光谱测量：使用自主无人机进行主动无线电地图估计
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
通过使用无人机收集大量数据，并对现有的射频地图估计器进行评估，本研究揭示出具有深度神经网络 (DNNs) 的复杂估计器表现最佳，但需要大量训练数据才能相对传统方案提供实质性优势，同时还提出了一种混合两种类型估计器的新算法，展示了进一步探索该研究方向的潜力。
Oct, 2023
我们提出了一个基于数据驱动的框架，用于网络化的无人机协同宽带频谱感知和调度，其作为次级用户为探测到的频谱空隙提供机会利用。为此，我们提出了一个多类分类问题，用于基于采集到的 I/Q 样本检测空闲频谱位置的宽带频谱感知。为了提高频谱感知模块的准确性，我们在无人机系统交通管理 (UTM) 生态系统中的服务器上对各个单独无人机进行的多类分类结果进行融合。在频谱调度阶段，我们利用强化学习 (RL) 解决方案将探测到的频谱空隙动态分配给次级用户 (即无人机)。为了评估所提出的方法，我们建立了一个综合的仿真框架，利用 MATLAB LTE 工具箱生成一个接近真实的合成数据集，其中包括所选兴趣区域内基站 (BS) 位置、射线跟踪和模拟主用户的信道使用情况的 I/Q 样本。这种评估方法提供了一个灵活的框架，可以生成用于开发基于机器学习 / 人工智能的空中设备频谱管理解决方案的大型频谱数据集。
Aug, 2023
本研究提出了一种利用深度神经网络从数据集中学习先前测量的传播现象空间结构来估计电台占用地图的方法，有效利用了完整的卷积自编码器结构，以显著减少用于估计预定准确性映射所需的测量数量。
May, 2020
本文针对基于蜂窝网络的无人机路径规划问题，提出了使用无线电信号映射技术和图论算法进行路径规划的方法，旨在最小化从起始点到终点的飞行距离，并同时保证在飞行过程中与地面基站之间的通信质量达到预期要求。该方法在降低计算复杂度的同时，能够有效地实现路径规划任务，且可以通过调整无线电信号映射的量化比率来权衡算法的性能和复杂度。
May, 2019
我们在本论文中提出了一种数据驱动的框架，用于协同宽带频谱感知和调度网络化的无人机，其充当二级用户来机会性地利用检测到的 "频谱空洞"。我们的框架包括三个主要阶段：模型训练阶段，协同频谱推断阶段以及频谱调度阶段。我们还提出了一个多联邦学习架构，将无线数据集生成直接集成到联邦学习训练过程中。我们利用强化学习解决方案动态分配检测到的频谱空洞给二级用户。通过建立综合的仿真框架来评估所提出的方法，我们能够生成近乎真实的合成数据集，用于发展基于机器学习 / 人工智能的航空设备频谱管理解决方案。
Jun, 2024
使用基于贝叶斯优化的高斯过程回归方法，结合无人机采集的信号强度测量，可以在灾后搜救等应用场景下，仅仅花费少量时间和测量准确地定位 WiFi 设备的位置。
Oct, 2015
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