MMNov, 2019

基于深度学习的可见光通信无人机的最优部署

PDF
TL;DR本文研究了使用可见光通信能力的无人机的动态部署问题，以优化 UAV 网络的能源效率。研究模型中，UAV 可以同时为服务地面用户提供通信和照明，因此需要考虑目标区域的照明分布进行 UAV 的部署优化。本文提出了结合门控循环单元（GRUs）和卷积神经网络（CNNs）的算法来解决这个问题，并取得了有效的降低总发射功率的结果。
unmanned aerial vehiclesvisible light communicationenergy efficiencyoptimization problemmachine learning
发现论文，激发创造
  • 基于门控循环单元的可见光通信支持的无人机最优部署学习

    该论文研究了无人机的部署优化问题，提出了一种基于深度学习模型的算法用于解决通信和照明要求下的传输功率最小化问题，在真实数据上测试表明与传统解法相比，最佳部署下可达到 22.1% 的功率降低并给出了部署和工作指导。

    Sep, 2019

  • 无人机可见光通信（VLC）的节能方案

    该研究提出了一种利用可见光通信（VLC）与无人机（UAVs）相结合的新方法，以同时提供灵活的通信和照明。通过优化无人机位置和单元格关联以尽量降低功耗，该方法可以将总传输功率消耗降至少 53.8％。

    May, 2019

  • 利用 NOMA 的无人机辅助可见光通信进行和速率最大化：群智能与机器学习的结合

    本文提出了一种利用无人机的可见光通信辅助非正交多址接入的方法，通过使用 Harris 鹰优化算法和人工神经网络，实现了实时应用并避免了落入传统训练器的 “局部最小值” 陷阱，证明了该算法 / HHO 训练器优于其他方案和现有元启发式算法。

    Jan, 2021

  • 面向资源受限的无人机监控系统的分布式 CNN 推断：设计与优化

    本文提出了一种深度神经网络在无人机上的分布式方法，以实现资源受限设备中的数据分类，同时考虑无人机的移动模型和资源约束。模拟表明，所提出的优化方案优于现有的启发式方法和基于服务器的解决方案。

    May, 2021

  • 一种用于万能二进制可见光通信的深度学习信号转换器设计

    本文提出了一种基于神经网络的深度学习框架，用于设计具有通用调光支持的二进制调制可见光通信收发机，并发展了一种新的训练算法解决了调光限制问题。数值结果表明，该方案在各种 VLC 设置下优于理论上最佳的定重码簿。

    Oct, 2019

  • 基于 5G 的无人机细胞连接：深度强化学习干扰管理

    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

  • 图编码神经网络用于抵抗无人机监控的预测隐蔽通信

    通过将图神经网络与库普曼理论相结合，我们引入了一个新的框架，用于预测多个固定翼无人机在一个延伸预测时间内的轨迹，从而实现地面 LPD 通信。通过控制节点的发送功率，使接收功率在无人机预测位置保持最小化，我们能够在地面自组网中实现 LPD 通信。通过广泛的模拟，验证了该提议框架在准确预测多个无人机轨迹和有效建立 LPD 通信方面的有效性。

    Jan, 2024

  • 多无人机网络联合轨迹和通信设计

    本文研究了基于多架无人机构成的无线通信系统，通过优化多用户通信调度与关联，无人机的轨迹与发射功率控制，最大程度地提高地面用户的最小吞吐量。提出了适用于非凸优化问题的迭代算法，实现了用户调度、无人机轨迹和发射功率的交替优化，并对问题的收敛性和复杂度进行了分析。仿真结果表明，与其他基准方案相比，该优化设计能极大地提升吞吐量。

    May, 2017

  • 基于无人机互联网的深度学习目标跟踪边缘计算卸载优化

    利用卷积神经网络的视觉跟踪能力配合移动边缘计算，提出了一种新的层次分布式计算框架，将有限的计算资源和能量预算分配到无人机和移动边缘服务器上，以达到更高的推断精度和更低的计算成本。

    Aug, 2020

  • 基于无人机通信的细胞网络：基于连接受限轨迹优化的视角

    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