Las redes de la generación futura deben proporcionar altas velocidades de transmisión y una cobertura flexible.Una forma de hacerlo es a través de redes de vehículos aéreos no tripulados o drones.Operan en el rango de ondas milimétricas.Pero las desventajas son el uso de una amplia gama de antenas y mayores pérdidas durante la propagación de la señal.Todo esto requiere energía y las baterías de los drones tienen una capacidad limitada.

Por lo tanto, se necesitan nuevos enfoques para optimizarconsumo de energíaen este tipo de redes.Un matemático de la RUDN y colegas de Egipto, China, Arabia Saudita y Uzbekistán han creado unred neuronal artificialpara este propósito.Su investigación espublicadoen el diarioDrones.

"Una red construida con drones amplía la capacidad y la cobertura de la red. Además, los drones se utilizan como estaciones de carga móviles para suministrar energía a dispositivos de bajo consumo. Dado que las baterías de los drones suelen tener una capacidad limitada, es importante hacer concesiones entre el área de coberturayuso de energía, así como el tiempo de mantenimiento.Para mejorar la cobertura yeficiencia energética, es importante asignar recursos, es decir, subcanales, potencia de transmisión y servicios de usuario", dijo Ammar Muthanna, Ph.D., director del Centro Científico para el Modelado de Redes Inalámbricas 5G de la RUDN.

Los matemáticos han desarrollado un sistema de optimización IRA-AEODL (asignación inteligente de recursos mediante un optimizador de ecosistema artificial con aprendizaje profundo).Distribuye recursos en una red inalámbrica a drones.Para ello, se utiliza un tipo especial de arquitectura: un codificador descargado compuesto.El principio fundamental de su funcionamiento es obtener una respuesta en la capa de salida más cercana a la de salida.El llamado optimizador de ecosistemas artificiales es la selección de parámetros de redes neuronales.

IRA-AEODL ha mejorado significativamente el rendimiento de otros sistemas conocidos.El rendimiento promedio de la red con un número fijo de usuarios para un sistema de 2 a 6 drones aumentó entre un 3% y un 17%.Y dependiendo del número de usuarios, hasta un 30%.Además, el nuevo sistema utiliza enfoques matemáticamente más estables.

"NuestroredLa técnica de asignación de recursos ha mejorado el rendimiento.Comparado con otros enfoques, nuestro algoritmo es más estable desde un punto de vista matemático.El modelo puede encontrar rápidamente la solución óptima al problema", afirmó Ammar Muthanna, Ph.D., director del Centro Científico de Modelado de Redes Inalámbricas 5G de la RUDN.

Más información:Ahsan Rafiq et al, Asignación inteligente de recursos mediante un optimizador de ecosistemas artificiales con aprendizaje profundo en redes UAV,Drones(2023).DOI: 10.3390/drones7100619