Abhishek Kumar har vært knyttet til ph.d.-programmet ved Teknologi og realfag, med spesialisering Information and Communication Technology (ICT), fagområde Mobile and Wireless Communications.
- Prøveforelesning starter kl. 10.15
- Disputas starter kl. 12.15
Tema for prøveforelesningen: "Embedding AI into the Radio Access Network in Beyond 5G: Architectures, Techniques, and Use Cases"
Les avhandlingen i Nasjonalt vitenarkiv
Disputasleder: Folke Haugland
Evalueringskomite:
- Første opponent: Professor Oriol Sallent, UPC-TSC, Spain
- Andre opponent: Førsteamanuensis Katina Kralevska, IIK/NTNU, Norway
- Komiteadministrator: Professor Vladimir Oleshchuk
Veiledere i doktorgradsarbeidet:
- Hovedveileder: Professor Frank Yong Li, UiA
- Biveileder: Professor Jorge Martinez-Bauset, Universitat Politècnica de València, Spain
Sammendrag
Den eksplosive populariteten til tingenes internett (IoT) presenterer nye utfordringer for å designe effektive mekanismer for medieaksess, samt dataoverføring av opplinktrafikk (dvs. datatrafikk som blir sendt fra IoT enheter mot en basestasjon) i neste generasjons mobile og trådløse nettverk. Denne avhandlingen leverer en omfattende studie av avanserte medieaksess- og dataoverforingsstrategier for opplinktrafikk, med vekt på klyngebasert ikke-ortogonal multippelaksess (NOMA), samt analytisk modellering og modellfrie tilnærminger.
Arbeidet begynner med å skissere multippeltilgangsstrategier for IoT-opplink – inkludert rate-splitting multiple aksess (RSMA) som en alternativ tilnærming – før det går videre til kjernebidragene som fokuserer på klyngede multippel-inputmultippel-output (MIMO)-NOMA-nettverk. Gjennom grundig ytelsesevaluering kvantifiserer avhandlingen virkningen av enhetsklynging, tilgangsordninger og samtidige overføringer på flere parametere, inkludert gjennomstrømning, forsinkelse og energiforbruk.
En betydelig del av avhandlingen er viet til utviklingen av analytiske modeller ved bruk av diskret-tids Markov-kjede (DTMC). Dette muliggjør en dyptgående forståelse av interferens innen og mellom klynger på overføringskollisjon og datadeteksjon, tilgangsforsinkelse og ressursallokering under realistiske, feilutsatte kanalforhold for suksessiv interferenskansellering (SIC)-basert datadeteksjon. Dette arbeidet gir innsikt i utformingen av mer adaptive og robuste aksessprotokoller.
Bygget på disse grunnlagene utforsker avhandlingen forsterkningslærings (RL)- drevet tilgangskontroll og dataoverføring, som gir basestasjoner (BS) mulighet til dynamisk optimalisere tilgangssannsynligheter og radioressursallokering i sanntid. Den RL-aktiverte tilnærmingen forenkles til semi-konfliktfrie protokoller for NOMAbasert opplink massiv IoT (mIoT)-trafikk, hvor maskinlæring (ML) fremstår som et kraftig verktøy for å utnytte effektiv konfliktløsning og optimal radioressursallokering i nettverk med høy tetthet under ulike trafikkbelastningsforhold.
I den siste delen foreslås avanserte mekanismer som kombinerer hashing og dypt Q-nettverk (DQN) for skalerbar, lav-latens, semi-konfliktfri smådataoverføring, og utforsker en annen løsning for dataoverføring i realistiske mIoT-scenarier.
Gjennom dyptgående analyser og omfattende simuleringer viser denne avhandlingen at integreringen av klynging og NOMA, optimal radioressursallokering og intelligent tilgangskontroll gir betydelige gevinster i gjennomstrømning, forsinkelse og rettferdighet sammenlignet med konvensjonelle mekanismer. Rammeverket og skjemaene som er utviklet i denne avhandlingen fremmer de nyeste teknikkene innenfor temaet medieaksess og dataoverføring for mIoT og gir innsiktsfulle innspill for neste generasjons IoT-nettverksdesign.
Slik følger du disputasen digitalt
Disputasen er åpen for alle. Meld deg på via denne Zoom-lenken.
Du logger deg på tidligst 10 minutter før oppgitt tid. Etter dette kan du når som helst forlate og komme inn igjen i disputasen.
Opponent ex auditorio:
Tidsfrist for å stille spørsmål er senest i løpet av pausen mellom opponentene. Spørsmål ex auditorio fra publikum kan sendes til Kristine Evensen Reinfjord.
Kontaktperson
- E-post
- kristine.reinfjord@uia.no
- Telefon
- +47 37 23 30 14