Intelligent DL-SCH/PDSCH processing chain in 5G with adaptive HARQ mechanism

Juliy Boiko; Ilya Pyatin

doi:10.35784/iapgos.7826

PDF (angielski)

Opublikowane: 2026-03-30

DOI: https://doi.org/10.35784/iapgos.7826

Numer Tom 16 Nr 1 (2026)

Wydajna klasyfikacja białych krwinek w oparciu o CNN: badanie porównawcze wydajności modeli
Achraf Benba, Sara Sandabad

5-9
Zautomatyzowana diagnostyka raka skóry z wykorzystaniem głębokiego uczenia: systematyczny przegląd najnowocześniejszych architektur, technik i oceny wydajności
Subaidabeevi Shafeena, Ramayyan Sumathy Vinod Kumar, Sikamony Sumathi Kumar, David Shahi

10-20
Zwiększanie bezpieczeństwa kierowców dzięki rozpoznawaniu emocji na podstawie sygnałów EKG z wykorzystaniem sieci BiLSTM
Raga Madhuri Chandra, Satya Sumanth Vanapalli, Giri Venkata Sai Tej Neelaiahgari

21-28
Automatyczny system do obliczania tabeli kalibracyjnej cylindrycznych zbiorników poziomych
Denis Proskurenko, Mykhailo Bezuglyi

29-34
Kontrola stabilności emulsji woda-diesel za pomocą pomiarów zmętnienia
Oleksandr Zabolotnyi, Andrii Khodieiev, Nicolay Koshevoy, Roman Trishch

35-41
Poprawa trybu rozruchu silnika indukcyjnego w warunkach spadku napięcia
Oleksandr Vovk, Serhii Halko, Andrii Sabo, Oleksandr Miroshnyk, Taras Shchur

42-47
Modelowanie trybów dynamicznych w silniku prądu stałego do pojazdów elektrycznych
Viktor Lyshuk, Anatolii Tkachuk, Sergiy Moroz, Mykola Yevsiuk, Mykola Khvyshchun, Stanislav Prystupa, Valentyn Zablotskyi

48-55
Budowa i analiza scenariuszy awarii w sieciach elektroenergetycznych z wykorzystaniem ontologii, modelu przepływu mocy oraz grafu wiedzy
Oleksandr Khomenko, Vyacheslav Senchenko, Oleksandr Koval, Iryna Husyeva

56-61
Kinetyka suszenia materiałów ziarnistych w instalacjach z przerywanym zasilaniem elektrycznym wykorzystujących promieniowanie mikrofalowe i podczerwone
Roman Kalinichenko, Valentyna Bandura, Borys Kotov, Yurii Pantsyr, Ihor Garasymchuk, Serhii Stepanenko

62-66
Metoda automatycznego dostrajania regulatora temperatury obudowy smartfonu
Danylo Zinchenko, Yurii Mariiash

67-71
Wykorzystanie FPGA do modelowania i generowania procesów chaotycznych
Oleksandr Osadchuk, Iaroslav Osadchuk, Valentyn Skoshchuk

72-77
ymulacja i projektowanie elektroniczne pięciowymiarowej chaotycznej sztucznej sieci neuronowej
Michael Kopp, Inna Samuilik

78-83
Inteligentny łańcuch przetwarzania DL-SCH/PDSCH w sieci 5G z adaptacyjnym mechanizmem HARQ
Juliy Boiko, Ilya Pyatin

84-93
Analiza modeli generatywnych w teledetekcji: przegląd kompleksowy
Gottapu Santosh Kumar, Gurugubelli Jagadeesh, Swarajya Madhuri Rayavarapu

94-98
Dekodowanie z wykorzystaniem szumu zbiorowego z metodą inwersji bitów w kodach z niską gęstością i kontrolą parzystości
Mykola Shtompel, Oleksandr Shefer

99-103
Wymiana wiedzy w niezależnych głębokich sieciach Q
Viacheslav Bochok, Nataliia Fedorova

104-108
Wykrywanie ludzi na obrazach z dronów z wykorzystaniem technik głębokiego uczenia
Sobhana Mummaneni, Naga Deepika Ginjupalli, Pragathi Dodda, Novaline Jacob, Sanjay Raj Emmanuel Katari

