我国幅员辽阔、人口众多、自然灾害频繁。目前，国内通信技术和基础设施建设取得了显著成效，移动通信技术有效改变了人们的生活方式和经济结构。然而，当发生突发事件或不可抗拒的自然因素时，传统通信网络脆弱且难以恢复。 2008年，我国南方遭受了50年一遇的特大冰雪灾害。灾难最严重时，8.3万个基站因停电而无法使用，数千万用户的通信受到影响。同样是在2008年，汶川发生特大地震，通讯设施遭到严重破坏。汶川县通讯瘫痪，外界无法及时获得有关汶川的任何消息。 2010年玉树地震和2012年台风达威再次袭击内陆地区。这些强烈的自然灾害直接造成了大范围的通讯中断[1,2]。面对自然灾害和通讯中断，这些灾害往往造成重大人员伤亡和财产损失。

图1 我国近年来重大自然灾害分布

重大自然灾害发生前的72小时被称为“黄金救援期”。面对未知灾害，尽快获取灾害信息是抢险救灾的首要问题。然而，重大自然灾害往往会导致重灾区电网瘫痪、信息中断、道路交通受损。这些问题对救灾工作产生了重大影响[3]。

图2 我国近年来重大自然灾害造成的损失图2 我国近年来重大自然灾害造成的损失

2008年汶川特大地震时，救灾车辆和人员无法第一时间赶赴现场，灾害传播受阻，导致抢险救灾盲目部署。由于震后地形和气候复杂，需要有人直升机进行航测，这对空降人员和空投物资带来很大风险。汶川地震期间发生直升机坠毁事件，造成严重人员伤亡，并造成更大损失和次生损害。灾难[4]。

图3 博物馆展出的汶川地震救援中坠毁的直升机残骸

近年来，随着汶川地震、日本海啸等破坏性严重的自然灾害的发生，以及登山者被困在地理条件不明地区的事件，通信支持往往成为这些情况下最迫切的需求。面对重大自然灾害，快速建立稳定的通信系统，恢复灾区或战区通信具有重要战略意义。紧急自然灾害事件具有突发性的特点。因此，要求应急通信系统能够快速响应、快速投入使用。同时，紧急事件具有时间敏感性。紧急救援任务完成后，系统可随时撤离现场。应急救援现场情况复杂，地点不确定、环境不确定、条件不确定。现有地面设施无法使用或无法提供。传统的通讯设施失效。应急通信系统需要是独立的网络和系统（包括供电系统）。

现阶段，对于泥石流、地震、洪水、海啸等突发灾害或突发事件，主要的解决方案是利用地面设备来解决，如大功率临时通讯车，或者在较高的地面或建筑物上。设置临时基站等。

图4 地面应急通信保障车

这些方案在设计上与普通基站差别不大，并且具有更大的技术复用性。因此，它们具有技术难度较低、硬件成本较低的优点。但也存在架设速度慢、人工成本严重依赖地面交通状况、部署缓慢、无法覆盖所有区域等缺点。

近年来，随着人们对临时移动通信网络的建立和维护速度的要求越来越高，对整个解决方案的速度、全球覆盖范围和成本的要求也越来越严格，其局限性传统解决方案的优势逐渐凸显。主要体现在以下两个方面：

1）在解决方案性能和速度方面，传统解决方案的建立和维护存在构建速度慢的缺点。一般来说，从搭建到调试完成至少需要一天的时间。在移动性方面，传统方案移动性较差。临时通讯车虽然是可移动的，但一旦路面受损，基本上就失去了机动性。

2）从解决方案成本来看，受摩尔定律的影响，通信设备的单位性能成本正在快速下降，而中国经历刘易斯拐点后，由于劳动力逐渐短缺，导致劳动力成本上升，劳动力成本不断上升。从综合成本来看，地面解决方案正在迅速失去原有的成本优势。

无人机基站是无人机及其无线通信模块的结合体，结合了无人机的机动性和无线传输特性。无人机通信具有远距离、高机动性、灵活部署、低时延等特点。无人机基站作为一种移动灵活的通信服务设施，广泛应用于当前的无线通信服务，特别是通信设备故障或自然灾害的应急通信服务中[5,6]。

