DESIGN OF COMMUNICATION NETWORKS AND SYSTEMS
Anno accademico 2024/2025 - Docente: SALVATORE RIOLORisultati di apprendimento attesi
L'obiettivo dell'insegnamento è sviluppare competenze in termini di progettazione e dimensionamento di reti e sistemi di telecomunicazioni, incluso il cablaggio strutturato degli edifici. Oltre ai tradizionali sistemi di telecomunicazione, il corso mira a fornire competenze necessarie per l'ottimizzazione di reti di quinta e sesta generazione, incluse conoscenze base dei paradigmi Software Defined Network (SDN) / Network Function Virtualization (NFV), RAN 5G slicing e l'applicazione di semplici tecniche basate su reinforcement learning per il network e service management.
Conoscenza e capacità di comprensione
Sfruttando le conoscenze acquisite, lo studente sarà in grado di individuare le principali problematiche e le soluzioni per la progettazione di una rete o un sistema di telecomunicazione.
Capacità di applicare conoscenza e comprensione
L'insegnamento si propone di dotare
gli studenti: a) della capacità di progettare reti di telecomunicazione in area
locale; b) della conoscenza della normativa di riferimento che
regola il settore delle telecomunicazioni c) delle competenze necessarie per l'ottimizzazione di reti di quinta e sesta generazione.
Autonomia di giudizio
Nella progettazione di un sistema o rete di telecomunicazione, lo studente sarà in grado di effettuare autonomamente le opportune scelte progettuali sulla base delle specifiche richieste. Tale capacità è affinata attraverso esercitazioni numeriche, simulazioni al calcolatore e mediante lo svolgimento di esempi di progettazione.
Abilità comunicative
Lo studente rafforzerà il linguaggio tecnico e sarà in grado di interagire con i colleghi di lavoro per discutere le scelte progettuali effettuate nella risoluzione dei problemi riscontrati. A tale scopo, durante le ore di laboratorio, gli studenti saranno divisi in piccoli gruppi per affinare la capacità di lavorare in gruppo.
Capacità di apprendimento
Lo studente sarà in grado di ampliare autonomamente le proprie conoscenze attraverso l’approfondimento dei testi di riferimento, su articoli di riviste scientifiche specializzate.
Modalità di svolgimento dell'insegnamento
Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.
Prerequisiti richiesti
Frequenza lezioni
Contenuti del corso
Richiami alla propagazione su mezzi guidati. Mezzi elettrici e mezzi ottici.
Progettazione di un cablaggio strutturato. Cablaggio strutturato. Standard TIA/EIA 568A, ISO/IEC 11801 e CEI EN 50173. Construction Products Regulation (CPR). Power over Ethernet (PoE). Normativa. DPR.380/01 (articolo 135-bis).
Teoria della simulazione. Richiami alle catene di Markov. Introduzione alla simulazione.Simulazione di sistemi a coda. Analisi e rappresentazione dei risultati. Applicazioni alle reti di telecomunicazioni.
Network softwarization, virtualization e RAN slicing. Introduzione alla network softwarization e alla virtualizzazione delle risorse. Definizione di RAN slicing. Centralized, distributed e virtualized RAN. Splitting RAN options.Network slice selection.
Tecniche di reinforcement learning per la gestione di reti. Introduzione e applicazione di tecniche di reinforcement learning per il network e service management.
Laboratorio. Realizzazione di un cablaggio strutturato. Implementazione al calcolatore di sistemi a coda. Implementazione di soluzioni basate su reinforcement learning per il network e service management.
Testi di riferimento
[1] Materiale didattico fornito dal docente.
[2] I. Afolabi, T. Taleb, K. Samdanis, A. Ksentini and H. Flinck, "Network Slicing and Softwarization: A Survey on Principles, Enabling Technologies, and Solutions," in IEEE Communications Surveys & Tutorials, vol. 20, no. 3, pp. 2429-2453, thirdquarter 2018.
[3] R. S. Sutton and A. G. Barto. Reinforcement Learning: An Introduction. Cambridge, MA, USA.
[4] N. C. Luong et al., "Applications of Deep Reinforcement Learning in Communications and Networking: A Survey," in IEEE Communications Surveys & Tutorials, vol. 21, no. 4, pp. 3133-3174, Fourthquarter 2019
Programmazione del corso
Argomenti | Riferimenti testi | |
---|---|---|
1 | Richiami alla propagazione su mezzi guidati | [1] |
2 | Progettazione di un cablaggio strutturato | [1] |
3 | Teoria della simulazione | [1] |
4 | RAN slicing | [1], [2] |
5 | Tecniche di reinforcement learning per la gestione di reti | [1], [3], [4] |
Verifica dell'apprendimento
Modalità di verifica dell'apprendimento
Prove progettuali integrate da un esame orale.
Esempi di domande e/o esercizi frequenti
Definizione e stima dell'intervallo di confidenza per la valutazione dell’accuratezza dei risultati.
Differenze principali tra C-RAN, D-RAN e V-RAN.
Definizione di Markov Decision Process (MDP).