基于深度神经网络利用卫星图像优化无人机基站高度
机器学习
2021-12-30 v1 网络与互联网体系结构
机器人学
摘要
预计无人机（UAV）将在未来通信系统中发挥重要作用。当感兴趣区域的3D模型可用时，可通过大量现场测量或射线追踪仿真来优化作为基站的无人机的位置。在本文中，我们提出了一种替代方法来优化某区域的无人机基站高度。该方法基于深度学习；具体而言，将目标区域的2D卫星图像输入深度神经网络，以预测不同无人机高度的路径损耗分布。利用预测的路径分布计算该区域的覆盖率；并确定使覆盖率最大的最优高度。该神经网络被设计并训练为在单次推理中产生多个路径损耗分布；因此，无需为每个高度训练单独的网络。
引用
@article{arxiv.2112.14551,
title = {Altitude Optimization of UAV Base Stations from Satellite Images Using Deep Neural Network},
author = {Ibrahim Shoer and Bahadir K. Gunturk and Hasan F. Ates and Tuncer Baykas},
journal= {arXiv preprint arXiv:2112.14551},
year = {2021}
}