Le spectre utilisé pour les services mobiles est de plus en plus étendu et cette tendance se confirmera dans les années à venir : en complément des bandes traditionnelles entre 700 et 2600 MHz, des fréquences plus hautes sont en cours de déploiement (3,4 GHz) ou prévues (26 GHz) pour atteindre à terme le THz. Cette évolution ne concerne pas seulement les transmissions radios mais a une influence sur le réseau car les très faibles couvertures qui découlent des très hautes fréquences conduisent à des réseaux multi-couches (mêlant petites et grandes cellules). C’est un changement de paradigme qui a été identifié dès 2013 [And13], mais qui n’a pas été encore traduit dans les faits car les couches interagissent faiblement. L’intégration étroite de liaisons radios de caractéristiques différentes est déjà possible avec des technologies traditionnelles [Lag14]. La virtualisation des fonctions radios permet de disposer de réseaux agiles dont les ressources radios sont adaptées à la demande et où la notion traditionnelle de cellule disparait, un terminal étant connecté à plusieurs points d’accès variables au cours du temps.
L’objectif de la thèse est de définir les différentes architectures dans le réseau d’accès et les stratégies de localisation des traitements de façon à optimiser conjointement les performances (débit, latence, …) et la consommation énergétique [LCX20]. La démarche utilisée sera basée sur les modèles mais pourra faire appel le cas échéant aux techniques d’apprentissage.
L’approche utilisée consiste à tirer parti des possibilités qu’offre la technologie C-RAN, RAN ou Cloud Radio Access Network. Les fonctions de traitement aux différentes couches réseaux peuvent être localisés en différents endroits [Su19]. Un traitement au plus proche de l’utilisateur permet généralement de réduire la latence mais va à l’encontre d’une mutualisation et d’une réduction des coûts. De plus, la charge et les types de services utilisées varient au cours du temps. L’optimisation doit donc prendre en compte l’état de la demande. Enfin, la séparation de fonctions en plusieurs sites d’exécution peut conduire à une augmentation de la signalisation. Il faut donc procéder à une optimisation globale. Une approche prometteuse a été proposée dans [GCL18].
[And13] Andrews, J. G. (2013). Seven ways that HetNets are a cellular paradigm shift. IEEE communications magazine, 51(3), 136-144.
[Lag14] Lagrange, X. (2014, April). Very tight coupling between LTE and Wi-Fi for advanced offloading procedures. In 2014 IEEE Wireless Communications and Networking Conference Workshops (WCNCW) (pp. 82-86). IEEE.
[GCL18] A. Garcia-Saavedra, X. Costa-Perez, D. J. Leith and G. Iosifidis, « FluidRAN: Optimized vRAN/MEC Orchestration, » IEEE INFOCOM 2018 – IEEE Conference on Computer Communications, Honolulu, HI, 2018, pp. 2366-2374, doi: 10.1109/INFOCOM.2018.8486243.
[Su19] R. Su et al., « Resource Allocation for Network Slicing in 5G Telecommunication Networks: A Survey of Principles and Models, » in IEEE Network, vol. 33, no. 6, pp. 172-179, Nov.-Dec. 2019, doi: 10.1109/MNET.2019.1900024
[LCX20] Li, Y. N. R., Chen, M., Xu, J., Tian, L., & Huang, K. (2020). Power Saving Techniques for 5G and Beyond. IEEE Access, 8, 108675-108690.