In a multihop cellular network, mobile terminals have the capability to transmit directly to other mobile terminals enabling them to use other terminals as relays to forward traffic towards the base station. Previous studies of networks consisting of a single cell found that the SINR in a multihop cellular network is slightly lower than in a traditional cellular network. However, multihop cellular networks may have a higher capacity than traditional cellular networks due to their potential for lower intercell interference. For this reason, the effects of intercell interference are investigated in this thesis. Our simulations of a network with many cells show that multihop cellular networks have a higher SINR than traditional cellular networks due to the near elimination of intercell interference. However, multihop cellular networks still suffer from large amounts of interference surrounding the base station because all traffic either emanates or is destined to the base station making it the capacity bottleneck. To resolve this problem, we propose a novel architecture called the autonomous infrastructure multihop cellular network where users can connect their mobile terminals to the backbone network giving them the functionality of an access point. Access points receive traffic from other terminals and send it directly onto the backbone, as would a base station. This reduces the traffic handled by the base station and increases network capacity. Our analysis and simulations show that in autonomous infrastructure multihop cellular networks, the SINR at the base station is higher, the power consumption is lower and the coverage is better than in normal multihop cellular networks. Access points require parameters like their transmission range to be adjusted autonomously to optimal levels. In this thesis, we propose an autonomous pilot power protocol. Our results show that by adjusting a parameter within the protocol, a required coverage level of terminals can be specified and achieved without knowledge of the location or density of mobile terminals. Furthermore, we show that the protocol determines the transmission range that is optimal in terms of SINR and power consumption that achieves the required coverage while effectively eliminating the bottleneck that existed at the base station.

Η διπλωματική εργασία υλοποιεί και προσομοιώνει αλγόριθμο για τη βέλτιστη διαχείριση φορητών συσκευών σε ετερογενή ασύρματα δίκτυα. Στο πρώτο κεφάλαιο γίνεται μια εισαγωγή στις γενικές αρχές των Κυτταρικών Συστημάτων Κινητών Επικοινωνιών παρουσιάζοντας την βασική ιδέα των διαφόρων γενιών κινητών επικοινωνιών. Στο δεύτερο κεφάλαιο αναλύονται τα συστήματα τρίτης γενιάς – 3G. Στο τρίτο κεφάλαιο αναφέρονται τα τεχνικά χαρακτηριστικά, τα πλεονεκτήματα και οι σχέσεις της πλατφόρμας TETRA. Στο τέταρτο κεφάλαιο περιγράφεται το σύστημα και οι λειτουργίες του TETRAPOL καθώς και τα πλεονεκτήματα και οι υπηρεσίες που προσφέρει αυτό. Στο 5ο κεφάλαιο αναλύονται τα συστατικά οι υπηρεσίες και οι λειτουργίες του iDen. Στο κεφάλαιο 6 γίνεται μια αναφορά στο πρωτόκολλο WiMax. Στα κεφάλαια 7 & 8 παρουσιάζονται ο αλγόριθμος της διαχείρισης συσκευών και η εξομοίωσή του σε MATLAB. / -

Récemment, il y a eu une hausse massive du trafic dans les réseaux mobiles à cause de nouveaux services et applications. Les architectures actuelles des réseaux cellulaires ne sont plus capables de gérer de façon satisfaisante ce trafic. Les Réseaux de Petites Cellules (RPC), basées sur un déploiement dense de stations de bases portables, autoorganisantes et efficaces en termes d’énergie apparait comme une solution prometteuse à ce problème. Les RPC augmentent la capacité du réseau, réduisent sa consommation énergétique et améliorent sa couverture. Par contre, elles posent des défis importants en termes de design optimal. Dans cette thèse, des aspects liés au design cellulaire et à l’allocation de ressources dans les RPC sont traités. La thèse se compose de deux parties. Dans la première partie, le design cellulaire est étudié : une population statique d’utilisateurs est considérée, et la taille optimale de cellule maximisant le débit spatial est donnée en fonction du modèle de récepteur, des conditions radio et des partitions indoor/outdoor. En considérant des utilisateurs mobiles, la