基于强化学习的蜂窝连接无人机自适应高度优化
信号处理
2022-04-14 v3 机器学习
摘要
为蜂窝连接无人机提供可靠连接可能非常具有挑战性；其性能高度依赖于周围环境的性质，例如地面基站的密度与高度。另一方面，高楼可能阻挡来自地面基站的不期望干扰信号，从而改善无人机与其服务基站之间的连接。为解决此类环境中的无人机连接问题，本文提出一种强化学习（RL）算法，在无人机穿越环境时动态优化其高度，目标是提升其所经历的吞吐量或频谱效率。所提出的解决方案在两种设置下进行评估：使用一系列生成的环境，其中我们改变基站数量与建筑密度；以及使用从爱尔兰都柏林实验获得的真实数据场景。结果表明，根据场景不同，我们提出的基于 RL 的解决方案将无人机服务质量（QoS）提升了 6% 至 41%。我们还得出结论：当飞行高度高于建筑物时，建筑密度变化对无人机 QoS 无影响。另一方面，基站密度会对无人机 QoS 产生负面影响，更多的基站数量产生更多干扰并恶化无人机性能。
引用
@article{arxiv.2007.13695,
title = {Adaptive Height Optimisation for Cellular-Connected UAVs using Reinforcement Learning},
author = {Erika Fonseca and Boris Galkin and Ramy Amer and Luiz A. DaSilva and Ivana Dusparic},
journal= {arXiv preprint arXiv:2007.13695},
year = {2022}
}