Mobil kenar bilişim platformlarında kaynak modelleme ve çizelgeleme için fırsatlardan faydalanma
Proje no. 21953 · Durum: Kapanmış (Yayın bekleniyor) · 2020
Özet
5G ağaları için gerektiren yüksek spektral verimlilik (bit/s/Hz/kullanıcı), her sinyalin birden fazla AP'de aynı anda işlenmesiyle elde edilebilmekte, bu da ağ odaklı işlemlerin odak noktasını kullanıcı merkezli olarak değiştirmektedir. Bu durumda, her kullanıcıya, hücre sınırlarını ortadan kaldıran ve hücreler arası etkileşime neden olmayan seçilmiş bir AP alt kümesinden tutarlı (coherent) bir ortak iletim sağlanmaktadır - ulaşılabilir hücresiz masif MIMO (Cell Free MIMO) yeni bir konsept oluşturur. Böyle bir ağda AP'ler, koordinasyon, ek bilgi işleme ve kaynak tahsisi gibi işlemler için merkezi işlem birimlerine (CPU) front-haul bağlantılar yoluyla bağlanır. CPU’lar ise back-haul bağlantılar ile birbirine bağlanmaktadır. Ne kadar çok sayıda olurlarsa, front-haul/back-haul gereksinimleri ve son kullanıcı için meydana gelen gecikmeler o kadar yüksek olmaktadır. Bu sorunun çözümü ise, Mobil Kenar Bilişim (MEC) konsepti tarafından sağlanan fırsatlardan faydalanmaktır. Dağıtık MEC sunucularında yürüttüğü işlemler sayesinde özellikle gecikmenin önemli olduğu uygulamalarda büyük faydalar sağlamaktadır. Böylelikle projede yapılması planlanan hücresiz ağlara MEC tasarımı prensiplerinin ile entegrasyonudur. Yapılacak olan çalışmada özellikle kaynak tahsisi konusuna odaklanıp gecikme, verinin yüksek kalitede iletimi parametreleri değerlendirmeye alacak ve optimize edecek. Çalışmada kaynak tahsisi algoritma tasarımı yaparken dikkate alınacak bir diğer önemli husus ise, ortamın değişkenliği ile başa çıkabilecek bir algoritma tasarlamaktır. Bu sebeple Derin Öğrenme algoritmaları kullanılanacaktır. Şimdiye kadar çalışmalarında, ağ incelemeleri yapılırken ya mobil cihaz ve MEC arasındaki iletişim incelenmiş ya da MEC ve sonrasında yapılan işlemler söz konusu olmuştur. Proje kapsamında yapılmak istenen ise katmanlar arası bir çalışma olup, gecikme ve verimlilik parametrelerini göz önünde alınarak Derin Öğrenme kullanımı ile kaynak tahsisi gerçekleştirilecektir.