|
Title
|
ارایه یک روش جهت مدیریت منابع در ساختار O-RAN با استفاده از الگوریتم های یادگیری ماشین
|
|
Type of Research
|
Thesis
|
|
Keywords
|
شبکه دسترسی رادیویی باز، مدیریت منابع، یادگیری ماشین، ترافیک داده، کیفیت سرویس، سیستم چند ورودی چند خروجی انبوه بدون سلول
|
|
Abstract
|
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.
|
|
Researchers
|
(Student)، Hamed Alizadeh Ghazijahani (Primary Advisor)، mahmoud atashbar (Advisor)، (Second Advisor)
|