多天线技术通过在收发端部署天线阵列,从而提供额外的空间自由度(degrees of freedom,DoFs),大幅提升了无线通信的可靠性与有效性。与此同时,多天线技术应用于雷达感知领域,实现了空间角度分辨能力并提升了感知自由度,大幅增强了无线感...
详细信息
多天线技术通过在收发端部署天线阵列,从而提供额外的空间自由度(degrees of freedom,DoFs),大幅提升了无线通信的可靠性与有效性。与此同时,多天线技术应用于雷达感知领域,实现了空间角度分辨能力并提升了感知自由度,大幅增强了无线感知性能。然而,无线通信与雷达感知领域在过去数十年里独立发展。因此,尽管多天线技术在这两个领域分别取得了巨大的进步,但并没有通过发挥它们的协同作用来实现深度融合。随着感知与通信的融合被确定为第六代(the sixth-generation,6G)移动通信网络的典型应用场景之一,多天线技术的发展面临新的机遇以填补上述空白。为此,本文围绕未来天线阵列规模持续扩张、阵列架构更加多样、阵列形态更为灵活等发展趋势,对面向6G通信感知一体化的多天线技术进行综述。首先介绍未来多天线的不同架构类型,包括以传统紧凑式阵列和新兴稀疏阵列为代表的集中式阵列架构、以无蜂窝大规模MIMO(multiple-input multiple-output)为代表的分布式天线架构,以及三维连续空间阵元位置与朝向灵活可调的可移动天线/流体天线。然后,本文将介绍基于上述天线架构的远场/近场信道建模,并进行通信与感知性能分析。最后总结不同天线架构的特点,并展望解决因天线阵列规模的持续扩展及阵列形态的灵活多变引起的信道状态信息获取困难的新思路。
在复杂动态环境下,针对无人机执行协同数据采集任务时,出现的航迹规划问题求解不确定性高、多机协同难度大、机间碰撞严重等挑战,提出了一种面向多无人机辅助数据采集的强化学习协同航迹规划(reinforcement learning-based cooperative trajectory planning for UAV aided data collection,RL-DC)算法.该算法通过集中式训练分布式执行框架,实现多无人机安全高效协同数据采集和航迹优化.通过设计竞争候选节点队列机制,避免多架无人机同时服务一个节点导致的信号干扰和飞行安全问题,并通过奖励重塑优化规划轨迹,提高数据采集效率;同时采用网络结构优化和混合优先经验回放,提高无人机在复杂环境下的学习效率,提升决策能力.实验结果表明,所提出的RL-DC算法在各种任务环境中的成功率均能达到90%以上,节点服务率均大于98%,性能优于其他同类算法.
暂无评论