Artificial intelligence techniques to enable massive connectivity and XL-MIMO in the future wireless communication networks

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Engenharia Elétricapt_BR
dataload.filenamenourau8263.pdfpt_BR
dataload.handlemapped123456789/208pt_BR
dataload.idpergamum25748pt_BR
dataload.idvirtuanourauvtls000233879pt_BR
dataload.idvirtuapergamumvtls000233879pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000233879pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000233879pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorAbrão, Taufik [Orientador]pt_BR
dc.contributor.authorSouza, João Henrique Inacio dept_BR
dc.contributor.bancaMarinello Filho, José Carlospt_BR
dc.contributor.bancaBarbon Junior, Sylviopt_BR
dc.contributor.bancaSouza, Richard Demopt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T12:13:15Z
dc.date.available2024-05-01T12:13:15Z
dc.date.created2021.00pt_BR
dc.date.defesa25.06.2021pt_BR
dc.description.abstractResumo: As redes de comunicação sem-fio enfrentam um aumento exponencial da demanda dos usúarios, além de um rápido crescimento no número de dispositivos conectados, impulsionado principalmente pela revolução da Internet das coisas Visando atender à segunda necessidade, as redes sem-fio da quinta geração (5G) implementação o serviço masssive machine-type communications (mMTC), projetado para fornecer conectividade massiva para dispositivos que possuem atividade esporádica, são equipados com hardware simples, e são alimentados por baterias de baixa capacidade Por outro lado, as crescentes demandas por maior capacidade e taxa de dados serão assistidas por estações rádio-base equipadas com transceptores de múltiplas antenas Atender a estes cenários é uma tarefa desafiadora devido à escassez de recursos de rádio combinada com as dificuldades técnicas enumeradas a seguir Os esquemas de acesso à rede convencionais são extremamente ineficientes ao lidar com grandes números de tentativas de conexão Ao mesmo tempo, estações rádio-base equipadas com grandes números de antenas apresentam gargalos de implementação decorrentes da alta largura de banda de interconexão e da complexidade computacional Considerando os desafios mencionados, nesta Dissertação de Mestrado nós investigamos protocolos de acesso aleatório e o transceptor extra-large scale massive MIMO (XL-MIMO) para viabilizar, respectivamente, a conectividade massiva no serviço mMTC e a implementação de transceptores de múltiplas antenas Adicionalmente, examinamos técnicas de inteligência artificial para projetar protocolos de acesso aleatório livres de concessão e algoritmos de alocação de recursos Nossas contribuições são enumeradas a seguir Propomos protocolos de acesso livres de concessão baseados nas redes neurais convolucionais que atingem alta performance com baixa complexidade computational na detecção de dispositivos ativos Ao mesmo tempo, elaboramos uma análise compreensiva dos protocolos de acesso livres de concessão disponíveis na literatura Em se tratando do transceptor XL-MIMO, propomos procedimentos distribuídos e centralizados baseando-se nos algoritmos genéticos para, conjuntamente, selecionar as antenas ativas e alocar potência visando maximizar a eficiência espectral do sistema Os procedimentos propostos são adequados para implementações com número limitado de transceptores de rádio-frequência, atingindo largura de banda de interconexão e complexidade computacional reduzidas, quando comparados com os métodos de referênciapt_BR
dc.description.abstractother1Abstract: The wireless communication networks face an exponential increase in users’ demand, as well as a rapid growth in the number of connected devices, driven principally by the revolution of the Internet of things (IoT) Motivated by the second need, the wireless networks of the fifth generation (5G) will implement the massive machine-type communications (mMTC) service, designed to provide massive connectivity for devices with sporadic activity, with simple hardware, and powered by low-capacity batteries On the other hand, the increasing demands for higher capacity and data rates will be fulfilled by multi-antenna base-station (BS) transceivers Serving these scenarios is challenging due to the scarcity of radio resources along with the technical difficulties in the following The conventional network access schemes are extremely inefficient for handling massive numbers of connection attempts In addition, BSs equipped with a massive number of antennas present the bottlenecks of high interconnection bandwidth and computational complexity Considering the mentioned challenges, in this Master’s Dissertation we investigate random access protocols and the extra-large scale massive MIMO (XL-MIMO) transceiver to enable, respectively, massive connectivity on the mMTC service and the deployment of massive multi-antenna transceivers We examine artificial intelligence techniques to design grant-free random access protocols and resource allocation algorithms Our contributions are as follows We propose grant-free access protocols based on the convolutional neural network with high performance and low complexity in detecting the set of active devices At the same time, we conceive a comprehensive analysis of the grant-free access protocols in the literature On the matter of the XL-MIMO transceiver, we propose distributed and centralized procedures based on the genetic algorithms for joint antenna selection and power allocation to maximize the spectral efficiency of the system The proposed procedures are suitable for array implementations with limited number of radio-frequency transceivers, while attaining low interconnection bandwidth and complexity, when compared with the reference methodspt_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/123456789/9998
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.subjectSistemas de telecomunicaçãopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectElectrical engineeringpt_BR
dc.subjectTelecommunications Systemspt_BR
dc.subjectArtificial intelligencept_BR
dc.titleArtificial intelligence techniques to enable massive connectivity and XL-MIMO in the future wireless communication networkspt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
8263.pdf
Tamanho:
6.11 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Engenharia Elétrica