无人机基站可以为各种场景提供可靠、经济、高效的无线通信解决方案。一方面，无人机基站可以作为空中基站，向所需区域提供可靠、经济、按需的无线通信服务；另一方面，无人机基站可以作为空中中继，实现远距离用户设备之间的通信。数据信息共享。地面基站的局限性（如基站数量、无线信号传输距离、偏远山区信号强度的限制、用户密集地区容量过大的数据请求以及特殊环境下的通信请求等）带来对当前无线通信网络服务提出更多挑战。 [7,8]，无人机基站作为一种可以自主飞行的移动通信设备，为解决上述限制提供了新的解决方案。与传统地面应急通信方式相比，空中通信系统的主要优势包括：

1）可以到达通信车辆无法到达的地点，极大地避免了地形影响造成的通信质量和效率下降。

2）极快的部署速度，甚至可以在灾难结束前到达指定的部署地点，以最快的速度收集和扫描人员分布，获得极其宝贵的时间和救援信息。

3）更灵活的部署方案。根据各地区不同的灾害情况，无人机可以直接在空中移动，同时调整资源分配策略。

4）无人机基站快速部署能力强，建设成本低；

5）在有信号覆盖的地区，无人机基站可以作为中继，扩大信号覆盖范围。在没有信号覆盖的地区，无人机基站可以提供信号覆盖；

6）无人机基站的动态移动特性可以根据地面用户分布的变化自由调整，以提高网络性能和网络连通性；

7）无人机基站可作为宏基站层和小基站层之间的中间空中节点，提高覆盖范围和通信能力；

8）与地面网络相比，无人机基站可以建立直接视距通信，提高网络通信性能。

因此，应用无人机系统建立空中应急通信系统是一种理想的方式。无人机系统建立空中应急通信系统的平台载体包括固定翼无人机平台和旋翼无人机平台。

图5 固定翼和旋翼无人机平台通信应急系统

固定翼无人机具有航程远（大于1500公里）、长飞行时间（大于10小时）、灵活部署（巡航速度大于150公里/小时）等特点，可以满足应急快速通信的需求。指定区域。固定翼无人机空中通信中继系统组成如图6所示。

图6 固定翼无人机空中通信中继系统组成

无人机空中通信系统收到任务命令后，可从储存地点发射，根据自身射程快速机动至任务区域，以达到尽快恢复通信的目的。同时，后续空中平台可机动至任务区前沿，通过弹射起飞实施后续通信平台的部署任务。通过多个空中平台的协同中继，可以实现更大范围、更远距离的通信需求。同时，备用无人机可以接管燃料耗尽的平台，从而保证长期不间断的通信。

与旋翼航空通信中继平台相比，固定翼无人机航空通信系统具有以下优势：

1）部署更加方便灵活

与旋翼无人机相比，固定翼无人机飞行速度更快，可以在更远的距离快速机动到指定任务区域。

2）使用范围更广

与旋翼无人机相比，固定翼无人机航程更远，可使用范围更广。此外，固定翼无人机更加节能，可以携带更大的通信任务负载设备，使其具有更广泛的通信保障能力。

3）更长的空气使用时间

与旋翼无人机相比，固定翼无人机的飞行时间更长，可以满足长期任务需求。与旋翼无人机不到一个小时的飞行时间相比，固定翼无人机的飞行时间可以达到10多个小时，甚至更长。如果有旋转无人机，就可以实现长期不间断的通信保障需求。

因此，固定翼无人机空中通信系统具有其他应急保障通信系统无法比拟的优势。

2 研究现状

无人机搭载的中继通信平台可以快速有效地建立针对特定区域的通信网络，为救灾等特殊情况赢得宝贵的时间。空中中继平台利用空中设备传输信息，可以跨越复杂地形、长距离传输。多架配备中继通信平台的无人机作为飞行编队进行集中控制，通信更加可靠，性能更加出色。已成为越来越多业内人士的研究对象。在空中中继系统中，对无人机编队的有效控制是保证中继通信网络稳定的关键。

国内外许多研究机构对无人机辅助通信进行了深入的研究。例如，Facebook在美国的Aquila项目[9]利用固定轨道无人机高空通信平台为偏远地区提供无线网络覆盖。 Aquila无人机由太阳能电池板自动供电，并配备自动控制系统来调整航线和飞行参数（如航向、高度、空速等）。与Facebook的Aquila项目不同，美国谷歌的Loon项目[8]利用平流层气球，携带无线通信设备，为偏远地区提供无线网络通信服务。与高空平台相比，诺基亚的F-Cell项目[9]。通过部署小型太阳能无人机基站，可以实现高吞吐量、低能耗的无线通信基站的快速部署。此外，高通和ATT 正计划部署无人机，以实现第五代无线网络中的大规模无线通信。华为Wireless X Lab于2017年启动“数字天空”计划，推动无人机辅助通信在现实场景中的应用。

