Vous êtes sur la page 1sur 90

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/320346713

Optimisation du dimensionnement réseau mobile avec contraintes QoS et


dynamique spatio-temporelle

Thesis · June 2011


DOI: 10.13140/RG.2.2.28289.48483

CITATIONS READS

0 3,177

1 author:

William Diego
Orange Labs, Châtillon
19 PUBLICATIONS   50 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

D2D 5G View project

Services de Télécommunications et Cloud View project

All content following this page was uploaded by William Diego on 12 October 2017.

The user has requested enhancement of the downloaded file.


" Optimisation du dimensionnement réseau mobile avec
contraintes QoS et dynamique spatio-temporelle "

Tuteurs entreprise : SENECAL Stéphane


KELIF Jean-Marc

Tuteur école : SEPTIER François

William DIEGO Fe-2011

Du 03 Janvier au 24 Juin 2011


William DIEGO
Fe-2011
" Optimisation du dimensionnement réseau mobile avec
contraintes QoS et dynamique spatio-temporelle "

Lieu du stage
Orange Labs
CORE/M2V/IODA
38-40 rue du Général Leclerc
92794 Issy-les-Moulineaux CEDEX 9

Dates du stage
Du 03/01/2011 au 24/06/2011

Tuteurs entreprise
SENECAL Stéphane
KELIF Jean-Marc

Tuteur école
SEPTIER François
Remerciement

Je tiens à remercier tout particulièrement à mes parents et ma famille qui m’ont tant
encouragé et soutenu pendant tout mon parcours professionnel .

Ainsi mes remerciements s’adressent à Stéphane SENECAL et Jean-Marc KELIF, mes tu-
teurs entreprise, pour m’avoir accordé leur confiance en me permettant de réaliser mon stage
au sein de France Telecom (Orange Labs), ainsi que pour leur accueil chaleureux.

Je tiens tout particulièrement à remercier mon tuteur école François SEPTIER pour sa
disponibilité et le soutien qu’il a eu à mon égard tout au long de mon stage, pour la confiance
qu’il m’a accordée et la qualité de son encadrement.

Enfin mes remerciements vont à l’ensemble des collaborateurs de l’équipe IODA pour leur
accueil. J’ai eu un réel plaisir à travailler avec eux durant ces six mois de stage.

i
Table des matières

ii
Table des matières

Table des matières iii

Table des figures vii

Glossaire de termes ix

Introduction xi

I Contexte et enjeux du stage 1


1 Présentation de l’entreprise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Le Groupe France Télécom . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Les Orange Labs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Le Projet EcosCells . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Contexte et enjeux économiques et sociétaux . . . . . . . . . . . . . . . . 7
2.2 Positionnement du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Description du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4 Objectifs et caractère ambitieux/novateur du projet . . . . . . . . . . . . 14
2.5 Programme scientifique et structuration du projet . . . . . . . . . . . . . 16
2.6 Management du projet EcosCell . . . . . . . . . . . . . . . . . . . . . . . 16
3 Enjeux du stage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1 Sujet de Stage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 Méthodologie envisagée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

iii
Table des matières

3.4 Les moyens mis à disposition . . . . . . . . . . . . . . . . . . . . . . . . . 19


3.5 Planification de tâches . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

II Standards et fondements théoriques 21


1 3GPP LTE - Release 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2 OFDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2.1 L’OFDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.2.2 Le SC-FDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3 MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4 La trame LTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 Modèle fluide de réseaux sans fils . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1 Le facteur d’interférence . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2 Analyse du Shadowing avec le Modèle Fluide . . . . . . . . . . . . . . . . 31
2.3 Version du Modèle Fluide adapté aux réseaux hétérogènes . . . . . . . . 32
2.3.1 Calcul analytique de la distance minimale inter cellule . . . . . 34
3 Dynamique spatio-temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1 Caractéristiques du trafic . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 Performance en terme de débit sans contrôle d’admission . . . . . . . . . 37
3.3 Performance en terme de débit avec contrôle d’admission . . . . . . . . . 38
3.3.1 Limitation du nombre de clients actifs . . . . . . . . . . . . . . 38
3.3.2 Garantie d’un débit minimal . . . . . . . . . . . . . . . . . . . . 38
3.3.3 Respiration de cellule . . . . . . . . . . . . . . . . . . . . . . . 39

III Scénarios envisagés et résultats 41


1 Modèle analytique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.1 Mobile connecté à une Macro cell . . . . . . . . . . . . . . . . . . . . . . 44
1.2 Mobile connecté à une Small cell . . . . . . . . . . . . . . . . . . . . . . 44
1.3 Mobile connecté à une Femto cell . . . . . . . . . . . . . . . . . . . . . . 45
2 Scénario 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3 Scénario 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

iv
Table des matières

3.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 Scénario 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5 Comparaison des scénarios 2 et 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6 Scénario 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

Conclusion générale et perspectives 65

Références bibliographiques 67

Annexes 69
1 Annexe 1 : Modèle Fluide pour les réseaux hétérogènes . . . . . . . . . . . . . . 69
2 Annexe 2 : Analyse dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.1 Performance du débit (Sans contrôle d’admission) . . . . . . . . . . . . . 71
2.2 Taux de blocage (avec contrôle d’admission) . . . . . . . . . . . . . . . . 72
2.2.1 Par un nombre de clients actifs . . . . . . . . . . . . . . . . . . 72
2.2.2 Par un débit minimal par clients . . . . . . . . . . . . . . . . . 73

v
Table des matières

vi
Table des figures

I.1 Orange Labs dans le monde . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2


I.2 Diagramme Organisationnel de France Telecom . . . . . . . . . . . . . . . . . 5
I.3 Nombre de souscripteurs internet dans le monde . . . . . . . . . . . . . . . . . 8
I.4 Résultat général de l’étude de Martin Cooper . . . . . . . . . . . . . . . . . . 9
I.5 Tâches et leurs relations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
I.6 Planification de tâches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

II.1 Paramètres importants du 3GPP LTE - Release 8 . . . . . . . . . . . . . . . . 22


II.2 Technique de modulation OFDM (tiré de [1]) . . . . . . . . . . . . . . . . . . 23
II.3 Techniques d’accès multiple (Downlink - Uplink) . . . . . . . . . . . . . . . . 25
II.4 Distribution des sous-porteuses . . . . . . . . . . . . . . . . . . . . . . . . . . 26
II.5 Le système MIMO 2x2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
II.6 Structure de trame de type 1 FDD . . . . . . . . . . . . . . . . . . . . . . . . 27
II.7 Distribution de ressources de la structure de trame de type 1 FDD . . . . . . 28
II.8 Calcul du facteur d’interférence . . . . . . . . . . . . . . . . . . . . . . . . . . 30
II.9 Distribution des BSs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
II.10 CDF des distances minimales . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

III.1 Interface outil interne original . . . . . . . . . . . . . . . . . . . . . . . . . . . 41


III.2 Interface outil interne modifié . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
III.3 Scénario 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
III.4 Débit moyen par TTI en fonction de la distance (S1) . . . . . . . . . . . . . . 47
III.5 Nombre de clients satisfaits en fonction de la distance (Service : 2 Mbps - S1) 47

vii
Table des matières

III.6 CDF du débit par TTI (S1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48


III.7 Scénario 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
III.8 Zone de simulation scénario 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
III.9 SINR moyen en fonction de la distance (S2) . . . . . . . . . . . . . . . . . . . 51
III.10 Débit moyen par TTI en fonction de la distance (S2) . . . . . . . . . . . . . . 52
III.11 CDF du SINR (S2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
III.12 Scénario 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
III.13 Scénario 3 en 3-D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
III.14 SINR moyen en fonction de la distance (S3) . . . . . . . . . . . . . . . . . . . 55
III.15 Débit moyen par TTI en fonction de la distance (S3) . . . . . . . . . . . . . . 56
III.16 CDF du SINR (S3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
III.17 S2 en fonction de S3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
III.18 Débit moyen par TTI par cellule (S2) . . . . . . . . . . . . . . . . . . . . . . . 59
III.19 Débit moyen par TTI par cellule (S3) . . . . . . . . . . . . . . . . . . . . . . . 59
III.20 Courbe de niveau (S4) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
III.21 SINR moyen en fonction de la distance (S4) . . . . . . . . . . . . . . . . . . . 61
III.22 Résultats dynamiques sans contrôle d’admission (S4) . . . . . . . . . . . . . . 61
III.23 Débit moyen en fonction de la charge (avec contrôle d’admission par un nombre
de clients actifs (S4) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
III.24 Taux de blocage en fonction de la charge (avec contrôle d’admission par un
nombre de clients actifs (S4) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
III.25 Taux de blocage en fonction de la charge (avec contrôle d’admission par un
débit minimal par clients (S4) . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
III.26 Débit moyen par TTI par cellule (S4) . . . . . . . . . . . . . . . . . . . . . . . 64

viii
Glossaire de termes

3GPP 3rd Generation Partnership Project


ANR Agence Nationale de la Recherche
BTS Base Transceiver Station
BS Base Station
CDF Cumulative Distribution Function
EcosCells Efficient Cooperating Small Cells
GSM Global System for Mobile communications
IMS IP Multimedia Subsystem
FDD Frequency Division Duplex
FFTH Fiber To The Home
FP7 Seventh Framework Programme
HBS Home Base Station
HSPA High Speed Packet Access
LTE Long Term Evolution
MIMO Multiple Input Multiple Output
QAM Quadrature Amplitude Modulation
QoS Quality of Service
QPSK Quadrature Phase Shift Keying
RF Radio Fréquence
SC/FDE Single Carrier avec Frenquency Domain Equalization
SINR Signal to interference plus Noise Ratio
SON Self Optimizing Networks
TDD Time Division Duplex
UMTS Universal Mobile Telecommunications System
Wi-Fi Wireless Fidelity
WiMax Worldwide Interoperability for Microwave Access
xDSL x Digital Subscriber Line

ix
Table des matières

x
Introduction

La spécificité de Telecom Lille 1 est de former des ingénieurs ayant une grande capacité
d’adaptation et plusieurs expériences en entreprise. C’est dans le cadre de ma formation que
j’ai réalisé mon stage de fin d’étude (PFE) d’une durée de 6 mois à France Telecom (Orange
Labs), sur le site d’Issy-les-Moulineaux. Le PFE est un exercice de validation finale de mon
cursus, il est représentatif d’une mission d’ingénieur et doit présenter une réelle valeur ajoutée
pour l’entreprise. Il permet d’évaluer la capacité de l’élève à agir avec compétence en situation
professionnelle réelle.

Le groupe France Telecom est un leader mondial des télécommunications, et les Orange
Labs, ses laboratoires de Recherche et Développement, ont pour mission de porter l’innovation
à travers tout le groupe. Avec l’émergence de services à forte demande en débits, tels que la vidéo
à la demande ou la TV Haute Définition, tout en relevant les défis imposés par la mobilité. Dans
cette optique, les réseaux ont besoin d’être plus évolutifs, plus intelligents et plus performants,
afin de garantir la fourniture rentable de services attractifs aux consommateurs, aux entreprises
et aux partenaires.

Mon PFE s’est déroulé dans le cadre du projet EcosCells, qui propose d’étudier le concept
d’un réseaux de petits cellules (Small Cell Network). Les réseaux des Small Cells sont un nom
générique pour les réseaux 4G/4G+ cellulaires (basés sur 802.16 WiMax ou les technologies
Long Terme Evolution (LTE)). La réduction de la taille de cellules offre une capacité théori-
quement plus élevée et un rendement énergétique, mais cette réduction a comme conséquence
l’augmentations, pour l’opérateur, de la complexité des tâches d’aujourd’hui comme : la plani-

xi
Table des matières

fication de cellules, l’acquisition de site, configuration de paramètres et leur réglage.

Le stage concerne le dimensionnement de réseaux mobiles OFDMA 1 (e.g. WiMAX, LTE).


Le design de réseaux consiste notamment à évaluer la couverture et la capacité effectives des
cellules en prenant en compte différents paramètres relatifs à l’environnement, la configuration
des équipements et les contraintes de Qualité de Service (QoS).

Dans cette optique, une expression analytique du Signal to Interference plus Noise Ratio
(SINR) a été explicitée en prenant en compte les effets conjoints de différents paramètres liés à
la propagation et aux interférences. Ceci permet d’analyser la probabilité de perte de paquets,
de prendre en compte les problèmes de couverture liés au trafic, et de densification du réseau.

Précisément, l’objectif de mon stage à été de comprendre et de prendre en compte l’incerti-


tude liée à la dynamique spatio-temporelle du trafic (déplacement des mobiles avec changement
de cellules potentiel) dans le modèle de réseau mobile décrit ci-avant.

La méthode envisagée au cours de ce stage a consisté à évaluer la couverture et la capa-


cité effectives des cellules en prenant en compte différents paramètres qui ont été mentionnés
précédemment, en prenant en compte un modèle fluide de réseau qui considère le réseau mo-
bile comme un ensemble continu de stations de base, et qui permet d’établir des équations
simplifiées pour décrire les différents paramètres utilisés dans les calculs.

La première partie du stage consiste en une étude bibliographique qui m’a permis de monter
en compétence sur le modèle fluide et la modélisation statistique des sources d’incertitudes, ainsi
que sur les différents scenarios et modèles à implémenter.

Dans un deuxième temps, j’ai réalisé une modélisation statistique des sources d’incertitudes
impactant le trafic des mobiles en terme spatial dans la cellule et au cours du temps (processus
d’arrivée et de départ de type Poisson) dans les différents scénarios proposés.

Dans un dernier temps, j’ai réalisé l’évaluation, par simulation, de l’impact de cette incer-
titude sur la qualité de la solution du modèle simplifié dans les différents scénarios.

1. Orthogonal Frequency Division Multiple Access

xii
Chapitre I

Contexte et enjeux du stage

1 Présentation de l’entreprise

1.1 Le Groupe France Télécom

Orange est la marque phare de France Télécom, un des principaux opérateurs de télécom-
munications dans le monde avec 169 000 salariés, dont 102 000 en France. En 2010, le Groupe
a réalisé un chiffre d’affaires de 45,503 milliards d’euros pour l’ensemble de ses activités (11,228
milliards d’euros au 31 mars 2011), à cette même date, le Groupe comptait presque 216 mil-
lions de clients, dont plus de 156 millions de clients mobile et 13,9 millions de clients ADSL
dans le monde. Orange est l’un des principaux opérateurs européens du mobile et d’accès in-
ternet ADSL et l’un des leaders mondiaux des services de télécommunications aux entreprises
multinationales, sous la marque Orange Business Services.

