【摘 要】
：
随着通信技术的发展,无人机基站以其灵活性和独有的信道特性受到广泛关注。对单无人机部署位置的研究当前较为成熟,但以信道传输总速率最大化为目标求解多无人机部署位置的问题尚待探索。现有研究已逐渐从静止用户转向比较复杂的运动用户,该场景下无人机基站需随用户的运动实时调整才能提供良好的服务。本文主要研究用户运动情景下的多无人机快速部署问题,具体研究内容如下:（1）无人机无线网络快速部署策略研究。本文针对快速
论文部分内容阅读
随着通信技术的发展,无人机基站以其灵活性和独有的信道特性受到广泛关注。对单无人机部署位置的研究当前较为成熟,但以信道传输总速率最大化为目标求解多无人机部署位置的问题尚待探索。现有研究已逐渐从静止用户转向比较复杂的运动用户,该场景下无人机基站需随用户的运动实时调整才能提供良好的服务。本文主要研究用户运动情景下的多无人机快速部署问题,具体研究内容如下:（1）无人机无线网络快速部署策略研究。本文针对快速优化无人机部署位置的问题,提出了基于地理位置信息的深度强化学习算法（GPI-Learning）,实现无线网络下行链路信道传输总速率最大化的目标。该算法结合前馈神经网络与强化学习,首先用强化学习算法获得一批用户所对应的无人机最优部署位置,随后使用前馈神经网络学习用户与无人机之间的位置关系,最终能够快速获取无人机最优部署位置。仿真结果验证算法在保证无线网络性能的同时提高了求解速度。（2）无人机无线网络快速轨迹规划策略研究。考虑到无人机速度的制约,前述GPI-Learning算法无法保证无人机部署位置在下一时刻可达,因此本文针对带速度约束的无人机轨迹规划问题,提出了基于深度学习的布谷鸟搜索算法（CSGPI-Learning）。该算法首先使用GPI-Learning获取理论最优部署位置,若该位置不可达则使用布谷鸟搜索算法获取可达范围内最佳部署位置。仿真结果表明算法在实现快速部署和提高总传输速率目标的同时,保障部署位置的可达性。（3）基于用户位置预测的无人机轨迹规划策略研究。前面研究中使用用户当前位置确定无人机下一时刻的部署位置,为消除用户位置同步滞后的影响、进一步提升传输速率,本文提出了基于矩阵回归的强化学习算法（MR-RL）。该算法通过矩阵回归实现了对用户位置的预测,再使用强化学习算法规划无人机位置。最后,基于微软亚洲研究院的轨迹数据,仿真验证了该算法相较于无预测的强化学习算法,能够进一步提高无人机基站的无线网络下行链路信道总传输速率。
其他文献
区块链技术的快速发展,在全球各个行业中逐渐体现出广泛的影响。自比特币作为区块链技术的载体出现以来,区块链技术得到了广泛的重视,并在诸多领域展开应用。比特币和以太坊是区块链最为成功的应用案例,以太坊用户可以通过发布运行在以太坊虚拟机上的智能合约,从而在以太坊发布信息;而比特币除了完成交易,也可以通过特定字段进行信息的发布与传播,有漏洞的智能合约的发布与不安全信息在链上的传播,造成了用户的财产损失与区
为了应对5G数字通信中对系统吞吐量、传输速率、传输可靠性的进一步需求,自适应调制编码（Adaptive Modulation And Coding,AMC）技术得到了广泛的应用。AMC技术可以根据通信环境的变化及时地调整无线链路传输的调制编码方案,从而保障通信传输质量。同时,随着现代社会迎来了大数据与人工智能时代,通信与AI（Artificial Intelligence）的结合成为新时代通信的重
