Optimisation automatique des paramètres RRM des réseaux LTE en utilisant l'apprentissage statistique

The mobile telecommunication industry has experienced a very rapid growth in the recent past. This has resulted in significant technological and architectural evolution in the wireless networks. The expansion and the heterogenity of these networks have made their operational cost more and more important. Typical faults in these networks may be related to equipment breakdown and inappropriate planning and configuration. In this context, automated troubleshooting in wireless networks receives a growing importance, aiming at reducing the operational cost and providing high-quality services for the end-users. Automated troubleshooting can reduce service breakdown time for the clients, resulting in the decrease in client switchover to competing network operators. The Radio Access Network (RAN) of a wireless network constitutes its biggest part. Hence, the automated troubleshooting of RAN of the wireless networks is very important. The troubleshooting comprises the isolation of the faulty cells (fault detection), identifying the causes of the fault (fault diagnosis) and the proposal and deployement of the healing action (solution deployement). First of all, in this thesis, the previous work related to the troubleshooting of the wireless networks has been explored. It turns out that the fault detection and the diagnosis of wireless networks have been well studied in the scientific literature. Surprisingly, no significant references for the research work related to the automated healing of wireless networks have been reported. Thus, the aim of this thesis is to describe my research advances on "Automated healing of LTE wireless networks using statistical learning". We focus on the faults related to Radio Resource Management (RRM) parameters. This thesis explores the use of statistical learning for the automated healing process. In this context, the effectiveness of statistical learning for automated RRM has been investigated. This is achieved by modeling the functional relationships between the RRM parameters and Key Performance Indicators (KPIs). A generic automated RRM architecture has been proposed. This generic architecture has been used to study the application of statistical learning approach to auto-tuning and performance monitoring of the wireless networks. The use of statistical learning in the automated healing of wireless networks introduces two important diculties: Firstly, the KPI measurements obtained from the network are noisy, hence this noise can partially mask the actual behaviour of KPIs. Secondly, these automated healing algorithms are iterative. After each iteration the network performance is typically evaluated over the duration of a day with new network parameter settings. Hence, the iterative algorithms should achieve their QoS objective in a minimum number of iterations. Automated healing methodology developped in this thesis, based on statistical modeling, addresses these two issues. The automated healing algorithms developped are computationaly light and converge in a few number of iterations. This enables the implemenation of these algorithms in the Operation and Maintenance Center (OMC) in the off-line mode. The automated healing methodolgy has been applied to 3G Long Term Evolution (LTE) use cases for healing the mobility and intereference mitigation parameter settings. It has been observed that our healing objective is achieved in a few number of iterations. An automated healing process using the sequential optimization of interference mitigation and packet scheduling parameters has also been investigated. The incorporation of the a priori knowledge into the automated healing process, further reduces the number of iterations required for automated healing. Furthermore, the automated healing process becomes more robust, hence, more feasible and practical for the implementation in the wireless networks.Le secteur des télécommunications mobiles a connu une croissance très rapide dans un passé récent avec pour résultat d'importantes évolutions technologiques et architecturales des réseaux sans fil. L'expansion et l'hétérogénéité de ces réseaux ont engendré des coûts de fonctionnement de plus en plus importants. Les dysfonctionnements typiques de ces réseaux ont souvent pour origines des pannes d'équipements ainsi que de mauvaises planifications et/ou configurations. Dans ce contexte, le dépannage automatisé des réseaux sans fil peut s'avérer d'une importance particulière visant à réduire les coûts opérationnels et à fournir une bonne qualité de service aux utilisateurs. Le dépannage automatisé des pannes survenant sur les réseaux sans fil peuvent ainsi conduire à une réduction du temps d'interruption de service pour les clients, permettant ainsi d'éviter l'orientation de ces derniers vers les opérateurs concurrents. Le RAN (Radio Access Network) d'un réseau sans fil constitue sa plus grande partie. Par conséquent, le dépannage automatisé des réseaux d'accès radio des réseaux sans fil est très important. Ce dépannage comprend la détection des dysfonctionnements, l'identification des causes des pannes (diagnostic) et la proposition d'actions correctives (déploiement de la solution). Tout d'abord, dans cette thèse, les travaux antérieurs liés au dépannage automatisé des réseaux sans-fil ont été explorés. Il s'avère que la détection et le diagnostic des incidents impactant les réseaux sans-fil ont déjà bien été étudiés dans les productions scientifiques traitant de ces sujets. Mais étonnamment, aucune référence significative sur des travaux de recherche liés aux résolutions automatisées des pannes des réseaux sans fil n'a été rapportée. Ainsi, l'objectif de cette thèse est de présenter mes travaux de recherche sur la " résolution automatisée des dysfonctionnements des réseaux sans fil LTE (Long Term Evolution) à partir d'une approche statistique ". Les dysfonctionnements liés aux paramètres RRM (Radio Resource Management) seront particulièrement étudiés. Cette thèse décrit l'utilisation des données statistiques pour l'automatisation du processus de résolution des problèmes survenant sur les réseaux sans fil. Dans ce but, l'efficacité de l'approche statistique destinée à l'automatisation de la résolution des incidents liés aux paramètres RRM a été étudiée. Ce résultat est obtenu par la modélisation des relations fonctionnelles existantes entre les paramètres RRM et les indicateurs de performance ou KPI (Key Performance Indicator). Une architecture générique automatisée pour RRM 8 a été proposée. Cette dernière a été utilisée afin d'étudier l'utilisation de l'approche statistique dans le paramétrage automatique et le suivi des performances des réseaux sans fil. L'utilisation de l'approche statistique dans la résolution automatique des dysfonctionnements des réseaux sans fil présente deux contraintes majeures. Premièrement, les mesures de KPI obtenues à partir du réseau peuvent contenir des erreurs qui peuvent partiellement masquer le comportement réel des indicateurs de performance. Deuxièmement, ces algorithmes automatisés sont itératifs. Ainsi, après chaque itération, la performance du réseau est généralement évaluée sur la durée d'une journée avec les nouveaux paramètres réseau implémentés. Les algorithmes itératifs devraient donc atteindre leurs objectifs de qualité de service dans un nombre minimum d'itérations. La méthodologie automatisée de diagnostic et de résolution développée dans cette thèse, basée sur la modélisation statistique, prend en compte ces deux difficultés. Ces algorithmes de la résolution automatisé nécessitent peu de calculs et convergent vers un petit nombre d'itérations ce qui permet leur implémentation à l'OMC (Operation and Maintenace Center). La méthodologie a été appliquée à des cas pratiques sur réseau LTE dans le but de résoudre des problématiques liées à la mobilité et aux interférences. Il est ainsi apparu que l'objectif de correction de ces dysfonctionnements a été atteint au bout d'un petit nombre d'itérations. Un processus de résolution automatisé utilisant l'optimisation séquentielle des paramètres d'atténuation des interférences et de packet scheduling a également été étudié. L'incorporation de la "connaissance a priori" dans le processus de résolution automatisé réduit d'avantage le nombre d'itérations nécessaires à l'automatisation du processus. En outre, le processus automatisé de résolution devient plus robuste, et donc, plus simple et plus pratique à mettre en œuvre dans les réseaux sans fil