在无人机辅助通信的应用方向上，基站数量有限、传输距离长、部分偏远地区信号差以及通信产生的数据量大，给当前通信网络的性能带来了诸多挑战。无人机作为一种可以自主飞行的移动设备，为上述问题提供了新的解决方案。无人机辅助通信的优势在于，无人机可以随时随地快速部署，并根据系统需求及时调整。无人机基站作为一种新兴的无线通信技术，有着广泛的应用：可以作为移动中继站或基站；它们可用于改善蜂窝网络的网络连接和覆盖范围；他们可以为长距离地区或服务需求量大的地区提供服务。提供沟通支持；可以显着提高移动自组织网络或无线传感器网络等的性能。

(1)无人机辅助中继

在无人机辅助通信中，无人机可以充当移动中继来提高网络性能。与传统地面中继相比，无人机中继具有成本低、部署灵活、机动性强、适用性强等特点。严晓琴等. [10]提出了一种无人机中继通信系统的功率分配算法，以最大化系统能效为目标来优化功率分配。方斌等人。文献[11]将中继链路的最优链路成本问题构造为需求和供给的微分博弈问题，并提供了求解该问题的几何方法。为了优化无线通信性能，Zhan 等人。 [12]提出使用无人机作为无线网络基站和地面终端之间的中继设备。勇等人。 [13]研究了无人机轨迹和功率分配问题，以最大化无人机中继系统的吞吐量为目标。为了提高移动自组织网络的服务范围和可靠性，Palat 等人。 [14]研究了多无人机中继的协同优化问题。朱秋明等.文献[15]以信道随机衰落对中继信号覆盖范围的影响为出发点，提出了一种基于信号中断概率的最大化中继平台覆盖范围的模型。吴高峰等。文献[16]提出了一种多项式时间中继放置算法来解决链路有效性和安全约束下中继节点的最优放置问题。李等人。 [17]提出了一种中继策略来最小化网络传输延迟。针对通信盲点和无人机数量有限条件下优化无人机通信链路质量的问题，方斌等人[18]将无人机在通信中继链路中部署的问题形式化为多路径。优化问题，通过最短路径算法给出无人机通信中继链路构建问题的解决方案。

(2)无人机辅助无线传感器网络

无线传感器网络在当前生产生活中有着广泛的应用，如区域监测、医疗监控、自然灾害预防、水质控制等。同时，无线传感器网络也面临功耗限制、处理能力低、节点存储容量有限等诸多挑战。配备无线设备的无人机系统为无线传感器网络中存在的挑战提供了解决方案。无人机辅助通信可以有效降低无线传感器网络的能耗，提高网络吞吐量并延长使用寿命[19]。无人机辅助通信在提高无线传感器网络性能方面备受国内外研究人员的关注。在农业领域，波罗等人。 [20]设计了一种低成本无人机无线传感器网络，利用无人机的移动性来收集数据并检测地面节点的变化。马等人。文献[21]设计了无人机辅助无线传感器网络数据采集方案，将传感器与无人机之间的数据传输速率和持续时间作为优化问题，给出了四种数据采集方法。算法。贾哈尔等人。文献[22]以降低数据传输能耗、减少多跳数据路由干扰为目标，提出了基于无人机的数据采集框架，并给出了基于循环需求驱动策略的无人机路由算法。穆罕默德等人。 [23]研究了无人机无线传感器网络的数据采集、监测和可靠性保证问题。针对无人机中继过程中可能出现的通信中断、失真等问题，付晓伟等人提出了一种解决方案。 [24]使用通信延迟作为性能指标，提供了优化信息传输的路由模型。胡旭军等.文献[25]综合考虑无人机自身运动姿态和环境因素的影响，提出了基于两跳中继链路的传播模型。

(3)无人机辅助移动自组网

无人机的高度机动特性也适合优化移动自组织网络性能。在Ad-hoc中，一些节点被视为骨干节点[26]，它们负责Ad-hoc中节点的移动和位置协调，并为断开的子网提供通信连接。无人机可以作为Ad-hoc中的骨干节点，以提高网络连接性、可扩展性、负载平衡和网络可靠性[27]。 S.帕克等人。文献[28]提出了分布式覆盖路径规划算法和路由拓扑发现方案来解决地面Ad-hoc网络灾后重建问题，利用无人机将空中无线链路补充到受损的地面网络中。快速有效地恢复并提高网络数据传输效率。此外，无人机还可以通过最小化路由开销来提高无线自组织的性能，从而降低能耗并提高吞吐量[29]。无人机移动部署策略应考虑自组织网络的高度动态和自主拓扑，以最大限度地减少数据包延迟并提高网络可扩展性。

