Simple Science

Scienza all'avanguardia spiegata semplicemente

# Matematica# Teoria dell'informazione# Architettura di rete e Internet# Elaborazione del segnale# Teoria dell'informazione

Migliorare la connettività dei droni con la selezione intelligente delle celle

Un nuovo metodo migliora il modo in cui i droni si connettono alle reti di comunicazione durante il volo.

― 6 leggere min


Scelte intelligenti diScelte intelligenti dicelle per droniil volo.connessioni della rete di droni duranteNuove metriche migliorano le
Indice

L'uso dei Droni è diventato sempre più popolare, soprattutto per compiti come la consegna di pacchi, il monitoraggio delle coltivazioni e la sicurezza. Man mano che questi dispositivi volanti, noti come veicoli aerei senza pilota (UAV), diventano una parte significativa della nostra vita quotidiana, è importante che rimangano connessi alle reti di comunicazione. La sfida consiste nel fornire Connessioni affidabili per questi droni mentre volano su percorsi predeterminati chiamati autostrade aeree.

Questo articolo parla di un nuovo modo di scegliere la migliore cella di rete per questi droni quando viaggiano su queste autostrade aeree. Il modo in cui di solito scegliamo a quale cella un drone si connette si basa solo sulla Forza del segnale. Tuttavia, nel caso di più droni che volano vicini insieme, questo approccio può portare a problemi. Proponiamo un nuovo metodo che non solo considera la forza del segnale, ma anche la capacità della rete di gestire molte connessioni contemporaneamente.

Perché i droni hanno bisogno di buone connessioni

I droni sono usati in vari ambiti e si prevede che il loro utilizzo cresca rapidamente nei prossimi anni. Secondo alcune previsioni, il mercato della mobilità aerea urbana (UAM), che include i droni per la consegna e altri scopi, potrebbe valere trilioni di dollari. Affinché questi veicoli funzionino correttamente, hanno bisogno di connessioni affidabili alle loro reti, permettendo la comunicazione con le stazioni di controllo a terra.

Una connessione forte e stabile è fondamentale per garantire che i droni possano svolgere i compiti in sicurezza. Questo include la necessità di un tasso di dati costante e una bassa latenza per mantenere il controllo delle loro operazioni. Anche se la maggior parte degli studi si concentra sull'ottimizzazione dei percorsi di volo di questi droni, è altrettanto fondamentale migliorare il modo in cui si connettono alla rete.

La sfida della selezione della cella

Nelle reti mobili tradizionali, i dispositivi scelgono una cella di servizio in base alla forza del segnale ricevuto. Tuttavia, con molti droni che volano in alto nel cielo, possono ricevere segnali simili da più celle contemporaneamente. Questo può portare a ciò che è noto come passaggi frequenti, dove i dispositivi cambiano rapidamente tra celle, il che può confondere il sistema e degradare la qualità del servizio.

Quando diversi droni sono molto vicini tra loro, potrebbero avere forze di segnale simili da celle vicine. Questa situazione crea una sfida nella scelta della migliore cella, poiché selezionare solo in base alla forza del segnale può comportare una riduzione delle prestazioni a causa di maggiore interferenza e instabilità della connessione.

Creare un metodo di selezione delle celle migliore

Per affrontare questi problemi, suggeriamo una nuova metrica che considera sia la forza del segnale che quanto bene una cella può gestire connessioni da molti droni contemporaneamente. Questa valutazione tiene conto delle posizioni specifiche delle autostrade aeree e della posizione delle antenne a terra.

Per ogni percorso aereo, possiamo analizzare le capacità delle celle a terra e quanti droni possono servire efficacemente. Utilizzando queste informazioni insieme alla forza del segnale, possiamo prendere una decisione più intelligente su quale cella un drone dovrebbe connettersi.

Panoramica del modello di sistema

Nel nostro metodo proposto, consideriamo una rete di celle a terra dotate di antenne che possono servire più droni che volano a un certo altezza lungo le autostrade aeree. Ogni cella ha un'area di copertura specifica e assumiamo che queste celle possano fornire segnali adeguati ai droni che volano sopra di esse.

Analizzando la relazione tra l’altezza di questi droni e le antenne a terra, possiamo raccogliere dati che ci aiuteranno a capire quanto bene ogni cella può servire i droni mentre viaggiano.

Valutazione delle prestazioni della cella

Una parte chiave del nostro metodo è determinare quanto efficacemente una cella può servire i droni in base alle loro posizioni sulle autostrade aeree. Calcoliamo qualcosa chiamato "EigenScore," che ci consente di capire quanto bene una cella può gestire più droni contemporaneamente. Questo punteggio dipende dalla geometria delle antenne e dalla rotta dei droni.

