Towards a new cloud-based planning and optimization methodology for mobile communication networks

Abstract

The great concern of telecommunication operators to offer high-quality services to their customers requires a constant care with the state of the networks. These networks can present some problems that imply that the experience offered to customers is unsatisfactory. In order to monitor these situations, operators collect, on a fairly regular basis, data, like drive tests, that allow them to monitor and correct minor issues. This thesis takes advantage of the data collected and uses it in network planning in order to precisely obtain the coverage estimation of a network. In order to automate failure correction mechanisms, a totally automatic propagation model is presented, which precisely describes the state of the network, allowing it to be used for network planning and optimisation. After its implementation, the model was compared to a second model, generated through Artificial Intelligence, which is completely agnostic to all telecommunications knowledge. These models, for the considered scenarios, reached average absolute errors between estimated and actual values of 6.1 dB with a standard deviation of 4 dB. The existence of several real telecommunication network measures and their evolution to Multiple Input, Multiple Output (MIMO) systems motivated not only the investigation on the coverage impact with the change from a Single Input, Single Output (SISO) to a MIMO system, but also the investigation on the reduction of complexity of the receivers used in MIMO systems. The closer the Bit Error Rate performance of the receiver is to the Matched Filter Bound, the smaller will be the reduction in the coverage area with the transition from a SISO system to a MIMO system.

A grande preocupação dos operadores de telecomunicações em oferecerem serviços de alta qualidade aos seus clientes leva a um constante cuidado com o estado das redes. Estas redes podem apresentar alguns problemas que implicam que a experiência oferecida aos clientes seja desagradável. De forma a monitorizar estas situações, os operadores recolhem, com bastante regularidade, dados, como "drive tests", que lhes permitem avaliar e corrigir pequenos problemas. Esta tese aproveita os dados recolhidos e utiliza-os no planeamento da rede de forma a obter fielmente a estimativa de cobertura de uma rede. De forma a automatizar mecanismos de correção de falhas, é apresentado um modelo de propagação completamente automático, que descreve de forma precisa o estado da rede permitindo que seja aplicado em algoritmos de planeamento e otimização da rede. Após a sua implementação, este modelo foi comparado com um segundo modelo, gerado através de inteligência artificial, que é completamente agnóstico a todo o conhecimento de telecomunicações. Estes modelos, para os cenários estudados, atingiram erros absolutos médios entre os valores estimados e os valores reais de 6.1 dB com um desvio padrão de 4 dB. A existência de diversos dados reais das redes de telecomunicações e a evolução para os sistemas "Multiple Input", "Multiple Output" (MIMO) motivou não só a investigação no impacto da cobertura com a mudança de um sistema "Single Input", "Single Output" (SISO) para um sistema MIMO, mas também a investigação na redução de complexidade dos recetores utilizados em sistemas MIMO. Quanto mais próxima a "Bit Error Rate performance" do recetor estiver do "Matched Filter Bound", menor será a redução na área de cobertura com a transição de um sistema SISO para um sistema MIMO.