Geri Dön

Makine öğrenmesi yöntemleri kullanılarak radyo erişim ağları için dinamik radyo kaynak yönetimi

Dynamic radio resource management for radio access networks by using machine learning techniques

  1. Tez No: 694804
  2. Yazar: AYSUN ASLAN SARUHAN
  3. Danışmanlar: PROF. DR. CENK TOKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 97

Özet

Yeni nesil ağlar ile beraber, haberleşme altyapısı, sadece telefon, bigisayar, televizyon gibi alışılagelmiş cihazlara değil ev aletleri, kitlesel endüstriyel makineler, uzak cerrahi robotlar, kendi sürüş kabiliyetine sahip arabalar gibi çevresiyle bağlantı kurmak isteyen her türlü cihaza hizmet verecektir. Bu durumda halihazırda kulanılan raDyo spektrumunun daha da kalabalıklaşması ve yetersiz kalması kaçınılmaz olacaktır. LTE teknolojisi spektrumda 700 MHz - 2.7 GHz aralığını kullanırken 5G ağların 450 MHz - 6 GHz ve 24.25 GHz - 52.6 GHz frekans aralıklarını kullanması planlanmaktadır. Bu tez kapsamında, yeni nesil ağlardaki kullanıcıların radyoya kabulü ve kaynak tahsisi problemi ele alınmıştır. Yeni nesil ağlarda, dikey sektörlerin de oyuna dahil olmasıyla beraber haberleşme altyapısından beklentiler farklılaşmış ve birbirinden ayrıklaşmıştır. Bu ayrık haberleşme ihtiyaçlarının aynı altyapı üzerinde karşılanabilmesi amacıyla, var olan ağı, farklı özelliklere sahip dilimlere ayırmak bir çözüm yolu olarak sunulmuştur. Ağ dilimleme konsepti, benzer ihtiyaçlara sahip kullanıcıları aynı ağ diliminde gruplayarak ağdaki sınırlı kaynağın dilimlerdeki kullanımını eniyilenmiş bir şekilde yönetmeyi sağlar. Ağdan beklenilen davranış düşük gecikme ihtiyacına sahip kullanıcı isteklerine yüksek öncelikle servis verirken aynı zamanda spektral verimi enbüyütmesidir. Bu tez kapsamında, yeni nesil karmaşık ağlardaki tek hücreli bir radyo kaynak tahsisi problemine derin Q-öğrenmesi (deep Q-learning, DQL) kullanılarak çözüm aranmıştır.

Özet (Çeviri)

In the next generation networks era, telecommunication area will serve any device that would leverage from being connected to environment such as household appliances, massive industrial machines, remote surgery robot, automated vehicles, etc.. Hence, the spectrum that has been used up until now, gets more crowded and not suficient to serve all these requests. In LTE which is current communication technology uses the 700 MHz - 2.7 GHz range of the spectrum where in 5G networks, 450 MHz - 6 GHz domain and 24.25 GHz - 52.6 GHz range frequencies is planned to use. In this thesis, radio admission and resource allocation process in the downlink channel of a next generation network is discussed. With the vertical industries' needs from the 5G networks, supporting all mobile service users who have different Quality of Service (QoS) requirements becomes the main challenge. To manage and satisfy the heterogeneous requirements, splitting the network into slices which have different properties (e.g., bandwidth requirements, delay tolerance, user density, etc.) can be a solution over a common physical infrastructure. Network slicing concept allows to manage and schedule the requests under the constraint of limited resources in an optimal way. The expected behavior from the admission mechanism to learn to serve the user requests which have low latency requirement with high priority. While the network is admitting these high priority users and allocate them required resources, it must provide the maximum spectrum efficiency. The problem is set on a single-cell scenario. Deep Q-learning algorithm is used as a solver to tackle this highly complex radio resource management problem instead of traditional convolutional optimization algorithms.

Benzer Tezler

  1. Bilişsel radyo ağlarında üst sezgiseller ile kanal atama probleminin çözülmesi

    Solving channel assignment problem with hyper-heuristics in cognitive radio networks

    EMRULLAH GAZİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE ŞİMA UYAR

  2. Resource allocation mechanisms for end-to-end delay optimization of 5G URLLC services

    5G URLLC hizmetlerinin uçtan uca gecikme optimizasyonu için kaynak aktarım mekanizmaları

    HASAN ANIL AKYILDIZ

    Doktora

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

    DR. İBRAHİM HÖKELEK

  3. Advanced mobility robustness optimization techniques in mobile heterogeneous networks with the inclusion of 5G

    5G dahil mobil heterojen ağlarda gelişmiş mobilite sağlamlık optimizasyon tekniği

    WAHEEB SALIM ABDULRAB TASHAN

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SULTAN ALDIRMAZ ÇOLAK

  4. RF parmak izi kullanılarak IoT cihaz tanımada meta aşırı öğrenme makinası tabanlı başarım analizi

    Meta extreme learning machine based performance analysis for IoT device identification using RF fingerprint

    HÜSEYİN PARMAKSIZ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CİHAN KARAKUZU

  5. Açık uçlu eşeksenel prob ile dielektrik spektroskopi için makine öğrenmesi temelli kestirim yöntemleri

    Machine learning based estimation methods for dielectric spectroscopy with open-ended coaxial probe

    MUSA ALPEREN YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÇAYÖREN