| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Telekomunikāciju tehnoloģijas un tīklu pārvaldība |
| Nosaukums |
LTE mobilā tīkla optimizācija, izmantojot RSRQ prognozēšanu, izmantojot mašīnmācīšanās pieeju: gadījuma izpēte Paro, Butānā |
| Nosaukums angļu valodā |
LTE Cellular Network Optimization through RSRQ Prediction Using a Machine Learning Approach: A Case Study in Paro, Bhutan |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Elans Grabs |
| Recenzents |
Rolands Parts |
| Anotācija |
Signāla kvalitātes novērtējums strauji mainīgā mobilā tīkla vidē, kur pieaug lietotāju skaits un tiek pieprasīti vairāki pakalpojumi, kas var būt nopietns izaicinājums mobilo sakaru operatoriem. Operatoriem ir ļoti svarīgi pielāgoties šim izaicinājumam un laiku pa laikam uzlabot pakalpojumu kvalitāti. Viens no visizplatītākajiem tīkla veiktspējas novērtēšanas procesiem ir piedziņas pārbaude. Piedziņas testēšana palīdz apstiprināt tīklā ieviesto optimizācijas pasākumu efektivitāti. Veicot piedziņas testus dažādās vietās un dažādos apstākļos, operatori var novērtēt faktisko veiktspēju un novērtēt, vai ir sasniegti gaidītie tīkla parametru uzlabojumi, piemēram, signāla stiprums, kvalitāte un pārklājums.
Braukšanas testa datu kopas, atsauces signāla uztvertā jauda (RSRP), atsauces signāla uztveršanas kvalitāte (RSRQ) un signāla un trokšņa attiecība (SNR), tika mērītas maršrutā Paro, Butānā, ko aptver ilgtermiņa attīstība (LTE) 1800 MHz frekvencē. un 700 MHz. Papildus RSRP, RSRQ un SNR mērījumiem maršrutā, vietējā topogrāfiskā profila dati tika iegūti no digitālā augstuma modeļa (DEM). DEM dati sniedz informāciju par vides iezīmēm, kas var būtiski ietekmēt LTE tīkla raksturlielumus Paro, Butānā. Galvenais mērķis ir pārbaudīt iespējamās korelācijas starp dažādiem LTE mērījumu parametriem un atrast labāko prognozēšanas modeli RSRQ, izmantojot mašīnmācīšanās algoritmus. |
| Atslēgas vārdi |
ilgtermiņa attīstība, atsauces signāla saņemtā jauda, atsauces signāla saņemtā kvalitāte, signāla troksnis, digitālais pacēluma modelis, mašīnmācīšanās |
| Atslēgas vārdi angļu valodā |
Long Term Evolution, Reference Signal Received Power, Reference Signal Received Quality, Signal to Noise Ratio, Digital Elevation Model, Machine Learning |
| Valoda |
eng |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
30.05.2024 09:36:17 |