109-115
Analiza porównawcza algorytmów DeepSORT, ByteTrack i StrongSORT w zakresie śledzenia wielu obiektów w systemach monitoringu wizyjnego opartych na bezzałogowych statkach powietrznych
Andrii Safonyk, Viktor Podvyshennyi, Oleksandr Naumchuk

116-120
Wysoce wydajne metody przetwarzania złożonych danych wizualnych w systemach wsparcia decyzyjnego
Oleksandr Poplavskyi, Sergii Pavlov, Oksana Bezsmernta, Iryna Gerasymova, Bakhyt Yeraliyeva

121-125
Metoda antyaliasingu dla krzywych rzędu drugiego na rastrach heksagonalnych
Oleksandr Melnyk, Tetiana Prysiazhniuk

126-129
Metoda oceny ryzyka naruszenia bezpieczeństwa użytkownika na podstawie indywidualnego profilu bezpieczeństwa
Svitlana Lehominova, Mykhailo Zaporozhchenko, Tetiana Kapeliushna, Yuriy Shchavinsky, Tetiana Muzhanova

130-137
Metoda kodowania pozycyjnego w diferencyjnej przestrzeni falowej
Volodymyr Barannik, Anatolii Berchanov, Valeriy Barannik, Dmytro Uzlov, Mykola Dihtiar, Mykhailo Osovytskyi, Andrii Sushko, Yurii Babenko

138-146
Platforma internetowa z usługą Checkbox: aspekty rachunkowości podatkowej, sprawozdawczości i współpracy z organami podatkowymi
Yuliia Povstiana, Lyudmila Samchuk, Ivan Kachula

147-154
Analiza porównawcza webowych szkieletów programistycznych języka PHP: Codeigniter, Cakephp oraz Yii
Karol Rak, Mariusz Dzieńkowski

155-161
Prognozowanie cen plonów z wykorzystaniem Temporal Fusion Transformer dla okręgu Krishna w stanie Andhra Pradesh
Dedeepya Manikonda, Ashutosh Satapathy, Keerthi Padamata, Jaswanthi Machcha, J. Chandrakanta Badajena

162-170
Model transmisji pakietowej danych tekstowych z wykorzystaniem SDR w środowisku GNU Radio Companion
Nurbol Kaliaskarov, Kyrmyzy Taissariyeva, Nurlykhan Raulyev, Akezhan Sabibolda

171-176
Modelowanie systemu produkcyjnego typu pull-flow z dynamicznym sterowaniem zapasami buforowymi
Saad Elbaraka, Salah-eddine Mokhlis, Adil Barra, Hicham Fouraiji, Mohamed Rhouzali, Najat Messaoudi

177-182

Archiwum

2026

Tom 16 Nr 2
2026-06-30 27
Tom 16 Nr 1
2026-03-30 27

2025

Tom 15 Nr 4
2025-12-20 27
Tom 15 Nr 3
2025-09-30 24
Tom 15 Nr 2
2025-06-27 24
Tom 15 Nr 1
2025-03-31 26

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

Authors

Juliy Boiko

boykoym@khmnu.edu.ua

Chmielnicki Uniwersytet Narodowy

https://orcid.org/0000-0003-0603-7827

Ilya Pyatin

ilkhmel@ukr.net

Khmelnytskyi Polytechnic Professional College by Lviv Polytechnic National University

https://orcid.org/0000-0003-1898-6755

Abstrakt

W artykule przedstawiono projekt oraz analizę inteligentnego łańcucha przetwarzania dla kanału współdzielonego łącza w dół (Downlink Shared Channel, DL-SCH) oraz fizycznego kanału współdzielonego łącza w dół (Physical Downlink Shared Channel, PDSCH) z adaptacyjnym mechanizmem hybrydowej automatycznej retransmisji (Hybrid Automatic Repeat Request, HARQ) przeznaczonym dla sieci piątej generacji (5G). W badaniach zastosowano techniki uczenia maszynowego w celu optymalizacji procesu retransmisji HARQ, co pozwala na zwiększenie przepustowości systemu, redukcję opóźnień oraz poprawę efektywności energetycznej. Wyniki eksperymentalne obejmują porównanie proponowanego rozwiązania z konwencjonalnym mechanizmem HARQ dla różnych poziomów stosunku sygnału do szumu (SNR), wykazując wzrost przepustowości sięgający 72,5% oraz skrócenie opóźnień do 23% w warunkach niskiego i umiarkowanego SNR. Uzyskane rezultaty potwierdzają potencjał adaptacyjnych mechanizmów HARQ w przyszłych systemach komunikacyjnych piątej i szóstej generacji (5G i 6G). Wydajność systemu oceniono pod kątem współczynnika błędów bitowych (BER), wektora błędu modulacji (error vector magnitude, EVM), współczynnika błędu modulacji (modulation error ratio, MER) oraz efektywności energetycznej, ze szczególnym uwzględnieniem adaptacyjności w czasie rzeczywistym oraz wymagań jakości usług na poziomie systemowym (quality of service, QoS).

