Impacto Del Reuso De Frecuencia Fraccional en La Reducción De Interferencia Intercelda en Lte.

Abstract

La Interferencia Inter-Celda (ICI, Inter-Cell Interference) es un problema que desafía el desempeño de las redes Evolución a Largo Término (LTE, Long Term Evolution), sin embargo existen técnicas de Coordinación de Interferencia Inter-Celda (ICIC, Inter-Cell Interference Coordination) como el Reuso de Frecuencia Fraccional (FFR, Fractional Frequency Reuse) que permiten mitigar dicha interferencia y mejorar el desempeño de los Equipos de Usuario (UE, User Equipment), especialmente aquellos terminales situados en el borde de la celda. Este artículo analiza el desempeño de la técnica Reuso de Frecuencia Fraccional (FFR) en LTE, en función de dos parámetros de configuración: Umbral de Relación Señal a Ruido más Interferencia (SINR, Signal to Interference plus Noise Ratio) y partición de Ancho de Banda (BW, Band Width). Se evalúa la capacidad e interferencia mediante diagramas de dispersión, curvas de Función de Probabilidad Acumulada Empírica (ECDF, Empirical Cumulative Density Function) y cálculos estadísticos.

Machine learning algorithms for inter-cell interference coordination

“…Two main interferences are present in LTE/LTE-A networks: intra-cell and inter-cell. The first one is produced between frequency channels within the same cell and thanks to OFDMA and its series of subcarriers (see Figure 1), its impact is low (Fernández et al, 2014). Alternatively, the ICI is produced between a frequency channel in a cell and the same channel used in an adjacent cell.…”

“…The amount of User Equipment [UE] within the large and dense mobile networks has suffered a considerable increase in the latest years (Fernández, González, & Hernández, 2014) due to the considerable data demand caused by the current requirements of the mobile services (Borkar & Pande, 2016). In order to support these bandwidth demands, standards such as the so-called Long-Term Evolution [LTE] and Long-Term Evolution -Advanced [LTE-A] are required to perform an adequate radio resource management (Kibria, Villardi, & Nguyen, 2016;Hu & Pang, 2012) and to improve their optimization functions.…”

“…There are several alternatives to optimize the radio resources allocation, covering from the low-power cells deploy or Heterogeneous Networks [HetNet] (Hu & Pang, 2012) towards intelligent resource allocation schemes (Glenn, Imran, & Evans, 2013). Nevertheless, some lacks are present in these proposals since they are not able to adapt themselves dynamically and efficiently to the scenarios with variable network traffic; this entails problems such as the Inter-Cell Interference [ICI] (Fernández et al, 2014).Within the alternatives to achieve dynamic adaptation, the machine learning techniques involving the Self Organization Networks [SON] are present (Van den Berg et al, 2008). These ones include areas such as the self-optimization via decision algorithms, applicable to the frequency reuse to reduce the ICI, making to achieve the automation through the learning over previous actions (5GAmericas, 2013).…”

“…El número de Equipos de Usuario [Users Equipment, UE] de las redes móviles con gran densidad ha tenido un crecimiento considerable en los últimos años (Fernández, González, & Hernández, 2014), debido al gran consumo de datos provocado por los requerimientos de los servicios móviles actuales (Borkar & Pande, 2016). Para soportar estas exigencias de ancho de banda se requiere que estándares como LTE [Long Term Evolution] y LTE-A [Long Term Evolution -Advanced] realicen una buena gestión de los recursos radio (Kibria, Villardi, & Nguyen, 2016;Hu & Pang, 2012) y mejoren sus funciones de optimización, para responder con calidad a las necesidades de los escenarios de alta densidad de tráfico (Guio & Hernández, 2013).…”

“…Para optimizar la asignación de recursos existen diversas alternativas que van, desde el despliegue de celdas de menor potencia o Redes Heterogéneas [Heterogeneus Networks, HetNet] (Hu & Pang, 2012), hasta esquemas inteligentes de asignación de recursos (Glenn, Imran, & Evans, 2013); sin embargo, se presentan algunos vacíos en estas soluciones, ya que no se adaptan de forma dinámica y eficiente a los escenarios variables del tráfico de red, lo cual produce problemas como la Interferencia Inter-Celda [Inter-Cell Interference, ICI] (Fernández et al, 2014). Dentro de las alternativas para lograr adaptación dinámica se encuentran las técnicas de aprendizaje automático que involucran el concepto de redes auto-organizadas [Self Organization Networks, SON] (Van den Berg et al, 2008), las cuales incluyen áreas como la auto-optimización por medio de algoritmos de decisión, aplicables al reuso de frecuencia para reducir la ICI, que logran automatización a través del aprendizaje sobre acciones previas (5GAmericas, 2013).…”