초밀집 모바일 네트워크에서 강화학습기반 기지국 전력제어 기법Cell Activation Algorithm with Reinforcement Learning in Mobile Ultra Dense Network
- Other Titles
- Cell Activation Algorithm with Reinforcement Learning in Mobile Ultra Dense Network
- Authors
- 박혜빈; 임유진
- Issue Date
- Feb-2020
- Publisher
- 한국통신학회
- Keywords
- Cell activation; H-CRAN; 5G; RRH clustering; 기지국 전원 제어; H-CRAN; 5G; 기지국 클러스터링
- Citation
- 한국통신학회논문지, v.45, no.2, pp 293 - 302
- Pages
- 10
- Journal Title
- 한국통신학회논문지
- Volume
- 45
- Number
- 2
- Start Page
- 293
- End Page
- 302
- URI
- https://scholarworks.sookmyung.ac.kr/handle/2020.sw.sookmyung/1625
- DOI
- 10.7840/kics.2020.45.2.293
- ISSN
- 1226-4717
2287-3880
- Abstract
- 모바일 데이터 통신량이 증가하게 되면서 네트워크 용량 부족 문제가 발생하게 되었다. 이를 해결하기 위해 모바일 네트워크 환경에서 기지국을 밀집시켜 배치하고, 소형 기지국을 중첩하여 배치하는 연구가 진행되고 있다.
하지만 이는 시스템 용량 문제를 해결 할 수는 있지만 셀 내 간섭 문제와 시스템 에너지 소비 문제를 심화시킬수 있다. 간섭 문제와 에너지 소비 문제를 해결하기 위해서 상대적으로 낮은 효율의 기지국의 전원을 수면 모드로전환하는 기지국 전원 제어 기법이 개발되었다. 그러나 기지국 전원이 수면모드로 전환되는 과정에서 해당 기지국으로부터 서비스 받던 사용자가 핸드오버되면서 이웃 기지국으로 부하가 가중되어 셀 내 부하가 불균형해 질 수있다. 또한 모바일 네트워크 환경에서는 사용자가 끊임없이 움직이기 때문에 변화하는 트래픽을 고려하여야한다.
따라서 본 논문에서는 모바일 네트워크 환경에서 강화학습 기반 기지국 클러스터링 및 전원 제어 기법을 제안한다. 제안하는 기법은 시스템 에너지 효율을 최대화할 수 있도록 기지국 활성화 개수와 클러스터의 개수를 결정한다. 각 기지국의 활성화 여부는 결정된 클러스터 내의 에너지 효율을 최대화할 수 있도록 결정된다. 이어서, 실험을 통하여 제안하는 기법의 성능을 기존의 기법들과 시스템 에너지효율 및 SINR 성능 비교를 통하여 비교하였다.
- Files in This Item
-
Go to Link
- Appears in
Collections - ICT융합공학부 > IT공학전공 > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.