Sig2text, a Vision-language model for Non-cooperative Radar Signal Parsing
针对军事和民用领域智能设备对截获雷达信号自动非合作分析的需求,提出结合上下文无关文法与雷达波形时频表示的视觉语言模型Sig2text,通过视觉Transformer提取特征、Transformer解码器解析符号,在合成数据集上验证其对不同调制类型和参数雷达波形的识别解析有效性。
2025-04-16 eess.SP
Non-Centralized Navigation for Source Localization by Cooperative UAVs
在本文中,我们提出了一个分布式的解决方案,无人驾驶航空器(UAV)的人口的导航,以最好地定位静态源。该网络被认为是异构的无人机配备有接收信号强度(RSS)传感器,从它是可能的,以估计从源的距离和/或到达的波达方向通过自组织旋转。这种收集和处理RSS测量的多样性减轻了由于采用低复杂度传感器而导致的定位精度损失。无人机在飞行中以分布式方式规划其轨迹。收集的数据通过网络经由多跳传播,因此受到延迟的影响。由于不是所有的路径是平等的信息收集奖励方面,运动规划制定为最小化的源位置的不确定性下的无人机运动学和防碰撞的约束和执行的3D非线性规划。所提出的分析考虑到非视线(NLOS)的信道条件,以及在通信中的延迟约束所造成的测量年龄。
2019-10-28 eess.SP
Cooperative RADAR Sensors for the Digital Test Field A9 (KoRA9): Algorithmic Recap and Lessons Learned
基础设施感测系统与基础设施到车辆的通信相结合,可以用于增强仅从车辆的角度获得的传感器数据。本文提出了一种系统,该系统由安装在街道一侧的雷达传感器网络组成,以及边缘处理单元来融合不同传感器的数据。演示所采取的措施,系统架构进行了讨论,并提出了一些经验教训。
2022-01-04 eess.SP
3GPP-Compliant Radar Cross Section Characterization of Indoor Factory Targets
本文在25–28 GHz频段测量小型/中型UAV、机械臂和AGV,验证并校准符合3GPP的RCS对数正态模型,为InF通感一体信道建模提供实证依据。
2025-05-13 eess.SP
Distributed Algorithm for Cooperative Joint Localization and Tracking Using Multiple-Input Multiple-Output Radars
本研究针对MIMO雷达提出基于消息传递框架和平均场方法的分布式联合定位跟踪算法,通信开销与雷达数线性相关,在低信噪比下仍有良好精度,多数轨迹真实值处于95%置信区间内。
2025-03-20 eess.SP
Cooperative Internet of UAVs: Distributed Trajectory Design by Multi-agent Deep Reinforcement Learning
无人机(UAV)具有部署灵活、覆盖范围广等优点,在下一代蜂窝网络中具有很大的传感应用潜力,这将催生无人机蜂窝互联网。在本文中,我们考虑了一个蜂窝互联网的无人机,无人机执行传感任务,通过合作的传感和传输,以尽量减少年龄的信息(AoI)。然而,协同感知和传输与无人机的轨迹紧密耦合,这使得轨迹设计具有挑战性。为了应对这一挑战,我们提出了一个分布式的感测和发送协议,其中无人机通过从一组离散的任务和一组连续的位置进行感测和传输来确定轨迹。基于该协议,我们制定了AoI最小化的轨迹设计问题,并提出了一种基于深度强化学习的复合动作演员-评论家(CA 2C)算法来解决这个问题。CA 2C算法可以学习最优策略的行动涉及连续和离散变量,适合于轨迹设计。{Our仿真结果表明,CA 2C算法优于四种基线算法。此外,我们表明,通过划分的任务,合作的无人机可以实现较低的AoI相比,非合作的无人机。
2020-07-28 cs.SY eess.SP eess.SY
Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar
School of Computer Science, Hangzhou Dianzi University(杭州电子科技大学计算机科学学院);TopXGun Robotics(TopXGun机器人);CARDC;College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院);College of Electronics and Information Engineering, Tongji University(同济大学电子信息工程学院)
本文提出一种低成本旋转毫米波雷达框架,用于提升农业无人机在复杂农田中的地形感知能力,通过扩大空间覆盖范围和改进地形可观察性,实现更准确的地面提取和连续地形估计。
2026-11-11 cs.RO eess.SP
Deep learning-based UAV detection in the low altitude clutter background
无人机(UAV)由于其低成本和多功能性而被广泛使用,但它们也构成安全和隐私威胁。因此,对低空无人机进行可靠的探测是一个重要的问题。强地杂波使小型无人机的雷达回波淹没在噪声中,导致雷达探测可靠性低。针对上述问题,提出了一种基于深度对比学习的低空无人机检测方法:首先建立了低空杂波干扰下的低空无人机雷达回波模型。根据无人机回波信号的成分特征和多普勒域可识别机理,采用ZAM变换和形态学运算相结合的时频变换方法抑制杂波背景下的模糊问题。然后利用引入对比度学习的特征提取与融合方法抑制非目标地杂波干扰。最后,设计了一种基于语义特征的低空无人机检测器,用于低空无人机的可靠识别。对真实数据和仿真数据的实验表明,该方法能够有效抑制地杂波,可靠地提取无人机的可识别语义特征。该方法与现有方法相比,具有较低的虚警和漏报率,在相同信噪比下,检测精度提高了5%以上,有效提高了检测的可靠性。
2022-02-24 eess.SP
Cooperative Multiterminal Radar and Communication: A New Paradigm for 6G Mobile Networks
新的带宽需求应用的出现所带来的即将到来的频谱拥塞可以通过将雷达和传统通信功能集成在一个共同的系统中来缓解。此外,近年来,将感测组件合并到无线通信网络中已经引起了人们的兴趣,并且它可能成为6G的引人注目的设计目标。本文介绍了迄今为止分离的雷达和通信系统向称为联合雷达和通信(RADCOM)系统的混合体的演变。因此,我们建议将无线电传感组件集成到6G中。我们认为一个超密集网络(UDN)的情况下,依赖于一个积极的多基地雷达配置和整个覆盖区域的接入点之间的合作。确定了实现可行集成所需的技术趋势、预期应用和开放研究挑战,重点是高精度网络同步。这些技术的成功集成将促进厘米级分辨率,从而支持下一代网络的引人注目的高分辨率应用,如机器人汽车和工业装配线。
2021-11-09 eess.SP
Analysing Multibeam, Cooperative, Ground Based Radar in a Bistatic Configuration
相控阵数字波束形成与数字信号处理相结合的最新进展应能使双基地配置的多波束雷达得到发展。在双基地设置中,从发射机向外传播的脉冲应该被接收机跟随或“追赶”。在传输过程中,根据发射器、接收器和脉冲的位置,数字波束的数量及其在发射器处的位置会发生变化。本文分析了脉冲追踪所需的数字波束数目与接收机波束切换速率的几何关系。此外,我们推导出的脉冲重复频率(PRF)的双基地配置的基础上所需的检测范围。结果表明,在双基地的情况下,脉冲重复频率可以增加相比,其单基地对应时,发射机和接收机之间的距离增加。我们的研究结果应用于空中交通管制雷达的情况下,显示多波束,地基双基地监视雷达的可行性。它将被证明,最大的脉冲重复频率几乎可以增加一倍,自适应传感和跟踪范例可以导致最多64个同时接收器波束的双基地监视和跟踪设置。
2020-10-30 eess.SP
Comparative Analysis of Radar Cross Section Based UAV Classification Techniques
研究了利用无人机雷达散射截面(RCS)特征进行无人机识别的问题。在电波暗室中测量了6架商用无人机在15 GHz和25 GHz下的垂直-垂直和水平-水平极化RCS。RCS签名用于训练15种不同的分类算法,每种算法属于三个不同类别之一:统计学习(SL),机器学习(ML)和深度学习(DL)。研究表明,虽然所有算法的分类精度随着信噪比(SNR)的增加,ML算法取得了更好的精度比SL和DL算法。例如,使用来自UAV的15 GHz VV极化RCS测试数据,分类树ML在3 dB SNR下实现了98.66%的准确度。我们调查的分类精度,使用蒙特卡罗分析的援助箱形图,混淆矩阵,和分类图。平均而言,分类树ML模型的准确性优于其他算法,其次是Peter Swerling统计模型和判别分析ML模型。一般来说,ML和SL算法的分类准确性优于研究中考虑的DL算法(Squeezenet,Googlenet,Nasnet和Resnet 101)。此外,还分析了每种算法的计算时间.该研究的结论是,虽然SL算法取得了良好的分类精度,计算时间相对较长的ML和DL算法相比。此外,研究表明,分类树实现了最快的平均分类时间约0.46 ms。
