Banca de DEFESA: DANIEL RODRIGUES DE LUNA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : DANIEL RODRIGUES DE LUNA
DATA : 13/02/2023
HORA: 09:00
LOCAL: Remota via Google Meet (https://meet.google.com/oyd-stzu-azz)
TÍTULO:

Particionamento Adaptativo de Banda em Sistemas 5G NR Utilizando Solução de Aprendizado de Máquina


PALAVRAS-CHAVES:

5G, mMTC, Particões de Banda, Aprendizado de Máquinas, Aprendizado por Reforço, MAB, ns-3


PÁGINAS: 135
RESUMO:

A quinta geração (5G NR) da rede de comunicação do 3GPP propõe uma variedade de casos de uso, que vão desde as comunicações móveis em banda larga melhoradas (eMBB) até comunicações ultra confiáveis e de baixíssimo atraso (URLLC), além das comunicações massivas entre máquinas (mMTC). A introdução da flexibilização na utilização da largura de banda é um dos requisitos críticos das tecnologias 5G. Como tal, o conceito de partições de largura de banda, as \acp{bwp}, foi introduzido para dar flexibilidade, mudanças rápidas de configurações e economia de energia para os UEs, que não precisam de toda a largura de banda disponível para suas aplicações, usando assim apenas uma parte dela. O caso de uso que mais pode se beneficiar desse recurso é o mMTC, caracterizado por seu grande número de dispositivos e pela necessidade de baixo consumo de energia. Este trabalho propõe uma solução de aprendizado por reforço de adaptação de parte da largura de banda em cenários mMTC para economizar energia e melhorar as estatísticas do sistema. Primeiramente, é apresentado o assunto tratado, além de apresentar uma seção completa de trabalhos relacionados com os trabalhos mais recentes, destacando a lacuna nesta área de pesquisa. Além disso, uma breve abordagem teórica do 5G é apresentada como parte da base deste trabalho. Em seguida, o modelo do sistema e os principais parâmetros do sistema são descritos, juntamente com a ferramenta de simulação utilizada, o ns-3 NR 5G-LENA, no qual campanhas de calibração são realizadas para validar o seu uso. Em seguida, é detalhado o cenário de investigação no qual é possível aplicar a solução baseada na abordagem de aprendizado por reforço (RL). Na sequência, o uso de soluções descentralizadas e centralizadas é proposto, bem como novas campanhas usando ambas as soluções propostas de adaptação de parte da largura de banda baseada em RL. A campanha dos resultados finais mostra os ganhos obtidos em relação a abordagem tradicional fixa. Por fim, os artigos publicados e as principais discussões desta tese são reunidas ao final.


MEMBROS DA BANCA:
Presidente - 1412682 - VICENTE ANGELO DE SOUSA JUNIOR
Interno - 1837240 - MARCELO AUGUSTO COSTA FERNANDES
Externo ao Programa - 1840342 - MARCIO EDUARDO DA COSTA RODRIGUES - UFRNExterno à Instituição - ANDRÉ MENDES CAVALCANTE
Externo à Instituição - WALTER DA CRUZ FREITAS JÚNIOR - UFC
Notícia cadastrada em: 16/01/2023 07:30
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa11-producao.info.ufrn.br.sigaa11-producao