Περίληψη
Τα γνωστικά δίκτυα προβάλλουν ως μια καινοτόμα, πολλά υποσχόμενη προσέγγιση του B3G οράματος. Προκρίνοντας το διαμοιρασμό του φάσματος και, συγκεκριμένα, την ευκαιριακή χρήση ζωνών συχνοτήτων που παραμένουν αχρησιμοποίητες στο χώρο και στο χρόνο, τα γνωστικά δίκτυα επιχειρούν να ανοίξουν το δρόμο στην ανάπτυξη νέων υπηρεσιών, στη βελτίωση της εμπειρίας του χρήστη, στην κατασκευή εξελιγμένων τερματικών συσκευών, καθώς και στην υιοθέτηση νέων, προηγμένων μεθόδων διαχείρισης. Στα πλαίσια της παρούσας διατριβής τα γνωστικά δίκτυα ορίζονται ως «Δίκτυα που μπορούν να «αισθάνονται» το περιβάλλον τους και να αντιδρούν, προληπτικά, ή διορθωτικά, σε εξωτερικά ερεθίσματα, αλλάζοντας τις παραμέτρους λειτουργίας τους με στόχο τη βέλτιστη προσαρμογή στις συνθήκες του περιβάλλοντος τους. Λαμβάνουν τις τελικές αποφάσεις διάρθρωσης, αυτόνομα, βασιζόμενα σε γνώση και εμπειρία που έχουν συγκεντρώσει κατά τη λειτουργία τους». Για την εκπλήρωση, λοιπόν, των απαιτήσεων εύρυθμης και αποδοτικής λειτουργίας εν ...
Τα γνωστικά δίκτυα προβάλλουν ως μια καινοτόμα, πολλά υποσχόμενη προσέγγιση του B3G οράματος. Προκρίνοντας το διαμοιρασμό του φάσματος και, συγκεκριμένα, την ευκαιριακή χρήση ζωνών συχνοτήτων που παραμένουν αχρησιμοποίητες στο χώρο και στο χρόνο, τα γνωστικά δίκτυα επιχειρούν να ανοίξουν το δρόμο στην ανάπτυξη νέων υπηρεσιών, στη βελτίωση της εμπειρίας του χρήστη, στην κατασκευή εξελιγμένων τερματικών συσκευών, καθώς και στην υιοθέτηση νέων, προηγμένων μεθόδων διαχείρισης. Στα πλαίσια της παρούσας διατριβής τα γνωστικά δίκτυα ορίζονται ως «Δίκτυα που μπορούν να «αισθάνονται» το περιβάλλον τους και να αντιδρούν, προληπτικά, ή διορθωτικά, σε εξωτερικά ερεθίσματα, αλλάζοντας τις παραμέτρους λειτουργίας τους με στόχο τη βέλτιστη προσαρμογή στις συνθήκες του περιβάλλοντος τους. Λαμβάνουν τις τελικές αποφάσεις διάρθρωσης, αυτόνομα, βασιζόμενα σε γνώση και εμπειρία που έχουν συγκεντρώσει κατά τη λειτουργία τους». Για την εκπλήρωση, λοιπόν, των απαιτήσεων εύρυθμης και αποδοτικής λειτουργίας ενός γνωστικού δικτύου, η παρούσα διατριβή προτείνει ένα μοντέλο αναφοράς, το οποίο περιλαμβάνει τις τρεις θεμελιώδεις και στενά συνδεδεμένες λειτουργικές φάσεις ενός τέτοιου δικτύου; τη λειτουργική φάσης της επαίσθησης, τη λειτουργική φάση της συλλογιστικής και τη λειτουργική φάση της λήψης αποφάσεων. Η λειτουργική φάση της επαίσθησης επικεντρώνεται στην ανάλυση του ραδιοπεριβάλλοντος μιας κυψέλης, ειδικά δε, στη διαδικασία λήψης και συλλογής μετρήσεων που αντανακλούν τις συνθήκες και τα επίπεδα θορύβου και παρεμβολών εντός των αξιοποιήσιμων ζωνών συχνοτήτων. Η λειτουργία της συλλογιστικής εστιάζεται στην ανακάλυψη των δυνατοτήτων των υποψήφιων εναλλακτικών διαρθρώσεων, δηλαδή των δυνητικών επιδόσεών τους ως προς συγκεκριμένα κριτήρια, σε περίπτωση εφαρμογής τους. Τέλος, η λειτουργία λήψης αποφάσεων έχει ως κύριο αντικείμενο τη λήψη απόφασης για τη βέλτιστη κατανομή διαρθρώσεων λαμβάνοντας υπόψη πλήθος παραμέτρων όπως είναι οι εκτιμήσεις για τις δυνατότητες των διαρθρώσεων, η χωρική κατανομή των τερματικών, ο βαθμός κινητικότητάς τους, το φορτίο κίνησης, το είδος των αιτούμενων υπηρεσιών, το κόστος αναδιάρθρωσης και οι πολιτικές των παροχών. Η διατριβή εστιάζεται στις δύο πρώτες λειτουργικές φάσεις και συγκεκριμένα, στη φάση της επαίσθησης και στη φάσης της συλλογιστικής. Στη φάση της συλλογιστικής η διατριβή προτείνει τη χρήση των κινητών τερματικών ως ένα εκτεταμένο δίκτυο αισθητήρων, που πραγματοποιεί μετρήσεις επαίσθησης, προτείνει μια λειτουργική αρχιτεκτονική τόσο για την πλευρά του γνωστικού δικτύου όσο και για την πλευρά του γνωστικού τερματικού και ορίζει το ρόλο κάθε λειτουργικής μονάδας καθώς και τις αλληλεπιδράσεις μεταξύ των επιμέρους μονάδων. Επιπλέον, ορίζει κατάλληλο πρωτόκολλο για την επικοινωνία μεταξύ γνωστικού σταθμού βάσης και γνωστικού τερματικού και αξιοποιεί τα συγκριτικά πλεονεκτήματα κάθε μέτρου ποιότητας καναλιού για τους σκοπούς της επαίσθησης. Στη φάση της συλλογιστικής, η παρούσα διατριβή συνάγει τις δυνατότητες μιας πιθανής διάρθρωσης βάσει των συλλεχθέντων δεδομένων της διαδικασίας επαίσθησης, κάνει χρήση κατάλληλων τεχνικών μηχανικής μάθησης με στόχο το συγκερασμό της παρελθούσας εμπειρίας με πρόσφατα δεδομένα επαίσθησης προκειμένου να επιτευχθεί μια βελτιωμένη εκτίμηση των δυνατοτήτων των υποψήφιων διαρθρώσεων και εισάγει τη χρήση πιθανοτικών μοντέλων για την αξιόπιστη εκτίμηση των δυνατοτήτων των υποψήφιων διαρθρώσεων και την αντιμετώπιση της στοχαστικής φύσης των χαρακτηριστικών του ραδιοπεριβάλλοντος. Τέλος συγκρίνει τα αποτελέσματα των επιμέρους τεχνικών μάθησης και εξάγει χρήσιμα συμπεράσματα.
περισσότερα
Περίληψη σε άλλη γλώσσα
Cognitive networks appear as an innovative, highly promising approach of the B3G vision. By proposing spectrum sharing and, specifically, the opportunistic use of frequency bands that remain unused in time and space, cognitive networks pave the way for the deployment of new services, the improvement of user experience, the development of enhanced terminal devices as well as the adoption of new, advanced management schemes. In the framework of the present thesis, cognitive networks are defined as “Networks that are able to sense their environment and act, proactively or reactively, to external stimuli by modifying their operational parameters with a view to optimally adjusting to environmental conditions. They reach the final configuration decisions, autonomously, based on knowledge and experience established during their operation”. Thus, in order to fulfill the requirements for the efficient operation of a cognitive network, the present thesis proposes a reference cognitive model, com ...
Cognitive networks appear as an innovative, highly promising approach of the B3G vision. By proposing spectrum sharing and, specifically, the opportunistic use of frequency bands that remain unused in time and space, cognitive networks pave the way for the deployment of new services, the improvement of user experience, the development of enhanced terminal devices as well as the adoption of new, advanced management schemes. In the framework of the present thesis, cognitive networks are defined as “Networks that are able to sense their environment and act, proactively or reactively, to external stimuli by modifying their operational parameters with a view to optimally adjusting to environmental conditions. They reach the final configuration decisions, autonomously, based on knowledge and experience established during their operation”. Thus, in order to fulfill the requirements for the efficient operation of a cognitive network, the present thesis proposes a reference cognitive model, comprising of the three main and tightly interconnected operational phases of such a network; namely the sensing, the reasoning and the decision making operational phase. The sensing phase focuses on the radio scene analysis, and specifically, in the process of executing and collecting measurements, reflecting the conditions as well as noise and interference levels, regarding the exploitable frequency bands. The reasoning phase concentrates on the discovery of the capabilities of candidate, alternate configurations, or, in other words, their potential performance in terms of specific criteria, in case these configurations are applied. Finally, the decision making process focuses on reaching a decision regarding the optimal configuration combination by taking into account a number of different parameters, including the estimations of the configurations’ capabilities, the spatial distribution of mobile terminals, their mobility degree, the traffic load, the requested services, the reconfiguration cost and the operators’ policies. The present thesis focuses on the first two operational phases; namely the sensing and the reasoning phase. Concerning the sensing phase, the thesis proposes the use of mobile terminals as a widely distributed network of sensing instruments, proposes a functional architecture for both cognitive base stations and cognitive terminal and defines the role of every functional unit as well as their interactions. Furthermore, the thesis defines an efficient protocol for the communication of the actors involved in the sensing process and finally, compares and exploits the advantages of different channel quality measures for sensing purposes. Regarding the reasoning phase, the thesis reaches estimations for the anticipated capabilities of candidate alternate configurations, proposes the use of machine learning techniques, with a view to introducing a certain degree of robustness and presents suitable probabilistic models for reaching robust estimations of the capabilities of alternate configurations and tackling the stochastic nature of the radio environment. Finally, the efficiency of the abovementioned machine learning techniques is compared through representative scenarios and useful conclusions are reached.
περισσότερα