Resumen

Recientemente, el vehículo aéreo no tripulado (UAV) juega un papel importante en muchas aplicaciones debido a su alta flexibilidad y bajo costo. Para lograr comunicaciones confiables de UAV, un trabajo fundamental es investigar las características de propagación de los canales. En este artículo, proponemos modelos de pérdida de trayectoria para el escenario aire-aire (AA) de UAV basados en aprendizaje automático. Se emplea un software de trazado de rayos para generar muestras de múltiples rutas en un entorno urbano típico, y se consideran diferentes altitudes de UAVs Tx y Rx. Se utilizan dos algoritmos de aprendizaje automático, Random Forest y KNN, para construir modelos de predicción sobre la base de los datos de entrenamiento. El rendimiento de predicción de los modelos entrenados se evalúa en el conjunto de pruebas según métricas que incluyen el error absoluto medio (MAE) y el error cuadrático medio (RMSE). Mientras tanto, se presentan dos modelos empíricos para comparación. Se muestra que los modelos basados

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Uav; Comunicaciones; Modelos de pérdida de trayectoria; Aprendizaje automático; Modelos de predicción; Software de trazado de rayos
• Keywords:Uav; Communications; Path loss models; Machine learning; Prediction models; Ray-tracing software