Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN

Até 2020 espera-se que as redes celulares aumentam em dez vezes a área de cobertura, suporte cem vezes mais equipamentos de usuários e eleve a capacidade da taxa de dados em mil vezes, comparada as redes celulares atuais. A densa implantação de pequenas células é considerada uma solução promissora p...

Full description

Bibliographic Details
Main Author: Schimuneck, Matias Artur Klafke
Other Authors: Rochol, Juergen
Format: Others
Language:English
Published: 2017
Subjects:
5G
Online Access:http://hdl.handle.net/10183/169922
id ndltd-IBICT-oai-www.lume.ufrgs.br-10183-169922
record_format oai_dc
collection NDLTD
language English
format Others
sources NDLTD
topic Computação móvel
Radiofrequência
Radio resource allocation
Energy efficiency
5G
Adaptative monte carlo
Cellular network
spellingShingle Computação móvel
Radiofrequência
Radio resource allocation
Energy efficiency
5G
Adaptative monte carlo
Cellular network
Schimuneck, Matias Artur Klafke
Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN
description Até 2020 espera-se que as redes celulares aumentam em dez vezes a área de cobertura, suporte cem vezes mais equipamentos de usuários e eleve a capacidade da taxa de dados em mil vezes, comparada as redes celulares atuais. A densa implantação de pequenas células é considerada uma solução promissora para alcançar essas melhorias, uma vez que aproximar as antenas dos usuários proporciona maiores taxas de dados, devido à qualidade do sinal em curtas distâncias. No entanto, operar um grande número de antenas pode aumentar significativamente o consumo de energia da infraestrutura de rede. Além disso, a grande inserção de novos rádios pode ocasionar maior interferência espectral entre as células. Nesse cenário, a gestão dos recursos de rádio é essencial devido ao impacto na qualidade do serviço prestado aos usuários. Por exemplo, baixas potências de transmissão podem deixar usuários sem conexão, enquanto altas potências elevam a possibilidade de ocorrência de interferência. Além disso, a reutilização não planejada dos recursos de rádio causa a ocorrência de interferência, resultando em baixa capacidade de transmissão, enquanto a subutilização de recursos limita a capacidade total de transmissão de dados. Uma solução para controlar a potência de transmissão, atribuir os recursos de rádio e garantir o serviço aos usuários é essencial. Nesta dissertação, é proposto um algoritmo adaptativo de Monte Carlo para realizar alocação global de recursos de forma eficiente em termos de energia, para arquiteturas Heterogeneous Cloud Radio Access Network (H-CRAN), projetadas como futuras redes de quinta geração (5G). Uma solução eficiente para a alocação de recursos em cenários de alta e baixa densidade é proposta. Nossas contribuições são triplas: (i) proposta de uma abordagem global para o problema de atribuição de recursos de rádio na arquitetura HCRAN, cujo caráter estocástico garante uma amostragem geral de espaço de solução; (ii) uma comparação crítica entre nossa solução global e um modelo local; (iii) a demonstração de que, para cenários de alta densidade, a Eficiência Energética não é uma medida adequada para alocação eficiente, considerando a capacidade de transmissão, justiça e total de usuários atendidos. Além disso, a proposta é comparada em relação a três algoritmos de alocação de recursos de última geração para redes 5G. === Up until 2020 it is expected that cellular networks must raise the coverage area in 10-fold, support a 100-fold more user equipments, and increase the data rate capacity by a 1000-fold in comparison with current cellular networks. The dense deployment of small cells is considered a promising solution to reach such aggressive improvements, once it moves the antennas closer to the users, achieving higher data rates due to the signal quality at short distances. However, operating a massive number of antennas can significantly increase the energy consumption of the network infrastructure. Furthermore, the large insertion of new radios brings greater spectral interference between the cells. In this scenery, the optimal management of radio resources turn an exaction due to the impact on the quality of service provided to the users. For example, low transmission powers can leave users without connection, while high transmission powers can contribute to inter radios interference. Furthermore, the interference can be raised on the unplanned reuse of the radio resources, resulting in low data transmission per radio resource, as the under-reuse of radio resources limits the overall data transmission capacity. A solution to control the transmission power, assign the spectral radio resources, and ensure the service to the users is essential. In this thesis, we propose an Adaptive Monte Carlo algorithm to perform global energy efficient resource allocation for Heterogeneous Cloud Radio Access Network (HCRAN) architectures, which are forecast as future fifth-generation (5G) networks. We argue that our global proposal offers an efficient solution to the resource allocation for both high and low density scenarios. Our contributions are threefold: (i) the proposal of a global approach to the radio resource assignment problem in H-CRAN architecture, whose stochastic character ensures an overall solution space sampling; (ii) a critical comparison between our global solution and a local model; (iii) the demonstration that, for high density scenarios, Energy Efficiency is not a well suited metric for efficient allocation, considering data rate capacity, fairness, and served users. Moreover, we compare our proposal against three state-of-the-art resource allocation algorithms for 5G networks.
author2 Rochol, Juergen
author_facet Rochol, Juergen
Schimuneck, Matias Artur Klafke
author Schimuneck, Matias Artur Klafke
author_sort Schimuneck, Matias Artur Klafke
title Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN
