为了应对目前的大流行情况并恢复伪正常的日常生活,已经部署和维护了几项措施,如面具穿着,社会偏差,手消毒等。由于户外文化活动,音乐会和野餐,逐渐允许,需要密切监测人群活动,以避免不期望的接触和疾病传播。在这种情况下,智能无人驾驶飞行器(无人机)可以偶尔部署以确保应用这些活动的监控,以应用健康限制措施,并在未尊重后者时触发警报。因此,我们提出了一个完整的UAV框架,可追加Covid-19户外活动的智能监控。具体而言,我们提出了三个步骤方法。在第一步中,使用机器学习来分析UAV的捕获图像来检测和定位个体。第二步包括一种新颖的坐标映射方法来评估个人之间的距离,然后聚集它们,而第三步提供能量有效和/或可靠的UAV轨迹,以检查限制违规的限制群体,如面罩磨损。获得的结果提供了以下见解:1)有效检测单个取决于捕获图像的角度,2)坐标映射对个体边界框中的估计误差非常敏感,以及3)UAV轨迹设计算法2-由于其低复杂性和近最优性能,建议选择实际实时部署。
translated by 谷歌翻译
直接到 - 卫星(DTS)通信最近已获得支持全球连接的物联网(IoT)网络的重要性。但是,地球周围密集部署的卫星网络相对较长的距离会导致高路径损失。此外,由于必须部分在物联网设备中进行诸如光束成型,跟踪和均衡之类的高复杂性操作,因此硬件复杂性和对物联网设备的高容量电池的需求都会增加。可重新配置的智能表面(RISS)具有增加能源效率并在传输环境而不是物联网设备上执行复杂的信号处理的潜力。但是,RIS需要级联通道的信息,以更改事件信号的阶段。这项研究将试点信号评估为图形,并将此信息纳入图表网络(GATS),以通过试点信号来跟踪相位关系。提出的基于GAT的通道估计方法研究了DTS IoT网络的性能,以解决不同的RIS配置,以解决具有挑战性的通道估计问题。结果表明,与常规深度学习方法相比,在变化条件下,拟议的GAT均表现出更高的性能,并且在变化的条件下具有更高的鲁棒性,并且计算复杂性较低。此外,根据提议的方法,在通道估计下具有离散和不均匀相移的RIS设计研究了位错误率性能。这项研究的发现之一是,必须在RIS设计期间考虑操作环境的渠道模型和通道估计方法的性能,以尽可能利用性能改进。
translated by 谷歌翻译
从调制选择到多安滕纳策略,由于物理层的连续决策而实现了通信,并且每个决策都会影响通信系统的性能。未来的通信系统必须包括广泛的功能,因为它们将涵盖各种设备和应用。常规的物理层决策机制可能无法满足这些要求,因为它们通常是基于不切实际和过度简化的假设,这些假设导致复杂性和效率之间的权衡。通过利用过去的经验,学习驱动的设计是有希望的解决方案,即使在特殊情况下也能够快速响应。相应的设计解决方案应按照学习驱动的范例的线发展,这些范式提供了更多的自主性和鲁棒性。必须通过考虑现实世界系统的事实而不限制假设来实现这种进化。在本文中,提出了物理层中的共同假设,以突出它们在实用系统中的差异。作为解决方案,通过考虑实施步骤和挑战来检查学习算法。此外,通过使用软件定义的无线电节点进行实时案例研究来讨论这些问题,以证明潜在的性能改善。提出了一个网络物理框架,以纳入未来的补救措施。
translated by 谷歌翻译
将推动下一代通信技术,以陆地网络与含有高空平台站和低地球轨道卫星的MEGA-星座的陆地网络(NTNS)的合作。另一方面,人类已经开始在一条漫长的道路上建立在其他行星上的新栖息地。这认为NTN与NTNS具有深度空间网络(DSN)的合作。在这方面,我们提出了使用可重构的智能表面(RISS)来改善和升级这一合作,因为它们与空间的操作环境的尺寸,重量和电力限制完全匹配。通过针对挑战,用例和公开问题来提出RIS协助非陆地和行星通信的全面框架。此外,通过仿真结果讨论了环境效应下RIS辅助NTN的性能,例如太阳闪烁和卫星阻力。
translated by 谷歌翻译