Słowa kluczowe:

sieci 5G, automatyczna retransmisja, stosunek sygnał-szum, inteligentne sterowanie

Bibliografia

[1] Agiwal, A., & Agiwal, M. (2022). Enhanced Paging Monitoring for 5G and Beyond 5G Networks. IEEE Access, 10, 27197–27210. https://doi.org/10.1109/ACCESS.2022.3157874

[2] Alphiya, A., & Latha, T. (2025). An Efficient QC-LDPC channel encoder/decoder architecture with parallel vector-matrix computations for 5G wireless networks on FPGA. Computer Networks, 264, 111229. https://doi.org/10.1016/j.comnet.2025.111229

[3] An, S., & Chang, K. (2023). Enhancing Reliability in 5G NR V2V Communications Through Priority-Based Groupcasting and IR-HARQ. IEEE Access, 11, 72717–72731. https://doi.org/10.1109/ACCESS.2023.3292150

[4] Boiko, J., Pyatin, I., & Eromenko, O. (2022). Analysis of Signal Synchronization Conditions in 5G Mobile Information Technologies. 2022 IEEE 16th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), 01–06. https://doi.org/10.1109/TCSET55632.2022.9766899

[5] Borromeo, J. C., Kondepu, K., Andriolli, N., & Valcarenghi, L. (2022). FPGA-accelerated SmartNIC for supporting 5G virtualized

Radio Access Network. Computer Networks, 210, 108931. https://doi.org/10.1016/j.comnet.2022.108931

[6] Chen, H., Liao, L., Li, C., Liu, Y., Sun, Y., & Li, X. (2023). Multiple decoding for polar-coded chase combining HARQ. Physical Communication, 56, 101955. https://doi.org/10.1016/j.phycom.2022.101955

[7] Hu, Z., Chen, F., Wen, M., Ji, F., & Yu, H. (2018). Low-Complexity LLR Calculation for OFDM With Index Modulation. IEEE Wireless Communications Letters, 7(4), 618–621. https://doi.org/10.1109/LWC.2018.2802949

[8] Indoonundon, M., & Pawan Fowdur, T. (2021). Overview of the challenges and solutions for 5G channel coding schemes. Journal of Information and Telecommunication, 5(4), 460–483. https://doi.org/10.1080/24751839.2021.1954752

[9] Khan, D., Jan, L., & Zafar, M. H. (2025). Optimized FFT Designs for High-Performance LTE and 5G Networks. Arabian Journal for Science

and Engineering, 50(21), 17555–17574. https://doi.org/10.1007/s13369-025-10009-z

[10] Lee, C., Kim, J., Jung, J., Baik, J., & Chung, J.-M. (2022). HARQ Optimization for PDCP Duplication-Based 5G URLLC Dual Connectivity. Computers, Materials & Continua, 72(1), 727–738. https://doi.org/10.32604/cmc.2022.024824

[11] Maule, M., Vardakas, J. S., & Verikoukis, C. (2023). Multi-Service Network Slicing 5G NR Orchestration via Tailored HARQ Scheme Design and Hierarchical Resource Scheduling. IEEE Transactions on Vehicular Technology, 72(4), 5021–5034. https://doi.org/10.1109/TVT.2022.3223252

[12] Mhaske, S., Kee, H., Ly, T., Aziz, A., & Spasojevic, P. (2017). FPGA-Based Channel Coding Architectures for 5G Wireless Using High-Level Synthesis. International Journal of Reconfigurable Computing, 2017, 1–23. https://doi.org/10.1155/2017/3689308

[13] Moges, T. H., Lakew, D. S., Nguyen, N. P., Dao, N.-N., & Cho, S. (2023). Cellular Internet of Things: Use cases, technologies, and future work. Internet of Things, 24, 100910. https://doi.org/10.1016/j.iot.2023.100910

