ارائه کننده: حمیدرضا سلطانی استاد راهنما: دکتر نادر مکاری استاد ناظر داخلی: دکتر مریم ایمانی آرانی استاد ناظر خارجی: دکتر امیرمسعود ربیعیتاریخ: ۱۴۰۳/۰۶/۲۶ ساعت: 13مکان: سالن جلسات دانشکده برق

چکیده: شبکه‌ های رادیویی متن‌ باز از نوآوری‌ های کلیدی در ارتباطات بی‌ سیم هستند که با بهره‌ گیری از معماری‌ های باز و استانداردهای انعطاف‌ پذیر، امکان همکاری میان تجهیزات تولیدکنندگان مختلف را فراهم می‌ کنند. این شبکه‌ ها با استفاده از هوش مصنوعی و یادگیری ماشین، قادر به بهبود تخصیص منابع، به‌ ویژه منابع طیفی، و افزایش کارایی شبکه هستند. هوش مصنوعی با تحلیل هوشمند داده‌ ها و الگوهای استفاده، امکان تخصیص بهینه و پویا را فراهم می‌ آورد که این موضوع به افزایش بهره‌ وری طیف و کاهش تداخلات منجر می‌ شود. یکی از جنبه‌ های کلیدی   O-RAN، تقسیم‌ بندی عملکرد شبکه و استفاده هوشمندانه از منابع طیفی است که موجب کاهش هزینه‌ ها، بهینه‌ سازی مدیریت منابع، و کاهش تأخیر می‌ شود  در این پایان‌ نامه، روش‌ های تخصیص منابع در شبکه O-RAN به‌ عنوان دو مسأله بهینه‌ سازی ترکیبی غیرخطی مدل‌ سازی شده‌ اند. مسأله اول در قالب xAPP در کنترل‌ کننده near-RT RIC به‌ صورت برخط برای تخصیص منابع با هدف حداکثرسازی معیار FMU حل می‌ شود. معیار FMU به‌ عنوان معیاری جدید برای سنجش عدالت در تخصیص منابع طراحی شده و نشان‌ دهنده حداکثر تعداد و تنوع کاربران تخصیص‌ یافته به هر واحد رادیویی است. این مسأله که به‌ صورت محدب و بهینه‌ سازی 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 کنترل‌ کننده non-RT RIC حل می‌ شود، به بهینه‌ سازی اشتراک طیفی پویا بین تکنولوژی‌ های LTE و NR می‌ پردازد. این مسأله نیز یک بهینه‌ سازی ترکیبی غیرخطی است و هدف آن بهبود بهره‌ وری و مدیریت منابع طیفی در شبکه است. برای حل هر دو مسأله، از روش‌ های یادگیری عمیق به‌ صورت سلسله‌ مراتبی با توجه به ساختار هوشمند O-RAN استفاده شده است. نتایج شبیه‌ سازی‌ ها نشان می‌ دهد که استفاده از معیار FMU در تخصیص منابع و بهره‌ گیری از گزینه‌ های تقسیم عملکردی متناسب با نوع کاربران، به بهبود چشم‌ گیری در عدالت تخصیص منابع تا حدود ۳۰ درصد منجر شده است. همچنین، با انجام اشتراک طیفی پویا بین تکنولوژی‌ های 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 بسته‌ ها و استفاده از ظرفیت فرانت‌ هال همچنان در محدوده قابل قبول باقی مانده و به نتایج مطلوبی در زمینه برآورده‌ سازی قیود مسأله و بهبود رضایت کاربران دست یافته‌ ایم. این نتایج نشان می‌ دهد که FMU نه تنها عدالت بیشتری در تخصیص منابع فراهم می‌ کند، بلکه با حفظ کارایی شبکه، رضایت کاربران را نیز به‌ طور چشم‌ گیری افزایش می‌ دهد.