A NOMA-based Q-Learning random access method for machine type communications

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Silva, Matheus Valente da
Orientador(a): Souza, Richard Demo
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/219413
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.
id UFSC_4942f4fcb5ebdd7f179c66a513eeba22
oai_identifier_str oai:repositorio.ufsc.br:123456789/219413
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaSilva, Matheus Valente daSouza, Richard DemoAlves, Hirley2021-01-14T18:09:22Z2021-01-14T18:09:22Z2020370837https://repositorio.ufsc.br/handle/123456789/219413Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.Machine Type Communications (MTC) é um dos principais casos de uso do 5G e tende a se tornar ainda mais relevante nas próximas gerações. Além disso, por conta da natureza ultra-densa das redes de massive MTC (mMTC), a otimização de métodos de acesso ao meio apresenta diversos desafios. Uma solução promissora é a utilização de métodos de aprendizagem de máquina, como aprendizagem por reforço, para alocar eficientemente recursos de rádio aos dispositivos MTC. Com isso em mente, neste trabalho é proposto um método distribuído baseado em Non-Orthogonal Multiple Access (NOMA) e Q-Learning para alocar dinamicamente os dispositivos MTC. Os resultados numéricos demonstram que o método proposto é capaz de melhorar muito o throughput da rede quando comparado a métodos de trabalhos recentes.Abstract: Machine Type Communications (MTC) is a main use case of 5G and beyond wireless networks. Moreover, due to the ultra-dense nature of massive MTC networks, Random Access (RA) optimization is very challenging. A promising solution is to use machine learning methods, such as reinforcement learning, to efficiently accommodate the MTC devices in RA slots. In this sense, we propose a distributed method based on Non- Orthogonal Multiple Access (NOMA) and Q-Learning to dynamically allocate RA slots to MTC devices. Numerical results show that the proposed method can significantly improve the network throughput when compared to recent work.49 p.| il., gráfs.engEngenharia elétricainternet das coisasAprendizado do computadorA NOMA-based Q-Learning random access method for machine type communicationsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEEL1987-D.pdfPEEL1987-D.pdfapplication/pdf2094109https://repositorio.ufsc.br/bitstream/123456789/219413/-1/PEEL1987-D.pdf5a8a57931d84f7df7e50589302305f71MD5-1123456789/2194132021-01-14 15:09:23.175oai:repositorio.ufsc.br:123456789/219413Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732021-01-14T18:09:23Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv A NOMA-based Q-Learning random access method for machine type communications
title A NOMA-based Q-Learning random access method for machine type communications
spellingShingle A NOMA-based Q-Learning random access method for machine type communications
Silva, Matheus Valente da
Engenharia elétrica
internet das coisas
Aprendizado do computador
title_short A NOMA-based Q-Learning random access method for machine type communications
title_full A NOMA-based Q-Learning random access method for machine type communications
title_fullStr A NOMA-based Q-Learning random access method for machine type communications
title_full_unstemmed A NOMA-based Q-Learning random access method for machine type communications
title_sort A NOMA-based Q-Learning random access method for machine type communications
author Silva, Matheus Valente da
author_facet Silva, Matheus Valente da
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Silva, Matheus Valente da
dc.contributor.advisor1.fl_str_mv Souza, Richard Demo
dc.contributor.advisor-co1.fl_str_mv Alves, Hirley
contributor_str_mv Souza, Richard Demo
Alves, Hirley
dc.subject.classification.none.fl_str_mv Engenharia elétrica
internet das coisas
Aprendizado do computador
topic Engenharia elétrica
internet das coisas
Aprendizado do computador
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-01-14T18:09:22Z
dc.date.available.fl_str_mv 2021-01-14T18:09:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/219413
dc.identifier.other.none.fl_str_mv 370837
identifier_str_mv 370837
url https://repositorio.ufsc.br/handle/123456789/219413
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 49 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/219413/-1/PEEL1987-D.pdf
bitstream.checksum.fl_str_mv 5a8a57931d84f7df7e50589302305f71
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758922061316096

Registros relacionados