A NOMA-based Q-Learning random access method for machine type communications

Detalhes bibliográficos
Autor(a) principal: Silva, Matheus Valente da
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

Registros relacionados