Random Access Control in NB-IoT With Model-Based Reinforcement Learning

Por /

Publicación del proyecto · IEEE Internet of Things Journal

Resumen

El artículo propone un control de acceso aleatorio para NB-IoT basado en aprendizaje por refuerzo con modelo, orientado a mejorar la asignación de recursos NPRACH.

Resultados de control de acceso aleatorio NB-IoT con aprendizaje por refuerzo basado en modelo
Figura del artículo original. Fuente: IEEE Internet of Things Journal, reproducida sin modificaciones bajo CC BY-NC-ND 4.0.

Autores: Juan J. Alcaraz, Juan-Carlos Sanchez-Aarnoutse, Alejandro-Santos Martinez-Sala, Francisco-Javier Gonzalez-Castaño

Revista: IEEE Internet of Things Journal

DOI: 10.1109/JIOT.2024.3499854

Financiación: PID2023-148214OB-C21.

Repositorio UPCT: http://hdl.handle.net/10317/19795

Indicadores bibliométricos

Cuartil JCRQ1
Factor de impacto8.9
Citas en Google Scholar2
Área JCR
Telecommunications
Año JCR
2024
Consulta Scholar
21 mayo 2026

Contribución principal

La técnica ajusta parámetros de acceso y umbrales de cobertura para equilibrar tasa de éxito, congestión y recursos disponibles. El uso de un modelo mejora la eficiencia de aprendizaje en fases tempranas frente a enfoques puramente empíricos.

Relación con BoND1

Aunque NB-IoT es una tecnología celular, el problema de acceso masivo es común a muchos sistemas IoT. Para BoND1, el artículo aporta conocimiento sobre control adaptativo de recursos, una pieza relevante para diseñar conectividad escalable en redes de muchos dispositivos.

DOI Repositorio UPCT
Scroll al inicio