論文の概要: Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data
- arxiv url: http://arxiv.org/abs/2110.15138v1
- Date: Thu, 28 Oct 2021 14:12:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 14:49:23.407612
- Title: Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data
- Title（参考訳）: 実衛星, 飛行, 輸送データに基づく宇宙-地上統合ネットワークのための深層学習支援ルーティング
- Authors: Dong Liu, Jiankang Zhang, Jingjing Cui, Soon-Xin Ng, Robert G.
Maunder, Lajos Hanzo
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 79.96177511319713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current maritime communications mainly rely on satellites having meager
transmission resources, hence suffering from poorer performance than modern
terrestrial wireless networks. With the growth of transcontinental air traffic,
the promising concept of aeronautical ad hoc networking relying on commercial
passenger airplanes is potentially capable of enhancing satellite-based
maritime communications via air-to-ground and multi-hop air-to-air links. In
this article, we conceive space-air-ground integrated networks (SAGINs) for
supporting ubiquitous maritime communications, where the low-earth-orbit
satellite constellations, passenger airplanes, terrestrial base stations,
ships, respectively, serve as the space-, air-, ground- and sea-layer. To meet
heterogeneous service requirements, and accommodate the time-varying and
self-organizing nature of SAGINs, we propose a deep learning (DL) aided
multi-objective routing algorithm, which exploits the quasi-predictable network
topology and operates in a distributed manner. Our simulation results based on
real satellite, flight, and shipping data in the North Atlantic region show
that the integrated network enhances the coverage quality by reducing the
end-to-end (E2E) delay and by boosting the E2E throughput as well as improving
the path-lifetime. The results demonstrate that our DL-aided multi-objective
routing algorithm is capable of achieving near Pareto-optimal performance.
- Abstract（参考訳）: 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。
大陸横断型航空交通の成長に伴い、商用旅客機に依存する航空アドホックネットワークという有望な概念は、航空対地およびマルチホップ航空対空通信による衛星による海上通信を強化する可能性がある。
本稿では,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・地上・海層として機能する,ユビキタス海洋通信を支援するために,宇宙空地統合ネットワーク(SAGIN)を考案する。
不均一なサービス要件を満たし,SAGINの時間変化と自己組織化の性質に対応するために,準予測可能なネットワークトポロジを利用して分散的に動作する深層学習支援多目的ルーティングアルゴリズムを提案する。
北大西洋地域の実衛星・飛行・海運データに基づくシミュレーション結果から,e2e(end-to-end)遅延を低減し,e2eスループットの向上とパスライフタイムの向上により,統合ネットワークはカバー品質の向上を図っている。
その結果,dl支援マルチ目的ルーティングアルゴリズムはパレート最適に近い性能を実現することができた。
関連論文リスト
- SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework [19.59862482196897]
資源効率の高い衛星支援ヘテロジニアスFLフレームワークであるSatFedを提案する。
SatFedは、高度に制約された衛星地上帯域の利用を最適化するために、鮮度に基づくモデルの優先順位付けキューを実装している。
実世界のLEO衛星ネットワークを用いた実験により、SatFedは最先端のベンチマークよりも優れた性能と堅牢性を発揮することが示された。
論文 参考訳（メタデータ） (2024-09-20T13:44:00Z) - Deep Joint Semantic Coding and Beamforming for Near-Space Airship-Borne Massive MIMO Network [70.63240823677182]
近距離飛行船搭載通信網は、緊急に信頼性と効率のよい飛行船対Xリンクを必要とする。
本稿では,MIMO(Multiple-Input multiple-output)技術とセマンティックコミュニケーションを統合することを提案する。
論文 参考訳（メタデータ） (2024-05-30T09:46:59Z) - Cooperative Federated Learning over Ground-to-Satellite Integrated
Networks: Joint Local Computation and Data Offloading [33.44828515877944]
本稿では,遠隔地における機械学習サービス管理を容易にするために,地域間協調学習(FL)手法を提案する。
本手法は、FL中に以下の重要な機能を提供するために衛星星座を編成する。
本手法は地上のみの衛星ベースラインアプローチと比べ,FLの収束を著しく早めることができることを示す。
論文 参考訳（メタデータ） (2023-12-23T22:09:31Z) - Olive Branch Learning: A Topology-Aware Federated Learning Framework for
Space-Air-Ground Integrated Network [19.059950250921926]
SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。
まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。
我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
論文 参考訳（メタデータ） (2022-12-02T14:51:42Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳（メタデータ） (2021-10-28T14:18:22Z) - 6G in the Sky: On-Demand Intelligence at the Edge of 3D Networks [60.49776988771734]
6Gは衛星、航空、地上のプラットフォームを共同で利用し、無線アクセス能力を向上する。
通信、計算、キャッシュ(C3)サービスをオンデマンドで、いつでも、そして、どこでも3D空間で提供するアーキテクチャを考えます。
論文 参考訳（メタデータ） (2020-10-19T13:07:57Z) - 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)
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。