Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-5062
Main Title: Towards self-organizing wireless networks
Subtitle: adaptive learning, resource allocation, and network control
Translated Title: Selbstorganisierende drahtlose Netze
Translated Subtitle: adaptives Lernen, Ressourcenallokation und Netzsteuerung
Author(s): Kasparick, Martin
Referee(s): Stanczak, Slawomir
Mathar, Rudolf
Wunder, Gerhard
Granting Institution: Technische Universität Berlin
Type: Doctoral Thesis
Language Code: en
Abstract: The concept of self-organizing networks is a promising approach to address fundamental challenges in current and future wireless networks. Not least the dense and heterogeneous nature of the networks, the scarcity of resources, and high costs of manual configurations necessitate efficient self-organization techniques that autonomously adapt crucial system parameters to changing traffic and network conditions. This thesis is concerned with key aspects of self-organizing networks, in particular the generation of the required knowledge, and the design of particular self-optimization mechanisms in wireless networks. Any self-organization functionality depends on knowledge about the current system state. The first part of this thesis deals with learning techniques that enable a wide range of self-optimization and self-configuration functions. In particular, we investigate the generation of knowledge in form of geographical radio maps. The radio maps are generated based on user measurements, which arrive sequentially and continuously over time. To process this persistent data stream, low-complexity online estimation and learning techniques are needed. We employ powerful kernel-based adaptive filtering techniques, which are robust to measurement errors. To demonstrate how additional context information can be taken into account, we show, how knowledge about anticipated user routes can be incorporated in the learning process. Moreover, we investigate the performance of the algorithms in different scenarios; more specifically, we apply these techniques to the problem of path-loss estimation and to the problem of estimating interference maps. Such radio maps are considered invaluable for network planning and optimization tasks. Furthermore, we demonstrate how interference maps can be used to support network-assisted device-to-device communications. In addition to the aspect of knowledge generation, the second and third part of the thesis deal with particular self-optimization techniques. The second part of the thesis is concerned with self-optimization in interference-limited networks, motivated by the trend towards densely deployed heterogeneous cellular networks, which are expected to become prevalent in the next generations of wireless communication systems. Especially in multi-antenna networks, inter-cell interference coordination poses a major challenge, since not only temporal and spectral resources, but also the spatial dimension has to be taken into account. To address this challenge, we propose distributed coordination algorithms for inter-cell (and intra-cell) interference coordination in SDMA-based cellular networks. Based on a local maximization of a network-wide utility function over average user rates, the proposed algorithms autonomously adapt the transmit power budgets of particular resources. Using system-level simulations, we show that, especially in networks with high user mobility, the control of average power budgets for particular time-frequency-space resources is superior to a direct control of the transmit powers. In the last part of the thesis, we consider more general network topologies with a stochastic traffic modeling. We derive a framework to design network-layer control policies based on a suitable cost function. Thereby, the framework adapts scheduling and routing decisions to the requirements of different services and applications, while ensuring queueing theoretic stability. As particular applications, we investigate the cost function based control approach for networks with minimum buffer constraints (e.g., in case of multimedia streaming), and for networks with energy limited nodes. In addition, we show how existing cross-layer control algorithms can be adapted to our control framework.