2021-12-17 eess.SP
A MARL Based Multi-Target Tracking Algorithm Under Jamming Against Radar
针对无人机集群雷达跟踪受干扰问题,提出基于多智能体强化学习的有源/无源模式选择算法,并用模拟退火处理约束,仿真验证有效。
2024-12-17 cs.SY eess.SP eess.SY
Cooperative Passive Coherent Location: A Promising 5G Service to Support Road Safety
5G承诺了许多新的垂直服务区,而不仅仅是简单的通信和数据传输。我们提出CPCL(合作无源相干定位),分布式MIMO雷达服务,它可以由移动无线电网络运营商提供的服务,为公众用户群。CPCL是无线电网络的固有组成部分,它利用了为5G提出的最重要的关键功能。它通过引入合作原则扩展了众所周知的无源雷达(也称为无源相干定位,PCL)的思想。这些范围从协作、同步无线电信令和MAC到传感器和场景级别上的雷达数据融合。通过使用软件定义的无线电和网络范例,以及用于5G的实时移动边缘计算设施,CPCL有望成为一种无处不在的雷达服务,这种服务可能是自适应的,可重新配置的,也许是认知的。由于CPCL可以双重利用无线电资源(频段和硬件),因此可以认为是一种绿色技术。虽然我们从车辆到车辆/基础设施(V2X)通信的角度介绍了CPCL的概念,但它肯定也可以应用于工业、运输、物流以及安全和安保应用中的许多其他应用。
2019-10-01 eess.SP
Distributed UAV Placement Optimization for Cooperative Line-of-Sight MIMO Communications
利用无人机进行协作通信是无基础设施无线网络中一项很有前途的技术。基于无人机的通信的关键挑战之一是回程吞吐量。在本文中,我们提出了优化的无人机群的位置,以实现高复用增益的视线(LoS)MIMO回程。我们开发了两种分布式算法来定位无人机,使得每个无人机移动最小的距离,以实现最高容量的LoS MIMO信道。第一种方法使用迭代梯度下降(GD),第二种方法使用迭代蛮力(BF)。仿真结果表明,这两种算法可以实现高达6倍的容量相比,该方法依赖于随机无人机的位置,在文献中提出的。BF具有不需要任何位置信息的优点,而GD对运动中的误差不太敏感。
2018-11-06 eess.SP
Cooperative ISAC-empowered Low-Altitude Economy
本文提出一种协作式ISAC方案,通过张量分解与降维到达角估计算法估计无人机参数,并利用多基站数据融合、MST数据关联、帕累托最优性和残差加权方法实现无人机位置与速度的精确估计,仿真验证了其有效性。
2024-12-29 eess.SP
RadCloud: Real-Time High-Resolution Point Cloud Generation Using Low-Cost Radars for Aerial and Ground Vehicles
Duke University(杜克大学)
本研究提出RadCloud实时框架,通过低分辨率雷达配置、轻量深度学习模型及chirp抗运动干扰方法,在资源受限的无人机与无人车上实时生成类激光雷达高分辨率点云,验证了其准确性与适用性。
2024-03-09 cs.RO eess.SP
Energy-Efficient Cooperative Caching in UAV Networks
针对无人机(UAV)网络,研究了联合缓存与协作通信(Fog-RAN)的能量效率。由于无人机的电池和缓存有限,将流行的内容放在缓存中并管理无人机的能量消耗变得至关重要。我们制定的能量消耗的无人机作为一个聚合的通信/缓存,悬停,和垂直位移能量,然后设计一个优化问题,最佳分配内容的缓存和选择的高度无人机。采用随机几何的工具,我们还推导出EE在一个数值上易于处理的形式作为密度的函数,合作区的半径,缓存大小,主要的通信/物理特性的无人机,和有影响力的环境参数。我们开发了两种具有低计算复杂性的内容放置策略。进行的数值结果表明,通过采用这些算法,与常见的内容放置方案相比,能够将EE提高高达800%,例如,最不常用的(LRU),最流行的,和点击率。此外,虽然在LRU和命中率方案下,垂直位移无人机没有任何好处,但在我们的算法下,可以将EE提高至多600%。重要的是,通过我们的算法,可以增加合作区的大小,以稳定地增加EE,这是不是LRU的情况下,最流行的,命中率计划。我们最后观察到,有最佳值的密度和缓存大小的无人机,授予最大EE。
2019-08-20 cs.IT eess.SP math.IT
Decentralized Semantic Communication and Cooperative Tracking Control for a UAV Swarm over Wireless MIMO Fading Channels
针对无人机群在MIMO衰落信道下的语义通信与协同跟踪控制问题,提出动态模型与漂移加惩罚优化,推导闭式最优解并建立稳定条件,显著优于现有方法。
2024-11-09 cs.SY eess.SP eess.SY
Integrated Sensing and Communication enabled Multiple Base Stations Cooperative UAV Detection
本文提出一种基于MUSIC的多基站符号级融合方法,通过单基站预处理与格点搜索实现高精度无人机定位与速度估计,仿真验证其优于基准方法。
2024-04-19 eess.SP
Cooperative Coherent Multistatic Imaging and Phase Synchronization in Networked Sensing
本文研究车载雷达网络中的协作相干多站成像,证明其能提升弱目标检测与分辨率,并提出三步相位同步程序以保障相干处理精度。
2023-11-13 eess.SP
AI-Empowered Low-Altitude Economy: Cooperative Sensing With Fixed Wireless Access
本文提出一种基于AI的两阶段协同感知方法,利用FWA设备的上行CSI实现无人机检测与定位,实验表明该方法能有效降低误检概率并满足3GPP要求。
2026-05-08 eess.SP
Formation Control for CRLB-Optimal Cooperative Sensing in Low-Altitude Wireless Networks
Southern University of Science and Technology(南方科技大学);The Education University of Hong Kong(香港教育大学);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));Liaoning Petrochemical University(辽宁石油化工大学);Shenzhen University(深圳大学)
本文提出了一种分布式编队控制策略,用于低空无线网络中实现CRLB最优的协同感知,通过优化无人机编队几何结构提升感知精度。
2026-02-27 eess.SP
Uncoordinated Cooperative OFDM Multi-Hop UAV Relay Networks Using Virtual Channels Based on All-Pass Filters
ENIS, Univ. of Sfax(萨法克斯大学国立高等工程师学校);SUP’COM, Univ. of Carthage(迦太基大学高等通信学院)
针对自主协同OFDM多跳无人机中继网络因非协同传输产生的破坏性干扰问题,提出基于截断全通滤波器的虚拟发射信道方案,结合分布式随机STBC并设计复合信道估计算法,仿真显示其性能显著优于经典相位抖动方案。
2025-11-19 eess.SP
Doors in the Sky: Detection, Localization and Classification of Aerial Vehicles using Laser Mesh
隐身技术和无人机(UAV)有望主导当前和未来的空战。然而,雷达系统在其最大工作范围内并不总是能够检测到隐身和小型无人机,主要是由于其小的雷达横截面和/或低高度。在本文中,提出了一种新的技术作为雷达技术的替代。所提出的方法是基于创建一个网状结构的激光束从空中平台向地面发起。激光网格就像天空中的一张虚拟网。任何扰乱激光束路径的飞行器都会被检测到,随后被定位和跟踪。作为附加特征,波束的转向可以用于增加覆盖范围以及改进定位和分类性能。基于高斯分布,人工创建不同类型的飞行器的数据库。该数据库用于开发几种机器学习(ML)模型,使用不同的算法对目标进行分类。总的来说,我们通过模拟证明,我们提出的模型实现了同时检测,分类,定位和跟踪的目标。
2021-11-14 eess.SP
Trajectory and Resource Optimization for UAV Synthetic Aperture Radar
本文研究了配备合成孔径雷达(SAR)系统的轻型旋翼无人机(UAV)的轨迹和资源优化问题。UAV的任务是对给定的感兴趣区域(AoI)进行SAR成像。在这种设置中,需要与基站(BS)进行实时通信,以促进无人机的实时任务规划。为此,非凸混合整数非线性规划(MINLP)的制定,使无人机资源和三维(3D)轨迹联合优化的无人机雷达地面覆盖范围最大化。我们提出了一个低复杂度的次优算法的基础上逐次凸逼近(SCA)的解决问题,并执行有限搜索,以优化的总距离穿越的无人机最大的覆盖范围。我们表明,所提出的三维轨迹规划实现了至少70%的改进,在雷达地面覆盖率相比,基准计划采用恒定功率的通信或雷达成像。我们还表明,将BS定位在AoI附近可以显着提高无人机的雷达覆盖范围。
2022-07-12 eess.SP
Latent Semantic State Estimation for Reliable Swarming of UAVs under Intermittent Connectivity
Institute for Advanced Computing and Bradley Dept. of Electrical and Computer Engineering Virginia Tech(弗吉尼亚理工大学高级计算研究所与布拉德利电气与计算机工程系)
针对间歇空-空通信下无人机集群协同侦察的问题,提出带记忆增强的潜在语义状态估计框架,采用集中式训练与分布式执行,仿真显示其性能接近全连通集群且鲁棒性良好。
2026-08-11 eess.SP
Secure Swarm UAV-assisted Communications with Cooperative Friendly Jamming
提出了一种适用于集群无人机(UAV)辅助的放大转发(AF)中继网络的协同友好干扰框架。由于无人机的能量有限,我们开发了一个协作的时间切换中继协议,允许无人机合作收获无线能量,中继信息,并干扰窃听者。为了评估保密率,我们推导出两种流行的检测技术在窃听者的保密中断概率(SOP),即,选择合并和最大比率合并。蒙特卡洛模拟,然后使用验证理论SOP推导,并显示所提出的框架的有效性SOP相比,传统的放大和转发中继系统。使用导出的SOP,可以获得工程见解,以优化能量收集时间和群中无人机的数量,以实现给定的保密保护级别。在这项工作中得出的分析SOP也可以在未来的无人机安全通信优化(例如,无人机的位置)。作为一个例子,我们提出了一个案例研究,以找到最佳的走廊定位群,以尽量减少系统SOP。
2021-07-29 cs.IT eess.SP math.IT
3D Radar Imaging from the UAV Nadir
Interuniversity Micro-Electronics Center (IMEC)(互大学微电子中心);Vrije Universiteit Brussel (VUB)(布鲁塞尔自由大学)
针对无人机天底视角的三维雷达成像问题,本文提出基于低成本MIMO毫米波雷达的InSAR框架及PGA相位误差补偿方法,经仿真与实验验证了算法的有效性。
2026-09-07 eess.SP
Cooperative Integrated Sensing and Communication Networks: Analysis and Distributed Design
针对集成感知与通信场景,提出采用HBF架构的Co-ISACNet及基于近端梯度与交替方向乘子法的分布式优化框架PANDA,在满足雷达波束约束下最大化通信容量,降低复杂度并提升双功能性能。
2025-06-18 eess.SP
Measurement Testbed for Radar and Emitter Localization of UAV at 3.75 GHz
本研究提出一种基于商用现货设备的3.75GHz无人机雷达与辐射源定位测试平台,实现纳秒级同步与厘米级定位,经16平方公里城区实测验证了两类场景的性能,支撑ISAC下无人机 surveillance 集成研究。
