网络化无人机协同宽带频谱感知与调度在 UTM 系统中的应用

我们提出了一个基于数据驱动的框架，用于网络化的无人机协同宽带频谱感知和调度，其作为次级用户为探测到的频谱空隙提供机会利用。为此，我们提出了一个多类分类问题，用于基于采集到的 I/Q 样本检测空闲频谱位置的宽带频谱感知。为了提高频谱感知模块的准确性，我们在无人机系统交通管理 (UTM) 生态系统中的服务器上对各个单独无人机进行的多类分类结果进行融合。在频谱调度阶段，我们利用强化学习 (RL) 解决方案将探测到的频谱空隙动态分配给次级用户 (即无人机)。为了评估所提出的方法，我们建立了一个综合的仿真框架，利用 MATLAB LTE 工具箱生成一个接近真实的合成数据集，其中包括所选兴趣区域内基站 (BS) 位置、射线跟踪和模拟主用户的信道使用情况的 I/Q 样本。这种评估方法提供了一个灵活的框架，可以生成用于开发基于机器学习 / 人工智能的空中设备频谱管理解决方案的大型频谱数据集。