taille de cellule optimale est étudiée afin de minimiser le temps de service, et minimiser le blocage et la déconnexion en cours de communication, en fonction de la vitesse des utilisateurs et du type de trafic. Le problème de placement des stations de base optimal est traité en fonction de différents critères de qualité (maximisation de débit total, équité proportionnelle, minimisation de délai, équité max-min) pour différentes distributions d’utilisateurs et partitions de cellules. Le problème de scaling de capacité dans un RPC limité par l’interférence avec pré-codage est étudié, et la quantité optimale d’antennes par utilisateurs en fonction de l’interférence inter-cellules est dérivée. Dans le cadre d’un réseau “green”, pour une charge du réseau donnée, on étudie les politiques optimales en boucle ouverte, afin de maximiser soit une fonction coût du système (contrôle centralisé) soit des fonctions de coût de chacune des stations de base (contrôle distribué). Dans la seconde partie, nous étudions l’allocation de ressources, nous introduisons les concepts de d’équité T-échelle et équité multi-échelle. Ces concepts permettent de distribuer les ressources équitablement pour les différentes classes de trafic. Ces concepts sont illustrés par des applications au partage de spectre et à l’allocation de ressources dans les femto-cellules indoor/outdoor. L’allocation de puissance pour satisfaire les demandes de trafic des utilisateurs avec un grand nombre d’interféreurs est une tâche difficile. Ce problème est abordé, et nous proposons un algorithme universel qui converge vers une configuration de puissance optimale qui satisfait les demandes des utilisateurs dans toutes les stations de base. Les performances de l’algorithme sont illustrées pour différentes configurations du système et différents niveaux de coopération entre les stations de base. / An ever increasing demand for mobile broadband applications and services is leading to a massive network densification. The current cellular system architectures are both economically and ecologically limited to handle this. The concept of small-cell networks (SCNs) based on the idea of dense deployment of self-organizing; low-cost, low-power base station (BSs) is a promising alternative. Although SCNs have the potential to significantly increase the capacity and coverage of cellular networks while reducing their energy consumption, they pose many new challenges to the optimal system design. Due to small cell sizes, the mobile users cross over many cells during the course of their service resulting in frequent handovers. Also, due to proximity of BSs, users (especially those at cell edges) experience a higher degree of interference from neighboring BSs. If one has to derive advantages from SCNs, these alleviated effects have to be taken care either by compromising on some aspects of optimality (like dedicating extra resources) or by innovating smarter algorithms or by a combination of the two. The concept of umbrella cells is introduced to take care of frequent handovers. Here extra resources are dedicated to ensure that the calls are not dropped within an umbrella cell. To manage interference, one might have to ensure that the neighboring cells always operate in independent channels or design algorithms which work well in interference dominant scenarios or use the backhaul to incorporate BS cooperation techniques. Further, small cell BS are most often battery operated, which calls for efficient power utilization and energy conservation techniques. Also, when deployed in urban areas, some of the small cells can have larger concentration of users throughout the cell, for example, hot-spots, which call in for design of SCNs with dense users. Also, with portable BSs, one has the choice to install them on street infrastructure or within residential complexes. In such cases, cell design and resource allocation has to consider aspects like user density, distribution (indoor/outdoor), mobility, attenuation, etc. We present the thesis in two parts. In the first part we study the cell design aspects, while the second part deals with the resource allocation. While the focus is on SCNs, some of the results derived and the tools and techniques used are also applicable to conventional cellular systems.

Les futures applications sans fil anticipent une explosion de la pléthore de cas d'utilisation et de services, qui ne peut être soutenue par des améliorations incrémentielles des schémas de communication existants. Pour cela, deux axes de recherche sont particulièrement intéressants: la densification du réseau à l'aide de petites cellules et la communication par ondes millimétriques (ondes millimétriques). Dans cette thèse, nous modélisons et évaluons des réseaux cellulaires constitués de petites cellules à ondes millimétriques utilisant la technique d'accès multi-radio (RAT) déployées au-dessus de la macro-architecture existante. Premièrement, nous modélisons mathématiquement un déploiement homogène de petites cellules multi-RAT et caractérisons les performances de l'utilisateur et du réseau en termes de probabilité de couverture signal sur brouillage plus rapport de bruit (SINR), de débit descendant et de probabilité de surcharge de cellule. Ensuite, nous étudions l'association des utilisateurs à différents niveaux et la sélection optimale de différents RAT, de manière à optimiser ces mesures de performance. En règle générale, les modèles de réseau cellulaire qui supposent des déploiements homogènes de petites cellules ne tiennent pas compte des nuances des caractéristiques de blocage urbain. Pour résoudre ce problème, nous modélisons les emplacements de petites cellules le long des routes d'une ville, puis nous prenons en compte les blocages de signaux dus à la construction d'immeubles ou au déplacement de véhicules sur les routes. Sur ce réseau, nous supposons que l’opérateur prend en charge trois types de services v.i.z., les communications ultra-fiables à faible temps de latence (URLLC), les communications massives de type machine (mMTC) et le haut débit mobile amélioré (eMBB) avec des besoins différents. En conséquence, nous étudions la sélection optimale de RAT pour ces services avec divers blocages de véhicules. Enfin, sur la base du modèle de déploiement sur route de petites cellules à ondes millimétriques, nous étudions un réseau conçu pour prendre en charge simultanément des services de positionnement et de données. Nous caractérisons la précision du positionnement en fonction des limites de la localisation, puis étudions des stratégies optimales de partitionnement des ressources et de sélection de la largeur de faisceau afin de répondre à diverses exigences de positionnement et de débit de données. / Future wireless applications anticipate an explosion in the plethora of use-cases and services, which cannot be sustained by incremental improvements on the existing communication schemes. For this, two research directions are particularly attractive: network densification using small cells and millimeter wave (mm-wave) wave communications. In this thesis, we model and evaluate cellular networks consisting of multi-radio access technique (RAT) mm-wave small cells deployed on top of the legacy macro-architecture. First, we mathematically model a homogeneous deployment of multi-RAT small cells and characterize the user and network performance in terms of signal to interference plus noise ratio (SINR) coverage probability, downlink throughput, and the cell overloading probability. Then, we study users association to different tiers and optimal selection of different RATs, so as to optimize these performance metrics. Generally, cellular network models that assume homogeneous deployments of small cells fail to take into account the nuances of urban blockage characteristics. To address this, we model the small cell locations along the roads of a city, and subsequently, we take into consideration the signal blockages due to buildings or moving vehicles on the roads. In this network, we assume that the operator supports three types of services v.i.z., ultra-reliable low-latency communications (URLLC), massive machine-type communications (mMTC), and enhanced mobile broadband (eMBB) with different requirements. Consequently, we study the optimal RAT selection for these services with varying vehicular blockages. Finally, based on the on-road deployment model of mm-wave small cells, we study a network designed to support positioning and data services simultaneously. We characterize the positioning accuracy based on the localization bounds and then study optimal resource partitioning and beamwidth selection strategies to address varied positioning and data-rate requirements.

