Throughput and latency Q-learning-based random access protocols for mMTC systems

Detalhes bibliográficos
Autor(a) principal: Silva, Giovanni Maciel Ferreira
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UEL
Texto Completo: https://repositorio.uel.br/handle/123456789/15197
Resumo: Resumo: As redes de comunicação do tipo máquina massiva (mMTC - massive machine-type communication) terão um papel fundamental nos sistemas de sexta geração de comunicação sem fio (6G) Neste modo de uso da rede, milhares de dispositivos disputam os recursos de acesso disponíveis para o envio de pacotes, como por exemplo uma rede de sensores no campo ou uma fábrica automatizada da indústria 4 Nesse cenário, surge o problema de acesso aleatório, no qual os dispositivos selecionam aleatoriamente os recursos da rede e colisões ocorrem com frequência Uma das formas promissoras de resolver esse problema é utilizar algoritmos de aprendizado por reforço QL (Q-learning) Neste trabalho, algumas técnicas presentes na literatura como os algoritmos QL-Independente e QL-Colaborativo são analisadas em termos de vazão e latência Também são propostos um algoritmo distribuído baseado em pacotes de baixa complexidade, bem como melhorias na técnica QL-Colaborativa Finalmente, analisa-se a disparidade de potência entre dispositivos em uma célula com a utilização de acesso múltiplo não ortogonal (NOMA - non-orthogonal multiple access) com um nó central aplicando o cancelamento sucessivo de interferência (SIC - successive interference cancellation) para reduzir a probabilidade de colisões Neste contexto, é proposto um algoritmo QL com múltiplos níveis de potência capaz de aumentar a vazão enquanto reduz a latência de redes NOMA mMTC
id UEL_49797543f2b816d1c1397bc2b84deb21
oai_identifier_str oai:repositorio.uel.br:123456789/15197
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Throughput and latency Q-learning-based random access protocols for mMTC systemsEngenharia elétricamMTCQ-learningAcesso aleatórioNOMAElectric engineeringmMTCQ-learningRandom acessNOMAResumo: As redes de comunicação do tipo máquina massiva (mMTC - massive machine-type communication) terão um papel fundamental nos sistemas de sexta geração de comunicação sem fio (6G) Neste modo de uso da rede, milhares de dispositivos disputam os recursos de acesso disponíveis para o envio de pacotes, como por exemplo uma rede de sensores no campo ou uma fábrica automatizada da indústria 4 Nesse cenário, surge o problema de acesso aleatório, no qual os dispositivos selecionam aleatoriamente os recursos da rede e colisões ocorrem com frequência Uma das formas promissoras de resolver esse problema é utilizar algoritmos de aprendizado por reforço QL (Q-learning) Neste trabalho, algumas técnicas presentes na literatura como os algoritmos QL-Independente e QL-Colaborativo são analisadas em termos de vazão e latência Também são propostos um algoritmo distribuído baseado em pacotes de baixa complexidade, bem como melhorias na técnica QL-Colaborativa Finalmente, analisa-se a disparidade de potência entre dispositivos em uma célula com a utilização de acesso múltiplo não ortogonal (NOMA - non-orthogonal multiple access) com um nó central aplicando o cancelamento sucessivo de interferência (SIC - successive interference cancellation) para reduzir a probabilidade de colisões Neste contexto, é proposto um algoritmo QL com múltiplos níveis de potência capaz de aumentar a vazão enquanto reduz a latência de redes NOMA mMTCDissertação (Mestrado em Engenharia Elétrica) - Universidade Estadual de Londrina, Centro de Tecnologia e Urbanismo, Programa de Pós-Graduação em Engenharia ElétricaAbstract: Massive machine-type communication (mMTC) networks will play a key role in sixth generation wireless communication systems (6G) Thousands of devices compete for network resources for sending packets, such as a sensor network in a farm or an automated factory in Industry 4 In this scenario, the random access (RA) problem arises, in which devices randomly select network resources and collisions occur frequently One of the promising ways to solve this problem is to use Q-learning (QL) algorithms In this work, some machine learning-based techniques available in the literature such as independent and collaborative QL algorithms are analyzed in terms of system throughput and latency An improvement in the