Massiivisen satunnaisverkkoliitynnän optimointi: korrelaatiomallien ja harvojen palautusalgoritmien hyödyntäminen

Massiiviset konetyyppiset viestinnät (mMTC) toimivat tulevaisuuden esineiden internetin (IoT) sovellusten selkärankana. Lukuisista yhteydessä olevista laitteista peräisin olevan satunnaisen liikenteen luonnehdittama mMTC esittää ainutlaatuisia haasteita perinteisille kanavien käyttöoikeusprotokollille tehokkaan kanavapääsyn ja resurssien allokaation suhteen. Näin ollen IoT-sovellusten menestys seuraavassa 5G/6G-aikakaudessa on rajattu uusien, energiaa tehokkaasti käyttävien, skaalautuvien ja rajoittamattoman langattoman yhteyden mahdollistavien radiotaajuuden hallintaprotokollien optimaalisella suunnittelulla.

Tämä väitöskirja pyrkii optimoimaan satunnaispääsyn mMTC:ssä käyttämällä kehittyneitä korrelaatiomalleja, jotka ovat peräisin sekä langattoman etenemiskanavan että IoT-liikennemallien parista. Tavoitteena on ylittää kirjallisuudessa usein käytetyt yksinkertaistetut mallit käyttämällä realistisempia ja käytännöllisempiä kanavamalleja sekä taltioimaan tarkempi käsitys todellisten laitteiden vuorovaikutuksista laajamittaisessa IoT-verkossa.

Väitöskirjan panos avautuu kahdessa pääsuunnassa: Ensinnäkin ehdotamme, kehitämme ja optimoimme erilaisia ratkaisuja, jotka on muotoiltu sekä determinististen että Bayesilaisten harvojen palautusten viitekehyksissä ottaen huomioon eri tasoilla saatavilla olevan esitiedon, sekä kanavastatistiikan että liikennemallien osalta. Toiseksi, väitöskirja menee pidemmälle kuin sen algoritmiset panokset tarjoamalla syvällisen teoreettisen analyysin liittyvistä suorituskykymittareista.

Hyödyntämällä käytännössä löytyviä korrelaatiarakenteita mMTC:ssä, tämä tutkimus saavuttaa merkittävän virstanpylvään, toimittaen ratkaisuja, jotka eivät ainoastaan vastaa vaan mahdollisesti ylittävät nykyaikaisten ratkaisujen suorituskykymittarit, samalla minimoiden viestinnän ylikuormituksen ja vähentäen energiankulutusta.