Управление радиоресурсами в мобильных сетях


О чём наш проект?
На данный момент технология 5G активно внедряется в нашу жизнь, но её, пока что, нельзя назвать эффективной.
Задачи
— Проведение анализа и исследрований с целью углубиться в технологию и понять на каком этапе находится её разработка и внедрение

— Пытаемся решить актуальные проблемы, предачи данных среди нескольких пользователей путём создания оптимального алгоритма расспредления ресурсов вышки радиосвязи

— Проведение тестов и создание симулятора, способного просчитывать эффективность передачи данных в условиях приближенных к реальным
Во время создания нашего проекта мы выдвинули основные гипотезы:

— При тщательном изучении темы передачи даннных с использованием технологии 5G возможно разработать конкурентноспособные алгоритмы составления расписания

— Алгоритмы возможно проверить в лабораторных условиях при разработке достаточно реалистичного симулятора, способного просчитывать реальный образ работы вышек сотовой связи

— 3 ML инженера, 1 фронтендер и 1 физик могут создать что-то прекрасное при помощи их невероятных преподавателей, Python и командной работы
Мы работаем с DownLink передачей. Пока у нас симулируется лишь одна станция способная работать с 30 статическими пользователями

“Мы знаем прошлое, но не можем его контролировать. Мы контролируем будущее, но не можем его знать.“

-Клод Шеннон

Почему мы?
Почему наш проект заслуживает внимания и имеет возможность выйти на рынок
Высокая скорость
Наши алгоритмы работают быстрее, чем те которые мы изучили за время работы над проектом
Эффективность
Наши алгоритмы более рационально распределяют ресурсы
Минимизация ошибок
Уменьшаем вероятность ошибок симуляции
Система симулятора
Математическая модель
Алгоритмы
SMFC
Алгоритм SMFC основан на перемножении матрицы квадратов синусов векторов пользователей на особый вектор свертки.
Алгоритм уникален тем, что у него есть ряд обучаемых параметров, которые периодически обновляются по ходу работы алгоритма, позволяя ему лучше адаптироваться к ситуации, чем и объясняется его стабильность.


Кластеризация K-means + гиперкуб
Вектора каналлов пользователей обрабытываются в кластеры. После формируются расписания, которые обозначают вершины 30-мерного гиперкуба. Обходя его, наш алгоритм редактирует расписание

Алгоритм на основе динамического программирования
У функции есть две части Utility и будущие Utility. В первой части мы рассчитываем выгоду на данный момент. А вторая рассчитывает полезность всех последующих шагов.
Мы оцениваем полезность разных расписаний и выбираем наилучшее

Александра Жукова

Кирилл Цимбалюк

Ярослав Олейник

Алексей Чернов


Степан Гнеушев
Бумир Карим

Святослав Кузнецов

Источники

  • Chernov A. et al. Scheduling algorithms in cellular MIMO systems //2021 International Conference Engineering and Telecommunication (En&T). – IEEE, 2021. – С. 1-6.
  • Taksande P. K. et al. Proportional fairness through dual connectivity in heterogeneous networks //2020 IEEE Wireless Communications and Networking Conference (WCNC). – IEEE, 2020. – С. 1-6.
  • Series P. Propagation data and prediction methods for the planning of short-range outdoor radiocommunication systems and radio local area networks in the frequency range 300 MHz to 100 GHz //tech. rep., ITU, Tech. Rep. ITU-R. – 2015.
  • Дроздова В. Г., Завьялова Д. В. Алгоритмы формирования и приема данных канала PBCH сетей 5G //Вестник СибГУТИ. – 2021. – №. 2 (54). – С. 3-13.