QL collaborative technique and a low-complexity distributed packet-based algorithm are also proposed Finally, the power disparity between devices in a cell is analyzed using non-orthogonal multiple access (NOMA) with a central node applying successive interference cancellation (SIC) to reduce collisions A QL algorithm with multi-power levels that increases throughput and reduces latency in NOMA mMTC scenarios is proposedAbrão, Taufik [Orientador]Brante, Glauber Gomes de OliveiraCosta, Marcello GonçalvesSilva, Giovanni Maciel Ferreira2024-05-01T14:45:55Z2024-05-01T14:45:55Z2022.0015.12.2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/15197porMestradoEngenharia ElétricaCentro de Tecnologia e UrbanismoPrograma de Pós-Graduação em Engenharia ElétricaLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:19:48Zoai:repositorio.uel.br:123456789/15197Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:19:48Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false
dc.title.none.fl_str_mv Throughput and latency Q-learning-based random access protocols for mMTC systems
title Throughput and latency Q-learning-based random access protocols for mMTC systems
spellingShingle Throughput and latency Q-learning-based random access protocols for mMTC systems
Silva, Giovanni Maciel Ferreira
Engenharia elétrica
mMTC
Q-learning
Acesso aleatório
NOMA
Electric engineering
mMTC
Q-learning
Random acess
NOMA
title_short Throughput and latency Q-learning-based random access protocols for mMTC systems
title_full Throughput and latency Q-learning-based random access protocols for mMTC systems
title_fullStr Throughput and latency Q-learning-based random access protocols for mMTC systems
title_full_unstemmed Throughput and latency Q-learning-based random access protocols for mMTC systems
title_sort Throughput and latency Q-learning-based random access protocols for mMTC systems
author Silva, Giovanni Maciel Ferreira
author_facet Silva, Giovanni Maciel Ferreira
author_role author
dc.contributor.none.fl_str_mv Abrão, Taufik [Orientador]
Brante, Glauber Gomes de Oliveira
Costa, Marcello Gonçalves
dc.contributor.author.fl_str_mv Silva, Giovanni Maciel Ferreira
dc.subject.por.fl_str_mv Engenharia elétrica
mMTC
Q-learning
Acesso aleatório
NOMA
Electric engineering
mMTC
Q-learning
Random acess
NOMA
topic Engenharia elétrica
mMTC
Q-learning
Acesso aleatório
NOMA
Electric engineering
mMTC
Q-learning
Random acess
NOMA
description Resumo: As redes de comunicação do tipo máquina massiva (mMTC - massive machine-type communication) terão um papel fundamental nos sistemas de sexta geração de comunicação sem fio (6G) Neste modo de uso da rede, milhares de dispositivos disputam os recursos de acesso disponíveis para o envio de pacotes, como por exemplo uma rede de sensores no campo ou uma fábrica automatizada da indústria 4 Nesse cenário, surge o problema de acesso aleatório, no qual os dispositivos selecionam aleatoriamente os recursos da rede e colisões ocorrem com frequência Uma das formas promissoras de resolver esse problema é utilizar algoritmos de aprendizado por reforço QL (Q-learning) Neste trabalho, algumas técnicas presentes na literatura como os algoritmos QL-Independente e QL-Colaborativo são analisadas em termos de vazão e latência Também são propostos um algoritmo distribuído baseado em pacotes de baixa complexidade, bem como melhorias na técnica QL-Colaborativa Finalmente, analisa-se a disparidade de potência entre dispositivos em uma célula com a utilização de acesso múltiplo não ortogonal (NOMA - non-orthogonal multiple access) com um nó central aplicando o cancelamento sucessivo de interferência (SIC - successive interference cancellation) para reduzir a probabilidade de colisões Neste contexto, é proposto um algoritmo QL com múltiplos níveis de potência capaz de aumentar a vazão enquanto reduz a latência de redes NOMA mMTC
publishDate 2024
dc.date.none.fl_str_mv 15.12.2021
2022.00
2024-05-01T14:45:55Z
2024-05-01T14:45:55Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.uel.br/handle/123456789/15197
url https://repositorio.uel.br/handle/123456789/15197
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Mestrado
Engenharia Elétrica
Centro de Tecnologia e Urbanismo
Programa de Pós-Graduação em Engenharia Elétrica
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1809823257206980608

Registros relacionados