ybin's

ns-3에서의 제어 파라미터1. TXP (송신전력)TXP는 eNB/gNB의 PHY 계층에서의 송신전력을 의미한다.이는 Cell의 Coverage 반경, 간섭, 에너지 소비, SINR 등에 직접적인 영향을 미친다. 1-1. ns-3 내의 계층적 위치계층관련 클래스주요 함수PHYLteEnbPhy, MmWaveEnbPhySetTxPower(double power_dBm) / GetTxPower()MACLteEnbMac, MmWaveEnbMacPHY 계층으로 전달된 TXP 사용하여 Scheduling Gain 결정RRCLteEnbRrcHO 판단 시 수신전력(SINR) 계산에 TXP 반영Energy ModelMmWaveRadioEnergyModelEnb송신 전력에 비례하는 소모 에너지 계산 ns-3에서 TXP의 ..

터미널 Setup우선 docker compose up으로 gui와 grafana 관련된 컨테이너를 전부 올려준다.cd ~/ns-O-RAN-flexric/mmwave-LENA-oran/GUI/# docker compose 빌드docker compose up --build -d 그 다음 nearRT-RIC(FlexRIC)을 실행시킨다.cd ~/flexric/build/examples/ric./nearRT-RIC 그 다음 gui_trigger를 한 다음cd ~/ns-O-RAN-flexric/mmwave-LENA-oran/python3 gui_trigger.py 실제로 시나리오를 동작시킨다. (Energy_saving_with_cell_utilization_scenario.cc) 이렇게 gNB/eNB의 배치와 ..

Data Preprocessing : Interpolation마지막으로 UE Trajectory를 수행할 차례이다.데이터를 살펴보면, Longitude와 Latitude가 일정 주기로 수집되기 때문에, 일정한 Longitude와 Latitude가 유지되다가 다음 주기에 급격하게 바뀌는 양상을 띤다. 이런 식으로 일정한 위도, 경도가 수집되다가 다음 수집 시기에 바뀌는 형태이다.따라서 LSTM 모델의 학습 및 추론을 위해서 Interpolation이 필요하다. 우선, 같은 값을 가지는 데이터를 특정 Chunk로 묶은 다음, 보강을 진행해야 한다. 이 점들을 찍은 원본 데이터를 살펴보면 아래와 같다. Interpolation Technique이후, 각 점과 점 사이를 보강해야 하는데, 가장 기본적인 l..

전체적인 데이터 개요RSRP를 위한 데이터셋 역시 6가지 종류로 나뉜다.크게는 Amazon_Prime 데이터, Download 데이터, Netflix 데이터로 구분되고,이들은 다시 각각 Driving Data와 Static Data로 구분된다.여기서는 Driving과 관련된 데이터만 사용할 것. 다양한 feature 값들이 있는데, Feature Selection을 통해 선정된 RSRP 값과 NRxRSRP를 학습에 사용하였다. 이 경우에는 따로 log transform 없이 MinMaxScaling을 적용하여 학습하였다.Test 데이터로 RSRP의 변화가 전체적으로 잘 확인되는 500초간의 TimeStamp를 선정하였다.또한 Unsee-LSTM의 양상을 더 명확하게 확인하기 위해 학습되는 Data를 ..

RSRP Prediction이 중요한 이유이제 Downlink Bitrate를 예측했으니, 다음으로 RSRP를 예측할 차례이다.RSRP Prediction이 중요한 이유는, RSRP 역시 5G 네트워크의 품질 유지와 자원 관리의 핵심 지표이기 때문이다. 1. Handover 안정성 확보RSRP는 UE가 현재 Cell의 신호 세기를 판단할 때 사용하는 핵심 지표(KPI)이다.만약 RSRP가 급격히 낮아지면, 연결이 끊어지기 전에 인접 셀로 전환해야 하는데, 정확한 RSRP 예측이 가능하면 이동 중인 사용자의 Proactive Handover를 수행할 수 있다. 이는 곧 신호 약화로 인한 Call Drop이나 패킷 손실을 미리 방지할 수 있다는 뜻이다. 2. Cell 부하 및 자원 최적화네트워크가 혼잡할 때..

논문 : Bandwidth Prediction in 5G Mobile Networks Using Informer 현재 내가 진행하고 있는 Real world Dataset에 대한 예측에 대해 다룬 선행 연구가 있어서 읽어봤다.2022년 10월 논문인데 이미 해당 Dataset에 대한 풍부한 분석과 비교 모델들간의 분석이 잘 이뤄진 듯 하다. 5G 네트워크는 고주파를 사용하기 때문에 간섭, 경로 손실, 차단 등으로 인해 채널 품질이 시시각각 변화하는데,이런 변동성은 전송 가능한 데이터 속도(throughput)의 급격한 변화로 이어진다.따라서 향후 몇 초 후의 대역폭을 미리 예측해야 끊김 없는 통신, 안정적인 전송률 유지가 가능하다.이것이 Traffic prediction이 중요한 이유! 기존의 Reg..

전체적인 데이터 개요Downlink Throughput을 위한 데이터셋은 크게 6가지 종류로 나뉜다.크게는 Amazon_Prime 데이터, Download 데이터, Netflix 데이터로 구분되고,이들은 다시 각각 Driving Data와 Static Data로 구분된다. 각 csv 데이터마다 다양한 feature 값들이 있는데, 이미 선행연구에서 제시한대로, 이 중 가장 DL_bitrate와 상관관계가 높은Speed, NetworkMode, RSRP, UL_bitrate, NRxRSRP를 LSTM 학습에 사용하였다.DL_bitrate의 형태를 고려해서 DL_bitrate에만 log Transform을 진행하였다.MinMaxScaling을 적용하여 학습하였다. Test 데이터로는 DL_bitrate의 ..

Real World Dataset 다양한 네트워크 데이터 수집 자료 중, "Beyond Throughput, The Next Generation: A 5G Dataset with Channel and Context Metrics"라는 논문에서 제공하는 Dataset을 사용하기로 결정했다. 이 데이터셋은 아일랜드의 주요 이동통신 사업자로부터 수집한 5G Trace Dataset이라고 한다.총 3가지 Application Pattern (Netflix, Download, Amazon)에서 각각 2가지 이동패턴 (Car, Static)을 가지고 생성되었다.이 Dataset은 Client 측 Cellular KPI로 구성된다. 여기서 주요 KPI는 1초마다 수집되는 Time series Dataset으로, ..

USRP(Universal Software Radio Peripheral)란? USRP는 소프트웨어 정의 무선(SDR, Software Defined Radio) 시스템을 구성할 때 사용하는 범용 하드웨어 플랫폼이다.즉, 기존에 하드웨어로 고정되어 있던 무선 통신 기능을 소프트웨어로 대체할 수 있도록 해주는 장치이다. USRP는 안테나 ↔ RF(무선 주파수) ↔ 디지털 변환 ↔ 컴퓨터를 연결해주는 하드웨어 인터페이스로 동작한다.이를 통해 PC에서 실행되는 무선 프로토콜 스택(OAI, srsrAN)이 실제 전파를 송수신할 수 있게 된다.즉 PC에서 LTE/5G 기지국이나 UE 프로토콜을 소프트웨어로 구현하고, USRP가 그 신호를 실제 전파로 변환하여 송수신하는 역할을 수행한다. USRP의 구성요소는 다음..

터미널 Setup우선 docker compose up으로 gui와 grafana 관련된 컨테이너를 전부 올려준다.cd ~/ns-O-RAN-flexric/mmwave-LENA-oran/GUI/# docker compose 빌드docker compose up --build -d 그 다음 nearRT-RIC(FlexRIC)을 실행시킨다.cd ~/flexric/build/examples/ric./nearRT-RIC 그 다음 gui_trigger를 한 다음cd ~/ns-O-RAN-flexric/mmwave-LENA-oran/python3 gui_trigger.py 실제로 시나리오를 동작시킨다. (UE를 10개로) 이후 Handover xApp을 실행한다.cd ~/flexric/build/examples/xApp/..