机器学习辅助的蜂窝连接无人机切换与资源管理
信号处理
2020-01-23 v1 机器学习
机器学习
摘要
为无人机提供蜂窝连接带来了一系列广泛的挑战与机遇。蜂窝连接无人机的通信受到三维移动性和视距信道特性的影响，导致随着高度增加切换次数增多。我们在空中与地面用户共存情况下的小区规划仿真表明，无人机对基站的严重干扰是地面用户上行通信的主要挑战。在此，我们首先利用斯德哥尔摩的真实地理网络数据，呈现地面与无人机通信共存中的主要挑战。随后，我们推导出关键性能指标（KPI）（包括蜂窝网络上的通信延迟与干扰）的解析模型，并构建切换与无线资源管理（H-RRM）优化问题。接着，我们将该问题转化为机器学习问题，并提出一种深度强化学习方案来求解 H-RRM 问题。最后，利用仿真结果，我们展示了无人机的速度与高度以及可容忍干扰水平如何塑造网络中的最优 H-RRM 策略。特别地，给出了不同无人机高度/速度下切换决策的热力图，这促使对传统切换方案进行修订并重新定义天空中的小区边界。
引用
@article{arxiv.2001.07937,
title = {Machine Learning assisted Handover and Resource Management for Cellular Connected Drones},
author = {Amin Azari and Fayezeh Ghavimi and Mustafa Ozger and Riku Jantti and Cicek Cavdar},
journal= {arXiv preprint arXiv:2001.07937},
year = {2020}
}