Geri Dön

5G ve ötesi ağ dilimlemesinde makine öğrenmesi yöntemlerinin başarımının incelenmesi

Performance investigation of machine learning methods in 5G and beyond network slicing

  1. Tez No: 798107
  2. Yazar: ALPER ENDEŞ
  3. Danışmanlar: DR. BARIŞ YÜKSEKKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 94

Özet

Son yıllarda haberleşme sektöründeki hızlı gelişmeler sayesinde, yeni uygulamalar ve imkanlar ortaya çıkmıştır. Bu uygulamalar, düşük gecikme, yüksek veri hızı, yüksek güvenilirlik ve güvenlik ihtiyacı doğurmuştur. Dördüncü nesil (fourth generation, 4G) iletişim sistemlerinin karşılayamadığı bu ihtiyaçlar için yeni öneriler verilmesi gerekmiştir ve beşinci nesil (fifth generation, 5G) haberleşme sistemleri ortaya çıkmıştır. Örneğin 4G sistemlerde programlanabilir yapılar için yazılım tanımlı ağ (software defined networking, SDN) ve ağ fonksiyonlarının sanallaştırılması (network function virtualization, NFV) teknolojileri kullanılırken, gelecek 5G sistemlerinde bu iki teknolojinin yanı sıra Ağ dilimleme yöntemlerinin de kullanılması planlanmıştır. Bu çalışmada, makine öğrenmesi ile oluşturulmuş modeller ve ek mekanizmalar ile 5G Ağ Dilimleme, Veri Hızı Yönetim ve Kullanıcı Devir Mekanizmaları oluşturulmuştur. Oluşturulan bu mekanizmaların test edilebilmesi için gerçekçi bir benzetim ortamı geliştirilmiştir. Bu benzetim ortamına 3. Nesil Ortaklık Projesi (3rd Generation Partnership Project, 3GPP) uyumlu kullanıcılar ve baz istasyonları yerleştirilmiştir. Çalışmada beş farklı makine öğrenmesi modeli kullanılmıştır, ağ dilimleme için dört farklı model ve modellerin karar çoğunluğu ile çalışan bir sınıflandırma modeli geliştirilmiştir. Oluşturulan makine öğrenmesi modellerinin gerçekçi senaryolardaki performansını test edebilmek için, hata payı içeren kullanıcı verisi oluşturulmuştur. Bu kullanıcı verisi ile gerçek durumlarda yaşanabilecek hata paylı veri ile sınıflandırma gerçekleştirilmiştir. Sınıflandırmalar, 3GPP tarafından önerilen gelişmiş mobil şebeke (enhanced mobile broadband, eMBB), çok düşük gecilmeli veri iletişimi (ultra reliable low latency communications, URLLC), büyük nesnelerin interneti (massive internet of things, MIoT) ve araçtan her şeye (vehicle to everything, V2X) ağ dilimleri arasında gerçekleştirilmiştir. Geliştirilen mekanizmalar, farklı senaryolarda test edilip, performansları karşılaştırılmıştır.

Özet (Çeviri)

Thanks to the rapid developments in the communication sector in recent years, new applications, and opportunities have emerged. These applications have created the need for low latency, high data rate, high reliability, and security. New proposals had to be given for these needs that the fourth generation (4G) communication systems could not meet, and fifth generation (5G) communication systems emerged. For example, while software defined networking (SDN), and network function virtualization (NFV) technologies are used for programmable structures in 4G systems, it is planned to use network slicing methods in addition to these two technologies in future 5G systems. In this study, 5G Network Slicing, Data Rate Management, and User Handover Mechanisms were created with machine learning models, and additional mechanisms. In order to test these mechanisms, a realistic simulation environment has been developed. 3rd Generation Partnership Project (3GPP) compatible users and base stations are placed in this simulation environment. Five different machine learning models were used in the study, and four different models for network slicing, and a classification mechanism based on the majority of these models' decisions were implemented. In order to test the performance of the created machine learning models in realistic scenarios, user data with margin of error was created. With this user data, classification has been carried out with data with error margin that can be experienced in real situations. Classifications were performed between the enhanced mobile broadband (eMBB), ultra-reliable low latency communications (URLLC), massive internet of things (MIoT), and vehicle to everything (V2X) network slices that are proposed by 3GPP. The implemented mechanisms were tested in different scenarios, and their performances were compared.

Benzer Tezler

  1. Traffic prediction with network slicing for 5G and beyond networks

    5G ve ötesi ağlar için ağ dilimleme ile trafik tahmini

    EVREN TUNA

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiBahçeşehir Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALKAN SOYSAL

  2. Waveform design for 5G and beyond wireless communication networks

    5G ve ötesi kablosuz haberleşme ağları için dalga formu tasarı

    SALAH EDDINE ZEGRAR

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. HÜSEYİN ARSLAN

  3. Resource allocation methods for next-generation networks

    Yeni nesil ağlarda kaynak atama yöntemleri

    İLKE ALTIN

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET AKAR

  4. Physical layer techniques for 5G and beyond wireless systems

    5G ve ötesi kablosuz sistemler için fiziksel katman teknikleri

    ABUU BAKARI KIHERO

    Doktora

    İngilizce

    İngilizce

    2024

    İletişim Bilimleriİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. HÜSEYİN ARSLAN

  5. 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