Diseño y optimización multiobjetivo de redes MIMO-OFDMA con estaciones base cooperativas

TESIS DOCT ORAL

TESIS DOCTORAL 2019

DISEÑO Y OPTIMIZACIÓN MULTIOBJETIVO DE REDES MIMO-OFDMA CON ESTACIONES

BASE COOPERATIVAS

Javier Atanasio Pastor Pérez

TESIS DOCTORAL 2019

Doctorado en Tecnologías de la Información y las Comunicaciones

DISEÑO Y OPTIMIZACIÓN MULTIOBJETIVO DE REDES

MIMO-OFDMA CON ESTACIONES BASE COOPERATIVAS

Javier Atanasio Pastor Pérez

Director/Tutor: Guillem Femenias Nadal Director: Felip Riera Palou

Doctorado por la Universitat de les Illes

Guillem Femenias Nadal, professor del Departament de Matemàtiques i Informàtica de la Universitat de les Illes Balears

FA CONSTAR:

que la present memòria “Diseño y optimización multiobjetivo de redes MIMO-OFDMA con estaciones base cooperativas.” presentada per Javier Atanasio Pastor Pérez per optar al grau de Doctor en Tecnologies de la Informació i les

Comunicacions, ha estat realitzada sota la seva direcció i cumpleix els requisists per ser considerada com a tesi doctoral.

Firma i data

Felip Riera Palou, professor del Departament de Matemàtiques i Informàtica de la Universitat de les Illes Balears

FA CONSTAR:

que la present memòria “Diseño y optimización multiobjetivo de redes MIMO-OFDMA con estaciones base cooperativas.” presentada per Javier Atanasio Pastor Pérez per optar al grau de Doctor en Tecnologies de la Informació i les

Comunicacions, ha estat realitzada sota la seva direcció i cumpleix els requisists per ser considerada com a tesi doctoral.

Firma i data

Quiero dedicar esta tesis a mis padres Emilio y Rosa María por su constante apoyo y amor, a mis hermanos que son parte de mi y espero que estén orgullosos y por último a mi pareja Laura por su paciencia, ayuda y cariño.

Gracias por todo.

A GRADECIMIENTOS

En primer lugar deseo expresar mi agradecimiento a mis directores de tesis doctoral, Dr. Felip Riera Palou y Dr. Guillem Femenías Nadal, por la dedicación y apoyo que han brindado a este trabajo, sin su inmensa ayuda me habría sido imposible acabar esta tesis.

Gracias por la confianza ofrecida desde que llegué a esta facultad.

Asimismo, agradezco a mis compañeros de laboratorio Jan García, Gabriel Martorell, Andreu Pere, Pau Conejero y Gerard Draper, por su apoyo personal y humano, con quienes he compartido momentos divertidos durante estos años que recordaré siempre.

Me gustaría también agradecer su apoyo y enseñanzas al Dr. Juan Antonio Fernández Rubio de una Universidad Politécnica de Cataluña, que sin su motivación no hubiese comenzado esta aventura.

Gracias a mi familia, a mis padres, a mis hermanos y sobrinos, porque con ellos compartí una infancia feliz, y disfruto cada momento que estoy en su compañía.

Gracias a mis amigos, que siempre me han prestado un gran apoyo moral y humano, necesarios en los momentos difíciles de este trabajo. Especialmente a mi primo Ata, con el que tanto me divertí y que tanto me enseñó en mi infancia.

Pero, sobre todo, gracias a mi pareja Laura Navarro, por su paciencia, comprensión y solidaridad con este proyecto, por el tiempo que me ha concedido.

A todos, muchas gracias.

Financiamiento

Este trabajo ha sido financiado por MINECO y FEDER bajo el proyecto AM3DIO (TEC2011-25446) y la beca FPI BES-2012-057409, España.

Í NDICE GENERAL

Agradecimientos V

Financiamiento . . . V

Índice general VII

Índice de figuras XI

Índice de tablas XV

Resumen XVII

Resum XIX

Abstract XXI

Acrónimos XXIII

Lista de Símbolos XXVII

1 Introducción 1

1.1. Contexto y motivaciones . . . 1

1.2. Quinta generación de tecnología celular (5G) . . . 3

1.3. Contribuciones . . . 6

1.4. Estructura . . . 7

1.5. Publicaciones . . . 8

2 Estrategias para la mitigación de las interferencias inter-celulares 11 2.1. Introducción . . . 11

2.2. Antecedentes . . . 12

2.2.1. Orthogonal frequency division multiplexing (OFDM)/ orthogonal frequency division multiple access (OFDMA) . . . 12

2.2.2. Estrategias frequency reuse (FR) . . . 13

2.2.3. Coordinated multi-point (CoMP) . . . 16

2.3. Análisis de técnicas coordinated multi-point (CoMP) combinadas con fractional frequency reuse (FFR) sobre una red celular regular. . . 18

2.3.1. Modelo de sistema . . . 18

2.3.2. Caracterización de la capa física. Usuarios delcell-center . . . . 22

2.3.3. Caracterización de la capa física. Usuarios delcell-edge . . . 26

2.3.4. Capacidad celular . . . 34

2.3.5. Selección de usuarios . . . 34

2.4. Resultados Numéricos . . . 37

2.4.1. Escenario de simulación . . . 37

2.4.2. Comparativa CoMP . . . 39

2.5. Observaciones finales . . . 43

3 Diseños multiobjetivo de FFR/SFR en redes MIMO-OFDMA regulares. 47 3.1. Introducción . . . 47

3.2. Diseño soft frequency reuse (SFR) . . . 48

3.3. Optimización de la Red . . . 49

3.3.1. Métricas de rendimiento . . . 49

3.3.2. Optimización multiobjetivo . . . 51

3.3.3. Optimización de los parámetros del clúster . . . 52

3.4. Selección de usuarios . . . 53

3.4.1. Round Robin . . . 54

3.4.2. Proportional fairness . . . 54

3.5. Resultados Numéricos . . . 56

3.5.1. Escenario de simulación . . . 56

3.5.2. Rendimiento FFR . . . 57

3.5.3. Rendimiento SFR . . . 60

3.5.4. Comparación FFR vs SFR . . . 62

3.6. Observaciones finales . . . 64

4 Diseño de redes MIMO-OFDMA irregulares con CoMP y FFR/SFR 65 4.1. Introducción . . . 65

4.2. Estrategia de clusterización . . . 67

4.2.1. Problema de clusterización . . . 68

4.2.2. Resultados numéricos . . . 70

4.3. Asignación de subbandas frecuenciales . . . 72

4.3.1. Formulación del problema . . . 75

4.3.2. Algoritmo Subóptimo . . . 76

4.3.3. Resultados numéricos . . . 78

4.4. Modelo de red discreto . . . 80

4.4.1. Métricas de rendimiento . . . 82

4.4.2. Capacidad instantánea de usuario . . . 86

4.4.3. Aproximación para la capacidad media de usuario . . . 87

4.4.4. Resultados numéricos . . . 91

4.5. Observaciones finales . . . 94

5 Optimización de redes MIMO-OFDMA irregulares basadas en CoMP y FFR/SFR 97 5.1. Introducción . . . 97

5.2. Algoritmos evolutivos multiobjetivo . . . 98

5.2.1. Optimización multiobjetivo - Frontera de Pareto . . . 98

5.2.2. Bases de los algoritmos evolutivos . . . 100

5.2.3. Parámetros de calibración . . . 104

ÍNDICE GENERAL

5.2.4. Algoritmo NSGA-II . . . 105

5.3. Optimización de un clúster mediante NSGA-II . . . 109

5.3.1. Formulación del problema . . . 109

5.3.2. Proceso de optimización con aproximación discreta . . . 111

5.3.3. Resultados numéricos . . . 113

5.4. Optimización a nivel de red . . . 120

5.4.1. Formulación del problema . . . 120

5.4.2. Resultados numéricos . . . 122

5.5. Observaciones finales . . . 130

6 Consideraciones finales, conclusiones y futuro trabajo 133 A Anexo 137 A.1. Modelo de canal . . . 137

A.1.1. Path loss . . . 137

A.1.2. Modelo defast-fading . . . 138

A.1.3. Shadowing . . . 138

A.1.4. Ganancia de antena . . . 139

A.2. Posición de estaciones base . . . 142

A.3. Cálculo de integrales para la obtención deE{µi} . . . 143

Bibliografía 145

Í NDICE DE FIGURAS

2.1. Solapamiento frecuencial de subcanales OFDM. . . 13

2.2. Múltiple acceso de OFDMA. . . 13

2.3. Reutilización universal de frecuencias. . . 14

2.4. Reutilización-3 de frecuencias. . . 14

2.5. Distribución regular de frecuencias FFR (K=3). . . 15

2.6. Transmisión cooperativa MU-MIMO. . . 17

2.7. Red de 21 células con antenas trisectoriales. . . 19

2.8. Diagrama de radiación. . . 20

2.9. Realización de AQI media expresada en dB para una red de 21 células con shadowing correlado (parte superior) con un sector ampliado (parte inferior). 23 2.10. Distribución de frecuenciasrearrangedcon FFR (K=3). . . 39

2.11. Capacidad usuarios delcell-centercon selección de usuario RR. . . 40

2.12. Capacidad usuarios delcell-centercon selección de usuario MC con algoritmo greedy. . . 40

2.13._γt h óptimo que maximiza la capacidad de los usuarios delcell-centercon una selección de usuarios RR. . . 42

2.14. Mapas de regionescell-center(verde) ycell-edge(azul) para diferentes confi- guraciones de_γt h. . . 42

2.15. Capacidad de los usuarios delcell-edgepara diferentes técnicas CoMP con selección de usuario RR. . . 43

2.16. Capacidad de los usuarios delcell-edgepara diferentes técnicas CoMP con selección de usuario MC con algoritmo greedy. . . 44

2.17. Capacidad del clúster central para diferentes técnicas CoMP con selección de usuario RR. . . 45

2.18. Capacidad del clúster central para diferentes técnicas CoMP con selección de usuario MC usando algoritmos greedy. . . 45

3.1. Distribución de frecuencias rearranged con SFR (K=3). . . 48

3.2. Conexiones delbackhaulpara un clúster formado por 3 BSs. . . 50

3.3. Rendimiento de CoMP-FFR (Selección de usuario RR). . . 58

3.4. Rendimiento de CoMP-FFR (Selección de usuario PF). . . 58

3.5. Funciones de utilidad de CoMP-FFR (Selección de usuario RR). . . 59

3.6. Funciones de utilidad de CoMP-FFR (Selección de usuario PF). . . 60

3.7. Rendimiento de CoMP-SFR (Selección de usuario RR). . . 61

3.8. Rendimiento de CoMP-SFR (Selección de usuario PF). . . 61

3.9. Funciones de utilidad de CoMP-SFR (Selección de usuario RR). . . 62

3.10. Funciones de utilidad de CoMP-SFR (Selección de usuario PF). . . 63

3.11. CoMP-FFR vs CoMP-SFR (RR scheduler). . . 63

3.12. CoMP-FFR vs CoMP-SFR (PF scheduler). . . 64

4.1. Localización de las BSs del despliegue de redreal. . . 71

4.2. Vista aérea de la porción de ciudad que cubre el despliegue de redreal. . . 71

4.3. SINR recibida (en dB) utilizando el sector asociado como señal deseada y el resto como interferentes. . . 73

4.4. Clústeres resultantes después de aplicar la estrategia de clusterización propuesta. 74 4.5. Reparto frecuencial y energético. . . 75

4.6. Clústeres resultantes tras aplicar la estrategia de clusterización propuesta. . . 79

4.7. Función de distribución acumulada de la capacidad de la red. . . 81

4.8. (a) Localización de sectores/BSs. (b) Formación de clústeres de 3 sectores/BSs. (c) Asignación de subbandas frecuenciales. . . 91

4.9. Capacidad media del clúster. . . 93

4.10. Tasa de transmisión del 5 % de los peores usuarios del clúster. . . 94

4.11. Requisitos delbackhauldel clúster. . . 94

4.12. Distintas métricas del clúster (_µ=0,4). . . 95

4.13. Capacidad media de los 3 sectores/BSs del clúster (µ=0,4). . . 95

5.1. Frontera de Pareto. . . 100

5.2. Ciclo de un MOEA. . . 101

5.3. Hipervolumen de frontera de Pareto_χ^∗. . . 103

5.4. Esquema de proceso de optimización a nivel de clúster. . . 113

5.5. Localización de las BSs del despliegue de red. . . 114

5.6. Comparación de fronteras de Pareto. . . 116

5.7. Capacidades de los sectores/BSs del clúster en función delγt h para unµ=1 fijo y configuración que ofrece máxima capacidad calculada mediante la aproximación discreta (marcadores cuadrados). . . 117

5.8. Representación en 3D de las fronteras de Pareto. . . 118

5.9. Cortes de la frontera de Pareto fijandoC_c^B a diferentes valores. . . 118

5.10. Cortes de la frontera de Pareto fijandoC_c^T a diferentes valores. . . 119

5.11. Cortes de la frontera de Pareto fijandoC_c^{r5 %}a diferentes valores. . . 119

5.12. Esquema de proceso de optimización a nivel de red. . . 122

5.13. Comparación entre métricas del modelo de red discreto (gráficas inferiores) y modelo real (graficas superiores). . . 123

5.14. Comparación de fronteras de Pareto. . . 124

5.15. Umbrales_γt hpara cada sector/BS. . . 125

5.16. Fronteras de Pareto de las métricas del modelo matemático sobre un desplie- gue de red sintético empleando búsqueda exhaustiva y MOEA. . . 127

5.17. Comparación de fronteras de Pareto. . . 128

5.18. Comparación de fronteras de Pareto. . . 128

5.19. Evolución de la frontera de pareto con cada iteración del MOEA. . . 129

5.20. Representación en 3D de las fronteras de Pareto. . . 129

5.21. Cortes de la frontera de Pareto fijandoC^B a diferentes valores. . . 131

5.22. Cortes de la frontera de Pareto fijandoC^T a diferentes valores. . . 131

5.23. Cortes de la frontera de Pareto fijandoC^{r5 %}a diferentes valores. . . 132

ÍNDICE DE FIGURAS

A.1. Diagrama de radiación. . . 139

Í NDICE DE TABLAS

2.1. Modelo de canal ETU. . . 21

2.2. Parametros de simulación de red multicelular MIMO-OFDMA de 21 células. 38 3.1. Parámetros de simulación de red multicelular MIMO-OFDMA de 21 células. 57 4.1. Parametros de simulación de red para synthetic, semi-synthetic y Palma. . . 72

4.2. Valores deE{νi}. . . 90

4.3. Parametros de simulación de red celular de 19 BSs (Palma). . . 92

5.1. Parametros de simulación de red celular de 19 BSs (Palma). . . 115

A.1. Parámetros de ETU. . . 138

A.2. Ganancias de antena en función del ángulo. . . 142

A.3. Posición de las estaciones base. . . 143

R ESUMEN

Actualmente los sistemas 4G tales como Long Term Evolution (LTE) y LTE-Advanced (LTE-A) proporcionan acceso de banda ancha móvil para aplicaciones que requieren elevadas tasas de transmisión de datos. Aún así, año tras año la cantidad de tráfico de datos transmitidos sobre redes móviles crece a pasos agigantados. Ante esta situación, las operadoras móviles deben responder a ese incremento de la demanda de tráfico proporcionando una mejor calidad del servicio (QoS) de forma homogénea sobre todo el área de cobertura. En este contexto de rápida evolución, aparecen nuevos retos técnicos que deben ser resueltos eficientemente. Un factor que ha sido reconocido como clave en las redes celulares basadas en orthogonal frequency division multiple access (OFDMA) es la gestión de interferencias. Es un hecho sobradamente conocido que la utilización de un factor de reuso bajo permite una elevada eficiencia espectral pero a costa de una QoS que no es uniforme en la red ya que depende de la posición del usuario; los usuarios situados cerca de las estaciones base (BSs) experimentan mejores condiciones que los que se encuentran más alejados. Por lo tanto, el rendimiento en los límites de la célula se ve muy penalizado siendo éste un problema importante a resolver en LTE y LTE-A.

Con el objetivo de solucionar estos problemas aparecen las técnicas de coordinación de interferencias entre células (ICIC) que engloba las estrategias cuyo objetivo es mantener la interferencia intercelular (ICI) lo más baja posible, especialmente, en los bordes de célula.

En este contexto se presentan dos grandes grupos de técnicas ICIC, por un lado las denominadas técnicas de reutilización de frecuencia (FR) que tratan de controlar las interferencias entre células adyacentes y por otro lado las conocidas como técnicas de transmisión multipunto coordinada (CoMP) que se basan en la introducción de esquemas de precodificación mediante los cuales la información de un usuario se transmite desde varias BSs. Ambas estrategias están diseñadas para mejorar el rendimiento global de las redes siendo utilizadas en las últimas actualizaciones de LTE y están destinadas a jugar un papel aún más importante dentro de los estándares del 5G. La contribución presentada en esta tesis doctoral incluye el estudio del funcionamiento y diseño conjunto de técnicas FR y CoMP, creando unframeworkpara la aplicación conjunta de ambas técnicas sobre redes reales (topológicamente irregulares) y la optimización de su diseño con respecto a varias métricas de rendimiento.

Tras un primer cápítulo introductorio, se introducen los conceptos de FR y CoMP . Una vez presentadas ambas estrategias se define unframeworkdonde es posible comparar equitativamente diferentes técnicas CoMP con el objetivo de seleccionar la más apropiada para ser utilizada en todos los escenarios evaluados en los otros capítulos de la tesis. Más adelante se realiza una primera optimización de estas técnicas sobre redes sintéticas (de topología regular) teniendo en cuenta diversas métricas de evaluación. Estas metodologías,

sin embargo, son difíciles de aplicar cuando se introducen irregularidades en la topología de la red por lo que se propone una estrategia basada en dos pasos para combinar técnicas CoMP y FR sobre redes irregulares. La primera fase permite indicar cómo se deben agrupar los sectores de las estaciones base para cooperar entre sí. La segunda fase resuelve la forma en la que se debe repartir el espectro frecuencial entre las diferentes estaciones base. Una vez tomadas estas dos decisiones iniciales a nivel de diseño de la red celular se presenta un innovador modelo matemático que permite obtener aproximaciones de las métricas de rendimiento de la red, cuya dependencia respecto de los parámetros del sistema es muy parecida a la experimentada por las métricas reales. Finalmente se propone un proceso de optimización empleando los modelos matemáticos introducidos anteriormente y apoyándose en el uso de algoritmos evolutivos multiobjetivo que permite la estimación óptima de los parámetros de FR para un determinado perfil de rencimiento.

R ESUM

Actualment els sistemes 4G com Long Term Evolution (LTE) i LTE-Advanced (LTE- A), proporcionen accés de banda ampla mòbil per aplicacions que requereixen d’elevades taxes de transmissió de dades. Tot i així, any rere any la quantitat de tràfic de dades transmeses via xarxes mòbils creix a passes agegantades. Donada aquesta tesitura, les operadores mòbils han de respondre a l’increment de la demanda d’aquest tràfic, i a l’hora proporcionar una millor qualitat del servei (QoS) de forma homogènea sobre tota l’àrea de cobertura. En aquest context de ràpida evolució, apareixen nous reptes tècnics que han de ser resolts de manera eficas. Un factor que ha sigut reconegut com a clau en xarxes cel·lulars basades en orthogonal frequency division multiple access (OFDMA) és la gestió d’interferències. És un fet ben conegut que la utilització d’un factor de reutilització baix permet una elevada eficiència espectral però a costa d’una distribució de QoS que no és uniforme a la xarxa, ja que depèn de la posició de l’usuari: els usuaris situats aprop de les estacions base (BSs) experimenten unes prestacions molt superiors als usuaris localitzats lluny de les BS. Per tant, el rendiment en els límits de la cel·la es veu molt penalitzat i suposa un problema important a resoldre en LTE i LTE-A. Amb l’objectiu de mitigar aquests efectes apareixen tècniques de coordinació d’interferències entre cel·les (ICIC) que engloben les estratègies que tenen com objectiu la minimització de la interferència intercel·lular (ICI), especialment, als extrems cel·lulars.

En aquest context es presenten dos grans grups de tècniques ICIC, les anomenades tècniques de reutilització de freqüència (FR) que tracten de controlar les interferències entre cèl·lules adjacents, i les conegudes com tècniques de transmissió multipunt coordi- nada (CoMP), que es basen en la introducció d’esquemes de precodificació mitjançant els quals la informació d’un usuari és transmesa des de diverses BSs de manera simultánia.

Ambdues estratègies estan dissenyades per millorar el rendiment global de les xarxes i essent utilitzades en les darreres actualitzacions d’LTE i estan destinades a jugar un paper encara més important dins dels estàndards del 5G. La contribució presentada en aquesta tesis doctoral inclou l’estudi del funcionament i disseny conjunt de tècniques FR i CoMP, proposant unframeworkper l’aplicació conjunta d’ambdues tècniques en xarxes reals (topológicament irregulars) i optimització del seu disseny respecte a diverses mètriques de rendiment.

Desprès d’un primer capítol introductori, s’introdueixen els conceptes de FR i CoMP.

Un cop presentades ambdues estratègies es defineix unframeworkon és possible comparar diferents tècniques CoMP amb l’objectiu de seleccionar la més adient per ser emprada en els altres capítols de la tesis. Més endavant es realitza una primera optimització d’aques- tes tècniques sobre xarxes sintètiques tenint en compte diverses mètriques d’avaluació.

Aquestes metodologies, emperò, són difícils d’aplicar quan s’introdueixen irregularitats en la topologia de la xarxa motivant la proposta d’una estratègia basada en dues passes per

combinar tècniques CoMP amb FR sobre xarxes irregulars. La primera fase serveix per indicar com s’han d’agrupar els sectors de les estacions base per cooperar entre sí. La se- gona fase resol la forma en la qual s’ha de repartir l’espectre freqüencial entre les diferents estacions base. Un cop presses aquestes dues decisions inicials a nivells de disseny de la xarxa es presenta un innovador model matemàtic que permet obtenir aproximacions de les mètriques de rendiment de la xarxa, la dependència respecte dels paràmetres del sistema és molt semblant a l’experimentada per les mètriques reals. Finalment es proposa un procés d’optimització emprant els models matemàtics introduïts anteriorment i recolzant-se en l’ús d’algoritmes evolutius multiobjectiu que permet l’estimació óptima dels paràmetres de FR per a un determinat perfil de rendiment.

A BSTRACT

Nowadays, 4G system, such as Long Term Evolution (LTE) and LTE-Advanced (LTE- A) are in charge of providing mobile broadband access for applications requiring of high throughput. As a matter of fact, the amount of data traffic transported by cellular networks grows dramatically on a yearly basis. In such a landscape, network operators should be able to cope with the rising traffic demands while satisfying Quality of Service (QoS) constraints throughout the coverage area. In this context of fast evolution, new and challenging technical issues appear that must be effectively addressed. In particular, the problem known as Intercell Interference (ICI) has been recognized as one of the main capacity-limiting factors in most cellular technologies based on orthogonal frequency division multiple access (OFDMA). It is a well known fact that a low frequency reuse factor increases overall spectral efficiency but, as a major downside, ICI becomes a major concern since the QoS is not uniformly delivered across the network as it remarkably depends on user position; users located near the base station (BS) experience better conditions than users far from the BS. Hence, cell edge performance is an important aspect in LTE and LTE-A whose solution is not trivial. In order to tackle the aforementioned situation, Intercell Interference Coordination (ICIC) encompasses strategies whose goal is to keep ICI as low as possible, specially, at the cell edges while still aiming at high spectral efficiencies.

