| Popis: |
With the exponential increase of traffic volume observed in the recent decade, cellular operators can no longer satisfy multi-gigabit traffic demands in an economical and ecologically sustainable way. As such, a dense rollout of small cells is being deployed in urban scenarios to increase coverage and support the challenging bandwidth, capacity, and latency requirements of current 5G networks. However, extreme network densification comes at a cost since the ultra-dense urban scenarios produce a massive amount of backhaul traffic in the core network, potentially becoming the network bottleneck. Typically, small cell base stations are connected to the core network through fiber cables, which offers high reliability at a high cost. Wireless backhauling offers network operators a scalable and cost-effective alternative to the wired backhaul, especially in the mmWave band, where large bandwidths are available. Still, this band suffers high susceptibility to the obstruction, which only allows correct operation under Line-of-Sight conditions (LOS). To ensure a truly resilient network, mechanisms should be in place to mitigate the negative impact caused by LOS obstruction at multiple layers. This thesis focuses on implementing mechanisms that improve the network reliability and resilience of a blockage-prone mmWave backhaul. More specifically, the gains that predicting in advance the wireless link quality could have on network adaptability. For that purpose, an SDN-controlled testbed using the standardized IEEE 802.11ad was successfully deployed in an outdoor scenario. The data collected in this network enabled characterizing the impact of long-term and short-term blockage on mmWave links. The conducted analysis shows that long-term obstruction causes maximum delays of about 1 second and PERs up to 40%, even with an automatic modulation adjustment. On the other hand, short-term blockage causes sudden data rate decreases of a few hundred Mbps, delays up to half a second, and packet losses up to 9%. The experimental metrics were also used as the basis for developing a new link quality classifier, which was shown to classify the wireless link quality with a test F1-score of 97%. Moreover, a novel deep learning forecasting model was shown to accurately detect network patterns to predict most of the relevant link’s KPIs for the next 3 seconds. The prediction error associated with each metric is within the variation range observed for an unobstructed mmWave link. Furthermore, it has also been found that random linear network coding techniques can be effectively used to increase the robustness of highly variable mmWave networks. It was shown that rateless RLNC increases the likelihood of achieving 100% data delivery success rates, with low encoding overhead, in highly blocked links. Also, the behavior of the experimental testbed was replicated using ns-3 to develop an accurate simulation model that could be used for future validation of the proposed mechanisms. In a more advanced stage of the project, the proposed mechanisms will be used together to design a truly highly-resilient and fault-tolerant mmWave backhaul. O aumento exponencial do volume de tráfego observado na última década tem pressionado os opereradores de redes celulares para fornecerem serviços de tráfego multi-gigabit de uma forma económica e ecologicamente sustentável. Como tal, um número elevado de small cells tem sido instalado em cenários urbanos, para aumentar a capacidade da rede e suportar os requisitos desafiantes de largura de banda, capacidade e latência das actuais redes 5G. Contudo, a densificação extrema da rede tem um custo elevado quando utilizadas ligações de fibra. O backhaul sem fios oferece assim uma alternativa escalável e com uma boa relação custo-benefício às ligações de fibra, especialmente na banda de ondas milimétricas, onde larguras de banda grandes estão disponíveis. Ainda assim, a elevada susceptibilidade a obstruções nesta banda, só permite o funcionamento correcto em ambientes em que exista linha de vista. Para assegurar uma rede resiliente, devem existir mecanismos para mitigar o impacto negativo causado pela obstrução nas múltiplas camadas. Esta tese foca-se na implementação de mecanismos que melhorem a fiabilidade e resiliência de uma rede backhaul de ondas milimétricas, mais especificamente, os ganhos que a previsão antecipada da qualidade da ligação poderia ter no aumento da adaptabilidade da rede. Para esse efeito, foi instalada com sucesso uma testbed WiGig controlada por SDN num cenário exterior. Os dados recolhidos num ambiente real permitiram caracterizar o impacto de obstruções de curta e longa duração em múltiplas camadas da rede. Esta análise mostrou que uma obstrução contínua causa atrasos que podem chegar a quase um segundo e PER máximas de 40%, mesmo em cenários com ajuste automático da modulação. Por outro lado, uma obstrução de curta duração causou variações abruptas da taxa de dados, atrasos máximos que podem chegar a meio segundo, e perdas de pacotes máximas de 9%. Numa segunda etapa do trabalho, os dados reais foram também utilizados para desenvolver um mecanismo que classifica, com uma F1-score de 97%, a qualidade de uma ligação mmWave sob diferentes níveis de obstrução. Para além disso, foi demonstrado que um modelo de deep learning é capaz de utilizar as métricas de multiplas camadas de rede para detectar padrões temporais que podem ser utilizados para prever o valor das métricas mais relevantes para os próximos 3 segundos. O erro associado à previsão de cada métrica está contido dentro do intervalo de variação observado para uma ligação mmWave não obstruído. Por fim, foi explorado o potencial de técnicas lineares de network coding em aumentar a robustez em redes de backhaul baseadas em ondas milimétricas. Foi observado que a codificação de pacotes com RLNC de comprimento fixo aumenta a probabilidade de atingir taxas de entrega de 100%, com um aumento pouco significativo do overhead, em links mmWave altamente obstruídos. Adicionalmente, o comportamento da testbed utilizada foi replicado no ns-3 para desenvolver um modelo de simulação e facilitar a validação futura dos mecanismos propostos. Numa fase futura do projecto, estes mecanismos irão permitir conceber um backhaul de ondas milimétricas com uma elevada resistência e tolerância a falhas. Mestrado em Engenharia Eletrónica e Telecomunicações |
