Browsing by Author "Wang, Chia-Pin"

Filter results by typing the first few letters
Now showing 1 - 17 of 17
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    5G毫米波網路中最大最小公平資源配置之研究
    (2024) 陳柏丞; Chen, Po-Chen
    5G毫米波網絡(millimeter Wave, mmWave)是一種高頻信號，波長在毫米範圍內。由於毫米波的波長極短且穿透能力差，並且其有效範圍有限，本論文考慮到這些特性，將其與最大最小公平資源分配相結合。類似於無線局域網（Wireless LANs），接入點（AP）之間的流量負載分佈通常是不均衡的，導致用戶之間的頻寬分配不公平。通過最大最小資源分配，可以顯著減少負載不均衡和隨之而來的不公平頻寬分配。在本論文中，我們提出了一種有效的解決方案來確定用戶與接入點的連接，以實現最大最小公平的頻寬分配。我們展示了公平性與負載平衡之間的密切關係，這使我們能夠利用負載平衡技術來實現最佳的最大最小公平頻寬分配。我們的模擬結果表明，所提出的部份連線演算法接近於實現最佳負載平衡。最後，我們將我們的方法與比例公平資源分配進行了比較，並探討了兩者之間的差異及其優缺點。
  • No Thumbnail Available
    Item
    5G車載網路(5G-V2X)基於開源模擬器WiLabV2Xsim之效能分析
    (2024) 洪明愉; Hung, Ming-Yu
    第三代合作夥伴計畫(3GPP)發布了基於5G-V2X通訊標準。這些標準允許車輛與道路基礎設施、其他車輛以及行人之間進行通訊。本文將使用Mode 2的配置進行模擬，Mode2 是5G-V2X中用於車輛之間的直接通訊的模式，接著將介紹關於模擬器WiLabV2Xsim的周邊知識以及兩個實驗會用到的參數，第一個實驗，分析三種子載波間距(Subcarrier spacing, SCS)，以及考慮帶內發射(In band emission, IBE)的情況，他們在調整參數下的效能，第二個實驗，討論使用候選資源列表L2所提升的效能，L2列表是使用者設備(User equipment, UE)避免傳輸時發生碰撞所使用的候選資源，有可能對效能影響不大，造成額外的訊號傳輸(Overhead)的現象。本文以不同的封包大小與調變與編碼策略(Modulation and Coding Scheme, MCS)作為參數，觀察他們的封包接收率(Packet Reception Ratio, PRR)，在第一個實驗中分析不同SCS的效能變化的趨勢，在第二個實驗中分析L2列表為效能帶來的影響，並提出建議。
  • No Thumbnail Available
    Item
    D2D通訊在LTE蜂巢式網路中之步進式位置推薦演算法
    (2018) 朱峻佑; Ju, Jun-You
    在長程演進技術(Long Term Evolution, LTE)中有一項重要的技術，也就是設備對設備(Device-to-Device, D2D)的通訊，D2D通訊可以不透過基地台做設備與設備間的直接傳輸，這個做法可以減輕基地台的負擔以及增加整體系統的網路容量。 本論文提出一種基於LTE蜂巢式網路中D2D的步進式位置推薦法，希望能透過演算法規劃出一條推薦路徑，使D2D移動至推薦的路徑，並藉此能改善網路整體的系統容量及效能。 實驗模擬在一個含有傳統大型基地台及其使用者與多組D2D的環境來驗證本論文提出的步進式位置推薦演算法，並使用LTE-Sim開源工具來量測出模擬的結果，實驗結果顯示整體系統傳輸效能在多種不同的情況下可達明顯的提升效果。
  • No Thumbnail Available
    Item
    D2D通訊於LTE網路中使用可調式不連續接收機制之實驗研究
    (2016) 鍾宜蒲; Chung, Yi-Pu
