Deep Learning Based Active Spatial Channel Gain Prediction Using a Swarm of Unmanned Aerial Vehicles
本文针对空间无线信道增益预测问题，提出两种基于无人机集群的主动预测方法，通过仿真验证了主动预测、3D地图结合深度学习及多机协同路径规划的优势。
2023-10-06 eess.SP
Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach
本文研究低空经济中AAV集群防窃听者合谋的安全通信问题，提出一种基于CVAE的生成式群体智能（GenSI）框架，通过优化波束成形和能耗的多目标问题，在保证安全性的同时大幅降低计算开销与执行时间。
2025-03-02 cs.NE eess.SP
Aerial Platforms with Reconfigurable Smart Surfaces for 5G and Beyond
预计空中平台将在第五代（5G）无线网络及以后（B5 G）中提供增强的无缝连接。这通常可以通过支持嵌入在重型和能源密集型设备中的先进车载通信功能来实现。可替代地，可重新配置的智能表面（RSS），其智能地利用/回收环境中的信号反射，正日益被认为是一种新的无线通信范例，以改善通信链路。事实上，它们的低成本、低功耗、重量轻和灵活部署使其成为与5G/B5 G技术集成的有吸引力的候选者。在这篇文章中，我们讨论了综合的方法，在空中平台的RSS集成。首先，我们提出了一个RSS技术，其操作和通信类型的审查。接下来，我们描述了如何RSS可以用于空中平台，我们提出了一个控制架构的工作流程。然后，提出并讨论了几个潜在的用例。最后，确定了相关的研究挑战。
2020-11-04 cs.SY eess.SP eess.SY
Integrated Sensing, Communication and Control enabled Agile UAV Swarm
Beijing University of Posts and Telecommunications（北京邮电大学）；Henan Institute of Science and Technology（河南科技大学）；China Unicom Research Institute（中国联通研究院）；Pengcheng Laboratory（鹏城实验室）
本文提出了一种集成感知、通信与控制的深度耦合方案，通过协同优化提升无人机群的实时任务执行能力。
2026-01-21 eess.SP
Criticality-Based Dynamic Topology Optimization for Enhancing Aerial-Marine Swarm Resilience
针对异构空海集群网络在对抗环境中的通信干扰与结构弱点问题，提出结合SurBi-Ranking关键节点排序与NSGA-III拓扑优化的两步框架，有效提升网络韧性与任务效能。
2025-08-01 cs.NI eess.SP
An Energy-efficient Aerial Backhaul System with Reconfigurable Intelligent Surface
在本文中，我们提出了一种新的无线架构，安装在高空空中平台，这是使可重构智能表面（RIS）。通过在空中平台上安装RIS，可以实现丰富的视线和全区域覆盖，从而克服了传统地面RIS的局限性。我们考虑的情况下，突然增加的交通在城市地区触发当局迅速部署无人驾驶飞行器基站（UAV-BS）为地面用户提供服务。在这种情况下，由于来自地面源的直接回程链路可能由于来自市区的几个障碍物而被阻塞，因此我们建议使用空中RIS反射回程信号，以便它成功地到达UAV-BS。我们联合优化的布局和阵列划分策略的空中RIS和RIS元素的相位，这导致在每个UAV-BS的能量效率的增加。我们表明，我们的算法的复杂性可以限制的二次顺序，从而意味着高的计算效率。我们验证了所提出的算法的性能，通过广泛的数值评估，并表明，我们的方法实现了出色的性能，在能源效率相比，基准计划。
2022-02-02 cs.IT eess.SP math.IT
Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms
Heilongjiang University（黑龙江大学）；Nanyang Technological University（南洋理工大学）；Georgia Southern University（佐治亚南方大学）；Alibaba Group（阿里巴巴集团）；Alibaba-NTU Joint Research Institute（阿里巴巴-南洋理工大学联合研究院）；Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly（南洋理工大学-不列颠哥伦比亚大学积极乐龄卓越联合研究中心）
由于空气质量对人体健康有着重要的影响，因此准确、及时地预测空气质量指数（AQI）变得越来越重要。为此，本文提出了一种新的基于联邦学习的空中-地面空气质量传感框架，用于细粒度的3D空气质量监测和预报。具体而言，在空中，该框架利用轻量级的Dense-MobileNet模型，从无人机（UAV）拍摄的雾霾图像的雾霾特征中实现节能的端到端学习，以预测AQI尺度分布。此外，联合学习框架不仅允许各种组织或机构协作学习经过良好训练的全球模型来监测AQI，而且还扩展了无人机群监测的范围。对于地面传感系统，我们提出了一种基于图卷积神经网络的长短期记忆（GC-LSTM）模型，以实现准确，实时和未来的AQI推理。GC-LSTM模型利用地面监测站的拓扑结构，捕捉历史观测数据的时空相关性，帮助空地传感系统实现AQI的精确推断。通过对真实世界数据集的广泛案例研究，数值结果表明，所提出的框架可以实现准确和节能的AQI感测，而不会损害原始数据的隐私。
2020-07-23 cs.LG eess.SP
Deploying an Aerial Reconfigurable Intelligent Surface for Vehicle-to-Vehicle Communications (PL: Wykorzystanie powietrznych przełączalnych inteligentnych powierzchni do komunikacji międzypojazdowej)
本文提出利用搭载可重构智能表面的无人机中继站，通过优化轨迹与朝向，增强车对车通信吞吐量并抑制干扰，仿真验证了有效性。
2025-03-25 cs.NI eess.SP
EMF-Efficient MU-MIMO Networks: Harnessing Aerial RIS Technology
本文提出ARIS辅助的多用户MIMO上行架构，通过联合优化波束赋形、资源、功率、相移与轨迹降低EMF暴露，较固定ARIS和无ARIS方案分别减排超30%和90%。
2024-12-08 eess.SP
Two-Way Aerial Secure Communications via Distributed Collaborative Beamforming under Eavesdropper Collusion
针对无人机空中通信在多窃听者合谋下的安全威胁，提出结合分布式协作波束成形的增强型多目标群智能算法，兼顾安全性能与能效，且适配无人机有限算力平台。
2024-04-11 cs.NI eess.SP
IEEE 802.11ad-Aided 5-D Sensing with a UAV Swarm in Urban Environment
Indraprastha Institute of Information Technology Delhi（德里印度理工学院）；United States DEVCOM Army Research Laboratory（美国DEVCOM陆军研究实验室）
本文提出基于IEEE 802.11ad协议的UAV蜂群系统，实现城市环境中5维地面目标感知。
2026-02-09 eess.SP
Integrated Super-resolution Sensing and Symbiotic Communication with 3D Sparse MIMO for Low-Altitude UAV Swarm
针对低空无人机集群频谱消耗大、成本高及感知分辨率需求高的问题，提出集成超分辨率感知与共生通信的3D稀疏MIMO方案，推导可达速率并对比不同阵列波束模式，提升系统效率与感知精度。
2025-04-18 eess.SP
Link Budget Analysis for Reconfigurable Smart Surfaces in Aerial Platforms
包括无人机（UAV）、高空平台站（HAPS）和低地球轨道（LEO）卫星在内的非地面网络预计将在第六代无线网络中发挥关键作用。凭借其固有的特点，如灵活的布局，宽的足迹，和首选的信道条件，他们可以解决目前的地面网络的几个挑战，但是，他们的成功和广泛采用依赖于节能的板载通信系统。在这种情况下，将可重构智能表面（RSS）集成到空中平台中被认为是实现空中平台节能和成本效益部署的关键因素。事实上，RSS由低成本的反射器组成，能够以近乎被动的方式巧妙地引导信号。我们在本文中的RSS辅助通信的链接预算下讨论的RSS反射范式在文献中，即镜面反射和散射反射范式类型。具体来说，我们分析了RSS装备的空中平台的特点，并比较其通信性能与RSS辅助地面网络，使用标准化的信道模型。此外，我们推导出最佳的空中平台放置在这两个反射范例。所获得的结果提供了重要的见解RSS辅助通信的设计。例如，给定HAPS具有大的RSS表面，它在大多数研究的场景中提供优越的链路预算性能。相比之下，UAV上有限的RSS区域和LEO卫星通信中的大传播损耗使它们不适合支持地面用户。最后，配备RSS的平台的最佳位置可以取决于平台的高度、覆盖范围和环境类型。
2021-08-16 cs.SY eess.SP eess.SY
Strategic Deployment of Swarm of UAVs for Secure IoT Networks
本研究提出利用UAV作为空中基站，结合博弈论与凸优化方法解决IoT节点关联、UAV三维定位与功率分配问题，显著提升了地面IoT网络的安全传输保密性能。
2023-09-10 eess.SP
Distributionally Robust Physical-Layer Security for Satellite Communication via Aerial Reconfigurable Intelligent Surface
Xi’an Jiaotong University（西安交通大学）；Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院）；Institute of Telecommunication and Navigation Satellites, China Academy of Space Technology（中国空间技术研究院通信导航卫星研究所）；ZTE Corporation（中兴通讯股份有限公司）
针对卫星通信易被窃听的问题，提出利用空中可重构智能表面（ARIS）增强物理层安全，通过联合优化发射和反射波束成形，并采用基于矩的模糊集刻画信道不确定性，实现分布鲁棒的保密速率优化。
2026-05-29 cs.IT eess.SP math.IT
Radar Accurate Localization of UAV Swarms Based on Range Super-Resolution Method
在雷达精确定位无人机机群时，机群密度大、运动参数相似、雷达散射截面（RCS）小、噪声强、作用距离远等特点对雷达分辨率和发射功率提出了很高的要求。利用长时间积分（LTI）技术和无网格稀疏方法的优点，在不改变雷达硬件和系统参数的前提下，构建了一种超分辨无人机群定位算法框架。在此基础上，提出了一种距离超分辨方法，实现了对无人机群的雷达精确定位。数学分析和数值仿真表明，与基于梯形变换（KT）的LTI方法、基于MUSIC的方法和基于加权原子范数最小化（RAM）的方法相比，距离超分辨方法对噪声环境下的无人机群雷达精确定位具有更强的鲁棒性和实用性。最后，通过X波段雷达的实测数据验证了该方法的有效性。
2020-04-25 eess.SP
Wireless Communications and Control for Swarms of Cellular-Connected UAVs
通过使用蜂窝基站（BS）的无线连接，成群的无人机（UAV）可以提供从货物交付到监视的大量服务。特别地，群中的UAV可以利用无线通信来从周围的UAV收集信息，如速度和航向角，以协调它们的操作并保持目标速度和UAV内距离。然而，由于无线信道的不确定性，无人机之间的无线通信将经历一个传输延迟，这可能会削弱集群的稳定系统运行的能力。研究了三角形编队中三架蜂窝无人机的联合通信与控制问题。特别是，提出了一种新的方法来优化群体的操作，同时考虑到无线网络的延迟和控制系统的稳定性。基于这种方法，所需的最大允许延迟，以防止不稳定的群体的确定。此外，利用随机几何，无线网络的可靠性推导为满足控制系统的稳定性要求的概率。仿真结果验证了所提出的联合策略的有效性，并有助于获得有见地的设计指导方针，如何形成一个稳定的无人机群。
2018-12-03 eess.SP
UAV Swarms as Amplify-and-Forward MIMO Relays
无人驾驶飞行器为未来无线通信系统的性能改进提供了新的机会。例如，它们可以充当中继器，扩展通信链路的范围并提高容量。与部署在固定位置的传统中继不同，无人机可以根据需要改变位置以优化容量或范围。在本文中，我们考虑使用一群无人机作为放大和转发MIMO中继，提供一个阻塞的多天线装备的源和目的地之间的连接。我们从优化无人机的单天线的情况下放置，并分析其依赖于继电器，其增益和发射功率约束引入的噪声。我们扩展我们的分析，为任意的无人机群，并显示如何MIMO链路容量可以通过改变群的源和目的地的距离进行优化。然后，我们考虑优化的无人机群内的位置的效果，并推导出在任何给定的位置的群的容量的上限。我们还提出了一个简单的接近最优的方法来找到的位置，优化的能力，为端到端的链接源和目的地有统一的矩形阵列。
2019-06-12 eess.SP
Elevation Angle-Dependent 3D Trajectory Design for Aerial RIS-aided Communication
研究了一种概率视距信道下的空中可重构智能表面（RIS）辅助通信系统。以最小平均可达速率最大化为目标的最优化问题，用于联合设计通信调度、RIS的相移和三维（3D）UAV轨迹。为了解决这样一个非凸问题，我们提出了一个有效的迭代算法，以获得其次优解。仿真结果表明，该方案的性能明显优于现有方案，为无人机机载RIS通信系统的仰角和距离权衡提供了新的思路。
2022-04-09 eess.SP
Ray Antenna Array Achieves Uniform Angular Resolution Cost-Effectively for Low-Altitude UAV Swarm ISAC
