Prosjektbeskrivelse
Dette prosjektet bidrar til å utvikle teknologien til basestasjoner på droner som kan posisjonere seg slik at de kan tilby nettverkstilkobling på de stedene der det ikke finnes eller er godt nok.
Mens husholdninger i industrialiserte land har høy dataoverføringshastighet gjennom optiske fiberkabler og 4G/5G baserte trådløs kommunikasjon, har om lag halvparten av verdens befolkning ikke mulighet til å koble seg til internett. Tilrettelegging for bedre internett i slike områder vil i tillegg til en ren økonomisk innvirkning også ha en positiv effekt innen tingenes internett, smart jord- og skogbruk, forebygging av skogbrann, lete- og redningsaksjoner, førstehjelp og krisehåndtering.
Med dette for øye, er UAV-ene i den foreslåtte tekniske løsningen utstyrt med en modul for kommunikasjon som kobler seg til brukeren på den ene siden og til mobil landbasert infrastruktur på den andre siden. Brukerdata kan også bli sendt gjennom flere UAV-er før den når målet. For at denne teknologien skal være gjennomførbar, må UAV-ene kunne navigere uten menneskelig veiledning til steder med gunstige sende- mottakerforhold. Det betyr at de må finne steder der signalene de sender og mottar mellom bruker og den mobile landbaserte infrastrukturen ikke blir blokkert av stasjonære hindringer, som for eksempel bygninger eller fjell.
Hovedtilnærmingen i dette prosjektet er å konstruere radiokart som beskriver forholdene i en bestemt region. Ved å ta i bruk disse kartene, kan UAV-ene benytte seg av kunstig intelligens som ved sine algoritmer bestemmer en passende lokasjon for hver UAV. Algoritmene kan autonomt tilpasses endringer i brukernes posisjoner og behov for tilkobling i tillegg til å koordinere posisjoner med andre UAV-er.
Til nå omfatter resultatene våre et betydelig sett med bidrag på tre nivåer: fundamental, algoritmisk og empirisk. På det fundamentale nivået var vi den første gruppen over hele verden som analyserte radiokart-estimeringsproblemet fra et abstrakt matematisk perspektiv og utledet ytelsesgrenser for enkle estimatorer. Dette lar man vite på forhånd når et radiokart-estimat vil være bra eller ikke. På det algoritmiske nivået utviklet vi algoritmer av flere typer, hovedsakelig algoritmer for planlegging av banen til ubemannede luftfartøyer (UAV) for å effektivt samle inn målinger for radiokart-estimering (spektrummåling), og algoritmer for å bestemme posisjonen til flybasestasjoner og reléer ved hjelp av radiokart. Basert på innsikten i teorien har vi også utviklet cybersikkerhetsalgoritmer for å oppdage tilstedeværelsen av falske angripere og metoder for å velge stråleformere i virkelige miljøer, der stedsestimater er unøyaktige. Til slutt, på empirisk nivå, er vi den første gruppen over hele verden som uttømmende undersøker radiokart-estimeringsproblemet fra et empirisk perspektiv. Vårt skreddersydde system tillot oss å samle inn målinger på mer enn 300 000 lokasjoner med en UAV, som gir resultatene våre høy statistisk signifikans.
