Learning-based spatial reuse optimization for dense wireless local area networks

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: İngilizce

Öğrenci: TAKUDZWANASHE GIDEON GOVERE

Danışman: Tülay Yıldırım

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Tabletler ve akıllı telefonlar gibi daha güçlü Wi-Fi özellikli cihazların art arda geliştirilmesi; yüksek veri oranlarına ve gerçek zamanlı ihtiyaçlara sahip artan sayıda uygulamayı yöneten; video, VoIP, bulut erişimi ve boşaltma gibi: Kablosuz Yerel Alan Ağlarında (WLAN) kapasite ve performans talebinde artışa neden oldu. Bu artan talebi karşılamak için, WLAN'lar daha fazla sayıda konuşlandırıldı ve artan yoğunluklarla, yani ağ başına daha fazla istasyona hizmet veren daha fazla erişim noktasıyla kullanıldı. Bu konvansiyonel olmayan ve sıkışık dağıtım senaryolarından bazıları; stadyumlar, apartman binaları, havaalanı ve tren istasyonları: hepsi sınırlı bir alanda yoğun şekilde istasyonlarla yüklü çok sayıda erişim noktasıyla karakterize edilir. Sonuç olarak, bu ağlar, yüksek eş-kanal karışması ile bağdaştırılır ve kısmen mevcut Ortam Erişim Kontrolü (MAC) protokolleri, örneğin; Dağıtılmış Koordineli İşlev (DCF), bu yoğun dağıtımlar için 'aşırı korumacı' olmuştur, çünkü mekansal frekansın yeniden kullanımını kısıtlar ve spektrum verimliliğini azaltır. MAC protokolü parametrelerini yani istasyonların fiziksel taşıyıcı duyu eşiği ve iletim gücünü dinamik olarak uyarlayarak, yönetilen yoğun WLAN'larda mekansal yeniden kullanımı ve eşzamanlı iletimleri optimize eden karma bir Genel Regresyon Sinir Ağı (GRNN) ve Ateşböceği Algoritması (FA) gibi yeni bir öğrenmeye dayalı yapı öneriyoruz. Önerdiğimiz yapı, her istasyonun ortalama verimini ve ağın toplam verimini oldukça arttırmaktadır. Yapımızın performansı, yüksek yoğunluklu entegre sistem simülasyonları kullanılarak ve gerçek yoğun WLAN'lara çok benzeyen dağıtım senaryoları kullanılarak değerlendirilmektedir.