Hücre-uzak iletişim ve akıllı yansıtıcı yüzeyler kullanılarak İHA destekli ağlarda akıllı kaynak yönetimi

Zor Ulaşılan Bölgelere Güvenilir Kablosuz Hizmet Sağlamak

Dünyamız tarla toprak sensörlerinden fabrika robotlarına kadar İnternet bağlantılı sensör ve cihazlarla doldukça, bunları birbirine bağlayan kablosuz ağlar zorlanıyor. Bu makale, uçan röleler ve binalara yerleştirilen akıllı yansıtıcı paneller kullanarak milyarlarca küçük cihazı çevrimiçi tutmanın yeni bir yolunu araştırıyor; hepsi bir öğrenme algoritması tarafından koordine ediliyor. Sonuç, kapsama alanını genişletebilen, veri aktarımını hızlandırabilen ve aynı anda enerji tasarrufu sağlayabilen bir ağdır.

Bugünün Ağlarının Neden Yetersiz Kaldığı

Geleneksel hücresel ağlar, şehirler, kırsal alanlar ve afet bölgeleri çapında dağılan çok sayıda düşük güçlü cihaz için tasarlanmamıştı. Sinyal kapsaması düzensiz, komşu hücreler arasında girişim yaygın ve enerji kullanımı yüksek. Birçok Nesnelerin İnterneti (IoT) cihazı bodrumlarda, kalın duvar arkasında veya sinyallerin zayıf olduğu uzak tarlalarda bulunuyor. Aynı zamanda, İnsansız Hava Araçları (İHA’lar) olarak mobil uçan röleler ve radyo dalgalarını seçilmiş yönlere yansıtan düz paneller olan akıllı yansıtıcı yüzeyler (IRS’ler) kablosuz performansı artırma konusunda ayrı ayrı umut vaat etti. Ancak önceki çalışmaların çoğu bu bileşenleri ayrı ayrı ele aldı; onları gerçek zamanda koordine edecek birleşik bir yaklaşım sunulmadı.

Gökte Yeni Bir Anten Bulutu Türü

Yazarlar katı hücre sınırlarını terk eden “hücresiz” bir ağ mimarisi öneriyor. Her kullanıcının tek bir kuleye bağlı olduğu yerine, birçok küçük erişim noktası cihazlara birlikte hizmet etmek için işbirliği yapıyor. Bu sistemde yer erişim noktaları, hava İHA’ları ve duvarlara monte edilmiş yansıtıcı paneller cihazların etrafında esnek bir ağ oluşturuyor. Merkezi bir baz istasyonu sadece veri taşımakla kalmayan, aynı zamanda İHA’ları kablosuz olarak şarj eden radyo sinyalleri gönderiyor. İHA’lar havada röle görevi görürken, yansıtıcı paneller sinyalleri ulaşılması zor köşelere büküp odaklayarak aksi takdirde ölü bölgede kalacak sensörlere yardımcı oluyor.

Ağın Kendi Kendine Uyarlamayı Öğretmek

İHA’ların nerede uçacağı, baz istasyonunun ne kadar güçlü yayın yapacağı, hangi erişim noktasının hangi cihaza hizmet edeceği ve her yansıtıcı panelin sinyallerini hangi yönde tutacağı gibi koordinasyon karmaşık bir dengedir. Geleneksel optimizasyon yöntemleri, İHA’lar hareket ettiğinde veya engeller sinyalleri kestiğinde olduğu gibi koşullar hızla değiştiğinde zorluk yaşar. Buna çözüm olarak yazarlar problemi bir öğrenme görevine dönüştürüyor. Ağ, farklı yapılandırmaları tekrar tekrar dener ve üç alandaki performansına göre bir “puan” alır: veri hızı, kapsama ve enerji kullanımı. Zamanla basit bir Q-öğrenme algoritması hangi seçimlerin daha iyi sonuçlar verdiğini öğrenir ve güç, uçuş yolları ve yansıtma yönlerini ayarlamak için bir politika geliştirir.

Sistem Gerçekçi Testlerde Nasıl Performans Gösteriyor

Araştırmacılar çok sayıda İHA, yansıtıcı yüzey, erişim noktası ve onlarca IoT cihazının bulunduğu 500’e 500 metrelik bir alanın ayrıntılı bilgisayar simülasyonlarını kurdular. Kısmi görüş hattı, rastgele sönümleme ve radyo kanalının kusurlu bilinmesi gibi gerçekçi kablosuz etkileri; ayrıca İHA irtifası, pil enerjisi ve toplam güç sınırlamalarını dahil ettiler. Ardından öğrenmeye dayalı şemalarını birkaç yerleşik karşılaştırmayla test ettiler: iki klasik optimizasyon yöntemi ve iki popüler derin pekiştirmeli öğrenme yaklaşımı. Geniş senaryo yelpazesinde önerilen yöntem tutarlı şekilde daha yüksek toplam veri verimi sağladı, gereken asgari veri hızında daha fazla cihazı kapsadı ve daha az enerji kullandı. Örneğin en iyi rakip yaklaşımla kıyaslandığında toplam verimi yaklaşık %15 artırdı, kapsama alanını yaklaşık %6 yükseltti ve enerji tüketimini yaklaşık %5 azalttı.

Birlikte Çalışma: İHA’lar ve Akıllı Yüzeyler

Simülasyonlar sistemin farklı parçalarının birbirini nasıl tamamladığını da gösteriyor. İHA sayısı az olduğunda, öğrenme algoritması gölgeli alanlara sinyal yönlendirmek için İHA’ları gereksiz yere çok hareket ettirmeden davranışlarını ayarlayan yansıtıcı panellere ağırlık veriyor. Daha fazla İHA kullanılabilir hale geldikçe, öğrenilmiş politika onları daha net yollar açmak ve bağlantıları kısaltmak üzere yeniden konumlandırmaya başlıyor; yansıtıcı paneller ise sinyal yollarını ince ayarlıyor. Bu iş bölümü, donanım kaynakları kısıtlı olduğunda bile ağın neredeyse optimal performansa ulaşmasını sağlıyor; bu, maliyete duyarlı veya sıkı düzenlemelere tabi ortamlarda kritik öneme sahip.

Geleceğin Bağlı Dünyaları İçin Anlamı

Basitçe söylemek gerekirse, çalışma ağın “yaparak öğrenmesine” izin vermenin hava röleleri ve akıllı duvarların el yapımı kurallardan çok daha verimli birlikte çalışmasını sağlayabileceğini gösteriyor. İHA’lar, dağıtılmış erişim noktaları ve pekiştirmeli öğrenme tarafından yönlendirilen akıllı yansıtıcıların birleşimi, yoğun şehirler, uzak kırsal alanlar ve afet bölgeleri için sağlam, enerji bilincine sahip bir bağlantı yolunu sunuyor. Çalışma simülasyonlara dayanmakta ve hâlâ basitleştirilmiş kanal modellerine güvenmekle birlikte, binaların, İHA’ların ve altyapının radyo dalgalarını akıllıca bükerek her şeyi bağlı tutan programlanabilir bir doku olarak hareket ettiği gelecekteki 6G tarzı ağlara işaret ediyor.

Atıf: Wu, H., Gu, F., Lu, H. et al. Intelligent resource management in UAV-enabled networks using cell-free communications and intelligent reflective surfaces. Sci Rep 16, 12900 (2026). https://doi.org/10.1038/s41598-026-43358-2

Anahtar kelimeler: İHA kablosuz ağları, akıllı yansıtıcı yüzeyler, hücresiz iletişim, pekiştirmeli öğrenme, Nesnelerin İnterneti