Title: On machine learning-based channel feedback reduction in 4G/5G networks
Language: English
Authors: Homayouni, Samira 
Qualification level: Doctoral
Advisor: Rupp, Markus  
Assisting Advisor: Schwarz, Stefan  
Issue Date: 2020
Number of Pages: 124
Qualification level: Doctoral
Abstract: 
As mobile users increase in number, a major concern has to be devoted to the overhead ensued by all user connections. In the Fifth-generation and in all networks beyond, the traffic will be extremely dense and heterogeneous in various types. In particular, the broadband access in a dense area or a crowd can lead to a signaling surge which should be accounted for. Urban festivals, sports events,particularly the Olympics or FIFA World Cups games, sharpens the traffic load to mobile networks,since a large number of users compete to access the same radio resources concurrently. Driven by that, most mobile network operators are also affected by a daunting task of providing consistent and seamless user experience and numerous technologies are currently being investigated to evolve into the near future fifth-generation networks. Towards this end, finding a practical solution so as to segregate the explosion in signalling overhead is the main driver behind this dissertation, bearing in mind the practical constraints of real-life wireless networks.In this dissertation, a spatial wireless channel prediction method is proposed and evaluated,particularly in crowded environments, which aids to lessen the amount of feedback overhead. The base station makes its appropriate transmission settings with the help of location-awareness as location and communication are tightly coupled. However, this vision is based on the assumptions of the availability of location information with geo-tagged channel quality metrics which underpins a construction of a database and enables to predict the channel quality metrics at arbitrary locations and future times. The problem of channel quality metric prediction is addressed by exploiting an effective framework of a spatial regression tool from intelligent machine learning solutions. Namely, using a Gaussian process regression method which takes advantage of the macroscopic shadowing properties for which the observations at nearby locations in geographic space are similar and the similarity weakens as the distance increases. Based on this idea, the users who are closely-spaced are likely to experience similar correlated channels, and hence, the amount of feedback can drastically be alleviated by selecting only some representative users whose feedback is taken into account versus all. The performance assessment is conducted by considering more realistic system scenarios, including non-static users and multiple base stations. The strategy has to be carried out while certain performance bounds of the block errorratio is met as an indicator of the link quality. The biased channel quality estimation, aroused from the estimation error, impairs the rate and hence the performance of the system. An optimization of the proposed method is further discussed to counteract the unnecessary burden of impairments due to the estimation error. Finally, the effectiveness of the proposed method is assessed by quantifying the amount of feedback saving in percentage, which proves to build up the basis for upcoming network design strategies.

Mit zunehmender Anzahl mobiler Benutzer muss dem Overhead, der durch alle Benutzerverbindungen entsteht, grosse Sorgfalt gewidmet werden. Die fünfte Generation und alle darüber hinausgehenden Funknetze werden als verschiedenen Typen extrem dicht und heterogen sein. Insbesondere der Breitbandzugang in einem dichten Gebiet oder einer Menschenmenge kann zu einem Verkehrsanstieg führen, der berücksichtigt werden sollte. Städtische Festivals, Sportveranstaltungen, insbesondere die Olympischen Spiele oder die FIFA-Weltmeisterschaften, erhöhen die Verkehrsbelastung für Mobilfunknetze, da eine grosse Anzahl von Benutzern gleichzeitig um den Zugriff auf dieselben Funkressourcen konkurrieren. Aus diesem Grund stehen die meisten Mobilfunkbetreiber vor der Aufgabe eine konsistente Benutzerfahrung anzubieten. Derzeit werden zahlreiche Technologien untersucht,um sich in naher Zukunft zu Netzen der fünften Generation zu entwickeln. Zu diesem Zweckist die Suche nach einer praktischen Lösung zur Trennung der Explosion des Signalisierungsaufwands der Hauptgrund für diese Dissertation, wobei die praktischen Einschränkungen realer drahtloser Netzwerke zu berücksichtigen sind. In dieser Dissertation wird ein räumliches Verfahren zur Vorhersage drahtloser Kanäle vorgeschlagen und bewertet, insbesondere in überfüllten Umgebungen, das dazu beiträgt, den Rückkopplungsaufwand zu verringern. Die Basisstation nimmt mithilfe der Standorterkennung die entsprechenden Übertragungseinstellungen vor, da Standort und Kommunikation eng miteinander verbunden sind. Diese Vision basiert jedoch auf den Annahmen über die Verfügbarkeit von Standortinformationen mit geogetaggten Kanalqualitätsmetriken, die den Aufbau einer Datenbank unterstützen und die Vorhersage der Kanalqualitätsmetriken an beliebigen Orten und zu zukünftigen Zeiten ermöglichen. Das Problem der Vorhersage der Kanalqualitätsmetrik wird gelöst, indem ein effektiver Rahmen eines räumlichen Regressionswerkzeugs aus intelligenten Lösungen für maschinelles Lernen genutzt wird. Dafür wird eine Gaußsche Prozessregressionsmethode verwendet, welche die Vorteile der makroskopischen Schwundeigenschaften, dem sogenannten Shadowing, nutzt, der etwegen die Beobachtungen im nahen geografischen Raum ähnlich sind und diese Ähnlichkeit sich mitzunehmender Entfernung abschwächt. Basierend auf dieser Idee werden Benutzer, die eng beieinander stehen, wahrscheinlich ähnliche mehr oder weniger korrelierte Kanäle erleben, und daher kann die Menge an Feedback drastisch verringert werden, indem nur einige Benutzer ausgewählt werden, deren Feedback repräsentativ berücksichtigt wird. Die Leistungsbewertung wird unter Berücksichtigung realistischerer Systemszenarien durchgeführt, einschliesslich nicht statischer Benutzer und mehrerer Basisstationen. Die Strategie soll ausgeführt werden, während bestimmte Leistungsgrenzen des Blockfehlerverhältnisses als Indikator für die Verbindungsqualität eingehalten werden. Die vom Schätzfehler verfälschte Kanalqualitätsschätzung beeinträchtigt die Rate und damit die Leistung des Systems. Eine Optimierung des vorgeschlagenen Verfahrens wird weiter diskutiert, um der unnötigen Belastung durch Beeinträchtigungen aufgrund des Schätzfehlers entgegenzuwirken. Schliesslich wird die Wirksamkeit der vorgeschlagenen Methode durch Quantifizierung der prozentualen Rückkopplungsersparnis bewertet,was die Grundlage für bevorstehende Strategien für das Netzdesign bildet.
Keywords: LTE Lokalisierung 5G
LTE Localisation 5G
URI: https://doi.org/10.34726/hss.2020.79800
http://hdl.handle.net/20.500.12708/15365
DOI: 10.34726/hss.2020.79800
Library ID: AC15733607
Organisation: E389 - Telecommunications 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:

Show full item record

Page view(s)

32
checked on Jun 5, 2021

Download(s)

35
checked on Jun 5, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.