Μελέτη και σύγκριση αλγορίθμων μηχανικής μάθησης για εκτίμηση ασύρματων καναλιών σε έξυπνες ανακλαστικές επιφάνειες και UAVs

Abstract

Καθώς τα κυψελωτά δίκτυα εξελίσσονται για να καλύψουν τις αυξανόμενες απαιτήσεις χωρητικότητας, τα κύματα υψηλής συχνότητας (όπως τα mmWave) χρησιμοποιούνται όλο και περισσότερο. Ωστόσο, αυτές οι ζεύξεις υψηλής συχνότητας είναι ιδιαίτερα επιρρεπείς σε μπλοκαρίσματα από κοινά αντικείμενα, όπως δέντρα και ανθρώπους, προκαλώντας εξασθένιση σήματος και διακοπές στη σύνδεση. Για την αντιμετώπιση αυτών των προκλήσεων, έχουν προταθεί τόσο σταθεροί όσο και κινητοί (ή ευφυείς) ανακλαστήρες.

Ένας κινητός ευφυής ανακλαστήρας, όπως ένα μη επανδρωμένο όχημα (UAV), αποδεικνύεται ιδιαίτερα αποτελεσματικός για την ενίσχυση των επικοινωνιών mmWave. Σε αντίθεση με τους σταθερούς ανακλαστήρες, οι κινητοί ανακλαστήρες μπορούν να προσαρμόζουν τη θέση τους σε πραγματικό χρόνο, ανταποκρινόμενοι στις αλλαγές του περιβάλλοντος και διατηρώντας γραμμές όρασης (LOS) τόσο με τον πομπό όσο και με τον δέκτη. Αυτή η ευελιξία καθιστά τους κινητούς ανακλαστήρες πιο κατάλληλους για τη διασφάλιση αξιόπιστων και ανθεκτικών επικοινωνιών υψηλής συχνότητας σε σύνθετα περιβάλλοντα, αποτελώντας μια σημαντική πρόοδο στα κυψελωτά συστήματα επόμενης γενιάς.