In this context, two main groups of control/cancellation techniques are considered, namely, frequency reuse (FR) and coordinated multipoint transmission (CoMP). The first group, FR techniques, increases the spectral efficiency of the network by allowing the reuse of the allocated spectrum only in selected regions of the coverage area less prone to ICI. The second group, CoMP techniques, allows different BSs to cooperatively transmit signals to a set of users transforming in this way the potential ICI into useful signal. Both techniques share the common goal of trying to reconcile the maximization of system capacity and the provision of certain QoS guarantees for the users located far away from their serving BS. Remarkably, these techniques have been extensively used in the latest releases of LTE and are bound to keep playing a major role within 5G. The main aim of this PhD is the introduction of a framework that allows the joint and synergistic application of both, FR techniques and CoMP transmission, in the specific case of the downlink of a MIMO-OFDMA system under a realistic irregular deployment of BSs.

After a first introductory chapter, the concepts of FR and CoMP are defined. Next, a framework is presented that allows the fair evaluation and comparison of different CoMP techniques with the objective of identifying the most promising one that will be used in the rest of the thesis. Then, an optimization problem is posed focusing on synthetic networks (regularly deployed) and a framework is proposed for its solution based in multi-objective optimization principles. Unfortunately, when confronting irregular BS

deployments, these strategies are difficult to enforce. Consequently, this work proposes a novel two-step strategy that allows the combination of CoMP and FR techniques under irregular deployments. The first step defines how BSs are grouped to form the cooperation clusters while the second step defines how frequency subbands are allocated in order to implement a prescribed reuse pattern. This two-step process sets up the stage for a new analytical framework , that, for a specific set of SFR parameters, allows the computation of closed-form approximations to relevant performance metrics such as average total capacity, worst-users rate and backhaul requirements, whose dependence with the FR parameter mimic that observed in the real metrics. Finally, an algorithm based on these closed-form approximations is proposed that uses multi-objective evolutionary algorithms in order to conduct the network-wide optimization of the FR parameters.

A CRÓNIMOS

ApD Area-proportional design . . . 16 AQI Association quality indicator . . . 21 BD Block diagonalization . . . 22 BS Base station . . . 2 CCU Cluster control unit . . . 18 CDF Cumulative distribution function . . . 50 CSI Channel state information . . . 18 CoMP Coordinated multi-point . . . VII

DPC Dirty paper coding . . . 29 ETU Extended typical urban . . . 21 FD Fixed design . . . 15 FDM Frequency division multiplexing . . . 12 FFR Fractional frequency reuse . . . .VII

FFT Fast Fourier transform . . . 5

FFFR Flexible fractional frequency reuse . . . 16 FR Frequency reuse . . . .VII

GFDM Generalized frequency division multiplexing . . . 6 HetNet Heterogeneous networks . . . 5 HSPA High-Speed Packet Access

ICI Inter-cell interference . . . 2 ICIC Inter-cell interference coordination

IFFT Inverse fast Fourier transform . . . 5 ISI Inter-symbol interference

JFI Jain’s fairness index . . . 50 JT-MMSE Joint-transmission minimum mean square error . . . 17 JT-ZF Joint transmission-zero forcing . . . 17 LTE Long term evolution . . . 1 LTE-A Long term evolution advanced . . . 3 NSGA-II Nondominated sorting genetic algorithm . . . 7 SIC Successive interference cancellation . . . 29 MC Maximum capacity . . . 34 MIMO Multiple-input multiple-output . . . 2

MOP Multiobjective optimization problem . . . 51 MU-MIMO Multi user multiple-input multiple-output . . . 5 NAU Normalized additive utility . . . 52 OFDM Orthogonal frequency division multiplexing . . . 11 OFDMA Orthogonal frequency division multiple access . . . 11 PAPR Peak to average power ratio . . . 12 PF Proportional fairness . . . 54 PFR Partial frequency reuse . . . 13 PHY Physical layer . . . 49 QoS Quality of service . . . 47 RB Resource block . . . 82 RR Round robin . . . 34 RSRP Reference signal received power . . . 22 RSSI Reference signal strength indicator . . . 22 SINR Signal-to-interference-plus-noise ratio . . . 6 SFR Soft frequency reuse . . . .VIII

SFFR Soft fractional frequency reuse . . . 16 SU-MIMO Single user multiple-input multiple-output . . . 22

TH Tomlinson-Harashima . . . 33 SU-JT Single-user joint transmission . . . 26 SVD Singular value decomposition . . . 24 VP Vector perturbation . . . 17 WAM Weighted arithmetic mean

WCM Weighted Chebyshev mean WGM Weighted geometric mean

WiMAX Worldwide interoperability for microwave access . . . 5 ZF-BD Zero forcing-block diagonalization . . . 17 ZF-DPC Zero forcing-dirty paper coding . . . 17

L ISTA DE S ÍMBOLOS

α^i,jr,u[n] Factor de fast-fading entre una antena arbitraria j perte- neciente a un sector/BS r y otra antena genérica i perte- neciente a un usuariou sobre una subportadora arbitraria n.

βr,u Factor deshadowingentre un sector/BSr y un usuariou.

δ Factor de olvido empleado en PF.

γt h Umbral de SINR medio.

γ^C_r,u,i SINR instantáneo alcanzado por elstreamde datosi del usuarioudelcell-centerconectado al sector/BSr.

γ^CoMP_c,u,i SINR instantáneo alcanzado por elstreamde datosi del usuarioudelcell-edgeconectado al clústercmediante la técnica CoMP indicada en el superíndice.

Γ(.) Función gamma.

κ Tasa de cruce.

Λr Matriz diagonal de asignación de potencias creada a partir del algoritmo dewaterfilling.

ρ Factor de asignación de espectro.

σ² Varianza de ruido.

Σr,u Matriz diagonal que contiene los valores singulares no nulos del canal MIMO equivalente del usuario u conectado al sector/BSr.

τ Parámetro de configuración para la transmisión VP.

θr,u Ángulo formado por una antena del sector/BSr y una an- tena del usuariou con respecto a la dirección del lóbulo principal.

θ Conjunto de parámetros que definen los esquemas de FFR/SFR.

θ^∗ Conjunto óptimo de parámetros que definen los esquemas de FFR/SFR.

µ Factor de potencia de esquemas SFR.

υ Hypervolumen.

ς Índice de no uniformidad.

4h_b Altura a la que se encuentra la antena transmisora.

A(θr,u) Ganancia de antena en el ángulo_θr,u.

B Ancho de banda total del sistema.

BC Ancho de banda asignado a la región delcell-center.

BE Ancho de banda asignado a la región delcell-edge.

BEi Ancho de banda de la subbandai en la región delcell-edge dr,u Distancia entre el BS/sectorr y el usuariou.

C_c^B Requisitos debackhaul.

C_c^{r5 %} Tasa de transmisión del 5 % de los peores usuarios.

C_c^T Capacidad media total de un clústerc.

C^C_c Capacidad media proporcionada por las subportadoras del cell-centerdel clústerc.

C_c^E Capacidad media proporcionada por las subportadoras del cell-edgedel clústerc.

Dr,u Matriz de decodificación del usuariou conectado al sec- tor/BSr.

D^(S)_r,u Parte de matriz de decodificación del usuariouconectado al sector/BSr encargada de suprimir la interferencia entre usuarios.

D^(M_r,u⁾ Parte de matriz de decodificación del usuariouconectado al sector/BSr encargada de suprimir la interferencia intra- usuario.

fc Frecuencia portadora.

Gc Matriz diagonal de asignación de potencias creada a partir del algoritmo subóptimo de potencia.

h^i,_r,u^j[n] Respuesta impulsional del canal entre una antena arbitraria jperteneciente a un sector/BSry otra antena genéricaiper- teneciente a un usuariousobre una subportadora arbitraria n.

H⁰_r,u Matriz de canal MIMO equivalente entre el sector/BSr y el usuarioudespués de la BD.

HI,u Matriz de canal interferente del usuariou.

Hr,u Matriz de canal entre las antenas del sector/BSr con el usuariou.

