-
شماره ركورد
24538
-
شماره راهنما
COM2 680
-
نويسنده
سعده وند، مهرداد
-
عنوان
ارائه يك رويكرد مبتني بر يادگيري انتقالي براي كاهش تداخلدر ارتباطات دستگاهبهدستگاه شبكههاي سلولي
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي كامپيوتر- شبكه هاي كامپيوتري
-
دانشكده
مهندسي كامپيوتر
-
تاريخ دفاع
مهر ماه 1402
-
صفحه شمار
88 ص.
-
استاد راهنما
ندا مقيم , بهروز شاه قلي قهفرخي
-
كليدواژه فارسي
ارتباطات دستگاهبهدستگاه سلولي , كاهش تداخل , كنترل توان ارسال , مسئله راهزن چندبازويي متخاصم , بهينه سازي پارتو , يادگيري انتقالي
-
چكيده فارسي
ارتباطات دستگاهبهدستگاه سلولي مزايايي از قبيل بهرهوري طيفي بهتر، توسعه پوشش شبكه و كاهشسربار ترافيك زيرساخت شبكه سلولي را ميتواند به دنبال داشته باشد. با اين وجود، تخصيص منابعبالاسوي سلولي براي ارتباطات دستگاهبهدستگاه و سلولي به صورت اشتراكي، منجر به نقض تعامددسترسي به كانال بيسيم و رخداد تداخل در ارتباطات ميشود. از سوي ديگر، رخداد تداخل در ارتباطاتبيسيم سلولي نقشي موثر در كاهش كيفيت خدمات و رضايت مشتريان دارد. در نتيجه، كاهش آثارتداخل در ارتباطات دستگاهبهدستگاه سلولي، ضمن در نظر گرفتن كيفيت خدمت كاربرها از اهميتبرخوردار است. در پژوهشهاي پيشين، كنترل توان ارسال در ارتباطات سلولي و دستگاهبهدستگاه يكياز رويكردهاي مورد توجه براي كاهش آثار تداخلي است. روشهاي پيشين، وجود شرايط غيرايستان واطلاعات ناقص حالت كانال به همراه پيچيدگي زماني و سربار سيگنالدهي را به عنوان چالش مطرحكردهاند. در اين پژوهش، كاهش آثار تداخل در ارتباطات دستگاهبهدستگاه سلولي، ضمن در نظر گرفتنحداقل كيفيت خدمت مورد نياز كاربرها دنبال شده است. براي اين منظور، يك چارچوب كنترل توانارسال با در نظر گرفتن حداقل كيفيت خدمت مورد نياز در ارتباطات دستگاهبهدستگاه و سلولي ارائهشده است. در روش پيشنهادي، با توجه به شرايط غيرايستان و اطلاعات ناقص حالت كانال بيسيم، روالكنترل توان ارسال در ارتباطات دستگاهبهدستگاه و سلولي به صورت يك مسئله يادگيري راهزن چندبازويي در محيط متخاصم فرموله شده است. همچنين، با توجه به وجود تضاد در بين اهداف ارتباطاتدستگاهبهدستگاه و سلولي، از بهينهسازي پارتو و براي تسريع يادگيري و دستيابي به مطلوبيت سراسريبهتر، از يادگيري انتقالي در مدل كنترل توان ارسال ارتباطات دستگاهبهدستگاه استفاده شده است. روشپيشنهادي تنها به اطلاعات حالت كانال محلي نياز دارد و سربار سيگنالدهي كمي دارد. در ادامه، باافزايش شاخص استفاده مجدد از منابع فراسو به وسيله افزايش تعداد جفتهاي دستگاهبهدستگاه، تأثيراستفاده از روش پيشنهادي بر كارايي شبكه سلولي و تأثير استفاده از يادگيري انتقالي در روش پيشنهادي،با استفاده از شبيهسازي مورد بررسي و با دو روش مبتني بر يادگيريQ و نظريه بازي مقايسه شده است.بنابر نتايج عددي حاصل از شبيهسازي، بهبود معيارهاي كيفيت خدمتي مانند قابليت اطمينان و نرخداده كاربر سلولي با استفاده از روش پيشنهادي تأييد ميشود.
-
كليدواژه لاتين
CellularDevice-to-Device , InterferenceReduction , Control, , Multi-Armed Bandit Problem , Pareto Optimization , Transfer Learning
-
عنوان لاتين
A Transfer Learning Approach for Interference Reduction in Cellular D2D Communications
-
گروه آموزشي
مهندسي كامپيوتر
-
چكيده لاتين
Cellular device-to-device communication offers advantages such as enhanced spectral efficiency, extended network coverage, and reduced traffic overhead on the cellular network infrastructure. However, sharing cellular uplink resources between device-to-device and cellular communications disrupts the orthogonality of wireless channel access, leading to interference. Introducing interference in cellular wireless communications results in a degradation of the quality of service (QoS) for users. Therefore, it is crucial to mitigate interference effects in cellular device-todevice communicationswhileprioritizing QoS forusers. Priorresearchhasexplored transmission power control as an approach to mitigate interference effects, facing challenges such as non-stationary conditions, imperfect channel state information, time complexity, and signaling overhead. In this study, the focus is on reducing interference effects in cellular device-to-device communications while ensuring the minimum required QoS for users. A transmission power control framework is presented, considering the minimum QoS in both device-to-device and cellular communications. Addressing the non-stationary nature and imperfect Channel State Information (CSI) in both links, the research formulates the power control function as a multi-armed bandit problem in an adversarial environment. The power control model for device-to-device communications employs Pareto optimization due to conflicting objectives, utilizing transfer learning for accelerated learning processes and improved global utility. The proposed method, requiring only local CSI, is evaluated through simulation, comparing it with two methods based on Q-learning and game theory. The simulation results confirm the proposed method’s positive impact on cellular network efficiency, showing improvements in QoS metrics such as reliability and cellular user data rate.
-
تعداد فصل ها
5
-
لينک به اين مدرک :