<div>Cellular networks are an indispensable part of a nation's critical infrastructure. They not only support functionality that are critical for our society as a whole (e.g., business, public-safety message dissemination) but also positively impact us at a more personal level by enabling applications that often improve our quality of life (e.g., navigation). Due to deployment constraints and backward compatibility issues, the various cellular protocol versions were not designed and deployed with a strong security and privacy focus. Because of their ubiquitous presence for connecting billions of users and use for critical applications, cellular networks are, however, lucrative attack targets of motivated and resourceful adversaries. </div><div><br></div><div></div><div>In this dissertation, we investigate the security and privacy of 4G LTE and 5G protocol designs and deployments. More precisely, we systematically identify design weaknesses and implementation oversights affecting the critical operations of the networks, and also design countermeasures to mitigate the identified vulnerabilities and attacks. Towards this goal, we developed a systematic model-based testing framework called LTEInspector. LTEInspector can be used to not only identify protocol design weaknesses but also deployment oversights. LTEInspector leverages the combined reasoning capabilities of a symbolic model checker and a cryptographic protocol verifier by combining them in a lazy fashion. We instantiated \system with three critical procedures (i.e., attach, detach, and paging) of 4G LTE. Our analysis uncovered 10 new exploitable vulnerabilities along with 9 prior attacks of 4G LTE all of which have been verified in a real testbed. Since identifying all classes of attacks with a unique framework like \system is nearly impossible, we show that it is possible to identify sophisticated security and privacy attacks by devising techniques specifically tailored for a particular protocol and by leveraging the findings of LTEInspector. As a case study, we analyzed the paging protocol of 4G LTE and the current version of 5G, and observed that by leveraging the findings from LTEInspector and other side-channel information and by using a probabilistic reasoning technique it is possible to mount sophisticated privacy attacks that can expose a victim device's coarse-grained location information and sensitive identifiers when the adversary is equipped only with the victim's phone number or other soft-identity (e.g., social networking profile). An analysis of LTEInspector's findings shows that the absence of broadcast authentication enables an adversary to mount a wide plethora of security and privacy attacks. We thus develop an attack-agnostic generic countermeasure that provides broadcast authentication without violating any common-sense deployment constraints. Finally, we design a practical countermeasure for mitigating the side-channel attacks in the paging procedure without breaking the backward compatibility.</div>

Cette thèse explore le caching proactif, l'un des principaux paradigmes des réseaux cellulaires 5G utilisé en particulier le déploiement des réseaux à petites cellules (RPCs). Doté de capacités de prévisions en combinaison avec les récents développements dans le stockage, la sensibilité au contexte et les réseaux sociaux, le caching distribué permet de réduire considérablement les pics de trafic dans la demande des utilisateurs en servant de manière proactive ces derniers en fonction de leurs demandes potentielles, et en stockant les contenus à la fois dans les stations de base et dans les terminaux des utilisateurs. Pour montrer la faisabilité des techniques de caching proactif, nous abordons le problème sous deux angles différents, à savoir théorique et pratique.Dans la première partie de cette thèse, nous utiliserons des outils de géométrie stochastique pour modéliser et analyser les gains théoriques résultant du stockage dans les stations de base. Nous nous focalisons en particulier sur 1-) les réseaux ``niveau-simple" dans lesquels de petites stations de base ayant une capacité de stockage limitée, 2-) Réseaux ``niveau-multiples" avec un backbone à capacité limitée et 3-) Les réseaux ``niveau-multiples groupés" à deux topologies différentes: déploiements en fonction de la couverture et en fonction de la capacité. Nous y caractérisons les gains de stockage en termes de débit moyen fourni et de délai moyen, puis nous montrons différents compromis en fonction du nombre de stations de base, de la taille de stockage, du facteur de popularité des contenus et du débit des contenus ciblés. Dans la seconde partie de la thèse, nous nous focalisons à une approche pratique du caching proactif et nous focalisons sur l'estimation du facteur de popularité des contenus et les aspects algorithmiques. En particulier, 1-) nous établissons dans un premier lieu les gains du caching