H^(M)_r,u Matriz de canal MIMO equivalente entre el sector/BSr y el usuariou.

K Factor de reutilización de frecuencia para elcell-edge.

` Vector complejo, parámetro de codificación VP.

L(dr,u) Path losscon distancia entre antenas dedr,u. Lu Número destreamde datos asignados al usuariou. Lr Número destreamde datos transmitidos por el sector/BSr

en la regioncell-center.

Lc Número destreamde datos transmitidos por clústercen la regioncell-edge.

M Número de sectores/BSs que forman parte de un clúster.

ME Número de antenas transmisoras de un BS/sector.

NR Número de antenas receptoras de un usuario.

NRB Número de subportadoras que forman unresource block.

NSC Número de subportadoras del sistema.

N_u Número de usuarios por BS/sector.

PB Potencia de señal piloto.

QI,u Matriz de covarianza de señales interferentes al usuariou. RF Throughputgenerado por elfeedbackque incluye los bits

de control y la información del CSI.

R_{v p} Upper-bounddelsum-ratealcanzado por un usuario usando VP.

R_η Matriz de covarianza de ruido.

R^C_I,u Matriz de covarianza de la suma del ruido con las interfe- rencias para un usuariou delcell-center.

R^E_I,u Matriz de covarianza de la suma del ruido con las interfe- rencias para un usuariou delcell-edge.

sc Vector con los símbolos transmitidos por el clústerc. sr Vector con los símbolos transmitidos por el sector/BSr. sr,u Vector con los símbolos transmitidos al usuariouconectado

al sector/BSr. ˆ

sc,u Vector con los símbolos estimados por el usuariouconec- tado al clústerc.

ˆ

sr,u Vector con los símbolos estimados por el usuariouconec- tado al sector/BSr.

u_i(·) Función monótona no decreciente.

uc Vector con los símbolos transmitidos por el clústerc.

˜

uc Vector con los símbolos perturbados transmitidos por el clústerc.

w_u^C Peso empleado en PF por el usuario delcell-centeru. wi Pesos de ponderación de problemas MOP.

Wc Matriz de precodificación del clústerc. Wr Matriz de precodificación del sector/BSr.

Wr,u Matriz de precodificación para un usuariou conectado al sector/BSr.

x_i^∗yx_i∗ Mejor y peor valor deseado para el criterioi cuando usamos NAU, respectivamente.

xI,u Vector que contiene los símbolos interferentes recibidos por el usuariou.

xc Vector que contiene los símbolos transmitidos por el clúster c.

xr Vector que contiene los símbolos transmitidos por el sec- tor/BSr.

xr,u Vector que contiene los símbolos transmitidos para un usua- riouconectado al sector/BSr.

yr,u Vector que contiene las señales recibidas por el usuariou conectado al sector/BSr.

y˜u Vector de ruido más interferentes de usuariou. B Conjunto de BS/sectores pertenecientes a la red.

Bc Conjunto de BS/sectores pertenecientes al clústerc. C Conjunto de clústeres que forman la red.

J Conjunto de píxeles en el sistema.

Jr Conjunto de píxeles pertenecientes al sector/BSr.

Jr^C Conjunto de píxeles pertenecientes a la regióncell-center del sector/BSr.

Jr^E Conjunto de píxeles pertenecientes a la regióncell-edgedel sector/BSr.

Nc^C Conjunto de subportadoras asignadas a los usuarios del cell-centerdel clústerc.

Nc^E Conjunto de subportadoras asignadas a los usuarios del cell-edgedel clústerc.

Nc^E Conjunto de subportadoras asignadas a los usuarios del cell-edgedel clústerc.

Ur^C Conjunto de usuarios seleccionados para la transmisión asociados alcell-centerdel sector/BSr.

Ur^C[n] Conjunto de usuarios seleccionados para la transmisión aso- ciados alcell-centerdel sector/BSr sobre la subportadora n.

Ur^E[n] Conjunto de usuarios seleccionados para la transmisión asociados alcell-edgedel sector/BSr sobre la subportadora n.

U^Cr Conjunto de usuarios seleccionados para la transmisión asociados alcell-centerdel sector/BSr sobre el ancho de banda asignado alcell-centersector/BS.

U^Cc Conjunto de usuarios seleccionados para la transmisión asociados al cell-center del clúster c sobre el ancho de banda asignado alcell-centerclúster.

Uc^E Conjunto de usuarios seleccionados para la transmisión asociados alcell-edgedel clústerc.

Uc^E[n] Conjunto de usuarios seleccionados para la transmisión asociados alcell-edgedel clústercsobre la subportadoran. U^Cc Conjunto de usuarios seleccionados para la transmisión asociados alcell-edgedel clústercsobre el ancho de banda asignado alcell-edgedel clúster.

Uˆr Conjunto de todos los usuarios asociados al sector/BSr. Uˆr^C Conjunto de usuarios asociados alcell-centerdel sector/BS

r.

Uˆr^E Conjunto de usuarios asociados alcell-edgedel sector/BS r.

Uˆc Conjunto de todos los usuarios asociados al clústerc. Uˆc^C Conjunto de usuarios asociados alcell-centerdel clústerc. Uˆc^E Conjunto de usuarios asociados alcell-edgedel clústerc.

C

1

I NTRODUCCIÓN

1.1. Contexto y motivaciones

Las comunicaciones móviles han ganado gran importancia en la sociedad actual tanto por el aumento de suscriptores como por el tipo de servicios a los que los usuarios acceden.

Mientras que en 2010 el número de líneas móviles superaba los 5000 millones, en 2016 esa cifra ascendió a 7400 millones [1] de los cuales aproximadamente la mitad corresponden a teléfonos inteligentes osmart phones. Año tras año la cantidad de tráfico de datos entre dispositivos móviles crece a pasos agigantados. Como ejemplo, entre 2017 y 2018 el crecimiento fue de un 52 % [2]. Sin duda son buenas cifras para las operadoras móviles pero supone un reto tecnológico dar respuesta a un el mercado que demanda cada vez mas tráfico, en gran parte debido al incremento del consumo multimedia en plataformas móviles con el auge en popularidad de aplicaciones de streaming de video. Los usuarios móviles esperan que el acceso a internet sea tan rápido y barato como el de sus líneas fijas, pero con la ventaja de poder estar en cualquier sitio y en movimiento. Ante esta situación, las operadoras móviles deben responder a ese incremento de la demanda de tráfico proporcionando una mejor calidad del servicio (QoS) de forma homogénea sobre todo el área de cobertura. En consecuencia, la nueva generación de redes celulares se enfrenta a dos grandes retos: el aumento de la tasa de transmisión total de la red y una mayor equidad entre usuarios independientemente de donde estén situados. Estas mejoras se convierten en un desafío ante la limitación de recursos que supone tener un espectro de frecuencias finito y escaso.

Para saber cómo mejorar el funcionamiento de la red debemos analizar cuáles son sus debilidades. Junto a la presencia de ruido y los desvanecimientos de la señal, el principal problema que afecta la calidad de los servicios ofrecidos por las redes celulares es la interferencia, tanto inter-celular como intra-celular [3]. Una solución aportada en el estándar long term evolution (LTE) para evitar la interferencia intra-celular es el uso de tecnología de acceso múltiple por división de frecuencias ortogonales (OFDMA) [4], [5].

Esta técnica presenta una alta inmunidad a la selectividad frecuencial de canal, a la interferencia entre símbolos (ISI) y facilita el control de la interferencia intra-celular

ya que a cada usuario de una misma célula se le asigna de manera exclusiva una serie de subportadoras ortogonales entre si sobre las que se transmite la información. La interferencia inter-celular o inter-cell interference (ICI) sigue siendo un problema en escenarios con una reutilización de frecuencia universal donde todas las celdas tienen acceso a todo el ancho de banda. La interferencia intercelular afecta muy especialmente a los usuarios situados cerca de los bordes (edge) de la célula cuya potencia interferente puede llegar a superar la potencia de la señal deseada. Aún con la utilización de esquemas de modulación y codificación adaptativa (también definidos en el estándar) que permiten la selección de modos de transmisión muy robustos, es necesaria la combinación de otras técnicas para conseguir las altas prestaciones que se persiguen. Las posibilidades son varias:

Usar más espectro.La capacidad crece linealmente con el ancho de banda, por ello, una opción que actualmente se está persiguiendo es el uso de más espectro como es visible a través de la subasta de espectro disponible a través del dividendo digital. En cualquier caso el espectro que se puede usar es un recurso limitado, y por lo tanto, no puede ser la única solución para el incremento de la capacidad [6, 7].

Usar más antenas.Utilizada ya en el acceso de paquetes de alta velocidad (HSPA) y una de las principales características en LTE, se basa en el uso de múltiples antenas en transmisión y recepción (conocidas como arquitecturas multiple-input multiple- output (MIMO). Estas técnicas, desarrolladas a principios de los 2000s, permiten obtener grados de libertad adicionales que pueden ser usados para separar señal útil de interferencias y transmitir simultáneamente diversos flujos de información en un mismo ancho de banda a costa de una mayor complejidad de procesado en recepción y/o transmisión. Como se muestra en diversos estudios, la capacidad crece linealmente con el número mínimo de antenas transmisoras y receptoras [8–11].

Incrementar el grado de sectorización.Otra alternativa es la utilización de antenas muy directivas en lasbase station (BS)s para poder obtener sectores más pequeños y con menos interferencia. Actualmente la sectorización típica es de 3 sectores aunque hay trabajos donde se estudia el incremento de la sectorización [12, 13].

Densificación.Aplicada mediante el despliegue de más BSs porm²o la introduc- ción de repetidores y femto-células. Como la tendencia es a que la mayoría del tráfico se genere en interiores, el enfoque femtocelular [14–16] promueve que los usuarios finales instalen una BS de baja potencia y corto alcance en sus hogares y así el suscriptor dispondrá de mayores tasas de transmisión de datos y fiabilidad en el entorno del hogar y/o del trabajo; por otra parte, el operador reduce la cantidad de tráfico en la red macrocelular y puede centrar sus recursos en los usuarios verda- deramente móviles. El uso de repetidores en las redes celulares también aporta una serie de ventajas mejorando la cobertura en las peores zonas de la red [17–19].

Introducir coordinación y cooperación entre células.Mientras que la mayoría de las opciones anteriores requieren el despliegue de nuevo equipamiento, los esquemas de cooperación requieren la interconexión de los nodos ya existentes así como dotar a esta infraestructura con mecanismos de procesado que permitan explotar la coordinación. Utilizando técnicas de cooperación la interferencia puede

1.2. QUINTA GENERACIÓN DE TECNOLOGÍA CELULAR(5G) anularse o incluso convertirse en señal útil ayudando a conseguir una QoS más homogénea en toda la célula. [20–23].

En este contexto, existen dos tipos de estrategias: las llamadas técnicas de reutilización de frecuencia (FR) que tratan de controlar las interferencias entre células adyacentes, y las técnicas de transmisión multipunto coordinada (CoMP) que se basan en la introducción de esquemas de precodificación mediante los cuales la información de un usuario se transmite desde varias BSs. Ambas estrategias están diseñadas para mejorar el rendimiento de las redes, han sido utilizadas en las últimas actualizaciones de LTE y están destinadas a jugar un papel más importante dentro de los estándares del 5G. Ambas técnicas nacieron con el objetivo común de maximizar la capacidad del sistema y ofrecer ciertas garantías de calidad de servicio para los usuarios ubicados lejos de su estación base. Resulta especialmente interesante en el contexto de esta tesis el estudio del funcionamiento conjunto de ambas técnicas ya que la combinación proporciona sinergias que mejoran el rendimiento de la red. Cuando se estudia la implementación de estas técnicas hay que tener en cuenta que se debe realizar una configuración de diversos parámetros que condiciona el modo en que se efectua la coordinación y/o cooperación y afecta al rendimiento de la red. Su optimización es un problema clave para la incorporación de estos mecanismos a redes reales. Aunque ya existen trabajos en los que se estudia la optimización conjunta de técnicas de FR y CoMP [24–27], principalmente se centran en optimizar una sola métrica de rendimiento.

Esto supone una limitación importante ya que para poder apreciar el impacto global del trabajo conjunto de ambas técnicas es necesario tener en cuenta varias métricas de manera simultánea, tal y como se hace en el campo de la optimización multiobjetivo [28]. Es posible destacar algunos trabajos como [29], donde los autores tratan de optimizar la configuración de técnicas FR teniendo en cuenta varias métricas diferentes, sin embargo en dichos trabajos no se considera ningún tipo de cooperación CoMP en la transmisión. Otros estudios más recientes como [30, 31] tratan la optimización multiobjetivo de diferentes arquitecturas de redes celulares, pero aún así, no es posible encontrar soluciones al problema de optimización multiobjetivo de redes que usen conjuntamente FR y CoMP.

1.2. Quinta generación de tecnología celular (5G)

Una vez alcanzada la madurez de los sistemas celulares LTE y long term evolution advanced (LTE-A), considerados como 4G, durante los últimos años se han producido numerosas discusiones y estudios preliminares sobre los posibles pilares tecnológicos de la futura quinta generación de tecnología celular o 5G [32].

Requerimientos y principales métricas

Para poder entender los retos a los que tiene que hacer frente el 5G es necesario conocer los requisitos que se le exigen. Dichos requisitos son ambiciosos y variados pero es necesario remarcar que no es necesario cumplirlos todos a la vez y la necesidad de cumplir unos u otros dependerá de la aplicación que se esté proporcionando a un usuario.

Por ejemplo, para la transmisión de vídeos en alta resolución se requerirá una elevada tasa de transmisión de datos pero no será necesaria una latencia especialmente baja. Sin embargo, para el control de coches autónomos no se requerirá una tasa de transmisión alta pero será esencial que la latencia sea mínima. Para la definición de los diferentes

requisitos de funcionamiento de una red celular se utilizan diversas métricas que pueden ser divididas en varios grupos.

1. Tasa de transmisión de datos: El aumento de este tipo de métricas es uno de los principales objetivos de 5G. La tasa de transmisión de datos puede medirse de diferentes formas y empleando diferentes métricas. La métrica más común es la capacidad de área que hace referencia a la cantidad de datos que la red puede servir por unidad de área. Existe un consenso general que postula que esta métrica debe aumentar tres órdenes de magnitud (factor x1000) con respecto al 4G [32].

Otra métrica que resulta clave para el 5G es la tasa de transmisión proporcionada a los usuarios del borde de la célula (en inglésedge rate) [29]. Esta métrica queda reflejada por el denominadoratedel 5 %, que indica la tasa de transmisión de datos media que alcanza el percentil 5 de los usuario en la red, por lo que solo el 5 % de los usuarios tendrían una tasa de transmisión de datos media por debajo de ese nivel.

El objetivo de 5G para esta métrica es superar los 100 Mbps. Conseguir que el 95 % de los usuarios tengan una tasa de transmisión por encima de los 100 Mbps es un reto muy ambicioso. Otra métrica popular es la tasa de transmisión máxima opeak rateque mide la tasa de transmisión máxima que podría alcanzar un usuario en el mejor de los casos. Esta cifra podría alcanzar el rango de las decenas de Gbps.

2. Latencia: Mientras que el requisito de latencia en el 4G ronda el orden de los 15 ms, para el 5G se requiere una mejora de un orden de magnitud. Por lo tanto, se espera una latencia en torno a 1 ms para la nueva generación de comunicaciones móviles. Existen varias estrategias para conseguir estos objetivos tan ambiciosos, por ejemplo, es posible intentar una reducción del tamaño de lossubframeso utilizar tecnologías para la capa física que favorezcan esta baja latencia [33, 34].

