلیل و شبیه‌سازی شده است.
برای تسهیل در دسترسی به معانی واژگان، مجموعه واژگان اختصاری به همراه تعاریف آنها در جدول (1) آمده است.
 
جدول (1): فهرست اختصارات و تعاریف واژگان
 
2- مدل سیستم 
در این بخش، یک مدل پایه برای تحلیل عملکرد فرایند کاهش بار داده در شبکه‌های سلولی مبتنی بر پهپاد با در نظر گرفتن فاکتور عدم قطعیت حضور پهپاد ارائه می‌شود. همان‌طور که پیش‌تر اشاره شد، اجرای شبکه‌های سلولی مبتنی بر پهپادها به عنوان ایستگاه‌های پایۀ هوایی با چالش‌های زیادی مواجه است. در این میان، محدودیت منابع انرژی از مهم‌ترین عوامل محدود‌کننده در زمان پرواز پهپاد محسوب می‌شود. این مسئلۀ پهپاد را مجبور می‌کند تا به طور منظم عملکرد خود را به ‌عنوان یک ایستگاه پایۀ هوایی قطع کند تا به ایستگاه شارژ برگردد و باتری خود را شارژ یا با یک باتری جدید جایگزین کند. در طی فرایند شارژ، کاربران در منطقۀ پوشش پهپاد برای خدمات سلولی به منابعی دیگر مانند ایستگاه‌های پایۀ زمینی نزدیک وابسته هستند. در اینجا، مطابق شکل (1)، یک مدل پایه برای شبکۀ سلولی مبتنی بر پهپاد در نظر گرفته می‌شود که در آن، یک پهپاد به ‌عنوان یک ایستگاه پایۀ هوایی یا ABS برای کمک به ایستگاه پایۀ زمینی یا TBS از طریق کاهش بار دادۀ کاربران تحت پوشش عمل می‌کند. با در نظر گرفتن آنتن‌های همه‌جهته، یک ایستگاه TBS قادر است به کاربران زیادی در یک سلول دایره‌ای به شعاع r_c و مساحت A_c=πr_c^2 در یک منطقۀ مشخص خدمات‌رسانی کند. فرض می‌شود کاربران به‌ طور یکنواخت در سلول با چگالی ρ توزیع شده‌اند. بنابراین، میانگین تعداد کل کاربران در هر سلول به صورت M=ρA_c=ρπr_c^2 قابل محاسبه است. همچنین، فرض می‌شود اپراتور شبکه از مکان دقیق کاربران اطلاعی ندارد. از این رو، هنگام سرویس‌دهی به سلول،  ABSبالای TBS، یعنی بالای مرکز سلول، به ‌عنوان لایۀ بالایی که برخی از کاربران به آن متصل می‌شوند، قرار می‌گیرد. بنابراین، بخشی از M کاربر با نسبت کاهش بار داده (ρ_a) ـ یعنی در مجموع ρ_a M کاربر ـ از طریق ABS بارگذاری یا آفلود می‌شود و سایر کاربران در سلول به میزان (1-ρ_a )M کاربر، همچنان در پوشش ایستگاه زمینی یا TBS قرار دارند. در اینجا، ارتفاع پهپاد معلق یاABS (H_a) است که توسط حدهای بالا و پایین H_min<H_a
 
 
شکل (1): یک مدل پایه برای شبکۀ سلولی مبتنی بر پهپاد که در آن، یک پهپاد به ‌عنوان یک ایستگاه پایۀ هوایی یا ABS با ایجاد پوشش مخابراتی برای بخشی از کاربران به کاهش بار داده در ایستگاه پایۀ زمینی یا TBS کمک می‌کند.
 
در این مدل، از یک پهپاد با الگوی پروازی منظم برای انجام فرایند شارژ، به‌ عنوان یک ایستگاه پایۀ ‌هوایی در کنار یک ایستگاه پایۀ زمینی یا TBS با هدف کاهش بار داده در تعامل با کاربران زمینی با توزیع یکنواخت استفاده شده است. به این ترتیب، تأثیر محدودیت انرژی پهپاد، چگالی ایستگاه‌های شارژ و زمان شارژ یا تعویض بر فرایند کاهش بار داده در شبکۀ سلولی قابل بررسی است. به طور خاص، از ابزارهای هندسۀ تصادفی برای استخراج احتمال دسترسی به پهپاد استفاده می‌کنیم. در واقع، براساس مدل ارائه‌شده، ضمن بررسی چالش در دسترس نبودن دائمی پهپاد و تأثیرات آن بر نرخ دادۀ کاربران هوایی و زمینی و همچنین مجموع نرخ داده، در نهایت، روابط ریاضی مربوط به عملکرد شبکۀ سلولی مبتنی بر پهپاد استخراج و تحلیل خواهند شد.
 
3- فرمول‌بندی مسئله 
در این بخش، ما به دنبال به دست آوردن روابط ریاضی مربوط به نرخ کاربران متصل به ABS و TBS و در نهایت، مجموع نرخ دادۀ کاربران با فرض عدم قطعیت حضور پهپاد به دلیل محدودیت انرژی آن و وقفه‌های ناشی از فرایند شارژ یا تعویض باتری هستیم. در مدل پیشنهادی، پهپاد به صورت شبه‌استاتیک در نظر گرفته می‌شود. بنابراین، بخش زیادی از انرژی پیشرانۀ پهپاد صرف ماندن در ارتفاع ثابت می-شود. از طرفی، کل توان مصرفی نیروی محرکۀ یک پهپاد معلق شامل دو بخش، یعنی پروفایل یا شکل آیرودینامیکی پره و توان القایی است. به این ترتیب، P_h به ‌عنوان توان پیشرانش مصرف شده در حالت شناور پهپاد را می‌توان به‌ صورت P_h=P_0+P_i بیان کرد که در آن، P_0 و P_i ثابت‌هایی هستند که به ترتیب نشان‌دهندۀ پروفایل پره و توان القایی در وضعیت معلق هستند [21]. 
در اینجا، فرض می‌شود بیشینۀ مجموع توان ارتباطی پهپاد در ارتباط با کاربران متصل‌شده برابر P_max است. همچنین، مقادیر Q و T نیز به ترتیب به‌ عنوان انرژی کل باتری قابل دسترس پهپاد در شروع مأموریت و زمان کامل عملیات پهپاد در نظر گرفته می‌شوند. تعاریف کامل پارامترهای کانال و دادۀ استفاده‌شده در این بخش در جدول (2) آمده است.
 
