Table des matières
1 Introduction
1.1 Contexte et motivations
1.2 Objectifs et contributions de la thèse
1.3 Plan des travaux de thèse
1.4 Liste des publications
2 La 5G, la révolution des réseaux mobiles
2.1 Introduction
2.2 L’évolution des réseaux mobiles (4G/ 5G)
2.2.1 Exigences techniques de la 5G
2.2.2 Vision de l’accès radio 5G
2.2.3 Interface radio du LTE/ LTE-A
2.2.3.1 Modes de duplexage
2.2.3.2 Structure de la trame LTE-FDD
2.2.4 Armes de LTE-A
2.3 Présentation de l’architecture Cloud Radio Access Network (C-RAN)
2.3.1 Composants de l’architecture C-RAN
2.3.1.1 Remote Radio Head (RRH)
2.3.1.2 Baseband Unit (BBU)
2.3.1.2.a Couche physique
2.3.1.2.b Couche MAC
2.3.1.2.c Couche Radio Resource Control (RRC)
2.3.1.3 Le fronthaul
2.3.2 Architecture H-CRAN
2.3.2.1 Technique de remédiation aux interférences eICIC
2.3.2.2 Technique de remédiation aux interférences CoMP
2.3.2.2.a Coordinated Scheduling/Coordinated Beamforming (CS/CB)
2.3.2.2.b Joint Transmission (JT)
2.3.2.2.c Dynamic Point Selection (DPS)
2.4 Conclusion
3 Modèles de files d’attente et chaînes de Markov pour le dimensionnement des C-RAN/H-CRAN
3.1 Introduction
3.2 Chaînes de Markov
3.3 Modèles de files d’attente
3.4 Principaux modèles de files d’attente utilisés
3.4.1 La file M/G/S/S
3.4.2 La file M[X]/G/S/S
3.4.3 La file G/G/1
3.4.4 La file G[X]/G/1
3.5 Conclusion
4 Modélisation de eICIC/ABS et allocation optimale de ressources dans les CRAN/ H-CRAN
4.1 Problématique et contexte
4.2 Formulation du problème
4.3 Chaînes de Markov pour la modélisation de eICIC/ ABS
4.4 Modèles de file d’attente pour la modélisation de eICIC/ ABS
4.4.1 Modèle de file d’attente : M/G/S/S pour la modélisation de eICIC/ ABS
4.4.2 Modèle de file d’attente : M[X]/G/S/S pour la modélisation de eICIC/ ABS
4.5 Analyse des performances
4.5.1 Algorithme de génération et de calcul des conditions radio des UE pour eICIC/ ABS
4.5.2 Etude comparative entre les performances de la M/G/S/S et celles des chaînes de Markov simulées
4.5.3 Etude comparative entre les performances de la M[X]/G/S/S et celles des chaînes de Markov simulées
4.5.4 Etude comparative entre les trois approches proposées : chaînes de Markov, M/G/S/S et M[X]/G/S/S
4.5.4.1 Comparaison des débits par classe en fonction du taux d’arrivée
4.5.4.2 Comparaison des temps d’exécution des trois approches proposées : chaînes de Markov, M/G/S/S et M[X]/G/S/S
4.5.5 Influence de la micro et du nombre d’ABS
4.6 Optimisation de eICIC/ ABS basée sur les modèles de files d’attente
4.6.1 Description de l’algorithme d’optimisation
4.6.2 Application numérique du modèle d’optimisation de eICIC/ABS
4.6.3 Influence d’epsilon sur le modèle d’optimisation de eICIC/ ABS
4.7 Conclusion
5 Modélisation de JT-CoMP et allocation optimale de ressources dans les C-RAN108
5.1 Problématique et contexte
5.2 Formulation du problème
5.3 Chaîne de Markov pour la modélisation de JT-CoMP
5.4 Modèles de file d’attente pour la modélisation de JT-CoMP
5.4.1 Modèle de file d’attente : M/G/S/S pour la modélisation de JT-CoMP
5.4.2 Modèle de file d’attente : M[X]/G/S/S pour la modélisation de JT-CoMP
5.5 Analyse des performance
5.5.1 Algorithme de génération et de calcul des conditions radio des UE pour JTCoMP
5.5.2 Etude comparative entre les trois approches proposées : chaînes de Markov, M/G/S/S et M[X]/G/S/S
5.6 Optimisation de JT-CoMP basée sur les modèles de files d’attente
5.6.1 Application numérique du modèle d’optimisation de JT-CoMP
5.6.2 Influence d’epsilon sur le modèle d’optimisation de JT-CoMP
5.6.3 Influence de la distribution des clients sur le modèle d’optimisation de JT-CoMP
5.7 Conclusion
6 Conclusion
