Oppimisstrategioita millimetriaaltoradion keilanmuodostukseen ja havainnointiin

Tässä tutkimuksessa kehitetään oppimiseen perustuvia strategioita nopeaan ja luotettavaan radiokeilanmuodostukseen droonien ja tukiasemien välisessä millimetriaaltotietoliikenteessä. Ratkaisumalliksi esitetään vahvistusoppimista, jolla sovitettuna kolmannen sukupolven (3GPP) viestintästandardeihin maksimoidaan keilanmuodostuksesta saatava hyöty. Reaaliaikaolosuhteiden simulaatiot osoittavat menettelyn johtavan aiemmin esitettyjä sekä oppimiseen perustuvia että tavanomaisia tekniikoita nopeampaan keilanmuodostukseen ja keilojen kohdistukseen. Esitettyä ratkaisumallia analysoidaan myös erilaisten tukiaseman peittovaatimusten, antennijärjestelyjen, konfiguraatioiden ja vaihtelevien kanavaolosuhteiden suhteen. Vahvistusoppimiseen pohjautuvaa ratkaisumallia kyetään laajentamaan droonien lentoratojen ja millimetriaaltojen keilanmuodostuksen yhteisoptimointiin. Simulaatiot osoittavat tällöin päästävän samaan tehokkuuteen lyhimmän reitin oppivien ja heurististen keilanhakumenetelmien kanssa.

Oppimiseen perustuvia strategioita esitetään myös nopeaan ja tarkkaan millimetriaaltokeilan tarjoaman muun informaation tunnistamiseen laitteistoja muuttamatta. Nämä ratkaisut perustuvat sivuinformaation poimimiseen radiotietoliikenteen aikana ja samalla esimerkiksi ihmisten läsnäolosta aiheutuvien radioaaltoesteiden havaitsemiseen. Simulaatiot osoittavat oppivan monikerros-perceptroniin perustuvan menettelyn pystyvän havaitsemaan karkea- ja hienorakenteiset esteet kohtuullisella tarkkuudella käyttämällä vastaanotetun signaalin mittauksia.