Throughput and latency Q-learning-based random access protocols for mMTC systems

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Engenharia Elétricapt_BR
dataload.filenamenourau8498.pdfpt_BR
dataload.handlemapped123456789/208pt_BR
dataload.idpergamum17380pt_BR
dataload.idvirtuanourauvtls000235339pt_BR
dataload.idvirtuapergamumvtls000235339pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000235339pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000235339pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorAbrão, Taufik [Orientador]pt_BR
dc.contributor.authorSilva, Giovanni Maciel Ferreirapt_BR
dc.contributor.bancaBrante, Glauber Gomes de Oliveirapt_BR
dc.contributor.bancaCosta, Marcello Gonçalvespt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T14:45:55Z
dc.date.available2024-05-01T14:45:55Z
dc.date.created2022.00pt_BR
dc.date.defesa15.12.2021pt_BR
dc.description.abstractResumo: 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 mMTCpt_BR
dc.description.abstractother1Abstract: Massive machine-type communication (mMTC) networks will play a key role in sixth generation wireless communication systems (6G) Thousands of devices compete for network resources for sending packets, such as a sensor network in a farm or an automated factory in Industry 4 In this scenario, the random access (RA) problem arises, in which devices randomly select network resources and collisions occur frequently One of the promising ways to solve this problem is to use Q-learning (QL) algorithms In this work, some machine learning-based techniques available in the literature such as independent and collaborative QL algorithms are analyzed in terms of system throughput and latency An improvement in the QL collaborative technique and a low-complexity distributed packet-based algorithm are also proposed Finally, the power disparity between devices in a cell is analyzed using non-orthogonal multiple access (NOMA) with a central node applying successive interference cancellation (SIC) to reduce collisions A QL algorithm with multi-power levels that increases throughput and reduces latency in NOMA mMTC scenarios is proposedpt_BR
dc.description.notesDissertação (Mestrado em Engenharia Elétrica) - Universidade Estadual de Londrina, Centro de Tecnologia e Urbanismo, Programa de Pós-Graduação em Engenharia Elétricapt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/15197
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameEngenharia Elétricapt_BR
dc.relation.departamentCentro de Tecnologia e Urbanismopt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectmMTCpt_BR
dc.subjectQ-learningpt_BR
dc.subjectAcesso aleatóriopt_BR
dc.subjectNOMApt_BR
dc.subjectElectric engineeringpt_BR
dc.subjectmMTCpt_BR
dc.subjectQ-learningpt_BR
dc.subjectRandom acesspt_BR
dc.subjectNOMApt_BR
dc.titleThroughput and latency Q-learning-based random access protocols for mMTC systemspt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
8498.pdf
Tamanho:
4.15 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Engenharia Elétrica