为了让读者清楚了解无人机是如何用作飞行无线基站的，本节将简要描述无人机无线中心部署的大量预期应用。这些应用来自各种场景，包括近期应用案例（如公共安全场景或热点覆盖）以及未来应用（如无人机用作缓存设备或物联网使能器）。

由于无人机具有机动性、灵活性等独有特性，将无人机用于无线组网颇具挑战性。本节重点研究基于无人机的无线组网面临的主要挑战。

无线信号传播受发射机和接收机之间介质的影响。空对地（A2G）信道特性明显有别于传统地面通信信道，根据覆盖和容量可以确定基于无人机的无线通信性能。同时，与具有视距优势的空对空通信链路相比，空对地信道更易受障碍物影响。显然，基于无人机的通信系统的优化设计和部署需要采用精确的空对地信道模型。尽管射线追踪技术是一种合理的信道建模方法，但目前还达不到足够的精度，尤其是在低频工作时。在无人机应用于覆盖增强、蜂窝连接无人机用户设备和物联网通信时，精确的空对地信道建模尤为重要。

    空对地信道特性明显有别于地面通信信道。特别是无人机的任何移动或振动都可能影响信道特性。此外，空对地信道高度依赖无人机的高度和类型、仰角以及传播环境类型。因此，需要在各种环境下的综合仿真和测量，才能找到一种无人机对地通信的通用信道模型。在信道建模中，必须获得无人机高度、天线运动以及由无人机机身遮挡造成的影响。显然，捕获这些因素是空对地信道建模所面临的挑战。 

无人机的三维部署是基于无人机的通信所面临的关键挑战之一。无人机可调的飞行高度和潜在的机动性为其有效部署提供了额外自由度。因而，无人机的最佳部署受到极大关注。事实上，在使用无人机用于实现最大覆盖和容量、公共安全、智慧城市、缓存和物联网应用时，部署成为关键的设计考量。最佳三维无人机布置是一项很有挑战性的任务，因为它取决于许多因素，例如部署环境（如地理区域）、地面用户位置、无人机对地信道特性（这是无人机高度的函数）。此外，由于蜂窝间干扰对系统性能的影响，同时部署多架无人机颇具挑战性。事实上，按照传统蜂窝网络规划部署无人机比部署地面基站更具挑战性。与地面基站不同，由于考虑到高度对空对地信道特性的影响，无人机需要部署在一个连续三维空间。此外，在部署无人机时，它们的飞行时间和能量限制也必须予以考虑，因为它们直接影响网络性能。   

在基于无人机的通信系统中，无人机的最佳路径规划是另一项重要挑战。特别是，在无人机应用于智慧城市、无人机用户设备和缓存场景过程中，无人机轨迹优化非常重要。无人机轨迹易受不同因素的影响，比如飞行时间、能量限制、地面用户需求和碰撞规避。

当然，无人机飞行路径的优化面临挑战，因为需要考虑许多物理约束和参数。例如，为实现无人机性能优化而探索无人机轨迹时，需要考虑多种关键因素，如由机动性引起的信道变化、无人机动态、无人机能耗以及飞行限制。另外，解决无人机连续轨迹优化问题面临分析性挑战，因为需要找到无数个优化变量（即无人机的位置）。此外，在无人机实现的无线网络中，轨迹优化需要捕获无线通信中机动性与各种QoS指标之间的关联。

在设计基于无人机的通信系统时，为了评估设计参数对系统整体性能的影响，需要进行基本性能分析。当然，由于无人机的高度和潜在机动性以及信道特性不同，对基于无人机的无线系统进行基本性能分析与传统地面网络有很大不同。同时，无人机严格的能量限制还带来一些独特挑战。无人机机载能量有限导致飞行时间短，这是影响基于无人机的无线通信性能的一个主要因素。实际上，对由飞行和地面基站组成的复杂异构空中-地面无线网络进行性能分析是一项颇具挑战性的任务。事实上，需要对基于无人机实现的无线网络进行全面性能分析，同时记录无人机各方面的特性，包括机动性以及与地面网络共存的特定空对地信道特性。此外，由于网络的移动和高动态特性，具有飞行用户和基站的蜂窝连接无人机网络有其特有的复杂性。   

