Alocação de Recursos no Uplink Baseada em Aprendizagem por Reforço considerando Otimização de Potência e Retardo para Redes 5G com Comunicações D2D

• Marcus V. G. Ferreira UFG
• Leonardo A. Melo UFG
• Flávio H. T. Vieira UFG

DOI: https://doi.org/10.5753/semish.2025.9359

Resumo

Neste artigo, o problema de alocação de recursos para dispositivos é investigado em um cenário de compartilhamento múltiplo no uplink de redes sem fio baseadas em multiplexação por divisão de frequência ortogonal de prefixo cíclico (CP-OFDM) e ondas milimétricas (mmWaves), com comunicações dispositivo-a-dispositivo (D2D). Especificamente, é proposto um algoritmo de alocação de recursos no uplink baseado na otimização de potência e retardo e na aprendizagem por reforço (PDO-URA-RL), dividido em duas etapas. Primeiramente, os recursos da rede são alocados para os equipamentos celulares de usuário (CUEs) em termos de potência e taxa de transmissão por meio de uma abordagem que visa maximizar a vazão. Em seguida, os recursos ociosos são alocados considerando a minimização do retardo. Simulações computacionais são realizadas considerando um cenário de comunicação com características do 5G, como ondas milimétricas em frequências acima de 6 GHz, comparando também o desempenho com outros algoritmos da literatura em termos de parâmetros de qualidade de serviço (QoS), como vazão e retardo.

Referências

mmwave: o que são as ondas milimétricas que farão o 5g funcionar em altíssimas frequências. [link]. Jun 30, 2021.

University of waikato - wand network research group: Series of real tcp/ip traffic. [link]. Jun 24, 2021.

(2017). 3gpp tr 38.901 version 14.0.0 release 14. 5g; study on channel model for frequencies from 0.5 to 100 ghz.

(2018a). 3gpp ts 38.104 version 15.2.0 release 15. 5g; nr; base station (bs) radio transmission and reception.

(2018b). 3gpp ts 38.211 version 15.2.0 release 15. 5g; nr; physical channels and modulation.

Belgiovine, M., Sankhe, K., Bocanegra, C., Roy, D., and Chowdhury, K. R. (2021). Deep learning at the edge for channel estimation in beyond-5g massive mimo. IEEE Wireless Communications, 28(2):19–25.

Ciou, S., Kao, J., Lee, C. Y., and Chen, K. (2015). Multi-sharing resource allocation for device-to-device communication underlaying 5g mobile networks. In 2015 IEEE 26th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), pages 1509–1514.

Ferreira, M. V., Vieira, F. H., and Álisson A. Cardoso (2022). Power and delay optimization based uplink resource allocation for wireless networks with device-to-device communications. Computer Communications, 194:226–239.

Ferreira, M. V. G. and Vieira, F. H. T. (2021). Delay minimization based uplink resource allocation for device-to-device communications considering mmwave propagation. PeerJ Computer Science, 7:e462.

Karipidis, K., Mate, R., Urban, D., Tinker, R., and Wood, A. (2021). 5g mobile networks and health - a state-of-the-science review of the research into low-level rf fields above 6 ghz. Journal of Exposure Science and Environmental Epidemiology, 31:585–605.

Sreedevi, A. and Rama Rao, T. (2019). Reinforcement learning algorithm for 5g indoor device-to-device communications. Transactions on Emerging Telecommunications Technologies, 30(9):e3670.

Sun, H., Sheng, M., Wang, X., Zhang, Y., Liu, J., and Wang, K. (2013). Resource allocation for maximizing the device-to-device communications underlaying lte-advanced networks. In 2013 IEEE/CIC International Conference on Communications in China - Workshops (CIC/ICCC), pages 60–64.