| KEYWORD |
Area Ingegneria
Machine learning per la predire la qualità di un canale wireless
Parole chiave RETI WIRELESS, PREVISIONE DELLA QUALITÀ DEL CANALE
Riferimenti STEFANO SCANZIO
Gruppi di ricerca CNR-IEIIT, comunicazioni industriali
Tipo tesi RICERCA
Descrizione Questa proposta di tesi mira a esplorare l'applicazione di tecniche di apprendimento automatico per prevedere la qualità futura dei canali wireless. Le reti wireless svolgono un ruolo fondamentale nella nostra vita quotidiana, fornendo connettività a vari dispositivi e servizi. Tuttavia, la qualità dei canali wireless può fluttuare a causa di vari fattori, come le interferenze, il fading del segnale e le condizioni ambientali. Essere in grado di anticipare i cambiamenti della qualità del canale può migliorare notevolmente le prestazioni e l'affidabilità dei sistemi di comunicazione wireless.
L'obiettivo di questa ricerca è sviluppare un modello predittivo che utilizzi algoritmi di apprendimento automatico per prevedere la qualità futura dei canali wireless. Analizzando i dati storici raccolti dalle reti wireless, il modello apprenderà i modelli e le relazioni tra i diversi parametri e le variazioni della qualità del canale. Diverse caratteristiche, come la potenza del segnale, il livello di rumore, l'utilizzo della larghezza di banda e i modelli di traffico di rete, saranno considerate come input del modello.
Con il successo di questa ricerca, intendiamo fornire agli operatori di reti wireless e ai progettisti di sistemi un valido strumento per la gestione e l'ottimizzazione proattiva della rete. La capacità di prevedere la qualità futura del canale può consentire un'allocazione intelligente delle risorse, schemi di modulazione adattivi e misure proattive per mitigare il potenziale degrado nei sistemi di comunicazione wireless. Per maggiori informazioni o chiedere altre tesi contattatemi: https://www.skenz.it/ss
Vedi anche https://youtu.be/t5ZuavBPWnA
Conoscenze richieste Buona conoscenza di python e keras.
Scadenza validita proposta 08/06/2025
PROPONI LA TUA CANDIDATURA