Allocation de ressources et ordonnancement dans les réseaux de 5ème génération

Resource allocation and scheduling in 5th generation networks

• Auteur / Autrice : Malo Manini
• Direction : Xavier Lagrange
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 28/01/2021
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Institut de recherche en informatique et systèmes aléatoires (Rennes) - ADOPNET
• Jury : Président / Présidente : Marceau Coupechoux
• Jury : Examinateurs / Examinatrices : Marceau Coupechoux, Nadjib Ait Saadi, Abderrezak Rachedi, Cédric Guéguen, Rodolphe Legouable
• Jury : Rapporteurs / Rapporteuses : Lila Boukhatem

Mots clés

Mots clés contrôlés

Qualité de Service (télécommunications)

Systèmes de communication sans fil

Technologie 5G

Mots clés libres

Allocation de ressources

Réseau sans-Fil

MU-MIMO

5G

QoS

Resource allocation

Wireless network

MU-MIMO

5G

QoS

Résumé

L'augmentation du nombre d'utilisateurs des réseaux sans-fil et la diversification de leurs usages amène à faire évoluer les méthodes de gestion des ressources. Cette thèse porte sur les techniques d'allocation des ressources dans les réseaux de 5G. Dans le contexte des systèmes classiques de réseaux sans-fil, nous proposons un algorithme d'allocation de ressources dont l'objectif est de garantir équitablement le meilleur service aux utilisateurs. Lorsque la charge de la cellule est suffisamment faible pour garantir un service suffisant, l'algorithme réoriente dynamiquement ses priorités vers l'économie d'énergie. Ce comportement permet un compromis efficace entre la capacité et la consommation énergétique à différents niveaux de charge. Afin d'étendre la capacité des réseaux, l'ajout de nouvelles cellules permet d'élargir la bande passante et de réduire l'atténuation du signal liée à la distance. Nous présentons un algorithme de répartition des utilisateurs dans un contexte multi-cellulaire qui intervient avant l'étape d'allocation de ressources. Cette répartition aura de fortes répercussions sur l'équilibre des charges des cellules et sur la qualité de service générale du système. Le nombre de cellules dans un secteur est limité par sa géographie. Le Massive-MIMO permet d'accroître les fonctionnalités des cellules en permettant une directivité de l’énergie et ainsi ajoute la composante spatiale à l'allocation de ressources. Nous proposons un nouvel indicateur de compatibilité spatiale des utilisateurs en se basant sur les allocations passées. Une fois intégré dans un algorithme d'allocation, il profite des capacités supérieures du Massive-MIMO.

The increasing number of wireless network users and the diversification of their usage call for an evolution of the resource management methods. This thesis is based on 5G resource allocation techniques. In regular wireless networks, cells are managed independently. In this context, we propose a resource allocation algorithm with the aim of fairly guaranteeing the best service to users. When the cell charge is low enough to guarantee a sufficient quality of service, the algorithm redirects dynamically its priorities towards energy saving. This behavior allows to obtain an efficient compromise between capacity and energy consumption at different charge levels. In order to extend network capacity, the adding of new cells allows to broaden the available bandwidth and to reduce the distance induced signal attenuation. We present an algorithm of user repartition in a multi-cell context, which intervenes before the resource allocation stage. A user can be covered by several cells using different frequencies, thus its repartition will have strong repercussions on the cell charge balance and on the general quality of service in the system. The maximal number of cells in a sector is limited by its geographical environment. The Massive-MIMO allows to increase the cell functionalities while allowing a better energy directivity, and thus adding the spatial component to the resource allocation. We propose a new indicator evaluating the spatial compatibility of users based on past allocations. Once integrated in an allocation algorithm, it takes advantage of the superior capacities of Massive-MIMO.