Optimization of cognitive high-speed composite wireless networks

Abstract

The evolution of wireless communications during the last decades, the co-existence of different kind of networks as well as the new reconfiguration capabilities of hardware equipment (access points and users’ terminals) revealed the era of Composite Wireless Networks (CWNs). However, regardless of the underlying technologies and the high complexity levels introduced in CWNs the target for the Network Operators (NO) remains the same: Users should be experiencing services at their preferred QoS levels, while the service delivery cost is the minimum possible. Considering this, the challenge for the NOs is to efficiently manage their infrastructures apart from their size and complexity so as to achieve this target. Framed within the above, this dissertation presents an approach for addressing and providing solutions for the aforementioned issues. First, a Functional Architecture (FA) is presented in the context of CWNs while the focus is on the Dynamic Self-organized Network Planning and Management (DSNPM) functional block which targets at providing the best possible network configurations based on advanced management functionalities. Considering the numerous Radio Access Technologies (RATs), DSNPM is enhanced with efficient inter-RAT as well as intra-RAT optimization techniques, so as to provide the appropriate decisions, and will be thoroughly described. Furthermore, DSNPM includes learning functionalities addressing the high complexity issues introduced by CWNs. In particular, DSNPM is capable to gain knowledge from past interactions with the service area on the way that the solution was provided. Then, DSNPM is capable to identify in the future whether the appropriate network configuration decision is already known skipping the time consuming optimization procedure. The learning capabilities and the identification process of DSNPM were presented in detail. Finally, a platform were presented in which both hardware and software components have been implemented for the conduction of validation activities in terms of scenarios and use cases.

Η απότομη εξέλιξη των ασύρματων επικοινωνιών τις τελευταίες δεκαετίες, η συνύπαρξη πολλών διαφορετικών δικτύων καλύπτοντας την ίδια περιοχή καθώς και οι νέες ικανότητες αναδιάρθρωσης των ασύρματων σημείων πρόσβασης και των τερματικών συσκευών των χρηστών έχουν συντελέσει στην εμφάνιση των Σύνθετων Ασύρματων Δικτύων (Composite Wireless Networks - CWNs). Παρόλαυτά, ο στόχος των Παρόχων Δικτύου (Network Operators - NOs) παραμένει ο ίδιος, ανεξάρτητα από τις τεχνολογίες που χρησιμοποιούνται και την πολυπλοκότητα που αυτές εμφανίζουν: «Οι χρήστες πρέπει να εξυπηρετούνται στο επίπεδο ποιότητας που επιθυμούν με το μικρότερο δυνατό κόστος παροχής υπηρεσιών». Στο πλαίσιο αυτό, η πρόκληση που αντιμετωπίζουν οι NOs είναι η αποδοτική διαχείριση των τεχνολογικών υποδομών τους ανεξάρτητα από το μέγεθός τους και την πολυπλοκότητά τους. Λαμβάνοντας υπόψη τα παραπάνω, η παρούσα διατριβή παρουσιάζει μια προσέγγιση με σκοπό να αντιμετωπιστούν τα παραπάνω ζητήματα. Αρχικά παρουσιάζεται μια Αρχιτεκτονική Λειτουργιών (Functional Architecture - FA) στο πλαίσιο των CWNs, εστιάζοντας στις λειτουργίες της οντότητας Δυναμική και Αυτο-οργανούμενη Σχεδίαση και Διαχείριση Δικτύου (Dynamic Self-organizing Network Planning and Management - DSNPM) η οποία έχει σκοπό να παρέχει την καλύτερη δυνατή διάρθρωση του δικτύου βάσει προηγμένων λειτουργιών διαχείρισης. Λαμβάνοντας υπόψη τις πολυάριθμες τεχνολογίες ασύρματες πρόσβασης (Radio Access Technologies - RATs) η οντότητα DSNPM περιέχει έξυπνες τεχνικές βελτιστοποίησης τόσο ανάμεσα στις τεχνολογίες αυτές όσο και για την εσωτερική τους διάρθρωση. Σκοπός των τεχνικών αυτών, οι οποίες θα περιγραφούν αναλυτικά, είναι η παροχή των κατάλληλων αποφάσεων για την διάρθρωση των ή του δικτύου. Επιπλέον, η οντότητα DSNPM περιλαμβάνει και λειτουργίες μάθησης με σκοπό να αντιμετωπίσει και τα ζητήματα υψηλής πολυπλοκότητας των CWNs. Πιο συγκεκριμένα, η οντότητα DSNPM μπορεί να αποκτήσει γνώση για τον τρόπο ή τις λύσεις αναδιάρθρωσης στις οποίες κατέληξε στο παρελθόν σε συγκεκριμένες περιπτώσεις. Με τον τρόπο αυτό, είναι εφικτό να αναγνωριστεί στο μέλλον εάν οι απαραίτητες αποφάσεις είναι ήδη γνωστές με σκοπό να παρακαμφθούν οι χρονοβόρες τεχνικές διαδικασίες. Οι διαδικασίες μάθησης και αναγνώρισης της οντότητας DSNPM παρουσιάζονται αναλυτικά. Τέλος, παρουσιάζεται η ανάπτυξη πλατφόρμας, στην οποία συμμετέχουν τόσο συνιστώσες υλικού όσο και λογισμικού, με σκοπό να μελετηθεί η συμπεριφορά των συνιστωσών στα πλαίσια σεναρίων και περιπτώσεων χρήσης.