Las redes inal´ambricas actuales exhiben caracter´ısticas heterog´eneas de acceso m´ultiple mediante el despliegue, la coexistencia y la cooperaci´on de varias Tecnolog ´ıas de Acceso Radio (RAT2). En este escenario, la prestaci´on de servicios multimedia garantizando una cierta calidad de servicio (QoS3) es obligatoria. El objetivo global de las redes heterog´eneas de acceso inal´ambrico consiste en sustentar la realizaci´on del concepto ABC (del ingl´es Always Best Connected), en el que un usuario est´a siempre conectado a la RAT que mejor satisface sus necesidades de servicio en cualquier momento, en cualquier lugar, de cualquier modo. En este sentido, las estrat´egias de gesti´on de recursos radio comunes [del ingl´es, Common Radio Resource Management (CRRM)] se dise˜nan para proporcionar una utilizaci´on eficiente de los recursos radio y de espectro radioel´ectrico dentro de la red heterog´enea, ofreciendo un mejor rendimiento en comparaci´on con la realizaci´on independiente de RRM en cada RAT. Adem´as, los recursos de espectro asignados a cada una de las RATs deben ser utilizado de manera eficiente, ya que se trata de un recurso escaso y costoso. En este sentido, conceptos y metodolog´ıas de radio cognitiva (del ingl´es Cognitive Radio o CR) se han aplicado a la gesti´on del espectro, permitiendo una compartici´on dinamico-oportunista del mismo. En estos casos, el espectro sujeto a licencia se abre hacia el acceso de usuarios sin licencia siempre que no perjudiquen y que el funcionamiento libre de interferencias est´e garantizado. Esta tesis analiza estrategias de gesti´on de recursos radio y de espectro para ofrecer un uso mayor y eficiente de los escasos recursos radio y de espectro con el objetivo final de aumentar al m´aximo la capacidad de usuario, garantizando los requerimientos de QoS. En concreto, estas tesis se centra primero en como seleccionar una RAT al inicio de una llamada/sesi´on (en adelante, selecci´on inicial de RAT) en una red de acceso heterog´enea. Un modelo de Markov ha sido desarrollado para definir la asignaci´on de m´ultiples servicios (multi-servicio) en m´ultiples RATs (multi-acceso). En este marco, varias pol´ıticas de selecci´on de RAT son propuestas y evaluadas, gen´ericamente clasific´andose en pol´ıticas basadas en servicio (SB4) y basadas en balanceo de carga (LB5). Adem´as, el rendimiento de las pol´ıticas de selecci´on de RATs en escenarios de acceso limitado debido a la deficiente cobertura radio, la falta de disponibilidad de terminales multi-modo y la incompatibilidad entre RAT y servicios tambi´en es evaluada. Principios espec´ıficos para la asignaci´on de servicios a RATs ser´an provistos en los escenarios antes mencionados con el objetivo general de aumentar la capacidad de usuarios, garantizando los requisitos m´ınimos de calidad de servicio. Finalmente, la congesti´on en el acceso radio tambi´en se trata en este escenario multi-acceso/multi-servicio y el impacto de la selecci´on de RAT evaluado. Los principios para la asignaci´on inicial de RAT con tal de evitar la congesti´on radio ser´an tambi´en proporcionados. En segundo lugar, esta tesis investiga sobre la forma de maximizar el uso eficiente del espectro sujeto a licencia (o licenciado) por medio del acceso din´amicooportunista de espectro a usuarios sin licencia. En este sentido, se concibe un modelo de Markov para captar el problema del uso compartido de espectro entre usuarios con y sin licencia. Un modelo basado en sensado de espectro se propone con el fin de detectar porciones de espectro no utilizados (en ingl´es white spaces) que pueden ser usados por los usuarios sin licencia mientras este siga libre. En este marco, los beneficios obtenidos de la compartici´on del espectro son investigados y las ventajas que implican evaluadas. En concreto, se eval´ua el rendimiento obtenido al ajustar