Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.085
Aluno: Maria Katarine Santana Barbosa
Orientador: Prof. Kelvin Lopes Dias
Título: Deep-HO5GAero: Handover Inteligente em Redes de Estações Rádio-Base 5G Aéreas Montadas em UAVs: Uma Abordagem baseada em Aprendizado Profundo
Data: 21/07/2023
Hora/Local: 9h. – Sala E-112
Banca Examinadora:
Prof. Renato Mariz de Moraes (UFPE / Centro de Informática)
Prof. Antônio Correia de Sá Barreto Neto (IFPE – Campus Paulista / Direção de Ensino)
Prof. Kelvin Lopes Dias (UFPE / Centro de Informática)
RESUMO:
Recentemente, os Veículos Aéreos Não Tripulados (VANTs), do inglês Unmanned Aerial Vehicles (UAVs), também estão assumindo a função de estações rádio-base aéreas, denominadas UAV-BSs. Essas estações aéreas podem viabilizar conectividade aos usuários terrestres independentemente da infraestrutura celular convencional. Dessa maneira, espera-se que nas redes 5G atuais e nos futuros sistemas 6G, tais UAV-BSs formem redes aéreas para prover acesso sem fio ubíquo em áreas remotas, desassistidas pelas operadoras ou zonas rurais, acesso sem fio confiável para equipes de resgate em cenários de desastre, mais oportunidades de conectividade para carros conectados/autônomos e para os Sistemas de Transporte Inteligentes (Intelligent Transportation System – ITS), estendam e melhorem o sinal na borda da cobertura celular de BSs terrestres e, por fim, UAV-BSs podem ser empregados em áreas urbanas densas ou grandes eventos e shows. Manter a continuidade do serviço para os usuários terrestres atendidos por uma rede de UAV-BSs, em particular, garantir QoS/QoE durante o procedimento de handover, é ainda mais desafiador para tais redes aéreas do que para as redes celulares terrestres pelos seguintes motivos: tanto as UAVs-BSs quanto os usuários terrestres podem estar em movimento, UAV-BSs têm limitações de energia, a cobertura celular de UAV-BSs é reduzida, o que pode aumentar o efeito ping-pong e, por fim, os UAV-BSs vizinhos podem interferir na comunicação do equipamento do usuário (UE) com o UAV-BS servidora. Esta dissertação fornece uma análise de diferentes algoritmos de aprendizado profundo para resolver o problema de mobilidade e propõe estratégias de handover inteligentes para uma rede de UAV-BSs. Primeiramente, um canal de rádio Ar-Terra (Air-to-Ground) 5G é modelado. Em seguida, a dissertação propõe estratégias de aprendizado profundo supervisionado para gerenciamento de handover baseadas em Recurrent Neural Network – RNN, Gated Recurrent Unit – GRU e Long Short-Term Memory – LSTM para previsões de trajetória e sinal. Finalmente, uma estratégia de Deep Reinforcement Learning (Double Deep Q-Network – DDQN) sensível ao contexto, que combina mobilidade e parâmetros de rede, é elaborada. O estudo foi realizado com base em simulações de eventos discretos. A rede UAV-BS e mecanismos relacionados foram implementados por meio da adição de novos módulos e extensões das bibliotecas 5G Standalone (SA) do simulador OMNeT++. Os resultados indicam a eficácia e superioridade da proposta quando comparada ao procedimento de handover convencional de redes 5G e às soluções presentes em trabalhos relacionados que abordam sistemas UAV-BS. Além disso, ao utilizar UAV-BS, obteve-se melhores indicadores de qualidade de canal (Channel Quality Indicator – CQI), ganhos em termos de métricas de QoS, como perda de pacotes e vazão, além da maior acurácia na obtenção dos tempos ideais para disparar o processo de handover.
Palavras-chave: Veículos Aéreos Não Tripulados, redes 5G, Handover, Deep
Learning e Reinforcement Learning.
Comentários desativados