2023-01-26 eess.SP
Energy-Efficient Cooperative Secure Transmission in Multi-UAV Enabled Wireless Networks
研究了一种多个潜在窃听者存在下的多无人机协同安全传输方案。具体而言,多个源无人机(SUAVs)向多个合法地面用户发送机密信息,同时多个干扰无人机(JUAVs)协同向多个窃听者发送干扰信号,以提高合法用户的可达保密率。考虑到无人机的能量预算有限,本文的目标是在无人机机动性和最大发射功率约束下,通过联合优化无人机轨迹、发射功率和用户调度,最大化系统保密能量效率(SEE),即单位能量消耗可达到的保密率。由此产生的优化问题是一个非凸的混合整数分数优化问题,这是具有挑战性的解决。将原问题分解为3个子问题,利用块坐标下降法和Dinkelbach方法,结合逐次凸逼近技术,提出了一种高效的迭代算法.仿真结果表明,所提出的方案优于其他基准显着的系统SEE。
2019-12-04 cs.IT eess.SP math.IT
When UAVs Meet ISAC: Real-Time Trajectory Design for Secure Communications
本文研究安全ISAC的实时UAV轨迹设计,提出基于EKF的方法跟踪预测合法用户位置,并开发迭代算法求解非凸轨迹优化问题,以最大化实时保密速率并实现合法与泄漏速率的有效权衡。
2023-06-25 eess.SP
Dynamic Channel Selection in UAVs through Constellations in the Sky
无人机(UAV)与地面基站(BS)之间的无线通信容易受到对抗性干扰。在这种情况下,UAV向BS指示新信道是重要的。本文描述了一种创建空间代码的方法,该空间代码将所选信道映射到无人机在空间中的运动和位置,其中后者物理地从给定的所谓“星座点”到另一个空间。这些点在天空中创建图案,类似于经典无线通信中的调制星座,并且在BS处通过毫米波(mmWave)雷达传感器来检测。星座点表示映射到特定信道的不同n比特字段,允许在两端同时进行频率切换而无需任何RF传输。本文的主要贡献是:(i)我们进行实验研究,以证明如何使用COTS无人机和毫米波传感器形成这样的星座,给出现实的感测误差和悬停振动,(ii)我们开发了一个理论框架,将所需的星座设计映射到误差和频带切换时间,再次考虑实际的无人机运动限制,和(iii)我们实验证明干扰弹性通信和验证系统有效吞吐量的无人机安装的软件定义的无线电形成的链接。
2020-02-11 eess.SP
Curriculum-Guided Heterogeneous Multi-Agent Intelligence for Multi-UAV Cooperative ISAC
University of Electronic Science and Technology of China(电子科技大学);Nanjing University(南京大学);Southeast University(东南大学);China Mobile Zijin Innovation Institute(中国移动紫金创新研究院)
提出一种基于课程学习的异构近端策略优化算法,通过联合轨迹-波束赋形优化解决多无人机与地面基站协同ISAC中的后验克拉美-罗界最小化问题,实现感知性能提升30%以上。
2026-05-22 eess.SP
Learning-Based UAV Path Planning for Data Collection with Integrated Collision Avoidance
针对多无人机非协作场景下的物联网数据采集与避障问题,提出基于D3QN的无环境先验路径规划方法,实现高成功率、高采集率和低碰撞率的实时导航。
2023-12-11 eess.SP
Trajectory Optimization for Cooperative Dual-band UAV Swarms
Stevens Institute of Technology(史蒂文斯理工学院);The University of British Columbia(不列颠哥伦比亚大学);Karlstad University(卡尔斯塔德大学)
本文针对带宽需求大且容忍延迟的应用,提出双频无人机轨迹优化框架,通过混合非线性规划问题优化无人机路径和停靠点,以最小化总服务时间。
2018-07-25 cs.RO cs.SY eess.SP
