論文の概要: Autonomous Navigation and Configuration of Integrated Access Backhauling
for UAV Base Station Using Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2112.07313v1
- Date: Tue, 14 Dec 2021 11:47:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 23:40:43.046251
- Title: Autonomous Navigation and Configuration of Integrated Access Backhauling
for UAV Base Station Using Reinforcement Learning
- Title（参考訳）: 強化学習を用いたUAV基地局の自律ナビゲーションと統合アクセスバックハウリングの構成
- Authors: Hongyi Zhang, Jingya Li, Zhiqiang Qi, Xingqin Lin, Anders Aronsson,
Jan Bosch, Helena Holmstr\"om Olsson
- Abstract要約: 本稿では,このユースケースに機械学習を適用するためのフレームワークとシグナリング手法を提案する。
深い強化学習アルゴリズムは、UAV-BSの3次元位置だけでなく、アクセスとバックホールアンテナの傾きを協調的に最適化するように設計されている。
提案アルゴリズムは,UAV-BSを自律的にナビゲートし,そのスループットを向上し,MCユーザの減少率を低減できることを示す。
- 参考スコア（独自算出の注目度）: 13.836618781378796
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast and reliable connectivity is essential to enhancing situational
awareness and operational efficiency for public safety mission-critical (MC)
users. In emergency or disaster circumstances, where existing cellular network
coverage and capacity may not be available to meet MC communication demands,
deployable-network-based solutions such as cells-on-wheels/wings can be
utilized swiftly to ensure reliable connection for MC users. In this paper, we
consider a scenario where a macro base station (BS) is destroyed due to a
natural disaster and an unmanned aerial vehicle carrying BS (UAV-BS) is set up
to provide temporary coverage for users in the disaster area. The UAV-BS is
integrated into the mobile network using the 5G integrated access and backhaul
(IAB) technology. We propose a framework and signalling procedure for applying
machine learning to this use case. A deep reinforcement learning algorithm is
designed to jointly optimize the access and backhaul antenna tilt as well as
the three-dimensional location of the UAV-BS in order to best serve the
on-ground MC users while maintaining a good backhaul connection. Our result
shows that the proposed algorithm can autonomously navigate and configure the
UAV-BS to improve the throughput and reduce the drop rate of MC users.
- Abstract（参考訳）: 高速で信頼性の高い接続性は、公共安全ミッションクリティカル(mc)ユーザの状況認識と運用効率を高めるために不可欠である。
MC通信要求を満たすために既存のセルネットワークのカバレッジと容量が利用できない場合、セルオンホイールやウイングなどのネットワークベースのソリューションを迅速に利用して、MCユーザにとって信頼性の高い接続を確保することができる。
本稿では,自然災害によりマクロ基地局 (BS) が破壊され, 災害地域の利用者に一時的カバレッジを提供するために, 無人航空機 (UAV-BS) が設置されるシナリオについて考察する。
UAV-BSは5G統合アクセス・バックホール(IAB)技術を用いてモバイルネットワークに統合される。
このユースケースに機械学習を適用するためのフレームワークとシグナリング手順を提案する。
深い補強学習アルゴリズムは、良好なバックホール接続を維持しつつ、地上MCユーザに最適なサービスを提供するために、アクセスとバックホールアンテナの傾きとUAV-BSの3次元位置を協調的に最適化するように設計されている。
提案アルゴリズムは,UAV-BSを自律的にナビゲートし,そのスループットを向上し,MCユーザの減少率を低減できることを示す。
関連論文リスト
- Deep Reinforcement Learning Based Placement for Integrated Access
Backhauling in UAV-Assisted Wireless Networks [6.895620511689995]
本稿では, リアルタイムにUAV配置を最適化するために, 深部強化学習(DRL)を活用する新しい手法を提案する。
この取り組みの独特な貢献は、地上ユーザーとの堅牢な接続を保証するだけでなく、中央ネットワークインフラストラクチャとのシームレスな統合を維持するために、無人でUAVを配置できることにある。
論文 参考訳（メタデータ） (2023-12-21T19:02:27Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - 5G Network on Wings: A Deep Reinforcement Learning Approach to the
UAV-based Integrated Access and Backhaul [11.197456628712846]
無人航空機(UAV)ベースの航空ネットワークは、高速で柔軟で信頼性の高い無線通信のための有望な代替手段を提供する。
本稿では,静的環境と動的環境の両方において,複数のUAV-BSを制御する方法について検討する。
複数のUAV-BSの3次元配置を協調的に最適化するために,深部強化学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-02-04T07:45:06Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - UAV-Assisted Communication in Remote Disaster Areas using Imitation
Learning [41.118977289595406]
自然災害や人的災害による携帯電話塔の被害は、携帯電話利用者の通信サービスに支障をきたす可能性がある。
問題に対する解決策の1つは、無人航空機を使用して、望ましい通信ネットワークを増強することである。
本稿では,UAV-Assisted Learning (UnVAIL) 通信システムの設計について述べる。
論文 参考訳（メタデータ） (2021-04-02T00:26:44Z) - Multi-UAV Mobile Edge Computing and Path Planning Platform based on
Reinforcement Learning [36.540396870070325]
我々は、強化学習に基づくより良いQuality-of-Serviceとパスプランニングを提供することを目的として、新しいマルチUAVモバイルエッジコンピューティングプラットフォームを導入する。
本研究の貢献は,1) モバイルエッジコンピューティングにおけるサービス品質の最適化と,同じ強化学習フレームワークにおける経路計画,2) 端末利用者のサービス品質確保のためのシグモイド様機能の利用,3) 端末利用者の要求,リスク,幾何距離を総合的に検討することである。
論文 参考訳（メタデータ） (2021-02-03T14:22:36Z) - 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) - Simultaneous Navigation and Radio Mapping for Cellular-Connected UAV
with Deep Reinforcement Learning [46.55077580093577]
空のUAVに対して、ユビキタスな3Dコミュニケーションを実現するには、新しい課題だ。
本稿では,UAVの制御可能な移動性を利用して航法・軌道を設計する新しい航法手法を提案する。
そこで我々は,UAVの信号計測を深部Qネットワークのトレーニングに用いるSNARM (Concurrent Navigation and Radio Mapping) という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T08:16:14Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z) - Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。
AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。
AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
論文 参考訳（メタデータ） (2020-01-28T15:10:22Z)
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。