جدول (2): تعریف پارامترهای کانال و داده در لینک‌های زمینی و هوایی
 
1-3- نرخ داده بدون محدودیت انرژی پهپاد 
در ابتدا، برای تضمین انرژی غیرصفر و تأمین مطمئن باتری روی برد داخلی پهپاد [17]، محدودیت انرژی به صورت زیر قابل بیان است:
(1) (P_h+P_max )T<Q
 
همچنین، فرض می‌شود لینک‌های ارتباطی  ABSتحت تأثیر مؤلفه‌های LoS هستند. این مسئله توسط اندازه‌گیری‌های عملی کوالکام ، به‌ ویژه زمانی که پهپاد بالاتر از ارتفاعی مشخص پرواز می‌کند، مطرح است [25]. بنابراین، بهرۀ توان کانال در مدل مقیاس بزرگ بین  ABSو کاربر واقع در فاصلۀ افقی r تا مرکز سلول برابر است با:
(2) h_a (r)=β_0/(H_a^2+r^2 )^(α_a/2) 
 
که در آن، β_0 بیانگر بهرۀ توان کانال در فاصلۀ مرجع یک متر است و 〖 α〗_a میزان افت مسیر لینک‌های ارتباطی ABS است. از سوی دیگر، بهرۀ توان کانال لحظه‌ای بین TBS و کاربر مستقر در فاصلۀ افقی r تا مرکز سلول برابر است با:
(3) h_t (r)=(β_0 χς)/(H_t^2+r^2 )^(α_t/2) =h ̅_t (r)ς
 
که در آن، h ̅_t (r) به ‌معنای بهرۀ توان کانال در مدل مقیاس بزرگ میان TBS و کاربر است. پارامتر α_t نیز میزان افت مسیر در لینک‌های ارتباطی TBS است. همچنین، χ برابر تلفات اضافی در مقیاس بزرگ است و ς یک پارامتر تصادفی مربوط به محو‌شدگی  مقیاس کوچک است. ضمن در نظر گرفتن سناریوی فروسو ، فرض می‌شود هر ایستگاه پایه از دسترسی چندگانۀ تقسیم فرکانس (FDMA) برای سرویس‌دهی هم‌زمان به کاربران خود استفاده می‌کند که در آن، به‌ هر کاربر، پهنای ‌باند یکسان تخصیص داده می‌شود. در اینجا، کل طیف موجود به طور کامل در ABS و TBS به صورت طرح استفادۀ مجدد به کار گرفته می‌شود. بنابراین، ممکن است یک کاربر در معرض تداخل ایجادشده از ایستگاه پایۀ زمینی یا هوایی قرار گیرد. 
 
 
شکل (2): سیگنال‌های مطلوب و تداخل در لینک‌های ارتباطی هوایی و زمینی
 
همان‌طور که در شکل (2) نیز نشان داده شده است، یک کاربر متصل به ایستگاه پایۀ TBS (TU) ممکن است در معرض تداخل ایجادشده توسط ABS قرار گیرد. این وضعیت به صورت متقابل برای کاربر متصل به ایستگاه پایۀ ABS (AU) از طرف TBS نیز وجود دارد. فرض می‌شود P_a و P_t به‌ ترتیب توان‌های انتقال ایستگاه‌های پایۀ ABS و TBS هستند و شرط P_a≤P_max برای پهپاد به عنوان ایستگاه پایۀ هوایی یا ABS برقرار است. همچنین، در مدل ارائه‌شده، طرح تخصیص توان برابر مفروض است که در آن، کل توان انتقال ایستگاه پایه به ‌طور مساوی به کاربران مرتبط تخصیص داده می‌شود. همچنین، N_0 توان نویز سفید گوسی جمع‌شونده (AWGN) در نظر گرفته می‌شود. 
با این توضیحات، نسبت توان سیگنال دریافتی به مجموع توان تداخل و نویز (SINR) در یک کاربر AU در فاصلۀ  r و زاویۀ افقی φ نسبت به مرکز سلول و با توجه به بهرۀ توان کانال در رابطۀ (2) برابر است با:
(4) γ_a (r)=(P_a h_a (r))/(P_t h_t (r)+N_0 )
 
به همین ترتیب، عبارت SINR در یک کاربر TU نیز در فاصلۀ  r و زاویۀ افقی φ نسبت به مرکز سلول و همچنین با توجه به بهرۀ توان کانال در رابطۀ (3) برابر است با:
(5) γ_t (r)=(P_t h_t (r))/(P_a h_a (r)+N_0 )
 
بنابراین، نرخ انتقال داده به یک کاربر AU در سناریوی فروسو مطابق رابطۀ (6) قابل تعریف است:
(6) R_a^N (r)=1/(ρ_a M)  log_2⁡(1+γ_a (r))
 
که براساس رابطۀ (4) و با جای‌گذاری روابط (2) و (3) خواهیم داشت:
(7) R_a^N (r)=1/(ρ_a M)  log_2⁡(1+((P_a β_0)/(H_a^2+r^2 )^(α_a/2) )/((P_t β_0 χς)/(H_t^2+r^2 )^(α_a/2) +N_0 ))
 
با یک استدلال مشابه، نرخ انتقال دادۀ یک کاربر TU نیز به‌ صورت رابطۀ (8) بیان می‌شود:
(8) R_t^N (r)=1/(1-ρ_a )M log_2⁡(1+((P_t β_0 χς)/(H_t^2+r^2 )^(α_t/2) )/((P_a β_0)/(H_a^2+r^2 )^(α_a/2) +N_0 ))
 
بنابراین، مجموع نرخ دادۀ ارتباط کاربران AU با فرض عدم محدودیت انرژی و چگالی توزیع ρ، به صورت زیر قابل محاسبه است:
(9) R_a^N=∫_0^2π▒  ∫_0^(r_c)▒  ρR_a^N (r)rdrdφ
 
در اینجا، به‌ دست آوردن یک عبارت فرم بسته برای R_a^N با اعمال ضریب‌های متفاوت افت مسیرهای زمینی (α_t) و هوایی (α_a) بسیار چالش‌برانگیز است. بنابراین، با فرض محیط فضای آزاد، مقادیر افت مسیر یکسان (α_a=α_t=2) و تعاریف λ=P_t χς، ɳ=(r_c^2)/λ  ، ψ=(H_t^2)/λ و μ=ψ+ɳ، می‌توان پس از ساده‌سازی ریاضی، یک عبارت فرم بسته برای مجموع نرخ دادۀ ارتباط کاربران AU به دست آورد:
(10) █(R_a^N=&1/(ρ_a (ηP_a+r_c^2 ) )((P_a/λ+1) H_a^2 log_2⁡(H_a^2 )@+&(μP_a+r_c^2+H_a^2 ) log_2⁡(μP_a+r_c^2+H_a^2 )@&-(P_a/λ+1)(r_c^2+H_a^2 ) log_2⁡(r_c^2+H_a^2 )@&├ -(ψP_a+H_a^2 ) log_2⁡(ψP_a+H_a^2 )).)
 
از سوی دیگر، مجموع نرخ دادۀ ارتباط کاربران TU نیز به شکل مشابه مطابق رابطۀ (11) قابل محاسبه است: 
(11) █(■(R_t^N=&1/(1-ρ_a )(ηP_a+r_c^2 ) ((μP_a+r_c^2+H_a^2 )@&□( )  log_2⁡(μP_a+r_c^2+H_a^2 )@&□( )-μ(P_a+λ)  log_2⁡(r_c^2+H_t^2 )@&□( )-(ηP_a+r_c^2 )  log_2⁡(P_a/λ) )@   -(ψP_a+H_a^2 ) log_2⁡(ψP_a+H_a^2 )#@+(ψP_a+H_t^2 )  log_2⁡(H_t^2 )).   )
در نتیجه، مجموع نرخ انتقال دادۀ تمام کاربران در یک سلول بدون محدودیت انرژی پهپاد به صورت رابطۀ (12) نوشته می‌شود:
(12) R_T^N=R_a^N+R_t^N
 
2-3- نرخ داده با محدودیت انرژی پهپاد 
مطابق یک سیستم چندسلوله (شکل (3))، در هر سلول یک پهپاد بالای TBS در مرکز سلول یا ناحیۀ پوشش رادیویی قرار دارد. البته، در محاسبات مربوط به نرخ داده، تمرکز ما مطابق بخش‌های قبل بر روی یک سلول بدون اثرپذیری تداخلی از سلول‌های دیگر خواهد بود. در این حالت، نواحی پوشش به عنوان دیسک‌های تصادفی با شعاع ثابت r_c مدل‌سازی می‌شوند و مراکز این دیسک‌ها که بیانگر مکان پهپادها در نقش ایستگاه‌های هوایی یا ABS نیز هستند، به عنوان یک فرایند نقطه‌ای پواسون (PPP) مدل‌سازی می‌شوند. هر دیسک شامل یک توزیع یکنواخت از کاربران درون آن است. مانند قبل، فرض می‌شود پهپادها در ارتفاعی ثابت از مرکز هر سلول قرار دارند. در این سناریو، هر پهپاد باید قبل از تمام‌شدن انرژی، خود را به نزدیک‌ترین ایستگاه شارژ برساند و برگردد. برای مطالعۀ تأثیر توزیع فضایی ایستگاه‌های شارژ بر عملکرد شبکه، مکان ایستگاه‌های شارژ نیز به صورت PPP و با چگالی λ_c مدل‌سازی می‌شود. در طول سفر به سمت ایستگاه شارژ، همچنین در طول زمان شارژ مجدد و در مسیر بازگشت، پهپاد غیرقابل دسترس است و نمی‌تواند خدماتی ارائه دهد. بنابراین، می‌توان گفت احتمال دسترسی به پهپاد (ρ_u) مشروط به فاصلۀ بین مرکز سلول و نزدیک‌ترین ایستگاه شارژ ( R_s) و به صورت زیر قابل بیان است:
(13) ρ_(u| R_s )=T_se/(T_se+T_ch+T_tra )
 
که در آن، T_ch بیانگر زمان کل مورد نیاز برای شارژ یا تعویض باتری پهپاد است. همچنین، T_tra زمان مورد نیاز برای سفر پهپاد به نزدیک‌ترین ایستگاه ‌شارژ و بازگشتش به مرکز سلول و T_se مدت زمان حضور پهپاد در مرکز سلول و در نقش ایستگاه پایۀ هوایی یا ABS است که مطابق روابط (14) و (15) قابل محاسبه هستند: 
(14) T_tra=(2R_s)/V
(15) T_se=(B_max-2P_m  R_s/V)/P_s 
 
تعریف پارامترهای اشاره‌شده در جدول (3) آمده است. توجه شود که در تحلیل مصرف توان حین جابجایی پهپاد، تمرکز بر توان مصرفی برای طی‌کردن فاصلۀ افقی  R_sاست؛ زیرا این مقدار معمولاً از توان مصرف‌شده در مرحلۀ فرود، در لحظۀ رسیدن به ایستگاه شارژ، بیشتر است. 
 
شکل (3): مدل یک شبکۀ چندسلوله با ایستگاه‌های شارژ توزیع‌شده و پهپادهای شناور در حال سرویس در مراکز سلول یا در حال انجام فرایند شارژ
 
با جای‌گذاری روابط (۱۴) و (۱۵) در رابطۀ (۱۳)، احتمال شرطی در دسترس بودن پهپاد (با شرط مشخص‌بودن R_s) به صورت زیر قابل ارائه است:
(16) ρ_(u| R_s )=(B_max V-2P_m R_s)/(B_max V-2P_m R_s+T_ch P_s V+2R_s P_s )
 
در اینجا، مقدار توانP_s   ثابت در نظر گرفته می‌شود، در حالی که مقدارP_m   به صورت زیر تعریف می‌شود [26]:
(17) P_m=P_0 (1+(3V^2)/(U_tip^2 ))+(P_i v_0)/V+1/2 d_0 ρ_air AV^3
 
که در آن،  A مساحت دیسک پره،  d_0نسبت مقاومت بدنه، V سرعت پهپاد و توان‌های  P_0 و  P_i به ‌ترتیب نشان‌دهندۀ توان پروفایل پره و توان القایی در حالت شناوربودن است. تعریف سایر پارامترهای اشاره‌شده در جدول (3) آمده است.
 
جدول (3): تعریف پارامترهای پروازی و زمان‌های شارژ پهپاد
 
بنابراین، انرژی مصرف‌شده در طول سفر به یا از ایستگاه شارژ نیز قابل محاسبه است: 
(18) █(E_t&=R_s/V (P_0 (1+(3V^2)/(U_"tip " ^2 ))+(P_i v_0)/V+1/2 d_0 ρ_air AV^3 )@&)
 
واضح است که در عمل، عوامل محیطی مانند وزش باد [27] بر میزان احتمال در دسترس بودن پهپاد از طریق تغییرات سرعت پروازی پهپاد (V) اثرگذار هستند. در واقع، راهبردهای کاهش مصرف انرژی و همچنین مسیریابی و سرعت بهینه در کاربردهای مختلف یا در حضور عوامل محیطی [27، 28] با اثرگذاری بر پارامترهای P_m، V و R_s بر میزان کاهش یا افزایش این احتمال مؤثر هستند. برای مشاهدۀ نحوۀ اثرگذاری این پارامترها بر میزان احتمال شرطی در دسترس بودن پهپاد، شکل (4) ارائه شده است. گفتنی است، نوآوری اصلی این پژوهش ماهیتاً با کارهای رایج در حوزۀ کاهش مصرف انرژی یا طراحی مسیر پرواز متفاوت است. این مدل، برخلاف مقاله‌های پیشین، اثر محدودیت انرژی پهپاد را به شکل یک متغیر تصادفی وارد تحلیل احتمال در دسترس بودن پهپاد و در نهایت، مجموع نرخ دادۀ کاربران می‌کند. همان‌طور که در شکل (4) دیده می‌شود، افزایش مقدار R_s موجب کاهش احتمال شرطی ρ_(u| R_s ) خواهد شد. از طرف دیگر، تغییرات سرعت پروازی پهپاد (برای مثال، بر اثر عوامل محیطی مانند باد) نیز یک نقطۀ بهینه برای تغییرات این احتمال را برای یک مقدار معین R_s نشان می‌دهد. 
 
شکل (4): تأثیر پارامترهای سرعت پروازی پهپاد (V) و فاصله تا نزدیک‌ترین ایستگاه شارژ (R_s) بر روی احتمال شرطی در دسترس بودن پهپاد (ρ_(u| R_s ))
 
در ادامه، می‌توان احتمال دسترسی به پهپاد را با گرفتن امید ریاضی از احتمال شرطی مندرج در رابطۀ (13) محاسبه کرد:
(19) ρ_u=E_(R_s ) [ρ_(u| R_s ) ]=E_(R_s ) [T_se/(T_se+T_ch+T_tra )]
 
گفتنی است، بیشینۀ احتمال دسترسی به پهپاد با در نظر گرفتن محدودیت انرژی در حالت R_s=0 به دست می‌آید. در این صورت، خواهیم داشت:
(20) ρ_(u| R_s=0)=B_max/(B_max+P_s T_ch )
 
اما محاسبۀ میزان متوسط این احتمال (رابطۀ 19) با توجه به توزیع متغیر تصادفی R_s به عنوان متغیر فاصلۀ مرکز سلول تا نزدیک‌ترین ایستگاه شارژ ممکن است [5، 26]. بر این اساس، تابع توزیع تجمعی احتمال شرطی به صورت رابطۀ (21) قابل بیان است:
(21) F_(ρ_(u| R_s ) ) (x)=e^(-λ_c πC(x)^2 )
 
که در آن،
(22) C(x)=V(B_max (x-1)+P_s T_ch x)/2(P_m (x-1)-P_s x) 
(23) 0≤x≤B_max/(P_s T_ch+B_max )
و در نهایت، احتمال دسترسی به پهپاد (ρ_u) با فرض محدودیت انرژی با انتگرال‌گیری روی متغیر x در یک بازه شامل مقادیر ممکن برای R_s محاسبه می‌شود:
(24) ρ_u=∫_0^(B_max/(P_s T_ch+B_max ))▒  1-e^(-λ_c πC(x)^2 ) dx
 
به این ترتیب، در ادامه، با در نظر گرفتن این احتمال، محاسبۀ نرخ دادۀ کاربران در حالت محدودیت انرژی پهپاد امکان‌پذیر خواهد بود.
در سناریوی در دسترس نبودن پهپاد به عنوان ایستگاه پایۀ هوایی یاABS   به دلیل فرایند شارژ، تمام کاربران به ایستگاه پایۀ زمینی یا TBS  متصل می‌شوند. در این حالت، تداخلی از جانب پهپاد در کاربران یا گیرنده‌های فعال دریافت نمی‌شود. بنابراین، عبارت SINR  در رابطۀ (5) بدون عبارت مربوط به تداخل و به صورت نسبت توان سیگنال به توان نویز (SNR) قابل محاسبه است. به این ترتیب، عبارت نرخ یک کاربر TU در فاصلۀ  r و زاویۀ افقی φ نسبت به مرکز سلول و هنگامی که پهپاد در دسترس نیست، به ‌صورت زیر بازنویسی می‌شود:
(25) R_t^Y (r)=1/M  log_2⁡(1+((P_t β_0 χς)/(H_t^2+r^2 )^(α_t/2) )/N_0 )
 
بنابراین، مجموع نرخ دادۀ ارتباط کاربران تماماً از نوع TU و با فرض چگالی توزیع ρ و همچنین تداخل صفر از طرف پهپاد یا ایستگاه هوایی، به صورت رابطۀ (26) قابل محاسبه است:
(26) R_T^Y=∫_0^2π▒∫_0^(r_c)▒〖ρR_t^Y (r)rdrdφ〗
 
3-3- مجموع نرخ دادۀ کاربران 
در نهایت، با استناد به نتایج به‌دست‌آمده در زیربخش‌های 
(1-3) و (3-2) به ترتیب برای حالت‌های بدون محدودیت انرژی پهپاد (امکان دسترسی دائمی بخشی از کاربران به پهپاد) و با فرض محدودیت انرژی پهپاد و احتمال عدم دسترسی بخشی از کاربران به پهپاد به دلیل انجام فرایند شارژ یا تعویض باتری پهپاد، مجموع نرخ دادۀ کاربران به صورت رابطۀ (27) قابل بیان است:
(27) R_T=ρ_u R_T^N+(1-ρ_u ) R_T^Y
 
که در آن، R_T^N نمایانگر نرخ داده در سناریوی دسترسی دائمی به پهپاد در حالت بدون محدودیت انرژی و عبارت R_T^Y نیز نشان‌دهندۀ نرخ داده در سناریوی احتمال در دسترس نبودن پهپاد با فرض محدودیت انرژی است.
 
4- نتایج شبیه‌سازی کامپیوتری 
در این بخش، ضمن شبیه‌سازی شبکه‌های سلولی مبتنی بر پهپاد به کمک نرم‌افزار MATLAB و با در نظر گرفتن فاکتور عدم قطعیت حضور پهپاد، نتایج کاهش بار داده و عملکرد مدل سیستم پیشنهادی تحت تأثیر پارامترهای مختلف آن را تحلیل خواهیم کرد. در این مدل، سیستم شبیه‌سازی‌شده بر اساس مفروضاتی از جمله توزیع فرایند نقطه‌ای پواسون برای ایستگاه‌های شارژ شکل گرفته است. مقادیر پارامترهای مهم در شبیه‌سازی کامپیوتری در جدول (4) آمده است.
 