proactif à la fois au niveau des stations de base qu'au niveau des terminaux utilisateurs, en utilisant des outils récents d'apprentissage automatique exploitant le transfert des communications appareil-à-appareil (AàA); 2-) nous proposons une approche d'apprentissage sur la base de la richesse des informations transmises entre terminaux (que nous désignons par domaine source) dans le but d'avoir une meilleure estimation de la popularité des différents contenus et des contenus à stocker de manière stratégique dans les stations de base (que nous désignons par domaine cible); 3-) Enfin, pour l'estimation de la popularité des contenus en pratique, nous collectons des données de trafic d'usagers mobiles d'un opérateur de télécommunications sur plusieurs de ses stations de base pendant un certain nombre d'observations. Cette grande quantité de données entre dans le cadre du traitement ``Big Data" et nécessite l'utilisation de nouveaux mécanismes d'apprentissage automatique adaptés à ces grandes masses de données. A ce titre, nous proposons une architecture parallélisée dans laquelle l'estimation de la popularité des contenus et celle du stockage stratégique au niveau des stations de base sont faites simultanément. Nos résultats et analyses fournissent des visions clés pour le déploiement du stockage de contenus dans les petites stations de base, l'une des solutions les plus prometteuses des réseaux cellulaires mobiles hétérogènes 5G. / This thesis explores one of the key enablers of 5G wireless networks leveraging small cell network deployments, namely proactive caching. Endowed with predictive capabilities and harnessing recent developments in storage, context-awareness and social networks, peak traffic demands can be substantially reduced by proactively serving predictable user demands, via caching at base stations and users' devices. In order to show the effectiveness of proactive caching techniques, we tackle the problem from two different perspectives, namely theoretical and practical ones.In the first part of this thesis, we use tools from stochastic geometry to model and analyse the theoretical gains of caching at base stations. In particular, we focus on 1) single-tier networks where small base stations with limited storage are deployed, 2) multi-tier networks with limited backhaul, and) multi-tier clustered networks with two different topologies, namely coverage-aided and capacity-aided deployments. Therein, we characterize the gains of caching in terms of average delivery rate and mean delay, and show several trade-offs as a function of the number of base stations, storage size, content popularity behaviour and target content bitrate. In the second part of the thesis, we take a more practical approach of proactive caching and focus on content popularity estimation and algorithmic aspects. In particular: 1) We first investigate the gains of proactive caching both at base stations and user terminals, by exploiting recent tools from machine learning and enabling social-network aware device-to-device (D2D) communications; 2) we propose a transfer learning approach by exploiting the rich contextual information extracted from D2D interactions (referred to as source domain) in order to better estimate the content popularity and cache strategic contents at the base stations (referred to as target domain); 3) finally, to estimate the content popularity in practice, we collect users' real mobile traffic data from a telecom operator from several base stations in hours of time interval. This amount of large data falls into the framework of big data and requires novel machine learning mechanisms to handle. Therein, we propose a parallelized architecture in which content popularity estimation from this data and caching at the base stations are done simultaneously.Our results and analysis provide key insights into the deployment of cache-enabled small base stations, which are seen as a promising solution for 5G heterogeneous cellular networks.

Cette thèse porte sur la construction des algorithmes distribués pour l’optimisation de la production et du partage de ressources au sein d’un réseau de large dimension. Notamment, on se concentre sur les réseaux électriques et les réseaux cellulaires 5G. On considère dans le cas des réseaux électriques le problème OPF (Optimal Power Flow) dans lequel on vise à faire la gestion et l’optimisation de la production de l’énergie électrique d’une manière distribuée. On se concentre sur une version linéarisée du problème, la DC-OPF (Direct-Current Optimal Power Flow). Comme le problème d’optimisation est convexe dans ce cas, on vise à minimiser le coût de production de l’énergie tout en respectant les limites des lignes de transmission et les contraintes caractéristiques du système. Dans le cas des réseaux cellulaires, on formule un problème de Caching. On a pour but de réduire l’utilisation du backhaul liant les stations de base et le contrôleur du réseau. Les stations de base sont équipées d’une capacité de stockage limitée. Ils visent à trouver d’une manière optimale les fichiers à stocker dans le but de réduire une certaine fonction de coût sur l’utilisation du backhaul et sur le partage des fichiers avec les autres stations de base. L’approche adoptée dans cette thèse consiste à appliquer l’ADMM (Alternating Direction Method of Multipliers), une méthode d’optimisation de manière itérative, à un problème d’optimisation que l’on a préalablement reformulée de façon adéquate. Ce problème permet à la fois de décrire le DC-OPF et le problème de Caching. On démontre la convergence de cette méthode quand elle est appliquée noeud par noeudd’une manière totalement distribuée. Ainsi que dans le cas où le réseau est divisé en plusieurs zones. Ces zones peuvent se chevaucher mais aussi elles peuvent être séparées ou indépendantes. De plus, dans le contexte d’un réseau à zones, on démontre que l’application de l’ADMM d’une manière aléatoire par une seule zone converge aussi vers la solution optimale du problème. / This thesis focuses on the construction of distributed algorithms for optimizing resource production in a large interconnected system. In particular, it focuses on power grid and 5G cellular networks. In the case of power grid networks, we consider the OPF (Optimal Power Flow) problem in which one seeks to manage and optimize the production of electrical energy in a distributed manner. We focus on a linearized version of the problem, the DC-OPF (Direct- Current Optimal Power Flow) problem. This optimization problem is convex; the aim is to minimize the cost of energy generation while respecting the limits of the transmission line and the power flow constraints. In the case of 5G cellular networks, we formulate a caching problem. We aim to offload the backhaul link usage connecting the small bases stations (SBSs) to the central scheduler (CS). The SBSs are equipped with a limited storage capacity. We seek to find the optimal way to store files so as to reduce the cost on the use of backhaul and sharing files with other SBSs. The approach adopted in this thesis is to apply the ADMM (Alternating Direction Method of Multipliers), an optimization method that is applied iteratively, to an optimization problem that we adequately formulated previously. This problem can both describe the DC-OPF problem and the Caching problem. We prove the convergence of the method when applied node by node in a fully distributed manner. Additionally, we prove its convergence in the case where the network is divided into multiple areas or nations that may or may not overlap. Furthermore, in the context of a network with multiple areas, we show that the application of ADMM in a random manner by a single randomly chosen area also converges to the optimal solution of the problem.

5G est prévu pour s'attaquer, en plus d'une augmentation considérable du volume de trafic, la tâche de connecter des milliards d'appareils avec des exigences de service hétérogènes. Afin de relever les défis de la 5G, nous préconisons une utilisation plus efficace des informations disponibles, avec plus de sensibilisation par rapport aux services et aux utilisateurs, et une expansion de l'intelligence du RAN. En particulier, nous nous concentrons sur deux activateurs clés de la 5G, à savoir le MIMO massif et la mise en cache proactive. Dans le troisième chapitre, nous nous concentrons sur la problématique de l'acquisition de CSI dans MIMO massif en TDD. Pour ce faire, nous proposons de nouveaux schémas de regroupement spatial tels que, dans chaque groupe, une couverture maximale de la base spatiale du signal avec un chevauchement minimal entre les signatures spatiales des utilisateurs est obtenue. Ce dernier permet d'augmenter la densité de connexion tout en améliorant l'efficacité spectrale. MIMO massif en TDD est également au centre du quatrième chapitre. Dans ce cas, en se basant sur les différents taux de vieillissement des canaux sans fil, la périodicité d'estimation de CSI est supplémentaire. Nous le faisons en proposant un exploité comme un degré de liberté supplémentaire. Nous le faisons en proposant une adaptation dynamique de la trame TDD en fonction des temps de cohérence des canaux hétérogènes. Les stations de bases MIMO massif sont capables d'apprendre la meilleure politique d’estimation sur le uplink pour de longues périodes. Comme les changements de canaux résultent principalement de la mobilité de l'appareil, la connaissance de l'emplacement est également incluse dans le processus d'apprentissage. Le problème de planification qui en a résulté a été modélisé comme un POMDP à deux échelles temporelles et des algorithmes efficaces à faible complexité ont été fournis pour le résoudre. Le cinquième chapitre met l'accent sur la mise en cache proactive. Nous nous concentrons sur l'amélioration de l'efficacité énergétique des réseaux dotes de mise en cache en exploitant la corrélation dans les modèles de trafic en plus de la répartition spatiale des demandes. Nous proposons un cadre qui établit un compromis optimal entre la complexité et la véracité dans la modélisation du comportement des utilisateurs grâce à la classification adaptative basée sur la popularité du contenu. Il simplifie également le problème du placement de contenu, ce qui se traduit par un cadre d'allocation de contenu rapidement adaptable et économe en énergie. / 5G is envisioned to tackle, in addition to a considerable increase in traffic volume, the task of connecting billions of devices with heterogeneous service requirements. In order to address the challenges of 5G, we advocate a more efficient use of the available information, with more service and user awareness, and an expansion of the RAN intelligence. In particular, we focus on two key enablers of 5G, namely massive MIMO and proactive caching. In the third chapter, we focus on addressing the bottleneck of CSI acquisition in TDD Massive MIMO. In order to do so, we propose novel spatial grouping schemes such that, in each group, maximum coverage of the signal’s spatial basis with minimum overlapping between user spatial signatures is achieved. The latter enables to increase connection density while improving spectral efficiency. TDD Massive MIMO is also the focus of the fourth chapter. Therein, based on the different rates of wireless channels aging, CSI estimation periodicity is exploited as an additional DoF. We do so by proposing a dynamic adaptation of the TDD frame based on the heterogeneous channels coherence times. The Massive MIMO BSs are enabled to learn the best uplink training policy for long periods. Since channel changes result primarily from device mobility, location awareness is also included in the learning process. The resulting planning problem was modeled as a two-time scale POMDP and efficient low complexity algorithms were provided to solve it. The fifth chapter focuses on proactive caching. We focus on improving the energy efficiency of cache-enabled networks by exploiting the correlation in traffic patterns in addition to the spatial repartition of requests. We propose a framework that strikes the optimal trade-off between complexity and truthfulness in user behavior modeling through adaptive content popularity-based clustering. It also simplifies the problem of content placement, which results in a rapidly adaptable and energy efficient content allocation framework.

A significant fraction of data traffic is transmitted via cellular networks. When introducing fifth-generation (5G) radio access technology, the maximum bitrate of the radio link increases significantly, and the delay is lowered. Network congestion occurs when the sender attempts to send data at a higher rate than the network link or nodes can handle. In order to improve the performance of the mobile networks, many congestion control techniques and approaches have been developed over the years. Varying radio conditions in mobile networks make it challenging to indicate the occurrence of the congestion using packet loss as congestion indicator. This master thesis develops a congestion control algorithm based on Artificial Intelligence (AI) technologies, evaluates and compares it with existing state-of-the-art congestion control algorithms that are used with TCP today.In this study, we use the abundant readable physical layer information exchanged between the base stations and the user equipment to predict the available bandwidth. Two neural network models, Multi-Layer Perceptron (MLP) and Long Short-Term Memory (LSTM), are introduced as congestion control algorithms based on cross-layer information in order to improve user throughput and utilize the available capacity as much as possible.Evaluation in a Long-Term Evolution (LTE) network system simulator confirms that the estimation of LSTM model is able to track the varying link capacity, while MLP is less accurate and induces higher delay. The sender uses the estimated link capacity to adjust its packet sending behavior. Our evaluation reveals that for large flows, the LSTM model can attain higher throughput than state-of-the-art congestion control algorithms, which are the Google Bottleneck Bandwidth and Round-trip propagation time (BBR) algorithm and the Data Center TCP (DCTCP) algorithm. However, it has higher latency than that of these two algorithms. The MLP based model provides unstable performance compared to LSTM; its prediction is not accurate enough and has the highest latency among the algorithms.In conclusion, the LSTM does not underperform the state-of-the-art congestion control algorithms. However, it does not provide additional performance gains in current settings. The MLP model underperforms BBR and DCTCP with L4S and it is not stable enough to be used