France Télécom est l’opérateur historique de télécommunications en France, créé en janvier


1988 pour répondre à une directive européenne de mise en concurrence des services de télécom-
munication. France Télécom remplace la Direction Générale des Télécommunications, service
administratif de l’État, dépendant du ministère des Postes Télégraphes et Téléphones (PTT).
L’entreprise devient une société anonyme en juillet 1996, dont l’Etat français est alors le seul
actionnaire.

Orange est à l’origine un opérateur britanique racheté en 2000 par France Télécom, qui en
fait une filiale du groupe et la marque commerciale unique pour l’internet, la télévision et le
mobile, sous laquelle il regroupe d’anciennes marques telles qu’Itineris ou Wanadoo. Aujourd’hui
Orange est l’un des principaux opérateurs européens du mobile et d’accès internet ADSL et
l’un des leaders mondiaux des services de télécommunications aux entreprises multinationales,
sous la marque Orange Business Services. A terme, en 2012, le groupe France Telecom prendra

1
Chapitre I. Contexte et enjeux du stage

le nom d’Orange.

Avec son projet d’entreprise «conquêtes 2015», Orange s’adresse simultanément à ses sa-
lariés, à ses clients, à ses actionnaires et plus largement à la société dans laquelle l’entreprise
évolue en s’engageant concrètement sur des plans d’actions. Ceux-ci concernent les salariés du
Groupe grâce à une nouvelle vision des Ressources Humaines ; les réseaux, avec le déploie-
ment des infrastructures du futur sur lesquelles le Groupe bâtira sa croissance ; les clients,
avec l’ambition de leur offrir la meilleure expérience parmi les opérateurs grâce, notamment, à
l’amélioration de la qualité de service ; et l’accélération du développement international.

1.2 Les Orange Labs


Les Orange Labs constituent le réseau mondial d’innovation du Groupe France Télécom-
Orange. Créés en 2006, ils regroupent 5 000 collaborateurs (chercheurs, marketeurs, ingénieurs)
dans 18 pays sur 4 continents. Chaque Orange Labs est ainsi intégré à son propre écosystème
géographique, lui permettant de saisir et d’anticiper les avancées technologiques et l’évolution
des usages partout dans le monde. Le réseau international des Orange Labs concrétise l’am-
bition du groupe de donner un nouveau souffle à l’innovation pour en faire le moteur de sa
transformation.

Figure I.1 – Orange Labs dans le monde

2
I.1 Présentation de l’entreprise

En France les laboratoires des Orange Labs sont situés à Issy-les-Moulineaux, Lannion,
Rennes, Grenoble, Caen, Belfort, Sophia Antipolis et La Turbie. Cette intégration favorise une
collaboration étroite avec les fabricants locaux et la réutilisation de solutions techniques alter-
natives au profit des clients du groupe. Le site d’Issy-les-Moulineaux regroupe 1 150 chercheurs
travaillant sur l’ensemble des grands axes de Recherche et Développement du groupe. Les la-
boratoires d’Issy-les-Moulineaux, situés dans le bâtiment historique de la R&D du groupe sont
leaders sur des travaux de recherche particulièrement stratégiques pour les services de demain.

Parmi les réalisations les plus célèbres de ces centres, on peut citer Aristote, le premier
commutateur électrique en 1963, le Minitel en 1980, ou encore en 1991 le Bi-Bop, premier
téléphone portable grand public. Aujourd’hui les grands axes de recherche des Orange Labs
sont les suivants :

– les services liés au multiplay, au nomadisme en entreprise, aux services de gestion et de


mise en relation,
– les services sécurisés et les briques de confiance,
– les services de paiement et de transaction,
– les technologies permettant la montée en débit du cœur de réseau et des accès fixes et
mobiles.

La problématique de mon stage s’inscrit directement dans le cadre du dernier axe.

1.3 Organisation
La direction de France Telecom comporte plusieurs divisions. Parmi celles-ci on peut compter
les finances, les ressources humaines, et bien d’autres dont notamment, Orange Labs Networks
and Carriers. Cette dernière entité comprend la division Recherche et Développement, dont
dépendent les Orange Labs.

La division Recherche et Développement est composée de 7 centres de recherche et dévelop-


pement (CRD) :

– BIZZ - Business Services


– ILAB - LABoratoires Internationnaux
– MAPS - Middleware et plates-formes avancées (Middleware and Advanced Platforms of
Services)

3
Chapitre I. Contexte et enjeux du stage

– RESA - RESeaux d’Accès


– SIRP - Service Intégrés Résidentiels et Personnels
– TECH - TECHnologies
– CORE - COœr de REseau

Mon PFE s’est effectué au sein de ce dernier CRD. Les missions de CORE sont de définir
la vision de l’architecture de bout en bout des réseaux fixes et mobiles, pour la mise en œuvre
des nouveaux usages de l’Internet (multiservices, haut débit, audiovisuel...) et d’identifier les
ruptures potentielles (technologiques, économiques) dans le domaine des réseaux "cœur et col-
lecte", d’étudier leur apport différenciant ainsi que leur mise en œuvre pour le Groupe et les
pays.

Le CRD CORE est divisé en 5 laboratoires de recherche et développement :

– M2I - Multimedia networks for non-conversational fixed/mobile services : Image Internet


– NAS - Network Architecture center for Services deployment
– NIS - Network Integration center for Services deployment
– TPN - Transport and Packet Network
– M2V - Multimedia networks for conversational fixed/mobile services : Voice Visio

Mon PFE a été réalisé au sein du laboratoire M2V, dont les problématiques de recherche
tournent autour du réseau de communication directe, que ce soit par la voix ou par la vision.
Cela inclut donc le réseau de téléphonie, mais également le réseau internet qui permet également
ce genre de services. Pour finir la descente de l’organigramme, M2V est composé de 6 équipes,
appelées Unités de Recherche et Développement (URD) et affectées à des problématiques bien
précises :

– CIMI - CORE network IP convergence for Mobile and IMS


– ISN - Integration of conversational Services in Networks
– IRI - Interconnexion des Réseaux pour les services conversationnels sur IP
– DPC - Sécurité Ingénierie Développement de tests pour équipements et réseaux des ser-
vices conversationnels
– TSC - Traitement d’appel et de Session à l’accès pour les services Conversationnels
– IODA - IMS and mobile Optimisation and Database Architecture

C’est au sein de cette dernière URD qui j’ai effectué mon PFE ; IODA est une équipe d’une
vingtaine de personnes aux profils variés. Le diagramme I.2 résume l’architecture hiérarchique

4
I.1 Présentation de l’entreprise

générale, centrée sur l’axe CORE/M2V/IODA.

Figure I.2 – Diagramme Organisationnel de France Telecom

5
Chapitre I. Contexte et enjeux du stage

2 Le Projet EcosCells

Le besoin en accroissement de la bande passante et en diminution de la consommation élec-


trique, nécessite de réduire la taille des cellules des réseaux sans fils, de façon à minimiser la
distance entre un mobile à une cellule, et ainsi augmenter la capacité. Cette réduction amène
des problèmes d’organisation et de déploiement des réseaux, en particulier en raison des inter-
férences entre cellules pour lesquelles les solutions mises en place dans les réseaux cellulaires
classiques ne fonctionnent pas. La densité des stations de base implique également de repenser
le réseau de collecte qui doit pouvoir supporter une très grande capacité et une très grand
variabilité dans le trafic écoulé.

Le projet EcosCells 1 (Efficient Cooperating Small Cells ) a pour objectif de développer les
algorithmes et les solutions nécessaires pour permettre le déploiement d’un réseau de « petites
cellules » (SCN pour Small Cells Network). Les études théoriques s’attachent à définir les
modèles nécessaires pour la compréhension du fonctionnement des canaux radio, et définissent
les algorithmes qui permettent d’exploiter la diversité (utilisateurs, canaux, interférences) de
ces réseaux. L’originalité et l’ambition du projet est de ne plus considérer les interférences entre
cellules comme un problème à corriger, mais de les exploiter afin de viser l’utilisation optimale
des ressources.

Les algorithmes se basent sur les développements les plus avancés en termes de distribution,
de théorie des jeux ou d’apprentissage par renforcement.

Une architecture et les algorithmes nécessaires au bon fonctionnement du réseau de collecte


d’un SCN sont proposés. La très grande densité qu’a un SCN (une station tous les 10 m ou 100
m) implique de repenser le réseau de collecte comme un système dynamique devant faire face
à de très nombreuses variabilités (trafic, qualité des liens, pannes, etc).

Les solutions développées dans le projet sont validées par le biais de simulations et im-
plémentées sur la base d’une plateforme industrielle de développement en vue de réaliser un
prototype d’une station de base d’un SCN. Ce prototype sera instancié en plusieurs exemplaires
afin de réaliser une validation expérimentale. Cette approche expérimentale permet de valider
la valeur industrielle du concept de SCN.

Le consortium est composé de deux grands groupes industriels du monde des télécommuni-

1. Source : http://ecoscells.twn-bl.homeip.net

6
I.2 Le Projet EcosCells

cations, de 3 PME et 6 organismes de recherches publiques et privés :

1. Alcatel-Lucent Bell Labs (leader)


2. INRIA
3. Université d’Avignon et des Pays de Vauclus
4. Sequans
5. Orange Labs
6. 3ROAM
7. Siradel
8. LAAS
9. Eurecom
10. Laboratoire des Signaux et Systèmes/ Supelec
11. Supelec

2.1 Contexte et enjeux économiques et sociétaux


Le réseau public sans fil est surprenant : nous arrivons maintenant autour de 4 milliards de
clients dans le monde, dans le tableau 2 suivant nous observons la part du marché appartenant
à chaque technologie sans fil existant dans le marché :

Connections by Bearer Technology Connections by World Region


Technologie Nombre clients Endroit Nombre clients
GSM 80.42 % Europe : Western 43%
CDMA2000 1X 7.70 % Asia Pacific 13%
WCDMA 6.32 % Europe : Eastern 11%
CDMA2000 1xEV-DO 2.80 % Americas 11%
WCDMA HSPA 1.52 % USA/Canada 8%
Other 1.24 % Africa 9%
Total 4,310,295,611 World 4,310,295,611

Tableau I.1 – Nombre de souscripteurs sans fils tout le monde

Ce service mondial de télécom surpasse le nombre d’internautes qui est évalué autour de 1,5
milliards de personnes, et qui sont distribuées de façon suivante dans le monde :
2. Source : Site web de GSM Association (GSMA)

7
Chapitre I. Contexte et enjeux du stage

Figure I.3 – Nombre de souscripteurs internet dans le monde

Le modèle de déploiement de service à large bande dans les pays développés réutilise l’ins-
tallation historique de câblages de cuivre. Ce déploiement de câble est très lent et très coûteux,
même si nous réutilisons tous les conduits physiques existants dans seulement des salons princi-
paux, car le déploiement de la FFTH 3 exige un investissement énorme sur beaucoup d’années.

Au-delà de cela, les populations des pays en développement ont découvert leur premier
service de télécom avec la GSM. Et la GSM/UMTS remplace maintenant n’importe quel modèle
de déploiement basé sur câble pour le service vocal. La GSM/UMTS a été la seule solution
pour apporter un service télécom de base à plus de 2 milliards de personnes pendant moins de
5 années (par rapport à un siècle de déploiement de réseau en téléphonie fixe).

Il est envisagé d’offrir xDSL 4 comme le service au-dessus des secteurs urbains et suburbains,
en utilisant le dernier lien les technologies sans fil. Cette offre doit :

– être moins chère et plus rapide à déployer (par plus que x10) qu’un nouveau (ou indépen-
3. Fiber To The Home
4. x Digital Subscriber Line

8
I.2 Le Projet EcosCells

dant) déploiement de câble-à-maison.


– fournir le service en mouvement comme le font aujourd’hui les réseaux cellulaire.
– être beaucoup plus facile à utiliser en enlevant les sites BTS des immeubles privés (cas
réseau cellulaire) et l’accès privé d’immeuble de l’abonné (cas xDSL).

Cette offre commerciale d’un nouveau réseau amènera un concurrent réel (pas un MVNO 5 )
aux opérateurs du réseau cellulaires et un concurrent réel aux opérateurs de xDSL.

Le nouvel abonnement sans fil d’aujourd’hui avec l’UMTS/HSPA offre récemment un service
près de xDSL, mais cette offre n’aura pas l’adoption générale comme la xDSL.

Ce modèle n’est pas viable dans des zones suburbaines ni urbaines. Le modèle d’aujourd’hui
de déploiement (France : 47000 émetteurs sur des installations immobilierès) n’offriront jamais
quelque chose semblable au xDSL d’aujourd’hui en terme de densité et de coût de trafic par
octet pour l’utilisateur. Les améliorations de l’interface radio dans LTE 6 (ou WiMax 7 ) aideront
à augmenter la densité de trafic mais ne satisferont pas la demande.

Martin Cooper, qui en 1973 testait le tout premier téléphone portable de l’histoire, avait
étudié l’augmentation étonnante de la densité de trafic sans fil, ses résultats sont résumés dans
la figure suivante :

Figure I.4 – Résultat général de l’étude de Martin Cooper

Puis Cooper se fixa sur l’augmentation du trafic en presque un million de fois, qui a été
faite au cours des 45 dernières années. Et ses résultats ont été :

5. Mobile Virtual Network Operator


6. Long Term Evolution
7. Worldwide Interoperability for Microwave Access

9
Chapitre I. Contexte et enjeux du stage

– 25 fois étaient le résultat de l’augmentation de la utilisation de spectre (de 150MHz à


plusieurs GHz).
– 5 fois peuvent être attribuées à la capacité de diviser le spectre en tranches plus étroites
(division de fréquence).
– Les techniques de modulation comme FM, SSB,le multiplexage par division de temps, et
les diverses approches d’étalement de spectre peuvent prendre le crédit pour au moins 5
fois.
– Les autres mille six cent fois de amélioration restantes étaient le résultat de limiter la
surface utilisée pour des conversations individuelles à des surfaces plus petites (ce que
nous nommons la réutilisation de spectre).

Les macro stations de base (BS) utilisent également la réutilisation spatiale avec des concep-
tions de multi-antennes, mais malgré tout cela ces macro BS sont limitées toujours par :

– L’affaiblissement de propagation avec un exposant approximé de 3.5 dans des villes et qui
ne changera jamais (Ce fait coûtera de l’énergie et mènera à l’émission de la puissance
élevée RF - pour le long terme).
– Chaque économie de 3dB signifie de doubler le nombre d’antennes (Cela a un limite).
– L’installation des nouveaux BTS dans des sites particuliers seront de plus en plus difficiles
(Les capitaux cellulaires des opérateurs sont aujourd’hui principalement ces sites et pas
ses BTS installées).

