Väitös tietoliikenne- ja tietoverkkotekniikan alalta, M.Sc. Yu Bai

Väitöskirjan nimi: Deep Reinforcement Learning-Driven Optimization for UAV-Enabled Wireless Networks

Väittelijä: Yu Bai
Vastaväittäjä: Prof. Hirley Alves, Oulun yliopisto
Kustos: Prof. Riku Jäntti, Aalto-yliopiston sähkötekniikan korkeakoulu

Miehittämättömiä ilma-aluksia (UAV), joita yleisesti kutsutaan droneiksi, käytetään yhä enemmän langattoman yhteyden tarjoamiseen tilanteissa, joissa perinteinen infrastruktuuri on rajallinen tai häiriintynyt, kuten katastrofialueilla, maaseudulla tai suurissa yleisötapahtumissa. UAV-laivueiden hallinta viestintä- ja havaintotehtävissä edellyttää kuitenkin nopeaa ja älykästä päätöksentekoa siitä, minne dronet lentävät, miten ne jakavat viestintäresurssinsa ja miten ne koordinoivat toimintaansa maa-asemien kanssa. 

Tässä väitöskirjassa tutkitaan, miten syvävahvistusoppimista (DRL), joka on tekoälyn osa-alue ja mahdollistaa järjestelmien oppimisen vuorovaikutuksen ja palautteen avulla, voidaan soveltaa UAV-pohjaisten langattomien verkkojen optimointiin. Tutkimuksessa kehitettiin uusia oppimiseen perustuvia viitekehyksiä, jotka mahdollistavat UAV:ien mukautuvat ja reaaliaikaiset päätökset kolmessa keskeisessä skenaariossa: 

Dynaaminen monen UAV:n sijoittelu: UAV:t toimivat lentävinä tukiasemina, jotka säätävät automaattisesti sijaintiaan, toimintatilaansa ja lähetystehoaan tasapainottaakseen energian käyttöä ja verkon kattavuutta. 

Datan keruu liikuteltavilla antenneilla: Ohjattavilla antenneilla varustetut UAV:t lyhentävät lentoreittejä ja parantavat datankeruun tehokkuutta langattomissa sensoriverkoissa. 

Integroitu havainnointi ja viestintä (ISAC): UAV:t suorittavat samanaikaisesti tutkahavainnointia ja datansiirtoa minimoiden informaation ikääntymisen (Age of Information), joka kuvaa tiedon ajantasaisuutta – ratkaisevan tärkeää esimerkiksi katastrofiavussa ja liikenneturvallisuudessa. 

Tulokset osoittavat, että DRL-pohjaiset menetelmät voivat merkittävästi parantaa energiatehokkuutta, mukautuvuutta ja tiedon ajantasaisuutta verrattuna perinteisiin optimointistrategioihin. Väitöskirja esittelee uusia järjestelmämalleja, algoritmeja ja arviointikehyksiä, jotka korostavat älykkäiden UAV-verkkojen mahdollisuuksia toimia entistä autonomisemmin ja kestävämmällä tavalla. 

Nämä löydökset edistävät tulevien 6G-viestintäjärjestelmien kehittämistä ja tarjoavat käytännön näkökulmia sovelluksiin, jotka vaihtelevat hätäviestinnästä esineiden internetiin ja älykkääseen liikenteeseen. Tutkimus raivaa tietä luotettavammille ja tehokkaammille ilmapohjaisille viestintäinfrastruktuureille todellisissa käyttöympäristöissä.

Avainsanat: Miehittämättömät ilma-alukset, Langaton viestintä, Syvävahvistusoppiminen

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä): Aaltodoc