مشخصات پژوهش

عنوان	ارایه یک روش جهت مدیریت منابع در ساختار O-RAN با استفاده از الگوریتم های یادگیری ماشین
نوع پژوهش	پایان نامه
کلیدواژه‌ها	شبکه دسترسی رادیویی باز، مدیریت منابع، یادگیری ماشین، ترافیک داده، کیفیت سرویس، سیستم چند ورودی چند خروجی انبوه بدون سلول
چکیده	پیچیدگی شبکه های سلولی با نسل جدید سیستم های بی سیم که بر روی مجموعه ای از فناوری ها و باندهای فرکانسی ناهمگن ساخته شده اند، در حال افزایش است. پیشرفت های جدید شامل ورودی ها و خروجی های چندگانه عظیم (MIMO )، امواج میلی متری و ارتباطات زیر تراهرتز، سنجش مبتنی بر شبکه، برش شبکه و پردازش سیگنال دیجیتال مبتنی بر یادگیری ماشین (ML ) است. این پیشرفت ها هزینه های سرمایه ای و عملیاتی فزاینده ای را برای اپراتورهای شبکه تحمیل می کند، که باید به طور مداوم زیرساخت های خود را ارتقا داده و حفظ کنند تا با روندهای جدید بازار و نیازهای مشتریان همگام شوند. شبکه های دسترسی رادیویی فعلی (RAN ) با چالش های مهمی در مدیریت کارآمد ترافیک، به ویژه با افزایش تقاضا برای نرخ های داده بالا، تأخیر کم و اتصال گسترده مواجه هستند. معماری های سنتی RAN برای انطباق با این خواسته ها به اندازه کافی انعطاف پذیر نیستند، که منجر به ازدحام و عملکرد غیربهینه می شود. ادغام هوش مصنوعی و ML در شبکه های دسترسی رادیویی باز (O-RAN ) با فعال کردن هدایت هوشمند ترافیک و مدیریت منابع، راه حل امیدوارکننده ای را برای این مسائل ارائه می دهد.
پژوهشگران	علی اتشبار (دانشجو)، حامد علی زاده قاضی جهانی (استاد راهنما)، محمود آتشبار (استاد مشاور)، نصیر سعید (استاد مشاور دوم)