Reinforcement learning and q learning for resource allocation in MIMO network with intelligent reflective surfaces
Akıllı yansıtıcı yüzeylere sahip MIMO ağında kaynak tahsisi için güçlendirme öğrenme ve Q öğrenme
- Tez No: 843741
- Danışmanlar: DR. ÖĞR. ÜYESİ DİDEM KIVANÇ TÜRELİ
- Tez Türü: Yüksek Lisans
- Konular: Belirtilmemiş.
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Okan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Son on yılda, modern kablosuz iletişim sistemi, kanal performansını artırmak ve solma sorununu aşmak için yaygın olarak geliştirildi. Ancak modern şehirlerin yeni altyapılarıyla birlikte binalardan ve engellerden gelen çok yollu yansımalar sorunu, sinyal kalitesini ve bit hata oranını düşüren önemli bir sorun haline gelmiştir. Bu gibi durumlarda, kullanıcı ile düğüm arasındaki sinyale giden, modülasyon/de-modülasyon işleminin doğruluğunu sınırlayan birçok yol oluşturulabilir. Bu nedenle, R-öğrenme ve Q-öğrenme süreçlerinin iki akıllı algoritmasının birleştirilmesine dayanan hibrit bir tekniğin kullanılması bu araştırmanın konusudur. Bu teknik, IRS ve MIMO ağlarına dayanan modern kablosuz iletişim sistemlerine uygulanabilir. Bu konuda R-öğrenmenin kullanılması, sinyal kalitesi kriterlerine göre soldurmanın istenip istenmediğini belirleme işlemini başlatır. Q-öğrenmenin sırası, minimum BER yanıtına dayalı bir kriter oluşturarak kullanıcıyı en iyi eylemle yerelleştirmeye gelir. Bu tür bir kombinasyondan, alınan sinyalin BER'inde, gürültü veya sönümleme etkileri olmadan neredeyse ideal duruma yakın bir rezonans gerçekleştiren önemli bir azalma elde edildiği gözlemlenmektedir. Daha sonra donanım çözümü olarak IRS elemanlarının sayısı arttırılarak önceki çözümden elde edilen sonuçlarla karşılaştırılacak analitik bir çalışma ortaya konmuştur. IRS elemanlarının sayısının artmasıyla sinyal kalitesinde önemli bir iyileşme sağlandığı ancak sistem karmaşıklığının hızla arttığı bulunmuştur. Bu, bu tür algoritmaların minimum donanım karmaşıklığını düşük maliyetle sürdürmek için ne kadar etkili bir çözüm olduğunun bir göstergesidir
Özet (Çeviri)
In the last decade, modern wireless communication system is widely developed to enhance the channel performance and overcome the issue of fading. However, with new infrastructures of modern cites, the issue of multipath reflections from buildings and obstacles has become a significant problem that reduce the quality of the signal and the bit error rate. In such circumstances, many paths to the signal between the user and the node could be generated that limit the accuracy of modulation/ de-modulation process. Therefore, it is a subject of this research to invoke a hybrid technique based on combing two intelligent algorithms of R-learning and Q-learning processes. Such technique could be applicable to modern wireless communication systems based on IRS and MIMO networks. In this matter the use of R-learning starts the action to determine wither is desired according the criteria of signal quality or not. The turn of the Q-learning comes to localize the user with best action through generating a criterion based on minimum BER response. It is observed from such combination, a significant reduction is achieved in the BER of the received signal that almost realizes an encloses resonance to the ideal case without noise or fading effects. Later, an analytical study is introduced by increasing the number of IRS elements as hardware solution to be compared with the achieved results from the previous solution. It is found a significant enhancement is accomplished in the signal quality with increasing the number of IRS elements, however, the system complexity is increased rapidly. This gives an indication on how much such algorithms is an effective solution to maintain minimum hardware complexity with low cost.
Benzer Tezler
- Sanal ağ fonksiyonları çizelgeleme algoritmalarının tasarımı ve uygulaması
Design and implementation of virtual network functions (VNFS) scheduling algorithms
ABDOUL AZIZ CISSE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiFen Bilimleri Ana Bilim Dalı
DOÇ. DR. HASAN BULUT
- Mobil nesnelerin interneti için yeni nesil hücresel ağ tabanlı ağ dilimleme
Next generation cellular network based network slicing for the mobile internet of things
WAFA HAMDI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN BULUT
PROF. DR. ORHAN DAĞDEVİREN
- Reinforcement learning based resource allocation for initial disasterresponse
Afetle mucadelede pekistirmeli ogrenme tabanli kaynak yonetimi
ESAT TUNAHAN TUNA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ AKGÜN
- Resource allocation in vehicular edge computing networksbased on deep reinforcement learning
Araç uç bilişiminde derin pekiştirmeli öğrenmeye dayalıkaynak tahsisi
HOMA MALEKI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- 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