Mobılıty control of uavbs networks for ınterference mıtıgatıon and collısıon avoıdance ın 5G and beyond
5G ve ötesi için girişim azaltma ve çarpışma önleme amaçlı uavbs ağlarının hareket kontrolü
- Tez No: 965515
- Danışmanlar: PROF. DR. MEHMET SERDAR UFUK TÜRELİ, DR. ÖĞR. ÜYESİ DİDEM KIVANÇ TÜRELİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Girişim, Hareketlilik, Oyun teorisi, Çarpışma, İnsansız hava aracı, Interference, Mobility, Game theory, Collision, Unmanned aerial vehicle
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsansız Hava Aracı Baz İstasyonlarının (UAVBS) hareketliliğinin kontrolü, 5G ve ötesi hücresel sistemlerde girişimin azaltılması, çarpışmaların önlenmesi ve ağın güç verimliliği ile kapsama alanının optimize edilmesinde kritik bir rol oynamaktadır. Bu araştırma, dinamik ortamlar ve karmaşık etkileşimlerin oluşturduğu zorlukları ele alarak UAVBS ağları için merkeziyetsiz hareketlilik kontrol stratejilerini incelemektedir. Çalışmanın ilk bölümünde, UAVBS hareketliliği tam potansiyel oyun olarak modellenmiş ve farklı bağlantı ve karmaşıklık senaryolarında problemi çözmek için üç algoritma önerilmiştir. İlk algoritma olan UAVBSs-Better Direction Control (UAVBSs-BDC), UAVBS'nin fayda fonksiyonuna göre eylem seçimini yinelemeli olarak optimize eder ve sınırlı işlem gücü ve enerjiye sahip sistemler için doğrusal zaman karmaşıklığı sunar. İkinci algoritma olan Utility-Driven Partial Synchronous Learning (UDPSL), yakın mesafelerdeki UAVBS'ler arasında çarpışmaların önlenmesi gereksinimini beraberinde getirse de, yakınsama hızını artırmak için bir öğrenme yaklaşımı entegre eder. Üçüncü algoritma olan Neighbor Responsive Adaptive-Partial Synchronous Learning (NRA-PSL) ise, komşu UAVBS'lerin konumu ve girişimi dikkate alınarak hareketlerin daha hassas şekilde yönlendirilmesini sağlar; bu ise daha ayrıntılı ağ bilgisi gerektirir. İkinci bölümde, UAVBS hareketliliğini kontrol etmek amacıyla iki ileri düzey merkeziyetsiz algoritma önerilmiştir. Virtual Probabilistic Reward-based Trajectory Optimization for Multi-agent Control (VPR-TOMC) algoritması, sanal aday konumlar ve dinamik ödül-ceza sistemi kullanarak, UAVBS'lerin hareketlerini geometrik ilişkiler temelinde yönlendirir. Bunu tamamlayan Multi-Agent Independent Q-Learning (MAIQL) algoritması ise, her UAVBS'in kendi başına en uygun eylemleri pekiştirmeli öğrenme yoluyla öğrenmesini sağlar ve ödül şekillendirmesiyle girişimi en aza indirirken güvenli mesafeleri korumayı hedefler. Her iki bölümdeki algoritmalar için yapılan benzetim sonuçları, algoritmaların UAVBS'ler arası girişimi etkili biçimde azalttığını, fiziksel çarpışmaları önlediğini ve ağ kapasitesini artırdığını göstermektedir. Bunun yanında, algoritmaların enerji tüketimi verimliliği, her birinin tasarımına bağlı olarak değişiklik göstermektedir. Ancak, özellikle büyük ölçekli gerçek zamanlı uygulamalarda hesaplama karmaşıklığı ve sinyal iletim yükü gibi zorluklar devam etmektedir.
Özet (Çeviri)
The mobility control of Unmanned Aerial Vehicle Base Stations (UAVBSs) plays a crucial role in mitigating interference, preventing collisions, and optimizing network power efficiency and coverage in 5G and beyond cellular systems. This research investigates decentralized mobility control strategies for UAVBS networks, addressing the challenges posed by dynamic environments and complex interactions. The first part of this work formulates UAVBS mobility control as an Exact Potential Game, proposing three algorithms to tackle the problem under varying connectivity and complexity scenarios. The first algorithm is, the UAVBSs-Better Direction Control (UAVBSs-BDC) algorithm, iteratively optimizes action selection based on the UAVBS's utility function with linear time complexity, suitable for limited onboard computation and power. To enhance convergence speed, the second algorithm, the Utility-Driven Partial Synchronous Learning (UDPSL) algorithm, incorporates a learning approach, though it necessitates additional collision avoidance when UAVBSs are in close proximity. The third algorithm, the Neighbor Responsive Adaptive-Partial Synchronous Learning (NRA-PSL) algorithm further refines trajectory control by incorporating xvii responses to neighboring UAVBSs' interference and location, requiring more detailed network information. In the second part, two advanced decentralized algorithms are proposed for UAVBS mobility control. The Virtual Probabilistic Reward-based Trajectory Optimization for Multi-agent Control (VPR-TOMC) algorithm leverages a geometry-driven approach, using virtual candidate positions and a dynamic reward-penalty system to guide UAVBS movements based on spatial relationships. Complementing this, the Multi-Agent Independent Q-Learning (MAIQL) algorithm allows each UAVBS to independently learn optimal actions through reinforcement learning, incorporating reward shaping to minimize interference and maintain safe distances. The simulation results of all algorithms for both parts of this study demonstrate that these algorithms effectively reduce inter-UAV interference, prevent physical collisions, and improve network capacity. These algorithms also demonstrate energy consumption efficiency, although this varies depending on the design of each one. However, challenges related to computational complexity and signaling overhead remain, particularly in large-scale real-time deployments.
Benzer Tezler
- Sınıf geçme statüsü uygulanan fakültelerde öğrenci hareketliliğinin Markov modeli
Markov model of student mobility in the faculties requiring student passes in every subject
M. CENGİZ TAPLAMACIOĞLU
- Tahmin metodu olarak markov zincirleri ve işgücü hareketliliğine uygulanması
Başlık çevirisi yok
ABDULLAH EROĞLU
- Modüle edilmiş fotoakım yöntemi ile amorf silisyum filmlerde yerleşik durum yoğunluğunun belirlenmesi
Başlık çevirisi yok
GÜLEN AKTAŞ