1-4- سناریوی پهپاد بدون محدودیت انرژی 
شکل (5) مقدار مجموع نرخ کاربران AU (R_a^N) برحسب ارتفاع پهپاد (H_a) را برای مقادیر مختلف نسبت آفلود یا کاهش بار داده (ρ_a) نشان می‌دهد. در این نمودار، R_a نشان‌دهندۀ نرخ کلی کاربران AU است که به پهپاد (ABS) متصل شده‌اند. از آنجا که پهپاد در ارتفاعاتی مختلف قرار می‌گیرد (از ده تا صد متر)، تأثیر این ارتفاع بر روی R_a^N قابل مشاهده است. با افزایش ارتفاع پهپاد، توان سیگنالی که پهپاد به کاربران ارائه می‌دهد، کاهش می‌یابد. در این حالت، اثر تداخلی ناشی از ارتباطات کاربران TU با ایستگاه TBS نیز غالب می‌شود و در نتیجه، نرخ داده یا سرعت انتقال دادۀ کاربران AU کاهش می‌یابد. در اینجا، برای مشاهدۀ تأثیر تغییر پارامتر ρ_a، چهار مقدار مختلف مرتب‌شده از کمترین (〖 ρ〗_a1) تا بیشترین (ρ_a4) در نظر گرفته شده است. 
 
جدول (4): مقادیر پارامترها در شبیه‌سازی یک شبکۀ سلولی مبتنی بر پهپاد
 
همان‌طور که انتظار می‌رفت، هر چقدر مقدار ρ_a بیشتر شود، کاربران بیشتری تمایل به برقراری ارتباط با پهپاد خواهند داشت که این قضیه، اگرچه به دلیل کاهش بار داده از روی TBS مطلوب‌ است، با افزایش ترافیک داده در ABS و در نتیجه، تقسیم پهنای باند بین تعداد بیشتری از کاربران، در نهایت، سبب کاهش مجموع نرخ دادۀ کاربران AU می‌شود. 
 
شکل (5): مجموع نرخ دادۀ کاربران هوایی برحسب ارتفاع پهپاد
 در ادامه، استدلالی مشابه بر روی کاربران زمینی نیز قابل بیان است. در واقع، همین مسئله در شکل (6) برای مجموع نرخ دادۀ کاربران زمینی یا TU (R_t^N) مطرح شده است. در این شکل، تغییرات مربوط به R_t^N برحسب ارتفاع پهپاد (H_a) و برای مقادیر مختلف نسبت کاهش بار داده (ρ_a) ترسیم شده است. بر این اساس، می‌توان گفت هرچه پهپاد بالاتر برود، تداخل کمتری برای کاربران متصل به TBS ایجاد می‌کند و این امر باعث افزایش کیفیت خدمات به کاربران TBS می‌شود. استدلالی مشابه برای بیان اثرات تغییر مقدار ρ_a نیز وجود دارد. وقتی پهپاد کمتر آفلود انجام می‌دهد (معادل است با مقدار ρ_a کمتر)، تعداد بیشتری از کاربران به TBS متصل می‌شوند. در نتیجه، پهنای ‌باند  TBSبرای تعداد بیشتری از کاربران تقسیم می‌شود و کاربران تجربۀ نرخی پایین‌تر را خواهند داشت. در مقابل، با افزایش مقدار ρ_a، پهپاد کاربران بیشتری را به‌ خود جذب می‌کند و در نتیجه، تعداد کمتری از کاربران به TBS ملحق خواهند شد. بنابراین، کاربران TU به‌تدریج خدماتی بهتر دریافت می‌کنند و این مسئله، در نهایت، به افزایش مجموع نرخ کاربران R_t^N منجر می‌شود. رفتار نمودار مجموع نرخ کل کاربران هوایی و زمینی (R_T^N) در شکل (7) نیز روندی مشابه نمودار کاربران زمینی یا TU در شکل (6) را نشان می‌دهد؛ زیرا کاربران TU به نسبت کاربران AU دارای نرخ دادۀ به‌مراتب بزرگ‌تری هستند؛ به ‌ویژه زمانی که ارتفاع پهپاد بالاست و اثر تداخلی آن بر کاربران TU کاهش می‌یابد. با این تحلیل، می‌توان نتیجه گرفت ارتفاع پهپاد و مقدار کاهش بار داده از عوامل بسیار تأثیرگذار بر میزان تداخل و در نتیجه، مجموع نرخ کل کاربران هوایی و زمینی هستند. همچنین، با افزایش مقدار ρ_a، تعداد کاربران TU کاهش می‌یابد و بنابراین، با تخصیص پهنای باند بیشتر به این کاربران، در نهایت، موجب افزایش مقدار R_T^N می‌شود.
 
شکل (6): مجموع نرخ دادۀ کاربران زمینی برحسب ارتفاع پهپاد
 
شکل )7): مجموع نرخ دادۀ کل کاربران برحسب ارتفاع پهپاد
 
در شکل (8)، تأثیر توان ارسال پهپاد (P_a) و نسبت کاهش بار داده (ρ_a ) بر مجموع نرخ دادۀ کاربران هوایی (AU) متصل به پهپاد (R_a^N) بررسی شده است. می‌توان گفت، با فرض ارتفاع ثابت پهپاد یا ABS، هرچه میزان توان ارسال P_a بیشتر باشد، تأثیری بسزا بر روی کیفیت لینک ارتباطی AU-ABS خواهد داشت؛ به این معنا که با افزایش مقدار P_a، کاربران متصل به پهپاد توانایی دریافت سیگنال قوی‌تری دارند و در نتیجه، مطابق رابطۀ شانون برای نرخ داده (رابطۀ 7)، این کاربران نرخ دادۀ بیشتری را تجربه می‌کنند. با این حال، باید توجه داشت که افزایش توان ارسال P_a ممکن است بر روی کاربران زمینی (TU) دارای تأثیر معکوس و عاملی برای تداخل باشد. همچنین، می‌توان نتیجه گرفت پارامتر ρ_a کمتر به معنای اتصال کمتری از کاربران به پهپاد است و وقتی تعداد کمتری از کاربران به پهپاد متصل شوند، پهپاد سرویس بهتری به کاربران خود ارائه می‌دهد. در ادامه، تأثیر افزایش توان ارسال پهپاد (P_a) بر روی مجموع نرخ دادۀ کاربران زمینی یا TU (R_t^N) نیز بررسی شده است. شکل (9) نشان می‌دهد تغییرات در نرخ دادۀ کاربران تحت پوشش TBS در پاسخ به افزایش توان پهپاد دارای الگوهایی خاص است. در این تحلیل، با فرض ارتفاع ثابت پهپاد و همچنین با افزایش توان ارسال پهپاد، نرخ دادۀ کاربران TU به علت افزایش تداخل ناشی از پهپاد یا ABS کاهش می‌یابد. تحلیل مربوط به تأثیر تغییرات ρ_a برروی R_t نیز مشابه تحلیل‌های قبلی است.
 
