[논문 리뷰] Predictive Estimation of the Optimal Signal Strength from Unmanned Aerial Vehicle over Internet of Things Using ANN

Saeed Hamood Alsamhi, Ou Ma외 1명|arXiv (Cornell University)|2018. 05. 19.

UAV Applications and Optimization참고 문헌 20인용 수 21

한 줄 요약

이 논문은 UAV-IoT 네트워크에서 퇴색과 경로 손실을 완화하기 위해 물리 계층 파arameter를 활용하여 최적의 신호 세기를 추정하기 위한 인공신경망(ANN) 기반 예측 모델을 제안한다. 이 방법은 동적인 환경에서 신호 왜곡을 크게 줄이고 QoS를 향상시키며 전력 소비를 최소화한다.

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.

연구 동기 및 목표

• UAV-IoT 통합 시스템에서 네트워크 연결성과 서비스 품질(QoS)을 향상시키기 위해.
• 실시간으로 신호 세기와 채널 상태를 예측하여 적응형 데이터 전송을 가능하게 하기 위해.
• UAV에서 IoT 기기로의 링크에서 대기 동역학, 반사, 회절, 그림자 효과로 인한 신호 왜곡을 줄이기 위해.
• 지능적인 신호 예측을 통해 전송 파arameter를 최적화하여 데이터 전송의 전력 소비를 최소화하기 위해.
• ANN이 UAV-IoT 환경에서 복잡한 신호 전파를 모델링하는 데 효과적인지 평가하기 위해.

제안 방법

• 거리, 고도, 환경 조건과 같은 물리적 매체 파arameter를 사용하여 ANN를 훈련하여 신호 세기를 예측한다.
• ANN 모델은 UAV 위치, 환경 요인, 관측된 신호 품질 저하 간의 비선형 관계를 학습한다.
• 입력 특징으로는 UAV 고도, IoT 기기까지의 거리, 경로 손실과 퇴색에 영향을 주는 대기 영향 등이 포함된다.
• 모델은 UAV-IoT 링크 실험에서 수집한 실측 신호 세기 데이터를 기반으로 훈련된다.
• 모델은 UAV 경로 최적화와 전송 전력 적응을 안내하기 위해 최적의 신호 세기를 예측한다.
• 신호 예측을 통해 전송 파arameter를 동적으로 조정하여 신뢰할 수 있는 연결성을 유지할 수 있다.

실험 결과

연구 질문

• RQ1 다양한 환경 조건에서 UAV-IoT 네트워크에서 ANN이 신호 세기를 정확하게 예측할 수 있는가?
• RQ2 ANN이 신호 왜곡을 줄이기 위해 채널 전파 특성을 추정하는 데 얼마나 효과적인가?
• RQ3 예측 기반의 신호 추정이 UAV-IoT 시스템에서 QoS 향상과 전력 소비 감소에 얼마나 기여하는가?
• RQ4 UAV-IoT 링크에서 신호 세기 예측 정확도에 가장 크게 영향을 주는 물리적 파arameter는 무엇인가?
• RQ5 동적인 환경에서 ANN 기반 접근 방식이 기존의 신호 추정 기법보다 어떻게 비교되는가?

주요 결과

• ANN 기반 모델은 UAV-IoT 통신 링크에서 신호 왜곡을 크게 줄였다.
• 예측 기반 추정은 적응형 데이터 전송을 가능하게 하여 전체 네트워크의 신뢰성과 QoS를 향상시켰다.
• 모델은 변화하는 대기 조건에서 퇴색, 그림자 효과, 경로 손실의 영향을 효과적으로 완화했다.
• 예측 기반 최적화로 인해 데이터 전송의 전력 소비가 감소했다.
• 다양한 UAV 비행 및 환경 프로파일 전반에서 ANN은 뛰어난 일반화 성능을 보였다.
• 결과는 ANN이 UAV에서 IoT 기기로의 링크에서 복잡하고 비선형적인 신호 전파 효과를 모델링하는 데 효과적임을 확인했다.