网络规划要解决大量关键问题，如基站定位、流量估计、频率分配、小区关联、回程管理、信令和干扰抑制。当无人机用于实现覆盖和容量增强时，基于无人机的无线网络的规划尤为重要。由于无人机独有的特性（移动性、视距干扰、能量限制和无线回程连通性），在无人机辅助蜂窝网络中，网络规划颇具挑战性。对于存在飞行无人机-用户设备的网络，需要新的考量。一方面，上行中大量潜在无人机-用户设备带来的视距干扰会对网络规划造成明显影响。另一方面，地面基站必须装备适合类型的天线，以便为下行无人机-用户设备提供服务。传统蜂窝网络的网络规划与无人机系统之间的另外一点不同是信令和开销数量不同。在使用无人机的蜂窝网络的规划中，必须对信令和开销方面的问题予以考量。

飞行无人机的回程连接是无人机通信系统设计中的另一项关键挑战。由于无人机基站处于空中，需要利用无线回程把它们连接到一个核心网。WiFi和卫星技术是颇具前途的无线回程解决方案。相比WiFi，卫星链路可以提供更广的回程覆盖。但是，相比卫星回程，WiFi链路有成本和时延优势。其他颇具前途的无线回程解决方案是设有地面站的毫米波和自由空间光通信（FSO）。

当无人机在物联网、公共安全和无人机辅助蜂窝无线网络等重要场景中运行时，要重点关注资源管理和能量效率。资源管理是蜂窝网络面临的主要挑战，同时，无人机也带来了其独有的挑战，因为：1）无人机飞行时间、能量、路径规划和频谱效率之间的相互影响；2）无人机严格的能量和飞行限制；3）来自空对地和空对空链路的视距干扰；4）无人机特有的机动性。因此，有必要对运行于异质谱带且与地面网络共存的复杂无人机辅助无线网络的资源分配进行优化和管理。事实上，资源管理和频谱共享过程必须恰当地处理无线网络的固有动态，例如无人机的时变干扰、流量模式变化、机动性和能量限制。

当然，飞行无人机用于传输、机动、控制、数据处理和有效载荷用途的能量有限。因此，无人机的飞行时间通常很短而且不足以提供长期连续无线网络覆盖。无人机的能耗也取决于无人机的角色/任务、天气情况及导航路径。这种能量限制又会限制无人机的飞行和悬停时间。因而在设计无人机通信系统时，需要明确考虑无人机的能量和飞行限制。因此，对无人机的能量效率需要仔细考量，因为它对无人机通信系统有重大影响。事实上，无人机自身能量有限对于无人机在各种应用中的部署和机动有非常大的限制。

无人机除了可以用作空中基站，也可以作为飞行用户成为蜂窝网络的一部分。无人机-用户设备，由于其相对高的高度、严格的机载能量限制、动态作用、潜在的大量部署以及其近乎毫无限制的机动性，将进一步加剧诸如性能分析、干扰管理、机动性管理以及能量和频谱效率等方面的传统无线挑战。特别是由于无人机-用户设备的大量部署、为实现基站到无人机通信而地对空信道建模、设计可支持高高度（即高仰角）无人机的适合基站天线，在蜂窝网络中使用无人机-用户设备引入了独特的挑战，例如上行干扰管理。另外，无人机-用户设备要求超可靠低延迟通信（URLLC），旨在迅速控制其运行，保证其安全有效导航。显然，需要URLLC还会导致新型无线组网挑战。

此外，部署飞行无人机-用户设备和无人机-基站空中网络，还需要有效的越区切换管理机制。越区切换是无线网络的一个关键过程，在这个过程中，用户关联发生改变，目的是维护移动用户的连通。同时，越区切换管理将造成无线网络中的信令开销。这种越区切换信令取决于网络的规模、机动性（用户和基站移动）、用户和基站位置以及越区切换速率。在基于无人机的通信系统中，需要进行越区切换管理，以减少越区切换信令，同时为超可视视距（BVLOS）场景中的飞行无人机提供连通。在无人机通信中，由于无人机用户设备和无人机基站的高度动态特性，相比传统蜂窝网络，越区切换管理有非常大的挑战性。有效的越区切换机制必须适应无人机-用户设备和无人机-基站的3D移动，同时在为无人机-用户设备提供服务时，保证低延迟通信和控制。

此外，对于无人机-用户设备，所有上述的挑战还必须考虑到这样的事实：为了实现用户覆盖最大化，地面基站的天线将下倾。因此，了解天线倾斜对无人机-用户设备的影响，这是非常必要的，同时还需要研究如何通过自适应波束形成或地面基站的新型无人机-用户设备感知设计克服这种限制。   

在前一节中，概述了基于无人机的无线通信的总体研究方向和面临的挑战。以下章节则讨论每个涵盖领域面临的开放性研究问题，详细描述未来机遇。尽管对于无人机通信进行了大量研究，但仍然存在许多关键开放性问题，必须加以研究。

对于空对地信道建模，存在几个关键开放性问题。第一点，也是最重要的一点，需要更多来自真实测量的真实信道模型。虽然在这方面的工作已经开始，但大部分工作仍然局限于单架无人机或非常特殊的环境。信道测量需要能够跨城区和乡村地区，同时，也有必要进行各种工作环境（例如气候条件）下更广泛的信道测量。此外，仿真结果也可以扩展到对小尺度衰落模型空对地通信进行建模。此外，随着无人机越来越多地用作飞行基站、无人机用户设备甚至是用于回程支持，人们必须对空对空信道建模有更多的洞察。具体来说，由于无人机的机动性，需要能够捕获信道时变和多普勒效应的精确无人机到无人机信道模型。此外，在考虑无人机飞行高度以及天线运动的同时，需要描述空对空通信中的多径衰落特性。

要解决无人机部署方面的开放性问题，由于无人机的独特特性，需要新的无人机优化3D布局解决方案。例如，关键的开放问题之一是在地面网络场景下优化无人机3D布局。例如，需要研究无人机如何在与蜂窝网络共存的情况下进行部署，同时考虑空中系统与地面系统之间的相互干扰。部署过程中，其他关键开放性问题包括：

（1）部署和带宽分配的联合优化，实现低延迟通信：为了降低由无人机基站提供服务用户的最大传输延迟，所面对的一个问题是对无人机基站的3D位置和带宽分配的联合优化。特别是在无人机基站数量、用户位置和可用于服务用户的带宽总量一定的情况下，一个重要的开放性问题是找到每个无人机基站的最优位置及其传输带宽，尽量降低用户的最大下行传输延迟。

（2）3D布局和小区关联的联合优化，实现飞行时间最小化：为用户提供无线服务的无人机基站的飞行时间取决于多个因素，如连接到无人机基站的用户载荷和数量以及下行传输速率。在这个问题中，在无人机-基站数量一定的情况下，通过联合优化无人机-基站位置和用户-无人机关联，应该能够使无人机-基站为用户提供全面服务所需的总飞行时间最短。

（3）无人机的障碍物感知部署，实现无线覆盖的最大化：服务于地面用户的无人机基站的覆盖性能受障碍物的影响。在这一点上，一个关键的开放性问题是基于用户和障碍物位置，对无人机基站进行优化布局，从而最大化无人机基站总覆盖。具体来说，在地面用户和环境中障碍物位置一定的情况下，能够确定无人机-基站的3D位置，以便无人机覆盖最大数量的用户。对于运行于高频段（例如，毫米波频率）的无人机，这种方法尤为有用。 

尽管无人机潜在的机动性能够为其应用带来机遇，但也带来了新的挑战和技术问题。在无人机辅助的无线网络中，需要针对关键性能指标对无人机轨迹进行优化，如吞吐量、能量和频谱效率以及时延。此外，轨迹优化问题必须考虑无人机的动态和类型。尽管对无人机轨迹优化进行了大量研究，但仍然存在大量颇具吸引力的开放性问题，包括：1）基于地面用户移动性模式的无人机轨迹优化，提升覆盖性能；2）无人机障碍物感知轨迹优化考虑用户时延限制和无人机能耗；3）通过轨迹优化提升基于无人机无线网络的可靠性并降低延迟；4）无人机的联合控制、通信和轨迹优化，缩短无人机飞行时间。

