論文の概要: X-Band UAV-enabled Integrated Sensing and Communications for Vehicular Networks

• arxiv url: http://arxiv.org/abs/2606.05262v1
• Date: Wed, 03 Jun 2026 16:18:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.294397
• Title: X-Band UAV-enabled Integrated Sensing and Communications for Vehicular Networks
• Title（参考訳）: XバンドUAV対応車載ネットワーク用統合センシング・通信システム
• Authors: Remon Polus, Soumaya Cherkaoui,
• Abstract要約: 無人航空機(UAV)は、センシングと通信の両方を提供する航空プラットフォームとして、ますます考えられている。 本稿では、車載ネットワーク用Xバンドで動作するUAV対応統合センシング通信システム(ISaC)の最適時間割当について検討する。
• 参考スコア（独自算出の注目度）: 7.031234391152914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Uncrewed aerial vehicles (UAVs) are increasingly considered as aerial platforms capable of providing both sensing and communication services, representing a promising paradigm for intelligent transportation systems. This paper investigates the optimal time allocation for a UAV-enabled integrated sensing and communication (ISaC) system operating in the X-band for vehicular networks. We analyze the trade-off between sensing accuracy and communication performance under practical UAV constraints and fading effects, considering both single-shadowing and double-shadowing channel models. An optimization framework is developed to allocate time between sensing and communication while guaranteeing minimum communication rates and sufficient sensing reliability. Simulation results demonstrate adaptive time allocation strategies, highlighting how UAV-to-ground channel conditions and target distances influence the balance between sensing and communication in smart mobility scenarios.
• Abstract（参考訳）: 無人航空機(UAV)は、検知と通信の両方が可能な航空プラットフォームとして、インテリジェントな輸送システムにおいて有望なパラダイムとして考えられている。 本稿では、車載ネットワーク用Xバンドで動作するUAV対応統合センシング通信システム(ISaC)の最適時間割当について検討する。 本稿では,UAV制約下での検知精度と通信性能のトレードオフと,単一シェードイングチャネルモデルと二重シェードチャネルモデルの両方を考慮したフェーディング効果について分析する。 最小の通信速度と十分な感度信頼性を確保しつつ、センシングと通信の間の時間を割り当てる最適化フレームワークを開発した。 シミュレーション結果は,UAV-to-groundチャネル条件と目標距離が,スマートモビリティシナリオにおけるセンシングと通信のバランスにどのように影響するかを強調し,適応的な時間割当戦略を示す。

関連論文リスト

• Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications [73.26813382994867]
  本稿では,UAV間の情報共有を促進するために,遅延ペナル化報酬を統合した遅延耐性多エージェント深層強化学習アルゴリズムを提案する。 提案手法は従来のMADRLに比べて50%以上の情報遅延と75%のスループット向上を実現する。 また、UAV情報交換の必要性を低減し、UAV支援無線ネットワークにおけるMADRLの実践的展開を促進するのにも有効である。
  論文  参考訳（メタデータ） (2026-03-23T05:42:50Z)
• SemAgent: Semantic-Driven Agentic AI Empowered Trajectory Prediction in Vehicular Networks [26.85167428129155]
  本稿では,車載環境における予測性能を高めるために,エージェントAIとのセマンティックコミュニケーションを統合した軌道予測フレームワークを提案する。 車両間通信(V2I)において、道路側ユニット(RSU)の機能抽出エージェントは、歴史的車両軌跡からコンパクトな表現を導出し、続いて意味分析エージェントによって意味論的推論を行う。 RSUは、特徴表現とセマンティックインサイトの両方をセマンティック通信を介して対象車両に送信し、受信したセマンティックスと自身の履歴データを組み合わせることで、将来の軌跡を予測する。
  論文  参考訳（メタデータ） (2025-11-30T11:06:58Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
  統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。 ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
  論文  参考訳（メタデータ） (2025-07-18T18:17:09Z)
• Joint Adaptive OFDM and Reinforcement Learning Design for Autonomous Vehicles: Leveraging Age of Updates [2.607046313483251]
  ミリ波を用いた周波数分割多重化(OFDM)は高分解能センシングと高速データ伝送に適した代替手段である。 本研究では,AVがキュー状態情報(QSI)とチャネル状態情報(CSI)を,通信とセンシングを管理するための強化学習技術とともに利用する自律走行車ネットワークについて考察する。
  論文  参考訳（メタデータ） (2024-12-24T15:32:58Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• 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)
• Reinforcement Learning for Joint V2I Network Selection and Autonomous Driving Policies [14.518558523319518]
  自動運転車(AV)の信頼性向上に向けたV2I通信の重要性が高まっている 道路衝突を最小限に抑えるため,AVのネットワーク選択と運転ポリシーを同時に最適化することが重要である。 我々は,効率的なネットワーク選択と自律運転ポリシーを特徴付ける強化学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-08-03T04:33:02Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)

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。