2510 Интеллектуальная система анализа коллизий случайного доступа в NB-IoT сетях с использованием методов машинного обучения

Бегишев Вячеслав Олегович

руководитель проекта

Заявка создана

01.04.2026

Контроль ПО

01.04.2026

Отправлен на комиссию

01.04.2026

На доработке

02.04.2026

Исправлено

04.04.2026

Отправлен на комиссию

08.04.2026

Одобрен с рекомендациями

04.05.2026

Паспорт проекта

Аннотация

Современные системы Интернета вещей (Internet of Things, IoT) обеспечивают подключение большого числа устройств, таких как сенсоры, системы мониторинга и элементы умной инфраструктуры. Одной из ключевых технологий для поддержки массовых подключений является стандарт NB-IoT (Narrowband Internet of Things), предназначенный для работы с большим количеством устройств при низком энергопотреблении. Подключение устройства к сети осуществляется через процедуру случайного доступа (Random Access),...

Отрасль

Связь

Цель

Разработать и исследовать систему интеллектуального анализа коллизий в NB-IoT PRACH канале, использующую методы машинного обучения для: - определения количества устройств в коллизии - оценки загрузки сети - адаптивного управления вероятностью передачи.

Ожидаемые результаты

Разработка модели канала случайного доступа NB-IoT (PRACH)
- Анализ структуры канала PRACH в сетях NB-IoT
- Моделирование передачи преамбул устройствами
- Моделирование возникновения коллизий;
- Реализация программной модели канала PRACH
Формирование набора экспериментальных данных сигналов PRACH
- Генерация сигналов PRACH для различных уровней нагрузки сети
- Моделирование различных сценариев коллизий (разного числа устройств)
- Формирование датасета сигналов для обучения моделей машинного обучения

Форма и способы промежуточного контроля

Еженедельные встречи

Форма представления результатов

Демонстрация руководителю полученных результатов

Ресурсное обеспечение

Компьютер, поддерживающий представленный ниже технологический стек: Языки - Python - MATLAB (опционально) Библиотеки ML: - scikit-learn - XGBoost - PyTorch / TensorFlow Обработка сигналов: - numpy - scipy Визуализация: - matplotlib - seaborn

Имеющийся задел

В рамках подготовки проекта проведен анализ научной литературы по проблеме случайного доступа в сетях Интернета вещей и технологии NB-IoT. Рассмотрены существующие методы управления доступом в канале PRACH и подходы к снижению вероятности коллизий при массовом подключении устройств. Изучены современные исследования, предлагающие использование методов машинного обучения для анализа сигналов случайного доступа и оценки загрузки сети. На основе проведенного анализа сформулирована постановка задачи...