Regresar

Análisis del rendimiento de un sistema cooperativo de acceso múltiple ortogonal / no-ortogonal (OMA/NOMA) gestionado mediante una red neuronal artificial

Abstract:

Las tecnologías inalámbricas de próxima generación enfrentan desafíos considerables en términos de proporcionar muy baja latencia y alta conectividad, requisitos imprescindibles de las nuevas redes móviles heterogéneas. Impulsado principalmente por estos problemas, este estudio se centra en aumentar la conectividad del usuario, mejorando al mismo tiempo el rendimiento general del sistema. Para esto, se propone y evalúa un sistema híbrido de acceso múltiple ortogonal no-ortogonal impulsado por aprendizaje automático (OMA/NOMA). Específicamente, en este trabajo, se propone el uso de una red neuronal artificial (Artificial Neural Network ANN) para seleccionar el método de acceso OMA o NOMA de cada equipo de usuario (User Equipment UE). Como parte de esta investigación, también se evalúa la precisión y el tiempo de entrenamiento de los tres algoritmos de aprendizaje más relevantes de las ANN (L-M, BFGS y OSS). El objetivo principal es aumentar el rendimiento de la red móvil de próxima generación, considerando el entorno del canal de onda milimétrica (millimeter-Wave mm-Wave) y la formación de haces (beamforming). Los resultados de la evaluación de la propuesta muestran un incremento en el rendimiento promedio del sistema de hasta 20 %, en términos de la tasa total efectiva del sistema, utilizando la administración ANN en contraste con un sistema administrado aleatoriamente sin ANN. El algoritmo de entrenamiento Leveberg-Marquard (L-M) es el mejor algoritmo general para esta aplicación. El mismo presenta la mayor precisión de alrededor de 77 % a costa de un tiempo de entrenamiento de aproximadamente 37 minutos. Sin embargo, sacrificando la precisión hasta un valor más bajo de 73 %, se requiere un tiempo de entrenamiento de aproximadamente 28 segundos.