지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.10
- 수록면
- 1,368 - 1,373 (6page)
- DOI
- 10.7840/kics.2024.49.10.1368
이용수
초록· 키워드
오류제보하기
무선 통신 환경에서 사용자의 증가하는 요구를 충족시키기 위해 초고밀도 네트워크(Ultra-Dense Network, UDN)의 도입이 필수적이다. UDN은 높은 기지국 밀도를 특징으로 하며, 이를 통해 네트워크 용량을 증가시키고 신호의 강도 및 신뢰성을 개선하여 서비스 품질을 향상시킨다. 그러나 이러한 고밀도화는 기지국 간의 간섭을 유발하여 네트워크 성능에 부정적인 영향을 미친다. 이에 따라, 효과적인 간섭 관리는 자원 할당을 최적화하는 데 있어 필수적이다. 본 논문에서는 실제 네트워크 환경을 모사하여 간섭 관리와 자원 할당 최적화 문제를 해결하기 위해 Proximal Policy Optimization(PPO) 알고리즘을 적용하는 방법을 제안한다. 제안된 방법은 채널 상태와 네트워크 공정성을 고려한 자원 할당 최적화를 통해 무선 통신 시스템의 전반적인 효율성과 성능을 향상시킬 수 있는 가능성을 보여준다. 이 연구는 UDN 환경에서의 자원 할당 및 간섭 관리 전략에 대한 실질적인 해결책을 제공함으로써 무선 통신 시스템의 성능 개선에 기여할 것으로 기대된다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 연구 제안
Ⅲ. 실험 결과
Ⅳ. 결론
References
참고문헌 (10)
참고문헌 신청
D. López-Pérez, M. Ding, H. Claussen, and A. H. Jafari, “Towards 1 Gbps/UE in cellular systems: Understanding ultra-dense small cell deployments,” IEEE Commun. Surv. and Tuts., vol. 17, no. 4, pp. 2078-2101, Oct. 2015. (https://doi.org/10.1109/COMST.2015.2439636)
J. Liu, M. Sheng, L. Liu, and J. Li, “Interference management in ultra-dense networks: Challenges and approaches,” IEEE Netw., vol. 31, no. 6, pp. 70-77, Nov. 2017. (https://doi.org/10.1109/MNET.2017.1700052)
R. S. Sutton and A. G. Barto, Reinforcement learning: an introduction, MIT Press, 1998.
J. Schulman, F. Wolski, P. Dhariwal, A. Radford, and O. Klimov, “Proximal policy optimization algorithms,” Comput. Sci., Jul. 2017. (https://doi.org/10.48550/arXiv.1707.06347)
C. Wengerter, J. Ohlhorst, A. Golitschek, and E. Von Elbwart, “Fairness and throughput analysis for generalized proportional fair frequency scheduling in OFDMA,” 2005 IEEE 61st Veh. Technol. Conf., 2005.
J. Liu, M. Sheng, L. Liu, and J. Li, “Interference management in ultra-dense networks: Challenges and approaches,” IEEE Netw., vol. 31, no. 6, pp. 70-77, Nov. 2017. (https://doi.org/10.1109/MNET.2017.1700052)
R. S. Sutton and A. G. Barto, Reinforcement learning: an introduction, MIT Press, 1998.
J. Schulman, F. Wolski, P. Dhariwal, A. Radford, and O. Klimov, “Proximal policy optimization algorithms,” Comput. Sci., Jul. 2017. (https://doi.org/10.48550/arXiv.1707.06347)
C. Wengerter, J. Ohlhorst, A. Golitschek, and E. Von Elbwart, “Fairness and throughput analysis for generalized proportional fair frequency scheduling in OFDMA,” 2005 IEEE 61st Veh. Technol. Conf., 2005.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
UDN 환경에서 위치기반 주파수 할당 기법
한국통신학회 학술대회논문집
2020 .08
-
공존 네트워크의 간섭관리를 위한 강화학습 기반 자원할당 최적화
한국통신학회 학술대회논문집
2025 .02
-
UDN 환경에서 최적의 클러스터 수 분석
한국통신학회 학술대회논문집
2019 .01
-
Ultra Dense Network for High Speed Railway System
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
D2D 통신을 위한 그룹핑 자원 할당 기법
한국통신학회논문지
2015 .08
-
UDN 환경에서 QoS 보장위한 위치기반 차등전력할당
한국통신학회 학술대회논문집
2020 .08
-
5G UDN 기술 동향
[ETRI] 전자통신동향분석
2018 .10
-
Communication Architecture of UDN-R for Railway System
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2021 .02
-
초고밀도 네트워크를 위한 SDR 테스트베드 개발
한국통신학회논문지
2019 .06
-
UDN 환경에서 지도 및 비지도학습을 활용한 자원 할당 연구
한국통신학회 학술대회논문집
2022 .02
-
UDN을 위한 소형셀 기술동향
[ETRI] 전자통신동향분석
2016 .02
-
UDN 환경에서 가중치 k-평균 알고리즘을 적용한 스몰셀 클러스터링 기법
한국통신학회 학술대회논문집
2020 .02
-
UDN 환경에서의 셀 부하 기반 클러스터링 성능 분석
한국통신학회 학술대회논문집
2020 .08
-
Development of SDR Testbed for Ultra-Dense Networks
한국통신학회 학술대회논문집
2019 .01
-
UDN 환경에서의 거리 기반 계층적 클러스터링 성능 분석
한국통신학회 학술대회논문집
2020 .02
-
위성 통신 환경에서의 생성 모델을 이용한 자원 할당 최적화 기법에 대한 고찰
한국통신학회 학술대회논문집
2024 .06
-
무선 하향링크 통신에서의 패킷 간 충돌 최소화를 위한 PPO 알고리즘 기반 동적 자원 할당
한국통신학회 학술대회논문집
2022 .06
-
위성-지상 통합망에서 간섭 전력에 따른 자원할당 성능 평가
한국통신학회논문지
2022 .10
-
Distributed SDN based Radio Resource Allocation for Ultra Dense Networks using a Multi-agent Proximal Policy Optimization Algorithm
한국통신학회 학술대회논문집
2024 .11
-
심층 강화 학습을 활용한 무선 네트워크 환경에서의 동적 주파수 자원 할당에 관한 연구
한국통신학회 학술대회논문집
2020 .08
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-091071821