基于LSTM的分布式条件生成对抗网络用于数据驱动的5G赋能海上无人机通信
信号处理
2022-05-10 v1
摘要
5G赋能的海上无人机(UAV)通信是5G无线网络的重要应用之一，其需要最小延迟与更高可靠性以支持任务关键型应用。因此，具有高数据速率的无损可靠通信是现代无线通信系统的关键需求。所有这些要素高度依赖于信道条件。本工作中，针对5G赋能海上无人机(UAV)通信，提出了一种利用毫米波(mmWave)的空对地链路信道模型。首先，我们将提出公式化的信道估计方法，其直接旨在从由在长短期记忆(LSTM)-分布式条件生成对抗网络(DCGAN)即(LSTM-DCGAN)中运行的UAV所植入的信道模型中获取mmWave的信道状态信息(CSI)，针对每个波束赋形方向。其次，为增强所提训练信道模型在空间域的应用，我们设计了一个基于LSTM-DCGAN的UAV网络，其中每个节点将学习所有分布的mmWave CSI。最后，我们对最有利的LSTM-DCGAN训练方法进行了分类，并推导出UAV网络的一些条件以提高信道模型学习率。仿真结果表明，所提基于LSTM-DCGAN的网络对本地训练产生的误差具有强健性。我们与现有其他最先进的CGAN网络架构即独立CGAN(无CSI共享)、简单CGAN(有CSI共享)、多判别器CGAN、联邦学习CGAN和DCGAN进行了详细比较。仿真结果表明，与以往state-of-the-art作品相比，所提LSTM-DCGAN结构在学习过程中展现出更高精度，并获得了更高的下行传输数据速率。
引用
@article{arxiv.2205.04196,
title = {LSTM-Based Distributed Conditional Generative Adversarial Network For Data-Driven 5G-Enabled Maritime UAV Communications},
author = {Iftikhar Rasheed and Muhammad Asif and Asim Ihsan and Wali Ullah Khan and Manzoor Ahmed and Khaled Rabie},
journal= {arXiv preprint arXiv:2205.04196},
year = {2022}
}
备注
14,7