شکل (8): مجموع نرخ دادۀ کاربران هوایی برحسب توان ارسال پهپاد
 
شکل (9): مجموع نرخ دادۀ کاربران زمینی برحسب توان ارسال پهپاد
 
با توجه به اینکه کاربران TBS به نسبت کاربران متصل به ABS دارای نرخ دادۀ به‌مراتب بزرگ‌تری هستند، رفتار مجموع نرخ دادۀ کل کاربران نیز روندی مشابه نمودار نرخ کاربران متصل به TBS در شکل (9) قابل انتظار است. به عبارت دیگر، همان‌طور که در شکل (10) مشاهده می‌شود، با افزایش توان ارسال پهپاد و در نتیجه، با بالارفتن میزان تداخل ایجادشده بر روی کاربران متصل به TBS، در نهایت، مجموع نرخ دادۀ کل کاربران توزیع‌شده در سلول کاهش می‌یابد.
در تکمیل ارزیابی سناریوی بدون محدودیت انرژی و در دسترس بودن دائمی پهپاد، تأثیر نسبت 〖 ρ〗_a بر مجموع نرخ دادۀ کل کاربران هوایی و زمینی بررسی می‌شود. همان‌طور که در شکل (11) دیده می‌شود، مقادیر کوچک 〖 ρ〗_a به این معناست که تعداد کاربران متصل به پهپاد بسیار کم و در عوض تعداد کاربران متصل به TBS بسیار زیاد است. در نتیجۀ این موضوع، پهنای باند موجود برای پهپاد بین تعداد بسیار کمی از کاربران تقسیم می‌شود و این به معنای تجربۀ نرخ دادۀ زیاد این کاربران است، در حالی که پهنای باند موجود برای TBS بین تعداد زیادی از کاربران تقسیم می‌شود و این به معنای تجربۀ نرخ دادۀ بسیار کم این کاربران است. در نهایت، برای مقادیر بسیار کم 〖 ρ〗_a نرخ مجموع کل کاربران هوایی و زمینی (R_T^N) بیشتر متأثر از نرخ کاربران زمینی است. با افزایش مقدار 〖 ρ〗_a این روند به‌تدریج معکوس می‌شود و تعداد کاربران متصل به پهپاد یا ABS بیشتر می‌شود و تعداد کاربران متصل به TBS کاهش می‌یابد. بنابراین، کاربران متصل به TBS نرخ بسیار بالاتری را تجربه خواهند کرد که در نهایت، باعث افزایش مجموع نرخ دادۀ کاربران زمینی یا TU (R_t^N) و متعاقباً مجموع نرخ کل کاربران (R_T^N) خواهد شد. باید به این نکته توجه کرد که توان ارسال TBS به‌مراتب بیشتر از توان ارسال پهپاد است و علت عدم تقارن نمودار برای مقادیر بسیار کم و بسیار زیاد 〖 ρ〗_a به همین دلیل است. مشاهده می‌شود برای مقادیر بزرگ 〖 ρ〗_a پهپاد در کاهش بار ترافیکی TBS و در نتیجه، افزایش نرخ کل، نقشی مهم‌تر ایفا می‌کند.
 
شکل (10): مجموع نرخ دادۀ کل کاربران برحسب توان ارسال دادۀ پهپاد
 
شکل (11): مجموع نرخ دادۀ کاربران هوایی و زمینی برحسب نسبت آفلود ρ_a
 
2-4- سناریوی پهپاد با محدودیت انرژی 
با توجه به تحلیل‌های پیشین، میزان نرخ دادۀ کل کاربران هوایی و زمینی بستگی زیادی به چگالی ایستگاه‌های شارژ (λ_c) و مدت زمان شارژ پهپاد (T_ch) دارد. با افزایش تعداد ایستگاه‌های شارژ، پهپاد برای رفت‌وآمد به نزدیک‌‌ترین ایستگاه شارژ مسافت کمتری را طی می‌کند و به‌سرعت باتری خود را شارژ می‌کند و به محل سرویس‌دهی بازمی‌گردد و وقفۀ کمتری در عملیات آفلودینگ یا کاهش بار داده ایجاد خواهد شد. به این ترتیب، انتظار می‌رود مجموع نرخ دادۀ کاربران (R_T) افزایش ‌یابد. در شکل (12)، رفتار نمودارها برای چهار مورد زمان شارژ مفروض نیز مؤید این مسئله است. 
 
شکل (12): مجموع نرخ دادۀ کاربران برحسب λ_c برای مقادیر مختلف T_ch
 
در شکل (13) نیز مقدار مجموع نرخ کل کاربران هوایی و زمینی (R_T) برحسب احتمال در دسترس بودن پهپاد (ρ_u) و در ازای مقادیر مختلف توان ارسال ایستگاه پایۀ زمینی (P_t) و نسبت کاهش بار داده برابر ρ_a=0.9 ترسیم شده است. با توجه به نقش پهپاد در کاهش بار ترافیکی TBS به ‌ویژه برای مقادیر بزرگ ρ_a، با افزایش احتمال در دسترس بودن پهپاد مقدار R_T افزایش می‌یابد. در واقع، در حالتی که ρ_a مقداری بزرگ انتخاب شود، اگر توان ارسال TBS (P_t) نیز افزایش یابد و توان ارسال پهپاد ثابت باشد، مقدار R_T نیز بزرگ‌تر خواهد شد، به ‌ویژه وقتی احتمال در دسترس بودن پهپاد یا ρ_u بیشتر باشد. در شرایط مشابه، با فرض توان ثابت برای TBS (P_t=30dBm)، این بار اثر تغییرات توان ABS (پهپاد) بر مقدار R_T نیز قابل ارزیابی است. همان‌طور که در شکل (14) مشاهده می‌شود، مقدار R_T با افزایش توان ارسال پهپاد (P_a) و به دنبال آن افزایش تداخل ناشی از لینک‌های ABS-AU بر روی لینک‌های TBS-TU کاهش می‌یابد.
 
