5G ağlarında RAN dilimleme için pekiştirmeli öğrenme tabanlı uyarlanabilir erişim sınıfı engellemesi
Reinforcement learning based adaptive access class barring for RAN slicing in 5G networks
- Tez No: 695583
- Danışmanlar: PROF. DR. EBRU SEZER, DOÇ. DR. MEHMET KÖSEOĞLU
- 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: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Makineler arası (M2M) iletişimi etkin bir şekilde sağlamak 5G ağlarının öne çıkan özelliklerinden biridir. Makineler arası trafiğinin yakın zamanda insandan insana (H2H) trafiğini geçebileceği ön görülmektedir. Ağ dilimleme, makineler arası trafiğini karşılamak için ve aynı zamanda bu cihazların değişen hizmet kalitesi (QoS) gereksinimlerini destekleme ihtiyacı olduğundan umut verici bir tekniktir. Tüm hizmet türleri için aynı gecikmeyle sonuçlanan ve tüm cihazlar için gerçekleştirilmesi gereken rastgele erişim kanalı (RACH) prosedürü, M2M trafiği için muazzam bir darboğazdır. Makineler arası cihazlarının olaya dayalı eşzamanlı erişim davranışı nedeniyle, bu prosedür ciddi tıkanıklığa ve gecikmelere neden olabilir. Erişim sınıfı engelleme (ACB) gibi eski tıkanıklık kontrol şemaları makineler arası iletişimlerde sıklıkla meydana gelebilen, yoğun trafik senaryolarında aşırı yükün üstesinden gelmek için yeterli değillerdir. Ayrıca bu durumlarda ACB parametrelerini dinamik olarak ayarlamak için net bir kılavuz bulunmamaktadır. Biz, bu çalışmada farklı hizmet sınıflarının engelleme oranlarını ve engelleme sürelerin ayarlamak için pekiştirmeli öğrenme (RL) tabanlı, çok oranlı bir ACB algoritması öneriyoruz. Önceliğe dayalı algoritmamız sadece tıkanıklığı önlemiyor aynı zamanda RACH kullanımını farklı hizmet türleri arasında dilimliyor. Yapmış olduğumuz kapsamlı simülasyonların sonuçları, önerilen algoritmamızın RACH kullanımını maksimize ettiğini göstermektedir. Bununla birlikte, önerilen algoritmamız hizmet önceliğine göre bağlantı isteklerinin RACH kapasitesini aştığı durumlarda gecikmeler azaltmakta ve erişim olasılığının arttırmaktadır.
Özet (Çeviri)
Machine-to-Machine (M2M) communication is one of the major drivers of 5G networks as M2M traffic might soon surpass Human-to-Human (H2H) traffic. Network slicing is a promising technique for supporting M2M traffic on 5G networks as there is a need to concurrently support varying Quality-of-Service (QoS) requirements of M2M devices. A major bottleneck for M2M traffic is the Random Access Channel (RACH) procedure, which has to be performed for all devices, which results in the same latency for all service types. Due to the event-driven simultaneous access behavior of M2M devices, this procedure can cause severe congestion. Legacy congestion control schemes such as Access Class Barring (ACB) are not adequate to handle the overload in bursty traffic scenarios, which can happen frequently in M2M communications. There is also no clear guideline to adjust ACB parameters dynamically in such situations. Here we propose a multi-rate ACB algorithm using Reinforcement Learning (RL) to tune the barring rates and barring times of different service classes. Our priority-based algorithm not only reduces the congestion but also slices the RACH among different service types. Comprehensive simulation results show that our proposed algorithm maximizes the RACH utilization. In the meantime, based on each service priority, it reduces the delays and increases the access probability even when the connection requests exceed the RACH capacity.
Benzer Tezler
- 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
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
DR. İBRAHİM HÖKELEK
- Placement of 5G RAN slices in multi-tier open ran 5g networks with flexible functional splits
5g radyo erişim ağ dilimlerinin esnek fonksiyonel bölmelerle çok katmanlı O-RAN 5G ağlarına yerleştirilmesi
EGEMEN SARIKAYA
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERTAN ONUR
- Dynamic resource allocation in virtualized networks for network slicing
Ağ dilimleme için sanallaştırılmış ağlarda dinamik kaynak atama
CEREN CANPOLAT
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENAN ECE GÜRAN SCHMİDT
- Gelecek nesil kablosuz ağlarda radyo erişim ağı dilimlemenin gecikme ve verim üzerindeki etkisinin incelenmesi
Analysis of radio access network slicing on latency and throughput in next-generation wireless networks
AYKUT ÇUBUKÇU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK
- Traffic prediction with network slicing for 5G and beyond networks
5G ve ötesi ağlar için ağ dilimleme ile trafik tahmini
EVREN TUNA
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALKAN SOYSAL