    在本論文中，將提出基於QoS可調式非連續接收的省電架構，此方法能夠根據當前系統效能與預期達到的最佳效能，評估之間的距離來衡量下一個狀態欲調整的參數，進而改善整體系統的運算時間與負擔。同時，我們也以智慧型手機實驗量測網頁瀏覽、網路電話與影音串流三種類型的資料流量與電量損耗的情形。另一方面，本研究也探討並分析傳統型DRX的封包延遲與電量損耗在不同流量時的趨勢表現，並調整不同的參數變化來觀察它們之間的關係，根據使用者的需求，有效地推薦較好的參數方向，因而強化整體效能。
  • No Thumbnail Available
    Item
    D2D通訊於LTE蜂巢式網路中使用粒子群最佳化演算法之位置推薦
    (2017) 蔡德生; Tsai, Te-Sheng
    在此篇論文中，我們提出了D2D (Device-to-Device, D2D) 通訊於LTE蜂巢式網路中使用粒子群最佳化演算法之位置推薦。我們所提出的方法是讓D2D使用者移動到我們所推薦的位置以達到更好的系統容量以及資源利用率，利用我們設計的成本函數來決定我們的資源分配機制，避免與相鄰的大型蜂窩式網路基地台或其他的D2D用戶產生干擾並且平衡MUE (Marcocell User Equipment, MUE)用戶及D2D用戶的體驗品質(Quality of Experience, QoE)，希望兩者都可以達到最佳的體驗效果。 最後經由模擬結果證明，粒子群演算法不同的迭代結果與傳統暴力法的位置推薦方法比較之後，我們的方法可以有效的降低位置推薦所產生的推薦成本及時間。
  • No Thumbnail Available
    Item
    LAA與Wi-Fi共存異質性網路效能分析之研究
    (2023) 謝政霖; HSIEH, Cheng-Lin
    本論文研製之異質性網路資源分配，6G次世代通訊設備系統是未來的趨勢，為此我們需要準備足夠的訊號發送源以應付6G次世代通訊的到來，在這過程中原有的4G/5G大型基地台仍可作為訊號傳送的來源，但缺點是頻譜的覆蓋率不足，因此需要開發許多微小型基地台(Small Cell)來填補訊號缺口，微小型基地台的優點是體積小，且佈建靈活，很方便能夠擺置在訊號源不足的地方。我的研究會考量到上述狀況，為了使6G次世代網路通訊協定能完美的銜接舊有的通訊系統，必須在通訊協定上做些改良與研究，當訊號封包碰上資訊遺失的問題，遇到訊號延遲時就需要判斷是什麼原因造成的，從模擬平台的建立來整理出一套可行的系統，希望能透過參數的調整來避免這樣的資源浪費。研究內容以模擬平台的順利運作和多參數連動調整後仍不失真的模擬結果為核心，並在模擬平台中分別建置LAA的基地台和Wi-Fi的基地台，讓兩種基地台同時運作，作為異質性網路偕同系統的核心，並從異質性網路運作系統中參數的變化研究出適當的參數設置，使得LAA基地台與Wi-Fi基地台在異質性網路中能順利運作。
  • No Thumbnail Available
    Item
    LTE下行鏈路封包排程模擬器之研究
    (2017) 傅方儒; Fu, Fang-Ju
    近年來，長程演進技術(Long Term Evolution，LTE)已成為第四代行動通訊的無線系統，而國際電信聯盟(International Telecommunication Union，ITU)與第三代合作夥伴計畫(3rd Generation Partnership Project，3GPP)國際標準組織為了評估各種解決方法，已經開始訂定各種模擬規範，主要是用於複雜且具有整體驗證性質的系統層級模擬器(System level simulator, SLS)。系統層級模擬器LTE-Sim是一個開放源碼基於C++的模擬器，其設計理念是希望能完整實現演進型技術協定層，可提供完整的LTE網路性能驗證和讓研究人員進行修改，並用來了解LTE長程演進技術整體網路的效能，在本論文中，利用公平比例(Proportional Fairness，PF)、最大延遲優先(Maximum Largest Weighted Delay First，M-LWDF)和指數型公平演算法(Exponential Proportional Fairness，EXP/PF)，去評估LTE-Sim模擬器對於LTE系統的效能測試，例如：基地台平均傳輸速度、流量影響、使用者裝置、封包吞吐量、延遲和公平性等效能評估，並增加一個公平比較的模擬平台。 關鍵字：LTE-Sim模擬器、長程演進技術。
