Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho

Detalhes bibliográficos
Autor(a) principal: Stancanelli, Elvis Miguel Galeas
Data de Publicação: 2012
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/4029
Resumo: In order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions.
id UFC-7_aee585bc19af35d5952d4563d6c24474
oai_identifier_str oai:repositorio.ufc.br:riufc/4029
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenhoApplications of machine learning in mobile communications: resources management and performance assessmentTeleinformáticaSistemas de comunicação móvelSimulação (Computadores)Aprendizado do computadorIn order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions.De modo a suprirem o aumento de tráfego previsto para os próximos anos, os sistemas de comunicações móveis da próxima geração contam com tecnologias avançadas, como múltiplas subportadoras ortogonais e coordenação entre pontos de transmissão. Os recursos de rádio passam a ser organizados em um número maior de dimensões, tornando mais complexas tarefas como a alocação de recursos e a avaliação de desempenho do enlace. Com base em técnicas de aprendizagem de máquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizá-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissão e (ii) realização de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-médias para identificar os vetores de força do sinal similares, resultando em redução na complexidade de cooperação. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulações de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiável para certas situações na região de borda de célula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de máquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretações alternativas e soluções eficientes.Cavalcanti, Francisco Rodrigo PortoSilva, Yuri Carvalho BarbosaStancanelli, Elvis Miguel Galeas2012-11-01T17:09:25Z2012-11-01T17:09:25Z2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSTANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012.http://www.repositorio.ufc.br/handle/riufc/4029porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2020-08-24T16:53:30Zoai:repositorio.ufc.br:riufc/4029Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:18:15.216005Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
Applications of machine learning in mobile communications: resources management and performance assessment
title Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
spellingShingle Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
Stancanelli, Elvis Miguel Galeas
Teleinformática
Sistemas de comunicação móvel
Simulação (Computadores)
Aprendizado do computador
title_short Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
title_full Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
title_fullStr Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
title_full_unstemmed Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
title_sort Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
author Stancanelli, Elvis Miguel Galeas
author_facet Stancanelli, Elvis Miguel Galeas
author_role author
dc.contributor.none.fl_str_mv Cavalcanti, Francisco Rodrigo Porto
Silva, Yuri Carvalho Barbosa
dc.contributor.author.fl_str_mv Stancanelli, Elvis Miguel Galeas
dc.subject.por.fl_str_mv Teleinformática
Sistemas de comunicação móvel
Simulação (Computadores)
Aprendizado do computador
topic Teleinformática
Sistemas de comunicação móvel
Simulação (Computadores)
Aprendizado do computador
description In order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions.
publishDate 2012
dc.date.none.fl_str_mv 2012-11-01T17:09:25Z
2012-11-01T17:09:25Z
2012
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv STANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012.
http://www.repositorio.ufc.br/handle/riufc/4029
identifier_str_mv STANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012.
url http://www.repositorio.ufc.br/handle/riufc/4029
dc.language.iso.fl_str_mv por
language por
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.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028746014228480