.png){kind=icon}
返回
Cellular Network Design for UAV Corridors via Data-Driven High-Dimensional Bayesian Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TWC.2025.3561066.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们通过一种新颖的数据驱动方法来解决为无人机（UAVs）走廊设计蜂窝网络这一挑战。我们评估了多种最先进的超维贝叶斯优化（HD-BO）技术，以联合优化小区天线倾角和半功率波束宽度（HPBW）。我们发现，这些方法中的某些实现了沿UAV走廊的中值SINR超过20dB的增益，且对地面用户性能的降级可忽略不计。此外，我们通过迁移学习探索了HD-BO在模型泛化方面的能力，其中利用先前观测场景源的数据来预测新场景目标的最优解。我们提供了迁移学习成功和失败的场景示例。此外，我们证明HD-BO能够实现多目标优化，识别地面数据速率与UAV覆盖可靠性之间的最优设计权衡。我们观察到，旨在为整个天空提供UAV覆盖的做法，相比于专门针对UAV走廊优化的设置，会降低地面用户的速率。最后，我们在真实蜂窝网络的一个案例研究中验证了我们的方法，其中HD-BO确定了最优且非显而易见的 antenna 配置，这些配置使沿3D UAV走廊的速率提高了一倍以上，且地面性能损失可忽略不计。
Keyword:
UAV corridors
drones
aerial highways
cellular networks
high-dimensional Bayesian optimization
transfer learning
multi-objective optimization
data-driven optimization
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容