(4)无人机辅助车载自组网

车载自组织网络(VANET) 是移动自组织网络的一个子类别。传统的车辆自组织网络通信方式分为车对车通信和车路通信。 VANET旨在为道路使用者提供安全管理、交通管理和互联网应用等服务[30]。随着移动车辆数量和数据交换量的不断增加，如何在受车辆高移动性和各种障碍物影响的复杂环境中优化数据吞吐量和无线通信服务已成为VANET应用研究的关键问题。无人机辅助通信为上述问题提供了有效的解决方案，用于支持和辅助车辆通信。无人机辅助通信可以有效增强VANET网络的可扩展性、生存性和覆盖范围[31]。郭芳等. [32]提出了一种无人机飞行轨迹的优化策略，最大化最小传输速率以满足服务车辆的通信公平性要求。为了应对车辆移动性对VANET 网络通信的挑战，Omar 等人。 [33]提出了车辆自组织网络路由技术（UAV-Assisted VANET Routing Protocol，UVAR），为城市环境中车辆之间的数据传输提供了方法。高效的路由解决方案。在双向高速公路VANET 网络上，Seliem 等人。文献[34]给出了车辆和无人机之间通信数据包传输延迟的概率分布表达式，并提出了以最小化车辆和无人机数据包传输延迟为目标函数的路径。用于增强车辆自组织网络通信性能并改善城市地区道路安全和交通流量的协议。

(5)无人机空中基站

当网络拥塞或者网络中断的时候，一个快速有效的临时移动基站就变得非常有必要。无人机空中基站以其成本低、速度快、部署灵活等优势，为上述问题提供了完美的解决方案。莫扎法里等人。 [35-37]分别研究了无人机基站通信下行链路最优覆盖的空间部署问题；上行用户最小能耗部署优化问题；下行链路最优传输速率问题和下行链路最优能耗传输问题。吕等人。文献[38]提出了一种基于用户需求的空中基站部署策略，以最小化空中基站数量并最大化地面用户覆盖。索尔基等人。文献[39]建立了空间无人机基站部署优化模型，以最小化上传链路用户能耗为目标。艾亚加里等人。 [40]提出了一种使用无人机快速部署的无线移动通信网络，其目标是最大化覆盖范围。

(6) 启用缓存的无人机

网络缓存可以有效提高网络通信服务性能，减少传输延迟，提高用户吞吐量[41]。对于静态地面节点，移动用户只有将请求的内容缓存在多个节点中才能获得有效的缓存服务。但面对缓存空间的限制和用户的移动性，静态网络节点的缓存实际效果较差。动态无人机空中基站缓存为解决上述问题提供了新的视角空间。无人机基站可配备无线通信模块和缓存文件，为用户提供高效的移动缓存服务。巴斯图等人。 [41]建立了以中断概率和平均内容交付率为目标的无人机缓存模型。赵等人。 [42]研究了高密度网络中无人机辅助视频文件的安全缓存和传输模型。王等人。 [43]提出了无人机辅助超密集网络通信中的节能缓存模型。徐等人。 [44]利用用户主动缓存技术，提出了一种以内容为中心的无人机通信缓存解决方案。 Chen[45]提出了一种基于概念回声状态网络的机器学习算法，将用户行为和无人机缓存关联起来，以提高无人机辅助通信的性能。

(7)无人机作为飞行无线回程

在无线网络通信中，无线回程主要用于将数据从边缘网络传输到核心网络。在距离和干扰等因素的影响下，无线回程[46]的通信速率受到很大限制。为了解决无线接入距离长引起的信号衰减问题，必须使用更强大的无线电或更大且更昂贵的天线来增加链路增益。无人机的低成本和灵活部署使得飞行无线回程成为一种可行的选择。阮等人。 [47]考虑了一种新的两层无线回程网络模型，并使用时间频谱传输调整方案来优化无线回程。查利塔等人。 [48]提出了一种针对按需飞行网络的无线回程解决方案，构建多跳回程网络以提高回程性能。具体来说，可以快速部署无人机来取代受损地面网络的有线回程。当无人机处于提供通信服务的最佳位置时，它可以提供可靠、高效的通信链路。

