dc.contributor
Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
dc.contributor.author
López Raventós, Álvaro
dc.date.accessioned
2022-11-07T15:50:03Z
dc.date.available
2022-11-07T15:50:03Z
dc.date.issued
2022-10-26
dc.identifier.uri
http://hdl.handle.net/10803/675917
dc.description.abstract
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.
en_US
dc.description.abstract
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.
en_US
dc.format.extent
167 p.
en_US
dc.format.mimetype
application/pdf
dc.language.iso
eng
en_US
dc.publisher
Universitat Pompeu Fabra
dc.rights.license
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.
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Machine learning
en_US
dc.subject
Multi-link operation
en_US
dc.subject
Resource management
en_US
dc.subject
Next-generation networks
en_US
dc.subject
IEEE 802.11be
en_US
dc.subject
Aprenentatge automàtic
en_US
dc.subject
Operació multi-enllaç
en_US
dc.subject
Gestió de recursos
en_US
dc.subject
Xarxes de nova generació
en_US
dc.title
The Next Wi-Fi Generation: towards intelligent and multi-link enabled networks
en_US
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.contributor.authoremail
alvaro.lopezraventos@gmail.com
en_US
dc.contributor.director
Bellalta, Boris
dc.embargo.terms
cap
en_US
dc.rights.accessLevel
info:eu-repo/semantics/openAccess
dc.description.degree
Programa de doctorat en Tecnologies de la Informació i les Comunicacions