Radio resource sharing optimisation for self-organized networks

Cette thèse s'intéresse aux problèmes d'allocations des ressources et de puissance dans les réseaux cellulaires de quatrième génération (4G). Pour faire face à la demande continuellement croissante en débit des utilisateurs mobiles, les opérateurs n'ont d'autre choix que de densifier leurs infrastructures d'accès au réseau radio (RAN), afin de maximiser l'utilisation de la bande passante disponible dans l'espace. Un des défis de cette nouvelle architecture est la coexistence de nombreuses cellules voisines et la gestion des interférences co-canal qu'elles génèrent entre elles. De telles contraintes ont amené la communauté scientifique à s'intéresser aux réseaux auto-organisés et auto-optimisés (SON), qui permettent aux réseaux de s'optimiser localement via des décisions décentralisées (sans planification statique). L'intérêt principal de tels réseaux est le passage à l'échelle des algorithmes distribués et la possibilité de s'adapter dynamiquement à de nouveaux environnements. Dans cette optique, nous proposons l'étude de deux problèmes d'allocation de ressources. La première partie de cette thèse se concentre sur l'optimisation de l'usage des ressources, dans un contexte de transmission coordonnée par plusieurs stations de base (CoMP). Les performances de la coordination de stations de base sont évaluées, selon le critère de capacité uniforme, ainsi que le compromis entre l'efficacité spectrale et l'équité entre les utilisateurs. Nous proposons également une méthode généralisée et distribuée de sélection de l'ensemble de stations en coopération, afin d'optimiser le compromis efficacité-équité. Dans une seconde partie, nous nous intéressons à l'optimisation de l'allocation des ressources et de puissance, dans le but de minimiser la consommation électrique du réseau. Nous présentons deux algorithmes dont les décisions sont décentralisées. Le premier est basé sur une optimisation stochastique (via l'échantillonneur de Gibbs) et permet une optimisation globale du système. Le second quant à lui est basé sur l'adaptation de la théorie du contrôle et utilise des modèles prédictifs et la poursuite de cibles pour allouer les ressources et les puissances dans un contexte de canaux et d'interférences dynamiques. Dans de nombreux cas, plusieurs objectifs concurrents sont à considérer pour évaluer les performances d'un réseau (capacité totale, équité, consommation électrique, etc.). Dans le cadre de cette thèse, nous nous efforçons à présenter les résultats sous la forme de compromis multi-objectifs.This thesis focuses on resources and power allocation problem in the fourth generation (4G) of cellular networks. To face the continuous growth of mobile users capacity requirements, operators need to densify their radio access network (RAN) infrastructure, to maximize the use of the available bandwidth in space. One of the major issues of this new architecture is the proximity of many base stations (BS) and the management of the interference they generate on each other's cell. Such constraints makes scientific community focus on Self-Optimized, Self-Organized Networks (SON) that allow network elements to optimize them-selves through decentralized decisions (no static network planning is required). A major interest of SON is their capability to scale to large and non-organized networks, as well as being able to adapt them-selves dynamically, by using distributed algorithms. In this context, this thesis proposes the study of two resource allocation problems. The first part of this thesis focuses on the optimisation of resource sharing, in the context of coordinated multi-points transmissions (CoMP). Performances of BS coordination are evaluated, using the uniform capacity criterion, as well as the trade-off between total capacity and fairness among users. We also propose a generalized and distributed method to select the set of coordination of BS, to optimize the capacity-fairness trade-off. In the second part of this thesis, we focus on optimizing the transmit power and resource allocation, in order to reduce electric consumption. We present two distributed algorithms: the first one is based on a stochastic optimisation (using Gibbs sampling), and tries to reach the global optimum state through decentralized decision. The second one is based on control theory, and uses target tracking as well as model predictive control to allocate resources and power in a dynamic channel scenario. In many cases, trade-offs are to be maid between opposite objectives when evaluating network performances (total throughput, fairness, energy consumption, etc.). In this thesis, we present most of the network performances using multi-objectives evaluations