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

Network layer optimization for next generation heterogeneous networks.

• Auteur / Autrice : Nikolaos Sapountzis
• Direction : Thrasyvoulos Spyropoulos
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Réseaux
• Date : Soutenance le 14/12/2016
• Etablissement(s) : Paris, ENST
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Institut EURECOM (Sophia-Antipolis, Alpes-Maritimes)
• Jury : Président / Présidente : Christian Bonnet
• Jury : Examinateurs / Examinatrices : Umer Salim, Navid Nikaein, Walid Dabbous, Tommy Svensson
• Jury : Rapporteur / Rapporteuse : Albert Banchs, Christos Verikoukis

Mots clés

Mots clés contrôlés

5G (téléphonie mobile)

Mots clés libres

HetNets

Topologie backhaul

Duplex par séparation temporelle

Efficacité énergétique

Optimisation

Répartition de charge

HetNets

Backhaul topology

Time Division Duplexing, TDD

Energy efficiency

Optimization

Load balancing

Résumé

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 et IoT, et (ii) du RAN. 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. 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 (iii) dans notre cadre: des contraintes de capacité de liaison de backhaul dans des topologies génériques. Enfin, nous considérons le problème de l'allocation TDD dans les réseaux d'accès et de backhaul.

By 2016, it is well-known that mobile networking has dominated our lives. We use our mobile cell phones for almost everything: from social networking to streaming, finding accommodation or banking. Nevertheless, it seems that operators have not understood yet this domination, since their networks consist of nodes that: (i) suffer from enormous load fluctuations, (ii) waste their resources, and (iii) are blamed to be a major energy-killer worldwide. Such shortcomings hurt: load-balancing, spectral and energy efficiency, respectively. The goal of this dissertation is to carefully study these efficiencies and achieve a good trade-off between them for future mobile 5G heterogeneous networks (HetNets). Towards this direction, we firstly focus on (i) the user and traffic differentiation, emerging from the MTC and IoT applications, and (ii) the RAN. Specifically, we perform appropriate modeling, performance analysis and optimization for a family of objectives, using tools mostly coming from (non) convex optimization, probability and queueing theory. Our initial consideration is on network-layer optimizations (e.g. studying the user association problem). Then, we analytically show that cross-layer optimization is key for the success of future HetNets, as one needs to jointly study other problems coming from the layers below (e.g. the TDD allocation problem from the MAC, or the cross-interference management from the PHY) to avoid performance degradation. Finally, we add the backhaul network into our framework, and consider additional constraints related to the backhaul capacity, backhaul topology, as well as the problem of backhaul TDD allocation.