Tesis doctoral - Ficha 

Título Optimization of Mobility Parameters using Fuzzy Logic and Reinforcement Learning in Self-Organizing Networks
Estado Finalizado
Autor Pablo Muñoz Luengo  
Director/es Raquel Barco Moreno
Universidad Universidad de Málaga
Centro Escuela Técnica Superior de Ingeniería de Telecomunicación
Departamento Ingeniería de Comunicaciones
Fecha lectura 18-07-2013

En los últimos años, las redes celulares han experimentado un gran crecimiento tanto

en tamaño como en complejidad. Como resultado, los operadores móviles han

centrado su atención en reducir los gastos de capital (CAPEX) y operacionales

(OPEX) de sus redes. Este hecho ha suscitado una fuerte actividad investigadora en el

campo de las redes auto-organizativas (Self-Organizing Networks, SON), las cuales

presentan una serie de principios y conceptos definidos para automatizar la gestión de

redes a la vez que se mejora su calidad. La automatización de las redes móviles

implica una reducción significativa de los gastos operacionales, debido a que se

requiere menos personal para mantener y administrar la red. Además, se mejoran las

prestaciones de la red puesto que se disminuye el número de errores humanos y se

aprovechan las ventajas de las capacidades de cálculo de los computadores para

introducir procedimientos más eficientes en la red.

La aplicación de funcionalidades SON permite obtener grandes beneficios,

especialmente en la red de acceso radio (Radio Access Network, RAN), debido a que

esta parte de la red normalmente es el “cuello de botella” dada su complejidad desde

el punto de vista operacional y los costes asociados. Las funciones SON se clasifican

en tres categorías: auto-configuración, autocuración y auto-optimización. La primera

categoría, auto-configuración, trata de automatizar el despliegue de la red y la

configuración de parámetros, por ejemplo, cuando un nuevo elemento de red se añade

a la infraestructura existente. La auto-curación está relacionada con la detección,

diagnosis, compensación y recuperación de fallos con el objetivo de hacer frente a

cortes y degradaciones de servicio importantes. Por último, la auto-optimización trata

de adaptar dinámicamente los parámetros de red para mejorar su calidad.

Dentro de la categoría de auto-optimización, ciertas funciones han adquirido gran

relevancia en la bibliografía, entre las que se encuentran el balance de carga mediante

movilidad (Mobility Load Balancing, MLB) y la optimización de la movilidad (Mobility

Robustness Optimization, MRO). La primera de ellas, MLB, es una función automática

en la que las celdas que sufren congestión pueden transferir, mediante un correcto

ajuste de los parámetros de movilidad, parte de la carga a sus celdas vecinas, las

cuales deben disponer de suficientes recursos libres. MRO es una función que permite

detección y corrección automática de errores y ajustes sub-óptimos en la configuración

de movilidad, los cuales pueden llevar a una degradación de las prestaciones de

usuario. Además, debido a que estas dos funciones pueden ajustar los mismos

parámetros de movilidad, podría existir un conflicto si MLB y MRO ajustan dichos

parámetros en direcciones opuestas. Por tanto, la coordinación de ambas funciones es

también una cuestión importante en el contexto de SON.

Por otro lado, la enorme inversión en infraestructura realizada por los operadores para

satisfacer la creciente demanda de tráfico ha dado lugar al despliegue de redes

heterogéneas, las cuales están caracterizadas por la presencia de diferentes

tecnologías, tamaños de celdas, frecuencias de uso, etc. Sin embargo, es probable

que estas soluciones sean insuficientes, de manera que las redes que ya han sido

desplegadas con anterioridad también jueguen un papel esencial para hacer frente al

fuerte crecimiento de la demanda de tráfico. En este contexto, el direccionamiento de

tráfico (Traffic Steering, TS) es un potente mecanismo consistente en modificar la

distribución de usuarios en las diferentes redes pertenecientes al operador con la

intención de satisfacer una determinada política u objetivo, principalmente relacionado

con los costes, la satisfacción de usuario, el consumo de potencia, la cobertura, etc.

Como resultado de aplicar estas técnicas, se mejoran las prestaciones globales de

red.

En la presente tesis se proponen diversas técnicas de optimización para redes

inalámbricas de próxima generación con el objetivo de resolver diferentes problemas

en el campo de SON y redes heterogéneas. El fundamento básico de todas las

técnicas propuestas es que los parámetros de red son ajustados automáticamente

para resolver un problema específico. Puesto que el conjunto de parámetros de red

existente es muy grande, este trabajo se centra fundamentalmente en aquellos

parámetros que forman parte de la gestión de movilidad. Además, los esquemas de

auto-ajuste propuestos están basados en controladores de lógica difusa (Fuzzy Logic

Controller, FLC), cuyo potencial radica en la capacidad de poder expresar el

conocimiento de una manera similar al razonamiento y la percepción humana. Por otra

parte, en aquellos casos en los que se requiere una herramienta matemática para

optimizar el comportamiento del FLC, en esta tesis la solución adoptada ha sido el uso

de aprendizaje por refuerzo, debido a que esta metodología es especialmente

apropiada para el aprendizaje mediante interacción, el cual se hace esencial en

sistemas complejos como es el caso de las redes inalámbricas.

Teniendo en cuenta esto, en primer lugar, se ha propuesto un esquema para MLB con

la finalidad de resolver problemas de congestión persistente en redes de inalámbricas

de próxima generación, en particular, debidos a una distribución espacial de tráfico

desigual, la cual típicamente conlleva un uso ineficiente de los recursos. Una

característica clave del algoritmo propuesto es que no solo se optimizan los

parámetros, sino también la propia estrategia de ajuste de parámetros. En segundo

lugar, se ha propuesto un esquema para MLB aplicable en escenarios de femtoceldas

de oficina o corporativos. Estos escenarios se caracterizan por la falta de un riguroso

análisis en la etapa de despliegue, de manera que es posible realizar un uso más

eficiente de los recursos radio en la etapa de explotación mediante la aplicación de

técnicas efectivas de MLB. Al igual que en el problema anterior, en este caso la

optimización del proceso de auto-ajuste también forma parte del estudio. En tercer

lugar, se ha propuesto un algoritmo de auto-ajuste para MRO. Este estudio incluye un

análisis del impacto de factores contextuales tales como la carga del sistema y la

velocidad de usuario, así como una propuesta para la coordinación de los esquemas

de MLB y MRO diseñados. En cuarto lugar, se ha propuesto un algoritmo de autoajuste

para TS en el contexto de redes heterogéneas. Las principales características

del algoritmo propuesto son la flexibilidad para soportar diferentes políticas del

operador y la capacidad de adaptación a variaciones en la red. Finalmente, con el

objetivo de validar las técnicas propuestas, se ha diseñado un simulador dinámico de

nivel de sistema para redes Long-Term Evolution (LTE).


Volver

Destacados