Abstract
The explosive growth in mobile Internet and related services has increased the need for more bandwidth in cellular networks. The Long-Term Evolution (LTE) technology is an attractive solution for operators and subscribers to meet such need since it provides high data rates and scalable bandwidth. Radio Resource Management (RRM) is essential for LTE to provide better communication quality and meet the application QoS requirements. Cognitive resource management is a promising solution for LTE RRM as it improves network efficiency by exploiting radio environment information, intelligent optimization algorithms to configure transmission parameters, and mitigate interference. In this paper, we propose a cognitive resource management scheme to adapt LTE network parameters to the environment conditions. The scheme optimizes resource blocks assignment, modulation selection and bandwidth selection to maximize throughput and minimize interference. The scheme uses constrained optimization for throughput maximization and interference control. It is also enhanced by learning mechanism to reduce the optimization complexity and improve the decision-making quality. Our evaluation results show that our scheme achieved significant improvements in throughput and LTE system capacity. Results also show the improvement in the user satisfaction over other techniques in LTE RRM
چکیده
رشد فزاینده ی اینترنت سیار و سرویس های مرتبط، نیاز به پهنای باند بیشتر در شبکه های سلولی را زیادتر کرده است. فناوری تکامل بلند مدت (LTE)، که با فراهم نمودن نرخ داده ی بالای و پهنای باند مقیاس پذیر، راه حل مناسبی برای اپراتورها و مشترکان به حساب می آید، در راستای برآورده کردن چنین نیازی است. مدیریت منابع رادیویی (RRM) برای LTE ضروری به نظر می آید، زیرا کیفیت مخابراتی (ارتباطی) بهتری را فراهم ساخته و پاسخگوی نیازمندی های QoS است. از آن جا که مدیریت منابع شناختی، بهره وری شبکه را با استفاده از اطلاعات محیط رادیویی، الگوریتم های بهینه سازی هوشمند، جهتِ پیکربندی پارامترهای انتقال و کاهش تداخل، بهبود می بخشد، راه حل امیدوار کننده ای برای LTE RRM است، در این مقاله، یک طرح مدیریت منابع شناختی را ارائه می کنیم، که پارامترهای شبکه ی LTE را با شرایط محیط، تطبیق می دهد. این طرح، تخصیص بلوک های منبع، انتخاب مدولاسیون و پهنای باند را به منظور بیشنه سازی توان عملیاتی (خروجی) و حداقل نمودن تداخل، بهینه می کند. این طرح از بهینه سازی مقید (محدود شده)، جهتِ بیشینه سازی خروجی و کنترل تداخل، استفاده می کند. همچنین از طریق یک مکانیزم یادگیری جهت کاهش پیچیدگی بهینه سازی و افزایش کیفیت تصمیم گیری، بهبود یافته است. نتایج ارزیابی های ما نشان می دهند که این طرح، به بهبودهای قابل توجهی در خروجی (توان عملیاتی) و ظرفیت سیستم LTE دست یافته است. همچنین نتایج، گویایِ بهبود در میزان رضایتمندی کاربر، نسبت به دیگر روش های LTE RRM است.
کلمات کلیدی : شبکه های LTE، پارامترهای انتقال، تصمیم گیری، مدیریت منابع رادیویی، رادیو شناختی
1- مقدمه
ارتباطات دیجیتال از راه دور تلفن همراه، بازارهای انبوهی را با گسترش قابل توجهی در خدمات داده، افزایش تعداد کاربران تلفن همراه، ارائه دهندگان شبکه و همچنین ناهمگونی شبکه، به دست گرفته اند. LTE، نرخ های داده ای بالا، 100 مگابیت در ثانیه، downlink، و 50 مگابیت در ثانیه، uplink را وعده می دهد. همچنین پهنای باند مقیاس پذیری را بین 25/1 و 20 مگاهرتز، پشتیبانی می کند. 3GPP استانداردی است که قابلیت های خودسازماندهی و خودبهینه سازیِ شبکه های LTE را مدیریت می کند. مشخصه ی دستیابی جهانی رادیوی زمینی متکامل (E-UTRA) هنوز هم از طریق 3GPP در حال توسعه است ]1[، ]2[. 3GPP که 8، LTE را منتشر می کند، در حال حاضر به یک استاندارد تجاری، تبدیل، و در بسیاری از کشورها مستقر شده است. LTE در باندهای فرکانسی مختلف با تواناییِ پشتیبانی از پهناهای باند مختلف عمل می کند...