Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/29946 |
Resumo: | Este trabalho tem como objetivo explorar técnicas de coordenação de interferência entre células, Inter-Cell Interference Coordination (ICIC), baseadas em reúso fracionário de frequência, Fractional Frequency Reuse (FFR), como solução para um cenário multi-celular que apresenta concentração de usuários variante ao longo do tempo. Inicialmente, apresenta-se o problema da alta concentração de usuários no cenário proposto, a fim de esclarecer o que as caracteriza e quais seus efeitos no sistema. Em seguida, o uso de múltiplas entradas e saídas, Multiple-Input Multiple-Output (MIMO), e de microcélulas é apresentado como solução clássica para o problema, levando à introdução do reúso fracionário de frequência e de técnicas ICIC que utilizam FFR. Um estudo preliminar sobre o ICIC é realizado, com o intuito de demonstrar sua eficiência em reduzir os efeitos da interferência co-canal e comparar as diferentes técnicas. A partir da análise comparativa, uma das técnicas é utilizada como objeto de um estudo estatístico que identifica quais dos seus parâmetros são relevantes para o desempenho do sistema. Finalizando as análises preliminares, um estudo é realizado para evidenciar o impacto da alta concentração de usuários no cenário proposto. Devido à característica dinâmica do sistema, este trabalho propõe uma solução baseada em técnicas de Aprendizado de Máquina, em que o algoritmo de ICIC tem seus parâmetros regulados automaticamente com o objetivo de manter a melhor SINR possível, Signal-to-interference-plus-noise ratio, dado que há o surgimento de zonas de alta concentração de usuários ao longo do tempo. Os resultados mostram que o Q-Learning promove um ganho significativo na SINR média, de todos os usuários e dos usuário dos hotspots com relação à simulação em que não há ajuste dinâmico dos parâmetros. |
id |
UFRN_2c37650526bb2daaac713d4152d25eda |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/29946 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Rêgo, Iago Diógenes doCavalcante, André MendesSilva Neto, Valdemir Praxedes daSousa Júnior, Vicente Ângelo de2020-09-04T23:06:25Z2020-09-04T23:06:25Z2020-01-31RÊGO, Iago Diógenes do. Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR. 2020. 70f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.https://repositorio.ufrn.br/jspui/handle/123456789/29946Este trabalho tem como objetivo explorar técnicas de coordenação de interferência entre células, Inter-Cell Interference Coordination (ICIC), baseadas em reúso fracionário de frequência, Fractional Frequency Reuse (FFR), como solução para um cenário multi-celular que apresenta concentração de usuários variante ao longo do tempo. Inicialmente, apresenta-se o problema da alta concentração de usuários no cenário proposto, a fim de esclarecer o que as caracteriza e quais seus efeitos no sistema. Em seguida, o uso de múltiplas entradas e saídas, Multiple-Input Multiple-Output (MIMO), e de microcélulas é apresentado como solução clássica para o problema, levando à introdução do reúso fracionário de frequência e de técnicas ICIC que utilizam FFR. Um estudo preliminar sobre o ICIC é realizado, com o intuito de demonstrar sua eficiência em reduzir os efeitos da interferência co-canal e comparar as diferentes técnicas. A partir da análise comparativa, uma das técnicas é utilizada como objeto de um estudo estatístico que identifica quais dos seus parâmetros são relevantes para o desempenho do sistema. Finalizando as análises preliminares, um estudo é realizado para evidenciar o impacto da alta concentração de usuários no cenário proposto. Devido à característica dinâmica do sistema, este trabalho propõe uma solução baseada em técnicas de Aprendizado de Máquina, em que o algoritmo de ICIC tem seus parâmetros regulados automaticamente com o objetivo de manter a melhor SINR possível, Signal-to-interference-plus-noise ratio, dado que há o surgimento de zonas de alta concentração de usuários ao longo do tempo. Os resultados mostram que o Q-Learning promove um ganho significativo na SINR média, de todos os usuários e dos usuário dos hotspots com relação à simulação em que não há ajuste dinâmico dos parâmetros.This work aims to explore interference coordination techniques (Inter-Cell Interference Coordination, ICIC) based on Fractional Frequency Reuse (FFR) as a solution for a multi-cellular scenario with user concentration varying over time. Initially, we present the problem of high user concentration along with their consequences. Next, the use of Multiple-Input Multiple-Output (MIMO) and small cells are presented as classic solutions to the problem, leading to the introduction of fractional frequency reuse and existing ICIC techniques that use FFR. An exploratory analysis is presented in order to demonstrate the effectiveness of ICIC tecniques in reducing co-channel interference as well as to compare different techniques. A statistical study is conducted using one of the techniques from the first analysis in order to identify which of its parameters are relevant to the system performance. Additionally, another study is presented to highlight the impact of high user concentration in the proposed scenario. Because of the dynamic aspect of the system, this work proposes a solution based on Machine Learning. It consists on changing the ICIC parameters automatically to maintain the best possible Signal-to-interference-plus-noise ratio (SINR) in a scenario with hotspots appearing over time. The results show that the proposed Q-Learning algorithm increases the average SINR from all users and hotspot users when compared with a scenario without Q-Learning.Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPqUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilFFRICICHotspotQ-LearningAprendizado de máquinaSolução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFRinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTSolucaoparaconcentracao_Rego_2020.pdf.txtSolucaoparaconcentracao_Rego_2020.pdf.txtExtracted texttext/plain130031https://repositorio.ufrn.br/bitstream/123456789/29946/2/Solucaoparaconcentracao_Rego_2020.pdf.txt9093a3c20c5e86100f6a4a1b9267b679MD52THUMBNAILSolucaoparaconcentracao_Rego_2020.pdf.jpgSolucaoparaconcentracao_Rego_2020.pdf.jpgGenerated Thumbnailimage/jpeg1450https://repositorio.ufrn.br/bitstream/123456789/29946/3/Solucaoparaconcentracao_Rego_2020.pdf.jpg79761009b3d90caddbb5a7e5dd7ee48bMD53ORIGINALSolucaoparaconcentracao_Rego_2020.pdfapplication/pdf9187465https://repositorio.ufrn.br/bitstream/123456789/29946/1/Solucaoparaconcentracao_Rego_2020.pdf684d542c4cad67e7cd255fdb498a27e7MD51123456789/299462020-09-06 04:43:02.303oai:https://repositorio.ufrn.br:123456789/29946Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2020-09-06T07:43:02Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
title |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
spellingShingle |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR Rêgo, Iago Diógenes do FFR ICIC Hotspot Q-Learning Aprendizado de máquina |
title_short |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
title_full |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
title_fullStr |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
title_full_unstemmed |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
title_sort |
Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR |
author |
Rêgo, Iago Diógenes do |
author_facet |
Rêgo, Iago Diógenes do |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Cavalcante, André Mendes |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2.none.fl_str_mv |
Silva Neto, Valdemir Praxedes da |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Rêgo, Iago Diógenes do |
dc.contributor.advisor1.fl_str_mv |
Sousa Júnior, Vicente Ângelo de |
contributor_str_mv |
Sousa Júnior, Vicente Ângelo de |
dc.subject.por.fl_str_mv |
FFR ICIC Hotspot Q-Learning Aprendizado de máquina |
topic |
FFR ICIC Hotspot Q-Learning Aprendizado de máquina |
description |
Este trabalho tem como objetivo explorar técnicas de coordenação de interferência entre células, Inter-Cell Interference Coordination (ICIC), baseadas em reúso fracionário de frequência, Fractional Frequency Reuse (FFR), como solução para um cenário multi-celular que apresenta concentração de usuários variante ao longo do tempo. Inicialmente, apresenta-se o problema da alta concentração de usuários no cenário proposto, a fim de esclarecer o que as caracteriza e quais seus efeitos no sistema. Em seguida, o uso de múltiplas entradas e saídas, Multiple-Input Multiple-Output (MIMO), e de microcélulas é apresentado como solução clássica para o problema, levando à introdução do reúso fracionário de frequência e de técnicas ICIC que utilizam FFR. Um estudo preliminar sobre o ICIC é realizado, com o intuito de demonstrar sua eficiência em reduzir os efeitos da interferência co-canal e comparar as diferentes técnicas. A partir da análise comparativa, uma das técnicas é utilizada como objeto de um estudo estatístico que identifica quais dos seus parâmetros são relevantes para o desempenho do sistema. Finalizando as análises preliminares, um estudo é realizado para evidenciar o impacto da alta concentração de usuários no cenário proposto. Devido à característica dinâmica do sistema, este trabalho propõe uma solução baseada em técnicas de Aprendizado de Máquina, em que o algoritmo de ICIC tem seus parâmetros regulados automaticamente com o objetivo de manter a melhor SINR possível, Signal-to-interference-plus-noise ratio, dado que há o surgimento de zonas de alta concentração de usuários ao longo do tempo. Os resultados mostram que o Q-Learning promove um ganho significativo na SINR média, de todos os usuários e dos usuário dos hotspots com relação à simulação em que não há ajuste dinâmico dos parâmetros. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-09-04T23:06:25Z |
dc.date.available.fl_str_mv |
2020-09-04T23:06:25Z |
dc.date.issued.fl_str_mv |
2020-01-31 |
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.citation.fl_str_mv |
RÊGO, Iago Diógenes do. Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR. 2020. 70f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/29946 |
identifier_str_mv |
RÊGO, Iago Diógenes do. Solução para concentração de usuários (hotspots) aplicando QLearning em técnicas ICIC baseadas em FFR. 2020. 70f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/29946 |
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.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/29946/2/Solucaoparaconcentracao_Rego_2020.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/29946/3/Solucaoparaconcentracao_Rego_2020.pdf.jpg https://repositorio.ufrn.br/bitstream/123456789/29946/1/Solucaoparaconcentracao_Rego_2020.pdf |
bitstream.checksum.fl_str_mv |
9093a3c20c5e86100f6a4a1b9267b679 79761009b3d90caddbb5a7e5dd7ee48b 684d542c4cad67e7cd255fdb498a27e7 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117626323795968 |