Managing 5G LTE advanced networks through machine learning intelligence based system
Başlık çevirisi mevcut değil.
- Tez No: 672352
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
5G mobil iletişim sistemlerinin geliştirilmesi, önümüzdeki 10 yıl içinde mobil İnternet trafiğinin artan ihtiyaçlarını karşılamayı hedefliyor. Yeni nesil mobil iletişim teknolojisinde (5G), gereksinimleri karşılamak için milimetre dalgalar ve Küçük Hücre gibi bazı önemli teknolojiler öne sürüldü. Küçük hücreli ağların geliştirilmesi, güç tüketimini azaltırken kapasiteyi artırmada daha yüksek şanslar sunar, çünkü küçük hücreler, her bir küçük hücrede daha az güç tüketimi ile makro hücrelere etkili takviyelerdir. Sorun şu ki, yoğun küçük hücrelerin konuşlandırılması sistemin toplam gücünü gerçekten kurtaramayabilir. Bu sorunu çözmek için, trafik yükünün o kadar yüksek olmadığı zamanlarda küçük hücreler kapatılabilir ve sıcak nokta alanında çok sayıda kullanıcı göründüğünde açılabilir. Bununla birlikte, küçük hücrelerin kapatılması, yük boşaltma olasılığının azalmasına ve verimin zarar görmesine neden olabilir. Algoritmanın performansları, MATLAB'da bir makro hücre ve birkaç küçük hücre ile basitleştirilmiş bir LTE modeli oluşturarak da değerlendirilir. Ayrıca ağın ana trafik verileri daha gerçekçi olduğu düşünülen MATLAB'daki simülasyondan gelmektedir. Güç tüketimi değişiminin ayrıntılarını göstermek için simülasyon süresini bir gün (24 saat) olarak alırken% 97,82 doğruluk elde ediyoruz. K-Means kümeleme makine öğrenimi tabanlı algoritmayı kullanarak, sistem güç tüketimi yoğun saatlerde büyük ölçüde azaltılabilir ve üretimdeki azalma, yönetimle kabul edilebilir bir aralık dahilindedir. Bir makro hücrede yaklaşık 110 küçük hücrenin konuşlandırılması en iyi performansı gösterir.
Özet (Çeviri)
The development of 5G mobile communication systems is aiming at meeting the boosting needs of mobile Internet traffic in the next 10 years. Some key technologies have been put forward in the next generation mobile communication technology (5G) such as millimeter waves and Small Cell to meet the requirements. The development of small cell networks offers higher chances in increasing capacity while reducing power consumption, since the small cells are effective supplements to macro cells with less power consumption in each single small cell. The problem is that deploying dense small cells may not actually save the total power of the system. To solve this problem, the small cells could be switched off during the time when traffic load is not that high, and switched on when large number of users appear in the hot spot area. However, switching off the small cells may lead to lower chance of offloading and harm the throughput. The performances of the algorithm are also evaluated by building a simplified LTE model with one macro cell and several small cells in MATLAB. Besides, the main traffic data of the network comes from the simulation in MATLAB which is considered as more realistic. To show the details of power consumption changing, we take the simulation time as a whole day (24 hours) while achieving and accuracy of 97.82%. By using the K-Means clustering machine learning based algorithm, the system power consumption can be largely reduced during peak hours and the decrement of throughput is within an acceptable range with management. The deployment of around 110 small cells in a macro cell shows the best performance.
Benzer Tezler
- Heterojen kablosuz ağlar için bulanık mantık dikey el değiştirme algoritması
Fuzzy logic vertical handover algorithm for heterogeneous wireless networks
GÜRKAN COŞKUN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Derin öğrenme tabanlı görevlerin kenar bilişim yöntemiyle uzak sunucuya taşınması
Offloading tasks to remote server for deep learning based applications over edge computing system
HÜSEYİN ENES İLHAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Implementation of ultra-dense distribution of WDM rof channels for 5g networking using a hybrid compensation scheme
Ultra yoğunluğun uygulanması 5g için WDM rof kanallarının dağıtımı hibrit telafisi kullanarak ağ kurma şema
MUSTAFA DHEYAA OUDAH AL-YASIRI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Inter-numerology interference minimization in 5G: A deep reinforcement learning based approach
5G ağlarda numerolojı kaynaklı kırışım minimizasyonu: Derin takviyeli öğrenme dayalı yaklaşım
TUĞRUL CAN ERK
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ EMRE PUSANE
- 5G ötesi aşırı yoğun heterojen haberleşme ağlarında el değiştirmelere dayalı hücresel ağ iyileştirmesi
Handover-based cellular network healing in beyond 5G ultra dense heterogeneous communication networks
ABDUSSAMET HATİPOĞLU
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA