Publicação: Estudo do comportamento de canal em redes 5G: uma análise preditiva
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Um parâmetro que passa a ser particularmente importante no dimensionamento das
redes 5G é o estado do canal de comunicação, principalmente ao considerar as novas
frequências usadas, o número crescente de dispositivos conectados e a necessidade de
alocar recursos de forma eficiente. Para dimensionar os efeitos do canal, a Base Station
(BS) recebe do User Equipment (UE) uma medição da qualidade do canal, chamada
Channel Quality Information/Indicator (CQI), a partir da qual faz o escalonamento dos
recursos para melhor atender os usuários. O estudo aqui desenvolvido visa gerar uma
base de dados confiável de um fluxo de CQI ao longo de uma transmissão em uma rede
móvel Long Term Evolution Advanced (LTE-A) com alguns parâmetros da Release 15 das
Technical Specification (TS) do 3rd Generation Partnership Project (3GPP) para o 5G
usando o Matlab. Após isso, propõe-se a aplicação de uma rede neural temporal para
prever o CQI ao longo de uma transmissão. Por fim, avalia-se a confiabilidade da rede,
comparando os valores preditos pelo sistema e os reais.
Abstract
A paramether that begins to be particularly important on the dimensionament of the
5G networks is the communication channel state, mainly considering the new frequencies
used, the growing number of connected devices and the necessity of allocate resources
efficiently. To dimension the channel effects, the Base Station (BS) receives from the
User Equipment (UE) a measurement of the channel quality, called Channel Quality
Information/Indicator (CQI), from wich makes the scheduling of the resources to better
attend the users. The study developed here wants to generate a reliable data base of a CQI
flow along a transmission into a mobile network Long Term Evolution Advanced (LTEA)
with some parameters of the Release 15 of the Technical Specification (TS) from 3rd
Generation Partnership Project (3GPP) of 5G using Matlab. After this, it is purposed the
aplication of a temporal neural network to predict the CQI along a transmission. Lastly,
evaluates the reability of the network, comparing the predicted values by the system and
the real ones.
Palavras-chave
5G, 3GPP, CQI, Machine Learning, Redes móveis
Citação
DE ARAÚJO, Patrick Luiz. Estudo do comportamento de canal em redes 5G: uma análise preditiva. 2019. 70 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Uberlândia, 2018.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto