ارائه ­دهنده:
 محمدجواد طاهری

  استاد راهنما:

استاد راهنما: ابوالفضل دیانت

استاد داور داخلی: وصال حکمی

استاد داور خارجی: مهدی دولتی

 

  ساعت:  ۱۶

مکان: دانشکده مهندسی کامپیوتر،کلاس ۱۱۵

چکیده:

در میان تکامل پرسرعت شبکه‌های تلفن همراه، بهینه‌سازی عملکرد این شبکه‌ها به یکی از مهم‌ترین موضوعات در حوزه ارتباطات تبدیل شده است. باتوجه‌به وجود میلیاردها کاربر در سراسر جهان و ارزش اقتصادی عظیم شبکه‌های تلفن همراه، ارائه خدمات باکیفیت و پایدار به کاربران از اهمیت بسزایی برخوردار است. در این میان، عملگرهای شبکه وظیفه دارند تا با استفاده از روش‌های مختلف به بهبود عملکرد شبکه‌ها بپردازند که این امر منجر به شکل‌گیری شاخص‌های عملکرد کلیدی و شاخص‌های کیفیت کلیدی شده است. روش‌های سنتی بهینه‌سازی، نظیر درایو تست، به جمع‌آوری داده‌ها از طریق حضور فیزیکی و اندازه‌گیری در نقاط مختلف شبکه متکی هستند. در مقابل، روش‌های نوین مانند MDT از داده‌های کاربران به‌صورت بی‌درنگ برای ارزیابی‌های پویا و بهینه استفاده می‌کنند. این رویکردها نیازمند برقراری تعادل میان بهبود شبکه و رضایت کاربر هستند، درحالی‌که باید به چالش‌های مربوط به حریم خصوصی، امنیت داده‌ها و هزینه‌های عملیاتی نیز توجه شود.
بهینه‌سازی شبکه‌های تلفن همراه به‌مرور زمان به دلیل پیچیدگی‌های آن دشوارتر شده است. یکی از مسائل اصلی در این زمینه، چگونگی جمع‌آوری داده‌ها برای تحلیل و بهبود عملکرد شبکه است. به طور کلی، دو روش اصلی برای جمع‌آوری داده‌ها وجود دارد: روش‌های مبتنی بر جمع‌آوری داده از سمت شبکه و روش‌های مبتنی بر جمع‌آوری داده از سمت کاربر. روش‌های مبتنی بر جمع‌آوری داده سمت شبکه، به دلیل محدودیت‌هایی مانند دقت پایین در مشخص‌کردن مکان تجهیزات کاربر، دچار چالش‌هایی هستند. از سوی دیگر، روش‌های مبتنی بر جمع‌آوری داده سمت کاربر مانند درایو تست نیز با مشکلاتی از جمله هزینه‌های زیاد، زمان‌بر بودن، و محدودیت‌های جغرافیایی مواجه‌اند. درایو تست نمی‌تواند همه مناطق را پوشش دهد و در مکان‌های پرترافیک یا شرایط محیطی نامطلوب با چالش‌های بیشتری مواجه است.
 این پایان‌نامه به بهینه‌سازی فرایند جمع‌آوری داده از طریق درایو تست می‌پردازد. هدف اصلی ارائه یک روش پیش‌بینی برای توان سیگنال دریافتی در نقاطی است که اندازه‌گیری مستقیمی انجام نشده است، تا نیاز به انجام درایو تست در تمامی مناطق کاهش یابد. این روش شامل چندین مرحله کلیدی است. ابتدا، نقاطی که در پیش‌بینی باید موردتوجه قرار گیرند، بر اساس شعاعی مشخص از نقطه موردنظر برای پیش‌بینی، انتخاب می‌شوند. سپس، داده‌های جمع‌آوری‌شده از درایو تست بر اساس سلولی که هر نقطه به آن متصل بوده است، گروه‌بندی می‌شوند. در مرحله بعد، با استفاده از یک مدل ریاضی، کانال مدل‌سازی شده و پارامترهای آن تخمین زده می‌شوند. پس از آن، مقدار توان سیگنال دریافتی در نقطه هدف محاسبه می‌شود.
در نهایت، برای بهبود دقت پیش‌بینی‌ها، از تکنیک‌های هوش مصنوعی استفاده می‌شود. این روش به عملگرهای شبکه امکان می‌دهد تا با پیش‌بینی و تصحیح خطای احتمالی مقادیر RSRP به دست آمده از طریق روش‌های بهینه‌سازی، دقت بالاتری در پیش‌بینی توان سیگنال دریافتی داشته باشند. به این ترتیب، نیازی به انجام درایو تست‌های گسترده و پرهزینه نخواهد بود و هزینه‌ها و زمان موردنیاز برای فرایند بهینه‌سازی شبکه کاهش می‌یابد.