[論文レビュー] Predictive Estimation of the Optimal Signal Strength from Unmanned Aerial Vehicle over Internet of Things Using ANN

Saeed Hamood Alsamhi, Ou Ma+1 more|arXiv (Cornell University)|May 19, 2018

UAV Applications and Optimization参考文献 20被引用数 21

ひとこと要約

本稿では、フェージングやパスロスを軽減するために物理層パrameterを活用して、UAV-IoTネットワークにおける最適な信号強度を推定するアーティフィシャルニューラルネットワーク（ANN）ベースの予測モデルを提案する。この手法は、動的環境において信号歪みを著しく低減し、QoSを向上させるとともに、消費電力を最小限に抑える。

ABSTRACT

This paper proposes an intelligent technique for maximizing the network connectivity and provisioning desired quality of service (QoS) of integration of internet of things (IoT) and unmanned aerial vehicle (UAV). Prediction of the signal strength and fading channel conditions enable adaptive data transmission which turn enhances the QoS for the end users/ devices with reducing the power consumption for data transmissions. UAV is data gathering robot from the difficult or impossible area for humans to reach. Hence, Atmospheric dynamics and environment influence the signal strength during traveling in space among UAV, IoT devices, and humankind. Therefore, Signal moving from the smart UAV is sensitive to the effects of attenuation, reflection, diffraction, scattering, and shadowing. We analysis the ability ANN to predictively estimate the signal strength and channel propagation from the drone and physical medium parameters, using ANN. Moreover, the results show that the distortion of the signal can be reduced and enhanced significantly.

研究の動機と目的

• UAV-IoT統合システムにおけるネットワーク接続性とサービス品質（QoS）を向上させること。
• リアルタイムで信号強度とチャネル状態を予測し、適応的データ送信を可能にすること。
• UAVからIoTデバイスへのリンクにおける大気の動的変化、反射、 diffraction（回折）、シャドウイングに起因する信号歪みを低減すること。
• 知的な信号予測を通じて、データ送信における消費電力を最小限に抑えること。
• ANNがUAV-IoT環境における複雑な信号伝搬をモデル化する有効性を評価すること。

提案手法

• 物理的媒体パrameter（距離、高度、環境条件など）を用いて、アーティフィシャルニューラルネットワーク（ANN）を訓練し、信号強度を予測する。
• ANNモデルは、UAVの位置、環境要因、観測された信号劣化との非線形的関係を学習する。
• 入力特徴量には、UAVの高度、IoTデバイスまでの距離、パスロスおよびフェージングに影響を与える大気的要因が含まれる。
• ネットワークは、UAV-IoTリンク実験から収集された実測信号強度データに基づいて訓練される。
• モデルは最適な信号強度を予測し、UAVの飛行経路と送信電力の適応に活用する。
• 信号予測により、信頼性の高い接続を維持するための送信パラメータの動的調整が可能になる。

実験結果

リサーチクエスチョン

• RQ1 変動する環境条件下でも、ANNはUAV-IoTネットワークにおける信号強度を正確に予測できるか？
• RQ2 ANNは、信号歪みを低減するために、チャネル伝搬特性をどの程度効果的に推定できるか？
• RQ3 予測による信号推定は、UAV-IoTシステムにおけるQoS向上と消費電力削減にどの程度寄与するか？
• RQ4 UAV-IoTリンクにおける信号強度予測精度に最も顕著に影響を与える物理的パrameterは何か？
• RQ5 動的環境下において、ANNベースのアプローチは従来の信号推定手法と比較してどのように優れているか？

主な発見

• ANNベースのモデルは、UAV-IoT通信リンクにおける信号歪みを著しく低減した。
• 予測推定により、適応的データ送信が可能となり、全体的なネットワーク信頼性とQoSが向上した。
• モデルは、動的気象条件下でのフェージング、シャドウイング、パスロスの影響を効果的に軽減した。
• 予測に基づく最適化された送信パラメータのおかげで、データ送信における消費電力が削減された。
• ANNは、多様なUAV飛行パターンおよび環境プロファイルにおいて、信号強度の推定において優れた一般化能力を示した。
• 結果から、ANNはUAVからIoTデバイスへのリンクにおける複雑で非線形的な信号伝搬効果をモデル化するのに有効であることが確認された。