el punto de funcionamiento (en ingl´es operating point ) del mecanismo de sensado, el cual determina los errores de no-detecci´on y falsa-alarma. Por otra parte, sistemas de canalizaci´on de espectro fijos versus adaptativos ser´an propuestos y analizados bajo dos disciplinas de servicio diferentes, cuya duraci´on (o tiempo de permanencia en el sistema) esta basada en tiempo y en contenido respectivamente. / Current wireless networks exhibit heterogeneous multi-access features by means of the coexisting and cooperative deployment of several Radio Access Technologies (RATs). In this scenario, the provision of multimedia services with ensured Quality of Service (QoS) is mandatory. The overall goal of heterogeneous wireless access networks is to enable the realization of the Always Best Connected concept in which a user is seamlessly connected to the RAT best suiting its service requirements anytime, anywhere, anyhow. In this sense, Common Radio Resource Management (CRRM) strategies are devoted to provide an efficient utilization of radio resources within the heterogeneous network offering improved performances as opposed to performing stand-alone RRM in each RAT. In addition, allocated spectrum resources to each RAT must be efficiently utilized since it is a scarce and expensive resource. In this respect, cognitive radio concepts and methodologies have been applied to spectrum management by enabling dynamic/opportunistic spectrum sharing. In these scenarios, licensed spectrum is opened towards unlicensed access provided a non-harmful operation is guaranteed. This dissertation discusses both radio resource and spectrum management strategies to provide an utmost and efficient use of scarce radio/spectrum resources with the overall goal of maximizing user capacity while guaranteeing QoS constraints.Specifically, the thesis is first focused on how to select an appropriate RAT upon call/session initiation (henceforth, initial RAT selection) in a heterogeneous access network. A Markovian framework is developed to such extent supporting the allocation of multiple service-type users (multi-service) on multiple RATs (multi-access). Under this framework, several RAT selection policies are proposed and evaluated, broadly categorized into service-based (SB) and load-balancing (LB). In addition, the performance of RAT selection policies in access-limited scenarios due to poor radio coverage, non multi-mode terminal availability and RAT-service incompatibility is also evaluated. Specific guiding principles for the allocation of services on several RATs are provided in the abovementioned scenarios with the overall goal of increasing user capacity while guaranteeing minimum QoS requirements. Finally, radio access congestion is also addressed in this multi-access/multi-service scenario and the impact RAT selection assessed. Suitable allocation principles avoiding congestion are also provided.Secondly, this dissertation investigates on how to efficiently maximize the use of licensed spectrum by means of dynamic/opportunistic unlicensed spectrum access. Hereof, a Markovian framework is also devised to capture the problem of licensed spectrum sharing towards unlicensed users. A sensing-based spectrum awareness model is proposed in order to detect unused spectrum (so-called white spaces) which may be accessed by unlicensed users while remaining unused. Under this framework, the benefits of spectrum sharing are investigated and the involved gains assessed. Specifically, the sensing-throughput tradeoff and the adjustment of the sensing mechanism’s operating point, which tradeoffs missed-detection and false-alarm errors, is evaluated. Moreover, fixed vs. adaptive spectrum channelization schemes are proposed and analyzed under two different service disciplines considering time-based and volume-based content delivery.