(8)无人机辅助物联网通信

人工智能的兴起和发展使物联网成为当前网络的重要组成部分[49]。物联网是一个巨大的异构应用网络，包括带有执行器、传感器、云计算和嵌入式计算的大型物理设备。物联网设备运行的基础是具有快速响应、低延迟和高可靠性的无线通信[50]。李等人。文献[51]研究了无人机辅助通信中空对地远程物联网上行通信的有效能量分配问题，通过联合优化子信道选择、上行传输功率控制和无人机中继部署，最大化系统能效。无人机的低成本和高机动性被认为是解决物联网设备之间的能量约束和距离约束的有效解决方案[52, 53]。莫扎法里等人。 [53]研究了多架无人机作为空中基站收集地面物联网设备数据的最佳轨迹和部署。与地面基站不同，无人机可以根据物联网设备的激活模式动态更新自身位置，从而有效增强大规模物联网网络的通信能力。

无人机作为低成本、快速部署的移动基站，为许多无线网络瓶颈问题提供了新的解决方案。无人机辅助通信将发挥更重要的作用，在未来的无线通信活动中发挥更重要的作用。目前，无人机辅助通信相关技术的研究仍处于起步阶段，许多关键问题仍需解决，特别是根据实际需求部署无人机。

无人机辅助通信的优势主要体现在无人机基站的移动性，即无人机基站可以根据用户需求随时随地进行空间位置调整，以获得更好的系统服务性能。无人机的飞行轨迹受到空间障碍、能量约束、地面用户需求、高空控制等诸多因素的制约。用户需求是无人机辅助通信的目标，应根据系统吞吐量、能源和频谱效率以及延迟等关键性能指标来优化无人机轨迹。

对于以相关性能优化为目标的轨迹优化问题，Han等人。 [63]研究了如何利用无人机改善移动自组织网络的连接性，通过量化四种类型的网络连接性：全局消息连接性、最坏情况情境连接性、网络二方连接性和k-连接性，制定无人机的部署和移动策略。赵等人。 [64]分析了无人机飞行轨迹与系统通信性能之间的关系。针对单个无人机场景，给出了与频率相关的三维信道模型。针对多无人机场景，给出了与频率相关的三维信道模型。协作通信优化模型。

参考：

[1] 肖峰.空中中继通信平台飞行控制软件设计与实现[D].北京邮电大学，2015。

[2] 张秋波.空中中继通信系统地面控制站的设计与实现[D].北京邮电大学. 2015年

[3] 王艳.王秀玲.无人机动力应急救灾系统研究[J]信息技术与信息化，2018.35(1):135-137.

[4] 张天罡，赵艳峰基于无人机和SIP协议的航联网集群通信系统在应急救援场景中的应用[J].中国科学技术信息，2019.11：992。

[5] 黄天宇.无人机辅助通信中基站部署策略研究[D].燕山大学， 2019

[6] 曾勇，张瑞，林同杰. 无人机无线通信：的机遇与挑战[J] IEEE 通信杂志，2016 年，54(5): 36-42。

[7] 纳瓦兹H，阿里H M，拉加里A A。无人机通信网络问题：综述[J].工程计算方法档案，2020: 21。

[8] Gupta L, Jain R, Vaszkun G. 无人机通信网络重要问题综述[J]. IEEE 通信调查教程，2016 年，18(2): 1123-1152。

[9] Fotouhi A，Qiang H，丁明，等。无人机蜂窝通信调查： 实用方面、标准化进展、监管和安全挑战[J]。 IEEE 通信调查教程，2019: 1。

[10] 严小勤，邢令智，严军. 能效优化准则下的无人机中继系统功率分配算法[J].数据采集与处理，2018，33(06): 118-127。

[11]方斌，陈特方。基于几何方法的中继无人机制导律设计[J].飞行力学，2014，32(6): 565-569。

[12] Zhan P, Yu K, Swindlehurst A L. 无人机无线中继通信：性能与优化[J]. IEEE 航空航天和电子系统学报，2011 年，47(3): 2068-2085。

[13] 曾勇，张瑞，林天杰.无人机移动中继系统吞吐量最大化[J] IEEE 通信学报，2016 年，64(12): 4983-4996。

[14] Palat RC，Annamalau A，Reed J R。使用群体无人机进行自组织地面网络的协作中继[C]。 MILCOM 2005-2005 IEEE 军事通信会议，2005: 1588-1594。

[15] 朱秋明，周胜奎，霍帅科。无人机中继平台覆盖区域统计模型[J].航空航天学报， 2014, 35(1): 223-229.

