Particionamento adaptativo de banda em Sistemas 5G NR utilizando solução de aprendizado de máquina

• Ano de defesa: 2023
• Autor(a) principal: Luna, Daniel Rodrigues de
• Orientador(a): Sousa Júnior, Vicente Ângelo de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: 5G; mMTC; Partições de banda; Aprendizado de máquinas; ns-3; MAB
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/54866

A quinta geração (5G NR) da rede de comunicação do 3GPP propõe uma variedade de casos de uso, que vão desde as comunicações móveis em banda larga melhoradas (eMBB) até comunicações ultra confiáveis e de baixíssimo atraso (URLLC), além das comunicações massivas entre máquinas (mMTC). A flexibilização na utilização da largura de banda é um dos requisitos críticos das tecnologias 5G. Como tal, o conceito de partições de banda, Bandwidth Parts (BWPs), foi introduzido para dar flexibilidade, mudanças rápidas de configurações e economia de energia para os User Equipments (UEs) que não precisam de toda a largura de banda disponível para suas aplicações, usando assim apenas uma parte dela. O caso de uso que mais pode se beneficiar desse recurso é o mMTC, caracterizado por seu grande número de dispositivos e pela necessidade de baixo consumo de energia. Este trabalho propõe uma solução de aprendizado por reforço (RL) para adaptação de BWPs em cenários mMTC para economizar energia e melhorar o desempenho do sistema. Este documento traz a contextualização do trabalho, seguida da apresentação dos trabalhos mais recentes relacionados ao problema de adaptação de largura de banda, destacando a lacuna nesta área de pesquisa e a hipótese desta tese de doutorado. Em seguida, o modelo do sistema mMTc e seus principais parâmetros são descritos, juntamente com a ferramenta de simulação utilizada, o ns-3 NR 5G-LENA, e campanhas de calibração para validar o seu uso. O problema alvo da tese é caracterizado por meio de simulações, demonstrando a oportunidade de melhoria ao aplicar uma solução baseada na abordagem de aprendizado por reforço. Soluções descentralizadas e centralizadas são propostas, bem como novas campanhas de simulação para demonstrar seus valores agregados em termos de economia de energia e desempenho do sistema. A solução proposta promove ganhos de 48,32% para o 10º percentil da eficiência energética e 30,9% considerando todos os dados. Por fim, os artigos publicados e as principais discussões desta tese são reunidos ao final.