Das Konzept selbstorganisierender Kommunikationsnetze, die zentrale Systemparameter automatisch an veränderliche Datenverkehrs- und Netzbedingungen anpassen, ist ein vielversprechender Ansatz um fundamentalen Herausforderungen in aktuellen und zukünftigen drahtlosen Kommunikationsnetzen zu begegnen. Insbesondere die dichte und heterogene Natur zukünftiger drahtloser Netze, die Begrenztheit der Kommunikationsressourcen, sowie hohe Kosten manueller Konfiguration und Wartung werden den Einsatz von Selbstorganisationstechniken unverzichtbar machen. Diese Arbeit befasst sich mit zentralen Aspekten selbstorganisierender Kommunikationsnetze und untersucht dabei sowohl die Schaffung einer Informationsgrundlage als auch den Entwurf konkreter Selbstoptimierungsmechanismen. Jeder Algorithmus zur Selbstorganisation ist auf aktuelle Informationen über den Zustand des Gesamtsystems angewiesen. Im ersten Teil der Arbeit werden maschinelle Lernverfahren entwickelt um diese Informationen autonom erzeugen zu können und damit die Voraussetzung für zahlreiche Selbstoptimierungs- und Selbstorganisationsverfahren zu schaffen. Speziell werden Algorithmen zur Erzeugung einer Wissens- und Entscheidungsgrundlage in Form von ortsbasierten Radiokarten formuliert und analysiert. Die Erzeugung der Radiokarten basiert auf der Verarbeitung nutzergenerierter Messdaten, welche kontinuierlich und sequentiell zur Verfügung gestellt werden. Um diesen kontinuierlichen Datenstrom verarbeiten zu können, werden echtzeitbasierte Schätz- und Lernverfahren mit niedriger Komplexität benötigt. Zu diesem Zweck wird der Einsatz kernelbasierter adaptiver Filtertechniken vorgeschlagen und evaluiert, welche zudem eine hohe Robustheit gegenüber Messungenauigkeiten besitzen. Beispielhaft für die Einbeziehung zusätzlich verfügbarer Kontextinformationen wird gezeigt, wie die Kenntnis voraussichtlicher Nutzerrouten in den Lernprozess integriert werden kann. Die Performanz der entwickelten Algorithmen, insbesondere im Zusammenhang mit der Schätzung von Pfadverlustkarten und Interferenzkarten, wird im Hinblick auf verschiedene Netz- und Anwendungsszenarien untersucht. Derartige Radiokarten sind speziell für die adaptive Netzplanung und -optimierung von großer Bedeutung. Darüber hinaus wird gezeigt, wie insbesondere Interferenzkarten zur Unterstützung von netzgestützter Gerät-zu-Gerät-Kommunikation eingesetzt werden können. Ergänzend zum Aspekt der Wissensgenerierung werden im zweiten und dritten Teil der Arbeit konkrete Selbstorganisationsverfahren untersucht. Motiviert durch den anhaltenden Trend zu immer dichteren heterogenen zellularen Netzen, behandelt der zweite Teil dieser Arbeit Selbstoptimierungsverfahren zur Koordinierung von Inter-Zell-Interferenz in interferenzbegrenzten Netzen. Die Koordinierung von InterZell-Interferenz bedeutet insbesondere in Mehrantennensystemen eine große Herausforderung, da nicht nur Zeit- und Frequenzressourcen sondern auch die räumliche Dimension in die Koordinierung mit einbezogen werden muss. Für derartige zellulare Mehrantennennetze werden selbstorganisierende verteilte Koordinationsalgorithmen entworfen, welche die Sendeleistungsbudgets einzelner Ressourcen basierend auf der Maximierung einer netzweiten, über mittleren Nutzerübertragungsraten definierten, Nutzwertfunktion anpassen. Dabei wird gezeigt, dass es in Netzen mit mobilen Nutzern vorteilhafter ist, mittlere Sendeleistungsbudgets zu adaptieren, als die Sendeleistungen direkt zu kontrollieren. Im letzten Teil dieser Arbeit werden allgemeinere Netztopologien mit stochastischer Modellierung der Datenaufkommen betrachtet. Vorgestellt wird ein Konzept zum Entwurf von Kontrollstrategien auf der Netzwerkschicht, die, auf Basis einer geeignet gewählten Kostenfunktion, Scheduling- und Routingentscheidungen an die Anforderungen vorherrschender Anwendungen und Dienste anpassen können und gleichzeitig Stabilität im Sinne der Warteschlangentheorie garantieren. Als konkrete Anwendungen werden der kostenfunktionsbasierte Entwurf von Kontrollstrategien für Netze mit Mindestanforderungen an Pufferfüllstände (z.B. im Fall von Multimedia-Streaming), sowie für Netze aus Knoten mit begrenzter Energie untersucht. Darüber hinaus wird gezeigt, wie bestehende Algorithmen zur schichtübergreifenden Kontrolle an das vorgestellte Konzept angepasst werden können.
URI: http://depositonce.tu-berlin.de/handle/11303/5387
http://dx.doi.org/10.14279/depositonce-5062
Exam Date: 21-Dec-2015
Issue Date: 2016
Date Available: 24-Mar-2016
DDC Class: DDC::600 Technik, Medizin, angewandte Wissenschaften::620 Ingenieurwissenschaften::620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Subject(s): self-organizing networks
interference management
machine learning
queueing network control
selbstorganisierende Netze
Interferenzmanagement
maschinelles Lernen
Steuerung stochastischer Netze
Usage rights: Terms of German Copyright Law
Appears in Collections:Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 4 Elektrotechnik und Informatik » Institut für Telekommunikationssysteme » Publications

Files in This Item:
File Description SizeFormat 
kasparick_martin.pdf3.22 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.