Coordination of Self-Organizing Network (SON) functions in next generation radio access networks
Coordination des fonctionnalités auto-organisantes (SON) dans les réseaux d'accès radio du futur
Résumé
To remain competitive operators have to continuously improve the capabilities of their networks. This increases the management complexity translating into increased CAPital EXpenditures (CAPEX) and OPerational EXpenditures (OPEX). Consequently Release 8 of 3GPP introduced the Self Organizing Network (SON) functions. For all these SON functions to work properly together (especially in a multi-vendor environment) we have to detect if they conflict and enforce a resolution mechanism if this is the case. For this purpose Release 10 of 3GPP introduced the SON COordinator (SONCO) function. In this thesis we provide two frameworks. The first one is for SON conflict diagnosis (SONCO-D). The SONCO-D has to be able to identify potential and active conflicts, i.e. which ones effectively degrade the network performance. For this purpose, we use Naive Bayesian Classifiers. The second framework is for SON conflict resolution (SONCO-R). Once a conflict is identified, a SONCO-R mechanism can be applied. It decides when to favor one SON function or another based on a predefined criterion. To this end, we use a Reinforcement Learning framework as it allows us to improve our decisions based on past experience. Throughout our work we consider the handover parameters to be established per cell (the same for all neighboring cells). We motivate this choice in a dedicated chapter.
Pour rester compétitifs les opérateurs de réseau doivent améliorer en permanence les capacités de leur réseau. Cela augmente la complexité de gestion qui se traduit par une augmentation des dépenses en capital (CAPEX) et des dépenses opérationnelles (OPEX). Le standard 3GPP a donc introduit dès la Release 8 les fonctions de réseau auto-organisantes (SON) qui automatisent les tâches de gestion et d’optimisation du réseau. Pour que toutes ces fonctions SON travaillent correctement ensemble (notamment dans un environnement multifournisseur), nous devons détecter si elles sont en conflit et appliquer un mécanisme de résolution si c’est le cas. Pour cela, la Release 10 du 3GPP a introduit la fonction de COordonnation des fonctions SON (SONCO). Dans cette thèse, nous nous intéressons aux deux fonctions principale de la coordination SON : la détection (SONCO-D) et la résolution (SONCO-R) de conflits. Le SONCO-D doit être en mesure d'identifier les conflits potentiels et de détecter ceux qui sont actifs, c’est-à-dire ceux qui dégradent effectivement la performance du réseau. Pour ce faire, nous utilisons un Classificateur Naïf Bayésien. Une fois que le conflit est identifié, un mécanisme SONCO-R peut être déclenché. Il peut donc décider de favoriser une fonction SON par rapport à une autre selon des critères prédéfinis. Comme nous considérons les fonctions SON comme des boites noires, nous utilisons une technique d’apprentissage par renforcement qui permet d'améliorer les décisions du SONCO-R en profitant de son expérience passée. Tout au long de notre travail, nous considérons que les paramètres de mobilité sont établis par cellule. Nous motivons ce choix dans un chapitre dédié.
Origine : Fichiers produits par l'(les) auteur(s)