[16]吴高峰，高晓光，付小伟。基于多无人机的中继节点放置问题建模与优化方法[J].航空学报， 2017, 38(11): 236-248。

[17] 李杰，韩宇. 多层无人机网络中数据包延迟最小化的最优资源分配[J]. IEEE 通信快报，2017 年，21(3): 580-583。

[18] 方斌，陈特方基于IBF算法的无人机中继链路部署问题研究[J].控制工程，2015，(1): 32-37。

[19] Jawhar I、Mohamed N、Al-Jaroodi J. 数据通信

tion in Linear Wireless Sensor Networks Using Unmanned Aerial Vehicles[C]. 2014 International Conference on Unmanned Aircraft Systems (ICUAS), 2014: 43-51. [20] Polo J, Hornero G, Duijneveld C, et al. Design of a Low-Cost Wireless Sensor Network with UAV Mobile Node for Agricultural Applications[J]. Computers & Electronics in Agriculture, 2015, 119(C): 19-32. [21] Ma X, Kacimi R, Dhaou R. Fairness-Aware UAV-Assisted Data Collection in Mobile Wireless Sensor Networks[C]. 2016 International Wireless Communications and Mobile Computing Conference (IWCMC), 2016: 995-1001.

[22] Jawhar I, Mohamed N, Al-Jaroodi J. UAV-Based Data Communication in Wireless Sensor Networks: Models and Strategies[C]. 2015 International Conference on Unmanned Aircraft Systems (ICUAS), 2015: 687-694. [23] Mohamed N, Aldhaheri H, Almurshidi K, et al. Using UAVs to Secure Linear Wireless Sensor Networks[C]. 2016 IEEE 2nd International Conference on Big Data Security on Cloud (BigDataSecurity), IEEE International Conference on High Performance and Smart Computing (HPSC), and IEEE International Conference on Intelligent Data and Security (IDS), 2016: 424-429. [24] 符小卫, 程思敏, 高晓光. 无人机协同中继过程中的路径规划与通信优化[J]. 系统工程与电子技术, 2014, 36(5): 890-894. [25] 胡续俊, 陈小敏, 朱秋明. 无人机中继链路传播损耗及性能分析[J]. 数据采集与处理, 2018, (4): 732-739. [26] Wang H, Huo D, Alidaee B. Position Unmanned Aerial Vehicles in the Mobile Ad Hoc Network[J]. Journal of Intelligent & Robotic Systems, 2014, 74(1) : 455-464. [27] Huo J, Xu Z, Zhang Y, et al. A UAV Mobile Strategy in Mobile Ad Hoc Networks[C]. 2011 International Conference on Electronics, Communications and Control (ICECC), 2011: 686-690. [28] Park S, Shin C S, Jeong D, et al. Dronenetx: Network Reconstruction through Connectivity Probing and Relay Deployment by Multiple UAVs in Ad Hoc Networks[J]. IEEE Transactions on Vehicular Technology, 2018, 67(11): 11192-11207. [29] Liang F, Nguyen J, Gao W, et al. Towards UAV Assisted Multi-Path Data Streaming in Mobile Ad-Hoc Networks[C]. 2018 International Conference on Computing, Networking and Communications (ICNC), 2018: 599-603. [30] Campolo C, Molinaro A. Multichannel Communications in Vehicular Ad Hoc Networks: A Survey[J]. IEEE Communications Magazine, 2013, 51(5): 158-169. [31] Zafar W, Khan B M. Flying Ad-Hoc Networks:Technological and Social Implications[J]. IEEE Technology and Society Magazine, 2016, 35(2): 67-74. [32] 郭芳, 张玉艳, 赵龙. 基于无人机辅助的 V2I 无线传输系统性能优化[J]. 物联网学报, 2017, 1(2): 46-53. [33] Oubbati O S, Lakas A, Lagraa N, et al. UVAR: An Intersection UAV-Assisted VANET Routing Protocol[C]. 2016 IEEE Wireless Communications and Networking Conference, 2016: 6. [34] Seliem H, Shahidi R, Ahmed M H, et al. Drone-Based Highway-VANET and Das Service[J]. IEEE Access, 2018, 6: 20125-20137. [35] Mozaffari M, Saad W, Bennis M, et al. Drone Small Cells in the Clouds: Design, Deployment and Performance Analysis[C].2015 IEEE Global Communications Conference (GLOBECOM), 2015: 6. [36] Mozaffari M, Saad W, Bennis M, et al. Mobile Internet of Things: Can UAVs Provide an Energy-Efficient Mobile Architecture?[C]. 2016 IEEE Global Communications Conference (GLOBECOM), 2016: 6. [37] Mozaffari M, Saad W, Bennis M, et al. Optimal Transport Theory for Power-Efficient Deployment of Unmanned Aerial Vehicles[C]. 2016 IEEE International Conference on Communications (ICC), 2016: 6. [38] Lyu J, Zeng Y, Zhang R, et al. Placement Optimization of UAV-Mounted Mobile Base Stations[J]. IEEE Communications Letters, 2017, 21(3): 604-607. [39] Soorki M N, Mozaffari M, Saad W, et al. Resource Allocation for Machine-to-Machine Communications with Unmanned Aerial Vehicles[C]. 2016 IEEE Globecom Workshops (GC Wkshps), 2016: 6. [40] Ayyagari A, Harrang J P, Ray S. Airborne Information and Reconnaissance Network[C]. Proceedings of MILCOM '96 IEEE Military Communications Conference, 1996: 230-234. [41] Baştuğ E, Bennis M, Debbah M. Cache-enabled small cell networks: Modeling and tradeoffs[C]. 2014 11th International Symposium on Wireless Communications Systems (ISWCS), 2014: 649-653. [42] Zhao N, Cheng F, Yu F R, et al. Caching UAV Assisted Secure Transmission in Hyper-Dense Networks Based on Interference Alignment[J]. IEEE Transactions on Communications,2018, 66(5): 228 2294.

