Beamforming adaptativo basado en Deep Reinforcement Learning para comunicaciones IBFD (In-Band Full-Duplex)
El continuo crecimiento´de contenidos a través de los actuales sistemas de radiodifusión, hacen necesaria una evolución hacia nuevas tecnologías que puedan cubrir las futuras necesidades. En el panorama de la televisión digital, el comité ATSC 3.0, propone una nueva arquitectura, IDL/ITCN, que permi...
| Author: | |
|---|---|
| Format: | master thesis |
| Publication Date: | 2022 |
| Country: | España |
| Institution: | Universidad del País Vasco |
| Repository: | Addi. Archivo Digital para la Docencia y la Investigación |
| OAI Identifier: | oai:addi.ehu.eus:10810/59524 |
| Online Access: | http://hdl.handle.net/10810/59524 |
| Access Level: | Open access |
| Keyword: | agente entorno Deep Q-Network IDL ITCN Beamforming IBFD |
| Summary: | El continuo crecimiento´de contenidos a través de los actuales sistemas de radiodifusión, hacen necesaria una evolución hacia nuevas tecnologías que puedan cubrir las futuras necesidades. En el panorama de la televisión digital, el comité ATSC 3.0, propone una nueva arquitectura, IDL/ITCN, que permita realizar la convergencia hacia lo que denominan como la próxima generación de televisión digital. Sin embargo, estas nuevas tecnologías incorporan nuevos retos, como la gestión de una gran cantidad de señales interferentes. Dentro de este contexto, este proyecto tiene como objetivo establecer unas bases iniciales hacia lo que derivaría en una investigación mayor, la cual pueda facilitar la gestión de las señales de interferencia dentro de estos nuevos escenarios. Para ello, se propone una solución que combina las actuales técnicas para la gestión de interferencias, con algoritmos de machine learning. De esta forma se pretende obtener una solución más eficiente que la conseguida con los actuales sistemas. |
|---|