Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-12218
For citation please use:
Main Title: Towards collaboration in heterogeneous Wireless Networks
Translated Title: Auf dem Weg zur Zusammenarbeit in heterogenen drahtlosen Netzwerken
Author(s): Gawłowicz, Piotr
Advisor(s): Wolisz, Adam
Referee(s): Wolisz, Adam
Knightly, Edward
Marina, Mahesh
Hollick, Matthias
Granting Institution: Technische Universität Berlin
Type: Doctoral Thesis
URI: https://depositonce.tu-berlin.de/handle/11303/13432
http://dx.doi.org/10.14279/depositonce-12218
License: https://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The wireless spectrum is getting crowded with heterogeneous technologies that are designed to satisfy various requirements of existing and emerging applications. Unfortunately, due to diverse operation principles, the channel access coordination methods that work well in homogeneous networks are not applicable or perform poorly in heterogeneous environments. Hence, coexisting networks suffer from frequent collisions and significant performance degradation. Furthermore, even homogeneous wireless networks operate independently and are adversaries to each other, i.e., they compete for limited radio resources. This dissertation aims to improve wireless coexistence by enabling collaboration between networks that are heterogeneous concerning technology and ownership. To this end, the key challenges and opportunities of collaboration are considered in three main parts. First, we address the issue of information exchange that is needed for collaboration but missing among heterogeneous technologies due to their incompatible physical layers. We describe two cross-technology communication (CTC) schemes. LtFi enables direct over-the-air data transmission from LTE-U to WiFi, while NOTCH is a generic CTC framework that can be parametrized for any pair of wireless technologies. As a proof of concept, we use NOTCH to enable bidirectional CTC between LTE-U/LAA and WiFi. Second, having the possibility of communication, we build a common control plane and create two collaboration schemes. In XZero, an unlicensed LTE base station uses its beamforming capabilities to reduce interference at neighboring WiFi nodes. To this end, the nodes collaboratively perform the null-beam search. NxWLAN enables collaboration among separately owned WiFi networks. Specifically, it enables secure infrastructure sharing and cross-network traffic delivery to form a composite network and serve wireless clients from the access point providing the best connectivity. Finally, to move the boundaries of wireless communication, we need to make networks to identify collaboration opportunities and autonomously optimize their parameters. Motivated by recent advances in robotics, we believe that also wireless networks can learn to collaborate from interactions with each other and an environment. Therefore, we build ns3-gym, the framework for learning-based approaches that can be used in a large scope of networking research problems. Then, using ns3-gym, we implement an online learning algorithm for the distributed optimization of channel access probabilities in coexisting WiFi networks.
Das verfügbare Spektrum für drahtlose Kommunikation füllt sich mehr und mehr mit heterogenen Technologien, welche jeweils für unterschiedlicher Anforderungen bestehender oder aufkommender Anwendungen entworfen wurden. Unglücklicherweise sind die verschiedenen Kanalzugriffsverfahren, die in homogenen Netzwerken gut funktionieren, aufgrund ihrer unterschiedlichen Funktionsweisen in heterogenen Umgebungen zueinander nicht kompatibel oder sie beeinträchtigen die Leistung des gesamten Netzwerks sehr stark. Heterogene Netzwerke leiden unter häufigen Kollisionen und schlechter Gesamtleistung. Zudem operieren selbst homogene Netzwerke unabhängig voneinander und stehen im Wettbewerb um knappe Ressourcen im Spektrum. Ziel dieser Dissertation ist es, die Koexistenz in Drahtlosnetzwerken zu verbessern, indem in sowohl in der Technologie als auch in der Verwaltung heterogenen Netzwerken eine Zusammenarbeit ermöglicht wird. Die zentralen Herausforderungen werden in drei Themenbereichen betrachtet. Zunächst muss das Problem des Informationsaustausches adressiert werden, welcher in heterogenen Netzwerken fehlt, aufgrund der inkompatiblen Physikalischen Schichten. Dieser ist aber dennoch zentral ist für eine effektive Kollaboration. Dafür werden zwei sog. "Cross-Technology Communication" (CTC) Mechanismen beschrieben. LtFi ermöglicht die direkte Datenübertragung zwischen LTE-U und WiFi. NOTCH hingegen ist ein generisches CTC-System, das beliebig für ein gegebenes Paar von Drahtlostechnologien parametrisiert werden kann. Beispielhaft wird hier NOTCH benutzt um bi-direktionale Kommunikation zwischen LTE-U/LAA und WiFi zu ermöglichen. Aufbauend auf der Möglichkeit der Kommunikation wird eine gemeinsame Steuerebene benötigt, wofür hier zwei Kollaborationsmechanismen entwickelt werden. In XZero wird Fähigkeit des sog. Beamformings bei einer LTE-Basisstation genutzt, um die Interferenz bei benachbarten WiFi-Knoten zu reduzieren. Um dies zu erreichen führen alle Knoten kollaborativ eine Suche nach der optimalen Beamkonfiguration aus. NxWLAN ermöglicht eine Zusammenarbeit zwischen separat verwalteten WiFi-Netzwerken. Hierbei wird eine gemeinsame und sichere Infrastruktur aufgebaut, auf deren Basis Datenverkehr zwischen den Netzwerken ausgetauscht werden kann. Somit wird ein größerer Netzwerkverbund gebildet, welcher die WLAN-Stationen jeweils von dem Access Point mit der besten Konnektivität bedient. Abschließend wird die Möglichkeit betrachtet, dass Netzwerke eigenständig Gelegenheit für Kollaboration erkennen und autonom ihre Parametrisierung optimieren. Die kürzlichen Fortschritte in der Robotik geben Anlass zu der Überzeugung, dass Netzwerke Zusammenarbeit anhand ihrer Interaktion untereinander und mit ihrer Umgebung lernen können. Zu diesem Zweck wurde ns3-gym gebaut - ein System für maschinelles Lernen im Kontext der Forschung an Telekommunikationsnetzwerken. Mittels ns3-gym wird ein Online-Machine-Learning-Algorithmus zur verteilten Optimierung der Kanalzugriffswahrscheinlichkeit von benachbarten WiFi-Netzwerken vorgestellt.
Subject(s): wireless coexistence
collaboration
cross-technology communication
wireless optimization
drahtlose Koexistenz
Zusammenarbeit
Technologie übergreifende Kommunikation
WLAN-Optimierung
Issue Date: 2021
Date Available: 20-Sep-2021
Exam Date: 11-Jun-2021
Language Code: en
DDC Class: 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
TU Affiliation(s): Fak. 4 Elektrotechnik und Informatik » Inst. Telekommunikationssysteme » FG Telekommunikationsnetze
Appears in Collections:Technische Universität Berlin » Publications

Files in This Item:
gawlowicz_piotr.pdf
Format: Adobe PDF | Size: 3.8 MB
DownloadShow Preview
Thumbnail

Item Export Bar

This item is licensed under a Creative Commons License Creative Commons