Abstract
Future cellular networks need to support the ever-increasing demand of bandwidth-intensive applications and interconnection of people, devices, and vehicles. Small cell network (SCN)-based communication together with proximity- and social-aware connectivity is conceived as a vital component of these networks to enhancing spectral efficiency, system capacity, and quality-of-experience (QoE). To cope with diverse application needs for the heterogeneous ecosystem, radio resource management (RRM) is one of the key research areas for the fifth-generation (5G) network. The key goals of this thesis are to develop novel, self-organizing, and low-complexity resource management algorithms for emerging device-to-device (D2D) and vehicle-to-vehicle (V2V) wireless systems while explicitly modeling and factoring network contextual information to satisfy the increasingly stringent requirements. Towards achieving this goal, this dissertation makes a number of key contributions.
First, the thesis focuses on interference management techniques for D2D-enabled macro network and D2D-enabled SCNs in the downlink, while leveraging users’ social-ties, dynamic clustering, and user association mechanisms for network capacity maximization. A flexible social-aware user association technique is proposed to maximize network capacity. The second contribution focuses on ultra-reliable low-latency communication (URLLC) in vehicular networks in which interference management and resource allocation techniques are investigated, taking into account traffic and network dynamics. A joint power control and resource allocation mechanism is proposed to minimize the total transmission power while satisfying URLLC constraints.
To overcome these challenges, novel algorithms are developed by combining several methodologies from graph theory, matching theory and Lyapunov optimization. Extensive simulations validate the performance of the proposed approaches, outperforming state-of-the-art solutions. Notably, the results yield significant performance gains in terms of capacity, delay reductions, and improved reliability as compared with conventional approaches. / Tiivistelmä
Tulevaisuuden solukkoverkkojen pitää pystyä tukemaan yhä suurempaa kaistanleveyttä vaativia sovelluksia sekä yhteyksiä ihmisten, laitteiden ja ajoneuvojen välillä. Piensoluverkkoihin (SCN) pohjautuvaa tietoliikennettä yhdistettynä paikka- ja sosiaalisen tietoisuuden huomioiviin verkkoratkaisuihin pidetään yhtenä elintärkeänä osana tulevaisuuden solukkoverkkoja, joilla pyritään tehostamaan spektrinkäytön tehokkuutta, järjestelmän kapasiteettia sekä kokemuksen laatua (QoE). Radioresurssien hallinta (RRM) on eräs keskeisistä viidennen sukupolven (5G) verkkoihin liittyvistä tutkimusalueista, joilla pyritään hallitsemaan heterogeenisen ekosysteemin vaihtelevia sovellustarpeita. Tämän väitöstyön keskeisinä tavoitteina on kehittää uudenlaisia itseorganisoituvia ja vähäisen kompleksisuuden resurssienhallinta-algoritmeja laitteesta-laitteeseen (D2D) ja ajoneuvosta-ajoneuvoon (V2V) toimiville uusille langattomille järjestelmille, sekä samalla mallintaa ja tuottaa verkon kontekstikohtaista tietoa vastaamaan koko ajan tiukentuviin vaatimuksiin. Tämä väitöskirja edistää näiden tavoitteiden saavuttamista usealla keskeisellä tuloksella.
Aluksi väitöstyössä keskitytään häiriönhallinnan tekniikoihin D2D:tä tukevissa makroverkoissa ja laskevan siirtotien piensoluverkoissa. Käyttäjän sosiaalisia yhteyksiä, dynaamisia ryhmiä sekä osallistamismekanismeja hyödynnetään verkon kapasiteetin maksimointiin. Verkon kapasiteettia voidaan kasvattaa käyttämällä joustavaa sosiaaliseen tietoisuuteen perustuvaa osallistamista. Toinen merkittävä tulos keskittyy huippuluotettavaan lyhyen viiveen kommunikaatioon (URLLC) ajoneuvojen verkoissa, joissa tehtävää resurssien allokointia ja häiriönhallintaa tutkitaan liikenteen ja verkon dynamiikka huomioiden. Yhteistä tehonsäädön ja resurssien allokoinnin mekanismia ehdotetaan kokonaislähetystehon minimoimiseksi samalla, kun URLLC rajoitteita noudatetaan.
Jotta esitettyihin haasteisiin voidaan vastata, väitöstyössä on kehitetty uudenlaisia algoritmeja yhdistämällä graafi- ja sovitusteorioiden sekä Lyapunovin optimoinnin menetelmiä. Laajat tietokonesimuloinnit vahvistavat ehdotettujen lähestymistapojen suorituskyvyn, joka on parempi kuin uusimmilla nykyisillä ratkaisuilla. Tulokset tuovat merkittäviä suorituskyvyn parannuksia erityisesti kapasiteetin lisäämisen, viiveiden vähentämisen ja parantuneen luotettavuuden suhteen verrattuna perinteisiin lähestymistapoihin.
| Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:isbn978-952-62-2462-6 |
| Date | 29 November 2019 |
| Creators | Ashraf, M. I. (Muhammad Ikram) |
| Contributors | Bennis, M. (Mehdi) |
| Publisher | Oulun yliopisto |
| Source Sets | University of Oulu |
| Language | English |
| Detected Language | Finnish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess, © University of Oulu, 2019 |
| Relation | info:eu-repo/semantics/altIdentifier/pissn/0355-3213, info:eu-repo/semantics/altIdentifier/eissn/1796-2226 |
Page generated in 0.0025 seconds