Ad esempio, se un drone vola direttamente sopra le antenne di una cella, è probabile che la cella gestisca meglio il segnale rispetto a quando il drone è di lato. Possiamo utilizzare questo eigenscore insieme alla forza del segnale ricevuto per creare un nuovo processo di selezione della cella che sia più efficace.

Metriche di selezione della cella potenziate

Con il nostro nuovo approccio, sviluppiamo due metriche che combinano sia l'eigenscore che la forza del segnale. La prima metrica coinvolge una somma ponderata che regola l'impatto dell'eigenscore e della forza del segnale ricevuto. Questo consente di prendere decisioni più equilibrate nella scelta della cella a cui connettersi.

La seconda metrica utilizza principi matematici per stimare quanto dato una connessione può gestire. Questo approccio aiuta a valutare la capacità massima in base a quanto bene la cella può gestire più droni contemporaneamente e alla forza del segnale ricevuto.

Valutazione delle nuove metriche

Abbiamo testato i nostri nuovi metodi in uno scenario in cui diversi droni volavano lungo autostrade aeree e abbiamo analizzato i risultati delle nostre metriche di selezione delle celle proposte. Abbiamo confrontato quanto spesso i droni selezionavano le loro celle rispettive utilizzando le nostre nuove metriche rispetto al metodo tradizionale basato solo sulla forza del segnale.

I risultati hanno mostrato che l'uso dei nostri nuovi metodi ha portato a una distribuzione più equilibrata delle associazioni delle celle. I droni erano più propensi a connettersi a celle che potevano gestire efficacemente le richieste di più connessioni, come indicato dal loro eigenscore.

Miglioramenti nella qualità del segnale

Inoltre, abbiamo esaminato la qualità dei segnali ricevuti dai droni utilizzando le due nuove metriche rispetto all'approccio tradizionale. I droni che impiegavano i nostri metodi hanno mostrato costantemente una qualità del segnale migliore. Questo miglioramento è stato evidente sia nei livelli medi del segnale che nelle forze del segnale più basse registrate tra il gruppo di droni.

La nostra analisi ha dimostrato che utilizzare una combinazione dell'eigenscore e della forza del segnale per la selezione delle celle fornisce un'esperienza più affidabile per i droni. Permette loro di mantenere connessioni più forti anche quando si aggiungono più droni.

Riepilogo dei risultati

In molti casi, fare affidamento solo sulla forza del segnale non produce i migliori risultati per i droni che volano in prossimità. Integrando la nostra nuova metrica che valuta sia la forza del segnale che la capacità di una cella di gestire più connessioni, possiamo ottenere prestazioni migliori complessivamente.

I nostri risultati suggeriscono che gli operatori di rete che vogliono supportare le operazioni dei droni lungo le autostrade aeree dovrebbero incorporare la nostra metrica eigenscore per garantire migliori connessioni. Questo può portare a un ambiente di rete più stabile e a un'esperienza più fluida per i droni mentre svolgono i loro compiti nel cielo.

In conclusione, man mano che l'uso dei droni continua ad espandersi, è cruciale sviluppare modi efficienti per supportare la loro connettività. I nostri metodi proposti offrono una soluzione promettente per migliorare il processo di selezione delle celle per i droni che viaggiano sulle autostrade aeree, migliorando infine la loro affidabilità e efficacia operativa. I lavori futuri possono costruire su questa base, esaminando ulteriori fattori che possono contribuire all'ottimizzazione delle comunicazioni dei droni.

Fonte originale

Titolo: A Novel Metric for mMIMO Base Station Association for Aerial Highway Systems

Estratto: In this article, we introduce a new metric for driving the serving cell selection process of a swarm of cellular connected unmanned aerial vehicles (CCUAVs) located on aerial highways when served by a massive multiple input multiple output (mMIMO) terrestrial network. Selecting the optimal serving cell from several suitable candidates is not straightforward. By solely relying on the traditional cell selection metric, based on reference signal received power (RSRP), it is possible to result in a scenario in which the serving cell can not multiplex an appropriate number of CCUAVs due to the high correlation in the line of sight (LoS) channels. To overcome such issue, in this work, we introduce a new cell selection metric to capture not only signal strength, but also spatial multiplexing capabilities. The proposed metric highly depends on the relative position between the aerial highways and the antennas of the base station. The numerical analysis indicates that the integration of the proposed new metric allows to have a better signal to interference plus noise ratio (SINR) performance on the aerial highways, resulting in a more reliable cellular connection for CCUAVs.

Autori: Matteo Bernabè, David López Pérez, Nicola Piovesan, Giovanni Geraci, David Gesbert

Ultimo aggiornamento: 2023-03-24 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2303.13870

Fonte PDF: https://arxiv.org/pdf/2303.13870

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili