面向下一代无线网络的自主无人机基站：一种深度学习方法
网络与互联网体系结构
2022-04-12 v4 系统与控制
系统与控制
摘要
为满足无线通信日益增长的连接需求，采用诸如无人 aerial vehicle（UAV，无人机）作为移动基站（BS）的巧妙方案势在必行。通常，无人机基站（UAV-BS）的位置由优化算法确定，这些算法计算复杂度高且对无人机资源需求大。在本文中，我们展示了可以训练卷积神经网络（CNN）模型来实时推断 UAV-BS 的位置。为此，我们创建了一个确定无人机位置的框架，该框架考虑移动用户（MUs）的部署，并利用从优化算法获得的数据来生成标签。性能评估表明，一旦 CNN 模型用给定的标签和 MUs 位置训练完毕，所提方法能够以高保真度逼近所采用优化算法给出的结果，优于基于强化学习（RL）的方法。我们还探讨了未来的研究挑战并强调了关键问题。
引用
@article{arxiv.2107.13869,
title = {Autonomous UAV Base Stations for Next Generation Wireless Networks: A Deep Learning Approach},
author = {Ali Murat Demirtas and Mehmet Saygin Seyfioglu and Irem Bor-Yaliniz and Bulent Tavli and Halim Yanikomeroglu},
journal= {arXiv preprint arXiv:2107.13869},
year = {2022}
}
备注
7 pages, 6 figures