Artificial intelligence based flexible preamble allocation for radio access network slicing in 5g networks
5g ağlarındaki radyo erişim ağı dilimlemleme için yapay zeka tabanlı esnek başlangıç sinyali paylaştırma
- Tez No: 694489
- Danışmanlar: DOÇ. SEVİL ŞEN AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 127
Özet
Radyo erişim ağı dilimlemedeki en büyük zorluklardan birisi, ağa erişmek için bağlantı kurulma aşamasında birden fazla cihazın aynı radyo erişim kanalını kullanmalarından kaynaklanmaktadır. Halihazırda, rastgele kanal erişiminde yaşanan sıkışıklık, dağınık şekilde cihazların kanala aynı anda çıkmaya çalışmaları durumunda çok ciddi bir boyuta varmaktadır. Bu tarz durumlar, kanala erişmeye çalışan tüm cihazların iletişiminde önemli seviyelerde gecikmeye neden olmaktadır. Bu nedenle, radyo erişim ağı dilimlenmesine olanak sağlanabilmesi ve kaynakların dinamik yönetilebilmesi için, rastgele kanal erişimi kaynakları, farklı servis tipleri için dağıtılabilir hale gelmelidir. Rastgele kanal erişimi sırasında, cihazlar bir senkronizasyon sinyali seçerek yayınlarlar. Eğer birden fazla cihaz aynı sinyali yayınlarsa baz istasyonunda çakışma meydana gelir. Kanal erişimi sırasında bir servis sınıfını diğerinden izole edebilmek için uygulanan yöntemlerden biri de senkronizyon sinyallerini alt gruplara ayırdıktan sonra servislere bu alt grupları paylaştırmaktır. Statik paylaşım, servislerden gelen trafiğin dinamik olarak değiştiği durumlarda verimsiz hale gelmektedir. Bu yüzden dinamik paylaşım, gecikmeyi ve çakışmayı istenen seviyelerde tutabilmek için uygun bir yöntemdir. Bu tez çalışması, senkronizasyon sinyallerinin alt gruplara dinamik olarak ayrılması için derin takviyeli öğrenme ve genetik algoritma temelli yöntemler önermektir. Önerilen yöntemler, kısıtlı sayıdaki senkronizasyon sinyallerini farklı servis sınıflarına, servislerin önceliklerine ve ağdaki trafiğin durumana göre dağıtarak servis sınıfları arasında sanal bir izolasyon yaratmaktadırlar. Çalışma kapsamındaki sonuçlar, önerilen yöntemlerin, değişen trafik ihtiyaçlarına uyum sağlayarak senkronizasyon sinyallerini gruplara dinamik şekilde dağıttığını göstermektedir.
Özet (Çeviri)
One of the most difficult challenges in Radio Access Network (RAN) slicing occurs in the connection establishment phase where multiple devices use a common Random Access Channel (RACH) to gain access to the network. It is now very well known that RACH congestion is a serious issue in case of sporadic arrival of machine-to-machine (M2M) nodes and may result in significant delay for all nodes. Hence, RACH resources are also needed to be allocated to different services to enable RAN slicing so that the resources can be dynamically allocated. In the RACH procedure, the nodes transmit a selected preamble from a predefined set of preambles. If multiple nodes transmit the same preamble at the same RACH opportunity, a collision occurs at the eNodeB. In order to isolate one service class from others during this phase, one approach is to allocate different preamble subsets to different service classes. Static allocation of those subsets, however, may result in inefficiencies when the traffic generated by each service changes significantly over time. Hence, dynamic allocation is more suitable to be able to keep the delay and collision probabilities around the desired levels. This work proposes adaptive preamble subset allocation methods using Deep Reinforcement Learning (DRL) and Genetic Algorithm (GA). The proposed methods can distribute preambles among different service classes according to their priority and the traffic in the network, providing a virtual isolation of service classes. The results indicate that the proposed mechanisms can quickly adapt the preamble allocation according to the changing traffic demands of service classes.
Benzer Tezler
- Artificial intelligence based resource allocation in cell-free networks
Hücresiz ağlarda yapay zeka tabanlı kaynak tahsisi
MERT DEMİREL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA AYCAN BEYAZIT
- Akıllı şebekelerde sanal güç santraline entegre edilen raylı sistemlerin yapay zekâ temelli enerji optimizasyonu ve santrale etkisi
Artificial intelligence based energy optimization of rail systems integrated into virtual power plants in smart grids and its impact on the plant
RAMAZAN GÜNGÜNEŞ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL ÇAM
- COVID-19 mutasyonlarının tespitinde yapay zeka tabanlı algoritmaların kullanılması
Use of artificial intelligence-based algorithms in detecting COVID-19 mutations
MEHMET BURUKANLI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Nanokompozit tabanlı esnek dokunsal sensörler
Nanocomposite-based flexible tactile sensors
YETER ŞEKERTEKİN
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DİNÇER GÖKCEN
- Elektronik belge yönetim sistemi analizi: Yapay zeka tabanlı örnek bir uygulama
Analysis of electronic document management system: Artificial intelligence based on a sample application
ABDULCEBAR ON
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NECAATTİN BARIŞÇI