针对低空无人机集群ISAC中目标偏离阵列视轴导致性能下降的问题，提出低成本RAA架构及RSN设计，证明其全向均匀角分辨率并给出OFDM感知估计算法。
2025-05-15 eess.SP
Integrated Sensing, Communication, Computing, and Control Meets UAV Swarms in 6G
School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子与信息工程学院）；College of Electronic Science and Technology, National University of Defense Technology（国防科技大学电子科学学院）
本文提出了一种三层ISCCC结构，用于提升6G低空无线网络中无人机群的可靠性与效率，通过联合设计四个组件实现飞行轨迹误差的最小化。
2025-12-08 eess.SP
Ampli-Flection for 6G: Active-RIS-Aided Aerial Backhaul with Full 3D Coverage
Hankuk University of Foreign Studies（韩国外国语大学）；Yonsei University（延世大学）
本文提出利用主动RIS的空中回传系统，通过优化平台位置和相位配置，实现6G网络中全3D覆盖和高能效的回传连接。
2026-01-25 eess.SP
Wideband Spectrum Acquisition for UAV Swarm Using the Sparse Coding Fourier Transform
针对无人机集群宽带频谱获取问题，提出基于稀疏编码傅里叶变换的多无人机子采样方法，通过频谱编码与相关解码处理非稀疏碰撞，实现低功耗、高压缩的宽窄带信号同时获取。
2023-08-14 eess.SP
Multi-objective Aerial Collaborative Secure Communication Optimization via Generative Diffusion Model-enabled Deep Reinforcement Learning
针对无人机集群安全监视网络的保密速率与能耗多目标优化难题，提出生成扩散模型赋能的双延迟深度确定性策略梯度方法，通过扩散模型优化无人机激励电流权重与位置，相较传统策略和DRL基准性能更优且鲁棒性强。
2024-07-12 cs.NI eess.SP
UAVs with Reconfigurable Intelligent Surfaces: Applications, Challenges, and Opportunities
可重构智能表面（RIS）是一种可以集成到墙壁中并影响电磁波传播的超材料。这种典型的无源射频（RF）技术正在出现用于室内和室外使用，具有在日益具有挑战性的无线电环境中使无线通信更加可靠的潜力。本文进一步介绍了移动RIS，特别是由无人机（UAV）携带的RIS，以支持未来的蜂窝通信网络和服务。我们详细介绍了几个用例，挑战和未来的研究机会，以低成本和低能耗的方式设计和优化无线系统。
2020-12-08 cs.ET eess.SP
Integration of Beyond Diagonal RIS and UAVs in 6G NTNs: Enhancing Aerial Connectivity
针对传统对角RIS信道调控能力有限的问题，本文提出将BD-RIS与无人机通信集成应用于6G非地面网络，阐述相关技术基础与集成潜力，开展搭载透射式BD-RIS的无人机通信案例研究并指明未来方向，有望提升无线覆盖与频谱效率。
2025-02-22 cs.ET eess.SP
Automated Trajectory Synthesis for UAV Swarms Based on Resilient Data Collection Objectives
使用无人驾驶飞行器（UAV）从远程传感器系统收集数据的情况正在出现。数据可能是时间敏感的，需要传输到数据处理中心。然而，规划的协同无人机群的轨迹取决于多重约束，如数据汇集的要求，无人机机动能力，和预算限制。由于无人机可能会发生故障或受到损害，因此重要的是要为此类突发事件提供必要的弹性，从而确保数据安全。为无人机提供有效的时空轨迹，使其能够有效地覆盖必要的数据源是很重要的。在这项工作中，我们提出了Synth4UAV，一个正式的方法，自动合成的有效轨迹的无人机群的逻辑建模的空中空间和数据点的拓扑结构，无人机的动作，以及相关的约束条件的转弯和爬升角度，燃料的使用，数据汇集点覆盖，数据的新鲜度，和弹性属性。我们使用高效的逻辑公式来编码和求解复杂的模型。模型的解决方案为每个UAV提供了路由和机动计划，包括访问路径上的点的时间和相应的燃料使用，使得在满足弹性要求的同时访问必要的数据点。我们评估建议的轨迹合成器，结果表明，不同的参数之间的关系遵循的要求，而工具的规模以及与问题的大小。
2020-08-25 cs.FL cs.MA eess.SP
Air-to-Ground Communications Beyond 5G: UAV Swarm Formation Control and Tracking