  • No Thumbnail Available
    Item
    LTE通訊系統中之位置推薦演算法
    (2017) 李啓銘; Li, Chi-Ming
    本論文中提出了一個在長程演進的技術(Long Term Evolution，LTE)下行鏈路(Downlink)通訊中使用者位置推薦演算法，提出的位置推薦演算法進一步與修正的最大加權優先延遲(MLWDF)結合並且改善系統的性能。 從模擬實驗結果可以發現，通過提出的使用者位置推薦演算法可以改善語音(VoIP)和影片(video)上服務品質(Qos)的性能包括封包遺失率和吞吐量的部分在長期演進的技術(Long Term Evolution，LTE)下行鏈路中。 關鍵字：長期演進技術、位置推薦、下行鏈路、服務品質、資源分配。
  • No Thumbnail Available
    Item
    LTE通訊系統中針對同層干擾環境對微小型基地台功率控制與用戶位置推薦演算法
    (2019) 施冠汎; Shi, Guan-Fan
    在未來的長期演進技術(Long Term Evolution ,LTE)中，將會有一項至為關鍵的設備，也就是微小型基地台(Femtocell)，微小型基地台不僅在佈建方面靈活，且體積相對於傳統的大型基地台(Macrocell)來的更小，此設備將能改善大型基地台的覆蓋不足，並且能提升整體的網路容量。 本論文將提出一種於LTE通訊系統中針對同層干擾(co-tier interference)環境對微小型基地台功率控制與用戶位置推薦演算法，希望能藉由此演算法減少鄰近微小型基地台對用戶的干擾，並且透過位置推薦讓用戶移動到訊號更好的位置，以改善網路整體的速率和保持用戶的服務品質。 而實驗模擬環境中將會有九個微小型基地台以及多位用戶的同層干擾環境來驗證本論文所提出的功率控制與位置推薦演算法，從實驗結果顯示微小型基地台的干擾與功率耗損會逐步降低，整體用戶的同層干擾將會減少，且用戶吞吐量會有顯著的提升。
  • No Thumbnail Available
    Item
    使用強化學習的基於效用的資源分配以在異質網路中提供公平性和使用者滿意度
    (2024) 于一方; Yu, Yi-Fang
    在下一代異構網絡中，5G NR基站將與Wi-Fi接入點競爭使用未許可的頻段，以提高傳輸速率。在3GPP LAA標準中，引入了一種名為LBT的技術，用於NR基站和Wi-Fi接入點的共存。然而，在LAA和Wi-Fi之間爭奪未許可頻段時，LAA中使用的LBT使競爭相對不公平；使用LBT的LAA的吞吐量遠高於Wi-Fi中使用的CSMA/CA。當Wi-Fi在與LAA共存時的性能主要取決於LAA如何配置LBT參數時，我們在本文中提出了一種基於強化學習的新型無線資源分配方案，該方案調整LAA的TXOP持續時間，以改善LAA和Wi-Fi之間的公平性。為了實現用戶公平性和系統吞吐量之間的均衡，這兩者通常是相互衝突且難以同時改善的，我們提出的基於RL的TXOP調整方案包括兩種策略：絕對公平和中度公平。如果最關心用戶的公平性，則可以利用提出的絕對公平方案以提供最佳的公平性性能。否則，如果需要兼顧公平性和吞吐量，則可以採用提出的中度公平方案以實現用戶公平性和系統吞吐量之間的平衡。此外，我們還引入了一種基於效用的公平方案，可以根據效用函數來保證用戶感知的服務質量（QoS）。模擬結果表明，所提出的方案能夠有效改善LAA和Wi-Fi之間的公平性，並同時考慮根據不同的網絡策略和用戶需求，系統吞吐量和用戶感知的QoS。
  • No Thumbnail Available
    Item
    基於A2C結合LSTM之D2D通訊於蜂巢式網路功率調整演算法
    (2021) 詹震浩; Chan, Jen-Hau