3. Energía y coste: Aunque lo ideal con la llegada de 5G sea la reducción de consumos energéticos tanto en el terminal como en la parte de infraestructura así como los costes de despliegue de red, se espera que al menos estos parámetros no se incrementen. Dentro de estos costes merece la pena destacar los requisitos de la red debackhaulque comunica varias BSs y que es necesaria para la implementación de técnicas cooperativas. Existen diversos estudios como [35, 36] que se plantean la optimización delbackhaul. En consecuencia los requisitos debackhaulpueden convertirse, de forma indirecta, en un factor limitador del rendimiento de la red.

Pilares tecnológicos.

Con el objetivo de lograr cumplir los ambiciosos requisitos definidos para la 5G es necesario el empleo de múltiples técnicas y estrategias. Las principales mejoras previstas para esta generación de tecnología móvil se pueden agrupar en tres grupos.

1. Densificación y heterogeneización la red: En diversos estudios, como por ejemplo en [14, 37, 38], se demuestra que una forma efectiva de mejorar la capacidad de la red consiste en reducir el tamaño de las células. La incorporación de picocélulas (alcance por debajo de los 100 m) y femtocélulas (alcance similar al WiFi) [38]

será clave para alcanzar altas tasas de transmisión de datos en las llamadas redes

1.2. QUINTA GENERACIÓN DE TECNOLOGÍA CELULAR(5G) heterogéneas ( heterogeneous networks (HetNet)). Conforme aumenta la densidad de la red aparecen nuevos retos como preservar la movilidad dentro de la red sin pérdidas de cobertura, diseñar una correcta gestión de potencias de cada estación base, diseñar las tecnologías idóneas de acceso al medio entre usuarios y estaciones base y por último mantener la viabilidad económica ante el supuesto aumento de costes para la instalación y mantenimiento de tantos puntos de acceso y de la red de backhaul. También se ha de destacar la introducción de técnicas de reutilización de frecuencia FR avanzadas [39–41], las cuales resultan indispensables para este tipo de redes tan densas en las que la interferencia inter-celular actúa como factor limitante.

2. Uso de bandas frecuenciales en ondas milimétricas (técnicas mmWave): De- bido a la saturación actual de emisiones en el espectro inferior a 6 GHz parece inevitable el uso de otras bandas frecuenciales como las comprendidas entre los 30-300 GHz que hasta ahora no habían sido utilizadas principalmente por sus pro- blemas de propagación y su elevado coste de implementación. Las pérdidas de progación de las señales a estas frecuencias son mucho mayores con respecto a otras bandas frecuenciales pero esta característica puede resultar una ventaja a la hora introducir femtocélulas en una red macrocelular debido a la limitada interferencia que generan más alla de su radio de cobertura. Para compensar estas pérdidas de energía es habitual el uso de estrategias debeamforming. Estas estrategias consisten en el diseño de vectores de antenas que permiten transmitir la señal concentrando la energía hacia la dirección deseada, simulando el funcionamiento de antenas muy direccionales y consiguiendo así ganancias muy elevadas [42–45].

3. Uso de técnicas MIMO más avanzadas: El uso de técnicas MIMO [8, 46] resulta fundamental para alcanzar las metas propuestas en esta generación de redes de comunicaciones móviles. Es necesario destacar un tipo de técnicas multi user multiple-input multiple-output (MU-MIMO), conocidas como CoMP, donde múl- tiples BSs cooperan entre ellas para funcionar como un solo transmisor MIMO transformando una parte de la interferencia inter-celular en señal útil. Aunque las técnicas MIMO ya están contempladas en los estándares de LTE, se espera que el número de antenas en el estándar 5G aumente considerablemente permitiendo el uso de nuevas técnicas como las conocidas por MIMO masivo o en inglésmassive MIMO[47] y que se basan en la utilización de centenares de antenas en las BSs.

Capa Física.

Aunque la elección de la capa física para el 5G es una decisión que se ha discutido en múltiples estudios y que ha generado un intenso debate en la comunidad científica todo apunta a que OFDMA será la tecnología elegida para todas lasreleasesque conforman el 5G [32]. Esta tecnología es actualmente la más utilizada en el ámbito de las comunica- ciones inalámbricas de alta velocidad, siendo la base de todos los estándares actuales de WiFi, LTE y worldwide interoperability for microwave access (WiMAX). Muchas son las ventajas de esta opción pudiéndose destacar principalmente su manera natural de hacer frente a la selectividad en frecuencia del canal, la fácil implementación mediante fast Fourier transform (FFT)/inverse fast Fourier transform (IFFT) y su sencilla combinación

con técnicas MIMO y técnicas avanzadas de FR. Aunque la elección parece clara en torno a OFDMA, es importante destacar que han aparecido multitud de alternativas, muchas de ellas basadas en ligeras modificaciones realizadas al OFDMA. Algunas de estas al- ternativas sonTime-Frequency Packing[48],nonorthogonal modulation[49],filterbank multicarrier(FBMC) [50], generalized frequency division multiplexing (GFDM) [51, 52]

ysingle carrier modulation[53].

1.3. Contribuciones

La contribución principal de este trabajo es el estudio del funcionamiento y diseño conjunto de técnicas FR y CoMP. A pesar de ser dos técnicas ampliamente estudiadas, co- mo ya se dijo anteriormente, en la literatura no se encuentran estudios del funcionamiento conjunto de las dos técnicas ni soluciones a los problemas que plantea su uso conjunto así como la optimización de este tipo de redes. El objetivo de esta tesis es rellenar ese hueco existente. De este modo, esta tesis presenta las siguientes aportaciones:

Definición de un marco de referencia en el cual diferentes estrategias FR y CoMP puedan ser equitativamente evaluadas y comparadas. Para ello es necesario definir un modelo de la capa física que en este estudio consistirá de las expresiones de la signal-to-interference-plus-noise ratio (SINR) para cada una de las técnicas CoMP.

Mediante esta SINR es posible definir una cota superior de la tasa de transmisión de datos que se puede alcanzar empleando cada una de las técnicas CoMP. Estas expresiones son válidas para cualquier configuración de FR. El modelo de la capa física debe ser lo más real posible, para ello se tendrán que tener en cuenta los diferentes efectos de propagación del canal (es decir, desvanecimientos rápidos, desvanecimientos lentos con correlación espacial y pérdidas de propagación) y el carácter multicelular de la red.

Formulación del problema de optimización multiobjetivo de redes basadas en MIMO-OFDMA con uso conjunto de CoMP y FFR/SFR. En este tipo de proble- mas se optimizan simultáneamente diferentes métricas de rendimiento de la red.

Concretamente en esta tesis se utilizan tres métricas que representan tres aspectos muy diferentes dentro del diseño de una red. La primera métrica será la capacidad de la red y hace referencia a la tasa de transmisión global que puede alcanzar la red. La segunda métrica será la tasa de transmisión media del percentil 5 de los usuarios, esta métrica sirve como medida de rendimiento de las zonas con peor cobertura de la red y en cierta manera, cuando se analiza conjuntamente con la capacidad total, nos da una idea delfairness(equidad) que proporciona la red y de la QoS proporcionada a los usuarios situados en el borde exterior celular. Por último, analizaremos los requisitos de la red debackhaul, la cual indica la capacidad necesaria en la red de conexiones entre BSs para implementar CoMP. Todas estas métricas dependen de los parámetros de configuración de las estrategias FFR/SFR.

En consecuencia, la optimización se realizará con respecto a estos parámetros de configuración de la red.

Estudio sobre diferentes estrategias de selección de usuarios (scheduling) así como definición de los algoritmos que pueden ser empleados para realizar dicha selección

1.4. ESTRUCTURA

cuando se utilizan técnicas CoMP. Así mismo, se proponen nuevos algoritmos de schedulingque permiten alcanzar un compromiso entre la capacidad total de la red y el rendimiento de los peores usuarios. En el diseño de dichos algoritmos, aparte de su rendimiento, se persigue que sean computacionalmente factibles.

Aplicación y adaptación de un algoritmo genético evolutivo, más concretamente el nondominated sorting genetic algorithm (NSGA-II), para el problema de optimi- zación multiobjetivo de la red encontrando diferentes configuraciones para la red definidas como puntos de operación que representan diferentes compromisos entre las métricas consideradas.

