Throughput and latency Q-learning-based random access protocols for mMTC systems
Arquivos
Data
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
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
Descrição
Palavras-chave
Engenharia elétrica, mMTC, Q-learning, Acesso aleatório, NOMA, Electric engineering, mMTC, Q-learning, Random acess, NOMA