9、无人机网络优化中的深度学习应用

无人机网络优化中的深度学习应用

1. 无人机网络干扰与调度

在无人机网络中，干扰和调度是影响网络性能的重要因素。干扰增强主要能减少无人机网络中每个链路的延迟，而减少每个链路上的干扰则可以提高多跳数据包传递的成功率。调度不同组的活动链路可以减少同一时隙中的冲突，从而降低不同路由中的干扰并提高数据包传递率（PDR）。通过从无人机网络中获取的网络状态，深度学习（DL）可以生成网络状态，并利用强化学习（RL）策略来提高无人机网络的吞吐量。

类别	具体方面
干扰	1. 链路选择 2. 调度
调度	1. 活动链路选择 2. 链路顺序分配

2. 无人机网络路由增强

无人机网络推动了无人机群的发展，在无人机编队中起着至关重要的作用。可靠高效的路由算法可以为服务提供低延迟和低数据包丢失率。无人机网络路由算法可以找到传输的最短成本路径。然而，飞行自组织网络（FANET）的特性给路由算法带来了挑战。为了提高FANET路由的吞吐量，研究人员提出了许多面向FANET的路由算法。根据基于的模型，无人机网络路由算法可分为三类：
1. 基于位置的路由算法 ：基于地理位置，无人机在传输前找到目的地，类似于热土豆路由协议。可分为单路径和多路径两类。
-