[43] Wang H, Ding G, Gao F, et al. Power Control in UAV-Supported Ultra Dense Networks: Communications, Caching, and Energy Transfer[J]. IEEE Communications Magazine, 2018, 56(6): 28-34. [45] Chen M, Mozaffari M, Saad W, et al. Caching in the Sky: Proactive Deployment of Cache-Enabled Unmanned Aerial Vehicles for Optimized Quality-of-Experience[J]. IEEE Journal on Selected Areas in Communications, 2017, 35(5): 1046-1061. [46] Siddique U, Tabassum H, Hossain E, et al. Wireless Backhauling of 5G Small Cells: Challenges and Solution Approaches[J]. IEEE Wireless Communications, 2015, 22(5): 22-31. [47] Nguyen T M, Ajib W, Assi C. Designing Wireless Backhaul Heterogeneous Networks with Small Cell Buffering[J]. IEEE Transactions on Communications, 2018, 66(10): 4596-4610. [48] Challita U, Saad W. Network formation in the Sky: Unmanned Aerial Vehicles for Multi-Hop Wireless Backhauling[C]. GLOBECOM 2017 - 2017 IEEE Global Communications Conference, 2017: 6. [49] Ejaz W, Anpalagan A, Imran M A, et al. Internet of Things (IoT) in 5G Wireless Communications[J]. IEEE Access, 2016, 4: 10310-10314. [50] Vashi S, Ram J, Modi J, et al. Internet of Things (IoT): A Vision, Architectural Elements, and Security Issues[C]. 2017 International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC), 2017: 492-496. [51] Li Z, Wang Y, Liu M, et al. Energy Efficient Resource Allocation for UAV-Assisted Space-Air-Ground Internet of Remote Things Networks[J]. IEEE Access, 2019,7: 145348-145362. [52] Motlagh N H, Bagaa M, Taleb T. UAV-Based IoT Platform: A Crowd Surveillance Use Case[J]. IEEE Communications Magazine, 2017, 55(2): 128-134. [53] Motlagh N H, Bagaa M, Taleb T. UAV Selection for a UAV-Based Integrative IoT Platform[C]. 2016 IEEE Global Communications Conference (GLOBECOM), 2016: 6. [54] Jiang F, Swindlehurst A L. Optimization of UAV Heading for the Ground-To-Air Uplink[J]. IEEE Journal on Selected Areas in Communications, 2012, 30(5): 993-1005. [55] Mozaffari M, Saad W, Bennis M, et al. Mobile Unmanned Aerial Vehicles (UAVs) for Energy-Efficient Internet of Things Communications[J]. IEEE Transactions on Wireless Communications, 2017, 16(11): 7574-7589. [56] Wu Q, Zeng Y, Zhang R. Joint Trajectory and Communication Design for Multi-Uav Enabled Wireless Networks[J]. IEEE Transactions on Wireless Communications, 2018, 17(3): 2109-2121. [57] Chowdhury M M U, Bulut E, Guvenc I. Trajectory Optimization in UAV-Assisted Cellular Networks under Mission Duration Constraint[C]. 2019 IEEE Radio and Wireless Symposium (RWS), 2019: 4. [58] Chowdhury M M U, Bulut E, Guvenc I. Trajectory Optimization in UAV-Assisted Cellular Networks under Mission Duration Constraint[C]. 2019 IEEE Radio and Wireless Symposium (RWS), 2019: 4. [59] Ruan L,WangJ, ChenJ, et al. Energy-Efficient Multi-UAV Coverage Deployment in UAV Networks: A Game-Theoretic Framework[J]. China Communications, 2018, 15(10): 194-209. [60] Zhan C, Lai H. Energy Minimization in Internet-of-Things System Based on Rotary-Wing UAV[J]. IEEE Wireless Communications Letters, 2019, 8(5): 134 1344. [61] Franco C D, Buttazzo G. Energy-Aware Coverage Path Planning of UAVs[C]. 2015 IEEE International Conference on Autonomous Robot Systems and Competitions, 2015: 11 117. [62] Grotli E I, Johansen T A. Path Planning for UAVs Under Communication Constraints Using SPLAT and MILP[J]. Journal of Intelligent & Robotic Systems, 2012, 65( 4): 265-282. [63] Han Z, Swindlehurst A L, Liu K J R. Optimization of MANET Connectivity Via Smart Deployment/Movement of Unmanned Air Vehicles[J]. IEEE Transactions on Vehicular Technology, 2009, 58(7): 3533-3546. [64] Zhao J, Gao F, Ding G, et al. Integrating Communications and Control for UAV Systems: Opportunities and Challenges[J]. IEEE Access, 2018, 6: 67519-67527.

