A novel Target-DQN model for handover control parameters optimization in ultra-dense cellular networks

Ebrahimzadeh Gonbadi, Farhad (2025). A novel Target-DQN model for handover control parameters optimization in ultra-dense cellular networks. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

Efficient mobility management in ultra-dense 5G networks remains a critical challenge, especially in urban environments with high user densities and dynamic conditions. This thesis presents a Deep Q-Network (DQN)-based framework for optimizing handover control parameters (HCPs), including Time-to-Trigger (TTT), Hysteresis (Hys), and A3Offset. The proposed Target-DQN (TDQN) model incorporates a tunable Search Radius (SR) in its action definition to control the action space granularity, enabling scalable multi-parameter optimization. A custom State representation captures key user and network conditions, by means of outage probability, user mobility profile, and cell load. The model is trained using a reinforcement learning approach that leverages real-time user measurements and network states to improve handover performance. Extensive simulations under various SR settings, HCP combinations, and user mobility profiles demonstrate that the proposed model significantly reduces unnecessary handovers and ping-pong events up to 53% and 98% respectively while improving average user throughput by 10% and outage probability by 12% compared to a best practice benchmark recommended by HUAWEI technical documents. The study also investigates the trade-offs between computational complexity and performance, highlighting the model’s adaptability across different optimization granularities and user speeds. These findings suggest that the proposed TDQN framework is a promising solution for dynamic and context-aware mobility optimization in next-generation cellular networks.

Titre traduit

Un nouveau modèle Target-DQN pour l'optimisation des paramètres de contrôle de transfert dans les réseaux cellulaires ultra-denses

Résumé traduit

La gestion efficace de la mobilité dans les réseaux 5G ultra-denses demeure un défi majeur, notamment dans les environnements urbains à forte densité d'utilisateurs et aux conditions dynamiques. Cette thèse présente un cadre basé sur le Deep Q-Network (DQN) pour l'optimisation des paramètres de contrôle de transfert (HCP), notamment le temps de déclenchement (TTT), l'hystérésis (Hys) et l'A3Offset. Le modèle Target-DQN (TDQN) proposé intègre un rayon de recherche (RR) ajustable dans sa définition d'action afin de contrôler la granularité de l'espace d'action, permettant ainsi une optimisation multi-paramètre évolutive. Une représentation d'état personnalisée capture les conditions clés de l'utilisateur et du réseau, au moyen de la probabilité de panne, du profil de mobilité de l'utilisateur et de la charge cellulaire. Le modèle est entraîné par une approche d'apprentissage par renforcement qui exploite les mesures utilisateur en temps réel et les états du réseau pour améliorer les performances de transfert. Des simulations approfondies sous différents paramètres SR, combinaisons HCP et profils de mobilité utilisateur démontrent que le modèle proposé réduit significativement les transferts inutiles et les événements ping-pong, jusqu'à 53 % et 98 % respectivement, tout en améliorant le débit utilisateur moyen de 10 % et la probabilité de panne de 12 % par rapport à un benchmark de bonnes pratiques recommandé par les documents techniques de HUAWEI. L'étude examine également les compromis entre complexité de calcul et performances, soulignant l'adaptabilité du modèle à différentes granularités d'optimisation et vitesses utilisateur. Ces résultats suggèrent que le cadre TDQN proposé est une solution prometteuse pour l'optimisation dynamique et contextuelle de la mobilité dans les réseaux cellulaires de nouvelle génération.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for a master’s degree with thesis in electrical engineering". Comprend des références bibliographiques (pages 43-45).
Mots-clés libres:	probabilité de couverture, deep Q-networks, réseau cible, DRL, optimisation du transfert, paramètres de contrôle du transfert, gestion de la mobilité, réseaux cellulaires ultradenses, 5G/B5G
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Dziong, Zbigniew
Programme:	Maîtrise en ingénierie > Génie électrique
Date de dépôt:	19 sept. 2025 18:52
Dernière modification:	19 sept. 2025 18:52
URI:	https://espace.etsmtl.ca/id/eprint/3695

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt