論文の概要: Simulation-Based Study of AI-Assisted Channel Adaptation in UAV-Enabled Cellular Networks

• arxiv url: http://arxiv.org/abs/2602.13199v1
• Date: Thu, 01 Jan 2026 09:23:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.53483
• Title: Simulation-Based Study of AI-Assisted Channel Adaptation in UAV-Enabled Cellular Networks
• Title（参考訳）: UAV対応セルネットワークにおけるAI支援チャネル適応のシミュレーションに基づく検討
• Authors: Andrii Grekhov, Volodymyr Kharchenko, Vasyl Kondratiuk,
• Abstract要約: 本研究では,適応チャネルパラメータ制御が干渉条件変化時の通信性能に及ぼす影響について検討した。 線形回帰に基づく軽量教師付き機械学習手法を用いて、認知チャネル適応を実装した。 AIモデルはパケットレベルのパフォーマンス指標で動作し、ビットエラー率と有効データレートの変化に応じてトランザクションサイズをリアルタイムに調整できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a simulation based study of Artificial Intelligence assisted communication channel adaptation in Unmanned Aerial Vehicle enabled cellular networks. The considered system model includes communication channel Ground Base Station Aerial Repeater UAV Base Station Cluster of Cellular Network Users. The primary objective of the study is to investigate the impact of adaptive channel parameter control on communication performance under dynamically changing interference conditions. A lightweight supervised machine learning approach based on linear regression is employed to implement cognitive channel adaptation. The AI model operates on packet level performance indicators and enables real time adjustment of Transaction Size in response to variations in Bit Error Rate and effective Data Rate. A custom simulation environment is developed to generate training and testing datasets and to evaluate system behavior under both static and adaptive channel configurations.
• Abstract（参考訳）: 本稿では,無人航空機搭載セルネットワークにおける人工知能支援通信路適応のシミュレーションに基づく検討を行う。 検討されたシステムモデルは、セルラーネットワーク利用者のUAV基地局クラスタの地上基地局の通信チャネルを含む。 本研究の目的は,動的に変化する干渉条件下での通信性能に及ぼす適応チャネルパラメータ制御の影響を検討することである。 線形回帰に基づく軽量教師付き機械学習手法を用いて、認知チャネル適応を実装した。 AIモデルはパケットレベルのパフォーマンス指標で動作し、ビットエラー率と有効データレートの変化に応じてトランザクションサイズをリアルタイムに調整できる。 トレーニングとテスト用のデータセットを生成し,静的なチャネル構成と適応的なチャネル構成の両方でシステム動作を評価するために,独自のシミュレーション環境が開発された。

関連論文リスト

• AdaptFly: Prompt-Guided Adaptation of Foundation Models for Low-Altitude UAV Networks [10.80018338292861]
  低高度無人航空機(UAV)ネットワークは、分散センシング・通信制御協調設計の基盤として、ロバストなセマンティックセグメンテーションに依存している。 本稿では,重み更新なしでセグメンテーションモデルを調整する,プロンプト誘導型テスト時間適応フレームワークAdaptFlyを提案する。 UAVidとVDDベンチマークの実験は、様々な気象条件下での実際のUAV展開と共に、AdaptFlyがセグメンテーション精度とロバスト性を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-11-13T00:20:37Z)
• Practical Physical Layer Authentication for Mobile Scenarios Using a Synthetic Dataset Enhanced Deep Learning Approach [22.17865659081285]
  IoT(Internet of Things)は、無線技術の開発が急速に進んでいるため、ユビキタスである。 物理認証は、ユニークなチャネル特性を活用することによって、有望なアプローチとして現れる。 モバイルシナリオを対象とした深層学習に基づく物理チャネル状態情報認証を提案する。
  論文  参考訳（メタデータ） (2025-08-28T14:56:10Z)
• Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
  ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。 本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T17:55:54Z)
• In-Context Learning for Gradient-Free Receiver Adaptation: Principles, Applications, and Theory [54.92893355284945]
  ディープラーニングベースの無線受信機は、様々なチャネル環境に動的に適応する能力を提供する。 ジョイントトレーニング、ハイパーネットワークベースの手法、メタラーニングを含む現在の適応戦略は、限られた柔軟性を示すか、勾配降下による明示的な最適化を必要とする。 本稿では、インコンテキスト学習(ICL)の新たなパラダイムに根ざした勾配なし適応手法を提案する。
  論文  参考訳（メタデータ） (2025-06-18T06:43:55Z)
• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• A Hybrid Model for Traffic Incident Detection based on Generative Adversarial Networks and Transformer Model [0.0]
  交通事故検出はインテリジェント交通システムにおいて不可欠である。 従来の研究では、検出の有効性は大規模なデータセットの取得に関わる課題に大きく影響されている。 これらの課題に対処するために,トランスフォーマと生成逆数ネットワーク(GAN)を組み合わせたハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2024-03-02T09:28:04Z)
• Linear Combination of Exponential Moving Averages for Wireless Channel Prediction [2.34863357088666]
  本研究では,指数移動平均(EMA)に基づく予測モデルについて検討した。 EMA線形結合(ELC)と呼ばれる新しいモデルを導入し、説明し、実験的に評価した。
  論文  参考訳（メタデータ） (2023-12-13T07:44:05Z)
• Over-the-Air Federated Learning and Optimization [52.5188988624998]
  エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。 本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。 エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。 さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
  論文  参考訳（メタデータ） (2023-10-16T05:49:28Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Power Control for a URLLC-enabled UAV system incorporated with DNN-Based Channel Estimation [82.16169603954663]
  この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
  論文  参考訳（メタデータ） (2020-11-14T02:31:04Z)

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。