    我們考慮到裝置對裝置之通訊(Device-to-Device communication, D2D)有可能在非理想情況下被建立，我們提出一個下行鏈路干擾緩解機制，在保障蜂巢式用戶的鏈路品質前提下，提升整體系統容量，我們模擬多個D2D用戶時採用抑制干擾範圍與正交資源分配，接著使用本實驗室學長先前所撰寫之位置推薦的結果，並稱之為傳統方法，本篇研究接續著傳統方法，搭配人工智慧的方法針對D2D提出功率調整演算法(Location Recommendation and Power Adjustment using A2C with LSTM, LR&PA_A2C+LSTM)，管理D2D複用蜂巢鏈路的資源時，基地台對D2D的干擾及D2D對MUE的干擾。我們比較LR的兩種策略，並且證明以最短移動距離作為唯一考量的策略較為實際，因此在我們的演算法中將採取此策略。模擬結果證明， 我們所提出的方法在提升D2D容量方面優於傳統方法，而蜂巢式用戶容量的減少相較於D2D容量的提升是非常小的，因此整體系統容量可以明顯地有所改善。
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    於LTE中混合最大速率和比例性公平之下行資源分配演算法
    (2012) 詹昆燁; Chan, Kun-Yeh
    在本論文中，我們針對長期演進技術(LTE)系統提出了一個下行的資源分配演算法，在我們提出的演算法中，相似於之前的一些相關研究，如最大速率演算法(Max-rate)和均衡公平調度演算法(PF)，前者旨在提高最大限度吞吐量，後者旨在提高用戶之間的公平性。我們著重於詳細說明如何選擇排程演算法和物理資源塊分配。我們發現之前的研究不能兼顧最大限度吞吐量和公平性，因此在我們提出演算法內加入一個混合Max-rate和PF的調整參數β來幫助我們更能適性調整公平性和最大限度吞吐量的問題。從實驗結果發現在使用者數量不多時由於無法有效的提高吞吐量，所以我們建議把β調低偏向於均衡公平調度演算法(PF)，在使用者數量多時藉由讓使用者彼此競爭的情況下便能有效的提高最大吞吐量，所以我們建議把β調高偏向於最大速率演算法(Max-rate)。
  • No Thumbnail Available
    Item
    於LTE微小型基地台網路之QoS感知功率控制與資源分配研究
    (2014) 李星融; Li, Xing-Rong
    HeNB（Home Evolved Node B）也可被稱作微小型基地台（femtocell）將在未來長期演進技術（Long Term Evolution，LTE）網路中盛行，這是因為室內用戶數量達到一定程度，它的容量經由頻率複用（frequency reuse）技術得以解決頻譜不足的問題。在本論文中，我們處理微小型基地台干擾問題並且提出干擾控制方法，以它的麻煩節點（troubling node）和服務節點（servicing node）特性為基礎，所提出方法能動態性調整微小型基地台的傳輸功率，這是為了平衡對用戶服務品質（Quality of Service，QoS）以及避免對周圍微小型基地台干擾。我們與其他方法進行模擬比較，結果顯示我們方法能有效避免周圍微小型基地台之間干擾，並改善微小型基地台網路的速率，而且在與其他方法比較之下同時保有用戶感知服務品質。
  • No Thumbnail Available
    Item
  • No Thumbnail Available
    Item
    蜂巢式網路用戶與V2X通訊共存異質性網路之功率控制與資源分配演算法
    (2021) 高漢棋; Gao, Han-Chi
    在現今資訊暴漲的時代，無線網路是由許多的物聯網和通訊裝置所組合起來，而對於基地台原本所服務的蜂巢式網路用戶來說，因為基地台所需要服務的用戶不斷的增加，導致了基地台之間嚴重的互相干擾，為此我們通過提出一個下行鏈路干擾緩解方案，在確保了蜂巢式網路用戶的前提下，也保障了系統內的其他次級用戶不受到干擾，本文中以V2X通訊代表次級用戶。本論文建立了一個有多個多輸入單輸出(MISO)小區的環境，並在其中設置了數台採用C-V2X通訊的無人車，並使用人工智慧中的強化式學習模型Deep Q-learing 結合波束成形技術，提出了一種功率調整與波束成形演算法，每個基地台都代表一個代理(Agent)，並擁有獨立的神經網路，能夠根據基地台目前的環境做出適當的決策，我們的研究結果表明此演算法能夠有效保障蜂巢式網路用戶的權益(Utility)，並透過波束成形技術避開無人車，從而達到降低干擾並提升系統效能的目的。