Definición de una metodología para implementar el uso conjunto de FR y CoMP en distribuciones irregulares de estaciones base, poniendo de manifiesto las principales diferencias entre el uso de ambas técnicas sobre redes regulares e irregulares. A tales efectos, se propone primero un algorimo que permite la formación de clústeres de cooperación de BSs. Posteriormente se derivan unas expresiones matemáticas basadas en la aproximación de la red por un mapa de cobertura dividido en peque- ñas parcelas cuadradas (píxeles), realizando así una discretización espacial de la red. Estas métricas aproximadas exhiben una dependencia similar respecto a los parámetros de FR a la que muestran las métricas reales.

Formulación y resolución del problema de optimización multiobjetivo para redes irregulares mediante la extensión del marco teórico propuesto a nivel de clúster de cooperación al caso de una red completa irregular con multitud de clústeres operando de forma independiente y simultánea. El marco propuesto es capaz de capturar las interacciones entre los diferentes clústeres y permite optimizar todos los parámetros de la red.

1.4. Estructura

Este documento está compuesto por seis capítulos y un anexo. Los siguientes cua- tro capítulos componen el cuerpo principal de las investigaciones realizadas durante el doctorado mientras que en el último capítulo se encuentran las consideraciones finales, conclusiones y las posibles lineas de investigación futuras. El anexo contiene los deta- lles de las simulaciones empleadas y los datos necesarios para reproducir los resultados presentados.

Tras la introducción y contextualización presentada en este capítulo, en el Capítulo 2 se introducen de manera detallada los conceptos de FR y CoMP. Estas dos estrategias para la mitigación de interferencias inter-celulares son empleadas durante todo el resto de la tesis. Una vez presentadas ambas estrategias se define unframeworkdonde es posible comparar diferentes técnicas CoMP con el objetivo de seleccionar la más apropiada para ser utilizada en todos los escenarios evaluados en los otros capítulos de la tesis.

En el Capítulo 3 se presenta el problema de optimización multiobjetivo encargado de optimizar una red celular regular. Solucionar este tipo de problema proporciona una serie de configuraciones óptimas. Con estas configuraciones se obtiene el mejor rendimiento de la red teniendo en cuenta diversas métricas de evaluación. El Capítulo 4 pone de manifiesto el problema de diseño de las técnicas FR en conjunto con CoMP cuando se introducen

irregularidades en la topología de la red. En este capítulo se proponen dos algoritmos en los que apoyarse para tomar dos decisiones esenciales para combinar técnicas CoMP con técnicas FR. El primer algoritmo permite indicar cómo se deben agrupar los sectores de las estaciones base para cooperar entre sí. El segundo algoritmo resuelve la forma en la que se debe repartir el espectro frecuencial entre las diferentes estaciones base. Una vez tomadas estas dos decisiones iniciales a nivel de diseño de la red celular se nos presenta el reto de afrontar la optimización de una red irregular. El carácter irregular de la red impide que la optimización de un sector pueda extrapolarse a otro sector al perderse la característica de simetría que existía en las redes regulares. Este hecho motiva que una optimización basada en simulaciones resulte computacionalmente inviable y que sea necesaria la búsqueda de estrategias alternativas a las aportadas en los capítulos anteriores para la optimización de la red. La segunda parte de este Capítulo 4 presenta un innovador modelo matemático que permite obtener aproximaciones de las métricas de rendimiento de la red, requisito necesario para el uso de algoritmos de optimización. El Capítulo 5 introduce el concepto de algoritmos evolutivos multiobjetivo y en base a ellos propone un proceso de optimización empleando las aproximaciones presentadas en el capítulo anterior. Mediante este nuevo proceso se estudia la optimización de una red celular irregular completa.

1.5. Publicaciones

Los estudios y propuestas presentadas en esta tesis han dado lugar a un total de nueve publicaciones. En concreto se han publicado siete artículos en congresos y dos artículos en revistas de reconocido prestigio (ambas en el primer cuartil del Journal Citations Reports).¹A continuación se detalla la lista completa.

Artículos de congreso:

[54]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Combining fractional frequency reuse with coordinated multipoint transmission in MIMO-OFDMA net- works,” in Wireless Days (WD), 2013 IFIP. IEEE, 2013.

[55]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias,“FFR-aided coordinated multipoint transmission in downlink multicell MIMO-OFDMA networks”, in Vehi- cular Technology Conference (VTC Fall), 2015 IEEE 82nd. IEEE, 2015.

[56]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias,“Multi-objective optimi- zation of CoMP-based MIMO-OFDMA networks with frequency reuse”, in 11th IEEE International Conference on Wireless and Mobile Computing, Networking and Communications (Wimob 2015), October 2015.

[57]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Evolutionary algorithms for multiobjective optimization of frequency reuse schemes in CoMP-based MIMO- OFDMA networks”, in Wireless Communication Systems(ISWCS), 2016 Interna- tional Symposium on. IEEE, 2016.

[58]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Clustering and subband allocation for CoMP-based MIMO-OFDMA networks with soft frequency reuse”,

1Los artículos publicados están incluidos en la Bibliografía.

1.5. PUBLICACIONES

in European Wireless 2017; 23th European Wireless Conference; Proceedings of.

VDE, 2017.

[59]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Analytical optimization of irregular CoMP-based MIMO-OFDMA networks with frequency reuse”, in Wireless and Mobile Computing, Networking and Communications (WiMob). IEEE, 2017.

[60]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Optimization of irregular CoMP-aided OFDMA networks with SFR: a multiobjective approach,” in Vehicular Technology Conference (VTC SPRING), 2018 IEEE 87th. IEEE, 2018.

Artículos de revista:

[61]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Multi-objective optimi- zation of coordinated multipoint-aided MIMO-OFDMA systems with frequency reuse”, IEEE Access, vol. 5, 2017. 1.4, Q1 (JCR).

[62]J. Pastor-Pérez, F. Riera-Palou, and G. Femenias, “Analytical network-wide optimization of CoMP-aided MIMO-OFDMA irregular networks with frequency reuse: a multiobjective approach”, IEEE Transactions on Communications, 2018, 1.5, 5.3.3, Q1 (JCR)

C

2

E STRATEGIAS PARA LA MITIGACIÓN DE LAS INTERFERENCIAS INTER - ^CELULARES

2.1. Introducción

En el capítulo anterior se destacó la importancia y necesidad de incorporar técnicas avanzadas para la mitigación de interferencias. Tanto laintra-cell interferencecomo la ICI han constituido tradicionalmente un gran conveniente para alcanzar el rendimiento deseado en el contexto de redes de comunicaciones celulares. Como ya se comentó anteriormente, con el uso de orthogonal frequency division multiple access (OFDMA) la intra-cell interferencepuede ser prácticamente anulada gracias a la ortogonalidad entre subportadoras. Sin embargo, en sistemas basados en OFDMA, la ICI aparece cuando células vecinas utilizan el mismo canal y su tratamiento representa uno de los grandes retos en este tipo de redes celulares, especialmente cuando se intenta mejorar el rendimiento de usuarios localizados cerca de la frontera entre dos células. Este problema es especialmente relevante cuando se recurre a una reutilización universal de frecuencias, necesaria para satisfacer los ambiciosos objetivos de diseño en estándares como LTE o LTE-A, así como en la futura generación 5G.

En este capítulo, en la Sección 2.2, se introducen de forma concisa los conceptos clave sobre orthogonal frequency division multiplexing (OFDM) y OFDMA para a continuación presentar dos de las estrategias más utilizadas para la mitigación de interferencias inter- celulares, como son FR y CoMP. En la Sección 2.3 será presentado un estudio sobre diferentes estrategias CoMP en combinación con técnicas FR, describiendo la capa física de cada una de las técnicas CoMP con el objetivo de definir unframeworkque nos permita comparar el rendimiento de cada una de ellas sobre una red regular y hacer una elección apropiada sobre la que basar el al trabajo de futuros capítulos. Por último, en la Sección 2.5 se presentan las observaciones finales y conclusiones derivadas de este capítulo.