Managing networks and services based on artificial intelligence in heterogeneous broadband environments for 5th generation and beyond
| dc.contributor.advisor | Δεμέστιχας, Παναγιώτης | |
| dc.contributor.advisor | Demestichas, Panagiotis | |
| dc.contributor.author | Μπελικαΐδης, Ιωάννης - Πρόδρομος | |
| dc.contributor.author | Belikaidis, Ioannis - Prodromos | |
| dc.date.accessioned | 2021-09-14T05:32:45Z | |
| dc.date.available | 2021-09-14T05:32:45Z | |
| dc.date.issued | 2021-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13663 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1086 | |
| dc.description.abstract | Tα κίνητρα αυτής της ερευνητικής δραστηριότητας προέρχονται από το γεγονός της εκθετικής αύξησης της ζήτησης δεδομένων που παρατηρείται τα τελευταία χρόνια καθώς και στην προσέγγιση των θεωρητικών ορίων του capacity των δικτύων. Ταυτόχρονα η διαδικασία της αδειοδότησης και της απόκτησης νέων συχνοτήτων είναι ακριβή, χρονοβόρα και σε ορισμένες περιπτώσεις η αδειοδότηση είναι αδύνατη για πολλούς παρόχους. Σε συνδυασμό με την υποστήριξη του μεγάλου όγκου δεδομένων που προκαλούνται από τις καινούριες υπηρεσίες και εφαρμογές, πραγματοποιήθηκε έρευνα, βρέθηκαν, υλοποιήθηκαν και δοκιμάστηκαν λύσεις για την βέλτιστη διαχείριση των δικτύων. Η παρούσα διπλωματική εργασία διαρθρώνεται σε κεφάλαια και κάθε κεφάλαιο παρέχει μια λεπτομερή περιγραφή και τα αποτελέσματα των διεξαγόμενων ερευνητικών δραστηριοτήτων για την επίτευξη του γενικού στόχου διαχείρισης δικτύων και υπηρεσιών βασισμένων στην τεχνητή νοημοσύνη σε ετερογενή ευρυζωνικά περιβάλλοντα για 5η γενιά και μετά. Το Κεφάλαιο 1 παρέχει την κύρια εισαγωγή και το κίνητρο της εργασίας μας και θέτει τις απαιτήσεις της απαραίτητης έρευνας για τη διαχείριση δικτύων και υπηρεσιών που βασίζονται στην τεχνητή νοημοσύνη. Το Κεφάλαιο 2 διερευνά και αξιολογεί δίκτυα πλέγματος για την επίτευξη βελτιωμένης απόδοσης, ακόμη και όταν η συνδεσιμότητα είναι δύσκολο να πραγματοποιηθεί. Το Κεφάλαιο 3 επικεντρώνεται στη μοντελοποίηση και ανάλυση της διαχείρισης για ετερογενείς υποδομές. Το Κεφάλαιο 4 επεξεργάζεται τη διαχείριση πόρων ραδιοσυχνοτήτων σε περιβάλλον πολλαπλών παρόχων, με έμφαση στο ιεραρχικό σχήμα διαχείρισης πόρων ραδιοφώνου. Το Κεφάλαιο 5 αναλύει την έννοια του τεμαχισμού δικτύου και πώς ο τεμαχισμός μπορεί να οδηγήσει σε καλύτερη παροχή υπηρεσιών σε απαιτητικά περιβάλλοντα συνδυάζοντας διαφορετικούς τύπους επισκεψιμότητας (π.χ. URLLC, eMBB, mMTC, κ.λπ.). Το Κεφάλαιο 6 παρέχει χρήσιμες πληροφορίες σχετικά με την κοινή χρήση και την κατανομή πόρων με έμφαση στην εκχώρηση δυναμικού καναλιού για τις νέες υπηρεσίες 5G όπως το URLLC, το eMBB και το mMTC. Το Κεφάλαιο 7 επεξεργάζεται θέματα RRM σε περιβάλλον πολλαπλών συνδέσεων με έμφαση στη διαχείριση φορέα 5G και αξιολογείται με προσομοιώσεις σε επίπεδο συστήματος. Επιπλέον, αξιολογούνται οι απαιτήσεις για εξαιρετικά υψηλή πυκνότητα σύνδεσης συσκευών IoT σε περιβάλλον mMTC. Η έρευνα των προτεινόμενων λύσεων κατέληξε σε διάφορες δημοσιεύσεις, εργασίες συνεδρίων, περιοδικά, βιβλία και σε πρότυπα όπως το ITU για μελέτη σχετικά με την αξιολόγηση του 5G. Το τελευταίο κεφάλαιο παρέχει το συμπέρασμα αυτής της διπλωματικής εργασίας και προτάσεις για μελλοντική έρευνα. Συγκεκριμένα αυτή η διατριβή παρείχε μια σε βάθος ανάλυση λύσεων για τη καλύτερη διαχείριση δικτύων και υπηρεσιών που βασίζονται σε ευφυείς αλγόριθμους και τεχνικές σε ετερογενή ευρυζωνικά περιβάλλοντα 5ης και επόμενων γενεών, λαμβάνοντας υπόψη την τρέχουσα κατάσταση και προσβλέποντας τις νέες προκλήσεις των δικτύων. Στόχος ήταν να αναλύσουμε, να προτείνουμε και να βελτιώσουμε τις state-of-the-art τεχνικές για να φέρουμε τα δίκτυα 5G ένα βήμα πιο κοντά σε αυτό που θεωρούμε ότι θα μπορούσε να είναι. Οι D2D / M2M, Mesh Networks, Ultra-densification, Dynamic channel selection, Network sharing, Network slicing, Multi-connectivity / Multi link, Carrier Aggregation και χρήση νέων συχνοτήτων 3.5GHz και narrowband είναι μερικές από τις καινοτομίες που αναλύθηκαν και παρουσιάστηκαν σε αυτή τη διατριβή πετυχαίνοντας πολύ καλά αποτελέσματα σε όλες τις περιπτώσεις που δοκιμάστηκαν. Οι λύσεις και οι τεχνικές που προτείνονται σε αυτή τη διατριβή θα μπορούσαν να δοκιμαστούν σε πραγματικά περιβάλλοντα και να διαμορφωθούν από την ερευνητική κοινότητα ώστε να ενσωματωθούν στις νέες εκδόσεις της 3GPP για δίκτυα 5G αλλά και επόμενων γενεών. | el |
