利用人工智能优化空中地面一体化网络
通过综述 AI 在六代无线网络中的应用,全面介绍了 AI 在空中地一体化网络中的潜在应用、AI 使用中存在的问题以及空中地一体化网络在 AI 发展中的贡献,并强调了现有研究的局限性和未来的研究方向。
Jan, 2024
本文提出了一种空 - 空 - 地 - 海一体化网络,通过深度学习算法帮助多目标路由,利用商用客机来增强以卫星为基础的海上通信,以降低端到端延迟,提高通信吞吐量并改善路径寿命,达到近似 Pareto 最优的性能
Oct, 2021
通过使用虚拟网络架构和深度强化学习,提出了一种针对空天地一体化网络(SAGIN)的跨域虚拟网络嵌入(VNE)算法,以解决其具有异构性和动态性的部署和使用面临的挑战,该算法能够从 SAGIN 中提取网络属性并训练智能代理从而有效完成虚拟节点和虚拟链路的嵌入,以应用于智能交通系统等人工智能应用。
Feb, 2022
本文从现有的轨道和空中边缘计算架构出发,提出了一种边缘计算增强的空中 - 地面 - 空间一体化网络(EC-SAGINs),以缩小任务完成时间和卫星资源使用。我们提出了一种预分类方案,以减小动作空间的大小,并提出了一种驱动卸载和缓存算法的深度模仿学习(DIL),以实现实时决策的目标。仿真结果表明我们的方案是有效的,并探讨了一些技术挑战和未来方向。
Jan, 2021
将低地球轨道卫星、无人机和地面用户融合的空地一体化网络(SAGIN),在智慧城市应用方面具有巨大潜力。然而,SAGIN 的资源管理是一个挑战,需要紧急研究,因为不适当的资源管理会导致数据传输差,从而影响智慧城市的服务。本文开发了一个综合的 SAGIN 系统,包括五个不同的通信链路,并提出了一种高效的合作多类型多智能体深度强化学习(CMT-MARL)方法来解决资源管理问题。实验结果突出了所提出的 CMT-MARL 的有效性,体现在整体传输率和传输成功率等关键性能指标上。这些结果证明了未来实施 SAGIN 的潜在价值和可行性。
Aug, 2023
本文提出了一种适用于空中 - 地面 - 空间一体化网络的拓扑感知联邦学习框架,命名为 Olive Branch Learning(OBL),并使用 CNASA 算法进一步优化通信效率和推断性能,实验表明这种算法在实现分布式模型训练方面具有比基准算法更好的性能,特别适用于 IoRT 设备收集数据支持各种数据驱动 AI 服务的情况。
Dec, 2022
在空天地一体化网络中,利用多层接入网络间的频谱共享所带来的同频干扰,应用于异构传输中以增强物理层安全性,并通过基于深度学习的 Q 网络逼近方法选择最优的访问策略来提高秘密速率。利用无监督学习和 Q 网络逼近训练两个神经网络,无标签方法证明了我们提出的功率优化方法和访问策略的高效性,从而提升了安全传输性能。
Aug, 2023
本文介绍了应用 AI 技术进行集成陆地卫星网络,特别是超大型卫星网络通信。文章详细介绍了超大型卫星网络的独特功能和与其集成到当前通信基础设施中同时出现的挑战。此外,文章提供了有关通信链的各个层面的最先进的 AI 技术的见解。
Jun, 2022
本文介绍了机器学习在综合空地海网络中用户调度上的应用,着重探讨了深度神经网络在优化用户调度策略上的优点,并提出了一些未来发展中的挑战和问题。
May, 2022