摘要 — 近年来,无人机 (UAV) 的使用急剧增加,尤其是小型无人机,因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外,无人机被视为 5G 及更高版本无线技术的重要组成部分。无人机的独特应用场景需要精确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比,这些 AG 传播模型尚未得到详细研究。本文全面概述了可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向。索引词 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
摘要 — 近年来,无人机 (UAV) 的使用急剧增加,尤其是小型无人机,因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外,无人机被视为 5G 及更高版本无线技术的重要组成部分。无人机的独特应用场景需要精确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比,这些 AG 传播模型尚未得到详细研究。本文全面概述了可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向。索引词 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
摘要 航空业是技术的先锋产业之一,军事航空业对航空业的技术发展做出了巨大贡献。无人机 (UAV) 多年来一直应用于军事领域;然而,它们的民用应用相当新,而且正在迅速扩展。由于它们的能力和易于操作,它们已被用于各种操作,如监控、监视、遥感和交付。尽管它们的发动机和航空电子设备已经得到改进,但无人机在可靠性、安全性和维护方面仍然面临重大挑战。质量和安全管理概念对于民航业来说是不可避免的,并受许多法规和标准的约束。这些概念对于无人机来说尚未完全建立,法规和标准仍在制定中。本研究的目的是从航空质量和安全管理的角度对无人机进行概述。此外,还讨论了新趋势、发展和研究领域。
目前部署的无人机范围从翼展只有几厘米的微型无人机一直到翼展宽度为 80 米的无人战斗机和研究无人机。它们用于执行的军事任务多种多样。无人机主要在情报、侦察、监视、火控、作战任务、信息传输、电子战或目标捕获支援方面部署,非常有效。下页图 1 显示了德国陆军未来的 TAIFUN 作战无人机 (CUAV),由 STN ATLAS Elektronik 制造。
无人驾驶飞行器或 UAV 是一类无需人类操作员即可飞行的飞行器。它们更常见的称呼是“无人机”,这个误导性的名字掩盖了其设计和能力的多样性。无人机可以自主飞行或远程驾驶(在后一种情况下,有时被称为 RPV 或遥控飞行器),其尺寸和复杂程度范围很广。最大的无人机重达几千磅,翼展约为 100 英尺。在尺寸和能力范围的另一端是小型无人机或微型飞行器 (MAV)。它们可以小到像一只大昆虫或一只蜂鸟一样,可能是一次性的。此类飞行器在军事和执法应用中的效用是显而易见的,本文不再进一步讨论。尽管不那么明显,但无人机的许多民用应用都有令人信服的经济和社会案例,例如环境监测、林业调查、精准农业和交通基础设施检查。民用应用尚未受到太多关注,但本文重点关注的是航空电子设备的开发和测试。开发和认证用于引导、导航和控制载人飞机的安全关键应用的航空电子设备是一项昂贵且耗时的
摘要 - 探索无人机(UAV)进行交付服务有望减少交付时间和人力资源成本。但是,这些无人机与地面的接近性可以使它们成为机会性犯罪的理想目标。因此,无人机可能会被黑客入侵,从目的地转移或用于恶意目的。此外,作为一种分散的(PEER-PEER)技术,区块链具有不大的潜力,可以在无人机之间实现安全,分散和合作的交流。考虑到这一目标,我们提出了区块链授权,不可变和可靠的交付服务(鸟类)框架,以应对数据安全挑战。鸟类通过可扩展网络部署通信中心。在鸟类的注册阶段之后,根据特定共识证明(POC)进行无人机节点选择,其中仅根据其信誉来评估无人机。选定的决赛入围者被授予Birds Global Order履行系统的证书。模拟结果表明,与常规溶液相比,鸟类需要更少的无人机,从而减少了成本和排放。所提出的鸟类框架满足了众多用户的要求,同时需要减少网络流量和消耗低能量。索引条款 - 无人飞机,可靠性,隐私,区块链和送货服务。
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
• 随着 20 世纪 80 年代和 90 年代适用技术的成熟和小型化,美国军方对无人机的兴趣日益增长。20 世纪 90 年代,美国国防部与 AAI 公司和以色列公司 Malat 签订了合同。美国海军购买了 AAI 和 Malat 联合开发的 AAI Pioneer 无人机。这些无人机中的许多都参加了 1991 年海湾战争。无人机展示了更便宜、更强大的战斗机器的可能性,并且可以在不危及机组人员的情况下部署。最初几代无人机主要涉及侦察机,但有些无人机携带武器,例如通用原子公司的 MQ-1 Predator,可发射 AGM-114 Hellfire 空对地导弹。
摘要:无人驾驶飞机(UAV)由于其成本效益和灵活性,在军事和平民应用中均广受欢迎。但是,对无人机的利用增加引起了人们对非法数据收集和潜在刑事用途的风险的担忧。因此,精确检测和识别侵入的无人机已成为一项关键的研究问题。许多算法已经通过不同的方法(包括射频(RF),计算机视觉(视觉)和基于声音的检测来检测不同对象,都表明了它们在检测不同对象方面的有效性。本文提出了一种新的方法,用于通过使用层次强化学习技术根据其RF信号来检测和识别侵入的无人机。我们使用带有熵正则项的增强算法的多个策略培训无人机代理,以提高整体准确性。该研究的重点是利用RF信号提取的特征来检测侵入的无人机,这通过研究较低的无人机检测方法来促进增强学习领域。通过广泛的评估,我们的发现显示了拟议方法在实现基于RF的准确检测和识别方面的显着结果,其出色的检测准确性为99.7%。此外,我们的方法表明累积回报绩效和损失降低。获得的结果突出了所提出的解决方案在增强无人机安全性和监视的同时,在进行无人机检测领域的同时。