표제지
ABSTRACT
목차
약어 설명 9
제1장 연구 목적 및 개요 10
제1절 배경 지식 10
제2절 UAV 기반 3차원 셀룰러 네트워크 11
제3절 논문 구성 11
제2장 관련 연구 동향 12
제1절 3차원 셀룰러 네트워크에서 UAV 운용을 위한 공중-지상 채널 모델 연구 12
제2절 비학습 알고리즘 기반 UAV 이동성 제어 연구 13
제3절 강화학습 알고리즘 기반 UAV 이동성 제어 연구 16
제3장 UAV 네트워크의 아웃티지 사용자 최소화 및 에너지 효율 최대화를 위한 저복잡도 준분산형 큐-러닝 기반 UAV 이동성 및 전송 전력 제어 기법 24
제1절 연구 배경 및 동기 24
제2절 시스템 모델 25
1. 공중-지상 전파 모델 26
2. 에너지 효율 모델 27
3. Problem formulation 28
제3절 UAV 이동성 및 전송 전력 제어 기법 28
1. 큐-러닝 개요 28
2. 준분산형 큐-러닝 설계 29
제4절 준분산형 큐-러닝 기반 UAV 이동성 및 전송 전력 제어 기법 성능 평가 34
제5절 요약 42
제4장 동적 환경에서 UAV 네트워크의 에너지 효율 최대화를 위한 준분산형 심층 큐-네트워크 기반 UAV 이동성 및 전송 전력 제어 기법 43
제1절 연구 배경 및 동기 43
제2절 시스템 모델 45
1. 공중-지상 전파 모델 46
2. 에너지 효율 모델 47
3. Problem formulation 49
제3절 UAV 이동성 및 전송 전력 제어 기법 49
1. 심층 큐-러닝 개요 49
2. 중앙 집중형 심층 큐-네트워크 설계 50
3. 준분산형 심층 큐-네트워크 설계 55
4. 신경망 모델 설계 58
제4절 준분산형 심층 큐-네트워크 기반 UAV 이동성 및 전송 전력 제어 기법 성능 평가 60
제5절 요약 69
제5장 결론 70
제1절 연구 결론 및 요약 70
제2절 향후 연구 방향 70
참고문헌 72
국문요약 78
표 2-1. UAV 이동성 제어 연구 요약 19
표 3-1. 도심환경 배치 모델에 따른 환경 파라미터 26
표 3-2. 2-, 4- 그리고 7-agent 시나리오에 대한 공통 시뮬레이션 파라미터 35
표 4-1. 도심환경 배치 모델에 따른 환경 파라미터 46
표 4-2. 2-,…, 7-agent 시나리오에 대한 공통 시뮬레이션 파라미터 61
표 4-3. 각 방안 별 weight factor 61
표 4-4. 각 시나리오에서 각 방안별 neural network structure 61
표 4-5. 0.05 [m/s]에서 환경에서 각 방안 별 average energy efficiency [Gbit/s/W] 결과 66
표 4-6. 1 [m/s]에서 환경에서 각 방안 별 average energy efficiency [Gbit/s/W] 결과 66
표 4-7. 3 [m/s]에서 환경에서 각 방안 별 average energy efficiency [Gbit/s/W] 결과 66
표 4-8. 5 [m/s]에서 환경에서 각 방안 별 average energy efficiency [Gbit/s/W] 결과 66
표 4-9. 4-agent 시나리오에서 각 방안 별 coverage overlapping ratio Pover 결과[이미지참조] 68
표 4-10. 4-agent 시나리오에서 각 방안 별 coverage wastage ratio Pwast 결과[이미지참조] 68
그림 3-1. UAV 기반 3차원 셀룰러 네트워크 시스템 모델 25
그림 3-2. UAV 기반 3차원 셀룰러 네트워크에서, 네트워크 outage user 수 최소화 및 energy efficiency 최대화를 위한 QD-QL 기반 UAV의 이동성 및 전송 전력 제어 프레임워크 32
그림 3-3. 2-agent 시나리오에서 제안 방안과 각 최적 방안의 그 성능 비교 그래프 36
그림 3-4. 2-agent 시나리오에서, 4가지 도심 환경 배치 모델(suburban, urban, dense urban, highrise urban)에 대한 제안 방안의 에피소드에 따른 average... 38
그림 3-5. 4-agent 시나리오에서 제안 방안과 각 비교 방안의 그 성능 비교 그래프 40
그림 3-6. 7-agent 시나리오에서 제안 방안과 각 비교 방안의 그 성능 비교 그래프 41
그림 4-1. GDs의 이동성이 고려된 UAV 기반 3차원 셀룰러 네트워크 시스템 모델 45
그림 4-2. Round robin control DQN 기반 UAV의 전송 전력 및 이동성 제어 프레임워크 52
그림 4-3. Selective-n DQN(n=2) 기반 UAV의 전송 전력 및 이동성 제어 프레임워크 54
그림 4-4. QD-DQN 기반 UAV의 전송 전력 및 이동성 제어 프레임워크 56
그림 4-5. mGD의 정보와 UAV의 정보에 대한 각각의 영향력의 가중치를 조절하기 위해 제안된 neural network structure 59
그림 4-6. mGDs의 이동속도에 따른 제안 방안과 GA, QD-DQN w/o UI 그리고 QD-DQN w/ GNN 방안들의 average energy efficiency 비교 그래프 63
그림 4-7. 균일 이동속도 시나리오에서, 각 방안별 UAV의 개수에 따른 average energy efficiency 결과 65
그림 4-8. 비균일 이동속도 시나리오에서, 각 방안별 UAV의 개수에 따른 average energy efficiency 결과 65
그림 4-9. Coverage overlapping과 coverage wastage 예시 67