Επεκτασιμότητα Ετερογενών Δικτύων 5ης γενιάς (5G) με την Κατάλληλη Επιλογή Κόμβων Αναμετάδοσης (Relay Selection) και τη Χρήση ΜΙΜΟ Κεραιών στο Σταθμό Βάσης (1 Άτομο)
Διπλωματική Εργασία
| Επιβλέπων | Δήμητρα-Θεοδώρα Κακλαμάνη |
|---|---|
| Συσχετιζόμενο μάθημα | Υπολογιστικές Τεχνικές για Συστήματα Μετάδοσης Πληροφορίας |
Περιγραφή
Τα τελευταία χρόνια, ο τομέας των ασυρμάτων επικοινωνιών αναδεικνύεται ως ένας από τους πλέον ταχέως αναπτυσσόμενους. Η προτυποποίηση, υλοποίηση και καθιέρωση της 5ης γενιάς (5G) δικτύων αποτελεί πρόσφορο πεδίο έρευνας και πρακτικής εφαρμογής για μια πληθώρα άλλων τεχνολογιών, εφαρμογών και σεναρίων χρήσης. Ο μεγάλος αριθμός χρηστών και η ολοένα αυξανόμενη απαίτησή τους για υψηλούς ρυθμούς και ποιότητα υπηρεσίας (Quality of Service - QoS), επιβάλλουν την ανάπτυξη προηγμένων τεχνικών πρόσβασης στο φυσικό μέσο και μετάδοσης δεδομένων. Συνεπώς, η χρήση πολύ μεγάλου πλήθους κεραιών στο σταθμό βάσης (Μassive Multiple Input Multiple Output – MIMO), η προσαρμοστική κωδικοποίηση (Adaptive Modulation Coding - AMC) και τα μοντέρνα σχήματα πολλαπλής πρόσβασης στο μέσο (όπως η μη-ορθογώνια πολλαπλή πρόσβαση (Non-Orthogonal Multiple Access - ΝΟΜΑ) αξιοποιούνται στο έπακρο.
Επιπλέον, η χρήση κόμβων αναμετάδοσης (Relay Nodes - RN) σε διάφορα σημεία της τοπολογίας στοχεύει στην εύκολη επεκτασιμότητα και διεύρυνση του δικτύου, χωρίς την εγκατάσταση επιπλέον σταθμών βάσης (Base Station - BS). Πιο συγκεκριμένα, η χρήση RN, συνδυαζόμενη με τις προαναφερθείσες τεχνολογίες, οδηγεί σε αυξημένη ενεργειακή και φασματική απόδοση, αλλά και στη δημιουργία πλήθους ασυσχέτιστων καναλιών, τα οποία μπορούν να διατεθούν σε διαφορετικές ομάδες χρηστών. Συνεπώς, ο αριθμός τον εξυπηρετούμενων χρηστών και η περιοχή κάλυψης αυξάνονται, διατηρώντας τα επίπεδα QoS σταθερά. Στο πλαίσιο αυτό, υπάρχει έντονο ερευνητικό ενδιαφέρον στην υλοποίηση αλγορίθμων για την κατάλληλη επιλογή RN ή BS σε 5G τοπολογίες για κάθε χρήστη, με στόχο τη βελτιστοποίηση παραμέτρων του δικτύου. Η Μηχανική Μάθηση (Machine Learning - ML) υπόσχεται ακόμα μεγαλύτερα οφέλη, χάρις στην ικανότητά της να επιλύει πολυπαραμετρικά προβλήματα, με ταυτόχρονη μείωση της υπολογιστικής πολυπλοκότητας.
Στόχος της παρούσης διπλωματικής εργασίας είναι η εκτενής μελέτη ενός συστήματος 5ης γενιάς με πλήθος σταθμών βάσης και RNs. Θα μελετηθούν διάφορες τεχνικές ως προς την επιλογή RN ή/και BS από τους χρήστες, συμπεριλαμβανομένων βασικών αλγορίθμων ML. Η διπλωματική εργασία θα περιλαμβάνει, τόσο ανασκόπηση του θεωρητικού υπόβαθρου της χρήσης RN σε ασύρματα δίκτυα επικοινωνιών επόμενης γενιάς (5G και Beyond), όσο και υπολογιστική προσομοίωση πραγματικού σεναρίου 5G συστήματος, με έμφαση στη βελτιστοποίηση της επιλογής RN στην 5G τοπολογία αλλά και την κατανομή των διαθέσιμων ραδιοπόρων.
Απαραίτητες βασικές γνώσεις Κεραιών, Ασυρμάτων Ζεύξεων και Διάδοσης, Matlab.
Επιθυμητές γνώσεις αρχών και αρχιτεκτονικών Μηχανικής Μάθησης.