用户评论

孤者何惧

无人机在应急装备中的应用真的太神奇了，以前救援效率低，现在能快速定位受灾区域，太给力了。

    有9位网友表示赞同！

矜暮

看了这篇，我对无人机在灾害救援中的应用有了更深的了解，希望这项技术能不断进步，造福更多人。

    有20位网友表示赞同！

雪花ミ飞舞

无人机应急装备技术发展得挺快的，但我觉得还有很多不足，比如续航能力和抗风能力还需要加强。

    有9位网友表示赞同！

♂你那刺眼的温柔

这篇文章让我意识到无人机在应急救援中的重要性，但同时也担心其成本和安全性问题。

    有13位网友表示赞同！

栀蓝

无人机在重大突发灾害中的应用前景广阔，但技术发展要注重平衡经济效益和社会效益。

    有17位网友表示赞同！

从此我爱的人都像你

无人机应急装备技术发展现状让我感到既兴奋又担忧，兴奋的是救援效率提高，担忧的是技术风险和安全隐患。

    有7位网友表示赞同！

青衫故人

我觉得无人机在灾害救援中发挥的作用不容小觑，期待看到更多创新技术涌现。

    有11位网友表示赞同！

我就是这样一个人

无人机应急装备技术发展现状让人眼前一亮，但也要看到实际操作中的困难和挑战。

    有14位网友表示赞同！

像从了良

文章提到的无人机应急装备技术发展现状，让我对无人机在未来的应急救援中扮演的角色充满了期待。

    有11位网友表示赞同！

服从

无人机在灾害救援中的应用越来越广泛，这篇文章让我对这个领域有了更全面的认识。

    有14位网友表示赞同！

■□丶一切都无所谓

无人机应急装备技术发展现状文章写得很好，特别是对无人机在地震救援中的应用分析，让我受益匪浅。

    有6位网友表示赞同！

病房

无人机在应急救援中的应用确实很有必要，但也要注意保护隐私和数据安全。

    有20位网友表示赞同！

青衫负雪

无人机应急装备技术发展现状的文章让我看到了科技改变生活的力量，希望这项技术能更加成熟。

    有15位网友表示赞同！

抓不住i

无人机在灾害救援中的表现让人印象深刻，但也要看到其在实际操作中可能存在的风险。

    有12位网友表示赞同！

温柔腔

无人机应急装备技术发展现状，让我对无人机行业的发展有了新的认识，希望未来能看到更多创新。

    有13位网友表示赞同！

绝版女子

这篇文章让我对无人机在应急装备中的应用有了更深的理解，同时也对未来的发展充满期待。

    有11位网友表示赞同！

Edinburgh°南空

无人机应急装备技术发展现状的文章让我看到了我国在高科技领域的进步，希望这项技术能早日成熟应用于实际。

    有5位网友表示赞同！

笑傲苍穹

无人机在灾害救援中的表现让人惊叹，但也需要注意其可能带来的伦理和隐私问题。

    有12位网友表示赞同！

断秋风

无人机应急装备技术发展现状的文章让我看到了科技的力量，同时也让我思考如何更好地利用这项技术。

    有10位网友表示赞同！