5g ağlarındaki radyo erişim ağı dilimlemleme için yapay zeka tabanlı esnek başlangıç sinyali paylaştırma

Radyo erişim ağı dilimlemedeki en büyük zorluklardan birisi, ağa erişmek için bağlantı kurulma aşamasında birden fazla cihazın aynı radyo erişim kanalını kullanmalarından kaynaklanmaktadır. Halihazırda, rastgele kanal erişiminde yaşanan sıkışıklık, dağınık şekilde cihazların kanala aynı anda çıkmaya çalışmaları durumunda çok ciddi bir boyuta varmaktadır. Bu tarz durumlar, kanala erişmeye çalışan tüm cihazların iletişiminde önemli seviyelerde gecikmeye neden olmaktadır. Bu nedenle, radyo erişim ağı dilimlenmesine olanak sağlanabilmesi ve kaynakların dinamik yönetilebilmesi için, rastgele kanal erişimi kaynakları, farklı servis tipleri için dağıtılabilir hale gelmelidir. Rastgele kanal erişimi sırasında, cihazlar bir senkronizasyon sinyali seçerek yayınlarlar. Eğer birden fazla cihaz aynı sinyali yayınlarsa baz istasyonunda çakışma meydana gelir. Kanal erişimi sırasında bir servis sınıfını diğerinden izole edebilmek için uygulanan yöntemlerden biri de senkronizyon sinyallerini alt gruplara ayırdıktan sonra servislere bu alt grupları paylaştırmaktır. Statik paylaşım, servislerden gelen trafiğin dinamik olarak değiştiği durumlarda verimsiz hale gelmektedir. Bu yüzden dinamik paylaşım, gecikmeyi ve çakışmayı istenen seviyelerde tutabilmek için uygun bir yöntemdir. Bu tez çalışması, senkronizasyon sinyallerinin alt gruplara dinamik olarak ayrılması için derin takviyeli öğrenme ve genetik algoritma temelli yöntemler önermektir. Önerilen yöntemler, kısıtlı sayıdaki senkronizasyon sinyallerini farklı servis sınıflarına, servislerin önceliklerine ve ağdaki trafiğin durumana göre dağıtarak servis sınıfları arasında sanal bir izolasyon yaratmaktadırlar. Çalışma kapsamındaki sonuçlar, önerilen yöntemlerin, değişen trafik ihtiyaçlarına uyum sağlayarak senkronizasyon sinyallerini gruplara dinamik şekilde dağıttığını göstermektedir.