論文の概要: Artificial Intelligence for Satellite Communication: A Review

• arxiv url: http://arxiv.org/abs/2101.10899v1
• Date: Mon, 25 Jan 2021 13:01:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-15 10:59:30.244946
• Title: Artificial Intelligence for Satellite Communication: A Review
• Title（参考訳）: 衛星通信における人工知能の展望
• Authors: Fares Fourati, Mohamed-Slim Alouini
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Satellite communication offers the prospect of service continuity over uncovered and under-covered areas, service ubiquity, and service scalability. However, several challenges must first be addressed to realize these benefits, as the resource management, network control, network security, spectrum management, and energy usage of satellite networks are more challenging than that of terrestrial networks. Meanwhile, artificial intelligence (AI), including machine learning, deep learning, and reinforcement learning, has been steadily growing as a research field and has shown successful results in diverse applications, including wireless communication. In particular, the application of AI to a wide variety of satellite communication aspects have demonstrated excellent potential, including beam-hopping, anti-jamming, network traffic forecasting, channel modeling, telemetry mining, ionospheric scintillation detecting, interference managing, remote sensing, behavior modeling, space-air-ground integrating, and energy managing. This work thus provides a general overview of AI, its diverse sub-fields, and its state-of-the-art algorithms. Several challenges facing diverse aspects of satellite communication systems are then discussed, and their proposed and potential AI-based solutions are presented. Finally, an outlook of field is drawn, and future steps are suggested.
• Abstract（参考訳）: 衛星通信は、未発見領域や未発見領域に対するサービス継続性、サービスユビキティ、サービスのスケーラビリティを提供する。 しかし、衛星ネットワークの資源管理、ネットワーク制御、ネットワークセキュリティ、スペクトル管理、エネルギー利用が地上ネットワークよりも難しいため、これらの利点を実現するために、まずいくつかの課題に対処しなければならない。 一方、機械学習、ディープラーニング、強化学習などの人工知能(AI)は、研究分野として着実に成長しており、無線通信を含む多様なアプリケーションで成果を発揮しています。 特に、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、宇宙-地上統合、エネルギー管理など、さまざまな衛星通信分野へのAIの適用は優れた可能性を実証しています。 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観を提供する。 衛星通信システムの多様な側面に直面するいくつかの課題が議論され、その提案と潜在的なAIベースのソリューションが提示される。 最後に、フィールドの見通しが描かれ、将来のステップが提案される。

関連論文リスト

• Artificial Intelligence Techniques for Next-Generation Mega Satellite Networks [49.55872005770133]
  本稿では,地球規模の衛星ネットワーク,特にメガ衛星ネットワーク通信におけるAI技術の適用について紹介する。 それは、メガ衛星ネットワークのユニークな特徴を詳述し、現在の通信インフラへの統合と相まって、全体的な課題を詳述する。 これには、高度にダイナミックなラジオチャンネル、スペクトルセンシングと分類、信号検出と復調、衛星間リンクと衛星アクセスネットワーク最適化、ネットワークセキュリティの予測にAIを適用することが含まれる。
  論文  参考訳（メタデータ） (2022-06-02T13:56:32Z)
• Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
  第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。 本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
  論文  参考訳（メタデータ） (2022-05-27T13:09:29Z)
• Bridging the Urban-Rural Connectivity Gap through Intelligent Space, Air, and Ground Networks [68.8204255655161]
  農村部におけるコネクティビティは、通信ネットワークの主な課題の1つである。 我々は、農村部における最新のコネクティビティの取り組みを強調し、地球外ネットワークのソリューションについて議論し、地球外ネットワークの潜在的なメリットについて検討する。 我々は、農村部におけるコネクティビティの課題について議論し、最新のプロジェクトや研究、AIを用いたネットワークの強化について強調する。
  論文  参考訳（メタデータ） (2022-02-25T13:40:35Z)
• Satellite Based Computing Networks with Federated Learning [30.090106801185886]
  人工知能(AI)によって強化された第6世代(6G)モバイルシステムである無線通信の新世代が、かなりの研究関心を集めている。 6Gの様々な候補技術の中で、低軌道(LEO)衛星はユビキタス無線アクセスの特徴をアピールしている。 知的適応学習を備えた大規模相互接続デバイスをサポートし,SatComにおける高価なトラフィックを削減するため,LEOベースの衛星通信ネットワークにおけるフェデレーション学習(FL)を提案する。
  論文  参考訳（メタデータ） (2021-11-20T13:24:23Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• 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)
• Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
  無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。 人工知能(AI)は近年急速に成長し、成功している。 UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
  論文  参考訳（メタデータ） (2020-09-24T07:11:31Z)
• Swarm Intelligence for Next-Generation Wireless Networks: Recent Advances and Applications [39.38804488121544]
  Swarm Intelligence(SI)は、無線ネットワークのための有望な最適化ツールとして最近登場した。 本稿では,基本的な概念からよく知られた概念まで,SI技術の概要を紹介する。 次世代無線ネットワークにおける新たな課題を解決するためのSIの応用を概観する。
  論文  参考訳（メタデータ） (2020-07-30T04:32:49Z)
• Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
  エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。 このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。 AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
  論文  参考訳（メタデータ） (2020-02-22T09:27:55Z)

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。