شکل (13): مجموع نرخ دادۀ کاربران برحسب احتمال در دسترس بودن پهپاد (ρ_u) برای مقادیر مختلف توان ارسال  TBS(P_t)
 
شکل (14): مجموع نرخ دادۀ کاربران برحسب احتمال در دسترس بودن پهپاد (ρ_u) برای مقادیر مختلف توان ارسال پهپاد (P_a)
 
در شکل (15)، تغییرات مجموع نرخ دادۀ کاربران R_T نیز  برحسب احتمال در دسترس بودن پهپاد و برای مقادیر مختلف نسبت کاهش بار داده رسم شده است. همان‌طور که مشاهده می‌شود، مقدار R_T فقط در صورتی هم‌زمان با افزایش احتمال در دسترس بودن پهپاد افزایش می‌یابد که اثربخشی پهپاد (در تخلیه و کاهش بار ترافیکی TBS) بر تداخل ناشی از پهپاد بر روی کاربران متصل به TBS غالب شود و این مهم زمانی محقق خواهد شد که نسبت ρ_a   مقادیری بزرگ اختیار کند. شکل (16) نیز نشان می‌دهد به‌ازای مقادیر بزرگ ρ_a، مقدار R_T از رشد بیشتری برخوردار است. البته، این میزان رشد برای حالتی که احتمال ρ_u بالا باشد (معادل زمان شارژ (T_ch) کمتر)، بیشتر نیز خواهد بود. برای درک بهتر اثرات پارامترهای ρ_u و ρ_a بر مجموع نرخ دادۀ کاربران (R_T)، شکل (17) برای مقدار ثابت T_ch به صورت نمودار سه‌بُعدی ترسیم شده است.
 
شکل (15): مجموع نرخ دادۀ کاربران برحسب احتمال در دسترس بودن پهپاد (ρ_u) برای مقادیر مختلف نسبت کاهش بار داده
 
شکل (16): مجموع نرخ دادۀ کاربران برحسب نسبت کاهش بار داده برای مقادیر مختلف زمان شارژ T_ch
 
شکل (17): مجموع نرخ دادۀ کاربران برحسب احتمال در دسترس بودن پهپاد (ρ_u) و نسبت کاهش بار داده (ρ_a) برای زمان شارژ پهپاد ثابت (T_ch=10 min)
نمودار شکل (18) برای محاسبۀ احتمال در دسترس بودن پهپاد برحسب زمان شارژ پهپاد در ایستگاه شارژ و ظرفیت باتری پهپاد و با هدف ارائۀ یک چارچوب طراحی بهینه برای پژوهشگران در این حوزه ارائه شده است. واضح است، ناحیۀ ایده‌آل برای طراحی بهینۀ فرایند کاهش بار داده مبتنی بر پهپاد جایی است که مقادیر B_max   بالاتر و T_ch کمتر در دسترس باشند که در شکل (18)، این ناحیه بالای صفحۀ توری خاکستری رنگ قرار خواهد گرفت. 
 
شکل (18): احتمال در دسترس بودن پهپاد برحسب زمان شارژ پهپاد در ایستگاه شارژ (T_ch) و ظرفیت باتری پهپاد (B_max)
 
5- نتیجه‌گیری
در این پژوهش، نقش پهپادها به‌ عنوان ایستگاه‌های پایۀ هوایی در کاهش بار ترافیکی شبکه‌های سلولی با در نظر گرفتن محدودیت انرژی پهپاد بررسی شد. به منظور ارزیابی این مسئله، دو سناریو بررسی شدند: ابتدا، سناریویی که پهپاد دارای محدودیت انرژی نیست و در فرایند آفلود یا کاهش بار داده ایستگاه مرکزی یا زمینی مشارکت کامل دارد، تحلیل شد و روابط مربوط به مجموع نرخ برای تمامی کاربران استخراج شدند. در سناریوی دوم نیز، مسئلۀ کاهش بار داده مبتنی بر پهپاد با فرض واقع‌بینانۀ محدودیت انرژی تحلیل شد. در این حالت، برای نشان‌دادن اثر محدودیت انرژی، فاکتوری با نام احتمال دسترسی به پهپاد تعریف و بر اساس زمان‌های شارژ و موقعیت ایستگاه‌های شارژ محاسبه شد. نتایج شبیه‌سازی‌ها نشان می‌دهد استقرار پهپادها می‌تواند به‌ طور مؤثر حجم داده‌ها را در نقاط مرکزی و پرترافیک شبکه کاهش دهد و به بهینه‌سازی زیرساخت‌های شبکه کمک کند. با این حال، چالش‌هایی مانند محدودیت ظرفیت باتری و نیاز به بازگشت به ایستگاه‌های شارژ برای حفظ عملکرد بهینه وجود دارند. این پژوهش می‌تواند مبنایی مناسب برای توسعۀ راهکارهای واقع‌گرایانه در بهبود کیفیت خدمات شبکه‌های بی‌سیم مبتنی بر پهپاد در آینده باشد.

 

