論文の概要: SkyCharge: Deploying Unmanned Aerial Vehicles for Dynamic Load
Optimization in Solar Small Cell 5G Networks
- arxiv url: http://arxiv.org/abs/2311.12944v3
- Date: Fri, 9 Feb 2024 06:42:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-12 20:07:27.127535
- Title: SkyCharge: Deploying Unmanned Aerial Vehicles for Dynamic Load
Optimization in Solar Small Cell 5G Networks
- Title（参考訳）: SkyCharge: 太陽電池5Gネットワークにおける動的負荷最適化のための無人航空機の展開
- Authors: Daksh Dave, Vinay Chamola, Sandeep Joshi, Sherali Zeadally
- Abstract要約: 本稿では,無人機に搭載された航空機基地局を用いた新しいユーザ負荷伝達手法を提案する。
高エネルギーから低エネルギーセルへ航空BSを移動させることにより、ユーザ密度と航空BSの可用性に応じて、エネルギー不足のセルのエネルギー要求を許容する。
提案アルゴリズムは、BSの停電を低減し、一貫したスループットの安定性を維持し、無線通信システムの信頼性と堅牢性を高める能力を示す。
- 参考スコア（独自算出の注目度）: 15.532817648696408
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The power requirements posed by the fifth-generation and beyond cellular
networks are an important constraint in network deployment and require
energy-efficient solutions. In this work, we propose a novel user load transfer
approach using airborne base stations (BS) mounted on drones for reliable and
secure power redistribution across the micro-grid network comprising green
small cell BSs. Depending on the user density and the availability of an aerial
BS, the energy requirement of a cell with an energy deficit is accommodated by
migrating the aerial BS from a high-energy to a low-energy cell. The proposed
hybrid drone-based framework integrates long short-term memory with unique cost
functions using an evolutionary neural network for drones and BSs and
efficiently manages energy and load redistribution. The proposed algorithm
reduces power outages at BSs and maintains consistent throughput stability,
thereby demonstrating its capability to boost the reliability and robustness of
wireless communication systems.
- Abstract（参考訳）: 第5世代以降のセルネットワークによる電力要求は、ネットワーク展開において重要な制約であり、エネルギー効率の高いソリューションを必要とする。
本研究では,航空機に搭載された航空機基地局(BS)を用いて,グリーン小セルBSからなるマイクログリッドネットワーク上での電力再分配を確実かつ確実に行う新しいユーザ負荷伝達手法を提案する。
高エネルギーから低エネルギーセルへ航空BSを移動させることにより、ユーザ密度と航空BSの可用性に応じて、エネルギー不足のセルのエネルギー要求を許容する。
提案したハイブリッドドローンベースのフレームワークは、長期記憶とユニークなコスト関数をドローンとBSのための進化的ニューラルネットワークを用いて統合し、エネルギーと負荷の再分配を効率的に管理する。
提案手法は,bssでの電力停止を低減し,一貫したスループット安定性を維持し,無線通信システムの信頼性とロバスト性を高める能力を示す。
関連論文リスト
- RL-Based Cargo-UAV Trajectory Planning and Cell Association for Minimum
Handoffs, Disconnectivity, and Energy Consumption [23.734853912297634]
無人航空機(UAV)は、ラストマイル貨物輸送のための有望な技術である。
既存の携帯電話ネットワークは、主に地上ユーザー向けに設計された。
本稿では, 共同貨物・UAV軌道計画とセルアソシエーションのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2023-12-05T04:06:09Z) - Drone-Enabled Load Management for Solar Small Cell Networks in Next-Gen
Communications Optimization for Solar Small Cells [0.0]
本研究では, 無人航空機搭載基地局(BSs)を用いて, グリーンマイクログリッドネットワーク内における安定かつセキュアな電力再配置を実現するための, 革新的な負荷伝達手法を提案する。
提案方式の複雑性は既存の電力ケーブル伝送方式に比べて著しく低い。
提案アルゴリズムは,最小数のドローン交換を必要としながら,BS電源の停止を低減できることが示されている。
論文 参考訳（メタデータ） (2023-11-05T13:21:38Z) - Reducing the Environmental Impact of Wireless Communication via
Probabilistic Machine Learning [2.0610589722626074]
通信関連エネルギー消費は高く、6Gの効率向上が期待されているにもかかわらず、将来のネットワークで増加することが期待されている。
本稿では,現在および次世代のネットワーク仕様から,確率的推論手法を応用した2つの問題を要約する。
演算子特定性能封筒を維持しながら,ライブ通信ネットワーク上での既存のハードウェアのエネルギー消費を11%削減できる。
論文 参考訳（メタデータ） (2023-09-19T09:48:40Z) - 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) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - 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) - Distributed Deep Reinforcement Learning for Functional Split Control in
Energy Harvesting Virtualized Small Cells [3.8779763612314624]
モバイルネットワークオペレータ(MNO)は、小さなセルの密度の高いインフラストラクチャをデプロイしている。
これにより、モバイルネットワークの消費電力が増加し、環境に影響を及ぼす。
本稿では,エネルギー回収装置と充電式電池を備えた周辺小セルのネットワークについて考察する。
論文 参考訳（メタデータ） (2020-08-07T12:27:01Z) - 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) - Wireless Power Control via Counterfactual Optimization of Graph Neural
Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。
コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。
次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文 参考訳（メタデータ） (2020-02-17T07:54:39Z)
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。