本文提出一种结合CoMP传输与随机几何的无人机空对地通信模型，利用泊松-德劳内四面体化构建CoMP集，并设计无人机编队控制与跟踪方案，实现优于无CoMP方案且性能接近传统CoMP的覆盖与速率。
2023-12-25 cs.IT eess.SP math.IT
UAV Swarm Deployment and Trajectory for 3D Area Coverage via Reinforcement Learning
本文针对考虑障碍物的大规模三维区域覆盖问题，提出分层无人机集群部署与轨迹规划框架，并设计基于Q-learning的算法加速求解，仿真验证其性能优于其他方法。
2023-09-21 cs.NI eess.SP
Reconfigurable Airspace: Synergizing Movable Antenna and Intelligent Surface for Low-Altitude ISAC Networks
Shanghai Jiao Tong University（上海交通大学）；University of Sydney（悉尼大学）；Tohoku University（东北大学）
本文提出利用可移动天线与智能反射表面协同重构空域，以解决低空无人机ISAC网络中的机动性、传播复杂性和感知通信权衡问题，并分析了两种部署场景下的关键挑战与研究方向。
2025-11-13 cs.IT eess.SP math.IT
Federated Learning for UAV Swarms Under Class Imbalance and Power Consumption Constraints
Qatar University（卡塔尔大学）；Qualcomm Inc（高通公司）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
无人驾驶飞行器（UAV）在民用和军事应用中的使用持续增加，这是由于它们提供了超过传统方法的许多优点。尽管有很多这样的优点，但在考虑其设计限制的同时，必须研究无人机的使用性能。本文研究了无人机群在每架无人机携带一个机器学习分类任务时的部署问题。为了避免与地面处理节点的数据交换，在无人机领导者和群成员之间采用联邦学习方法，以改善局部学习模型，同时避免过多的空对地和地对空通信。此外，所提出的部署框架考虑了严格的能源约束的无人机和类不平衡的问题，我们表明，考虑这些设计参数显着提高性能的无人机群的分类精度，能源消耗和可用性的无人机相比，几个基线算法。
2021-08-23 cs.LG eess.SP
Clustering and Power Allocation for UAV-assisted NOMA-VLC Systems: A Swarm Intelligence Approach
将无人机（UAV）与非正交多址（NOMA）可见光通信（VLC）相结合，展现了VLC和NOMA-VLC系统的许多潜力。在这种情况下，用户分组是重要的，以降低NOMA解码的复杂度时，用户的数量是大的，但是，这个问题还没有被考虑在现有的研究。在本文中，我们的目标是最大化的加权和速率的所有用户联合优化无人机放置，用户分组，下行NOMA-VLC系统的功率分配。首先考虑一种有效的用户聚类策略，然后应用一种群体智能方法，即Harris Hawk Optimization（HHO），解决无人机联合布局和功率分配问题。仿真结果表明，该算法的性能优于四个替代方案：OMA，NOMA没有配对，NOMA-VLC与固定的无人机放置，和随机用户分簇。
2020-07-12 cs.NI eess.SP
Energy-Efficient UAV Swarm Assisted MEC with Dynamic Clustering and Scheduling
针对无人机集群辅助MEC的长期能效问题，提出动态分簇与资源调度联合优化，并通过多智能体随机博弈和RLDC算法求解，仿真验证其性能优势。
2024-02-29 cs.NI eess.SP
Resilient UAV Swarm Communications with Graph Convolutional Neural Network
Tsinghua University（清华大学）
研究了无人机群网络（USNET）在不可预测的外部中断（UEDs）下快速重建通信连通性的自愈问题。首先，为了应对一次性UED，我们提出了一个图卷积神经网络（GCN），并找到恢复拓扑的USNET在线的方式。其次，针对一般的UEDs，提出了一种基于GCN的轨迹规划算法，使无人机在自愈过程中能够重建通信连接。我们还设计了一个Meta学习计划，以促进在线执行的GCN。数值实验结果表明，无论是在一次性用户设备还是在一般用户设备情况下，所提算法都能比现有算法更快地重建USNET的通信连通性。仿真结果也表明，Meta学习方案不仅可以提高GCN的性能，但也降低了在线执行的时间复杂度。
2021-10-26 cs.LG eess.SP