对于性能分析，有很多问题仍待研究。例如，必须完全描述由空中和地面用户和基站组成的基于无人机无线网络的性能，即覆盖和容量。特别是需要一种异构空-地网络中的覆盖概率和频谱效率的易处理表达式。此外，需要通过基本性能分析，捕获无人机网络中频谱效率和能量效率之间的固有权衡。另一个开放性问题是将无人机机动性加入对基于无人机的无线网络的性能评估中。对这种移动无线网络的基本分析涉及捕获网络中各种性能指标的空间和时间变量。例如，需要对无人机轨迹对其通信性能的影响进行研究，包括吞吐量、延迟和能效。

使用无人机进行有效网络规划需要解决大量关键问题。例如，如何用最少量无人机提供对地面基站只能部分覆盖的指定地理区域的全覆盖。当这一感兴趣地理区域的几何形状（例如圆盘或方形）不规则时，解决上述问题还要面临特殊挑战。另一个设计问题是使用无人机作为空中基站时，无人机回程感知调度。在这一案例中，当部署无人机基站时，必须考虑无人机回程连通性及其用户的服务质量。其他重要的开放性问题包括：1）在地面和空中基站与用户共存时进行有效的频率规划；2）开发新方法，使飞行中的无人机无论何时入网都能动态实现；3）设计能够应对高移动性无人机用户设备的鲁棒自适应网络规划技术。最后一点，必须对无人机基站和无人机用户设备相关信令开销进行分析，同时描述开销对性能的影响。

资源管理是基于无人机的通信系统中另一重要研究问题。特别是需要一种能够动态管理各种资源的框架，包括带宽、能量、发射功率、无人机飞行时间、无人机数量等。例如，如何动态调整服务于地面用户的飞行无人机的发射功率和轨迹。同时，需要设计有效的调度技术，抑制无人机辅助的蜂窝网络中空中和地面基站间的干扰。另外，必须对飞行和地面基站异构网络中动态频谱共享进行分析。最后，采用适合无人机运行的频段（例如，WiFi、LTE频段）是重要的设计问题。

当然，在蜂窝中充当用户的飞行无人机会引入新的设计挑战。特别是在无线网络中使用无人机用户设备时，必须考虑无人机的机动性、视距干扰、越区切换、能量限制以及低延迟控制。在这点上，无人机用户设备通信中的关键开放性问题包括：1）开发用于大规模无人机用户设备部署场景的鲁棒干扰抑制技术；2）设计动态越区切换机制，管理无人机高机动性带来的频繁越区切换问题；3）为基站到无人机通信提供精确的地对空信道模型；4）提出新的调度方案，同时考虑无人机电池的限制；5）设计有效的解决方案，满足无人机用户设备的URLLC需求；6）分析特定应用的QoS措施。   

实现基于无人机通信的分析框架这一领域是高度跨学科的，它将需要利用传统领域工具，如通信理论、优化理论和网络设计以及新兴领域，如随机几何、机器学习和博弈论，如图4所示。

在无人机作为飞行基站进行部署的第一阶段，尽管无人机具有固有自主能力，人们仍然设想最初无人机仍将依赖中央控制。这对于蜂窝网络容量增强这类应用非常重要，在这些应用中，在像无人机这样的技术早期试验过程中，蜂窝操作人员可能不愿意放弃对网络的控制权。在此类场景中，许多确定的研究问题将自然涉及表述和解决颇具挑战性的集中优化问题。此类问题可能在云端（例如在云辅助无线电接入网络），也可能在地面基站级（能够控制一些无人机）。

