بهبود عملکرد شبکه LTE با حذف Handover های غیر ضروری در NS3

بهبود عملکرد شبکه LTE با شبکه عصبی SOM

شبیه سازی مقاله An Advanced SOM Algorithm Applied to Handover Management Within LTE

پروژه بهبود عملکرد شبکه LTE با حذف Handover های غیر ضروری با نرم افزار شبیه ساز NS3 را با عنوان مقاله An Advanced SOM Algorithm Applied to Handover Management Within LTE به همراه گزارش کار و فیلم اجرایی آماده کردیم که در آن از شبکه عصبی SOM بهبود یافته استفاده شده است. در ادامه به معرفی این پروژه شبیه سازی شبکه مخابراتی پرداخته و فیلم و تصاویری از خروجی آن قرار داده شده است. فیلم اجرایی پروژه به صورت آنلاین در ادامه صفحه قابل مشاهده است و مقاله مرجع نیز به صورت رایگان قابل دانلود می باشد.

معرفی پروژه بهبود عملکرد شبکه LTE با شبکه عصبی SOM:

روش جدیدی برای مدیریت شبکه تکامل بلند مدت (LTE) در بستر فمتوسل (Femtocell) ارائه شده است. در شبکه تکامل بلند مدت (Long-Term Evolution – LTE) استفاده از شبکه های خودسازمانده (Self-Organizing Networks – SON) به عنوان یک استاندارد گنجانده شده که مدیریت تحویل (Handover) یکی از موارد بکار گرفته شده در آن است.

تصمیم گیری در ایستگاه های پایه مستقل:

ایستگاه های پایه مستقل می توانید تصمیم بگیرید که آیا انتقال باید انجام شود یا خیر. در صورتی که انتقال انجام شود، به آن ارتباط مقدار پارامتر های مربوطه را اختصاص دهد. با توجه به تعداد محدودی از فمتوسل ها، در Handover (تحویل) نیاز به توجه دقیق تر در یک سناریوی داخلی برای انتقال کارآمد و بدون سرقت از فمتوسل ها می باشد.

به عنوان مثل، از پیچیدگی محیط رادیوی داخلی، در بین لایه های فمتوسل (Femtocell) و ماکروسل (Macrocell) می تواند پینگ پنگ (ping-pong) مکرر در تحویل دهد. توضیحات بیشتر، دانلود رایگان مقاله مرجع، فیلم و تصاویری از خروجی پروژه بهبود عملکرد شبکه LTE با شبکه عصبی SOM با شبیه ساز NS3 در ادامه مطلب.

روش جدیدی که به مقدار کمی از پردازش های اضافی نیاز داشته باشد، با استفاده از شبکه های عصبی ارائه شده است. از شبکه عصبی نقشه خودسازمانده (SOM) اصلاح شده استفاده می شود که اجازه می دهد تا فمتوسل به یادگیری مکان هایی از محیط داخل ساختمان و از جایی که درخواست تحویل رخ داده است، بپردازد و بر اساس تجربه قبلی تصمیم بگیرید. مساله ای در این مقاله با آن رو به رو هستیم، وجود handover ها غیرضروری در شبکه LTE می باشد. به این منظور راه حلی را پیشنهاد می کنیم که در ادامه شرح آن می پردازیم.

راه حل پیشنهادی برای حذف Handover های غیر ضروری در شبکه LTE:

در محل هایی مثل ساختمان، اتاق و غیر که از شبکه LTE استفاده می شود، مکان هایی handover غیر ضروری رخ می دهد زیرا سیگنال قوی تری از ایستگاه پایه مبدا ایجاد می شود. مکان هایی مانند پنجره ها در ساختمان ها از این قبیل می باشند. در مقابل مکان هایی مانند در های خروجی handover ها ضروری رخ می دهند.

الگوریتم خوشه بندی X-means و الگوریتم XSOM:

با داشتن موقعیت جغرافیایی گره (زاویه ورود) موبایل بوسیله ایستگاه پایه و قدرت سیگنال می تواند تشخیص داد که handover درخواست شده ضروری است یا خیر. در ایت مقاله از یک روش شبکه عصبی برای یادگیری خودکار محل های رخداد handover استفاده می شود. الگوریتم پیشنهادی شبکه عصبی SOM نام دارد که در این مقاله با الگوریتم خوشه بندی X-means ترکیب شده و XSOM نام گرفته است.

در مقاله حاضر، این شبکه شامل چهار قسمت می باشد:

1. XSOM: Initialization: در این قسمت وزن نورون ها و وردی این روش که شامل RSRP و AOA می باشد مقدار دهی می شود.
2. XSOM: Competition در این مرحله نورونی که بیشترین شباهت را با ورودی دارد به عنوان نورون برنده انتخاب می شود.
3. XSOM: Cooperation در این مرحله نورون ها همسایه با یک تابع همسایگی انتخاب و با توجه شدت نزدیکی آنها با نورون برنده بهنگام می شوند.
4. E. XSOM: Synaptic Adaptation در این مرحله تابع همسایگی و نرخ یادگیری شبکه بهنگام می شود.

برخی تصاویر از خروجی پروژه بهبود عملکرد شبکه LTE با شبکه عصبی SOM در NS3:

تصویر خروجی 1:

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4:

تصویر خروجی 5:

تصویر خروجی 6:

تصویر خروجی 7: