User equipment grouping in 5G TDD system using machine learning
5G TDD sisteminde kullanıcı ekipmanını makine öğrenmesi ile gruplama
- Tez No: 934196
- Danışmanlar: DOÇ. DR. XUESONG CAI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Lunds Universitet
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Haberleşme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Kullanıcı Ekipmanı (UE) gruplaması, cep telefonları veya akıllı cihazlar dahil olmak üzere birden fazla UE'nin tanımlanmış kriterlere göre kategorize edilmesini gerektirir. Ağ kaynaklarını optimize etmek, hücre geçiş prosedürlerini geliştirmek ve kullanıcı deneyimini iyileştirmek adına uygulamalar için değerli bilgiler sağlamaktadır. Bu çalışma UE gruplamasını Yer-Uydu Bağı (UL) Referans Sinyali Ölçümü (SRS) kanal özelliklerine dayanarak Beşinci Nesil (5G) Eş Zamanlı Çift Yönlü Zaman Bölmesi (TDD) sisteminde Makine Öğrenimi (ML) teknikleri kullanarak incelemektedir. Özellikle, bu çalışma iki ana bölümden oluşmaktadır: UE pozisyonu ve yönünün tahmini ve UE gruplama. İlk bölümde, UE pozisyonu ve gerçek hareket yönü olan Zemin Üzerinde Rota (COG) için bir tahmin modeli geliştirilmiştir. Bu model, hem Görüş Hattı (LOS) hem de Görüş Hattı Dışı (NLOS) senaryoları dahil olmak üzere çeşitli rotalar için 5G TDD Baz İstasyonundan (BS) toplanan UL SRS kanal hesaplaması sonuçlarını kullanmıştır. Kanal Transfer Fonksiyonu (CTF) anlık görüntüleri SRS verileri kullanılarak sistem özelliklerine göre oluşturulur. Eksik SRS ile karşılaşıldığında CTF'nin doğruluğunu sağlamak için, veri bütünlüğünü korumak amacıyla ileri doldurma uyguladık. CTF anlık görüntüleri, Küresel Navigasyon Uydu Sistemi (GNSS) verileriyle zaman içinde senkronize edilmiştir. İşlem sonrası yöntemlerle rafine edilmiş bir topluluk modeliyle neticelenen denetimli ML teknikleri, son derece hassas tahmin sonuçları elde etmiştir. Tüm rotalarda konumlandırma Kök Ortalama Kare Hatası (RMSE) 0,93 metreden azdır ve yön RMSE'si 9°'den azdır. İkinci bölümde, UE'leri tahmini konumlarına ve yönlerine göre gruplamak için kümeleme algoritmaları kullanıldı. İlk olarak, UE'lerin verilerinin zaman bilgileri, farklı zamanlarda ölçülmelerine rağmen aynı anda hareket ettiklerini varsaymak için senkronize edilir. Ayrıca, kümeleme sonuçlarının adil bir şekilde değerlendirilmesini sağlamak için ölçülenlerden daha fazla UE'ye ihtiyaç vardır. Her rota ikiye bölünerek birinci ve ikinci yarılar gerçek veri ölçümlerinden elde edilen farklı sanal UE'ler olarak ele alınır. Modellerin UE'leri nasıl farklı gruplandırdığını görmek için tahmin edilen özelliklere dayalı olarak çeşitli kümeleme yöntemleri uygulanmıştır. Kümeleme modellerinin hassasiyetinin, çeşitli ağ işlevlerinin belirli kriterlerine uyum sağlamak için başlatma parametrelerinin değiştirilmesiyle ayarlanabileceği gösterilmiştir. Ayrıca, en iyi ışın tahmin modelleri SRS sinyallerinin bir uygulama alanı olarak ekte sunulmuştur.
Özet (Çeviri)
User Equipment (UE) grouping entails categorizing multiple UEs, including mobile phones or smart devices, according to defined criteria. It provides valuable insights for applications to optimize network resources, enhance handover procedures, and improve user experience. This study investigates UE grouping in a Fifth Generation (5G) Time Division Duplex (TDD) system based on Uplink (UL) Sounding Reference Signal (SRS) channel fingerprints using Machine Learning (ML) techniques. Specifically, the study comprises two main blocks: UE position and direction estimation, and UE grouping. In the first block, the estimation model for UE position and Course Over Ground (COG), the actual direction of motion, is developed. This model utilized UL SRS channel estimation results collected from 5G TDD Base Station (BS) for diverse routes, including both Line-of-Sight (LOS) and Non-Line-of-Sight (NLOS) scenarios. Channel Transfer Function (CTF) snapshots are created according to system specifications using SRS data. To ensure the accuracy of the CTF when encountering missing SRS, we applied forward-filling to maintain data integrity. CTF snapshots are synchronized in time with Global Navigation Satellite System (GNSS) data. Supervised ML techniques, culminating in an ensemble model refined with post-processing methods, achieved highly precise estimation results. The positioning Root Mean Square Error (RMSE) is less than 0.93 meters and the direction RMSE is less than 9 degree across all routes. In the second block, clustering algorithms are used to group UEs based on their estimated positions and directions. Firstly, the timestamps of the UEs' data are synchronized to assume they move simultaneously despite being measured at different times. Moreover, to ensure a fair assessment of clustering results, more UEs are needed than measured ones. Each route is then split into two halves, treating the first and second halves as distinct virtual UEs derived from real data measurements. Various clustering methods are applied based on the estimated features to see how models group UEs differently. It has been demonstrated that the sensitivity of the clustering models can be adjusted by modifying the initialization parameters to align with the specific criteria of various network functionalities. Additionally, the best beam prediction models are presented in the Appendix as an application area of SRS signals.
Benzer Tezler
- Coordinated multipoint-aware baseband unit placement in cloudRAN
Bulut radyo erişim şebekelerinde koordine çoklu nokta ilişkilerine göre temel bant ünitesi yerleşimi
ANIL ÜZÜMCÜOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. TUNA TUĞCU
- Sosyal donatı alanlarına erişimde CBS tabanlı yürünebilirlik performansının ölçülmesine yönelik bir yöntem önerisi
A proposal for a method to measure GIS-based walkability performance in access to social reinforcement areas
HALE EREZ KÜLEKÇİ
Doktora
Türkçe
2022
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. AZİME TEZER
- İstanbul'daki 5 yıldızlı lüks şehir otellerinde yatak odası tasarımı üzerine bir araştırma
An Investigation on the guestroom design in five-star urban hotels in İstanbul
YEŞİM GEREZ
- Sosyal konutun Avrupa ölçeğinde mekânsal gelişimi ve güncel kullanıcı ihtiyaçları bağlamında yeniden değerlendirilmesi
Reconsideration of social housing in the context of spatial development and current user needs on the European scale
VEDAT ELBİR
Yüksek Lisans
Türkçe
2023
MimarlıkKırklareli ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. YASEMİN ALKIŞER BREGGER
- Türkiye'de üretilen bölücü elemanların açık sistem kuralları açısından değerlendirilmesi
Başlık çevirisi yok
BURAK BİLGİÇYILDIRIM