論文の概要: Machine Learning assisted Handover and Resource Management for Cellular Connected Drones

• arxiv url: http://arxiv.org/abs/2001.07937v1
• Date: Wed, 22 Jan 2020 10:04:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 18:11:36.949094
• Title: Machine Learning assisted Handover and Resource Management for Cellular Connected Drones
• Title（参考訳）: セルラーコネクテッドドローンの機械学習によるハンドオーバとリソース管理
• Authors: Amin Azari, Fayezeh Ghavimi, Mustafa Ozger, Riku Jantti, and Cicek Cavdar
• Abstract要約: セルラー接続型ドローンの通信は3次元モビリティと視線チャネル特性の影響を受けている。 ドローンから基地局への重大な干渉は、地上ユーザのアップリンク通信にとって大きな課題である。 異なるドローンの高度/速度におけるハンドオーバ決定のヒートマップが提示されている。
• 参考スコア（独自算出の注目度）: 3.3274747298291207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enabling cellular connectivity for drones introduces a wide set of challenges and opportunities. Communication of cellular-connected drones is influenced by 3-dimensional mobility and line-of-sight channel characteristics which results in higher number of handovers with increasing altitude. Our cell planning simulations in coexistence of aerial and terrestrial users indicate that the severe interference from drones to base stations is a major challenge for uplink communications of terrestrial users. Here, we first present the major challenges in co-existence of terrestrial and drone communications by considering real geographical network data for Stockholm. Then, we derive analytical models for the key performance indicators (KPIs), including communications delay and interference over cellular networks, and formulate the handover and radio resource management (H-RRM) optimization problem. Afterwards, we transform this problem into a machine learning problem, and propose a deep reinforcement learning solution to solve H-RRM problem. Finally, using simulation results, we present how the speed and altitude of drones, and the tolerable level of interference, shape the optimal H-RRM policy in the network. Especially, the heat-maps of handover decisions in different drone's altitudes/speeds have been presented, which promote a revision of the legacy handover schemes and redefining the boundaries of cells in the sky.
• Abstract（参考訳）: ドローンのセルラー接続を実現するには、さまざまな課題と機会が伴う。 セルラー接続型ドローンの通信は,高度の高いハンドオーバの数の増加につながる3次元移動性と視線チャネル特性の影響を受けている。 地上ユーザーと地上ユーザーを共存させるセル計画シミュレーションは、地上ユーザーとのアップリンク通信において、ドローンから基地局への深刻な干渉が大きな課題であることを示している。 ここではまず,ストックホルムの実際の地理的ネットワークデータを考慮し,地上およびドローン通信の共存における大きな課題について述べる。 そこで我々は,携帯電話ネットワーク上での通信遅延や干渉を含むキー性能指標(KPI)の解析モデルを導出し,ハンドオーバと無線リソース管理(H-RRM)の最適化問題を定式化する。 その後、この問題を機械学習問題に変換し、H-RRM問題を解決するための深層強化学習ソリューションを提案する。 最後に、シミュレーション結果を用いて、ドローンの速度と高度、および許容レベルの干渉が、ネットワーク内の最適なH-RRMポリシーを形成する方法を示す。 特に、異なる高度/速度でのハンドオーバ決定のヒートマップが提示され、レガシーハンドオーバスキームの改訂と空におけるセルの境界の再定義を促進している。

関連論文リスト

• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
  チャネル情報を知らなくても干渉を効果的に軽減できることを示す。 干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
  論文  参考訳（メタデータ） (2023-05-11T18:06:46Z)
• Federated learning for LEO constellations via inter-HAP links [0.0]
  ローアース・オービット(LEO)衛星星座は近年、急速に展開している。 このような応用に機械学習(ML)を適用するには、画像などの衛星データを地上局(GS)にダウンロードする従来の方法は望ましいものではない。 既存のFLソリューションは、過剰収束遅延や信頼できない無線チャネルといった大きな課題のために、そのようなLEOコンステレーションのシナリオには適さないことを示す。
  論文  参考訳（メタデータ） (2022-05-15T08:22:52Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Autonomous Off-road Navigation over Extreme Terrains with Perceptually-challenging Conditions [7.514178230130502]
  移動性ストレス要素を用いた知覚困難環境におけるレジリエント自律計算の枠組みを提案する。 リアルタイムに堅牢なマルチファイアリティトラバーサビリティ推定を生成するための高速設定アルゴリズムを提案する。 提案手法は、スキッドステアや追尾ロボット、高速RCカー、脚ロボットなど、複数の物理的システムに展開された。
  論文  参考訳（メタデータ） (2021-01-26T22:13:01Z)
• Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
  この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。 さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
  論文  参考訳（メタデータ） (2021-01-25T13:01:16Z)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)
• A Deep Reinforcement Learning Approach to Efficient Drone Mobility Support [9.408748328358264]
  地上利用をターゲットとする既存の携帯電話ネットワークは、低高度ドローンユーザの初期展開を支援することができる。 本研究では,地上の携帯電話ネットワークによって提供されるドローンに対して,効率的な移動支援と信頼性の高い無線接続を実現するための新たなハンドオーバフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-11T16:21:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。