Passer à la navigation principale Passer à la recherche Passer au contenu principal

A novel Target-DQN model for handover control parameters optimization in ultra-dense cellular networks

Traduction de l'intitulé de la thèse: Un nouveau modèle Target-DQN pour l'optimisation des paramètres de contrôle de transfert dans les réseaux cellulaires ultra-denses
  • Farhad Ebrahimzadeh Gonbadi

Thèses et mémoires: Mémoire de maîtriseMaîtrise en ingénierie: Génie électrique

Résumé

La gestion efficace de la mobilité dans les réseaux 5G ultra-denses demeure un défi majeur, notamment dans les environnements urbains à forte densité d'utilisateurs et aux conditions dynamiques. Cette thèse présente un cadre basé sur le Deep Q-Network (DQN) pour l'optimisation des paramètres de contrôle de transfert (HCP), notamment le temps de déclenchement (TTT), l'hystérésis (Hys) et l'A3Offset. Le modèle Target-DQN (TDQN) proposé intègre un rayon de recherche (RR) ajustable dans sa définition d'action afin de contrôler la granularité de l'espace d'action, permettant ainsi une optimisation multi-paramètre évolutive. Une représentation d'état personnalisée capture les conditions clés de l'utilisateur et du réseau, au moyen de la probabilité de panne, du profil de mobilité de l'utilisateur et de la charge cellulaire. Le modèle est entraîné par une approche d'apprentissage par renforcement qui exploite les mesures utilisateur en temps réel et les états du réseau pour améliorer les performances de transfert. Des simulations approfondies sous différents paramètres SR, combinaisons HCP et profils de mobilité utilisateur démontrent que le modèle proposé réduit significativement les transferts inutiles et les événements ping-pong, jusqu'à 53 % et 98 % respectivement, tout en améliorant le débit utilisateur moyen de 10 % et la probabilité de panne de 12 % par rapport à un benchmark de bonnes pratiques recommandé par les documents techniques de HUAWEI. L'étude examine également les compromis entre complexité de calcul et performances, soulignant l'adaptabilité du modèle à différentes granularités d'optimisation et vitesses utilisateur. Ces résultats suggèrent que le cadre TDQN proposé est une solution prometteuse pour l'optimisation dynamique et contextuelle de la mobilité dans les réseaux cellulaires de nouvelle génération.
Date12 août 2025
langue originaleAnglais américain
Établissement diplômant
  • École de technologie supérieure
SuperviseurZbigniew Dziong (Directeur(-trice))

Mots-clés

  • probabilité de couverture
  • deep Q-networks
  • réseau cible
  • DRL
  • optimisation du transfert
  • paramètres de contrôle du transfert
  • gestion de la mobilité
  • réseaux cellulaires ultradenses
  • 5G/B5G

Citer cette ressource

'