[14] Morais, D. H. (2024). 5G NR Overview and Physical Layer. In D. H. Morais, Key 5G/5G-Advanced Physical Layer Technologies (pp. 233–321). Springer International Publishing. https://doi.org/10.1007/978-3-031-57426-9_10

[15] Mulani, A. O., Warade, N. S., Khalaf, O. I., Bsoul, Q., Waghole, D., Jadhav, M., Jadhav, V. S., Bennour, A., Zawaideh, F., Alsekait, D. M.,

& AbdElminaam, D. S. (2025). Resource management optimisation of OFDM-IDMA system for 5G multi-tier backhaul networks. Egyptian Informatics Journal, 31, 100756. https://doi.org/10.1016/j.eij.2025.100756

[16] Omri, A., Hernandez Fernandez, J., & Di Pietro, R. (2025). A Spectral and Energy Efficient Transmission Scheme for OFDM-based

Communication Systems. Computer Networks, 260, 111101. https://doi.org/10.1016/j.comnet.2025.111101

[17] Pathak, P., & Bhatia, R. (2025). Investigation of LDPC codes with interleaving for 5G wireless networks. Annals of Telecommunications, 80(7–8), 569–579. https://doi.org/10.1007/s12243-024-01054-0

[18] Pyatin, I., Boiko, J., Eromenko, O., & Parkhomey, I. (2023). Implementation and analysis of 5G network identification operations at low signal-to-noise ratio. TELKOMNIKA (Telecommunication Computing Electronics and Control), 21(3), 496. https://doi.org/10.12928/telkomnika.v21i3.22893

[19] Pyatin, I., Boiko, J., Kovtun, V., & Kovtun, O. (2025). Radio frequency interface quality assessment in 4G/5G: Effects of IQ imbalance, phase noise, and nonlinearities on error vector magnitude. PLOS One, 20(5), e0324170. https://doi.org/10.1371/journal.pone.0324170

[20] Ren, B., Teh, K. C., An, H., & Gunawan, E. (2024). MIMO-OFDM Modulation Classification Using 4D2DConvNet for 5G Communications. IEEE Wireless Communications Letters, 13(7), 1883–1887. https://doi.org/10.1109/LWC.2024.3394708

[21] Santos, R., Castanheira, D., Silva, A., & Gameiro, A. (2024). Pipelined Multi-User IR-HARQ Scheme for Improved Latency Performance in URLLC. IEEE Access, 12, 33473–33485. https://doi.org/10.1109/ACCESS.2024.3371994

[22] Shammaa, M., Mashaly, M., & El-mahdy, A. (2024). The Use of Deep Learning Techniques in OFDM Receivers for 5G NR: A Survey. Procedia Computer Science, 231, 32–39. https://doi.org/10.1016/j.procs.2023.12.154

[23] Wang, Q., Cai, S., Chen, L., & Ma, X. (2020). A Throughput-Enhanced HARQ Scheme for 5G System via Partial Superposition. IEEE Communications Letters, 24(10), 2162–2166. https://doi.org/10.1109/LCOMM.2020.3004407

[24] Yeh, H.-G. (2015). Architectures for MIMO-OFDM Systems in Frequency-Selective Mobile Fading Channels. IEEE Transactions on Circuits and Systems II: Express Briefs, 62(12), 1189–1193. https://doi.org/10.1109/TCSII.2015.2498300

[25] Zhou, Y., Zheng, Y., & Wang, Z. (2023). Fast Successive-Cancellation Decoding of 5G Parity-Check Polar Codes. IEEE Communications Letters, 27(1), 37–40. https://doi.org/10.1109/LCOMM.2022.3217163

Inteligentny łańcuch przetwarzania DL-SCH/PDSCH w sieci 5G z adaptacyjnym mechanizmem HARQ. (2026). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 16(1), 84-93. https://doi.org/10.35784/iapgos.7826

Biogram autora

Juliy Boiko - Chmielnicki Uniwersytet Narodowy

Dr hab. inż., Prof., Katedra Telekomunikacji, Mediów i Inteligentnych Technologii, Chmielnicki Uniwersytet Narodowy (Chmielnicki, Ukraina)

##plugins.themes.bootstrap3.article.sidebar##