title_short Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN
title_full Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN
title_fullStr Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN
title_full_unstemmed Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN
title_sort adaptive monte carlo algorithm to global radio resources optimization in h-cran
publishDate 2017
url http://hdl.handle.net/10183/169922
work_keys_str_mv AT schimuneckmatiasarturklafke adaptivemontecarloalgorithmtoglobalradioresourcesoptimizationinhcran
AT schimuneckmatiasarturklafke algoritmodemontecarloadaptativoparaotimizacaodosrecursosderadioemhcran
_version_ 1718946506210279424
spelling ndltd-IBICT-oai-www.lume.ufrgs.br-10183-1699222019-01-22T02:07:34Z Adaptive Monte Carlo algorithm to global radio resources optimization in H-CRAN Algoritmo de Monte Carlo adaptativo para otimização dos recursos de radio em H-CRAN Schimuneck, Matias Artur Klafke Rochol, Juergen Both, Cristiano Bonato Computação móvel Radiofrequência Radio resource allocation Energy efficiency 5G Adaptative monte carlo Cellular network Até 2020 espera-se que as redes celulares aumentam em dez vezes a área de cobertura, suporte cem vezes mais equipamentos de usuários e eleve a capacidade da taxa de dados em mil vezes, comparada as redes celulares atuais. A densa implantação de pequenas células é considerada uma solução promissora para alcançar essas melhorias, uma vez que aproximar as antenas dos usuários proporciona maiores taxas de dados, devido à qualidade do sinal em curtas distâncias. No entanto, operar um grande número de antenas pode aumentar significativamente o consumo de energia da infraestrutura de rede. Além disso, a grande inserção de novos rádios pode ocasionar maior interferência espectral entre as células. Nesse cenário, a gestão dos recursos de rádio é essencial devido ao impacto na qualidade do serviço prestado aos usuários. Por exemplo, baixas potências de transmissão podem deixar usuários sem conexão, enquanto altas potências elevam a possibilidade de ocorrência de interferência. Além disso, a reutilização não planejada dos recursos de rádio causa a ocorrência de interferência, resultando em baixa capacidade de transmissão, enquanto a subutilização de recursos limita a capacidade total de transmissão de dados. Uma solução para controlar a potência de transmissão, atribuir os recursos de rádio e garantir o serviço aos usuários é essencial. Nesta dissertação, é proposto um algoritmo adaptativo de Monte Carlo para realizar alocação global de recursos de forma eficiente em termos de energia, para arquiteturas Heterogeneous Cloud Radio Access Network (H-CRAN), projetadas como futuras redes de quinta geração (5G). Uma solução eficiente para a alocação de recursos em cenários de alta e baixa densidade é proposta. Nossas contribuições são triplas: (i) proposta de uma abordagem global para o problema de atribuição de recursos de rádio na arquitetura HCRAN, cujo caráter estocástico garante uma amostragem geral de espaço de solução; (ii) uma comparação crítica entre nossa solução global e um modelo local; (iii) a demonstração de que, para cenários de alta densidade, a Eficiência Energética não é uma medida adequada para alocação eficiente, considerando a capacidade de transmissão, justiça e total de usuários atendidos. Além disso, a proposta é comparada em relação a três algoritmos de alocação de recursos de última geração para redes 5G. Up until 2020 it is expected that cellular networks must raise the coverage area in 10-fold, support a 100-fold more user equipments, and increase the data rate capacity by a 1000-fold in comparison with current cellular networks. The dense deployment of small cells is considered a promising solution to reach such aggressive improvements, once it moves the antennas closer to the users, achieving higher data rates due to the signal quality at short distances. However, operating a massive number of antennas can significantly increase the energy consumption of the network infrastructure. Furthermore, the large insertion of new radios brings greater spectral interference between the cells. In this scenery, the optimal management of radio resources turn an exaction due to the impact on the quality of service provided to the users. For example, low transmission powers can leave users without connection, while high transmission powers can contribute to inter radios interference. Furthermore, the interference can be raised on the unplanned reuse of the radio resources, resulting in low data transmission per radio resource, as the under-reuse of radio resources limits the overall data transmission capacity. A solution to control the transmission power, assign the spectral radio resources, and ensure the service to the users is essential. In this thesis, we propose an Adaptive Monte Carlo algorithm to perform global energy efficient resource allocation for Heterogeneous Cloud Radio Access Network (HCRAN) architectures, which are forecast as future fifth-generation (5G) networks. We argue that our global proposal offers an efficient solution to the resource allocation for both high and low density scenarios. Our contributions are threefold: (i) the proposal of a global approach to the radio resource assignment problem in H-CRAN architecture, whose stochastic character ensures an overall solution space sampling; (ii) a critical comparison between our global solution and a local model; (iii) the demonstration that, for high density scenarios, Energy Efficiency is not a well suited metric for efficient allocation, considering data rate capacity, fairness, and served users. Moreover, we compare our proposal against three state-of-the-art resource allocation algorithms for 5G networks. 2017-11-01T02:32:06Z 2017 info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis http://hdl.handle.net/10183/169922 001051145 eng info:eu-repo/semantics/openAccess application/pdf reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul instacron:UFRGS