BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  30,338,201
  • Công bố khoa học và công nghệ Việt Nam

50

Khoa học máy tính

BB

Lưu Bách Hưng, Lâm Sinh Công(3), Nguyễn Nam Hoàng(2), Lưu Bách Hưng(1)

Nâng cao hiệu năng người dùng biên bằng kỹ thuật lập lịch đồng thời và học sâu

Performance improvement of edge users by utilizing joint scheduling and deep Q network

Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên

2023

07

63 - 72

1859-2171

Người dùng biên, Mạng 5G, Mạng 6G, Lập lịch đồng thời, Học sâu

Edge user, 5G network, 6G network, Joint scheduling, Deep Q network

Nâng cao hiệu năng người dùng, đặc biệt là những người dùng ở biên của vùng phủ sóng, là một trong những yêu cầu cấp thiết của mạng di động có mật độ trạm phát dày đặc như mạng 5G, 6G. Do đó, bài báo này tập trung phân tích và tối ưu hiệu năng của người dùng biên trong môi trường suy hao dual – slope và ảnh hưởng của Rayleigh pha đinh bằng cách sử dụng kỹ thuật tiên tiến của di động là lập lịch đồng thời (JC) và mạng học sâu (DQN) sử dụng thuật toán Q-learning. Mô hình suy hao dual-slope được sử dụng rộng rãi để đánh giá hiệu năng mạng vì nó có khả năng mô tả đặc điểm suy hao công suất của môi trường vô tuyến thực tế. Trong hệ thống sử dụng kỹ thuật JC, người dùng chủ động lựa chọn trạm có tín hiệu mạnh nhất để kết nối. Việc sử dụng mạng DQN cho phép các trạm cơ sở lựa chọn công suất phát phù hợp với môi trường. Các kết quả phân tích chỉ ra rằng việc sử dụng kỹ thuật lập lịch đồng thời kết hợp với DQN có thể nâng cao hiệu năng của người dùng biên tương ứng lên 35% và 200% so với trường hợp chỉ sử dụng DQN và thuật toán công suất tối đa (MP).

Improving the user performance, especially for users at cell edge areas or edge users, is one of the most important requirements of 5G and 6G cellular networks which have a high densification of base stations. This paper presents the analysis and optimization of edge user performance under the dual-slope path loss model and Rayleigh fading by utilizing advanced techniques, called Joint Scheduling (JC), and Deep Q Network (DQN) utilizing Q-learning. The dual-slope path loss model is widely used to analyze the network performance of 5G and beyond since it is able to capture the attenuation properties of the real wireless transmission environment. In a JC system, a user can proactively se-lect the base station with the highest downlink signal to communicate with. Meanwhile, the DQN dynamically adjusts the base station transmission power to adapt to change in the wireless environment. The analytical results indicate that the deployment of JC with DQN can increase the edge user performance up to 35% or 200% more than that of the system which applies DQN only or Maximum power (MP) respectively.

TTKHCNQG, CTv 178

Xem toàn văn
  • [1] (2018), 5G; NR; Base Station (BS) radio transmission and reception,Technical Specification (TS) 38.104
  • [2] (2018), Study on nr positioning support,Technical Report (TR) 38.85
  • [3] (2018), 5G; Study on channel model for frequencies from 0.5 to 100 GHz,Technical Report (TR) 38.901
  • [4] H. Mariam; I. Ahmed; S. Ali; M. I. Aslam; I. U. Rehman (2022), Performance of Millimeter Wave Dense Cellular Network Using Stretched Exponential Path Loss Model,Electronics
  • [5] W. S. Afifi; A. A. El-Moursy; M. Saad; S. M. Nassar; H. M. El-Hennawy (2021), A novel scheduling technique for improving cell-edge performance in 4G/5G systems,Ain Shams Engineering Journal
  • [6] L. Zhong; X. Ji; Z. Wang; J. Qin; G.-M. Muntean (2022), A q-learning driven energy-aware multipath transmission solution for 5g media services,IEEE Transactions on Broadcasting
  • [7] B. Jang; M. Kim; G. Harerimana; J. W. Kim (2019), Q-learning algorithms: A comprehensive classification and applications,IEEE Access
  • [8] F. Meng; P. Chen; L. Wu; J. Cheng (2020), Power allocation in multi-user cellular networks: Deep reinforcement learning approaches,IEEE Transactions on Wireless Communications
  • [9] (2018), Evolved universal terrestrial radio access (e-utra); further advancements for e-utra physical layer aspects,Technical Specification (TS) 36.300
  • [10] S. Y. Jung; H. K. Lee; S. L. Kim (2013), Worst-Case User Analysis in Poisson Voronoi Cells,IEEE Commun. Lett.
  • [11] L. Daewon; S. Hanbyul; B. Clerckx; E. Hardouin; D. Mazzarese; S. Nagata; K. Sayana (2012), Coordinated multipoint transmission and reception in LTE-advanced: deployment scenarios and operational challenges,IEEE Commun. Mag.
  • [12] T. N. H. Holma; A. Toskala (2019), 5G Technology: 3GPP New Radio,
  • [13] M. Agiwal; A. Roy; N. Saxena (2016), Next generation 5g wireless networks: A comprehensive survey,IEEE Communications Surveys Tutorials