24062

COM3 131

دكتري

مهندسي كامپيوتر - معماري سيستمهاي كامپيوتر

مهندسي كامپيوتر

1403/06/28

118 ص.

بهروز شاه قلي قهفرخي

ارتباطات دوطرفه , مديريت منابع , بهره روي انرژي , مديريت خواب/بيداري , شبكه هاي فوق متراكم

شبكه¬هاي فوق متراكم با ارتباطات دوطرفه (FD-UDNs) گزينه¬اي نويد بخش براي تأمين ظرفيت و سرويس¬دهي انبوه، در شبكه¬هاي سلولي است. در اين شبكه¬ها تراكم زياد سلول¬هاي كوچك، باعث افزايش ظرفيت و پوشش¬دهي شبكه مي¬شود. ارتباطات دو طرفه هم امكان ارسال و دريافت همزمان در يك كانال فركانسي يكسان را فراهم مي¬كند كه مي¬تواند بطور بالقوه ظرفيت شبكه را تا دو برابر افزايش دهد. با اين حال، اين شبكه¬ها با محدوديت¬هاي مصرف انرژي و تداخل بالا مواجه هستند كه عدم مديريت صحيح آن مي¬تواند بر كارايي كلي شبكه تاثير منفي بگذارد. تحقيقات انجام شده ثابت مي¬كند كه تخصيص منابع و خواب ايستگاه پايه سهم بسزايي در مديريت تداخل و كاهش مصرف انرژي به ويژه در استقرار متراكم سلول¬هاي كوچك دارند. بنابراين، لازم است تا از استراتژي خواب همراه با تكنيك‌هاي مديريت منابع براي كاهش موثر تداخل و مصرف توان در FD-UDN بهره برد، كه اين موضوع در پژوهش¬هاي پيشين مورد توجه قرار نگرفته است. در اين رساله، مديريت توأم منابع و خواب ايستگاه پايه با هدف بيشينه¬سازي بهره‌وري انرژي و تضمين نرخ داده¬ي ¬مورد نياز كاربران بالاسو و پايين¬سو، مدنظر قرار گرفته است. مسئله بهينه¬سازي فرمول‌بندي‌شده، يك مسئله برنامه‌نويسي غير محدب غيرخطي اعداد صحيح مختلط (MINLP) است كه حل آن دشوار است. دو رهيافت برا ي حل مسئله دنبال شده است كه در رهيافت نخست، راهكاري متمركز مبتني بر تكنيك-هاي كلاسيك بهينه¬سازي ارائه گرديده است. در اين راهكار ابتدا، با استفاده از روش دينكلباچ، تابع هدف مسئله به فرم پارامتري كاهشي معادل تبديل مي¬شود. سپس مسئله به دو زير مسئله¬ي انتساب كاربر و تخصيص منابع و مسئله¬ي مديريت خاموشي BSها تقسيم و حل مي¬شود. با توجه به سربار محاسباتي وسيگنالينگ اين راهكار و همچنين تغييرات بالا در شبكه¬هاي بي¬سيم، رهيافت دوم بر روش يادگيري تقويتي (RL) تكيه دارد. در اين راهكار هم مسئله به دو زير مسئله¬ي تخصيص منابع و مديريت خاموشي ايستگاه¬هاي پايه كوچك (SBS) شكسته شده است. در مديريت خاموشي، دو راهكار متمركز و توزيع شده ارائه گرديده است. در روش متمركز، ايستگاه پايه ماكرو (MBS) با توجه به معيارهايي مانند بهره¬وري انرژي و رضايت¬مندي كاربران شبكه، درباره وضعيت خواب SBSها تصميم مي‌گيرد. در روش توزيع شده، هر SBS با توجه به معيارهاي مشابه، براي خواب يا بيداري¬اش، تصميم مي¬گيرد. سپس با انتساب كاربران به ايستگاه¬هاي روشن، هر ايستگاه پايه به تخصيص توان ارسال و منابع راديويي به كاربران خود مي¬پردازد. نتايج شبيه سازي، كارايي الگوريتم¬هاي پيشنهادي را در بهبود بهره¬وري انرژي با غيرفعال كردن سلول¬هاي كوچك، بيشتر بويژه در شبكه¬هايي با بار زياد، نشان مي¬دهد. همچنين طبق نتايج، روش كلاسيك پيشنهادي در ميزان بهره¬وري انرژي و نرخ رضايت-مندي كاربران، نسبت به روش¬هاي مبتني بر RL به ترتيب 50.3 درصد و 28.4 درصد بهتر عمل كرده است. همچنين، رويكرد مبتني بر RL كاملاً توزيع شده بالاتري به ترتيب به 12.47 و 42.47 درصد بهره¬وري انرژي و رضايت¬مندي بالاتر نسبت به رويكرد مبتني بر RL با مديريت متمركز خواب BSها دست يافته است.

Base station sleep mangement , Energy efficiency , Full-duplex communication , Resource management , Ultra-dense networks

Energy Efficient Interference Management in Full-duplex Ultra-Dense Heterogeneous Cellular Networks

مهندسي معماري كامپيوتر

Ultra-dense networks with full-duplex communication (FD-UDNs) is a promising technology in cellular networks, providing high capacity and massive access. The high density of small cells in these networks enhances both the capacity and coverage of the network, while full-duplex communication has the potential to double the network capacity by enabling simultaneous transmission and reception in the same frequency channel. However, these networks suffer from high energy consumption and severe interferences, which can negatively affect the overall efficiency of the network. The conducted research proves that resource allocation and base station (BS) sleep has a significant contribution in managing interference and reducing energy consumption, especially in dense deployment of small cells. Therefore, it is necessary to utilize BS sleep strategy along with resource management techniques to effectively reduce interference and power consumption in FD-UDN, which has not been considered in previous works. To this end, this thesis takes into consideration an EE maximization through jointly optimizing resource management and BS sleeping, where the data rate requirements of both uplink and downlink users are met. The formulated optimization problem is a nonlinear, mixed integer non-convex programming problem which is difficult to solve. To tackle this problem first, a centralized solution based on classical optimization techniques has been presented. In this solution, at first the objective function is transformed into an equivalent parametric subtractive form by using the Dinkelbach method. Then, the problem is decoupled into two sub-problems: 1)problem of user association and resource allocation, which is transformed by using some appropriate transformations into a convex optimization form and then solved, and 2) problem of optimal BSs on/off switching, which is solved by using the dual Lagrangian method and the CCCP method. In the following, considering the computational and signaling overhead of this solution as well as the high dynmics of wireless networks, a solution based on reinforcement learning method is introduced. In second solution, also the problem is divided into two sub-problems: resource allocation and BS sleep management. In BS sleep management, a centralized and a distributed solution have been proposed. In distributd solution, each small base station (SBS) decides about its sleep status according to criteria such as EE, satisfaction rate (SR), full-duplexity rate (FDR), and free sub-channel rate (FSR). While in centralized solution, macro base station (MBS) decides about the sleep status of SBSs base on similar criteria. Then, by re-associating users to active base stations, each BS allocates transmission power and radio resources to its users. The simulation results demonestrates the effectiveness of the proposed algorithms in improving the energy efficiency, reducing the energy consumption and keeping fewer SBSs active, especially in high network loads.

6

77686