Diseño y evaluación de un sistema de comunicación Dispositivo a Dispositivo (D2D) basado en redes cognitivas para entornos más allá de 5G (Beyond 5G (B5G))

Descripción

Este repositorio contiene la implementación, simulación y evaluación de un sistema de comunicación Dispositivo a Dispositivo (D2D) para entornos Beyond 5G (B5G) basado en redes cognitivas. El objetivo es mejorar el proceso estándar de selección de recursos en comunicaciones Sidelink de 5G mediante:

1. Detector de energía para filtrado de recursos.
2. Asignación dinámica de recursos usando Deep Q-Learning (DQL) y métodos heurísticos.

La validación se realizó en un escenario vehicular realista (pelotón) en el centro histórico de Cuenca, Ecuador, evaluando métricas de throughput, retraso, BLER y PRR.

Estructura del Repositorio

├── mobility/
│   └── Archivos SUMO y scripts para generar movilidad de vehículos.
│
├── rl_training/
│   ├── ns3-modified/
│   │   └── Código NS-3 con integración de agentes DQL.
│   └── training_scripts/
│       └── Scripts Python y Bash para entrenar la red neuronal.
│
└── standard_simulations/
│   ├── ns3-modified/
│   │   └── Código NS-3 para simulaciones del estándar y métodos heurísticos (Greedy, Proportional Fair).
│   └── simulation_scripts/
│       └── Scripts de ejecución de simulaciones y recopilación de resultados.
└── v2x.cc
    └── Script de simulación base 

Requisitos Previos

• NS-3 con módulo 5G-LENA instalado
• SUMO (Simulation of Urban Mobility)
• Python 3.8+ con librerías: tensorflow / pytorch (según implementación), numpy, pandas, matplotlib

Resultados

• Filtrado por detector de energía: mejora consistente en todas las métricas vs. estándar.
• Métodos heurísticos: pequeñas ganancias frente al esquema del estándar.
• DQL (RL): hasta +40% en throughput, -80% en retraso, -30% en BLER y +16% en PRR en alta densidad vehicular.

Contribuciones

Las contribuciones principales incluyen:

• Diseño e implementación de un detector de energía para filtrado de recursos.
• Desarrollo de seis esquemas de asignación (2 heurísticos, 4 DQL).
• Setup de simulaciones integrando NS-3 (5G-LENA) con SUMO.