Detección de Nodos en Zonas Ocultas en redes LAA a través de Aprendizaje Automático Supervisado
DOI:
https://doi.org/10.36825/RITI.08.15.011Palabras clave:
LAA, LBT, Nodo Oculto, RSRP, RSRQ, RSSIResumen
La operación LTE en bandas de espectro sin licencia, basada en el Acceso Asistido con Licencia (LAA), se considera como una opción para aumentar la capacidad de las redes inalámbricas 4G. Estas soluciones utilizan un protocolo Listen Before Talk (LBT) que permite que el eNodeB (eNB) acceda de manera oportunista al medio, evitando colisiones desde / hacia otros eNBs. Sin embargo, el problema del nodo oculto en el contexto de las redes LAA debe abordarse para reducir o evitar la degradación de la red. La identificación de nodos ocultos y la decisión posterior de si el equipo de usuario (UE), afectado por una condición oculta, debe permanecer o debe cambiar de una banda sin licencia a una con licencia es una cuestión que mejorará la eficiencia de la red. En este trabajo, utilizamos dos técnicas de aprendizaje automático supervisado para determinar si los UE ubicados en la celda de borde están afectados por nodos ocultos; para ellos empleamos parámetros estándar obtenidas del UE para entrenar una regresión logística y una red neuronal, para detectar cuándo el UE se ve afectado por colisiones debido a la presencia de nodos ocultos. Los resultados muestran que la red neuronal tiene una exactitud perfecta como detector de UE frente a nodos ocultos.
Citas
LTE-U Forum: Alcatel-Lucent, Ericsson, Qualcomm Technologies Inc., Samsumg Electronics & Verizon. (2015). Technical Report Coexistence, Study for LTE-U SDL V1.0. Recuperado de: https://docplayer.net/34274503-Lte-u-forum-alcatel-lucent-ericsson-qualcomm-technologies-inc-samsung-electronics-verizon-lte-u-technical-report.html
3GPP-TR36.889. (2015). Study on Licensed-Assisted Access to Unlicensed Spectrum. Recuperado de: https://www.3gpp.org/ftp/Specs/archive/36_series/36.889/
Kwon, H., Jeon, J., Bhorkar, A., Ye, Q., Harada, H., Jiang, Y., Liu, L., Nagata, S., Ng, B. L., Novlan, Oh, J., Yi, W. (2017). Licensed-Assisted Access to Unlicensed Spectrum in LTE Release 13. IEEE Communications Magazine, 55 (2), 201–207.
ETSI EN 300 328 - V2.1.1. (2016). Data transmission equipment operating in the 2,4 GHz ISM band and using wide band modulation techniques. Recuperado de: https://www.etsi.org/deliver/etsi_en/300300_300399/300328/02.01.01_60/en_300328v020101p.pdf
Han, S., Liang, Y. C., Chen, Q., Soong, B. H. (2016). Licensed-Assisted Access for LTE in Unlicensed Spectrum: A MAC Protocol Design. IEEE Journal on Selected Areas in Communications, 34 (10), 2550–2561.
Rupasinghe N., Gülvenç, I. (2015). Reinforcement learning for licensed-assisted access of LTE in the unlicensed spectrum. Trabajo presentado en IEEE Wireless Communications and Networking Conference (WCNC), New Orleans, LA, 1279–1284. doi: 10.1109/WCNC.2015.7127653.
Alliance Wi-Fi R1-167881. (2016). Response to Liaison Statement on coexistence simulation results for DL only LAA. Recuperado de: https://www.3gpp.org/FTP/Inbox/LSs_from_external_bodies/WiFi_Alliance/20160811%20Response%20to%203GPP%20Liaison%20Statement%20on%20coexistence%20simulation%20results%20for%20DL%20only%20LAA.zip
Farnham, T. (2012). REM based approach for hidden node detection and avoidance in cognitive radio networks. Trabajo presentado en IEEE Global Telecommunications Conference (GLOBECOM), Anaheim, CA, 1391–1397. doi: 10.1109/GLOCOM.2012.6503308.
Baswade, A. M., Sathya, V., Tamma, B. R., Franklin, A. A. (2016). Unlicensed Carrier Selection and User offloading in dense LTE-U networks. Trabajo presentado en IEEE Globecom Workshops (GC Wkshos), Washington, DC, 1-6. doi: 10.1109/GLOCOMW.2016.7849071.
3GPP R1-145128. (2014). Avoiding hidden node problem by full-duplex radio from UE perspective. Inst. Inf. Ind. RAN1#79. Recuperado de: https://www.3gpp.org/ftp/tsg_ran/WG1_RL1/TSGR1_79/Docs/R1-145128.zip
3GPP R1-151047. (2015). Discussion on hidden node issue for LAA. Samsung, RAN1 Ad-hoc Meet. Recuperado de: http://www.3gpp.org/ftp/tsg_ran/WG1_RL1/TSGR1_AH/LTE_LAA_1503/Docs/R1-151047.zip
3GPP R1-150420. (2015). Solutions to DL LAA Hidden Node and Channel Reuse. Inst. Inf. Ind., p. 6. Recuperado de: https://www.3gpp.org/DynaReport/TDocExMtg--R1-80--31254.htm
3GPP R1-151123. (2015). Discussion of hidden node problem of LAA. Huawei, HiSilicon.
Recuperado de: http://www.3gpp.org/ftp/tsg_ran/WG1_RL1/TSGR1_AH/LTE_LAA_1503/Docs/R1-151123.zip
Ali, Z., Giupponi, L., Mangues-Bafalluy, J., Bojovic, B. (2017). Machine learning based scheme for contention window size adaptation in LTE-LAA. Trabajo presentado IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), Montreal, QC, 1-7. doi: 10.1109/PIMRC.2017.8292751.
Giupponi, L., Henderson, T., Bojovic, B., Miozzo, M. (2016). Simulating LTE and Wi-Fi Coexistence in Unlicensed Spectrum with ns-3. Recuperado de: https://arxiv.org/abs/1604.06826
3GPP TR 36.814 V9.0.0. (2010). Evolved Universal Terrestrial Radio Access (E-UTRA); Further advancements for E-UTRA physical layer aspects (Release 9). Recuperado de: http://www.3gpp.org/ftp/Specs/archive/36_series/36.814/36814-900.zip
Rebala, G., Ravi, A., Churiwala, S. (2019). Learning Models. In G. Rebala, A. Ravi, and S. Churiwala (Eds.) An Introduction to Machine Learning (pp. 19–23). Cham: Springer International Publishing.
Ng, A. (2020). Supervised learning [Folleto de la clase CS229]. Palo Alto, CA: Universidad Standford. Recuperado de: http://cs229.stanford.edu/notes2020spring/cs229-notes1.pdf
Kubat, M. (2017). Artificial Neural Networks. En M. Kubat (Eds.), An Introduction to Machine Learning (pp. 91–111). Cham: Springer International Publishing.
Ma, T., Avati, A., Katanforoosh, K., Ng, A. (2020). Deep Learning [Folleto de la clase CS229]. Palo Alto, CA: Universidad Standford. Recuperado de: http://cs229.stanford.edu/notes2020spring/cs229-notes-deep_learning.pdf
Eaton, J. W., Bateman, D., Hauberg, S., Wehbring, R. (2020). GNU Octave Version 5.2.0 Manual: A High-Level Interactive Language for Numerical Computations. Recuperado de: https://octave.org/octave.pdf
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
