Uso de Machine-Learning en el control de congestión sobre redes 5G

Abstract

RESUMEN: El número de usuarios conectados a las redes móviles está aumentando rápidamente, a la vez que los requisitos de los usuarios. Las redes 3G surgen como una solución a este problema de demanda de tráfico creciente. La próxima generación de comunicaciones móviles incluye el uso de redes de alta frecuencia, por encima de 24 GHz. El canal físico en estas longitudes de onda es altamente variante, además de existir elevadas pérdidas de transmisión. Los mecanismos tradicionales de control de congestión no funcionan de manera adecuada en este entorno, por lo que el uso de técnicas más novedosas en este campo como las pertenecientes al campo del Machine Learning pueden cobrar mayor relevancia. En este documento se realiza un estudio de los datos disponibles por parte de los nodos finales de la red, así como su utilidad en la predicción de la congestión, con el objetivo final de poder realizar un control de la congestión más eficiente en estos entornos. Para realizar esta investigación se han llevado a cabo diferentes simulaciones sobre entornos de ondas milimétricas, utilizando el software de simulación ns-3. Los datos obtenidos en estas simulaciones han servido para elaborar diferentes soluciones que predicen el nivel de congestión.

ABSTRACT: The number of devices connected to mobile networks is heavily increasing day by day, as well as user;s requirements. 3G networks emerge as a feasible solution to increasing traffic demand situation. Next generation networks include the use of high-frequency technologies, above 24 GHz. Physical propagation at these wavelengths is highly variable and presents high trans- mission losses. Traditional congestion control mechanisms do not work properly on these environments. The use of novel techniques in this field, such as IA solutions, seems to be an approach still undiscovered. This report studies the available performance indicators at the network end nodes, as well as their benefits in predicting congestion. The goal is being able to perform more efficient congestion control mechanism on these environments. In order to carry out this research, different simulations on mmW environments have been developed using the well-known ns-3 simulation platform. Collected data has been afterwards used to develop different solutions that are able to predict the level of congestion.