Managing control information in autonomic wireless networking

Abstract As mobile Internet access traffic continues to grow at an explosive rate and wireless networks continue to diverge into multiple access technologies with partly overlapping sets of features, new solutions for efficient use of these networks are vital. Cognitive network management provides tools to tackle this challenge by automatically learning from past experience the characteristics and usage patterns of the connected devices, thus enabling autonomic optimization of those connections. Cognitive network management requires a vast amount of information in order to function effectively, making collaboration of the networked devices essential as the best sources of information are scattered throughout the network. This makes efficient information dissemination one of the key enablers for autonomic networking. This dissertation studies managing control information related to autonomic selection of access networks and adapting services in a heterogeneous wireless network environment. It presents a solution to simple and efficient information dissemination in the form of Distributed Decision Engine— a CEP-like system enabling the building of a highly scalable and dynamic messaging system enabling dissemination, analysis and control of the complex series of interrelated events in the network. The dissertation also presents results showing a clear benefit in using cross-layer and cross-domain information in a modern wireless environment and validates the final prototype implementation of DDE with laboratory measurements. Effective use of disseminated cross-layer information is another key element in autonomic wireless networking. This dissertation also focuses on intelligent decision-making based on cross-layer information by presenting test results which attest that the performance of an autonomic wireless networking system can be improved by using cognitive techniques in its management algorithms, and that hierarchy and coordination can be utilized to minimize the effect of conflicting decisions of the system.Tiivistelmä Mobiilin Internet-liikenteen räjähdysmäinen kasvu ja langattomien verkkojen jatkuva jakautuminen useisiin tekniikoihin vaativat uusia ratkaisuja näiden verkkojen tehokkaaseen käyttöön. Kognitiivinen verkon hallinta mahdollistaa oppimisen, minkä avulla laitteiden yhteyksiä voidaan optimoida autonomisesti aiemman kokemuksen perusteella. Tällainen optimointi vaatii kuitenkin valtavan määrän verkosta ja laitteista kerättyä tietoa, mikä tekee tehokkaasta tiedonjakelusta keskeisen elementin autonomisessa verkon hallinnassa. Tässä väitöskirjassa tutkitaan verkon valintaan ja palveluiden sopeuttamiseen vaadittavan tiedon välittämistä ja hallintaa autonomisissa langattomissa verkoissa. Ratkaisuna yksinkertaiseen ja tehokkaaseen tiedonvälitykseen esitellään hajautettu Distributed Decision Engine -komponentti, joka mahdollistaa skaalautuvan tiedon jakelu-, analysointi- ja hallintajärjestelmän rakentamisen. Lisäksi väitöskirjassa kuvataan myös tuloksia, jotka osoittavat, että verkkokerrosten välisen tiedon käyttämisellä voidaan saavuttaa selvää etua, sekä tuloksia, jotka vahvistavat DDE-prototyyppitoteutuksen toimivuuden laboratoriomittauksin. Verkkokerrosten välisen tiedon tehokas hyödyntäminen on toinen keskeinen tekijä autonomisessa langattomien verkkojen hallinnassa. Väitöskirjassa käsitellään myös älykästä päätöksentekoa kyseisen informaation pohjalta sekä esitellään tuloksia, jotka osoittavat, että päätöksentekoa autonomisessa langattomien verkkojen hallinnassa voidaan parantaa kognitiivisilla tekniikoilla. Lisäksi esitetyt tulokset osoittavat, että hierarkialla sekä koordinoinnilla voidaan minimoida ristiriitaisten päätösten vaikutukset järjestelmään