ارائه کننده: حمیدرضا سلطانی
استاد راهنما: دکتر نادر مکاری
استاد ناظر داخلی: دکتر مریم ایمانی آرانی
استاد ناظر خارجی: دکتر امیرمسعود ربیعی
تاریخ: 1403/06/26
ساعت: 13
مکان: سالن جلسات دانشکده برق

چکیده:
شبکه‌های رادیویی متن‌باز از نوآوری‌های کلیدی در ارتباطات بی‌سیم هستند که با بهره‌گیری از معماری‌های باز و استانداردهای انعطاف‌پذیر، امکان همکاری میان تجهیزات تولیدکنندگان مختلف را فراهم می‌کنند. این شبکه‌ها با استفاده از هوش مصنوعی و یادگیری ماشین، قادر به بهبود تخصیص منابع، به‌ویژه منابع طیفی، و افزایش کارایی شبکه هستند. هوش مصنوعی با تحلیل هوشمند داده‌ها و الگوهای استفاده، امکان تخصیص بهینه و پویا را فراهم می‌آورد که این موضوع به افزایش بهره‌وری طیف و کاهش تداخلات منجر می‌شود. یکی از جنبه‌های کلیدی  O-RAN، تقسیم‌بندی عملکرد شبکه و استفاده هوشمندانه از منابع طیفی است که موجب کاهش هزینه‌ها، بهینه‌سازی مدیریت منابع، و کاهش تأخیر می‌شود 
در این پایان‌نامه، روش‌های تخصیص منابع در شبکه O-RAN به‌عنوان دو مسأله بهینه‌سازی ترکیبی غیرخطی مدل‌سازی شده‌اند. مسأله اول در قالب xAPP در کنترل‌کننده near-RT RIC به‌صورت برخط برای تخصیص منابع با هدف حداکثرسازی معیار FMU حل می‌شود. معیار FMU به‌عنوان معیاری جدید برای سنجش عدالت در تخصیص منابع طراحی شده و نشان‌دهنده حداکثر تعداد و تنوع کاربران تخصیص‌یافته به هر واحد رادیویی است. این مسأله که به‌صورت محدب و بهینه‌سازی ترکیبی غیرخطی در نظر گرفته شده، به دنبال بهبود عدالت و کارایی در توزیع منابع طیفی در شبکه O-RAN است. مسأله دوم، که با استفاده از نتایج مسأله اول در قالب rAPP در کنترل‌کننده non-RT RIC حل می‌شود، به بهینه‌سازی اشتراک طیفی پویا بین تکنولوژی‌های LTE و NR می‌پردازد. این مسأله نیز یک بهینه‌سازی ترکیبی غیرخطی است و هدف آن بهبود بهره‌وری و مدیریت منابع طیفی در شبکه است. برای حل هر دو مسأله، از روش‌های یادگیری عمیق به‌صورت سلسله‌مراتبی با توجه به ساختار هوشمند O-RAN استفاده شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که استفاده از معیار FMU در تخصیص منابع و بهره‌گیری از گزینه‌های تقسیم عملکردی متناسب با نوع کاربران، به بهبود چشم‌گیری در عدالت تخصیص منابع تا حدود ۳۰ درصد منجر شده است. همچنین، با انجام اشتراک طیفی پویا بین تکنولوژی‌های LTE و NR، توانستیم به رضایت حداکثری کاربران برسیم که در مقایسه با روش اشتراک طیفی با ضرایب ثابت، حدود ۲۵ درصد افزایش داشته است. علاوه بر این، تأخیر بسته‌ها و استفاده از ظرفیت فرانت‌هال همچنان در محدوده قابل قبول باقی مانده و به نتایج مطلوبی در زمینه برآورده‌سازی قیود مسأله و بهبود رضایت کاربران دست یافته‌ایم. این نتایج نشان می‌دهد که FMU نه تنها عدالت بیشتری در تخصیص منابع فراهم می‌کند، بلکه با حفظ کارایی شبکه، رضایت کاربران را نیز به‌طور چشم‌گیری افزایش می‌دهد.