《基于机器学习的无人机系统联网》256页博士论文

在 5G 新无线电（5G NR）的推动下，许多领域都取得了快速发展。与传统方法相比，波束成形和网络切片使 5G NR 的延迟、连接密度和体验吞吐量比 4G 长期演进（4G LTE）降低了十倍。这些优势为网络物理系统（CPS）的大规模演进铺平了道路。消耗的减少、控制工程的进步和无人机系统（UAS）的简化使大规模部署无人机系统网络变得可行。网络化无人机系统可同时完成多个复杂任务。然而，传统方法的局限性仍然是一个巨大的挑战，如何在大规模管理和高效联网之间做出权衡？

借助 5G NR 和机器学习，在本论文中的贡献可概括为以下几点：

• 提出了一种新颖的优化按需分布矢量（OAODV）路由协议，以提高无人机系统内联网的吞吐量。该新型路由协议可降低系统开销并提高效率。
• 为了提高安全性，提出了一种区块链方案来减少蜂窝连接无人机系统联网中的恶意基站，并提出了一种流量证明（PoT）来提高区块链在无人机系统大规模联网中的效率。
• 受生物细胞范式的启发，提出了用于异构无人机系统联网的细胞壁路由协议。通过5G NR，无人机系统组网之间的相互连接可以增强无人机系统组网的吞吐量和弹性。
• 通过机器学习，无人机系统内联网和无人机系统间联网的路由调度可以大规模提高无人机系统联网的吞吐量。无人机系统间组网可在全局范围内实现最大最小吞吐量的边缘着色。我利用上下限加速了边缘着色的优化。

本论文为 CPS 与机器学习的整合中的无人机系统联网铺平了道路。UAS 网络可以在分散式架构中实现出色的性能。同时，本论文还对大规模无人机系统联网提出了见解。这些都是整合无人机系统和国家航空系统（NAS）的基础，对有人驾驶和无人驾驶领域的航空至关重要。论文提供了促进大规模无人机系统联网的新方法。所提出的方法扩展了分散式架构中无人机系统联网的最新技术。所有改动都有助于与 CPS 建立无人机系统网络。