MATLAB/Simulink simulyasiyası 1000 × 1000 m sahədə beş baza stansiyası və bir aktiv mobil istifadəçi ilə aparılmışdır. İstifadəçi random waypoint modeli ilə 3–60 km/saat sürətdə hərəkət edir. Kanal log-distance path loss, log-normal shadowing və Rayleigh fading ilə modelləşdirilir. SVM məlumatının 70%-i təlim, 30%-i sınaq üçün ayrılmışdır.
Orta handover sayı 76,89-dan 34,10-a düşmüşdür: 55,7% azalma. Ping-pong hadisələri 41,16-dan 17,56-ya düşərək 57,3% azalmışdır. Packet loss ehtimalı 0,2648-dən 0,2486-ya, effective throughput isə 0,8486-dan 0,9022-yə dəyişmişdir.
SVM girişləri
- RSS — qəbul olunan siqnal gücü.
- SINR — siqnalın müdaxilə və küyə nisbətdə keyfiyyəti.
- İstifadəçi sürəti — mobil hərəkət konteksti.
- Baza stansiyası yükü — aktiv istifadəçilərin maksimum tutuma nisbəti, 0–1 intervalında normallaşdırılır.
Təlim
RBF kernel istifadə olunmuş, C və kernel parametri grid search və k-fold cross-validation ilə tənzimlənmiş, bütün xüsusiyyətlər normallaşdırılmışdır. Məlumat 70/30 nisbətində bölünmüşdür. Məqalə ən yaxşı C parametrini, kernel parametrini, k qiymətini və dataset ölçüsünü vermir.
Etiketlərin yaradılması
Serving link-in RSS və SINR-i bir neçə ardıcıl intervalda müəyyən hədlərin altında qaldıqda və namizəd baza stansiyası daha yaxşı olduqda “handover” etiketi verilir. Müvəqqəti zəifləmə halları “non-handover” kimi işarələnir. Lakin hədlərin konkret ədədi qiymətləri göstərilmir.
Simulyasiya
| Parametr | Dəyər |
|---|---|
| Sahə | 1000 × 1000 m |
| Baza stansiyası | 5 |
| Aktiv istifadəçi | 1 |
| Sürət | 3–60 km/saat |
| Müddət | 200 s |
| Addım | 1 s |
| Kanal | Path loss + log-normal shadowing + Rayleigh fading |
| SVM | RBF, 70% təlim / 30% test |
Azərbaycan üçün mümkün əhəmiyyət
Nəticələr Azərbaycanın konkret mobil operator şəbəkəsində yoxlanılmayıb. Bununla belə, Bakı kimi sıx şəhər mühitlərində, magistral yollar boyunca və gələcək 5G/sonrakı mobil sistemlərin tədqiqində adaptiv handover qərarının öyrənilməsi üçün uyğun modelləşdirmə nümunəsidir. Real tətbiq üçün yerli radioölçmələr və istifadəçi yükü məlumatları ilə yenidən təlim və doğrulama tələb olunur.
Məhdudiyyətlər
Tədqiqat bir istifadəçi və beş baza stansiyası ilə məhduddur. Kanal parametrlərinin konkret ədədləri, SVM-in yekun hiperparametrləri və Monte Carlo təkrarlarının sayı açıqlanmır. Buna görə nəticələr real böyük şəbəkəyə avtomatik şəkildə ümumiləşdirilə bilməz.
Tədqiqatın Metodu və Nəticələri
| Metrik | Threshold | SVM | Nəticə |
|---|---|---|---|
| Handover | 76,89 | 34,10 | −55,7% |
| Ping-pong | 41,16 | 17,56 | −57,3% |
| Packet loss | 0,2648 | 0,2486 | −6,1% |
| Effective throughput | 0,8486 | 0,9022 | +6,3% |
Ən böyük üstünlük handover və ping-pong hadisələrinin azalmasıdır. Müəlliflər gələcək iş üçün multi-user ssenariləri, online learning və deep reinforcement learning təklif edirlər.
Mənbə və Metod Qeydi
Müəlliflər: Andicho Haryus Wirasapta; Tiara Deta Pamungkas
Jurnal: Jurnal LITEK: Jurnal Listrik Telekomunikasi Elektronika
Cild/say: 23(1), 30–37
Tarix: 1 mart 2026
DOI: 10.30811/litek.v23i1.104
Maliyyələşdirmə / məlumat / maraqların toqquşması: araşdırılan versiyada ayrıca bəyan yoxdur.
Bu nəticələr MATLAB/Simulink simulyasiyasından əldə edilmişdir və real operator şəbəkəsi üzrə sahə sınağı hesab edilməməlidir. Mənbədə olmayan parametr qiymətləri əlavə edilməyib.
Şərh yazın
E-poçt ünvanınız yayımlanmayacaq. Məcburi sahələr * ilə işarələnib