Un marco DDPG-LSTM para optimizar la comunicación y la detección integrada habilitada por UAV
Autores: Dang, Xuan-Toan; Eom, Joon-Soo; Vu, Binh-Minh; Shin, Oh-Soon
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un marco DDPG-LSTM para optimizar la comunicación y la detección integrada habilitada por UAV
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Propuestas
Radar-comunicación de doble función
Comunicaciones de UAV
Detección y comunicación integradas
Arquitectura ISAC-UAV
Aprendizaje profundo por refuerzo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este documento propone un novedoso marco de radar-comunicación de doble función (DFRC) que integra las comunicaciones de vehículos aéreos no tripulados (UAV) en un sistema de detección y comunicación integrada (ISAC), denominado arquitectura ISAC-UAV. En este sistema, se aprovecha la movilidad del UAV para servir simultáneamente a múltiples usuarios de enlace ascendente de antena única (UEs) y realizar tareas de detección basadas en radar. Un desafío clave proviene de la incertidumbre en la posición del objetivo debido al movimiento, lo que afecta el filtrado adaptado y la formación de haces, degradando así tanto la recepción del enlace ascendente como el rendimiento de la detección. Además, se debe considerar el consumo de energía del UAV asociado con la movilidad para garantizar un funcionamiento eficiente en términos de energía. Nuestro objetivo es maximizar conjuntamente la precisión de la detección por radar y minimizar la energía del movimiento del UAV a lo largo de múltiples intervalos de tiempo, manteniendo comunicaciones de enlace ascendente confiables. Para abordar esta optimización de múltiples objetivos, proponemos un marco de aprendizaje por refuerzo profundo (DRL) basado en una red de gradiente de política determinista profunda (DDPG) mejorada con memoria a corto y largo plazo (LSTM). Al aprovechar datos históricos de trayectoria de objetivos, el modelo mejora la predicción de las posiciones de los objetivos, aumentando la precisión de la detección. El enfoque propuesto basado en DRL permite la optimización conjunta de la trayectoria del UAV y el control de potencia del enlace ascendente a lo largo del tiempo. Simulaciones extensas validan que nuestro método mejora significativamente la calidad de la comunicación y el rendimiento de la detección, al tiempo que garantiza un funcionamiento eficiente en términos de energía del UAV. Resultados comparativos confirman aún más la adaptabilidad y robustez del modelo en entornos dinámicos, superando los puntos de referencia existentes en planificación de trayectorias de UAV y asignación de recursos.
Descripción
Este documento propone un novedoso marco de radar-comunicación de doble función (DFRC) que integra las comunicaciones de vehículos aéreos no tripulados (UAV) en un sistema de detección y comunicación integrada (ISAC), denominado arquitectura ISAC-UAV. En este sistema, se aprovecha la movilidad del UAV para servir simultáneamente a múltiples usuarios de enlace ascendente de antena única (UEs) y realizar tareas de detección basadas en radar. Un desafío clave proviene de la incertidumbre en la posición del objetivo debido al movimiento, lo que afecta el filtrado adaptado y la formación de haces, degradando así tanto la recepción del enlace ascendente como el rendimiento de la detección. Además, se debe considerar el consumo de energía del UAV asociado con la movilidad para garantizar un funcionamiento eficiente en términos de energía. Nuestro objetivo es maximizar conjuntamente la precisión de la detección por radar y minimizar la energía del movimiento del UAV a lo largo de múltiples intervalos de tiempo, manteniendo comunicaciones de enlace ascendente confiables. Para abordar esta optimización de múltiples objetivos, proponemos un marco de aprendizaje por refuerzo profundo (DRL) basado en una red de gradiente de política determinista profunda (DDPG) mejorada con memoria a corto y largo plazo (LSTM). Al aprovechar datos históricos de trayectoria de objetivos, el modelo mejora la predicción de las posiciones de los objetivos, aumentando la precisión de la detección. El enfoque propuesto basado en DRL permite la optimización conjunta de la trayectoria del UAV y el control de potencia del enlace ascendente a lo largo del tiempo. Simulaciones extensas validan que nuestro método mejora significativamente la calidad de la comunicación y el rendimiento de la detección, al tiempo que garantiza un funcionamiento eficiente en términos de energía del UAV. Resultados comparativos confirman aún más la adaptabilidad y robustez del modelo en entornos dinámicos, superando los puntos de referencia existentes en planificación de trayectorias de UAV y asignación de recursos.