Dans ce projet il est proposé de créer un nouveau modèle cellulaire de déploiement basé sur
des "BTS 8 " très petites et simples. Ces BTS ont l’apparence des stations Wi-Fi 9 extérieures
d’aujourd’hui. Cet imitateur de Wi-Fi peut avoir toutes les faiblesses des macro cellules, néan-
moins cette proposition apportera une amélioration critique de la qualité en comparaison aux
points d’accès Wi-Fi :

– Couverture en ville (à l’intérieur et l’extérieur) meilleure ou égale aux macro cellules


d’aujourd’hui
– Service de mobilité.
– Déploiement suivant la topologie naturelle de ville (rues) sur les mâts existants : poteaux
de distribution ou d’éclairage électrique.

Pour pouvoir transformer le concept en système qui puisse être utilisé par tous, on propose

8. Base Transceiver Station


9. Wireless Fidelity - standard IEEE 802.11

10
I.2 Le Projet EcosCells

de réutiliser les normes de l’interface air cellulaires existantes : les fréquences peuvent être
indiquées par l’administration locale comme le font aujourd’hui, alors que l’offre de terminaux
(diversité, qualité, coût) est assurée par la disponibilité constante de nouveaux modèles sur le
marché.

Les résultats collatéraux de ce projet seront également de grande valeur à la population. Par
exemple, un résultat dans un contexte français peut être d’avoir une bonne qualité de service
de large bande et réelle dans le transport urbain en commun tout en se déplaçant au metro ou
dans le tramway. Un deuxième exemple est d’apporter des algorithmes d’auto-optimisation aux
réseaux cellulaires classiques en offrant en temps réel la re-configuration localisée, pour offrir
un trafic maximal, et l’auto-dépannage.

2.2 Positionnement du projet


La réduction de la taille des cellules, qui est le concept clé des réseaux de petits cellules,
gagnent une large popularité pour fournir à l’utilisateur une couverture, une symétrie et un
débit uniformes. [2] [3]

Des réseaux cellulaires existants comme la GSM et le WiMax sont conçus pour couvrir
grands surfaces, qui ne réalisent pas le débit prévu pour assurer une bande large mobile sans
couture dans la liaison au sens montant (UL), en tant que s’éloignant de la BS.

C’est dû à une augmentation de l’interférence Inter-cellule (ICI 10 ) aussi bien qu’aux contraintes
sur la puissance de transmission des mobiles. Une autre limitation de l’approche de macro-cellule
est la pénétration pauvre à l’intérieur des bâtiments. Mais, pour une architecture par radio don-
née, la réutilisation efficace de fréquence en divisant une grande (macro) cellule en nombre de
petites cellules (de pico cellules) est l’une des façons efficaces d’augmenter la capacité du sys-
tème. Tout en améliorant le débit global réalisable dans la macro-cellule, ceci réduit également
des coûts de déploiement.

Plusieurs projets considèrent des améliorations classiques de réseau vers plus de trafic par
unité de surface :

– FP7/E3 : 11 étude des améliorations de l’interface radio (radio cognitive) et les algorithmes
d’auto-optimisation.

10. Inter-cell interference


11. Seventh Framework Programme : End-to-End Efficiency

11
Chapitre I. Contexte et enjeux du stage

– FP7/Socrates : 12 ciblé à l’auto-configuration et l’auto-optimisation des réseaux cellulaires


classiques.
– NGMN : 13 est un consortium dirigé par des opérateurs qui définit ses exigences dans des
termes de SON (Self Optimizing Networks).

Bien qu’abordant des sujets semblables, aucun d’entre eux ne cible un modèle si compliqué
de déploiement comme le fait EcosCells.

Plusieurs initiatives agrégées dans de contexte du "Femto forum" partagent la même hy-
pothèse : la solution est dans une augmentation beaucoup très important de la densité des
cellules. Néanmoins ils étudient cela dans un contexte spécifique : cellules à l’intérieur pour
complémenter le réseau cellulaire classique. Ils supposent également que "backhaul" est libre et
omniprésent grâce à la disponibilité de la xDSL ou FTTH.

Pour les aspects de "backhaul", les réseaux sans fil maillés sont aussi fortement étudiés (par
exemple Opnex ). Ces projets de réseaux sans fil maillés peuvent rencontrer la couverture désirée
mais ne portèrent jamais un trafic comme nous voyons aujourd’hui. Le trafic d’aujourd’hui est
mondialisé dans une petite planète, ainsi, la majeure partie des paquets croisent la moitié de la
planète. Cette situation réelle est beaucoup plus mauvaise que l’approche du modèle du trafic
de Kumar et Gupta [4] qui ont montré que le trafic sans fil maillés diminue quand la taille de
réseau augmente.

Une autre approche cible sur différents aspects du problème du "backhaul". Celtro fournit
le système de gestion Celtro DynaMate (DMS) qui offre la surveillance de trafic de transport
et la pleine surveillance de FCAPS 14 . Telrad permet un "backhaul" sans fil sur IP.

En raison de sa nouvelle nature relative (le "backhaul" basé sur IP actuellement n’est que
une étape faisable seulement pour les plus grands opérateurs télécom), il semble que le domain
de l’approvisionnement et services des réseaux "backhaul" sans fil sur IP, ne sont pas encore
vraiment bien explorés.

Ainsi, la vision d’approvisionner les grandes villes avec une distribution omniprésente de
petites cellules est originale. Le résultat peut être une fusion réelle entre la qualité de service

12. Seventh Framework Programme : Socrates


13. Next Generation Mobile Networks
14. Fault, Configuration, Accounting, Performance and Security

12
I.2 Le Projet EcosCells

de la xDSL et l’efficacité intrinsèque des réseaux cellulaires.

La relation avec les normes sera de commencer à partir des normes existantes (WiMax et
LTE) et de pousser les contributions aux nouvelles versions (i.e. 802.16m pour WiMax et LTE-A
pour LTE) quand serons découvertes les solutions qui doivent être normées.

2.3 Description du projet


Dans cette proposition de recherche il es prévu de proposer et d’étudier à travers des modèles
mathématiques et des simulations les diverses couches afin de concevoir un réseau de petites
cellules où les mini stations de base et terminaux agissent l’un sur l’autre et s’auto-adaptent de
façon intelligente sans besoin d’une unité centrale de traitement ou avec la quantité de droits
de consignes pour laisser aux agents dans le réseau exploiter tous les degrés de liberté . Un des
plus importants défis est de trouver comment dédoubler optimalement l’intelligence entre les
terminaux cognitifs et les réseaux cognitifs.

L’idée principale est de fournir un réseau transparent (d’un point de vue d’infrastructure) qui
peut être déployé d’une façon instantanée et qui peut évoluer seul (en ce qui concerne l’énergie et
la configuration), sans intervention humaine. Cependant, la base théorique de réseaux de petites
cellules fait face à des contraintes beaucoup plus larges par rapport aux réseaux d’aujourd’hui :

– Le système change rapidement et le réseau de petites cellules doit s’adapter rapidement


et anticiper même les futures évolutions.
– À mesure que la densité des stations de base augmente, l’interférence augmente de plus
en plus. Les techniques classiques de réutilisation de fréquence et d’espace ou le contrôle
de puissance ne peuvent pas résoudre la complexité du système.
– La coexistence de différents systèmes peut mener au conflit de communications, puis les
décisions doivent être prises basées sur des informations distribuées.

Les petits réseaux de cellules attirent l’intérêt croissant de la communauté de la recherche


dans le milieu universitaire et industriel. La situation actuelle sur les publications et les rapports
publics de recherches peut être divisée dans les sujets suivants :

1. Analyse et gestion de l’interférence & problèmes de coexistence : le déploiement des petites


cellules dans les environnements d’intérieur (généralement connus sous le nom de femto
cellules) ou dans des contextes extérieurs (généralement appelés pico cellules) lance un
vrai défi concernant l’interférence produite et son impact sur l’ensemble globale entre deux

13
Chapitre I. Contexte et enjeux du stage

petites cellules et au-tour des macro cellules. Dans la littérature, cette question est étudiée
dans une étude pertinente intitulée «Interference management in UMTS Femtocells »
fourni par le "Femto forum". Les résultats obtenus démontrent les avantages de déployer
des femto cellules au-dessus d’un réseau macro même dans le cas d’une configuration co-
canal. L’interférence peut être contrôlée à travers différents mécanismes tels que le contrôle
de puissance adaptative, quand les femto stations de base ajustent dynamiquement leur
puissance de transmission selon la zone de couverture ciblée et les transmissions des
cellules environnantes. C’est dans cette problématique que j’ai développé mon PFE, et
qui sera développée dans la suite de ce rapport.

2. Auto-gestion et auto-configuration.

3. Avantages de déploiement des petites cellules.

4. Réduction de puissance.

5. Problématique financière.

2.4 Objectifs et caractère ambitieux/novateur du projet


Historiquement, afin de servir les utilisateurs, les prestataires de service ont déployé des sta-
tions de base. Il s’est immédiatement avéré qu’un réseau dense des stations de base pouvait avec
succès servir un grand nombre de clients. Mais en même temps, ce déploiement produirait une
néfaste interférence. Afin d’alléger ce problème et réduire l’interférence, des murs virtuels (les
différentes bandes de fréquence achetées pour chaque technologie) ont été construits (avec un
coût non-négligeable). Malheureusement, l’"interférence" est un mot fallacieux particulièrement
quand elle n’est pas naturelle mais produite par le réseau. Cependant, les SCN considèrent, au
contraire, l’interférence comme un signal utile qui peut être exploité et construire des ponts (au
lieu des murs) entre les systèmes. Par conséquent, plus d’interférence signifie plus des câbles vir-
tuels qu’on peut employer pour transmettre des informations vers des utilisateurs. Les «routes»
en fait sont créées par les utilisateurs qui sont présents dans le système. Dans la théorie, ces
réseaux n’ont aucune limite de capacité sauf la contrainte de l’espace, mais exigent des dis-
positifs intelligents qui acquièrent la connaissance sur la topologie à chaque instant (connu en
tant qu’information de l’état du canal d’émission et de réception). Le passage de b/s/Hz à
b/s/Hz/m2 en termes d’efficacité spectrale est partie de la définition de ces réseaux. Ceci four-
nit une occasion unique de négocier le spectre pour l’espace et de casser la barrière de l’efficacité

14
I.2 Le Projet EcosCells

spectrale.

Dans un réseau de petites cellules, la réduite zone de couverture, liée à la puissance de


transmission inférieur des stations de base, augmentent la capacité aussi bien que le Signal
to Interference plus Noise Ratio (SINR) réalisable dans la cellule. Mais, un concepteur ou un
architecte de systèmes voudrait avoir des réponses à plusieurs questions, liées à cette nature
des petites cellules, comme :

– Quelle est le nombre optimal de petites cellules qu’on requière pour diviser une macro
cellule ?
– Ce qui est la taille optimale des cellules qui maximise le débit réalisable dans une petite
cellule ?
– La configuration du récepteur importe-t-elle ?
– Que se produit si la petite cellule BS est dans le bâtiment ou est localisée dehors ?
– Quelle est l’implication de la réutilisation de fréquences sur le débit réalisable ?
– ...

Dans ce projet, s’essai répondre à certaines de ces questions. D’autres questions sont liées à
la gestion de la mobilité, à l’attribution de ressources, au multihoming, à l’optimisation cross-
layer, et au performance tuning. En particulier, on s’intéressé à :

– Les problèmes d’optimisation et d’équité qui concernent la taille des cellules aussi bien
que l’emplacement des stations de base.
– Soft-handover et hard-handover en SCN.
– Établissement des compromis entre l’accès au spectre centralisé et distribué pour les
réseaux des petites cellules.
– Établissement d’une adaptation intelligente du milieu de contrôle d’accès (e.g. énergie
adaptative, interférence adaptative, etc.) dans les réseaux denses self-organizing.
– Créer et analyser les algorithmes distribués exploitant la conception de cross-layer. Pour
exploiter les pleines capacités des différentes couches (e.g logique contre physique), la
conception de cross-layer exige intrinsèquement la coopération, du flux d’information et
le savoir faire au milieu des experts des différentes couches.
– Appliquer les outils avancés en théorie de jeu tels que la dynamique stochastique des
jeux et les jeux avec l’information partielle pour la conception cross-layer dans les scéna-
rios coopératifs et non coopératifs. En fait, les algorithmes d’optimisation de cross-layer
pour les réseaux sans fil sont fortement basés sur des techniques de décomposition dans

15
Chapitre I. Contexte et enjeux du stage

l’optimisation et des approches distribuées dans la théorie des jeux.

2.5 Programme scientifique et structuration du projet


Le projet est organisé dans 6 tâches qui recueillent les activités requises pour atteindre les
objectifs globals du projet d’EcosCells. Les tâches sont de trois types différents :

1. Coordination, communication et valorisation : T1


2. Analyse, études théoriques et conception : T2, T3 et T4
3. Prototypage et validation : T5 et T6.

L’image suivante montre les différentes tâches et leurs relations :

Figure I.5 – Tâches et leurs relations

2.6 Management du projet EcosCell


Le processus de gestion du projet d’EcosCell suivra les conditions de l’appel du projet. Un
coordonnateur unique a été indiqué (Alcatel-Lucent) et qui aura la responsabilité de :

16
I.2 Le Projet EcosCells

– Coordination scientifique et technique du projet.


– Installation et la formalisation de la collaboration entre les associés.
– Suivi de la production des livrables et du plan général.
– Organisation de la réunion de progrès.
– Communication des résultats.
– Gestion des risques.

Le coordonnateur est l’interface privilégiée de l’ANR 15 et représente le projet vers les orga-
nismes externes.

15. Agence Nationale de la Recherche

17
Chapitre I. Contexte et enjeux du stage

3 Enjeux du stage
3.1 Sujet de Stage
Le stage concerne le dimensionnement de réseaux mobiles OFDMA (e.g. WiMAX, LTE).
Le design de réseaux consiste notamment à évaluer la couverture et la capacité effectives des
cellules en prenant en compte différents paramètres relatifs à l’environnement, la configuration
des équipements et les contraintes de Qualité de Service (QoS).

Dans cette optique, une expression analytique du Signal to Interference plus Noise Ratio
(SINR) a été explicitée en prenant en compte les effets conjoints de différents paramètres liés à
la propagation et aux interférences. Ceci permet d’analyser la probabilité de perte de paquets,
de prendre en compte les problèmes de couverture liés au trafic, et de densification du réseau.

Précisément, l’objectif de ce stage est de comprendre et de prendre en compte l’incertitude


liée à la dynamique spatio-temporelle du trafic (déplacement des mobiles avec changement de
cellules potentiel) dans le modèle de réseau mobile décrit ci-avant.

3.2 Objectifs
Les objectifs de mon PFE ont été :

1. Montée en compétence sur le modèle dédié OFDMA, plus spécifiquement dans le standard
3GPP LTE - Release 8.
2. Modélisation mathématique : compréhension et modélisation statistique des sources d’in-
certitudes (Shadowing et Fast Fading) impactant le trafic des mobiles en terme spatial
dans la cellule et au cours du temps (processus d’arrivée et de départ de type Poisson
par exemple) avec différentes contraintes de Qualité de Service (QoS) et différentes stra-
tégies d’allocation de ressources (Maximum SIR, minimum SIR, First Come First Served
(FCFS) et Processor Sharing (PS)) dans des différents scenarios (différents types de cel-
lule, différentes configurations des équipements, etc).
3. Algorithmique et développement : évaluation, par simulation de l’impact de cette incer-
titude sur la qualité de la solution du modèle simplifié. Les modèles et algorithmes mis
au point seront intégrés à un logiciel interne Orange Labs d’aide à la décision pour le
dimensionnement de réseau mobile et valorisés via le projet ANR ECOSCells.

18
I.3 Enjeux du stage

3.3 Méthodologie envisagée


La méthode envisagée au cours de ce PFE a consisté à évaluer la couverture et la capa-
cité effectives des cellules en prenant en compte différents paramètres qui ont été mentionnés
précédemment, en prenant en compte un modèle fluide de réseau qui considère le réseau mo-
bile comme un ensemble continu de stations de base, et qui permet d’établir des équations
simplifiées pour décrire les différents paramètres utilisés dans les calculs.

La première partie du PFE a consisté en une étude bibliographique préliminaire qui per-
mettra de monter en compétence sur le modèle fluide et la modélisation statistique des sources
d’incertitudes, ainsi que sur les différents scénarios et modèles à implémenter.

Dans un deuxième temps, se a réalisé une modélisation statistique des sources d’incertitudes
impactant le trafic des mobiles en terme spatial dans la cellule et au cours du temps (processus
d’arrivée et de départ de type Poisson par exemple) dans les différents scénarios proposés.

Dans un dernier temps, se a réalisé l’évaluation, par simulation, de l’impact de cette incer-
titude sur la qualité de la solution du modèle simplifié dans les différents scénarios.

Ce PFE m’a permis d’approfondir mes connaissances en mathématiques appliquées et de


les mettre en pratique sur un domaine d’application télécom de grande importance. J’ai tra-
vaillé en collaboration directe avec des ingénieurs de recherche, tant sur la conception que sur
l’implémentation de la méthode d’optimisation, et au sein du projet ANR ECOSCells.

3.4 Les moyens mis à disposition


Les moyens mis à disposition dans le cadre de mon PFE son les suivantes :

– Un espace de travail adapté pour le déroulement de mon PFE.


– Des documentations techniques nécessaires.
– Une station de travail équipée des outils nécessaires tels que Matlab, Microsoft Office,
Latex, etc.

3.5 Planification de tâches


Le diagramme de GANTT suivant montre la planification de tâches suivie dans le déroule-
ment de mon PFE :

19
Chapitre I. Contexte et enjeux du stage

Figure I.6 – Planification de tâches

20
Chapitre II

Standards et fondements théoriques

Dans ce chapitre je décrirai les différents standards et fondements théoriques (et ses respec-
tifs références) qui ont été utilisés dans le cadre de mon PFE, et qui sont la base des calculs
réalisés sous Matlab dans les différents scénarios envisages qui sont décrits dans le Chapitre 3
de ce rapport.

1 3GPP LTE - Release 8

1.1 Généralités
Dans l’industrie des télécommunications, LTE (Long Term Evolution) est le nom d’un projet
au sein du 3GPP qui vise à produire les spécifications techniques de la future norme de réseau
mobile de quatrième génération (4G). Les principales motivations pour la 3GPP LTE - Release
8 [5] sont :

– Besoin d’assurer la continuité de la compétitivité du système 3G à l’avenir.


– Besoin de débits plus élevés et d’une plus grande efficacité spectrale (spectre de fréquences
flexible)
– Besoin d’un système optimisé de commutation de paquets (Évoluer vers une architecture
tout-IP)
– Besoin d’améliorer la qualité de service (Réduction de la latence < 5ms).
– Besoin d’une infrastructure simple et moins chère (Réduction du nombre d’éléments de
réseau)

Le 3GPP (Third Generation Partnership Project) a démarré en 2006 la standardisation de


une nouvelle technologie (les spécifications appelées LTE) dans la Release 8, renforçant son
attrait en tant que futur successeur des réseaux HSPA (High Speed Packet Access) qui est

21
Chapitre II. Standards et fondements théoriques

déployé actuellement en France. En mars 2009, l’aspect de l’accès radio terrestre (UTRA ou
Universal Terrestrial Radio Access) a été validé et les spécifications ont été incluses dans la
3GPP Release 8, rapprochant la technologie du rang de standard.

Le LTE a été plébiscité par une grande partie de l’industrie mobile en tant qu’évolution des
réseaux GSM et UMTS. Son interface radio repose sur le protocole OFDMA (Orthogonal Fre-
quency Division Multiple Access) qui assure des débits plus importants et un temps de latence
réduit, tout en maintenant une co-existence avec les réseaux existants et avec des coûts d’ex-
ploitation moindres. Le LTE utilise également la technologie d’antennes MIMO (Multiple Input
Multiple Output) pour gérer finement l’exploitation du spectre et optimiser les performances.
A terme, le LTE offre les caractéristiques suivantes parmi les plus importantes :

– Architecture simple.
– Spectre de fréquences flexible (de 1,25 à 20 Mhz).
– Support de FDD et TDD.
– Interopérabilité avec les standards actuels.
– Support de l’opération de Self-Organising Network (SON).
– Débit DL max : 326,4 Mbits/s (4 antennes) et 172,8 Mbits/s (2 antennes)
– Débit UL max : 86,4 Mbits/s
– Tailles des cellules de 5 km (performance optimales) à 100 km.
– 200 clients actifs par cellule.
– Temps de latence < 5 ms

Figure II.1 – Paramètres importants du 3GPP LTE - Release 8

22
II.1 3GPP LTE - Release 8

1.2 OFDM

L’OFDM (Orthogonal Frequency Division Multiplexing) est une technique de modulation


consistant à diviser une bande de fréquence en plusieurs sous-canaux espacés par des zones libres
de tailles fixes. Par la suite, un algorithme, la Transformée de Fourier Rapide Inverse (Inverse
Fast Fourier Transform, IFFT), véhicule le signal par le biais des différents sous-canaux. C’est
également cet algorithme qui s’occupe de la recomposition du message chez le récepteur. Le but
est alors d’exploiter au maximum la plage de fréquence allouée tout en minimisant l’impact du
bruit grâce aux espaces libres séparant chaque canal. Cette modulation apparaît alors comme
une solution pour les canaux qui ont des multi trajets. Un canal multi trajet présente, en effet,
une réponse fréquentielle qui n’est pas plate (qui est le cas idéal) mais comportant des creux et
des bosses, dus aux multi trajet et réflexions entre l’émetteur et le récepteur. Un grand débit
impose une grande bande passante et si cette bande passante couvre une partie du spectre
comportant des creux (dus aux trajets multiples), il y a perte totale de l’information pour la
fréquence correspondante. Le canal est alors dit «sélectif» en fréquence. Pour remédier à ce
désagrément, l’idée est de répartir l’information sur un grand nombre de porteuses, créant ainsi
des sous-canaux très étroits pour lesquels la réponse fréquentielle du canal peut-être considérée
comme constante. Ainsi, pour ces sous canaux, le canal est non sélectif en fréquence, et s’il y a
un creux, il n’affectera que certaines fréquences. L’idée est d’utiliser la diversité apportée pour
lutter contre la sélectivité fréquentielle et temporelle du canal. En diffusant l’information sur
un nombre important de porteuses, on s’affranchit alors de la sélectivité du canal.

Figure II.2 – Technique de modulation OFDM (tiré de [1])

23
Chapitre II. Standards et fondements théoriques

Un des grands avantages des schémas de modulation OFDM est d’avoir partagé la complexité
de l’égalisation entre l’émetteur et le récepteur, contrairement aux schémas de transmissions
mono-porteuses. Ceci permet d’avoir des récepteurs simples et peu coûteux. Les avantages des
différentes variantes de l’OFDM sont nombreux :

– Une utilisation efficace des ressources fréquentielles en comparaison avec les solutions
classiques de multiplexage fréquentiel.
– Les techniques multi-porteuses sont robustes au bruit impulsif puisque chaque porteuse
est affectée d’un bruit indépendant des autres porteuses.
– Les techniques OFDM ont une très grande flexibilité dans l’allocation de ressources radio
dans des contextes multi-utilisateurs.

Par contre un des grands inconvénients des techniques OFDM est leur manque inhérent de
diversité. Les schémas OFDM ont sacrifié la diversité des schémas mono-porteuses au profit
d’une égalisation simplifiée. En effet, lorsque qu’une sous-porteuse est affectée d’une atténua-
tion, l’information émise sur cette porteuse est irrémédiablement perdue. En pratique, des
schémas OFDM codés connus sous le nom de COFDM (Coded OFDM) sont utilisés pour re-
médier à ces inconvénients. Une autre manière de se réconcilier avec le schéma mono porteuse
est l’OFDMA, concept adaptatif de l’OFDM pouvant allouer une ou plusieurs porteuses à un
utilisateur particulier ajoutant ainsi la possibilité de voir cela comme une méthode d’accès au
médium, et qui est utilisé par le LTE dans le sens descendant (Downlink) et la technique Single
Carrier FDMA (SC-FDMA) dans le sens montant (Uplink).

1.2.1 L’OFDMA

L’OFDMA (Orthogonal Frequency Division Multiple Access) est une technique dans la-
quelle chaque sous-porteuse est exclusivement assignée à un seul utilisateur, éliminant de ce
fait les Interférences Intra Cellulaires (ICI). Cela a pour conséquence directe un décodage fa-
cile de l’OFDMA par l’utilisateur. Une telle simplicité est particulièrement intéressante pour
les opérations descendantes, lorsque la puissance de traitement est limitée par les terminaux
utilisateurs par exemple. (Fig. II.3 et II.4)

On imagine aisément que la performance d’un canal secondaire alloué à un utilisateur sera
différente de celle d’un autre utilisateur, puisque les qualités de canal y sont différentes, en fonc-
tion des conditions de propagation individuelles. Ceci veut dire qu’un canal qui a de mauvaises
performances avec un utilisateur peut se révéler favorable à un autre. La technique OFDMA

24
II.1 3GPP LTE - Release 8

Figure II.3 – Techniques d’accès multiple (Downlink - Uplink)

exploite cette caractéristique, du fait qu’elle permet d’allouer des canaux secondaires différents
selon les utilisateurs dans une fenêtre temporelle à configuration variable pour la transmission
d’un certain nombre de symboles OFDM.

1.2.2 Le SC-FDMA

Le SC-FDMA (Single Carrier Frequency Division Multiple Access) est une technique sem-
blable à l’OFDMA à la différence que celle-ci n’est pas sensible au PAPR (Peak to Average Power
Ratio) en raison de sa structure inhérente simple. Elle utilise une modulation simple avec une
égalisation dans le domaine fréquentiel (SC/FDE) pour adapter l’accès multi-utilisateur. (Fig.
II.3 et II.4)

Le SC-FDMA accroît le rendement des amplificateurs de puissance. Cet aspect est primor-
dial pour l’allongement de la durée de vie des batteries des téléphones LTE puisque celles-ci
alimenteront les transmissions montantes, et les stations de base, généralement reliées au sec-
teur, dans le sens descendant.

1.3 MIMO
Les systèmes MIMO (Multiple-Input Multiple-Output) permettent théoriquement d’ac-
croître la capacité des liens de communications sans fil par rapport aux systèmes composés

25
Chapitre II. Standards et fondements théoriques

Figure II.4 – Distribution des sous-porteuses

d’une seule antenne à l’émission et à la réception (Single Input Single Output, SISO en an-
glais), en faisant l’hypothèse que les trajets entre chaque antenne d’émission et de réception sont
indépendants. Les systèmes MIMO sont l’un des principaux axes de développement pour aug-
menter les débits des communications sans fil. Les systèmes MIMO présentent deux avantages
majeurs par rapport aux systèmes SISO :

1. Grâce à l’apport de la diversité spatiale ils permettent d’améliorer la qualité du lien en


s’affranchissant des évanouissements des canaux
2. Par multiplexage spatial, ils permettent d’augmenter le débit d’information sans augmen-
ter la bande passante ou la puissance transmise.

Le principe de base des systèmes MIMO consiste donc à combiner les signaux judicieusement
tant à l’émission qu’à la réception pour exploiter la diversité spatiale et donc réduire les effets
des évanouissements ou pour augmenter le débit de transmission.

Figure II.5 – Le système MIMO 2x2

26
II.1 3GPP LTE - Release 8

Le système MIMO représente une partie essentielle du LTE afin de satisfaire aux exigences
ambitieuses en termes de débit et d’efficacité spectrale. Le MIMO concerne l’utilisation des
antennes multiples côté émetteur et récepteur. Dans le sens descendant une configuration MIMO
2x2 est supposée comme configuration de base (Fig. II.5), 4 antennes sont également considérées.

1.4 La trame LTE


Pour permettre la transmission avec un spectre en paires où pas, deux modes de duplexages
sont supportés : Frequency Division Duplex (FDD), qui permet opérer en full duplex et en
half duplex, et Time Division Duplex (TDD). Par conséquent deux structures de trame sont
définies : structure de trame de type 1 pour le mode FDD, et la structure de trame de type 2
pour le mode TDD.

Le 10 ms de la trame FDD est divisé en 10 sous-trames avec 1 ms chaque une. Chaque


sous-trame est divisé en deux slots de 0.5 ms de durée, comme dans la figure II.6.

Figure II.6 – Structure de trame de type 1 FDD

La distribution de ressources de la structure de la trame de type 1 (FDD) dans le sens des-


cendent (Downlink) est la figure II.7, et dans laquelle nous pouvons observer les caractéristiques
suivantes :

– 1 sous-porteuse x 1 symbole OFDM = 1 resource element (RE)


– Chaque RE peut être modulé en QPSK, 16QAM ou 64QAM. Avec 64QAM chaque RE
porte six bits.
– Les symboles OFDM sont regroupés dans des Resource Blocks (RB).
– Les RBs ont une taille totale de 180kHz (12 Sous-porteuses) dans le domaine fréquentiel
et de 0.5ms dans le domaine temporel, 1 RB = 12x7 RE.
– Chaque intervalle de transmission de 1ms (TTI) est composé de deux time slots (Tslot).

27
Chapitre II. Standards et fondements théoriques

Figure II.7 – Distribution de ressources de la structure de trame de type 1 FDD

28
II.2 Modèle fluide de réseaux sans fils

2 Modèle fluide de réseaux sans fils


Cette partie de l’analyse du modelée fluide, a été tiré du rapport de thèse [6]. La capacité des
réseaux mobiles s’est considérablement accrue ces dernières années (e.g. le projet EcosCell). Les
demandes en nouveaux services, qui requièrent d’un haut débit et un faible retard, s’accroissent
chaque année davantage. Sur un autre plan, la concurrence entre opérateurs est de plus en plus
exacerbée et les prix des services à performances égales chutent fortement. Dans un tel contexte,
l’ingénierie des réseaux prend de plus en plus d’importance : densifier, optimiser les ressources,
garantir un bon niveau de QoS aux utilisateurs en garantissant la disponibilité des ressources.
Un modèle fluide de réseau sans fils est conçu à partir de l’analyse de l’interférence des signaux,
et sera présenté dans les lignes suivantes [6] [7].

2.1 Le facteur d’interférence


De nombreuses analyses des systèmes radio cellulaires doivent tenir compte du phénomène
d’interférence. C’est la raison pour laquelle il est nécessaire d’évaluer leur influence, avec une
précision aussi grande que possible. Les approches proposent souvent des modèles dans lesquels
une constante f , appelée facteur d’interférence, est définie de la façon suivante : sur le sens
descendant (Downlink), l’interférence reçue par un mobile en provenance de toutes les autres
cellules peut être écrite comme f × P , où P représente la puissance reçue par le mobile en
provenance de sa propre station de base. Un facteur d’interférence est également défini, sur le
sens montant (Uplink), pour chaque station de base. Le facteur d’interférence f représente une
caractéristique importante des réseaux radio cellulaires.

La puissance totale reçue par un mobile u en provenance de toutes les stations de base
du réseau peut s’écrire comme la somme de deux termes : pint,u + pext,u , où pint,u représente
la puissance totale interne en provenance de la station de base serveuse b reçue par le mobile
et pext,u représente la puissance totale externe en provenance des autres stations de base du
réseau. Il est à noter que le signal utile reçu par le mobile est inclus dans pint,u . La définition
du facteur d’interférence que nous adopterons est légèrement différente de la définition clas-
sique. Elle intègre en effet la puissance totale reçue dans la cellule serveuse (et non uniquement
l’interférence interne). Cela permet d’avoir un facteur d’interférence défini en chaque point de
la cellule indépendamment du service fourni au mobile. De plus cette définition reste valable
lorsque l’interférence interne est en théorie inexistante, comme par exemple dans le cas des sys-
tèmes de type OFDMA (e.g. LTE, WIMAX). Donc nous pouvons écrire le facteur d’interférence
comme [6] :

29
Chapitre II. Standards et fondements théoriques

Figure II.8 – Calcul du facteur d’interférence

pext,u
fu = (II.1)
pint,u

Notons Pj la puissance d’émission de la station de base j et gj,u le gain de propagation entre


−η
le mobile u et la station de base j (gj,u = Krj,u ), nous écrivons le facteur d’interférence pour
le mobile u comme :

B
1 X
fu = Pj gj,u (II.2)
Pb gb,u j6=b

Où :

rj,u : Distance entre le mobile et sa station de base serveuse.


B : Nombre de stations de base dans le réseau.
Pb : Puissance totale transmise par la station de base serveuse.

Au lieu de faire un calcul traditionnel qui considère des stations de base localisées en des
points donnés, le modèle fluide considère une densité continue de stations de base. Alors, il
permet une formulation analytique simple du facteur d’interférence en tout point d’une cellule,
en fonction de la distance de ce point à la station de base. Cette formule explicite dépend du
rayon de la cellule, de la taille du réseau et de l’affaiblissement de la puissance radio. Elle s’écrit
de la façon suivante :

30
II.2 Modèle fluide de réseaux sans fils

2πρbs rη h i
f (r) = (2Rc − r)2−η − (Rnw − r)2−η (II.3)
η−2

Où :

ρbs : Densité de stations de base dans le réseau.


r : Distance entre le mobile considéré est sa station de base serveuse.
η : Paramètre caractéristique de la perte de puissance en fonction de la distance.
2Rc : Distance entre deux stations de base voisines.
Rnw : Dimension du réseau considéré.

Dans le cas où la taille du réseau Rnw est suffisamment grand, (Rnw − r)2−η −→ 0, il est
possible d’exprimer ce facteur d’interférence comme :

2πρbs rη h i
f (r) = (2Rc − r)2−η (II.4)
η−2

Les applications possibles du modèle fluide concernant les réseaux sans fils sont : le calcul
de la capacité d’une cellule et d’un réseau, l’analyse du partage des ressources radio et la
probabilité d’outage.

2.2 Analyse du Shadowing avec le Modèle Fluide


Dans un réseau réel, la puissance reçu par un mobile dépend de l’environnement local
(terrain, bâtiments, arbres,etc). Par conséquent, le lien radio peut être modélisé par une loi
qui exprime la puissance reçue en un point quelconque du système, en prenant en compte des
phénomènes comme le Shadowing et le Fast Fading, dépend de la distance r de l’émetteur, et
de l’environnement. [8] [6]

Une amélioration du modèle fluide permet de prendre en compte l’effet du shadowing dû à


l’environnement. Ce modèle montre que le facteur d’interférence peut être approché par une loi
lognormale et il en établit une expression analytique de la moyenne et de l’écart-type, en chaque
point, par application de l’approximation de Fenton-Wilkinson pour une somme de variables
aléatoires lognormales [9] :

Dans le cas dans lequel n’est pris en compte que le phénomène du Shadowing, le gain de

31
Chapitre II. Standards et fondements théoriques

propagation aura la forme suivante :

−η
gj,u = Krj,u Yj,u (II.5)

ξj,u
Où Yj,u = 10 10 représente l’effet du Shadowing ( ξj,u v.a. de loi normale). Avec le modèle
fluide il est possible d’établir une expression simple pour la probabilité d’outage, qui est défini
comme la probabilité que le SINR soit inférieur au seuil δ, peut être exprimé comme :

10log10 ( 1δ ) − mf
" #
P (SIN R < δ) = Q (II.6)
sf

mf : Moyenne de la fonction log-normal du facteur d’interférence.


sf : Ecart-type de la fonction log-normal du facteur d’interférence.
Q : Fonction d’erreur Q(u) = 12 erf c( √u2 ).

Dans le cadre de mon stage j’ai été amené à utiliser les différentes expressions déduites
(SINR, Outage probability, etc) à partir du Modèle Fluide pour simplifier et optimiser le temps
de calcul des différents algorithmes développes. De plus il était nécessaire d’utiliser une version
modifiée du Modèle Fluide, adaptée aux caractéristiques d’un réseau hétérogène, que je décrirai
ci-après.

2.3 Version du Modèle Fluide adapté aux réseaux hétérogènes


Nous considérons un réseau sans fil avec deux sous-réseaux un compose de M macro cells, S
small cells et U clients. Nous nous centralisons dans l’analyse dans le lien descendant (Downlink)
d’un réseau sans fil LTE (OFDMA-based). [10]

Les paramètres :

– M = {1, . . . , M } : les macro cells uniformément distribués dans un plan en deux dimen-
sions.
– S = {1, . . . , S} : les small cell uniformément distribués dans un plan en deux dimensions.
– L sous-bandes j ∈ L = {1, . . . , L} où W est la bande passante de chaque sous-bande.
– Chaque sous-bande consiste en un nombre donné s de sous-porteuse.

32
II.2 Modèle fluide de réseaux sans fils

(k)
– Pij (u) : puissance de transmission assignée à la BS k avec une sous-porteuse i dans la
sous-bande j vers le client u.
(k)
– gij (u) : gain de propagation entre l’émetteur k et le client u avec la sous-porteuse i dans
la sous-bande j.

Nous assumons que le temps de communication est divisé en slots et que chaque slot consiste
en une séquence des symboles OFDM. De que le temps est divisé en slots, la communication
entre chaque cellule ne doit pas interférer avec une autre cellule. Nous assumons qu’il n’y a pas
d’interférences entre sous-porteuses. Le total de toutes les puissances reçus pour un mobile u
(k ) (k )
connecté à la BS k0 est donné par la somme du signal utile (Pij 0 (u)gij 0 (u)), des interférences
(k)
Pij (u)gijk (u) et du bruit thermique (Nth ).
P
dus aux BSs
k∈N∪M,k6=k0

Dans la suite, nous considérons le SINR γij (u) comme le critère de la qualité radio :

(k ) (k )
Pij 0 (u)gij 0 (u)
γij (u) = (k)
(II.7)
Pij (u)gijk (u) + Nth
P
k∈N∪M,k6=k0

Nous considérons que le réseau est composé de deux sous-réseaux lesquels partagent la même
bande fréquentielle : un sous-réseau M des macro cells de rayon Rm et un sous-réseau S des
small cells de rayon Rs . [6] [10]
(k)
Nous considérons aussi Pij comme une constante pour tout i, j, k, pour chaque émetteur,
dénommé Ps pour une small BS et Pm pour une macro BS. Nous pouvons enlever les sous-
indices et analyser l’interférence entre les sous-porteuses (le calcul est détaillé dans l’Annexe
1).

1. Pour un mobile connecté à une macro BS :

En utilisant le modèle fluide, nous considérons une densité de small BSs ρs et macro BSs
ρm . La distance entre deux small BSs voisines est 2Rs et entre les macro BSs est 2Rm .
Nous appelons Is les interférences totales dues aux small cells et Im les interférences dues
aux macro cells. Avec K = KKms PPm
s
, nous pouvons exprimer le SINR perçu par le mobile
comme :

−η
rm 0
γ(rm0 ) = Nth (II.8)
Ism0 m
+ Im +
0
Km Pm

33
Chapitre II. Standards et fondements théoriques

Où :
m0 2πρm
Im = (2Rm − rm0 )2−η (II.9)
η−2
et
2πρs
Ism0 = K (2Rs − rs0 )2−η + Krs−η (II.10)
η−2 0

2. Pour un mobile connecte à une small BS :

En suivant l’analyse précédente, nous exprimons le SINR (II.7), pour un mobile attache
à une small BS s0 (i.e k0 =s0 ) comme :

rs−η
0
γ(rs0 ) = Nth (II.11)
Iss0 + Ims0 +
Ks Ps

Où :
s0 1 2πρm 1 −η
Im = (2Rm − rm0 )2−η + rm (II.12)
Kη−2 K 0
et
2πρs
Iss0 = (2Rs − rs0 )2−η (II.13)
η−2

2.3.1 Calcul analytique de la distance minimale inter cellule

Nous avons pour but de calculer le SINR pour un mobile placé à une distance r d’une Macro
cell, et les small et macro cells sont réparties aléatoirement et uniformément dans le réseau.

Figure II.9 – Distribution des BSs

Nous avons besoin de connaître les interférences des small cells, pour pouvoir calculer cette
interférence à une distance r de la macro cell il suffi de connaître la distance entre les small cells

34
II.2 Modèle fluide de réseaux sans fils

et la macro cell, et à l’aide d’un calcul géométrique nous pouvons déduire la distance entre une
small cell et le mobile, donc je fais le calcul par simulation de la CDF (Cumulative Distribution
Function) des distances minimales entre les Macro et Small cells, qui a été approchée par une
loi Beta (Fig. II.10).

Figure II.10 – CDF des distances minimales

Donc nous pouvons approcher la CDF par β(a, b) où a et b sont des paramètres calculés
pour chaque configuration de réseau hétérogène, cette approche sera utilisée dans les différents
scénarios envisagés.

35
Chapitre II. Standards et fondements théoriques

3 Dynamique spatio-temporelle
Cette partie est une synthèse de l’article [11] qui montre un résultat analytique de la
performance des canaux de données dans le sens descendant (Downlink) quand il y a une
demande aléatoire du trafic, et montre d’une façon très pratique des résultats très intéressants
qui peuvent être pris en compte dans les algorithmes de dimensionnement et de conception du
contrôle des ressources radio.

3.1 Caractéristiques du trafic


Nous considérons un système avec un seul canal dans le sens descendant qui sera partage
en temps avec tous les clients. Chaque client u, qui est attaché à une station base (BS) b, a une
fraction du temps Φbu pour transmettre ses données, avec u Φbu = 1. Nous adoptons un modèle
P

simple de propagation comme dans l’analyse du modèle fluide. Alors nous pouvons calculer le
débit d’un client u comme :

Cu = C × Φbu (II.14)

Cu : Débit du client u.
C : Débit maximal.
Φbu : Fraction du temps affecté au mobile u

Nous supposons une demande du trafic uniformément distribuée dans toute la cellule, avec
une arrivée de demandes qui suit une loi de Poisson et un taux d’arrivée λ × ds pour une surface
ds. La taille des données que chaque client veut transmettre est indépendante et identiquement
distribuée (i.i.d) et nous la dénommons σ (en Kbit). Nous calculons l’intensité moyenne du
trafic ρ = λ × E[σ] (en Kbit/s par unité de surface), et l’intensité du trafic généré pour les
clients dans une surface entre r et r + dr est dρ(r) = ρ × 2πrdr (en Kbit/s). Nous définissons la
charge générée dans cette surface comme dρ(r)/C(r), et nous pouvons calculer la charge dans
toute la cellule de rayon R comme :
Z R
dρ(r)
ρ̄ = dr (II.15)
0 C(r)
Le débit maximal dépend aussi de la fraction du temps (II.14) pour transmettre les données.
Nous utilisons la fraction du temps moyenne T (r) par client qui est définie pour chaque distance

36
II.3 Dynamique spatio-temporelle

r du BS, donc nous pouvons calculer le nombre moyen de clients dx(r) dans une surface entre
r et r + dr en utilisant la loi de Little :

dx(r) = T (r)λ × 2πrdr (II.16)

également nous pouvons calculer le débit moyen par client γ(r) (en Kbit/s) à une distance
r de la BS :

dρ(r)
γ(r) = (II.17)
dx(r)

3.2 Performance en terme de débit sans contrôle d’admission


L’analyse mathématique est décrite dans l’annexe 2, dans cette partie nous supposons que
la ressource radio est partagée équitablement entre tous les clients actifs. Il y a x clients dans la
cellule. Chaque client aura une fraction du temps Φbu = 1/x. Alors la charge totale de la cellule
sera :
Z R
2 E[σ] 2rdr Z R ρ
λπR × = 2πrdr = ρ̄ (II.18)
0 C(r) R2 0 C(r)

Nous pouvons définir la capacité de la cellule comme :

Z R !−1
2rdr
C(R) = (II.19)
0 C(r)R2
Cette fonction est décroissante et atteint sa valeur maximale C0 , pour R ≤ r0 . Donc la
distribution stationnaire du nombre de clients actifs (π) dans la cellule sera :

π(x) = ρ̄x (1 − ρ̄) (II.20)

Nous pouvons calculer le nombre de clients dans une surface entre r et r + dr comme :

dρ(r)
dx(r) = × E[x] (II.21)
ρ̄C(r)
Avec E[x] = ρ̄/(1 − ρ̄), le nombre moyen de clients dans la cellule, donc le débit par client
sera :

γ(r) = C(r)(1 − ρ̄) (II.22)

37
Chapitre II. Standards et fondements théoriques

3.3 Performance en terme de débit avec contrôle d’admission


Pour garantir un débit minimal cmin aux clients, il est nécessaire de faire un contrôle d’ad-
mission et d’avoir un rayon de cellule R maximal Rmax , tel que pour un r maximal C(r) ≥ cmin ,
donc nous pouvons faire un contrôle d’admission soit :

1. en se basant sur le nombre de clients actifs.


