Universitat Pompeu Fabra
Bellalta, Boris
2022-10-26
167 p.
Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
The next Wi-Fi generation poses in front of a massive challenge as the main enabler for new services and applications. Traffic requirements are expected to keep rising year over year, challenging Wi-Fi networks to cope with vast amounts of data. To face such an issue, network densification seems to surge as a principal solution with the intention to create smaller service areas. However, such an approach is not exempt from drawbacks, as creating high-density deployments has its own costs. In this context, providing good network management is key to grant a good quality of experience. Yet, it is also a really challenging~task. In this thesis, we tackle such management and traffic constraints in two different parts. From the former, we address the management problem through the implementation of the Multi-Armed Bandits (MABs) framework, a simple machine learning mechanism that has been proven to be highly effective to combat the non-stationary nature of wireless systems. To that end, we employ MABs to perform a dynamic channel allocation (DCA) and a dynamic AP selection (DAPS) to overcome traditional and static approaches. Our results show that their adoption is able to provide a better performance than the traditional mechanisms, which worked under lower user density scenarios, but failed when tackling high-density (HD) ones. In particular, we observe that throughput losses are reduced by more than 15\%, while being able to keep performance with a larger number of users. On the other hand, new ways to grant more throughput are being developed under the next great evolution of the standard: the IEEE 802.11be Extremely High Throughput (EHT). We assess the proposed Multi-Link Operation (MLO), as the main candidate to improve network throughput, from an efficient traffic allocation perspective. We shed some light on how to perform traffic allocation through multiple interfaces, as such a question remains unresolved. In this context, we evaluate the application of different policy-based schemes, showing that MLO's performance is tied to a good allocation strategy. Our performance results show promising and relevant insights in this area while tackling coexistence issues with legacy devices.
La propera generació de Wi-Fi es postula davant d'un repte important com a principal promotor de nous serveis i aplicacions. Durant els pròxims anys, s'espera que els requisits d'aquests nous serveis continuïn augmentant, desafiant així les xarxes Wi-Fi amb quantitats massives de dades. Per fer front a aquest problema, densificar la xarxa amb més punts d'accés sembla ser la principal solució. Tanmateix, aquesta no està exempte d'inconvenients, ja que crear desplegaments d'alta densitat comporta els seus propis desavantatges. En aquest context, tenir una bona gestió de la xarxa és clau per permetre una bona experiència a l'usuari; tasca realment complicada donats els mecanismes actuals. En aquesta tesi, estudiem tant la gestió de recursos com d'abasti-ment de tràfic en dues parts diferents. Primer, ens centrem en el problema de gestió mitjançant la implementació d'un dels mecanismes d'aprenentat-ge autònom, els Multi-Armed Bandits (MABs). Aquest mecanisme, tot i ser senzill, ha demostrat ser molt eficaç per combatre la naturalesa no estacionària dels sistemes sense fils. Així doncs, hem utilitzat els MABs per crear dues estratègies independents: una assignació dinàmica de canals i una selecció dinàmica dels punts d'accés. Totes dues tenen com a objectiu millorar el rendiment de les estratègies usades fins ara, les quals poden tenir una eficiència molt inferior en escenaris d'alta densitat. Els nostres resultats mostren que l'adopció d'ambdós mecanismes és capaç de proporcionar de manera eficient un millor rendiment de la xarxa. En particular, observem una reducció en les pèrdues del tràfic de més d'un 15\%, alhora que podem mantenir un nombre més gran d'usuaris. D'altra banda, noves maneres d'abastiment de tràfic s'estan desenvolupant sota la següent gran evolució de l'estàndard Wi-Fi: l'IEEE 802.11be Extremely High Throughput (EHT). En aquest context, nosaltres avaluem l'operació multi-enllaç com a principal candidat per millorar el rendiment de la xarxa, des de la perspectiva de l'assignació del tràfic, donant resposta a com realitzat aquesta assignació en sistemes multi-interfície. Per fer-ho possible, hem avaluat l'aplicació de diferents polítiques, demostrant que el rendiment de l'operació multi-enllaç està lligat a una bona estratègia d'assignació del tràfic. Els resultats presentats són prometedors, alhora que rellevants sobre aquesta àrea de recerca, els quals a més a més també consideren la coexistència amb sistemes més de primera generació.
Machine learning; Multi-link operation; Resource management; Next-generation networks; IEEE 802.11be; WLANs; Aprenentatge automàtic; Operació multi-enllaç; Gestió de recursos; Xarxes de nova generació
62 - Engineering. Technology in general
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
