提高城市通信的可靠性和效率:无人机,智能反射表面和深度学习技术

科学领域:

• 无线通信无线通信
• 空中网络 空中网络
• 信号处理 信号处理

背景情况:

• 无人驾驶飞行器 (UAV) 提供了通过视线 (LoS) 链路改进无线通信的潜力.
• 城市环境由于建筑物和树木等障碍物阻碍了LoS连接.
• 智能反射表面 (IRS) 可以通过反射信号来创建虚拟的LoS路径,提高网络可靠性和覆盖范围.

研究的目的:

• 开发一个三维的动态通道模型,用于UAV辅助的通信系统,包括IRS.
• 提出一种先进的道跟踪方法,利用深度学习和人工智能.
• 评估IRS集成的无人机通信系统的性能.

主要方法:

• 为UAV-IRS系统开发了一个3D动态通道模型.
• 实施了深度学习方法,用于使用深度神经网络进行初步通道估计.
• 采用堆叠双向长期和短期记忆 (Bi-LSTM) 模型进行连续通道监控.
• 进行模拟以评估系统性能.

主要成果:

• 拟议的道跟踪方法与现有方法相比,显示出更快的趋同.
• 综合系统在提高通信可靠性和覆盖率方面表现出卓越的表现.
• 人工智能驱动的技术有效地管理了UAV-IRS网络中的动态通道条件.

结论:

• 将IRS集成到无人机支持的通信系统中,可以显著提高网络的可靠性和效率.
• 这种基于人工智能的道跟踪方法对动态无人机通信环境非常有效.
• 这项研究为未来的智能空中通信网络提供了坚实的框架.