as a congestion control algorithms. / En betydande del av datatrafiken överförs via mobilnät. Vid introduktion av femte generationens (5G) radioåtkomstteknik ökar den maximala bithastigheten för radiolänken betydligt och förseningen sänks. Nätstockning uppstår när avsändaren försöker skicka data med högre hastighet än nätverkslänken eller noderna kan hantera. För att förbättra prestandan i mobilnät har många tekniker för trängselkontroll utvecklats under åren. Varierande radioförhållanden i mobilnätet gör det utmanande att indikera förekomsten av trängseln med hjälp av paketförlust som trängselindikator. Detta examensarbete utvecklar en trängselkontrollalgoritm baserad på AI-teknik (Artificial Intelligence), utvärderar och jämför den med befintliga toppmoderna trängselkontrollalgoritmer som används med TCP idag.I denna studie använder vi den rikliga läsbara informationen om fysiskt lager som utbyts mellan basstationerna och användarutrustningen för att förutsäga den tillgängliga bandbredden. Två neurala nätverksmodeller, Multi-Layer Perceptron (MLP) och Long Short-Term Memory (LSTM), introduceras som trängselkontrollalgoritmer baserade på tvärskiktsinformation för att förbättra användarens genomströmning och utnyttja den tillgängliga kapaciteten så mycket som möjligt.Utvärdering i en LTE-nätverkssystemsimulator (Long Term Evolution) bekräftar att uppskattningen av LSTM-modellen kan spåra den varierande länkkapaciteten, medan MLP är mindre exakt och inducerar högre fördröjning. Avsändaren använder den uppskattade länkkapaciteten för att justera sitt paketets sändningsbeteende. Vår utvärdering avslöjar att för stora flöden kan LSTM-modellen uppnå högre genomströmning än modernaste trängselkontrollalgoritmer, som är Google Bottleneck Bandbredd och BBR-algoritm och Data Center TCP (DCTCP) ) algoritm. Men det har högre latens än för dessa två algoritmer. Den MLP-baserade modellen ger instabil prestanda jämfört med LSTM; dess förutsägelse är inte nog noggrann och har den högsta latensen bland algoritmerna.Sammanfattningsvis underpresterar LSTM inte de senaste toppkontrollalgoritmerna. Det ger emellertid inte ytterligare prestationsvinster i de aktuella inställningarna. MLP-modellen underpresterar BBR och DCTCP med L4S och den är inte tillräckligt stabil för att användas som en överbelastningskontrollalgoritm.

Over recent years, wireless communication systems have been experiencing a dramatic and continuous growth in the number of subscribers, thus placing extra demands on system capacity. At the same time, keeping Quality of Service (QoS) at an acceptable level is a critical concern and a challenge to the wireless network designer. In this sense, performance analysis must be the first step in designing or improving a network. Thus, powerful mathematical tools for analysing most of the performance metrics in the network are required. A good modelling and analysis of the wireless cellular networks will lead to a high level of QoS. In this thesis, different analytical models of various handoff schemes and resource re-allocation in homogeneous and heterogeneous wireless cellular networks are developed and investigated. The sustained increase in users and the request for advanced services are some of the key motivations for considering the designing of Hierarchical Cellular Networks (HCN). In this type of system, calls can be blocked in a microcell flow over to an overlay macrocell. Microcells in the HCN can be replaced by WLANs as this can provide high bandwidth and its users have limited mobility features. Efficient sharing of resources between wireless cellular networks and WLANs will improve the capacity as well as QoS metrics. This thesis first presents an analytical model for priority handoff mechanisms, where new calls and handoff calls are captured by two different traffic arrival processes, respectively. Using this analytical model, the optimised number of channels assigned to II handover calls, with the aim of minimising the drop probability under given network scenarios, has been investigated. Also, an analytical model of a network containing two cells has been developed to measure the different performance parameters for each of the cells in the network, as well as altogether as one network system. Secondly, a new solution is proposed to manage the bandwidth and re-allocate it in a proper way to maintain the QoS for all types of calls. Thirdly, performance models for microcells and macrocells in hierarchical cellular networks have been developed by using a combination of different handoff schemes. Finally, the microcell in HCN is replaced by WLANs and a prioritised vertical handoff scheme in an integrated UMTS/WLAN network has been developed. Simulation experiments have been conducted to validate the accuracy of these analytical models. The models have then been used to investigate the performance of the networks under different scenarios.