28851

بهينه‌سازي شبكه ناهمگن غيرزميني دو لايه با يادگيري ماشين

كارشناسي ارشد

مهندسي برق-مخابرات سيستم

1399

1402/04/28

ابوالفضل فلاحتي

مهندسي برق

شبكه غيرزميني، يكي از راه‌حل‌هاي مؤثر در ارائه خدمات در تمامي‌مناطق جغرافيايي اعم از دريايي، كم پوشش يا بدون سرويس است و همچنين مانند شبكه زميني در شرايط بحراني مانند سيل، زلزله و غيره نيز آسيب نمي‌بيند و مي‌تواند پوشش مورد نياز كاربران را به خوبي فراهم كند. شبكه ناهمگن غيرزميني دو لايه مورد بررسي از يك ايستگاه پايگاه هوايي با ارتفاع زياد و تعدادي ايستگاه پايگاه هوايي با ارتفاع كم تشكيل شده است. اين شبكه همانند ساير شبكه‌ها، با چالش‌هاي انرژي، توان، طيف و غيره روبه‌رو مي‌باشد و با روش¬هاي متعددي مي‌توان به مقابله با اين چالش‌ها پرداخت. در اين تحقيق به بررسي پيوند فروسوي يك شبكه ناهمگن غيرزميني دولايه پرداخته شده است كه لايه اول آن متشكل از يك HAP و لايه دوم آن متشكل از تعدادي LAP مي‌باشد. سعي بر آن است كه چالش‌هاي مذكور با استفاده از روش مدل مخلوط گاوسي كه يك روش يادگيري بدون¬نظارت است، تا حد ممكن رفع شود. در اين شبكه مورد نظر از دو سازوكار اشتراك‌گذاري رويين و زيرين طيف استفاده شده است و تخصيص منابع طيف و توان را با روش دسترسي چندگانه متعامد فركانسي صورت پذيرفته است. مسائل بهينه‌سازي اين شبكه به صورت تركيبي و نامحدب هستند و از متغيرهاي تخصيص زيرحامل و توان به كاربران تشكيل شده‌اند. نتايج اين تحقيق نشان مي‌دهد كه استفاده از روش مدل مخلوط گاوسي منجر به تخصيص بهينه¬تر و موثرتر زيرحامل‌ها به كاربران مي¬شود و همچنين استفاده از تمامي‌طيف موجود در حين كاهش تداخل بين¬لايه¬اي، موجب بهترين نتايج ميانگين مجموع بازدهي طيفي، انرژي و تعداد كاربران سرويس داده شده، خواهد شد.

1402/07/22

Machine Learning Approach to Optimize Two-Tier non-Terrestrial Heterogeneous Network

7/18/2024 12:00:00 AM

The non-terrestrial network is one of the effective solutions for providing services in all geographical areas, including areas with low coverage or no service. Similar to terrestrial networks, it is not affected by critical conditions such as floods or earthquakes and can provide the required coverage for users effectively. The proposed two-layer non-terrestrial heterogeneous network consists of a high-altitude air base station and multiple low-altitude air base stations. Like other networks, this network faces challenges in energy, power, spectrum, etc., which can be addressed in various ways. In this research, we will investigate the downlink of a two-tier non-terrestrial heterogeneous air-network, where the first layer consists of a high-altitude platform (HAP) and the second layer consists of multiple low-altitude platforms (LAPs). We aim to address these challenges by utilizing the Gaussian mixture modeling method, which is an unsupervised learning technique. In this proposed network, we have utilized spectrum under access and spectrum overlay access sharing mechanisms, and we have allocated the spectrum and power resources using the Orthogonal Frequency Division Multiple Access (OFDMA) method. The optimization problems in this network, which are combined and non-convex, involve subcarrier and power allocation variables for users. The results of this research indicate that using the Gaussian Mixture Model approach leads to a more optimal and efficient allocation of resources to users. Furthermore, utilizing the entire spectrum during inter-tire interference reduction results in the best overall performance in terms of spectral efficiency, energy consumption, and the number of served users.

شبكه ناهمگن غيرزميني دو لايه , بهينه‌سازي , يادگيري ماشين , مدل مخلوط گاوسي

two-tier non-terrestrial air-network, , optimization , machine learning , GMM

Reza Foudazi

Dr. Abolfazl Falahati