روش وفقی کاهش تداخل در شبکه های ناهمگن LTE-A با الگوریتم گرادیان افزایشی تصادفی با بهره گیری از تکنیک eICIC

در چند دهه ی اخیر، افزایش نرخ اتصالات و ارتباطات و همچنین نیاز به بهرهگیری از دستگاه های بیسیم بیشتر احساس میشود و این نیازمندی ها موجب گسترش سریع تعداد دستگاه های متصل، افزایش حجم ترافیک تولید شده و کمبود منابع در دسترس شده است. به همین دلیل، در شبکه های موبایل با رویکرد کاهش ترافیک ایستگاه های سلولی ماکرو از تعدادی ایستگاه سلولی کوچکتر استفاده میکنند، که در هنگام طراحی شبکه های موبایل، توان ارسالی ایستگاه های کوچکتر در مقایسه با ایستگاه های ماکرو کمتر است. در این مقاله به بررسی شبکه های ناهمگن میپردازیم که سناریوهای مختلفی با حضور ایستگاه های سلولی ماکروسل و پیکوسل در شرایط نزدیک به واقعیت شبیه سازی شده اند. در شبکه های ناهمگن به دلیل یکسان نبودن توان ارسالی ایستگاه های مختلف، کاربران تمایل خواهد داشت که از ایستگاه هایی با توان ارسالی بالاتر متصل شوند. به همین دلیل در طول چند سال اخیر، تکنیک تقویت هماهنگی تداخل بین سلولی (eICIC) که تاثیر آن با دو پارامتر بایاس گسترش دامنه سلولی (CRE) و نسبت زیرفریم خالی تقریبی (ABS) تنظیم میشود، برای افزایش استفاده کاربران از ایستگاه های پیکو و کاهش ترافیک در ایستگاه های ماکرو معرفی شده است. روشهای متفاوتی برای تنظیم مقادیر دو پارامتر ABS و CRE معرفی شده است که در این مقاله به بررسی اثر الگوریتم گرادیان افزایشی تصادفی (SGA) در تنظیم پارامترهای تکنیکها eICIC توسط سه الگوریتم گرادیان یک نمونه (OSG)، گرادیان چند نمونه با دو نمونه (MSG۲) و گرادیان چند نمونه با سه نمونه (MSG۳) می پردازیم. نتایج شبیه سازیها نشان میدهد که بهره گیری از روش مبتنی بر یادگیری SGA در سناریوهای نزدیک به محیط واقعی موجب کاهش بار ترافیک در ایستگاه ماکرو و همچنین بهبود گذردهی کاربران با کاهش تداخل بین ایستگاه ها میشود. همچنین با نشان دادن عملکردهای مختلف ۳ الگوریتم در سناریوهای مختلف، یک روش وفقی برای انتخاب الگوریتم متناسب در شرایط مختلف شبکه ارائه شد که موجب بهبود ۵- درصدی گذردهی میشود.

کلیدواژه ها:

شبکه های ناهمگن ، کاهش تداخل در شبکه های LTE-A ، الگوریتم گرادیان افزایشی تصادفی ، تکنیک eICIC ، بهبود گذردهی