来源：期刊VIP网 时间：
作者：朱佳琳;张鹏浩;李南希;蒋峥;朱剑驰;
单位：中国电信股份有限公司研究院;北京邮电大学信息与通信工程学院;
摘要：物联网(Internet of Things, IoT)作为6G发展的核心领域之一，在驱动网络架构变革以及支撑核心应用场景中扮演着关键角色，然而，IoT系统存在能量不均衡以及网络生命周期短暂等问题，严重制约了数据收集效率的提升。随着无人机(Unmanned Aerial Vehicle, UAV)技术的兴起，其高度机动性可以有效构建视距(Line of Sight, LOS)通信链路，进而提升通信速率，这在IoT系统的数据收集方面具有很好的应用价值，可以解决IoT网络因生命周期短暂导致的数据收集效率低下的问题。为此，利用UAV对地面IoT设备进行数据收集，构建空地协同的数据采集传输链路，提出了一种基于深度强化学习(Deep Reinforcement Learning, DRL)的智能数据收集方法，设计了一种预测神经网络，通过在基站(Base Station, BS)侧预测网络数据进一步提高数据收集效率，从而实现降低IoT设备能耗、延长网络寿命的目的。仿真结果表明，所提数据收集算法在设备所需能耗、能量均衡性等方面具有较好的性能优势，优于常见的数据收集算法。同时，所提数据收集网络架构在预测数据占比12.5%时可以延长1.2倍的网络寿命。仿真证明了设计的预测神经网络在均方误差(Mean Squared Error, MSE)以及平均绝对误差(Mean Absolute Error, MAE)指标均优于其他对比网络。
关键词：6G;;物联网;;数据收集;;无人机;;强化学习
基金资助：国家重点研发计划(2024YFE0200102)~~
