개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 조인휘
- 발행연도
- 2020
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
정보를 활용하는 4차 산업혁명이 이슈가 되면서 사물인터넷과 같은 무선통신기술이 각광받고 있으며 미래 사회에 필요한 기술을 만족시키기 위해 많은 연구를 필요로 하고 있다. 무선통신환경 중 LPWA(Low Power Wide Area)는 저 전력을 추구하면서 장거리 통신이 가능하므로 기존 무선통신이 충족시키기 어려웠던 다양한 어플리케이션 요구사항을 만족시킬 수 있다. 본 논문에서는 LPWA 중 LoRaWAN을 목표로 최대 데이터 전송률 대비 최 소 전송 전력을 소모하는 방법을 제안한다. LoRa는 첩 확산 스펙트럼 기술을 기반으로 변조 기법과 pure ALOHA 방식을 이용하여 저 전력, 장거리 통신을 가능하게 한다. 그러나 장거리 통신에 따른 패킷의 Time on Air 증가로 패킷 충돌 가능성이 증가하였고 또한 게이트웨이와 단말 노드의 위치에 따른 원근 문제가 발생한다. 그래서 이러한 부작용을 최소화하기 위해서는 확산인자 값, 송신전력 값, 채널 값 등과 같은 적절한 네트워크 자원 분배가 이루어져야 한 다. 본 논문에서는 이러한 적절한 인자 값을 찾기 위해 인공지능 기술을 활용하 려고 한다. 인공지능 기술 중 심층강화학습을 이용하여 LoRaWAN에서 확산 인자, 송신전력, 채널과 같은 네트워크 자원 최적화 분배를 목표로 문제 접근 을 하였다. 네트워크 서버에 단말노드와 매칭 된 다수의 심층 강화학습 에이 전트를 생성하고 학습하여 터미널 노드에 최적의 전송 매개 변수를 제공하였 다. 시뮬레이션 결과 제안하는 기법이 전송률 대비 에너지 소비량 기준으로 LoRa의 ADR 보다 대략 7.3% 더 좋은 효율을 보이는 것이 확인되었다.
목차
제1장 서론 1제2장 관련연구 3제1절 LoRa 3제2절 LoRa 성능 이슈와 ADR 6제3절 심층강화학습 8제4절 심층 멀티에이전트 강화학습 10제5절 제안하는 기법의 동기 13제3장 강화학습을 적용한 LoRa 모델 15제1절 시스템 모델 15제2절 제안하는 기법의 동작 방식 163.2.1 강화학습 모델 173.2.2 학습방법 21제4장 성능평가 23제1절 실험환경 23제2절 실험결과 25제5장 결론 31참고문헌 32ABSTRACT 34
최근 본 자료
댓글(0)
0