کنفرانس مهندسی برق ایران

صفحه اصلی / سی و سومین کنفرانس بین المللی مهندسی برق

Agglomerative Hierarchical Clustering Based on Q-learning for D2D Communication in Public Safety Communication Networks

نویسندگان :

Sahel Alipour¹ Mohammad Mansour Kesargheh² Abdulhamid Zahedi³ Ghasem Mirjalily⁴ Jamshid Abouei⁵

1- Yazd university 2- Iran University of Science and Technology (IUST) 3- Kermanshah Universiy of Technology 4- Yazd university 5- Yazd university

کلمات کلیدی :

Public safety communication network (PSCN)،D2D communication،Power control،Agglomerative hierarchical clustering (AHC)،Q-learning algorithm

چکیده :

When a disaster situation happens, communication networks often fail due to damaged base stations (BSs), significantly impacting emergency services. This paper presents an efficient machine learning-based hierarchical clustering method to enhance device-to-device (D2D) communication within public safety communication networks (PSCNs). By deploying relay stations at the edges of adjacent functional cells, the proposed architecture ensures robust connectivity between functional and disaster regions, enabling efficient communication for rescue teams and survivors. This approach dynamically forms clusters based on the agglomerative hierarchical clustering (AHC) method where using the Q-learning algorithm, the power control approach is presented to tackle the interference. Simulation results demonstrate the effectiveness of the proposed clustering scheme which improves the scalability and energy efficiency by reducing user power consumption and enhancing communication reliability in emergency scenarios.

لیست مقالات

لیست مقالات بایگانی شده

Devloping a clustering routing algorithm based on the efficient hybrid methodology for WSN performance optimization

Neda Mazloomi - Sajad Haghzad Klidbary

بخش‌بندی خودکار تصاویر تشدید مغناطیسی ستون فقرات کمری با شبکه سِگیونِت

محمد انصاری فرد - رضا آقایی زاده ظروفی

Experimental Study on Automatically Assembling Custom Catering Packages With a 3-DOF Delta Robot Using Deep Learning Methods

Reihaneh Yourdkhani - Arash Tavoosian - Navid Asadi Khomami - Mehdi Tale Masouleh

Optimal Probability Placement of the Charge Station of Electric Vehicles in a Distributed Power Network Containing the DG using the Queuing Theory

Mohammadreza Mousavi khademi - Ebrahim Kazemi - Mehdi Zareian Jahromi

Integration of P2G and Renewables in Stochastic Day-ahead Electricity-Gas Scheduling

Mojtaba Choghaei - Mohammad Kazem Sheikh-El-Eslami

Weak GPS Signal Acquisition Based on Wavelet Transform Denoising and Deep Learning Method

Navid Moradi - Mohsen Nezhadshahbodaghi - Mohammad-Reza Mosavi

Unveiling Enhanced Image Quality in Sparse-View CT with OSEM- ANLM Algorithm

Sayna Jamaati - Seyed Abolfazl Hosseini - Mohammad Ghorbanzadeh - Hossein Arabi

Exploring Different Machine Learning-based Methods for Learning the Language of Shepna Stock Price

Zoreh Ansari - Jalal Raeisi Gahruei - Mansoor Khademi

مدیریت برنامه‌ریزی هاب انرژی در مواجه با عدم قطعیت‌های شدید قیمت برق و بار مصرف‌کننده با استفاده از روش تئوری تصمیم‌گیری بر مبنای شکاف اطلاعاتی

رضا غریبی - بهروز وحیدی

طراحی و پیاده‌سازی یک ماشین حالت محدود جهت محاسبة تابع مثلثاتی تانژانت معکوس مبتنی بر سری تیلور عقب‌رونده و با استفاده از دو واحد ضرب‌کنندة DSP48-E بر روی تراشه‌های FPGA شرکت AMD-XILINX به صورت زمان متغیر

میثم هارونی - پیام سنائی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.4