2. en se basant sur un débit minimal par client.

3.3.1 Limitation du nombre de clients actifs

Pour une cellule de rayon R, le débit minimal cmin est garanti si le nombre de clients actifs
ne dépasse pas cette limite :

C(R)
m= (II.23)
cmin
La probabilité de blocage B s’exprime :

ρ̄m
B= (II.24)
(1 + ρ̄ + . . . + ρ̄m )
Le débit par client sera : :

(1 − ρ̄)(1 − ρ̄m )
γ(r) = C(r) × (II.25)
1 − (m + 1)ρ̄m + mρ̄m+1

3.3.2 Garantie d’un débit minimal

Un nouveau client est accepté, si son débit et le débit des autres clients actifs soit des valeurs
supérieures à cmin . La décision d’admission dépend de la position du client, et le nombre de
clients ne doit pas dépasser M , lequel est le meilleur cas quand les clients actifs ne dépassent
pas r ≤ r0 :

C0
M= (II.26)
cmin
et m = C(R)/cmin est le nombre maximal de clients actifs qui puisse exister dans toute la
cellule de rayon R. Un client sera accepté si le débit minimal pour tous les clients actifs est
supérieur à cmin :
D E
min(1≤u≤x) C(r(u) )
≥ cmin (II.27)
x

38
II.3 Dynamique spatio-temporelle

Nous calculons la probabilité de blocage Bj , pour des clients actifs avec une distance maxi-
male Rj de la BS, j ∈ {0, . . . , L} :

−i M −i
ρ̄M
PL L
→i −
P
i=0 i=j+1 ρ̄→i−1
Bj = −i (II.28)
1 + ρ̄ + . . . + ρ̄m−1 + Li=0 ρ̄M
P
→i

La moyenne de la probabilité de blocage sera :

R02 X L 2
Rj2 − Rj−1
B = B0 2 + Bj (II.29)
R j=1 R2

3.3.3 Respiration de cellule

Les résultats obtenus dans les parties précédentes nous montrent que la décision d’admission
dépend de la position du client, peu importe la complexité du schéma choisi. De plus le dernier
résultat montre que la probabilité de blocage est une fonction croissante avec la distance r de la
BS b au client u, ce phénomène s’appelle la "Respiration de cellule", c’est à dire que les clients
actifs doivent être placés plus près de la BS, pour avoir un certaine service requis, quand la
charge de la cellule augmente.

39
Chapitre II. Standards et fondements théoriques

40
Chapitre III

Scénarios envisagés et résultats

Dans le présent chapitre je décrirai chacun des scénarios envisagés dans le cadre du projet
EcosCells et qui ont été développés en se basant sur les standards et les fondements théoriques
décrits dans le chapitre précédent. Les différentes simulations ont été réalisées sous Matlab
et aussi en prenant comme référence un outil interne à Orange Labs (Fig. III.1), qui a une
interface graphique développée avec le module GUI (Graphical User Interface) de Matlab. Cet
outil interne à été enrichi par l’intégration des scénarios et codes Matlab développés au cours
de mon PFE (Fig. III.2), afin qu’il puisse être utilisé dans le cadre du projet EcosCells.

Figure III.1 – Interface outil interne original

Cet outil interne à Orange Labs (Fig. III.2) a été conçu pour analyser des scénarios de
déploiement de Femto cells et Small cells dans un enivrement où des Macro cells sont déjà
déployées. Les HBS sont des stations de base cellulaires domestiques (indoor) à bas prix, trans-

41
Chapitre III. Scénarios envisagés et résultats

mettant une faible puissance (de l’ordre de quelques milli-watts). L’équipement HBS est prévu
pour être déployé massivement (haute densité) et pour être installé facilement par l’utilisateur.
Par conséquent ce doit être un produit "Plug & Play" pour éviter des efforts de configuration, de
planification ou d’optimisation de la part de l’utilisateur ou de l’opérateur. Ces stations de base
d’intérieur font le lien entre la macro couverture à l’extérieur des bâtiments et la couverture à
l’intérieur des bâtiments, un endroit habituellement difficile à couvrir correctement. C’est pour
cela que dans un premier temps j’ai fait une étude d’un scénario avec des Macro et Femto cells
[12], et après je me suis focalisé dans l’étude des scénarios avec des Macro et Small cells.

Figure III.2 – Interface outil interne modifié

Dans le cadre de mon PFE ont été proposés et développés différents scénarios, dans le but
d’avoir une perspective plus large des différentes configurations d’emplacement des cellules, de
paramétrage des équipements et des caractéristiques du milieu de propagation. Les scénarios
envisagés les plus représentatifs sont :

42
1. S1 : Macro et Femto cells sur une Femto cell placée à la distance la plus probable de la
Macro cell.
2. S2 : Small cells uniformément réparties sur le réseau.
3. S3 : Small cells réparties en bordure des Macro cellules sur le réseau.
4. S4 : Une small cell par macro cellule.

Il convient de souligner que dans l’outil final nous pouvons simuler :

– 5 cas avec des cellules placées d’une façon déterministe, avec 1,2,3,4 et 6 femto/small cells
par macro cell.
– Des femto/small et macro cells aléatoirement reparties.
– Des femto/small cells placées à la bordure des macro cells.

Les trois premiers scénarios envisagés ont été les premiers scénarios développés. Nous avons
fait une analyse statique, c’est-à-dire sans considérer l’analyse dynamique décrite dans le cha-
pitre précédent (page 36). Il convient aussi de souligner que le calcul du SINR, pour ces trois
premiers scénarios, n’a été fait que dans la zone de couverture des Femto/Small cells analysées,
tandis que dans le scénario 4 l’analyse a été faite dans toute la zone de couverture macro. De
plus, pour ce dernière scénario, je vais présenter une analyse plus complète, en incluant l’analyse
dynamique du réseau et en considérant des cellules placées d’une façon déterministe.

Les simulations des différents scénarios envisagés ont été réalisées dans le sens descendant
(Downlink) avec le paramétrage suivant :

– Downlink OFDM LTE, fréquence porteuse 2.6 GHz, Bande passante 10MHz (50 RB/TTI,
600 sous-porteuses et 500 RB/trame).
– Schéma DTxAA MIMO 2x2 (Multiplexage spatial avec le plus haut MSC de 64 QAM et
un code rate 5/6).
– Exposant de Pathloss : Femto Cells = 2.8 et Small/Macro Cells = 3.52.
– Les résultats du débit seront exprimés par TTI (intervalle de transmission de 1ms) en
Mbps.
– Le rapport entre le SINR et le débit est donné par de courbes de lien fournis par Orange
Labs.

43
Chapitre III. Scénarios envisagés et résultats

1 Modèle analytique
En prenant la section II.2.3 (page 32) nous pouvons calculer le SINR reçu par un mobile
qui est placé à une distance r de ça BS serveuse, nous assumons aussi que la perte en puissance
de la macro cell pour atteindre un mobile qui est à l’intérieur d’un bâtiment est de 15dB. Nous
avons les trois cas suivantes :

1.1 Mobile connecté à une Macro cell

−ηm
rm0
SIN R(rm0 ) = Nth (III.1)
IN + IM + Km Pm

2πρM
IM = (2RM − rm0 )2−ηm
ηm − 2
" #
Kn 2πρN
IN = (2RN − rn0 )2−ηn + rn−η n

Km η n − 2 0

rm0 : Distance entre le mobile et la macro cell


ηm : Paramètre caractéristique de la perte de puissance pour la macro cell
Km : Constant de propagation pour la macro cell
Pm : Puissance de transmission de la macro cell
ρM : Densité des macro cells dans le réseau
RM : Rayon de la macro cell
Kn : Constant de propagation pour la small/femto cell
ρN : Densité des small/femto cells dans le réseau
ηn : Paramètre caractéristique de la perte de puissance pour la small/femto cell
RN : Rayon de la small/femto cell

1.2 Mobile connecté à une Small cell

rn−η
0
1
SIN R(rn0 ) = Nth (III.2)
IN + IM + Kserv Ps

Kint 2πρN
IN = (2RN − rn0 )2−ηn
Kserv ηn − 2

44
III.1 Modèle analytique

" #
Km 2πρM −ηm
IM = (2RM − rm0 )2−ηm + rm
Kserv η2 − 2 0

rn0 : Distance entre le mobile et la small cell


Ps : Puissance de transmission de la small cell
Kn : Constant de propagation pour la small cell
ρN : Densité des small cells dans le réseau
ηn : Paramètre caractéristique de la perte de puissance pour la small cell
RN : Rayon de la small/femto cell

1.3 Mobile connecté à une Femto cell

−η
r f0 f
SIN R(rf0 ) = Nth (III.3)
IN + IM + Kserv Pf

Kint 2πρF
IF = (2RF − rf0 )2−ηf
Kserv ηf − 2
" #
Km 2πρM −ηm
IM = (2RM − rm0 )2−ηm + rm
Kserv ηm − 2 0

rf0 : Distance entre le mobile et la femto cell


Pf : Puissance de transmission de la femto cell
Kserv : Constant de propagation entre la femto cell serveuse et le mobile
Kint : Constant de propagation entre le mobile et les autres femto cells
ρF : Densité des femto cells dans le réseau
ηf : Paramètre caractéristique de la perte de puissance pour la femto cell
RF : Rayon de la femto cell

45
Chapitre III. Scénarios envisagés et résultats

2 Scénario 1
2.1 Description
Dans ce scénario nous avons étudié l’impact des macro et femto cells sur une femto cell
placée à la distance la plus probable de la macro cell en prenant les résultats de 2.3.1 du chapitre
précédent et en utilisant l’équation III.3. Dans la figure suivante nous observons l’emplacement
des cellules ainsi que les paramètres utilisés dans l’équation III.3 :

Figure III.3 – Scénario 1

Pour ce scénario nous avons fait les calculs pour la configuration suivante :

– Surface du réseau : 105.4 Km2 (Surface de la ville de Paris).


– Nombre de Macro Cells : 800.
– Nombre de Femto Cells : 50 000 et 200 000.
– Puissance Macro cells : 43dBm.
– Puissance Femto cells : 1dBm et 20dBm.

2.2 Résultats
Parmi les résultats obtenus avec cette configuration, les plus intéressants sont montrés dans
les figures suivantes :

La figure III.4 montre le débit en fonction de la distance à la femto cell. Nous pouvons
observer que si nous avons un réseau HBS plus dense (fig. III.5b), la puissance de transmission

46
III.2 Scénario 1

(a) 50 000 Femto cells (b) 200 000 Femto cells

Figure III.4 – Débit moyen par TTI en fonction de la distance (S1)

(a) 50 000 Femto cells (b) 200 000 Femto cells

Figure III.5 – Nombre de clients satisfaits en fonction de la distance (Service : 2 Mbps - S1)

joue un rôle moins important : par exemple, nous observons un débit de 46M bps pour Wint = 2,
Wserv = 0 et Pf = 20dBm et 44M bps pour Wint = 2, Wserv = 0 et Pf = 0dBm (fig.III.5b)
à 12m de la HBS, et dans la figure III.5a pour le même condition nous trouvons un écart de
10M bps. Cependant, la densité des HBS influence le débit : à une distance égal nous observons
une faible diminution du débit dans la figure III.5b. De plus la zone de couverture se verra
réduite. Nous pouvons observer que la position du client dans le bâtiment (nombre de murs)
joue aussi un rôle très important dans la performance en terme de débit : par exemple dans
la figure III.4a à une distance de 10m de la HBS pour Wint = 2, Wserv = 0 nous avons entre
50M bps et 60M bps, pour Wint = 1, Wserv = 0 nous avons entre 40M bps et 44M bps et pour
Wint = 1, Wserv = 2 nous avons entre 2M bps et 4M bps, dans la figure III.4b nous avons aussi

47
Chapitre III. Scénarios envisagés et résultats

des écarts très importants.

La figure III.5 montre le nombre de clients satisfaits en fonction de la distance à la HBS,


pour un service demandé de 2 Mbps en fonction de la distance pour les cas avec 50 000 et 200
000 femto cells, nous observons qu’à une densité plus élevée des HBS la zone de couverture
est plus petite. De plus nous observons que la position du client dans le bâtiment (nombre de
murs) joue aussi un rôle très important dans la performance en terme de débit : par exemple
dans la figure III.5a à une distance de 10m de la HBS il y a 16 clients satisfaits pour Wint = 1
et Wserv = 0, 25 clients satisfaits pour Wint = 1 et Wserv = 0 et 1 client satisfait pour Wint = 1
et Wserv = 2.

(a) 50 000 Femto cells (Pf = 20dBm) (b) 200 000 Femto cells (Pf = 20dBm)

(c) 50 000 Femto cells (Pf = 1dBm) (d) 200 000 Femto cells (Pf = 1dBm)

Figure III.6 – CDF du débit par TTI (S1)

Dans la figure III.6 nous présentons la CDF (Cumulative Distribution Function) du débit
qui aussi représente l’outage probability, qui est la probabilité d’attendre une débit inférieur

48
III.2 Scénario 1

où égal à une certaine valeur, dans des différentes configurations, la figure III.6b montre une
meilleure performance parmi les autres cas car pour une certaine CDF son débit est plus élevé.
De plus nous pouvons observer (fig. III.6a) il est préférable d’avoir une puissance plus élevée
pour la HBS que d’avoir une forte densité (fig. III.6d) : par exemple dans la figure III.6a nous
avons une probabilité de 55% d’attendre un debit de 20M bps pour Wint = 1, Wserv = 0 et
Pf = 20dBm et dans la figure III.6d nous avons une probabilité de 82% d’attendre un debit de
20M bps pour Wint = 1, Wserv = 0 et Pf = 0dBm.

2.3 Conclusions
– Pour une forte densification du réseau de femto cellules, la puissance d’émission a peu
d’importance dans la performance du système.
– La densification du réseau de femto cellules diminue la probabilité d’outage dans le réseau.
– Le positionnement du mobile par rapport aux HBS joue un rôle très important dans la
performance attendue.

49
Chapitre III. Scénarios envisagés et résultats

3 Scénario 2

3.1 Description

Dans ce scénario nous avons étudié l’impact des small cells uniformément réparties sur le
réseau, en utilisant la version du modèle fluide adapté aux réseaux hétérogènes (page 32). Ce
scénario est représenté par la figure suivante :

Figure III.7 – Scénario 2

Pour ce scénario nous avons fait les calculs pour la configuration suivante :

– Surface du réseau : 105.4 Km2 (Surface de la ville de Paris).


– Nombre de Macro Cells : 130.
– Nombre de Small Cells : 7 000.
– Puissance Macro cells : 43dBm.
– Puissance Small cells : 10dBm et 20dBm.

50
III.3 Scénario 2

3.2 Résultats
Parmi les résultats obtenus avec cette configuration, les plus intéressants sont montrés dans
les figures suivantes :

Figure III.8 – Zone de simulation scénario 2

La figure III.8 montre la zone dans laquelle nous avons fait les mesures du SINR pour ce
scénario (zone pointillé en rouge) : Small cell i, i indique la position de la small cell dans la
macro cell ainsi pour ce scénario la small cell 1 est la cellule la plus proche à la macro cell et
la small cell 3 est la plus éloigné.

(a) Ps = 20dBm (b) Ps = 10dBm

Figure III.9 – SINR moyen en fonction de la distance (S2)

Dans les figures III.9 montre SINR moyen en fonction de la distance. Nous pouvons observer
que le SINR moyenne de la macro cell dans les deux cas est inférieur quand il y a des small

51
Chapitre III. Scénarios envisagés et résultats

(a) Ps = 20dBm (b) Ps = 10dBm

Figure III.10 – Débit moyen par TTI en fonction de la distance (S2)

cells, cela est dû à des interférences des small cells. Dans la figure III.10a nous observons un
impact plus significatif (Ps = 20dBm) sur le SINR de la macro cell, par rapport à la figure
III.10b dans laquelle la puissance des small cells est moins élevé (Ps = 10dBm), par exemple à
une distance de 250m dans le cas Ps = 20dBm le SINR de la macro cell est −4dB, dans le cas
Ps = 10dBm est 8dB et dans le cas sans small cells est 13dB.

La figure III.10 montre débit moyen en fonction de la distance. Nous observons le même
effet à cause des interférences des small cells, c’est-à dire les small cells vont interférer à la
macro cell, plus significativement quand sa puissance de transmission est plus élevée.

52
III.3 Scénario 2

(a) Ps = 20dBm (b) Ps = 10dBm

Figure III.11 – CDF du SINR (S2)

La figure III.11 représente la CDF (l’outage probability) dans des différentes configurations,
dans laquelle nous observons que nous avons une perte en terme d’outage probability avec cette
configuration car dans tous les cas l’outage probability est moins élevée par rapport au cas où
nous n’avons pas de small cells, cela malgré le fait qu’à la bordure de la cellule il y a une
amélioration au niveau du SINR.

3.3 Conclusions
– Avec ce dernier schéma nous observons une forte amélioration locale autour des Small
cells mais pas dans l’ensemble du réseau.
– La configuration de puissance des Small Cells a un fort impact sur la performance de la
Macro Cell.
– Il est nécessaire de bien calibrer la puissance d’émission des Small Cells afin de limiter les
interférences avec les Macro Cells.

53
Chapitre III. Scénarios envisagés et résultats

4 Scénario 3

4.1 Description

Dans ce scénario nous avons étudié l’impact des small cells réparties en bordure des Macro
cellules sur le réseau, en utilisant la version du modèle fluide adapté aux réseaux hétérogènes
(2.3), ce scénario est représenté par la figure suivante :

Figure III.12 – Scénario 3

Dans ce scénario la distance inter-macro cells est égale à la distance inter-femto cells, ces
deux sous-réseaux sont décalés d’une distance égale au rayon d’une macro cell, les calculs ont
été réalisés avec la configuration suivante :

– Surface du réseau : 105.4 Km2 (Surface de la ville de Paris).


– Nombre de Macro Cells : 130.
– Nombre de Small Cells : 130.
– Puissance Macro cells : 43dBm.
– Puissance Small cells : 10dBm et 20dBm.

54
III.4 Scénario 3

Figure III.13 – Scénario 3 en 3-D

4.2 Résultats
Parmi les résultats obtenus avec cette configuration, les plus intéressants sont montrés dans
les figures suivantes :

(a) Ps = 20dBm (b) Ps = 10dBm

Figure III.14 – SINR moyen en fonction de la distance (S3)

55
Chapitre III. Scénarios envisagés et résultats

(a) Ps = 20dBm (b) Ps = 10dBm

Figure III.15 – Débit moyen par TTI en fonction de la distance (S3)

Dans les figures III.14 montre SINR moyen en fonction de la distance et III.15 montre débit
moyen en fonction de la distance. Nous observons que dans le cas où les small cells ont une
puissance de transmission de 10dBm (Fig. III.15b et III.14b) le niveau de SINR de la macro
cell sera moins affecté, de plus dans les deux cas nous observons une amélioration significative à
la bordure de la macro cell. Par exemple : à une distance de 475m dans le cas Ps = 20dBm (fig.
III.14a)le SINR de la macro cell est −12dB et pour la small est 15dB, dans le cas Ps = 20dBm
le SINR de la macro cell est −5dB et pour la small est 4dB et pour la référence (cas sans small
cells) le SINR est 3dB.

(a) Ps = 20dBm (b) Ps = 10dBm

Figure III.16 – CDF du SINR (S3)

Dans la figure III.16 montre la CDF du SINR par cellule et pour chaque cas. Nous observons

56
III.4 Scénario 3

plus clairement que la configuration des petites cellules avec une puissance de 10dBm est plus
performante par rapport à la configuration avec 20dBm (CDF totale), malgré le fait que les
small cells et la individuellement sont moins performantes. Par exemple : la probabilité d’avoir
un SINR égal où inférieur à 5dB, dans le cas Ps = 20dBm (fig. III.16a) est de 88%, pour le
total est 78%, dans le cas Ps = 10dBm (fig. III.16a) est de 68%, pour le total est 73% est la
reference est 45%.

4.3 Conclusions
– Avec ce dernièr schéma nous observons une forte amélioration locale autour des Small
cells et dans l’ensemble du réseau.
– La configuration de puissance des Small Cells a un faible impact sur la performance de
la Macro Cell.
– Les résultats du dernier schéma sont plus performants que ceux du schéma précédent.
– En général avec les différents scénarios envisagés nous observons une augmentation de la
capacité de notre réseau en terme de disponibilité de ressources et de capacité de clients
par unité de surface.

57
Chapitre III. Scénarios envisagés et résultats

5 Comparaison des scénarios 2 et 3


La figure III.17a montre la CDF du SINR total par scénario et par cas. Nous pouvons
observer que le scénario 3 est plus performant par rapport au scénario 2 en termes d’outage
probability. Par exemple la probabilité d’avoir un SINR égal où inférieur à 0dB, dans S2 est de
59% pour Ps = 10dBm et 56% pour Ps = 20dBm , dans S3 est de 30% dans les deux cas.

La figureIII.17b montre la CDF du débit total par scénario et par cas. Nous observons aussi
que dans le scénario 3 avec une puissance de transmission de Ps = 20dBm est plus performante
par rapport à Ps = 10dBm.

(a) CDF total du SINR (b) CDF total du débit

Figure III.17 – S2 en fonction de S3

Dans les figures III.18 et III.19 nous observons le débit global par cellule et pour chaque
scénario, pour des puissances des small cells de 10dBm et 20dBm, et un débit total pour
l’ensemble de chaque scénario (débit de la cellule sans Small Cell : 15.8490 Mbps).

Dans les figures III.19 et III.18 nous observons que dans les deux cas il y a une augmentation
significative du débit par unité de surface, dans la cellule, qui est un des effets de la densification
des cellules. De plus l’impact des small cells beaucoup est plus important dans le scénario 2,
malgré le fait qu’il a une outage probability moins performante.

58
III.5 Comparaison des scénarios 2 et 3

Cellule Ps=20dBm Ps=10dBm


Macro Cell : 3.89 Mbps 8.88 Mbps
Small cell 1 : 5.29 Mbps 1.00 Mbps
Small cell 2 : 10.62 Mbps 3.51 Mbps
Small cell 3 : 14.42 Mbps 6.59 Mbps
Total : 519.5 Mbps 197.58 Mbps

Figure III.18 – Débit moyen par TTI par cellule (S2)

Cellule Ps=20dBm Ps=10dBm


Macro Cell : 13.63 Mbps 15.78 Mbps
Small cell 1 : 18.73 Mbps 5.78 Mbps
Total : 32.36 Mbps 21.56.78 Mbps

Figure III.19 – Débit moyen par TTI par cellule (S3)

59
Chapitre III. Scénarios envisagés et résultats

6 Scénario 4

6.1 Description

Dans ce scénario nous avons une small cell par macro cell, qui est placée à la distance la
plus probable qui a été calculée avec l’approche 2.3.1. Nous analysons les différents paramètres
déjà calculés dans les scénarios précédentes et aussi nous allons faire une analyse dynamique
qui est décrite dans le point 3 (page 36), le paramétrage d’entrée est le suivant :

– Surface du réseau : 105.4 Km2 (Surface de la ville de Paris).


– Nombre de Macro Cells : 130.
– Nombre de Small Cells : 130.
– Puissance Macro cells : 43dBm.
– Puissance Small cells : 10dBm et 20dBm.
– Partie dynamique :
– Service minimum demandé de 1Mbps.
– Taille moyenne du fichier à transmettre de 2Mbits.
– Charge des macro et small cells de 70%.
– Répartition en 5 anneaux pour la partie dynamique sans contrôle d’admission.

Dans la figure III.20 nous observons la distribution des cellules et les niveaux de SINR.

(a) Courbe de niveau Ps = 10dBm (b) Courbe de niveau Ps = 20dBm

Figure III.20 – Courbe de niveau (S4)

60
III.6 Scénario 4

6.2 Résultats
Parmi les résultats obtenus avec cette configuration, les plus intéressants sont montrés dans
les figures suivantes :

(a) SINR moyen macro cell en fonction de la dis- (b) SINR moyen small cell en fonction de la dis-
tance tance

Figure III.21 – SINR moyen en fonction de la distance (S4)

La figure III.21 montre le SINR moyen par cellule en fonction de la distance à la cellule. Nous
observons que la zone de couverture de la small cell dépend de sa puissance de transmission
(fig. III.21b), tandis que pour la macro cell elle reste constante dans les deux cas.

Dans cette partie nous nous centrons principalement dans l’analyse dynamique en utilisant
l’approche 3 (page 36).

(a) Small cell Ps = 10dBm (b) Small cell Ps = 20dBm

Figure III.22 – Résultats dynamiques sans contrôle d’admission (S4)

Dans la figure III.22 nous observons les différents paramètres dynamiques calculés à partir
de l’approche (page 36), par exemple la capacité de la macro cell reste constante dans les deux
cas. Cependant pour la small cell elle diminue, lorsque la puissance de transmission augmente.

61
Chapitre III. Scénarios envisagés et résultats

(a) Small cell Ps = 10dBm (b) Small cell Ps = 20dBm

Figure III.23 – Débit moyen en fonction de la charge (avec contrôle d’admission par un nombre de
clients actifs (S4)

Figure III.24 – Taux de blocage en fonction de la charge (avec contrôle d’admission par un nombre de
clients actifs (S4)

Ce phénomène s’explique parce qu’en augmentant la puissance, la zone de couverture de la


small cell augmente aussi et cela a un effet négatif dans le calcul de la capacité de la cellule
(eq.(8)) [11]. Par contre le taux de blocage diminue avec une faible puissance des small cells

62
III.6 Scénario 4

(eq. (14)) parce qu’il dépend du nombre de clients maximal m (eq. (12)) en bordure de cellule,
qui à son tour dépend de la taille de la small cell.

La figure III.23 on montre une analyse effectué en utilisant l’équation (11). Le taux de
blocage en fonction de la charge de la cellule, pour la macro cell reste constant dans les deux
cas de puissance considérées pour la small cell. Cependant la small cell il y a une amélioration
dans le cas avec un Ps = 10dBm pour l’anneau le plus proche de la small cell. En effet la taille
des anneaux a une relation étroite avec le rayon de la cellule car nous divisons les cellules en
un nombre donné d’anneaux concentriques (5 dans ce scénario) pour faire tous les calculs de la
partie dynamique. Cela a un impact direct dans le calcul du débit moyen par anneau.

La figure III.24 montre le débit moyen en fonction de la charge pour le cas avec contrôle
d’admission par un nombre de clients actifs. Nous utilisons l’approche 3.3.1, nous observons
que pour la macro cell tout reste constant dans les deux cas. pour la small cell il y a une
amélioration du taux de blocage en fonction de la charge de la cellule pour une puissance de
10dBm. Nous avons décrit cet effet dans le paragraphe précédent.

Figure III.25 – Taux de blocage en fonction de la charge (avec contrôle d’admission par un débit minimal
par clients (S4)

La figure III.25 montre le débit moyen en fonction de la charge pour le cas avec contrôle
d’admission ppar un débit minimal par clients, nous utilisons l’approche 3.3.1. Nous observons
que pour la macro cell tout reste constant dans le deux cas, mais pour la small cell il y a une
amélioration du taux de blocage en fonction de la charge de la cellule pour une puissance de

63
Chapitre III. Scénarios envisagés et résultats

10dBm mais seulement dans le cas où la charge est inférieur 75%. cet effet s’expliqué par le
contôle d’admission basé sur un débit minimal garanti par client. Le taux de blocage depend
de m (nombre de clients maximal en bordure de la cellule) et M (nombre de clients maximal
dans l’anneau le plus proche à la BS) (eq. 12), m depend du rayon de la small et M (eq. 19)
depend du niveau de SINR dans la zone la plus proche à la small cell, c’est-à-dire qu’il dépend
de la puissance de transmission.