    值得注意的是，传统地面蜂窝网络优化问题的解决方案可以用于无人机通信。例如，连续凸优化等经典方法可以用于优化无人机的三维位置和轨迹。然而，这里确定的许多问题都需要更先进的优化技术。例如，在分析用户关联问题时，自然会归结到具有挑战性的混合整数规划问题，这类问题无法使用传统算法（例如那些用于凸优化的算法）解决。先进的数学工具（最优输运理论）可为大量小区关联问题提供易处理的解决方案，实现无人机飞行时间和基于无人机的无线网络吞吐量和能量效率的优化。

对于伴随基于无人机的无线网络中用户关联、资源分配和飞行时间优化等问题而出现的非常艰难的优化问题，利用最优输运理论可以得出易处理的解决方案。利用概率论和统计学领域的新思想，利用最优输运理论能够获得无线设备的总分布，能够比现有启发式研究能更深入地对网络性能优化展开基本分析。最优输运属于数学领域，研究物品在不同位置之间的输运场景。

在最优输运理论框架内，可以解决用户任一通用空间分布的小区关联问题。事实上，针对基于无人机的无线网络中用户关联资源分配、能量管理和飞行优化问题的多样化，可利用最优输运理论推导出易处理的解决方案。具体而言，给定地面用户的任一空间分布，可以利用最优输运理论推导出最优小区关联和资源管理方案，从而实现最佳系统性能，包括能量效率、吞吐量以及在无人机确定性飞行时间约束下的时延。

 随机几何技术是作为自组网和蜂窝网络强大的性能分析工具而兴起的。其主要原理是赋予定位设备（例如用户和基站）一个点过程，然后对关键性能指标进行评估，例如覆盖、速率、吞吐量或时延。尽管该技术已用于2D异构蜂窝网络分析，但它也可能可用于描述3D无人机网络性能。然而，必须使用现实的点过程，对无人机位置进行建模。例如，当无人机部署在用户热点时，二项-泊松聚类过程更适合，目标是服务于特定区域的大量用户。

机器学习使系统能够通过对其环境和过去的经验进行自动学习，从而提高其性能。机器学习可潜在用于实现基于无人机的无线通信系统的设计和优化。例如，使用强化学习算法，无人机可以动态调整自己的位置、飞行方向和运动控制，为地面用户提供服务。在这种情况下，无人机能够以一种自组织方式快速适应动态环境，并自动优化其轨迹。此外，可利用神经网络技术并进行数据分析，预测地面用户行为并有效部署和操控无人机。例如，利用机器学习工具能够预测用户移动性及其载荷分布，可用于进行无人机优化部署和路径规划。有关用户的机动性模式和流量分布的信息对于设计用于缓存的无人机系统特别有用。机器学习还可用于学习无线电环境图以及使用无人机建立3D信道模型。这些无线电环境图可随后用于无人机通信系统的优化部署和操作。

分布式决策将是无人机网络一个不可或缺的组成部分。因此，随着机器学习的使用，博弈论将为基于无人机的无线网络中分布式决策提供重要基础。博弈论是一种自然用于分析资源管理和轨迹优化问题的工具，其中决策在每架无人机级制定。在这样的情况下，每架无人机将具有捕获其服务质量的独立目标函数。在无人机实现的网络中，分布式资源管理问题将涉及不同类型的参与者（无人机、基站、用户设备）以及多维策略空间，包括能量、频谱、悬停/飞行时间和3D位置。由此将激发先进博弈论机制的使用，如新兴的多博弈概念，在一个无人机网络中，可能多种博弈共存，如无人机之间的博弈和地面基站之间的博弈，同样，需要对这样的多博弈场景进行分析。  

本文对无人机在无线网络中的应用进行了综合研究。研究了无人机的两种主要应用案例，即空中基站和蜂窝连接的用户，即无人机用户设备。对于每种无人机应用案例，探讨了主要挑战应用和根本开放性问题。此外，提供了基于无人机的无线网络所面临挑战。同时，描述了满足无人机挑战以及分析无人机实现的无线网络所需的数学工具和技术。对无人机通信和组网的深入研究将为基于无人机的无线通信系统的优化、设计和运行提供参考。