| dc.format.extent | 190 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Managing networks and services based on artificial intelligence in heterogeneous broadband environments for 5th generation and beyond | el |
| dc.type | Doctoral Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | The motivation for this research activity comes from the exponential increase in data demand observed in recent years as well as the approximation of the theoretical limits of network capacity. At the same time the process of licensing and acquiring new frequencies is expensive, time consuming and in some cases licensing is impossible for many providers. In combination with the support of the large volume of data caused by the new services and applications, it becomes necessary to research, implement and test the various solutions proposed for the optimal management of networks. The dissertation is structured in chapters and each chapter provides a detailed description and results of the conducted research activities for achieving the overall goal of managing networks and services based on artificial intelligence in heterogeneous broadband environments for 5th generation and beyond. Chapter 1 provides the main introduction and motivation of our work and sets the requirements of the necessary research for managing networks and services based on artificial intelligence. Chapter 2 investigates and evaluates mesh networks for achieving enhanced performance, even when connectivity is challenging. Chapter 3 focuses on the modeling and analysis of management for heterogeneous infrastructure. Chapter 4 elaborates on radio frequency resource management in a multi-provider environment with emphasis on hierarchical radio resource management scheme. Chapter 5 discusses the notion of network slicing and how slicing can lead to better service provisioning in demanding environments by blending different traffic types (e.g. URLLC, eMBB etc.). Chapter 6 provides useful insights on sharing and allocation of resources with emphasis on dynamic channel assignment for the new 5G services such as URLLC, eMBB and mMTC. Chapter 7 elaborates on RRM issues in a multi-connection environment with emphasis on 5G component carrier management and is being evaluated with system level simulations. In addition, the requirements of ultra-high connection density of IoT devices in mMTC environments are evaluated. The research of the proposed solutions resulted in various publications, conference papers, journals, books and in standards such as ITU for a study regarding evaluation of 5G. The last chapter provides the conclusions of this dissertation and suggestions for future research. Specifically, this thesis presents an in-depth analysis of solutions for better management of networks and services based on intelligent algorithms and techniques in heterogeneous broadband environments of 5th and next generations, taking into account the current situation and new challenges of networks. The aim was to analyze, propose and improve the state of the art techniques to bring 5G networks one step closer to what we think it could be. D2D / M2M, Mesh Networks, Ultra-densification, Dynamic selection channel, Network sharing, Network slicing, Multi-connectivity / Multi link, Carrier Aggregation and the utilization of new frequencies such as 3.5 GHz and narrow band are some of the techniques that were analyzed, improved and presented, achieving good results in all tested cases. These proposals could be further tested in a real environment and formulated by the research community and standards to be integrated into the new versions of 3GPP for 5G networks and future generations. | el |
| dc.subject.keyword | Διαχείριση δικτύων και υπηρεσιών | el |
| dc.subject.keyword | Διαχείριση πόρων ραδιοσυχνοτήτων | el |
| dc.subject.keyword | Τεχνητή νοημοσύνη | el |
| dc.subject.keyword | Νοητός διαχωρισμός δικτύων | el |
| dc.subject.keyword | Περιβάλλοντα 5ης γενιάς και ακόλουθων γενεών | el |
| dc.subject.keyword | Δίκτυα πλέγματος | el |
| dc.subject.keyword | Ποιότητα υπηρεσιών | el |
| dc.subject.keyword | Ποιότητα εμπειρίας χρήστη | el |
| dc.subject.keyword | Υπερ-πυκνά δίκτυα | el |
| dc.date.defense | 2021-07-16 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα