Jan, 2021

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

PDF
TL;DR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。
发现论文，激发创造
  • 基于深度学习的可见光通信无人机的最优部署

    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。

    Nov, 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

  • 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

  • 基于非正交多址接入的无人机通信

    本文提出了基于非正交多址（NOMA）的无人机（UAV）网络的新框架，通过三个案例研究，旨在从基本理论到实际实现全面了解 UAV 系统，其中包括采用随机几何模型对 NOMA 启用的 UAV 网络进行性能评估，研究基于简化的二维模型的静态 NOMA 用户联合轨迹设计和功率分配问题，以及展示机器学习技术在处理 UAV 位置问题时的应用。

    Sep, 2018

  • 基于 AI 的 NOMA NTNs 中的无线电和计算资源分配与路径规划：在 CSI 不确定性下减小 AoI

    用空中计算框架由高空平台和无人机组成，解决通过上行非正交多址接入连接的移动用户的任务完全卸载问题，通过调整无人机轨迹和资源分配来最小化用户的数据时延，使用多智能体深确定策略梯度和联邦强化学习两种方法优化求解，显示任务调度显著降低了数据时延。

    May, 2023

  • 多无人机多 RIS 关注 QoS 的空中通信系统使用 DRL 和 PSO

    无人机在提供无线服务方面具有优势，但资源限制给应用带来挑战。本论文介绍了一种优化模型，通过无人机路径规划和多重反射面支持，最大化吞吐量和覆盖范围，通过深度强化学习和粒子群算法解决了线性规划技术的限制，并通过大量仿真实验证明在服务质量方面相比其他方法有较大的提升。

    Jun, 2024

  • 基于强化学习的能量收集 RSMA 无线空中通信和总速率最大化

    本文介绍了一种考虑到能量收集和无线信道的自适应空中无线通信系统，并利用深度强化学习算法设计功率控制和波束成形策略，以最大化长期总和速率性能。

    Jun, 2023

  • 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

  • 无人机辅助移动边缘计算网络中的能量有效资源分配

    针对具有多个无人机的移动边缘计算网络，通过联合优化用户关联、功率控制、计算容量分配和位置规划，解决了和功率最小化相关的问题，并提出了一个低复杂度的算法，通过三个子问题的迭代求解来获得最优解。数值结果表明，所提出的算法比传统方法具有更好的性能。

    Feb, 2019

  • 深度强化学习的毫米波非正交多址下行系统联合功率分配和波束成形器

    该研究使用深度强化学习方法，对毫米波条件下的非正交多址接入进行了功率分配和波束成形的优化，以达到用户总速率最大化，并在模拟结果中表现出较其他方法更佳的效果。

    May, 2022