Análise de desempenho de NOMA baseado em Q-Learning em redes de retransmissão satélite-terrestre

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPeron, Guilherme de Santi-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-5794-0237-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7845448730478685-
Autor(es): dc.contributorMonteiro, Marcos Eduardo Pivaro-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-7658-2025-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1285113835331082-
Autor(es): dc.contributorMariano, André Augusto-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-6522-6049-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2247619809331876-
Autor(es): dc.contributorPeron, Guilherme de Santi-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-5794-0237-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7845448730478685-
Autor(es): dc.contributorRebelatto, João Luiz-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-1682-2215-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8633387185514637-
Autor(es): dc.creatorAguiar, Leonardo Pacheco de-
Data de aceite: dc.date.accessioned2025-08-29T12:44:02Z-
Data de disponibilização: dc.date.available2025-08-29T12:44:02Z-
Data de envio: dc.date.issued2025-07-10-
Data de envio: dc.date.issued2025-07-10-
Data de envio: dc.date.issued2025-06-26-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37430-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1100887-
Descrição: dc.descriptionIn this work, we analyze the performance of Q-learning-based Non-Orthogonal Multiple Access (NOMA) in Satellite-Terrestrial Relay Networks (STRNs), addressing key challenges in massive Internet of Things (IoT) communications. Specifically, we focus on energy efficiency and normalized throughput metrics in uplink scenarios. By integrating a distributed Q-learning algorithm with NOMA, IoT devices can autonomously optimize transmission parameters — such as time slots, channels, and power levels — enhancing overall network performance. The proposed scheme outperforms fixed-power strategies by achieving higher normalized throughput and energy efficiency under varying network densities, offering up to 73% improvement in energy efficiency. Simulation results validate the protocol’s effectiveness, demonstrating its potential for large-scale IoT deployments in STRNs through efficient power allocation and reduced collision rates.-
Descrição: dc.descriptionNeste trabalho, é analisado o desempenho do Acesso Múltiplo Não-Ortogonal (NOMA) baseado em Q-learning em Redes de Retransmissão Satélite-Terrestre (STRNs), abordando os principais desafios nas comunicações de Internet das Coisas (IoT) em larga escala. Especificamente, focou-se nas métricas de eficiência energética e de taxa de transmissão de dados normalizada em cenários de uplink. Integrando um algoritmo distribuído de Q-learning com o NOMA, os dispositivos IoT podem otimizar de forma autônoma os parâmetros de transmissão, como intervalos de tempo, canais e níveis de potência, aprimorando o desempenho geral da rede. O esquema proposto supera as estratégias de potência fixa, alcançando maior taxa de transmissão de dados normalizada e eficiência energética sob diferentes densidades de rede, oferecendo uma melhoria de até 73% na eficiência energética. Os resultados da simulação validam a eficácia do protocolo, demonstrando seu potencial para implementações em larga escala de IoT em STRNs, por meio de alocação eficiente de potência e redução das taxas de colisão.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Sistemas de Energia-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/-
Palavras-chave: dc.subjectInternet das coisas-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectSistemas de transmissão de dados-
Palavras-chave: dc.subjectSatélites artificiais-
Palavras-chave: dc.subjectAprendizado por reforço-
Palavras-chave: dc.subjectSimulação (Computadores)-
Palavras-chave: dc.subjectInternet of things-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectData transmission systems-
Palavras-chave: dc.subjectArtificial satellites-
Palavras-chave: dc.subjectReinforcement learning-
Palavras-chave: dc.subjectComputer simulation-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleAnálise de desempenho de NOMA baseado em Q-Learning em redes de retransmissão satélite-terrestre-
Título: dc.titlePerformance analysis of Q-Learning-based NOMA in satellite-terrestrial relay networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.