[1] M. Mozaffari, W. Saad, M. Bennis, Y. Nam, M. Debbah, “A tutorial on UAVs for wireless networks: Applications, challenges, and open problems”, IEEE Communications Surveys & Tutorials, Vol. 21, No. 3, pp. 2334–2360, 3rd Quart. 2019. https://doi.org/10.1109/COMST.2019.2902862
[2] B. Galkin, J. Kibilda, L. A. DaSilva, “A stochastic model for UAV networks positioned above demand hotspots in urban environments”, IEEE Transactions on Vehicular Technology, Vol. 68, No. 7, pp. 6985– 6996, July 2019. https://doi.org/10.1109/TVT.2019.2916429
[3] H. Jia, J. Zhong, M. N. Janardhanan, G. Chen, “Ergodic capacity analysis for FSO communications with UAV-equipped IRS in the presence of pointing error”, in Proceedings of the 2020 IEEE International Conference on Communication Technology (ICCT), Nanning, China, pp. 949–954, 28–31 Oct. 2020. https://doi.org/10.1109/ICCT50939.2020.9295740
[4] W. U. Khan, E. Lagunas, Z. Ali, M. A. Javed, M. Ahmed, S. Chatzinotas, B. Ottersten, P. Popovski, “Opportunities for physical layer security in UAV communication enhanced with intelligent reflective surfaces”, IEEE Wireless Communications, Vol. 29, No. 6, pp. 22-28, Dec. 2022. https://doi.org/10.1109/MWC.001.2200125
[5] Y. Qin, M. A. Kishk, M. -S. Alouini, “Performance Evaluation of UAV-Enabled Cellular Networks with Battery-Limited Drones”, in IEEE Communications Letters, Vol. 24, No. 12, pp. 2664-2668, Dec. 2020. https://doi.org/10.1109/LCOMM.2020.3013286 
[6] B. Praveen Kumar, U. K. Kommuri, “Review on 5G Small Cell Base Station Antennas: Design Challenges and Technologies”, in IEEE Access, Vol. 12, pp. 85899-85928, 2024. https://doi.org/10.1109/ACCESS.2024.3415640
[7] A. L. Rezaabad, H. Beyranvand, J. A. Salehi, M. Maier, “Ultradense 5G small cell deployment for fiber and wireless backhaul-aware infrastructures”, IEEE Trans. Veh. Technol., Vol. 67, No. 12, pp. 12231–12243, Dec. 2018. https://doi.org/10.1109/TVT.2018.2875114
[8] M. H. Alsharif, R. Nordin, M. M. Shakir, A. M. Ramly, “Small cells integration with the macro-cell under LTE cellular networks and potential extension for 5G”, J. Electr. Eng. Technol., Vol. 14, No. 6, pp. 2455–2465, Nov. 2019. https://doi.org/10.1007/s42835-019-00173-2 
[9] D. Muirhead, M. A. Imran, K. Arshad, “A survey of the challenges, opportunities and use of multiple antennas in current and future 5G small cell base stations”, IEEE Access, Vol. 4, pp. 2952–2964, 2016. https://doi.org/10.1109/ACCESS.2016.2569483 
[10] A. Asadi, Q. Wang, V. Mancuso, “A survey on device-to-device communication in cellular networks”, IEEE Commun. Surveys Tuts., Vol. 16, No. 4, pp. 1801–1819, 4th Quart., 2014. https://doi.org/10.1109/COMST.2014.2319555
[11] M. Alzenad, H. Yanikomeroglu, “Coverage and rate analysis for vertical heterogeneous networks (VHetNets)”, IEEE Transactions on Wireless Communications, Vol. 18, No. 12, pp. 5643–5657, Dec. 2019. https://doi.org/10.1109/TWC.2019.2938168
[12] B. Saha, E. Koshimoto, C. C. Quach, E. F. Hogge, T. H. Strom, B. L. Hill, S. L. Vazquez, K.Goebel, “Battery health management system for electric UAVs”, in Proc., Aerospace Conference, pp. 1–9, Mar. 2011. https://doi.org/10.1109/AERO.2011.5747587
[13] Y. Zeng, R. Zhang, “Energy-efficient UAV communication with trajectory optimization”, IEEE Transactions on Wireless Communications, Vol. 16, No. 6, pp. 3747–3760, June 2017. https://doi.org/10.1109/TWC.2017.2688328
[14] M. Alzenad, A. El-Keyi, F. Lagum, H. Yanikomeroglu, “3-D placement of an unmanned aerial vehicle base station (UAV-BS) for energy-efficient maximal coverage”, IEEE Wireless Communications Letters, Vol. 6, No. 4, pp. 434–437, Aug. 2017. https://doi.org/10.1109/LWC.2017.2700840
[15] M. A. Kishk, A. Bader, M. -S. Alouini, “On the 3-D Placement of Airborne Base Stations Using Tethered UAVs”,in IEEE Transactions on Communications, Vol. 68, No. 8, pp. 5202-5215, Aug. 2020. https://doi.org/10.1109/TCOMM.2020.2993885
[16] R. I. Bor-Yaliniz, A. El-Keyi, H. Yanikomeroglu, “Efficient 3-D placement of an aerial base station in next generation cellular networks”, in 2016 IEEE Int. Conf. on Commun. (ICC), May 2016. https://doi.org/10.1109/ICC.2016.7510820
[17] M. A. Ali, A. Jamalipour, “UAV-Aided Cellular Operation by User Offloading”, in IEEE Internet of Things Journal, Vol. 8, No. 12, pp. 9855-9864, 15 June 2021. https://doi.org/10.1109/JIOT.2020.3015479
[18] S. Mahama, D. K. P. Asiedu, K. -J. Lee, “Simultaneous Wireless Information and Power Transfer for Cooperative Relay Networks with Battery”, in IEEE Access, Vol. 5, pp. 13171-13178, 2017. https://doi.org/10.1109/ACCESS.2017.2724638
[19] F. H. Panahi, F. H. Panahi, “Cost-Aware UAV-Enabled Computation Offloading for Green Internet of Things”, in IEEE Transactions on Green Communications and Networking, Vol. 10, pp. 366-375, 2026. https://doi.org/10.1109/TGCN.2025.3580453
[20] F. H. Panahi, F. H. Panahi, “Intelligent UAV-Based Mobile Offloading: A Multi-Objective Optimization Approach”, in IEEE Transactions on Green Communications and Networking, Vol. 9, No. 3, pp. 900-909, Sept. 2025. https://doi.org/10.1109/TGCN.2024.3524003
[21] F. H. Panahi, F. H. Panahi, T. Ohtsuki, “Intelligent Cellular Offloading With VLC-Enabled Unmanned Aerial Vehicles”, in IEEE Internet of Things Journal, Vol. 10, No. 20, pp. 17718-17733, 15 Oct. 2023. https://doi.org/10.1109/JIOT.2023.3279925
[22] K. Zeng, X. Li, T. Shen, “Energy-Stabilized Computing Offloading Algorithm for UAVs With Energy Harvesting”, in IEEE Internet of Things Journal, Vol. 11, No. 4, pp. 6020-6031, 15 Feb. 2024. https://doi.org/10.1109/JIOT.2023.3309136
[23] M. El-Emary, D. Naboulsi, R. Stanica, “Energy-Efficient and Resilient Task Offloading in UAV-Assisted MEC Systems”, in IEEE Open Journal of Vehicular Technology, Vol. 6, pp. 2236-2254, 2025. https://doi.org/10.1109/OJVT.2025.3598154
[24] Z. Yu, Z. Zhang, S. Zeadally, B. Shen, X. Pei, “Energy-Efficient Computing Offloading with Trajectory Optimization and Resource Allocation in UAV-Aided Industrial IoT”, in IEEE Internet of Things Journal, Vol. 12, No. 17, pp. 34780-34792, 1 Sept. 2025. https://doi.org/10.1109/JIOT.2025.3582091
]25[ Qualcomm Technologies, LTE Unmanned Aircraft Systems, Trial Report v1.0.1, Qualcomm Technologies, Inc., May 2017. Available at: https://www.qualcomm.com/news/onq/2017/05/qualcomm-technologies-releases-lte-drone-trial-results
]26[ Y. Qin, M. A. Kishk, M. -S. Alouini, “On the Influence of Charging Stations Spatial Distribution on Aerial Wireless Networks”, in IEEE Transactions on Green Communications and Networking, Vol. 5, No. 3, pp. 1395-1409, Sept. 2021. https://doi.org/10.1109/TGCN.2021.3085105
]27[ F. H. Panahi, F. H. Panahi, “An Intelligent Energy-Efficient Firefighting Strategy in Mobile WSNs”, Computational Intelligence in Electrical Engineering, Vol. 13, No. 3, pp. 37-54, 2022. https://doi.org/10.22108/isee.2021.124683.1406 [In Persian]
]28[ X. Dai, B. Duo, X. Yuan, M. D. Renzo, “Energy-Efficient UAV Communications in the Presence Wind: 3D Modeling and Trajectory Design”, in IEEE Transactions on Wireless Communications, Vol. 23, No. 3, pp. 1840-1854, Mar. 2024. https://doi.org/10.1109/TWC.2023.3292290