Loading...
Publication
User equipment throughput enhancement using base station cooperation with particle swarm optimisation in 5G
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 6.39 MB | Adobe PDF |
Authors
Abstract(s)
Abstract
In cellular mobile networks, user’s throughput should always be improved in order to perform their intended actions on the network. This can arise from multiple reasons, whether a user is in a location that is hard to reach by the radio network, has high levels of interference, or even a special case in which a specific user needs this improvement. Any of these circumstances may result in an undergoing call dropping, data connection bit rate reduction, or some data exchange that can’t be completed, which could negatively impact the user experience. To prevent or minimize these situations, there are several beam management and interference coordination techniques, which require communication between base stations, meaning base station cooperation, and some kind of decision-making algorithms. This thesis proposes an AI solution to enhance user throughput using a particle swarm optimisation algorithm to make the necessary adjustments and decisions. The cooperation will make use of the antenna’s ability to move both horizontally and vertically, in an attempt to decrease cross-sector interference and enhance the signal to noise ratio received by any given user, while maintaining satisfactory service levels for the other remaining users. To setup the algorithm, the affected base stations must have a key performance indicator (KPI) that represents the average network quality and/or minimum network requirements. From several possible network parameters, the signal-to-interference-plus-noise ratio (SINR) was chosen as it represents a comprehensive metric reflecting key aspects crucial for network performance. It considers both the desired received signal strength and interfering factors, and not only quantifies the quality of received signals, but also offers important insights into evaluating quality of service (QoS), resulting in an improved user experience. Furthermore, a higher SINR value allows users to achieve higher data rates, which maximizes network capacity and directly contributes to the overarching objective of improving average user throughput. Therefore, using a particle swarm optimisation algorithm and the data provided by base stations, it will be feasible to enhance UE throughput while preserving the overall network quality. The results obtained showed SINR improvements up to 28.9 % and, consequently, a throughput enhancement of 25.6 %.
Em redes móveis celulares, a taxa de transferência de dados dos utilizadores deve ser sempre melhorada para que possam realizar as suas ações pretendidas na rede. Isto pode ocorrer por várias razões, seja um utilizador estar numa localização de difícil acesso para a rede, ter altos níveis de interferência, ou até mesmo um caso especial em que um utilizador específico necessite dessa melhoria. Qualquer uma destas circunstâncias pode resultar em queda de chamadas em curso, redução da taxa de bits da ligação ou alguma troca de dados que não pode ser completada, o que pode impactar negativamente a experiência do utilizador. Para prevenir ou minimizar estas situações, existem várias técnicas de gestão de feixes e coordenação de interferência, que requerem comunicação entre estações base, ou seja, cooperação entre estações base, e algum tipo de algoritmo para a tomada de decisões. Esta tese propõe uma solução de IA para melhorar a taxa de transferência de dados do utilizador utilizando um algoritmo de otimização por enxame de partículas para fazer os ajustes e decisões necessárias. A cooperação fará uso da capacidade das antenas de se moverem tanto horizontal como verticalmente, numa tentativa de diminuir a interferência entre sectores e melhorar a relação sinal-ruído recebida por qualquer utilizador, enquanto mantém níveis de serviço satisfatórios para os restantes utilizadores. Para configurar o algoritmo, as estações base afetadas devem ter um indicador-chave de desempenho (KPI) que represente a qualidade média da rede e/ou os requisitos mínimos da rede. De vários parâmetros de rede possíveis, a relação sinal-interferência-mais-ruído (SINR) foi escolhida por representar uma métrica abrangente que reflete aspetos cruciais para o desempenho da rede. Considera tanto a potência do sinal recebido desejado como os fatores de interferência, e não só quantifica a qualidade dos sinais recebidos, mas também oferece perceções importantes para avaliar a qualidade de serviço (QoS), resultando numa experiência de utilizador melhorada. Além disso, um valor mais alto de SINR permite que os utilizadores alcancem taxas de dados mais altas, o que maximiza a capacidade da rede e contribui diretamente para o objetivo geral de melhorar a taxa de transferência média dos utilizadores. Portanto, através do uso de um algoritmo de otimização por enxame de partículas e dos dados fornecidos pelas estações base, será possível melhorar a taxa de transferência de dados dos utilizadores enquanto preserva a qualidade geral da rede. Os resultados obtidos mostraram melhorias na SINR de até 28.9 % e, consequentemente, um aumento na taxa de transferência de 25.6 %.
Em redes móveis celulares, a taxa de transferência de dados dos utilizadores deve ser sempre melhorada para que possam realizar as suas ações pretendidas na rede. Isto pode ocorrer por várias razões, seja um utilizador estar numa localização de difícil acesso para a rede, ter altos níveis de interferência, ou até mesmo um caso especial em que um utilizador específico necessite dessa melhoria. Qualquer uma destas circunstâncias pode resultar em queda de chamadas em curso, redução da taxa de bits da ligação ou alguma troca de dados que não pode ser completada, o que pode impactar negativamente a experiência do utilizador. Para prevenir ou minimizar estas situações, existem várias técnicas de gestão de feixes e coordenação de interferência, que requerem comunicação entre estações base, ou seja, cooperação entre estações base, e algum tipo de algoritmo para a tomada de decisões. Esta tese propõe uma solução de IA para melhorar a taxa de transferência de dados do utilizador utilizando um algoritmo de otimização por enxame de partículas para fazer os ajustes e decisões necessárias. A cooperação fará uso da capacidade das antenas de se moverem tanto horizontal como verticalmente, numa tentativa de diminuir a interferência entre sectores e melhorar a relação sinal-ruído recebida por qualquer utilizador, enquanto mantém níveis de serviço satisfatórios para os restantes utilizadores. Para configurar o algoritmo, as estações base afetadas devem ter um indicador-chave de desempenho (KPI) que represente a qualidade média da rede e/ou os requisitos mínimos da rede. De vários parâmetros de rede possíveis, a relação sinal-interferência-mais-ruído (SINR) foi escolhida por representar uma métrica abrangente que reflete aspetos cruciais para o desempenho da rede. Considera tanto a potência do sinal recebido desejado como os fatores de interferência, e não só quantifica a qualidade dos sinais recebidos, mas também oferece perceções importantes para avaliar a qualidade de serviço (QoS), resultando numa experiência de utilizador melhorada. Além disso, um valor mais alto de SINR permite que os utilizadores alcancem taxas de dados mais altas, o que maximiza a capacidade da rede e contribui diretamente para o objetivo geral de melhorar a taxa de transferência média dos utilizadores. Portanto, através do uso de um algoritmo de otimização por enxame de partículas e dos dados fornecidos pelas estações base, será possível melhorar a taxa de transferência de dados dos utilizadores enquanto preserva a qualidade geral da rede. Os resultados obtidos mostraram melhorias na SINR de até 28.9 % e, consequentemente, um aumento na taxa de transferência de 25.6 %.
Description
Dissertação para obtenção do grau de Mestre em Engenharia de Eletrónica e Telecomunicações
Keywords
Throughput enhancement Base station cooperation Artificial intelligence Particle swarm optimisation Melhoria da taxa de transferência Cooperação entre estações base Inteligência artificial Otimização por enxame de partículas