Hoppa till innehåll
EN In english

Optimering av radioaccess-nät för effektiv massiv MIMO

Diarienummer
ID18-0093
Start- och slutdatum
190101-250331
Beviljat belopp
2 500 000 kr
Förvaltande organisation
Lund University
Forskningsområde
Informations-, kommunikations- och systemteknik

Summary

Massive MIMO har blivit en väsentlig del av nya standarder för mobilkommunikation för att möta prestandakrav på 5G nätverk. Medan kärnan av teknologin kan ses som mogen finns det många öppna aspekter gällande implementation och optimering av kommersiella system som använder massive MIMO. I det här projektet fokuserar vi på machine learning metoder för att effektivisera cellulära nätverk med denna teknologi. De stora antalet antenner i massive MIMO system möjliggör mer detaljerad beskrivning av radiokanalen och därmed tillåter estimeringen av både småskaliga aspekter som korrelation mellan användarna och storskaliga fenomen som mobilitetsmönster. Denna information öppnar för nya möjligheter för schedulering och handover strategier, för att säkra robust kommunikation med låg latens i blandade och dynamiska miljöer. Projektet är delat i fyra arbetspaket: 1) Lång- och kortvarig kanalprediktion i massive MIMO 2) Estimering av mobilitets-. och trafikmönster 3) Fysisk och virtuell UE positionering baserat på nätverksdata 4) Schedulering av 5G användare baserat på machine learning. Vi kommer att utföra diverse experiment med massive MIMO testbed på Lunds Universitet och anvnda avancerade nätversksimuleringar och realistisk användardata för att nå vårt mål: Ett machine.learning-baserat scheduleringsramverk för blandad trafik i 5G nätverk.

Populärvetenskaplig beskrivning

Aldrig förr så har människor tittat mer på videos, uppdaterat sociala media eller använt nätverk strömmade tjänster som idag vilket sätter höga krav på pålitlighet och kapacitet i mobila nätverk. Ericsson har analyserat 4G nät och dess prestanda i storstadsområden runt om i världen och kommit fram till att sannolikheten att en mobiltelefonanvändare kan drabbas av dålig täckning och försämrad service kan bli upp till 20% under rusningstrafiken. Redan år 2023 förutspås det att trafiken i mobilnät kommer att nå en nivå av hisnande 110 exabyte per månad. För den som undrar hur mycket det är så skulle det motsvara 5.5 miljoner år av HD videotittande. Detta kräver en utökning av både kapacitet men också ytterligare optimeringar i form av artificiell intelligens såsom machine learning osv. Massive MIMO är teknologi som möjliggör en signifikant ökning av kapacitet i mobila nät samtidigt som man reducerar störningar. Denna teknologi har också försetts med nya antennsystem som öppnar upp för helt nya data som tidigare inte har varit tillgänglig. Massive MIMO kan hjälpa att överbrygga gapet som finns mellan 4G och 5G genom att lägga till en intelligent kapacitetsplanering och därmed förbättra användarupplevelsen. Som ett exempel kan man ta en framtida drönare som används av räddningstjänsten för att filma byggnader i Ultra HD kvalité för att lokalisera människor vid eventuella bränder och på så sätt kunna assistera brandmän som befinner sig i skyskrapan för att evakuera de drabbade. I en storstadsmiljö så krävs det väldigt många basstationer för att ge tillräckligt med täckning då byggnader och andra objekt kan störa signalen. I ett fall som denna då en drönare används för att rädda liv så kan det bli tidskritiskt om drönare skulle förlora kommunikation med nätet (basstationen). Genom att tillämpa optimeringar l så skulle ett nät kunna förutse drönarens väg genom att använda machine learning metoder. Visionen är att en basstation skall kunna se till att drönaren förses med tillräcklig signalkvalité hela tiden genom att ”berätta” för en annan basstation när och var den kan förväntas sig att ta emot drönaren, som t.ex när den svänger runt hörnet på en byggnad. För att detta skall vara möjligt så behövs det nya sätt att samla in och analysera data från de nya antenn systemen. Machine learning-baserade system ökar effektiviteten av