Intelligent Vertical Handover Model based on Neuro-Fuzzy for LTE and WiFi networks (IVH-NF LTE/WiFi)
| creativework.keywords | Neuro-Fuzzy | en |
| dc.contributor.author | Niveen Omar Saleh Jaffal | en |
| dc.contributor.author | نفين عمر صالح جفال | ar |
| dc.date.accessioned | 2023-01-29T09:33:16Z | |
| dc.date.available | 2023-01-29T09:33:16Z | |
| dc.date.issued | 2022-05-15 | |
| dc.description.abstract | ساهم النمو السريع للإنترنت وتطور معدات المستخدم (UE) مع وجود الواجهات المتعددة للشبكات، في توفير المزيد من جودة الخدمات وتمكين المستخدمين من اختيار الاتصال بشبكات الوصول المتعددة، ذات الخصائص المختلفة، والانتقال من شبكة إلى أخرى. تختلف الشبكات ذات التطور طويل الأمد (LTE) من عائلة الشبكات الخلوية والشبكة المحلية اللاسلكية (WiFi) من عائلة IEEE802.x في منطقة التغطية, ووقت الاستجابة، ومعدل البيانات، وقوة الإشارة، والتكلفة، وعرض النطاق الترددي، وكل واحدة من هذه الشبكات مصممة لدعم مجموعة مختلفة من UE وخدمات محددة، وبالتالي لِتغّلب على هذه الاختلافات في الشبكات اللاسلكية التكميلية من خلال دمج هذه التقنيات المختلفة في NGWN [1]. لجعل خدمة الاتصال متوفرة دائما ل UE بأفضل معايير الجودة بين هاتين الشبكتين غير المتجانستين، فإن عملية التسليم الرأسي ضرورية لتحقيق ذلك، وهو التبديل بين نقاط التعلق أو المحطات الأساسية ضمن تقنيات الشبكة. مع تطور التقنيات في الوقت الحاضر، لا يزال البحث عن خوارزميات التسليم العمودي في شبكات سيناريوهات التنقل المختلفة اليوم يمثل مجالًا صعبًا للبحث في المستقبل. في هذه الدراسة، اقترحنا خوارزمية ذكية تسمى IVH_NF متوافقة مع UE لقرار التسليم العمودي مع أربعة متغيرات إدخال (قوة الإشارة المستلمة RSS، معدل استهلاك الطاقة PC، سرعة التنقل MSو المسافة D) التي تجمع من الشبكة المحيطة لـ UE بين شبكتين غير متجانستين:WiFi و LTE باستخدام تقنية ANFIS التي تعتمد على Takagi – Sugeno FIS التي تجمع بين كل من الشبكات العصبية ومبادئ المنطق الضبابي، فهي تستفيد من كليهما في إطار واحد، ويبدأ مبدأ العمل من السماح للشبكة العصبية بالتعلم من أجل ضبط متغيرات نظام الاستدلال الضبابي (FIS) باستخدام مجموعة البيانات التدريب Data Set لإنشاء قواعد عضوية غامضة Membership Function Rules تكون مسؤولة عن اختيار الشبكة المثلى مع تحقيق أفضل جودة خدمة من حيث الإنتاجية المحسنة, وتقليل عدد عمليات التسليم غير الضرورية والتأخير النهائي. تتضمن نتائج المحاكاة التحقق أولاً من دقة التصميم الرياضي IVH_NF باستخدام محاكي MATLAB من خلال أدوات قياس الخطأ القياسية مع معايير إحصائية مثل RMSE و MAE و R2 حيث كشفت نتائج المحاكاة أن التصميم الرياضي يحقق مستوى عالٍ من الدقة، بعد ذلك تم العديد من تنفيذ سيناريوهات في عملية التسليم الرأسية من LTE إلى شبكات WiFi وتم إجراء تجارب محاكاة مكثفة باستخدام محاكي Apache NetBeans الذي يقرأ قواعد القرار لتسليم العمودي كملف txt من MATAB لدراسة تأثير سرعة UE ومعدل البتBit Rate للتطبيق على مقياس الأداء الذي يؤثر على جودة الخدمة، مثل الإنتاجية و زمن التأخير EED وعدد عمليات التسليم لسيناريوهات التسليم العمودي. تؤكد النتائج التي تم الحصول عليها من السيناريوهات أن القيم مقبولة ومع مقارنة النموذج المقترح مع بعض الخوارزميات ذات الصلة، نستنتج أن النموذج المقترح يحقق نتائج أفضل من حيث تحسين الإنتاجية, تقليل EED بنسبة 58٪ من RSS[2] وخفضت عدد عمليات التسليم بنسبة 33.3٪ من ANFIS[3] و 60% من .FL [4] | ar |
| dc.identifier.uri | https://dspace.alquds.edu/handle/20.500.12213/7719 | |
| dc.language.iso | en_US | |
| dc.publisher | Al-Quds University | en |
| dc.title | Intelligent Vertical Handover Model based on Neuro-Fuzzy for LTE and WiFi networks (IVH-NF LTE/WiFi) | en |
