Placement Optimization of UAV-Mounted Mobile Base Stations | Spiral MBS Placement Algorithm | GDC

课程需要，算法导论小组选了一个无人机基站的课题，搜索资料的时候发现论文Placement Optimization of UAV-Mounted Mobile Base Stations基于无人机覆盖问题提出了一种螺旋MBS布局算法Spiral MBS Placement Algorithm，将这个方法实现了一下并与小组提出的其他方法、还有KMeans聚类方法做了一下比较，记录下论文的大概意思以及实现算法的过程。

研究背景

随着无人机的机动性和经济性的提高，无人机在无线通信系统中具有许多潜在的应用前景。特别是,安装在无人机上的移动基站(MBSs)可以部署在没有战场或灾难现场等基础设施覆盖的地区，提供无线连接。与地面基站(BSs)不同，即使是安装在地面车辆上的基站，安装在无人机上的移动基站也可以部署在任何位置，并沿着仅受其航空特性约束的任何轨迹移动，以便根据已知位置覆盖给定区域的地面终端(GTs)。

研究主旨

在没有固定基础设施的地面通信网络中，无人机车载移动基站(MBSs)是实现无线连接的有效解决方案。而论文旨在尽量减少为一组分布式地面终端(GTs)提供无线覆盖所需的MBSs数量，确保每个GT都在至少一个MBS的通信范围内。改论文中提出了一种连续MBS布局的多项式时间算法，该算法从未覆盖的GTs的面积周界开始，沿着中心的螺旋路径依次放置MBS，直到覆盖所有GTs。

问题描述和建模

问题描述

论文中假设GT位置已知，MBS在固定高度H飞行，UAV-GT信道以LOS链路为主，其信道质量主要取决于UAV和GT的距离，我们考虑了没有地面BSs可用的情况和安装在UAV上的MBSs是通过卫星链路进行反向连接的，每个MBS在地面上的覆盖半径为r，如图所示。

因此MBS布局问题为在给定的区域为所有的GT提供一个无线覆盖，可以描述为几何磁盘覆盖(GDC)问题。
几何磁盘覆盖问题：在给定的区域内，使用最小数量的给定半径的的磁盘覆盖区域内的K个节点，这是一个NP难问题，[这篇论文][1]中提出了一种名为strip-cover-with-disks algorithm的算法。
为了简单起见，论文假设UAV-GT通信通道由LOS链路控制。还假设发射功率是固定的，并给出了可靠通信所需的接收机信噪比(SNR)的最小值。在LOS模型下，UAV-GT通道功率增益遵循自由空间路径损耗模型，该模型由UAV-GT链路距离决定。此外，我们假设UAV在给定的高度H飞行，其MBS最大覆盖半径投影到地面对应的信噪比阈值由r指定。
为了降低成本，我们的目标是部署最小数量的MBSs(无人机)，以便每个GT在其通信半径r内至少有一个MBS提供服务。请注意，这并不排除某些GTs可能被多个MBSs覆盖的可能性。在这种情况下，需要通过适当的信道分配和部署MBSs后的功率控制来解决小区间干扰问题。

问题建模

一个具有K个GTs的无线系统，记为集合K ={1,2，···，K}，{ $w_k$},k∈K给出的已知位置，其中$w_k$∈$R^{2\times 1}$ 代表第k个GT在地面上的位置。用M ={1，…， M}表示待部署的MBSs集合。问题可以表述如下：

其中|M| = M代表无人机集合M的基数，$U_m$ ∈$R^{2x1}$ 代表MBs m在水平面上的坐标，||$w_k-u_m$||欧式距离代表GT k与MBS m映射到水平面上的距离。
(P1)即为GDC问题，即一般NP难问题。GDC问题也与p-center问题有关，目标是确定最小磁盘的p个中心(MBS位置)来覆盖所有K个GT。GDC可以转化为一系列p值不同的p-center问题，然而p-center问题同样是NP难问题。
因此对，

Spiral MBS Placement Algorithm(螺旋MBS布局算法)

论文提出了一种基于连续MBS布局的近似求解P1的启发式算法----Spiral MBS Placement Algorithm。在讲算法前，我们需要明确一些相关概念:

1. 点集Q的凸包：是指一个最小凸多边形,满足Q中的点或者在多边形边上或者在其内部.
2. 在下面的算法中我们使用下面约定的称呼：
   1). 边界区域： 连接所有凸多边形上的点的路径（即最后找出来凸多边形),
   2). 边界点 ： 凸多边形上的红色点
   3). 内部点：凸多边形内部的绿色点
   

算法主要思想

将MBSs沿未覆盖的GTs集合的边界区域顺序放置，每一个MBS m至少覆盖一个GT $k_0$（$k_0$是边界点）, 与$k_0$的距离大于2*r的GT不在m的覆盖范围内。之后，MBS m将向区域中心内调整其位置，以覆盖尽可能多的未覆盖的GTs：

1. 首先调整m的位置以覆盖包括$k_0$的更多边界点
2. 再次调整m的位置以覆盖包括$k_0$和1中的边界点外更多的内部点

当MBS m放置完毕，确定边界区域逆时针方向上距离$k_0$最近且未被覆盖的GT $k_0^{\prime }$ ;此时新的边界区域有未覆盖的GTs集合确定且在GT $k_0$处缩小，此时选择$k_0^{\prime }$($k_0^{\prime }$