Multi-UAV Multi-RIS QoS-Aware Aerial Communication Systems using DRL and PSO
Hamad Bin Khalifa University（哈马德·本·哈利法大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
本文提出一种结合深度强化学习和粒子群优化的两步方法，用于解决多无人机多RIS系统中的路径规划与相位配置优化问题，以最大化吞吐量和覆盖范围，仿真显示其QoS较暴力法和基线方案分别提升20%和30%。
2024-06-16 cs.LG eess.SP
DDPG Learning for Aerial RIS-Assisted MU-MISO Communications
本文定义了优化的下行链路多用户多输入，单输出（MU-MISO）的和速率为地面用户服务的空中可重构智能表面（ARIS），作为一个中继到地面基站的问题。深度确定性策略梯度（DDPG）被提出来计算最佳的有源波束形成矩阵在基站和反射元件的相移在ARIS最大化的数据速率。仿真结果表明，与深度Q学习（DQL）和基线方法相比，该方案具有优越性。
2022-07-13 cs.IT eess.SP math.IT
Ambient Backscatter Communication Assisted by Fluid Reconfigurable Intelligent Surfaces
Aalto University（阿尔托大学）；University of Granada（格拉纳达大学）；University College London（伦敦大学学院）
本文研究流体可重构智能表面（FRIS）辅助的环境反向散射通信（AmBC），构建对应系统模型，将FRIS单元位置优化建模为非凸问题，采用粒子群优化求解，仿真表明其吞吐量显著优于传统RIS辅助的AmBC系统。
2025-09-29 cs.IT eess.SP math.IT
Swarm of UAVs for Network Management in 6G: A Technical Review
第五代（5G）蜂窝网络已经导致了超5G（B5 G）网络的实现，该网络能够将自主服务整合到无人机（UAV）群中。它们提供容量扩展策略，以解决大规模连接问题，并保证超高吞吐量和低延迟，特别是在网络密度、带宽和流量模式波动的极端或紧急情况下。一方面，6 G技术集成了AI/ML、物联网和区块链，以建立超可靠、智能、安全和无处不在的无人机网络。另一方面，6 G网络依赖于新的使能技术，如空中接口和传输技术，以及独特的网络设计，这对无人机群提出了新的挑战。考虑到这些挑战，本文重点关注在6 G移动网络中运行的无人机群所面临的安全和隐私、智能和能效问题。在这篇最先进的综述中，我们将区块链和AI/ML与利用6 G生态系统的无人机网络集成在一起。然后提出了主要的研究结果，并确定了潜在的研究挑战。最后，我们的审查阐明未来的研究在这一新兴的研究领域。
2022-10-06 cs.NI eess.SP
Reconfigurable Intelligent Surface aided Massive MIMO Systems with Low-Resolution DACs
我们研究了一种可重构智能表面（RIS）辅助多用户大规模多输入多输出（MIMO）系统，其中低分辨率数模转换器（DAC）配置在基站（BS），以降低成本和功耗。基于最大比传输（MRT）和加性量化噪声模型（AQNM）推导了下行链路可达速率的近似解析表达式，并采用粒子群优化（PSO）算法求解了RIS处连续相移（CPS）和离散相移（DPS）下的速率最大化问题。仿真结果表明，随着DAC量化位数的增加，下行链路总可达速率趋于一个常数，四个量化位数就足以捕获理想理想DAC情况下的大部分性能。
2021-08-23 cs.IT eess.SP math.IT
Relative Localization of UAV Swarms in GNSS-Denied Conditions
针对GNSS拒止环境下大规模无人机蜂群定位误差大的问题，提出基于谱聚类的通感一体化相对定位框架，结合矩阵补全等技术降低误差，验证了信号参数对通信与定位性能的交互影响。
2025-09-04 cs.SY eess.SP eess.SY
Survey on Neighbor Discovery and Beam Alignment in mmWave-Enabled UAV Swarm Networks
本文综述了毫米波使能的无人机群网络中定向通信的邻居发现与波束对齐技术，回顾比较了现有方法并讨论了关键开放问题与潜在研究方向。
2024-10-15 cs.SY eess.SP eess.SY
Delay and Overhead Efficient Transmission Scheduling for Federated Learning in UAV Swarms
本文针对无人机集群联邦学习中的多跳无线传输问题，提出一种智能聚合与高效传输调度框架，理论证明其实现最小延迟和通信开销，并通过数值实验验证其优于现有基线方案。
2024-02-22 cs.IT cs.NI cs.SY
