دانلود ترجمه مقاله الگوریتم طیف پهن باند برای شبکه های ارتباطی وسایل نقلیه هوایی بدون سرنشین (آی تریپل ای 2018) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

یک الگوریتم سنجش طیف پهن باند کارآمد برای شبکه های ارتباطی وسایل نقلیه هوایی بدون سرنشین

An Efficient Wideband Spectrum Sensing Algorithm for Unmanned Aerial Vehicle Communication Networks

چکیده

1. مقدمه

2. کارهای مرتبط

3. مدل سیستم و شکل مساله

4. سنجش طیف در حوزه فشرده

A. محدودیت سنجش متداول طیف فشرده

B. ایده اصلی

C. فیلترینگ فشرده تکراری

D. ویژگی ایزومتری محدود (RIP)

E. تحلیل پیچیدگی

5. نتایج شبیه سازی

A. عملکرد تحت شرایط پراکندگی غیر شدید

B. عملکرد تحت تاثیر نویز

C. اثر تعداد اندازه گیری های فشرده

D. مصرف زمان

6. نتیجه گیری

چکیده

قابلیت های سنجش قدرتمند و سطح بالاتر خودمختاری، چندین خودروهای هوایی بدون سرنشین  (UAV) می توانند شبکه های UAV را برای تکمیل قابل اعتماد، کارآمد و اقتصادی ماموریت ها شکل دهند. در حالی که شبکه های UAV برای کاربرهای بسیاری متعهد هستند، موضوعات قابل مقایسه ای وجود دارد که می بایست حل شود، پیش از آن که شبکه های UAV در مقیاس بزرگ به طور عملیاتی مورد استفاده قرا گیرند. در این مقاله به کارگیری فناوری رادیو شناختی را برای شبکه های ارتباطی UAV مورد مطالعه قرار می دهیم تا ظرفیت بالا و اراتباط قابل اطمینانی را برای دسترسی فرصت طلبانه و به موقع را ارائه می کند. سنجش فشرده در رادیو شناختی را برای تقویت عملکرد سنج طیف به کار گرفته می شود. با این حال، عملکرد روش های فعلی سنجش طیف فشرده به دلیل طیف به شدت پراکنده محدود می شود. علاوه بر این، فرآیند بازسازی مجدد به کارگیری شده در روش های موجود الزاماً  دارای پیچیدگی محاسباتی زیاد و کارآیی کم انرژی است. ما الگوریتم جدید پردازش سیگنال فشرده به نام فیلترینگ فشرده سازی تکراری  را برای بهبود عملکرد شبکه های ارتباطی UAV پیشنهاد می دهیم. ایده کلید از تصویرسازی متعامد  به عنوان فیلتر باند توقف  در حوزه فشرده استفاده می کند. مولفه های کاربران اصلی  (PU) در زیرکانال های شناسایی شده به طور تطبیقی در حوزه فشرده حذف می شود، که به طور مستقیم می توانند اندازه گیری تشخیص بیشتر کاربران فعال را به روز کنند. نتایج تجربی کارآیی افزایش یافته الگوریتم پیشنهادی را نسبت به الگوریتم های سنجش طیف فشرده را نشان داده است. الگوریتم پیشنهادی به احتمال تشخیص بیشتر در شناسایی زیر کانال های اشغال شده تحت شرایط طیف پراکنده همراه با کاهش بیشتر پیچیدگی محاسباتی دست یافته است، به طوری که می تواند پشتیبانی قدرتمندی از ارتباطات قابل اطمینان و به موقع را برای شبکه های UAV ارائه کند.

6. نتیجه گیری

شبکه های ارتباطی UAV توسط چندین UAV کوچک و هوشمند شکل می گیرد به طوری که می توانند به صورت مشارکتی ماموریت ها را با قابلیت اطمینان بیشتر و کارآیی و هزینه های کمتر کامل کنند. آن ها برای کاربردهای بسیاری همانند نجات، اضطرار، واکنش، تحویل اینترنتی، ایمنی عمومی و حمل و نقال قابل استفاده هستند. با این حال، پیاده سازی بالقوه متراکم شبکه های UAV و کاربردهای UAV نیازمند پهنای باند مساله ارتباط در شبکه های UAV را تشدید می کند. در این مقاله کاربرد فناوری رادیو شناختی باری شبکه های ارتباطی UAV با هدف از بین بردن مشکلات ارتباطی شبکه UAV با استفاده از قابلیت زیاد و دسترسی سریع فرصت طلبانه به طیف مورد بررسی قرار گرفته است. مساله تحقیق CS برای CRها در طیف فوق پهن باند فرموله شده است. 

Abstract

With increasingly smaller size, more powerful sensing capabilities and higher level of autonomy, multiple unmanned aerial vehicles (UAVs) can form UAV networks to collaboratively complete missions more reliably, efficiently and economically. While UAV networks are promising for many applications, there are many outstanding issues to be resolved before large scale UAV networks are practically used. In this paper we study the application of cognitive radio technology for UAV communication networks, to provide high capacity and reliable communication with opportunistic and timely spectrum access. Compressive sensing is applied in the cognitive radio to boost the performance of spectrum sensing. However, the performance of existing compressive spectrum sensing schemes is constrained with non-strictly sparse spectrum. In addition, the reconstruction process applied in existing schemes has unnecessarily high computational complexity and low energy efficiency. We proposed a new compressive signal processing algorithm, called Iterative Compressive Filtering, to improve the UAV network communication performance. The key idea is using orthogonal projection as a bandstop filter in compressive domain. The components of primary users (PUs) in the recognized subchannels are adaptively eliminated in compressive domain, which can directly update the measurement for further detection of other active users. Experiment results showed increased efficiency of the proposed algorithm over existing compressive spectrum sensing algorithms. The proposed algorithm achieved higher detection probability in identifying the occupied subchannels under the condition of non-strictly sparse spectrum with large computational complexity reduction, which can provide strong support of reliable and timely communication for UAV networks.

VI. CONCLUSION

UAV communication networks are formed by multiple small and smart UAVs, which can collaboratively complete missions with higher reliability and efficiency and lower costs. They can be used for many applications such as surveillance, emergency response, Internet delivery, public safety and transportation. However, the potentially dense deployment of UAV networks and bandwidth-hungry UAV applications will inevitably exacerbate the challenging communication problem of UAV networks. In this paper we investigated the application of cognitive radio technology for UAV communication networks, aiming to mitigate UAV network communication problems with high capacity and fast opportunistic spectrum access. The research problem of CS for CRs in ultra wideband spectrum was formulated.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک الگوریتم سنجش طیف پهن باند کارآمد برای شبکه های ارتباطی وسایل نقلیه هوایی بدون سرنشین

An Efficient Wideband Spectrum Sensing Algorithm for Unmanned Aerial Vehicle Communication Networks