人们正处于一个大数据的时代,面对海量的信息资源,如何进行快速准确地信息匹配变得尤为重要,而推荐系统在实现信息生产者与消费者之间的利益均衡中扮演了重要角色。推荐系统研究的用户行为数据可分为显式反馈与隐式反馈两类。隐式反馈数据是目前推荐算法的主流训练数据,而矩阵分解算法依然是推荐系统应用最广泛的技术之一。本文对基于隐式反馈的矩阵分解方法的点积缺陷与数据集的不平衡性两方面进行改进,同时结合神经网络技术来
随着5G网络和计算机视觉应用的快速发展,车联网场景中大量视频数据被用于内容分析,以助力安全驾驶。一方面,基于视频内容理解的任务通常伴随着庞大的数据量和巨大的计算能力需求。移动边缘计算（Mobile Edge Computing,MEC）被认为是一种有前景的技术,车辆通过将此类计算密集型应用卸载到移动边缘服务器进行视频内容理解,以解决与车辆有限能力之间的冲突。另一方面,现有基于服务质量（Qualit
随着越来越多的产品和服务围绕着用户的数据建立起来,大数据时代为人们带来了个性化的服务和智能化的生活方式。但是在数据收集、使用以及发布的过程中难免会泄露用户的隐私。作为一种新型的隐私保护方法,差分隐私不仅可以抵抗任意的背景知识攻击,而且能够以严谨且高效的方法来证明其隐私保护水平,是目前隐私保护领域的研究热点。PINQ平台是最早结合差分隐私的数据分析平台,能够为底层数据集提供强大的安全保证。因此本文选
移动自组织（Ad Hoc）网络具有无需基础设施,组网灵活,高抗毁性等特点,广泛应用于民用和军事方面的场景,具有十分广阔的发展前景,获得了国内外教育、研究机构的广泛关注。随着移动Ad Hoc网络组网技术研究的深入以及计算机网络仿真工具的发展,其智能化研究与仿真的实现需求也越来越迫切。所以,设计一个面向移动Ad Hoc组网技术的智能化交互仿真验证系统有着十分重要的意义。本文在结合移动Ad Hoc网络仿
随着光学字符识别技术的发展,使用深度学习技术进行身份证、发票、照片等图片格式的文件的内容识别的技术越来越成熟,互联网企业中已经产生了各种图片识别相关的落地产品。图片的自动化识别技术的普及不仅能够促进行业技术的进步,同时也能够大幅度的为公司降低人力成本。中国华融资产管理有限公司,公司需要处理各种资产业务,这些资产业务主要是对于各类房产证照的处理。公司需要将这些证照分别整理然后录入到押品管理系统中,然
随着移动通信技术的发展和移动互联网的普及,以视频直播、短视频为代表的新兴行业蓬勃发展,移动互联网的数据流量和内容数量已成井喷之势,而移动互联网中相同内容的重复分发是造成回程链路不堪重负的主要原因,海量内容分发场景下在网络边缘缓存用户偏好的热点内容是提升用户满意度的有效手段。随着5G时代的降临以及移动边缘计算（Mobile Edge Computing,MEC）的逐步发展,在网络边缘部署缓存的落地条
为解决在线流量和离线流量共用一个数据中心传输网络,且两种类型的流量在链路中的分配模式固定不变而导致的链路利用率低的问题,本文提出了一种基于在线流量预测的离线流量调度方式,同时通过有效的故障恢复机制来保障流量需求的可用性。实验结果表明,Sliding-k、SEDF以及增量快速重路由的结合能够提高数据中心链路的利用率,保障流量可用性。文章的主要研究工作包含了预测、调度、故障恢复三部分。第一部分,预测。
能量采集无线传感器网络（Energy Harvesting Wireless Sensor Networks,EH-WSNs）近年来被广泛应用于各种领域。不同于仅用电池供电的无线传感器网络（Wireless Sensor Networks,WSNs）,EH-WSNs可以从环境中采集能量为传感器节点供电。因此EH-WSNs有了长期持续运行的能量基础,充沛的能量供给改变了无线传感器节点的能量模型,使得