基于大规模非正交直接设备到 HAPS 发射的 AI 增强宽域数据成像
信号处理
2025-07-15 v1
摘要
Massive Aerial Processing for X MAP-X 是一种创新框架，用于从分布在广大区域的环境或工业测量等与空间相关的地面数据重建为数据图，方法是使用单个高空伪卫星（HAPS）和大量分布式传感器。MAP-X 提供了一种解决低延迟 IoT 应用的创新方案。本文探讨了将 AI 集成到 MAP-X 后处理阶段的两种不同方法。基于深度神经网络（DNN）的点估计方法通过在线训练实现实时、自适应的重建，而基于卷积神经网络（CNN）的图像重建方法通过离线训练获取更高的重建精度。仿真结果表明，这两种方法显著优于传统的逆离散傅里叶变换（IDFT）基于线性后处理方法。此外，为实现 AI 增强 MAP-X，我们提出了一种地面-HAPS 合作框架，其中陆地站收集、处理并将训练数据转发给 HAPS。鉴于其在重建场数据方面的增强能力，AI 增强 MAP-X 可应用于各种实际场景，包括灾后响应和网络管理。
引用
@article{arxiv.2507.09895,
title = {AI-Enhanced Wide-Area Data Imaging via Massive Non-Orthogonal Direct Device-to-HAPS Transmission},
author = {Hyung-Joo Moon and Chan-Byoung Chae and Kai-Kit Wong and Robert W. Heath},
journal= {arXiv preprint arXiv:2507.09895},
year = {2025}
}
备注
7 pages, 6 figures, IEEE Communications Magazine (under revision)