Tesis doctoral
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