基于射频图的蜂窝网络无人机路径规划
这篇论文提出了一种新的无人机轨迹设计问题,考虑优化其航迹以最小化任务完成时间,并在保证最低接收信噪比的前提下与地面基站进行可靠通信,通过图论和凸优化技术,提出了两种高质量的近似轨迹解决方案。
May, 2018
研究通过利用 3D 城市地图,并引入地图压缩方法,实现了在资源受限的情况下优化 UAV 轨迹的设计,以实现数据通信节点的收集,并同时优化信道参数的学习和数据传输效率.
Jun, 2018
本研究探讨了用于无线网络的无人机的最佳放置问题。提出的方法能够利用本地地形信息,提供性能保证,以在最小化地面终端传播距离与发现良好传播条件之间达到最佳权衡,并证明了可以找到全局最优无人机位置。与基于统计传播模型的其他定位方法相比,显著提高了吞吐量。
Jan, 2018
本文提出了一种基于深度强化学习的覆盖感知导航方法,该方法利用移动无人机的可控机动性设计其导航 / 轨迹,避免了蜂窝基站覆盖漏洞,并提出了一种同时导航和无线电映射的框架。该模型通过深度 Q 网络(DQN)预测位置的中断概率,并预测期望回报,从而使得机器人学习效率大幅提升。
Mar, 2020
本文研究了无人机的路径设计问题,提出了一种新的基于强化学习的算法,通过学习相应的 MDP 的状态 - 价值函数来求解,并使用瓦片编码对大状态空间进行处理。该算法使用原始测量或仿真生成的信号强度作为输入,可适用于在线和离线实现,并成功地避免了城市环境中蜂窝网络的覆盖漏洞。
May, 2019
该论文讨论了使用无人机作为飞行无线接入网络(RAN)节点和射频(RF)感知定位设备的优点,以及如何将其应用于两种场景。论文讨论了无人机的合适位置选择和轨迹设计所涉及的局部地形特征和射频环境映射的挑战,并介绍了相关的算法解决方案,说明了射频映射对于连接性、感知和定位性能所带来的优势。
May, 2022
该论文提出了一种基于频谱调查的移动机器人测量方法,使用两种算法进行地图估计和信息度量,以及一个动态规划方法规划机器人路径,实现在短时间内在最具信息量的位置进行测量,从而快速构建准确的无线电地图。
Jan, 2022
本文提出了一种针对网络化无人机的干扰感知路径规划方案,使用基于回声状态网络的深度强化学习算法来解决路径规划问题,其中每架无人机旨在实现最大化能量效率和最小化无线延迟和干扰级别。模拟结果表明,该方案在减少对地面用户的干扰和无线传输延迟方面表现优异,并且需要比最短距离启发式基线考虑的步骤数量相当的步骤。
Jan, 2018