論文の概要: Multiscale Adaptive Scheduling and Path-Planning for Power-Constrained UAV-Relays via SMDPs

• arxiv url: http://arxiv.org/abs/2209.07655v1
• Date: Fri, 16 Sep 2022 00:21:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 13:25:22.353322
• Title: Multiscale Adaptive Scheduling and Path-Planning for Power-Constrained UAV-Relays via SMDPs
• Title（参考訳）: SMDPによる電力制約型UAVリレーのマルチスケール適応スケジューリングと経路計画
• Authors: Bharath Keshavamurthy and Nicolo Michelusi
• Abstract要約: 回転翼UAVリレーの分散群集の編成について述べるとともに,地上基地局の網羅・サービス能力の向上について述べる。 我々のゴールは、Poisson到着時の地上ユーザーからの送信要求を処理するのに、平均的なサービス遅延を最小限にすることである。 我々のフレームワークは、平均的なサービスレイテンシとUAVあたりの電力消費に優れたパフォーマンスを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe the orchestration of a decentralized swarm of rotary-wing UAV-relays, augmenting the coverage and service capabilities of a terrestrial base station. Our goal is to minimize the time-average service latencies involved in handling transmission requests from ground users under Poisson arrivals, subject to an average UAV power constraint. Equipped with rate adaptation to efficiently leverage air-to-ground channel stochastics, we first derive the optimal control policy for a single relay via a semi-Markov decision process formulation, with competitive swarm optimization for UAV trajectory design. Accordingly, we detail a multiscale decomposition of this construction: outer decisions on radial wait velocities and end positions optimize the expected long-term delay-power trade-off; consequently, inner decisions on angular wait velocities, service schedules, and UAV trajectories greedily minimize the instantaneous delay-power costs. Next, generalizing to UAV swarms via replication and consensus-driven command-and-control, this policy is embedded with spread maximization and conflict resolution heuristics. We demonstrate that our framework offers superior performance vis-\`a-vis average service latencies and average per-UAV power consumption: 11x faster data payload delivery relative to static UAV-relay deployments and 2x faster than a deep-Q network solution; remarkably, one relay with our scheme outclasses three relays under a joint successive convex approximation policy by 62%.
• Abstract（参考訳）: 回転翼UAVリレーの分散群集の編成について述べるとともに,地上基地局の網羅・サービス能力の向上について述べる。 我々の目標は、平均的なUAV電力制約の下で、ポアソン到着時の地上からの送信要求を処理するための平均サービス遅延を最小限にすることである。 まず,UAV軌道設計のための競合Swarm最適化と半マルコフ決定過程の定式化による単一リレーの最適制御ポリシを導出する。 したがって、この構成の多元的な分解を詳述する:ラジアルウェイト速度とエンドポジションに関する外的決定 期待される長期遅延電力トレードオフを最適化する;その結果、角ウェイト速度、サービススケジュール、uav軌道に関する内的決定は、瞬時遅延電力コストを極力最小化する。 次に、レプリケーションとコンセンサス駆動のコマンド・アンド・コントロールを通じてuav swarmに一般化し、このポリシーは拡散最大化とコンフリクト解決ヒューリスティックに組み込まれている。 我々のフレームワークは、優れたパフォーマンスvis-\`a-vis平均サービスレイテンシと平均uav毎の電力消費量を提供する。 静的uavリレーデプロイメントに対するデータペイロードデリバリが11倍高速で、ディープqネットワークソリューションよりも2倍高速である。

関連論文リスト

• Covert Multicast in UAV-Enabled Wireless Communication Systems With One-hop and Two-hop Strategies [8.702721247072429]
  無人航空機(UAV)による無線通信システムにおける隠蔽マルチキャストの時間について検討する。 本稿では,1つの(OH)パーティクルスワム(PSO)に基づくアルゴリズムと,送信方式とTH方式の性能モデリングのための網羅的なフレームワークを提案する。 提案したPSOアルゴリズムの効率は、広範囲な数値的な結果によって検証される。
  論文  参考訳（メタデータ） (2024-10-16T06:46:30Z)
• Meta Reinforcement Learning for Strategic IoT Deployments Coverage in Disaster-Response UAV Swarms [5.57865728456594]
  無人航空機(UAV)は、重要な緊急用途に使用される可能性があるとして、学術や産業の研究者の注目を集めている。 これらのアプリケーションには、地上のユーザーに無線サービスを提供し、災害の影響を受けた地域からデータを収集する機能が含まれる。 UAVの限られた資源、エネルギー予算、厳格なミッション完了時間は、これらの用途にUAVを採用する際の課題を提起している。
  論文  参考訳（メタデータ） (2024-01-20T05:05:39Z)
• Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications [80.35959154762381]
  インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。 既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。 我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
  論文  参考訳（メタデータ） (2023-12-08T01:57:10Z)
• 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)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• LLHR: Low Latency and High Reliability CNN Distributed Inference for Resource-Constrained UAV Swarms [2.320417845168326]
  無人航空機(UAV)は、監視、捜索および救助活動、環境監視など、多くの重要な応用において優れた性能を示している。 有望な解決策の1つは、利用可能なリソースに基づいてUAV間で分散可能なサブタスクに推論要求を分割することである。 システムモデルでは,高い信頼性と低レイテンシを保証する最適な送信電力の探索を目的として,リアルタイム要求を処理している。
  論文  参考訳（メタデータ） (2023-05-25T08:47:16Z)
• Multi-Agent Deep Reinforcement Learning For Optimising Energy Efficiency of Fixed-Wing UAV Cellular Access Points [3.502112118170715]
  固定翼UAVセルアクセスポイントのエネルギー効率を最適化する多エージェント深部強化学習手法を提案する。 提案手法では,UAVの3次元軌道を一連の時間経過で調整できるDueling Deep Q-Network (DDQN) エージェントを備える。
  論文  参考訳（メタデータ） (2021-11-03T14:49:17Z)
• 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)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための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） (2020-02-19T14:04:01Z)

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。