| dc.title | نموذج الذكي المعتمد على الشبكة العصبونية و المنطق الضبابي في التسليم العمودي بين شبكة LTE و WiFi | ar |
| dc.type | Thesis | |
| dcterms.abstract | The rapid growth of the internet and the evolution of user equipment (UE) with multiple network interfaces contributed to provide more quality of services and enable the users a choice of connectivity to multiple access networks with different characteristics and transferring from one network to another. LTE from cellular networks and WiFi from IEEE802.x family networks are differ in coverage area, latency, data rate, signal strength, cost and bandwidth and each of these networks designed to support a different set of UE and specific services, so the limitation of these complementary wireless networks can overcome by integration of these different technologies into NGWN [1]. To make UE enjoy seamless connectivity and access to services anywhere at any time between these two heterogeneous networks, a vertical handover process is needed for achieving that, which is the switching between points of attachment or base stations within different network technologies. With development of technologies nowadays, the research of vertical handover algorithms in various mobility scenario networks today is still a challenging area for future research. In this thesis, we proposed an intelligent algorithm called IVH_NF which is compatible with UE for a vertical handover decision with four inputs parameters (RSS,PC,MS and D) gathering from the surrounding network for the UE between two heterogeneous integrated networks, WiFi and LTE using ANFIS technique which is based on Takagi–Sugeno Fuzzy Inference System (FIS) that combines both neural networks and Fuzzy logic principles, it takes the benefits of both in a single framework, it’s working principle starts from allowing neural network to learn for tuning the parameters of a FIS using a collection of the training dataset to generate fuzzy membership rules which are responsible for selecting optimal network with achieving the best Quality of Service (QoS) in terms of enhanced Throughput, reducing the number of unnecessary handover and End to End Delay (EED). The simulation results include first validating the accuracy of the mathematical IVH_NF design by MATLAB simulator through standard error measurement tools with statistical criteria such as RMSE, MAE and R2 where these simulation results reveal that the mathematical design is achieve high level in accuracy, then many vertical handover scenarios were implemented from LTE to WiFi networks and extensive simulation experiments were carried out using Apache NetBeans simulator which reads the tuned rules as txt file which are responsible for VHO decision making and then study the effect of UE speed and application Bitrate on the performance metric that affect the Quality of Service, such as Throughput, EED and Handover counts for vertical handover scenarios. The results obtained from the scenarios confirm that IVH_NF achieves better results in terms of enhanced the Throughput with acceptable values for speed and bitrates and with comparing our model with some previous VHO algorithms, we conclude that, it achieves improvement percentage in term of minimized EED by 58% from RSS [2] and reduced Handover counts by 33.3% from ANFIS [3] and 60% from Fuzzy Logic [4]. | en |