随着城市化进程的加快，城市通信网络面临着诸多挑战，如高楼大厦和树木等障碍物对无线通信信号的遮挡，导致通信路径受阻，影响通信的可靠性和效率。无人机因其灵活性和能够建立视距连接的潜力，成为改善无线通信网络的重要手段。然而，在复杂的城市环境中，无人机通信仍面临诸多挑战，如信号反射、散射和多径效应等，影响通信质量和覆盖范围。智能反射面（IRSs）作为一种新兴技术，通过信号反射创建虚拟视距路线，为解决城市通信中的障碍物问题提供了新的思路。此外，深度学习和人工智能技术在信道建模和信号处理中的应用，为提高通信系统的性能和效率提供了有力支持。

研究人员在湖南省教育厅科研项目的支持下，提出了一种适用于配备智能反射面的无人机辅助通信系统的三维动态信道模型。该模型综合考虑了移动用户的复杂移动模式和无人机的导航轨迹，构建了连接用户和无人机的动态视距链路，以及连接用户和红外小型无人机的动态虚拟视距连接。此外，研究还提出了一种基于深度学习的信道跟踪方法，该方法包括利用深度神经网络进行初始信道估计，以降低噪声影响，以及使用堆叠双向长短期记忆（Bi-LSTM）网络跟踪不断变化的信道。Bi-LSTM网络的架构经过精心设计，具有跨越多个堆叠层的双向结构，能够有效捕捉和分析过去时刻的时间信息。

和变化。此外，基于深度学习的信道跟踪方法可能需要大量的计算资源和训练数据，限制了其在资源受限环境中的实际应用。……