SAPOUNTZIS Nikolaos

Thesis

Optimisation au niveau réseau dans le cadre des réseaux hétérogènes nouvelle génération

Depuis 2016, il est bien connu que les réseaux mobiles dominent nos vies. Nous utilisons nos téléphones cellulaires pour presque tout: du réseautage social au streaming, à la recherche de logement ou pour les transactions bancaires. Néanmoins, il semble que les opérateurs ne comprennent pas cette domination, puisque leurs réseaux sont constitués de nœuds qui: (i) subissent d'énormes fluctuations de charge, (ii) gaspillent leurs ressources, et (iii) sont accusés d'être tueurs d'énergie majeurs. Ces inconvénients nuisent à load-balancing, efficacité spectrale et énergétique, respectivement. L'objectif de cette dissertation est d'étudier attentivement ces gains d'efficacité et d'établir un bon “trade off” entre eux pour les futurs réseaux hétérogènes 5G mobiles.

 

Dans cette direction, nous nous concentrons tout d'abord sur (i) l'utilisateur et la différenciation du trafic, émergeant des applications de type MTC (Machine Type Communications) et Internet of Things (IoT), et (ii) du RAN (Radio Access Network). Plus précisément, nous réalisons une modélisation, une analyse de performance et une optimisation appropriées pour une famille d'objectifs, en utilisant des outils provenant principalement de l'optimisation (non) convexe, de la probabilité et de la théorie des files d'attente. Notre objectif initial est d'optimiser la couche réseau (par exemple en étudiant le problème de user-association). Cependant, nous concluons que l'optimisation cross-layer est la clé du succès des futurs HetNets, car il faut étudier conjointement d'autres problèmes provenant des couches ci-dessous (par exemple, le problème d'allocation TDD du MAC ou la gestion des interférences de PHY) pour éviter la dégradation des performances.

 

Après, nous soulignons que l'optimisation des fonctionnalités RAN, suivie d'un formidable « capacity crunch »  , posent de sérieuses contraintes dans le réseau de backhaul en le faisant apparaître comme un goulet d'étranglement de performance. Ainsi, nous incluons dans notre cadre: (hétérogène) des contraintes de capacité de liaison de backhaul dans des topologies génériques de backhaul "mesh". Ensuite, nous effectuons des optimisations supplémentaires (par exemple l'attribution TDD pour les liaisons backhaul) conjointement avec le RAN. Grâce à une évaluation approfondie, nous (i) corroborons l'exactitude de notre cadre, (ii) montrons des améliorations de performance impressionnantes lorsque l'optimisation inter-couche / réseau est effectuée, et (iii) révèlent des compromis intéressants.