针对轻型无人机群在远程动目标信息传输中面临的通信距离限制、带宽受限、信号干扰及无人机数量限制等问题,为提高信息传输的效率、可靠性与准确性,本文改进存储转发(store and forward,SF)算法,以有效解决无人机之间因通信受限造成信...针对轻型无人机群在远程动目标信息传输中面临的通信距离限制、带宽受限、信号干扰及无人机数量限制等问题,为提高信息传输的效率、可靠性与准确性,本文改进存储转发(store and forward,SF)算法,以有效解决无人机之间因通信受限造成信息无法传回测控站的问题。首先,对多无人机远程动目标跟踪系统模型进行设计;其次,设计与优化信息传输算法;最后,通过实验来验证本文提出的信息传输算法的可行性与有效性。以期为更多领域的远程信息传输与动目标跟踪问题提供有益借鉴与指导,并为航天任务的成功执行提供有力技术支撑。展开更多
为了提高无人机基站(unmanned aerial vehicle base stations,UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network,Dueling-DQN)的深度强化学习(deep reinforcement learning,DRL)算法。采用决...为了提高无人机基站(unmanned aerial vehicle base stations,UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network,Dueling-DQN)的深度强化学习(deep reinforcement learning,DRL)算法。采用决斗网络(dueling network,DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。展开更多
文摘针对轻型无人机群在远程动目标信息传输中面临的通信距离限制、带宽受限、信号干扰及无人机数量限制等问题,为提高信息传输的效率、可靠性与准确性,本文改进存储转发(store and forward,SF)算法,以有效解决无人机之间因通信受限造成信息无法传回测控站的问题。首先,对多无人机远程动目标跟踪系统模型进行设计;其次,设计与优化信息传输算法;最后,通过实验来验证本文提出的信息传输算法的可行性与有效性。以期为更多领域的远程信息传输与动目标跟踪问题提供有益借鉴与指导,并为航天任务的成功执行提供有力技术支撑。
文摘为了提高无人机基站(unmanned aerial vehicle base stations,UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network,Dueling-DQN)的深度强化学习(deep reinforcement learning,DRL)算法。采用决斗网络(dueling network,DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。