A NOMA-based Q-Learning random access method for machine type communications
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/219413 |
Resumo: | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020. |
id |
UFSC_4942f4fcb5ebdd7f179c66a513eeba22 |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/219413 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
A NOMA-based Q-Learning random access method for machine type communicationsEngenharia elétricainternet das coisasAprendizado do computadorDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.Machine Type Communications (MTC) é um dos principais casos de uso do 5G e tende a se tornar ainda mais relevante nas próximas gerações. Além disso, por conta da natureza ultra-densa das redes de massive MTC (mMTC), a otimização de métodos de acesso ao meio apresenta diversos desafios. Uma solução promissora é a utilização de métodos de aprendizagem de máquina, como aprendizagem por reforço, para alocar eficientemente recursos de rádio aos dispositivos MTC. Com isso em mente, neste trabalho é proposto um método distribuído baseado em Non-Orthogonal Multiple Access (NOMA) e Q-Learning para alocar dinamicamente os dispositivos MTC. Os resultados numéricos demonstram que o método proposto é capaz de melhorar muito o throughput da rede quando comparado a métodos de trabalhos recentes.Abstract: Machine Type Communications (MTC) is a main use case of 5G and beyond wireless networks. Moreover, due to the ultra-dense nature of massive MTC networks, Random Access (RA) optimization is very challenging. A promising solution is to use machine learning methods, such as reinforcement learning, to efficiently accommodate the MTC devices in RA slots. In this sense, we propose a distributed method based on Non- Orthogonal Multiple Access (NOMA) and Q-Learning to dynamically allocate RA slots to MTC devices. Numerical results show that the proposed method can significantly improve the network throughput when compared to recent work.Souza, Richard DemoAlves, HirleyUniversidade Federal de Santa CatarinaSilva, Matheus Valente da2021-01-14T18:09:22Z2021-01-14T18:09:22Z2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis49 p.| il., gráfs.application/pdf370837https://repositorio.ufsc.br/handle/123456789/219413engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2021-01-14T18:09:23Zoai:repositorio.ufsc.br:123456789/219413Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-01-14T18:09:23Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
A NOMA-based Q-Learning random access method for machine type communications |
title |
A NOMA-based Q-Learning random access method for machine type communications |
spellingShingle |
A NOMA-based Q-Learning random access method for machine type communications Silva, Matheus Valente da Engenharia elétrica internet das coisas Aprendizado do computador |
title_short |
A NOMA-based Q-Learning random access method for machine type communications |
title_full |
A NOMA-based Q-Learning random access method for machine type communications |
title_fullStr |
A NOMA-based Q-Learning random access method for machine type communications |
title_full_unstemmed |
A NOMA-based Q-Learning random access method for machine type communications |
title_sort |
A NOMA-based Q-Learning random access method for machine type communications |
author |
Silva, Matheus Valente da |
author_facet |
Silva, Matheus Valente da |
author_role |
author |
dc.contributor.none.fl_str_mv |
Souza, Richard Demo Alves, Hirley Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Silva, Matheus Valente da |
dc.subject.por.fl_str_mv |
Engenharia elétrica internet das coisas Aprendizado do computador |
topic |
Engenharia elétrica internet das coisas Aprendizado do computador |
description |
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020 2021-01-14T18:09:22Z 2021-01-14T18:09:22Z |
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 |
370837 https://repositorio.ufsc.br/handle/123456789/219413 |
identifier_str_mv |
370837 |
url |
https://repositorio.ufsc.br/handle/123456789/219413 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
49 p.| il., gráfs. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808651985123016704 |