GreenScatter: Through-Canopy Soil Moisture Sensing with UAV-Mounted Radar
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);The Aerospace Corporation(航空航天公司)
本文提出GreenScatter框架,利用无人机雷达通过冠层传感土壤含水率,通过微波辐射传输模型和雷达散射截面估计方法,实现不同冠层条件下的高精度土壤含水率估算。
2026-04-10 eess.SP
Quantum Multi-Agent Reinforcement Learning for Cooperative Mobile Access in Space-Air-Ground Integrated Networks
Korea University(高丽大学);Ajou University(亚洲大学);University of Houston(休斯顿大学)
本文提出基于量子多智能体强化学习(QMARL)的调度方法,解决空天地一体化网络中立方星与无人机协作移动接入的维度灾难问题,实现对数级动作维度缩减,提升全球接入可用性与能效。
2024-06-24 cs.AI eess.SP
Networked ISAC for Low-Altitude Economy: Transmit Beamforming and UAV Trajectory Design
本文针对低空经济场景下的网络化ISAC系统,联合优化地面基站协同波束成形、授权无人机轨迹与基站关联,通过AO、SCA和SDR结合的算法求解非凸问题,有效平衡感知与通信性能,显著提升无人机平均和速率。
2024-05-13 eess.SP
MIMO OFDM-Enabled ISAC for Low-Altitude Non-Cooperative UAV Surveillance: A Survey
Hong Kong Polytechnic University(香港理工大学);The University of Hong Kong(香港大学);Beihang University(北京航空航天大学)
本文综述了基于MIMO OFDM的非合作低空无人机监视ISAC技术,分析了低空无人机感知的传播特性及波形设计,回顾了现有技术在系统建模、检测算法、识别方法及实验验证方面的进展,并总结了面临的挑战与未来研究方向。
2026-04-03 eess.SP
Cooperative system of emission source localization based on SDF
针对城市化环境下发射源精准定位需求,提出由多架无人机构成无线传感器网络、基于频谱感知和信号多普勒频率方法的协同定位系统,仿真验证其效能优于单无人机方案。
2018-05-01 cs.IT eess.SP math.IT
Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol
School of Electronics Engineering and Computer Science, Peking University(北京大学电子工程与计算机科学学院)
本文提出了一种细胞控制无人机传感网络,通过协同完成传感任务,采用感知-发送协议,优化轨迹、传感位置和无人机调度以最小化任务完成时间。
2018-05-30 cs.SY eess.SP eess.SY
Sensing Performance of Cooperative Joint Sensing-Communication UAV Network
提出一种利用波束共享的协作式联合感知通信无人机网络,通过理论分析与仿真确定了总功率约束下最优无人机数量与感知波束功率。
2023-04-04 cs.IT eess.SP math.IT
Accelerating Multi-UAV Collaborative Sensing Data Collection: A Hybrid TDMA-NOMA-Cooperative Transmission in Cell-Free MIMO Networks
本研究针对多无人机协同感知数据收集场景,采用无蜂窝MIMO网络管控干扰,提出融合TDMA、NOMA与协作传输的混合策略,通过联合优化任务拆分比例与传输方案,有效缩短感知任务完成时间。
2024-11-04 cs.IT eess.SP math.IT
Artificial Intelligence Aided Next-Generation Networks Relying on UAVs
针对动态环境,提出了人工智能(AI)辅助无人机(UAV)的下一代网络。在支持人工智能的无人机辅助无线网络(UAWN)中,多个无人机被用作空中基站,其能够通过收集关于用户的位置和远程业务需求的信息、从环境中学习并根据从用户接收的反馈采取行动来快速适应动态环境。此外,人工智能使一群无人机之间的互动,以合作优化系统。作为AI框架的一个好处,可以规避传统UAWN的几个挑战,从而增强网络性能,提高可靠性和敏捷自适应性。作为进一步的好处,动态轨迹设计和资源分配的证明。最后,讨论了潜在的研究挑战和机遇。
2020-01-28 cs.AI cs.LG cs.SY
Stochastic Analysis of Cooperative Satellite-UAV Communications
研究了一种卫星-无人机(UAV)双跳协作通信系统,该系统包括一颗卫星(S)、一组簇首(CH),它们分别与一组均匀分布的UAV通信。具体地,这些CH用作空中解码和转发中继,以将S发送的信息转发给UAV。此外,自由空间光(FSO)和射频(RF)技术分别采用S-CH和CH-UAV链路,以利用FSO的高方向性长距离传输和RF的全向覆盖能力。CH在三维空间中的位置遵循Matérn硬核点过程II型,其中每个CH不能比预定义的距离更接近任何其他CH。在性能建模过程中,考虑了三种不同的情况:无干扰、干扰主导和干扰和噪声情况。然后,研究了S-CH链路和CH-UAV链路在三种情况下的覆盖性能,推导了两种链路覆盖概率的解析表达式。推导了无干扰情况下S-CH链路和CH-UAV链路上CP的渐近表达式。最后,数值结果验证了我们提出的分析模型,从而得出一些有意义的结论。
2021-03-18 cs.IT eess.SP math.IT
mmHawkeye: Passive UAV Detection with a COTS mmWave Radar
本文提出mmHawkeye,一种利用商用毫米波雷达的无源无人机检测方法,通过周期性微运动信号特征实现远距离检测,结合动态规划、粒子滤波和LSTM进行跟踪与识别,实验检测准确率达95.8%,最远检测距离80米。
2023-08-12 cs.NI eess.SP
Multiple UAV-Assisted Cooperative DF Relaying in Multi-User Massive MIMO IoT Systems
本文针对多用户大规模MIMO物联网系统,提出联合优化混合波束成形、多无人机中继定位与功率分配的方法,以最大化总可达速率,并验证其优于单无人机及固定配置方案。
2024-04-03 cs.IT eess.SP math.IT
Communication and Control in Collaborative UAVs: Recent Advances and Future Trends
Tongji University(同济大学);Frontiers Science Center for Intelligent Autonomous Systems(智能自主系统前沿科学中心);United Arab Emirates University (UAEU)(阿联酋大学);Western Sydney University(西悉尼大学);Embry-Riddle Aeronautical University(安柏瑞德航空大学);Hankuk University of Foreign Studies(韩国外国语大学)
本文全面综述了多UAV系统中的协作通信与控制,探讨了智能UAV特性、协作任务及城市环境应用,并指出了未来研究方向。
2023-02-23 cs.MA cs.RO eess.SP
UAV-Involved Wireless Physical-Layer Secure Communications: Overview and Research Directions
由于其灵活的部署和按需移动性,小型无人机(UAV)预计将在即将到来的第五代(5G)网络中广泛应用于通信应用。然而,无人机通信应用的保密性易受广播性质和主导视距(LoS)信道条件的安全威胁,物理层安全(PLS)技术可以在这种情况下应用于保密性能增强。另一方面,利用无人机协同保护安全通信也是有希望的。本文综述了近年来无人机物理层安全通信的研究进展。重点研究了针对无人机不同角色的安全传输方案设计,以及针对无人机自身特点对引入自由度的优化。最后,我们提出了一些未来的研究方向。
2019-06-24 cs.IT cs.NI eess.SP