Navegando por Assunto "Mobile networks"

Agora exibindo 1 - 3 de 3

Acesso aberto (Open Access)
Estratégia de planejamento e otimização do handover em redes móveis densificadas
(Universidade Federal do Pará, 2018-06-29) SILVA, Ketyllen da Costa; ARAÚJO, Jasmine Priscyla Leite de; FRANCÊS, Carlos Renato Lisboa; http://lattes.cnpq.br/7458287841862567
O crescente aumento no uso de dispositivos e aplicações móveis nos últimos anos, tem levado a uma sobrecarga da infraestrutura da rede responsável pelo escoamento desse tráfego, afetando tanto o desempenho da rede quanto a experiência do usuário. As redes móveis heterogêneas já são realidade e sua densificação tem sido apontada como uma das soluções propostas para atendimento das demandas esperadas para as redes celulares de quinta geração (5G). Nas redes atuais, no entanto, ainda é comum o uso de parâmetros fixos na configuração da rede, mas esta estratégia nem sempre se mostra eficiente. É dentro deste contexto que se consolida o conceito de redes auto organizáveis nas quais os vários parâmetros da rede são ajustados automaticamente com base em medições em tempo real e sistemas inteligentes. Esta tese apresenta uma estratégia para otimização de handover em redes LTE com densa implantação de small cells. Com base em medições e lógica fuzzy são propostos algoritmos para o auto ajuste de parâmetros da rede. A partir de simulação discreta utilizando o MATLAB, os resultados são obtidos e apresentados através das principais métricas de avalição de desempenho de handover.
Acesso aberto (Open Access)
Intent-based radio resource scheduling in ran slicing scenarios using reinforcement learning
(Universidade Federal do Pará, 2024-11-04) NAHUM, Cleverson Veloso; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
O fatiamento da rede móvel no domínio da rede de acesso requer elasticidade, compartilhamento de recursos de forma eficiente e customização para lidar com a escassez e limitação dos recursos de rádio enquanto cumpre as intenões das fatias de rede definidas em um contrato de nível de servico. Nesse cenário, o alocador de recursos de rádio é essencial para prover a administração de recursos a fim de prevenir as violações de intenções de rede, e consequentemente oferecer recursos de rádio suficientes para as fatias de rede de acesso cumprirem seus objetivos. A grande variedade de cenaários suportados nas redes 5G e pós-5G torna o problema da alocação de recursos de rádio em cenários de fatiamento da rede de acesso ainda mais desafiador. Essa tese propõe investigar um alocador de recursos de rádio baseado nas intenções das fatias de rede de acesso, utilizando aprendizado por reforço para cumprir as intenções de rede. O método proposto tem por objetivo prevenir as violações de intenções de rede através da administração de recursos de rádio disponíveis entre as fatias de rede de acesso e usuários usando um alocador de recursos de rádio entre as fatias de rede e outro para os usuários dentro da fatia de rede. Esta tese também descreve uma estrutura para priorização de fatias de rede para assegurar os requisitos definidos nas intenções de rede para as fatias mais importantes quando os recursos de rádio não são suficientes para garantir todas as intenções de rede requisitadas. Esta tese apresenta os resultados obtidos usando um alocador de recursos de rádio baseado nas intenções das fatias de rede de acesso, utilizando aprendizado por reforco para um número fixo de fatias de rede e também para múltiplos cenários de rede para evitar violações de intenções de rede, e demonstra a importância de um alocador de recursos de rádio baseado nas intenções das fatias de rede em cenário com fatiamento da rede de acesso. O método proposto apresentou melhor desempenho em comparação aos métodos da literatura avaliados tanto na proteção de slices prioritários quanto na minimização do número total de violações.
Acesso aberto (Open Access)
Network slice admission using reinforcement learning and information-centric networking for mobile networks
(Universidade Federal do Pará, 2019-08-21) BATISTA, Pedro dos Santos; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
A evolução das redes móveis mais populares atualmente (4G), as 5G, tem como um dos objetivos suportar aumento de tráfego e ao mesmo tempo diminuir o custo. Assim otimização na entrega de conteúdo é importante para essa nova rede; um outro aspecto é que 5G tem a ambição de ser uma rede altamente adaptável, isto é, ela deve ser confiável o suficiente para ser utilizada em automação industrial e ao mesmo tempo barata o suficiente para ser usada em serviços de banda larga. Nesse contexto, esta tese estuda dois aspectos do 5G, o primeiro é o emprego de redes orientadas a conteúdo (ICN) para melhorar a eficiência de entrega de conteúdo multimídia em serviços de banda larga móvel; o segundo é o desenvolvimento de um agente que utiliza aprendizado por reforço como um facilitador para as novas redes altamente configuráveis, as quais podem se tornar um desafio para serem entendidas e configuradas manualmente. O ICN tem como objetivo circunver vários problemas do atual protocolo de internet, dentre eles, uma entrega de conteúdo mais eficiente. Dado significativa taxa de crescimento de transmissão de vídeos em redes móveis, é sensível avaliar como as redes 4G/5G podem se beneficiar de ICN. Existem muitos trabalhos que avaliam o emprego de ICN em redes fixas e para o núcleo das redes móveis. Menos atenção tem sido dedicada ao emprego de ICN nas redes de acesso a rádio (RAN) ou ICN-RAN. Este trabalho descreve o emprego de ICN na RAN de 4G/5G, e também apresenta uma bancada de testes que permite o desenvolvimento de provas de conceitos usando ICN-RAN em 4G. Os resultados indicam, por exemplo, que a avaliação de diversas funcionalidades de ICN podem ser realizadas, mas que a falta de aceleradores de hardware e código otimizado limitam a taxa de bit que pode ser alcançada em tempo real. No contexto de adaptação da rede, a tecnologia mais promissora é o fatiamento da rede. Fatia de rede pode ser entendida como parte da rede que é personalizada para determinados serviços. Os requisitos de cada serviço são impostos pelo inquilino, o qual adquire fatias do provedor de infraestrutura. O provedor de infraestrutura 5G tem que otimizar a utilização de seus recursos, costumeiramente essa utilização é aumentada ao admitir fatias, porém, os recursos na infraestrutura são finitos e admitir todas as fatias pode aumentar o risco de violação de acordos de prestação de serviços, o que implica em multas que podem diminuir o lucro. Nesta tese, é investigado o uso de um agente treinado por aprendizado por reforço que aprende como aumentar o lucro do provedor de infraestrutura. Tal agente, baseado em redes neurais, aprende as consequências da admissão de fatias na rede baseado no inquilino e no seu perfil de utilização de recursos, aprendendo assim, a balancear os benéficos da admissão em contraste com os custos de orquestração e gerenciamento de recursos.