Abschlussarbeiten

Ressourcenzuweisung für ein Koexistenz-Management-System auf Basis prädiktiver Modellierung

Autor : Philip Söffker
Betreuer : Prof. Dr.-Ing. Uwe Meier
Typ : Master
Forschungsbereich : Industrielle Kommunikation
Kurzbeschreibung :

Im industriellen Umfeld kommen immer mehr funkbasierte Technologien zum Einsatz, die lizenzfreie Frequenzbänder verwenden. Dadurch steigen die gegenseitigen Interferenzen der Funksysteme und verschlechtern deren Koexistenzzustände. Daher werden zentrale Koexistenz-Management-Systemebenötigt, die den Funksystemen konfliktfreie Ressourcen zuweisen. Damit eine konfliktfreie Ressourcennutzung gewährleistet werden kann, sollte vor der Ressourcenzuweisung eine Prädiktion der zukünftigen Mediumbelegung erfolgen.

Dafür wird in dieser Arbeit ein selbstlernendes Konzept basierend auf Reinforcement Learning vorgestellt.

Es wurde eine simulative Evaluierung von zwei auf neuronalen Netzen basierenden Reinforcement Learning Agenten, welche Deep-Q Network und Double Deep-Q Network genannt werden, in exemplarischen, praxisnahen Koexistenzszenarien durchgeführt. Die Evaluierung des Double Deep-Q Network Agenten ergab, dass in allen Koexistenzszenarien eine Prädiktions-genauigkeit von mindestens 90 % nach spätestens 2517 Kanalbeobachtungen erreicht wird.

Kontakt : Prof. Dr.-Ing. Uwe Meier