In remote areas, ground users (GUs) often lack direct access to terrestrial net- work infrastructure, which poses significant challenges for data transmission. To address this issue, we propose a solution based on a Space-Air-Ground Integrated Network (SAGIN), where an Unmanned Aerial Vehicle (UAV) is deployed to simultaneously collect data from GUs and provide wireless power transfer (WPT). Furthermore, a Low Earth Orbit (LEO) satellite network is incorporated to enable the UAV to forward the collected data to the satellite, thereby connecting to the core network. To improve data collection efficiency while maintaining user fairness, we formulate an optimization problem in which the UAV dynamically selects its flight direction and determines its associations with multiple users. The objective is to maximize the total amount of collected data while ensuring that as many users as possible are served. Additionally, the wirelessly transferred energy to each user must exceed their communication energy consumption. To capture the real-time dynamics of satellite communication, we consider a dynamic LEO satellite constellation and model the instantaneous positions of all satellites, leading to a time-varying UAV-satellite uplink data rate. Due to the high mobility of both the UAV and the satellites, the considered optimization problem is highly dynamic and complex, making it difficult to solve using conventional mathematical methods. Therefore, we employ the Deep Reinforcement Learning (DRL) algorithm Proximal Policy Optimization (PPO) to address this problem. To evaluate the effectiveness of our proposed algorithm, we design two benchmark methods: Optimized Trajectory and Single Association (OTSA) and Optimized Trajectory and Conditional Association (OTCA). The proposed algorithm outperforms OTCA and OTSA by 21.8% and 224.01%, respectively, in terms of overall performance in data collection and user fairness. Moreover, we observe a trade-off between data collection and user fairness due to the limited number of time steps. Specifically, our algorithm achieves 9.33% lower performance in data collection compared to OTCA, but outperforms OTCA by 64.53% in user fairness. This is because, within the limited time steps, it is not feasible for the UAV to approach every user. Instead, our algorithm intelligently directs the UAV to associate with more distant users when necessary, thereby ensuring that more users receive service. These results further demonstrate the effectiveness of our proposed method.

I avlägsna områden saknar markanvändare (GUs) ofta direkt tillgång till markbunden nätverksinfrastruktur, vilket utgör betydande utmaningar för datakommunikation. För att hantera detta problem föreslår vi en lösning baserad på ett rymd-luft-mark-integrerat nätverk (Space-Air-Ground Integrated Network, SAGIN), där en obemannad luftfarkost (Unmanned Aerial Vehicle, UAV) används för att samtidigt samla in data från GUs och tillhandahålla trådlös energitransfer (Wireless Power Transfer, WPT). Dessutom integreras ett nätverk av låg omloppsbana-satelliter (Low Earth Orbit, LEO) för att möjliggöra att den insamlade datan överförs från UAV till satellit, vilket i sin tur kopplar upp systemet mot kärnnätverket. För att förbättra datainsamlingens effektivitet samtidigt som användarrättvisa bevaras, formulerar vi ett optimeringsproblem där UAV:n dynamiskt väljer sin flygriktning och bestämmer associeringar med flera användare. Målet är att maximera den totala mängden insamlad data samtidigt som så många användare som möjligt betjänas. Dessutom måste den trådlöst överförda energin till varje användare överstiga deras energiförbrukning för kommunikation. För att fånga den realtidsdynamik som satellitkommunikation innebär, modellerar vi en dynamisk LEO-satellitkonstellation genom att bestämma de aktuella positionerna för samtliga satelliter, vilket resulterar i en tidsvarierande uppåtgående datatakt mellan UAV och satelliter. På grund av den höga rörligheten hos både UAV och satelliter är det resulterande optimeringsproblemet mycket dynamiskt och komplext, vilket gör det svårt att lösa med traditionella matematiska metoder. Därför tillämpar vi algoritmen Proximal Policy Optimization (PPO), en metod inom djup förstärkningsinlärning (Deep Reinforcement Learning, DRL), för att lösa problemet. För att utvärdera effektiviteten hos vår föreslagna algoritm designar vi två jämförelsemetoder: Optimized Trajectory and Single Association (OTSA) och Optimized Trajectory and Conditional Association (OTCA). Den föreslagna algoritmen överträffar OTCA och OTSA med 21,8% respektive 224,01% i total prestanda när det gäller datainsamling och användarrättvisa. Vi observerar dessutom en avvägning mellan datainsamling och rättvisa, till följd av det begränsade antalet tidssteg. Specifikt uppnår vår algoritm 9,33% lägre prestanda i datainsamling jämfört med OTCA, men överträffar OTCA med 64,53% i användarrättvisa. Detta beror på att UAV:n inte hinner nå alla användare inom ett begränsat tidsfönster. I stället styr vår algoritm UAV:n att prioritera även mer avlägsna användare när det behövs, vilket säkerställer attfler användare får service. Dessa resultat bekräftar ytterligare effektivitetenhos vår metod.