Pour faire face à la croissance rapide du trafic mobile, différentes technologies d'accès radio (par exemple, HSPA, LTE, WiFi, et WiMAX) sont intégrées et gérées conjointement. Dans ce contexte, la sélection de TAR est une fonction clé pour améliorer les performances du réseau et l'expérience de l'utilisateur. Elle consiste à décider quelle TAR est la plus appropriée aux mobiles. Quand l'intelligence est poussée à la périphérie du réseau, les mobiles décident de manière autonome de leur meilleur TAR. Ils cherchent à maximiser égoïstement leur utilité. Toutefois, puisque les mobiles ne disposent d'aucune information sur les conditions de charge du réseau, leurs décisions peuvent conduire à une inefficacité de la performance. En outre, déléguer les décisions au réseau optimise la performance globale, mais au prix d'une augmentation de la complexité du réseau, des charges de signalisation et de traitement. Dans cette thèse, au lieu de favoriser une de ces deux approches décisionnelles, nous proposons un cadre de décision hybride: le réseau fournit des informations pour les mobiles pour mieux décider de leur TAR. Plus précisément, les utilisateurs mobiles choisissent leur TAR en fonction de leurs besoins et préférences individuelles, ainsi que des paramètres de coût monétaire et de QoS signalés par le réseau. En ajustant convenablement les informations du réseau, les décisions des utilisateurs répondent globalement aux objectifs de l'opérateur. Nous introduisons d'abord notre cadre de décision hybride. Afin de maximiser l'expérience de l'utilisateur, nous présentons une méthode de décision multicritère (MDMC) basée sur la satisfaction. Outre leurs conditions radio, les utilisateurs mobiles tiennent compte des paramètres de coût et de QoS, signalées par le réseau, pour évaluer les TAR disponibles. En comparaison avec les solutions existantes, notre algorithme répond aux besoins de l'utilisateur (par exemple, les demandes en débit, la tolérance de coût, la classe de trafic), et évite les décisions inadéquates. Une attention particulière est ensuite portée au réseau pour s'assurer qu'il diffuse des informations décisionnelles appropriées, afin de mieux exploiter ses ressources radio alors que les mobiles maximisent leur propre utilité. Nous présentons deux méthodes heuristiques pour dériver dynamiquement quoi signaler aux mobiles. Puisque les paramètres de QoS sont modulées en fonction des conditions de charge, l'exploitation des ressources radio s'est avérée efficace. Aussi, nous nous concentrons sur l'optimisation de l'information du réseau. La dérivation des paramètres de QoS est formulée comme un processus de décision semi-markovien, et les stratégies optimales sont calculées en utilisant l'algorithme de Policy Iteration. En outre, et puisque les paramètres du réseau ne peuvent pas être facilement obtenues, une approche par apprentissage par renforcement est introduite pour dériver quoi signaler aux mobiles. / To cope with the rapid growth of mobile broadband traffic, various radio access technologies (e.g., HSPA, LTE, WiFi, and WiMAX) are being integrated and jointly managed. Radio Access Technology (RAT) selection, devoted to decide to what RAT mobiles should connect, is a key functionality to improve network performance and user experience. When intelligence is pushed to the network edge, mobiles make autonomous decisions regarding selection of their most appropriate RAT. They aim to selfishly maximize their utility. However, because mobiles have no information on network load conditions, their decisions may lead to performance inefficiency. Moreover, delegating decisions to the network optimizes overall performance, but at the cost of increased network complexity, signaling, and processing load. In this thesis, instead of favoring either of these decision-making approaches, we propose a hybrid decision framework: the network provides information for the mobiles to make robust RAT selections. More precisely, mobile users select their RAT depending on their individual needs and preferences, as well as on the monetary cost and QoS parameters signaled by the network. By appropriately tuning network information, user decisions are globally expected to meet operator objectives, avoiding undesirable network states. We first introduce our hybrid decision framework. Decision makings, on the network and user sides, are investigated. To maximize user experience, we present a satisfaction-based Multi-Criteria Decision-Making (MCDM) method. In addition to their radio conditions, mobile users consider the cost and QoS parameters, signaled by the network, to evaluate serving RATs. In comparison with existing MCDM solutions, our algorithm meets user needs (e.g., traffic class, throughput demand, cost tolerance), avoiding inadequate decisions. A particular attention is then addressed to the network to make sure it broadcasts suitable decisional information, so as to better exploit its radio resources while mobiles maximize their own utility. We present two heuristic methods to dynamically derive what to signal to mobiles. While QoS parameters are modulated as a function of the load conditions, radio resources are shown to be efficiently exploited. Moreover, we focus on optimizing network information. Deriving QoS parameters is formulated as a semi-Markov decision process, and optimal policies are computed using the Policy Iteration algorithm. Also, and since network parameters may not be easily obtained, a reinforcement learning approach is introduced to derive what to signal to mobiles. The performances of optimal, learning-based, and heuristic policies are analyzed. When thresholds are pertinently set, our heuristic method provides performance very close to the optimal solution. Moreover, although lower performances are observed, our learning-based algorithm has the crucial advantage of requiring no prior parameterization.