(a) Small cell Ps = 10dBm (b) Small cell Ps = 20dBm

Figure III.26 – Débit moyen par TTI par cellule (S4)

Dans la figure III.26 nous observons les débits moyens par TTI par cellule. La puissance
de la small cell a un impact important sur les résultats. Nous pouvons regardé que dans le cas
Ps = 10dBm nous avons un débit par la small cell de 3.64M bps et dans le cas Ps = 20dBm
nous avons un débit de 13.86M bps.

Dans cet rapport je n’ai montré que les résultats les plus représentatifs parmi les plusieurs
scénarios que nous avons envisagés.

64
Conclusion générale et perspectives

Ce stage m’a permis d’approfondir mes connaissances en mathématiques appliquées et de


les mettre en pratique dans un domaine d’application télécom de grande importance. J’ai tra-
vaillé en collaboration directe avec des ingénieurs de recherche, tant sur la conception que sur
l’implémentation de la méthode d’optimisation, et au sein du projet ANR ECOSCells.

Ce stage m’a aussi énormément aidé pour arriver à comprendre et à prendre en compte l’in-
certitude liée à la dynamique spatio-temporelle du trafic et dans un modèle de réseau mobile
hétérogène. De plus j’ai acquis des compétences dans la technologie LTE qui sera implémentée
prochainement en France et qui ajoute une très grande valeur à ma formation professionnelle.
Il faut aussi souligner que la formation à Telecom Lille 1 a eu une forte importance dans le
déroulement de mon PFE car une solide formation en statistique et en mathématiques orientées
télécoms ont été nécessaires pour arriver à bien comprendre les différentes références bibliogra-
phiques utilisées dans mon PFE.

Des travaux futurs peuvent être effectués afin d’améliorer le modèle proposé :

1. En ajoutant l’effet du Fast Fading [13].


2. En prenant en compte différents contraintes de Qualité de Service (QoS).
3. En considérant différentes stratégies d’allocation de ressources (Maximum SIR, minimum
SIR, First Come First Served (FCFS) et Processor Sharing (PS)).
4. En considérant différentes scénarios (différents types de cellule, différentes configurations
de reuse, etc) comme dans l’article [14].
5. En approfondissant dans la partie dynamique avec une étude d’un client qui soit en
mouvement avec une vitesse constante.

Nous avons commencé à considérer les possibilités d’analyser l’effet dans le calcul, qu’a le

65
Conclusion générale et perspectives

placement d’un bâtiment dans la zone de couverture de la macro cell.

J’ai tenté dans ce rapport de synthétiser et de vulgariser toutes les connaissances acquises et
toutes les analyses faites dans le cadre de mon PFE, cela va me permettre plus tard d’aborder
ma vie professionnelle de la meilleure façon.

66
Références bibliographiques

[1] Dr. Wen Tong. Lte and its fundamental technologies. In CTO Wireless / Huawei
Technologies, CANADA (March 9, 2011). vii, 23

[2] Gregory Davi. Using picocells to build high-throughput 802.11 networks. RF Design Jul
2004 (Jul 2004). 11

[3] Picocell mesh : Bringing low-cost coverage, capacity and symmetry to mobile wimax. A
Tropos Networks White Paper. 11

[4] P. Gupta and P.R. Kumar. The capacity of wireless networks. IEEE Transactions on
Information Theory 388-404 (March 2000). 12

[5] 3GPP TS 36.201 V8.2.0. "LTE Physical Layer - General Description (Release 8)".
(2008). 21

[6] Jean-Marc Kelif. Modèle Fluide de Réseaux Sans Fils. Doctorat Informatique et Ré-
seaux. Thèse de Doctorat, EDITE (2008). 29, 31, 33

[7] Jean Marc Kelif, Marceau Coupechoux, and Philippe Godlewski. A fluid
model for performance analysis in cellular networks. EURASIP J. Wireless Comm. and
Networking 2010 (2010). 29

[8] Jean Marc Kelif and Marceau Coupechoux. Joint impact of pathloss shadowing
and fast fading - an outage formula for wireless networks. CoRR abs/1001.1110 (2010).
31

[9] L. Fenton. The sum of lognormal probability distributions in scatter transmission system.
IEEE (IRE) Transactions on Communications CS-8 (1960). 31

[10] W. Diego J-M Kelif and S. Senecal. Impact of small cells on performance of
heterogeneous lte cellular networks. Paper submitted to VTC2011 (2011). 32, 33

67
Conclusion générale et perspectives

[11] Thomas Bonald and Alexandre Proutiére. Wireless downlink data channels : user
performance and cell dimensioning. pages 339–352 (2003). 36, 62

[12] W. Diego J-M Kelif and S. Senecal. Heterogeneous wireless network : Impact of
transmitting power on lte femto cells performance and coverage. Paper submitted to Glo-
geCom2011 (2011). 42

[13] Jean Marc Kelif and Marceau Coupechoux. Impact of topology and shadowing
on the outage probability of cellular networks. pages 1–6 (2009). 65

[14] Masood Maqbool, Philippe Godlewski, Marceau Coupechoux, and


Jean Marc Kelif. Analytical performance evaluation of various frequency reuse and
scheduling schemes in cellular ofdma networks. Perform. Eval. 67(4), 318–337 (2010). 65

[15] J. Virtamo. Queueing Course. (2005). 71, 72

68
Annexes

1 Annexe 1 : Modèle Fluide pour les réseaux hétéro-


gènes
Nous considérons un réseau compose de deux sous-réseaux avec small et macro cells que
partagent la bande passante. Un sous-reseau avec M macro cells de rayon Rm est un sous-reseau
avec S sde rayon Rs .
(k)
Pij est la puissance de transmission, que sera une constante pour chaque i, j, k de chaque
sous-réseau, Ps pour les small cells et Pm pour les macro cells.

Le SINR (II.7) peux être exprimé, pour un mobile connecté à une macro cell m0 (i.e k0 =m0 )
comme :

(m0 )
Pm (u)gij (u)
γij (u) = P (m) P (s)
(1)
Pm (u)gij (u) + Ps (u)gij (u) + Nth
m∈M,m6=m0 s∈S

En considérant que le mobile est sous la couverture de la small cell s0 nous pouvons exprimer,
en utilisant le path gain gs,u = Ks rs−η (pour les small cells) et gm,u = Km rm −η
(pour les macro
cells) :

−η
rm 0
γ(rm0 ) = −η (2)
+ KKms PPsm (rs−η
P P −η Nth
rm 0 + rs ) + Km Pm
m6=m0 s6=s0

Où rk est la distance entre le mobile et la cellule k.

En utilisant le modèle fluide , nous considérons la densité des small cell ρs et des macro cells
ρm . La distance entre les small cells est 2Rs et entre les macro cells est 2Rm . Nous nommons

69
Annexes

Is la interférence totale due aux small cells et Im la interférence total due aux macro cells et
K = KKms PPsm ), nous pouvons calculer le SINR comme :
−η
rm0
γ(rm0 ) = Nth (3)
Ism0 m0 +
+ Im Km Pm

Où :

m0 2πρm
Im = (2Rm − rm0 )2−η (4)
η−2
et

2πρs
Ism0 = K (2Rs − rs0 )2−η + Krs−η (5)
η−2 0

70
2 Annexe 2 : Analyse dynamique

2 Annexe 2 : Analyse dynamique


2.1 Performance du débit (Sans contrôle d’admission)
Dans cette partie nous supposons que la ressource radio est partagé équitablement entre
tous les clients actifs, donc s’il y a x clients dans la cellule, chaque client aura une fraction du
temps Φbu = 1/x (avec un temps de service i.i.d.) pour transmettre ses données et un nombre de
clients qui suit un processus de file d’attente avec des arrivées Poissonienne d’intensité λπR2 .
Donc chaque temps de service est équivalent au temps qu’un client a pour transmettre ses
données, pour un seul client à une distance r de la BS le temps de service sera σ/C(r), alors la
distribution de la variable aléatoire µ (temps de service typique) sera :

σ 2rdr
dµ(r) = , pour r < R (6)
C(r) R2
Alors nous calculons la charge totale de la cellule :
Z R
2 E[σ] 2rdr Z R ρ
λπR × = 2πrdr = ρ̄ (7)
0 C(r) R2 0 C(r)

Nous observons que le nombre de clients tend vers un régime stationnaire fini de clients
pour (ρ̄ < 1) sous chargé, et pour (ρ̄ > 1) le rapport C(r)/x tend vers zéro. Nous pouvons
définir la capacité de la cellule comme l’intensité maximale du trafic pour lequel la cellule n’est
pas saturée, de l’expression (6) nous calculons la capacité de la cellule de rayon R comme :

Z R !−1
2rdr
C(R) = (8)
0 C(r)R2
Cette fonction est décroissante et atteint sa valeur maximale C0 , pour R ≤ r0 . Pour évaluer
la performance par client, nous utilisons la propriété des files d’attente (M/M/1/∞) [15], donc
la distribution stationnaire du nombre de clients actifs (π) dans la cellule :

π(x) = ρ̄x (1 − ρ̄) (9)

Nous pouvons calculer le nombre de clients dans une surface entre r et r + dr, en calculant
la densité de charge dans cette surface avec la charge générée par les clients dans cette surface
dρ(r)/C(r),en divisant cette valeur avec la charge totale dans la cellule (ρ̄),et en la multipliant
avec la moyenne des clients dans tout la cellule :

dρ(r)
dx(r) = × E[x] (10)
ρ̄C(r)

71
Annexes

Avec E[x] = ρ̄/(1 − ρ̄), le nombre moyen de clients dans la cellule, donc le débit par client
sera :

γ(r) = C(r)(1 − ρ̄) (11)

2.2 Taux de blocage (avec contrôle d’admission)


Pour garantir un débit minimal cmin aux clients, il est nécessaire de faire un contrôle d’ad-
mission et d’avoir un rayon de cellule R maximal Rmax , tel que pour un r maximal C(r) ≥ cmin ,
donc nous pouvons faire un contrôle d’admission en se basant sur le nombre de clients actifs ou
en se basant sur un débit minimal par client.

2.2.1 Par un nombre de clients actifs

Pour une cellule de rayon R, le débit minimal cmin est garanti si le nombre de clients actifs
ne dépasse pas cette limite :

C(R)
m= (12)
cmin
Avec cette condition nous pouvons calculer la distribution stationnaire du nombre de clients
actifs (π), avec un nombre maximal de clients actifs m, c’est un système M/M/1/m [15], donc :

ρ̄x
π(x) = ,0≤x≤m (13)
(1 + ρ̄ + . . . + ρ̄m )
Nous calculons la probabilité de blocage B , qui est indépendante de la distance r entre le
client et la BS :

ρ̄m
B= (14)
(1 + ρ̄ + . . . + ρ̄m )
et pour ρ̄ < 1 (sous-chargé) B = (ρ̄m − ρ̄m+1 )/(1 − ρ̄m+1 ). Nous pouvons aussi calculer le
nombre de clients actifs dans une surface entre r et r + dr (10) :

dρ(r)
dx(r) = × E[x] (15)
ρ̄C(r)
avec :

ρ̄ 1 − (m + 1)ρ̄m + mρ̄m+1
E[x] = × (16)
(1 − ρ̄) 1 − ρ̄m+1

72
2 Annexe 2 : Analyse dynamique

et le débit par client :

dρ(r)
γ(r) = (1 − B) (17)
dx(r)

et à partir des équations (14) et (16) :

(1 − ρ̄)(1 − ρ̄m )
γ(r) = C(r) × (18)
1 − (m + 1)ρ̄m + mρ̄m+1

Quand ρ̄ = 0, le débit est égal a la valeur maximale (C0 ), et quand ρ̄ → ∞ le débit tend
vers C(r)/m.

2.2.2 Par un débit minimal par clients

Un nouveau client est accepté, si son débit et le débit des autres clients actifs étaient des
valeurs supérieures à cmin , donc maintenant la décision d’admission dépend de la position du
client, et le nombre de clients ne doit pas dépasser M , lequel est le meilleur cas quand les clients
actifs ne dépassent pas r ≤ r0 :

C0
M= (19)
cmin
et m = C(R)/cmin est le nombre maximal de clients actifs qui puisse exister dans toute la
cellule de rayon R, donc un client sera accepté si le débit minimal pour tous les clients actifs
est supérieur à cmin :
D E
min(1≤u≤x) C(r(u) )
≥ cmin (20)
x
où r(u) est la distance du client actif u à la BS. Nous définissons L = (M − m) et j ∈
{0, . . . , L}, alors Rj (r0 ≡ R0 < R1 < . . . < RL ≡ R) est la distance maximale r pour laquelle
nous pouvons avoir j clients de plus par rapport à m , c’est à dire :

C(r) ≥ (M − j)cmin (21)

Donc nous pouvons avoir un nombre maximal de x = M − j clients actifs dans la cellule,
quand le client le plus éloigne est à un distance Rj de la BS. Alors nous pouvons calculer la

73
Annexes

probabilité qu’un client soit à une distance Rj maximal de la BS avec ρ̄→j /ρ̄ où :
Z Rj
dρ(r)
ρ̄→j = (22)
0 C(r)
et la probabilité d’avoir x clients actifs sera :

ρ̄x
 , si x < m
π(x) = π(0)  M −i (23)
ρ̄→j , si x = M − i, i ∈ {0, . . . , L}
où :

L
!−1
−i
π(0) = 1 + ρ̄ + . . . + ρ̄m−1 + ρ̄M
X
→i (24)
i=0

Nous calculons la probabilité de blocage Bj , pour des clients actifs avec une distance maxi-
male Rj de la BS, j ∈ {0, . . . , L} :

−i M −i
ρ̄M
PL L
→i −
P
i=0 i=j+1 ρ̄→i−1
Bj = −i (25)
1 + ρ̄ + . . . + ρ̄m−1 + Li=0 ρ̄M
P
→i

La probabilité de blocage B(r) pour les clients qui sont à une distance maximale r est :


 B0 , si r ≤ r0
B(r) =  (26)
Bj , si Rj−1 < r ≤ Rj
La moyenne de la probabilité de blocage sera :

R02 XL
Rj2 − Rj−1
2
B = B0 + Bj (27)
R2 j=1 R2

74
View publication stats