Resource allocation and scheduling in 5th generation networks - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Resource allocation and scheduling in 5th generation networks

Allocation de ressources et ordonnancement dans les réseaux de 5ème génération

Résumé

The increasing number of wireless network users and the diversification of their usage call for an evolution of the resource management methods. This thesis is based on 5G resource allocation techniques. In regular wireless networks, cells are managed independently. In this context, we propose a resource allocation algorithm with the aim of fairly guaranteeing the best service to users. When the cell charge is low enough to guarantee a sufficient quality of service, the algorithm redirects dynamically its priorities towards energy saving. This behavior allows to obtain an efficient compromise between capacity and energy consumption at different charge levels. In order to extend network capacity, the adding of new cells allows to broaden the available bandwidth and to reduce the distance induced signal attenuation. We present an algorithm of user repartition in a multi-cell context, which intervenes before the resource allocation stage. A user can be covered by several cells using different frequencies, thus its repartition will have strong repercussions on the cell charge balance and on the general quality of service in the system. The maximal number of cells in a sector is limited by its geographical environment. The Massive-MIMO allows to increase the cell functionalities while allowing a better energy directivity, and thus adding the spatial component to the resource allocation. We propose a new indicator evaluating the spatial compatibility of users based on past allocations. Once integrated in an allocation algorithm, it takes advantage of the superior capacities of Massive-MIMO.
L'augmentation du nombre d'utilisateurs des réseaux sans-fil et la diversification de leurs usages amène à faire évoluer les méthodes de gestion des ressources. Cette thèse porte sur les techniques d'allocation des ressources dans les réseaux de 5G. Dans le contexte des systèmes classiques de réseaux sans-fil, nous proposons un algorithme d'allocation de ressources dont l'objectif est de garantir équitablement le meilleur service aux utilisateurs. Lorsque la charge de la cellule est suffisamment faible pour garantir un service suffisant, l'algorithme réoriente dynamiquement ses priorités vers l'économie d'énergie. Ce comportement permet un compromis efficace entre la capacité et la consommation énergétique à différents niveaux de charge. Afin d'étendre la capacité des réseaux, l'ajout de nouvelles cellules permet d'élargir la bande passante et de réduire l'atténuation du signal liée à la distance. Nous présentons un algorithme de répartition des utilisateurs dans un contexte multi-cellulaire qui intervient avant l'étape d'allocation de ressources. Cette répartition aura de fortes répercussions sur l'équilibre des charges des cellules et sur la qualité de service générale du système. Le nombre de cellules dans un secteur est limité par sa géographie. Le Massive-MIMO permet d'accroître les fonctionnalités des cellules en permettant une directivité de l’énergie et ainsi ajoute la composante spatiale à l'allocation de ressources. Nous proposons un nouvel indicateur de compatibilité spatiale des utilisateurs en se basant sur les allocations passées. Une fois intégré dans un algorithme d'allocation, il profite des capacités supérieures du Massive-MIMO.
Fichier principal
Vignette du fichier
MANINI_Malo.pdf (2.46 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03223084 , version 1 (10-05-2021)

Identifiants

  • HAL Id : tel-03223084 , version 1

Citer

Malo Manini. Resource allocation and scheduling in 5th generation networks. Networking and Internet Architecture [cs.NI]. Université Rennes 1, 2021. English. ⟨NNT : 2021REN1S003⟩. ⟨tel-03223084⟩
233 Consultations
424 Téléchargements

Partager

Gmail Facebook X LinkedIn More