Aprendizagem profunda aplicada a telecomunicações: classificação de modulação e controle de congestionamento

Carregando...
Imagem de Miniatura

Data

2019-05-31

Título da Revista

ISSN da Revista

Título de Volume

item.page.theme

Editora(s)

Universidade Federal do Pará

Tipo de acesso

Acesso Abertoaccess-logo

Contido em

Citação

NASCIMENTO, Ingrid Ariel Silva. Aprendizagem profunda aplicada a telecomunicações: classificação de modulação e controle de congestionamento. Orientador: Aldebaro Barreto da Rocha Klautau Júnior. 2019. 82 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11857. Acesso em:.

DOI

O objetivo deste trabalho é explorar técnicas de Deep Learning (DL) aplicada a Telecomunicações. DL obtém sucesso comprovado em áreas como Visão Computacional e Detecção de Objetos. Torna-se portanto importante investigar a sua aplicação em problemas na área da Comunicação. Sendo assim, dois problemas distintos são examinados. No primeiro deles, DL é aplicada à Classificação de Modulação (CAM), onde o problema é detectar de forma automática o esquema de modulação adotado. CAM é importante, por exemplo, em Rádios Cognitivos e aplicações militares. Neste trabalho são discutidos benefícios e desvantagens de usar DL como alternativa para CAM, em especial comparando-se a eficiência de DL em relação a outros métodos de Aprendizado de Máquina. A outra aplicação de DL em comunicações é no Controle de Congestionamento. O contexto é o de Fronthaul em arquiteturas C-RAN, com o controle de congestionamento usado em prol do atendimento de requisitos estritos impostos à rede 5G. Mais especificamente, investiga-se a aplicação de DL juntamente com técnicas de Reinforcement Learning (RL). Neste tópico, a dissertação apresenta um arcabouço para investigações de controle de congestionamento em fronthaul, e a implementação de um modelo e respectivo ambiente utilizando NS-3 e a API Gym do grupo OpenAI para simulações. O arcabouço desenvolvido é validado com experimentos preliminares comparando métodos de Deep Reinforcement Learning (DRL) e métodos tradicionais de Controle de Congestionamento, utilizando-se índices como vazão e latência.

Agência de Fomento

browse.metadata.ispartofseries

item.page.isbn

Fonte

1 CD-ROM

item.page.dc.location.country

Citação

NASCIMENTO, Ingrid Ariel Silva. Aprendizagem profunda aplicada a telecomunicações: classificação de modulação e controle de congestionamento. Orientador: Aldebaro Barreto da Rocha Klautau Júnior. 2019. 82 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11857. Acesso em:.