| Importance : |
................................... |
| Résumé : |
La croissance rapide du trafic dans les réseaux mobiles 4G LTE et 5G s’accentue davantage par une augmentation continue des besoins en débit, en qualité de service (QoS) et en efficacité énergétique. Avec le déploiement massif des stations de base et l’exploitation de multiples bandes de fréquences, les opérateurs font face à un défi majeur : améliorer les performances du réseau tout en maîtrisant la consommation énergétique du réseau d’accès radio (RAN). Cette thèse propose des mécanismes intelligents permettant d’optimiser le débit perçu par les utilisateurs tout en réduisant la consommation d’énergie dans les réseaux mobiles hétérogènes 4G LTE/5G multi-bandes. Les travaux reposent sur l’analyse de données réelles issues de réseaux opérationnels d’Orange Sénégal et de SFR France, ce qui renforce la pertinence industrielle des résultats obtenus. Dans un premier temps, une étude des relations entre les indicateurs clés de performance (KPI) met en évidence le rôle déterminant de l’indicateur de qualité du canal (CQI) dans la prédiction du débit descendant. Des modèles de Machine Learning, notamment le Random Forest, permettent d’obtenir des prédictions plus précises du débit. Dans un second temps, la thèse aborde la prédiction de la qualité du canal dans les réseaux à petites cellules à l’aide de modèles de Deep Learning. Les architectures des réseaux neuronaux profonds (DNN) et les mémoires à court et long terme (LSTM) sont étudiées afin de capturer les dynamiques temporelles du canal radio, les résultats montrant que le modèle LSTM offre les meilleures performances. Enfin, un algorithme prédictif basé sur le LSTM est proposé pour estimer dynamiquement le nombre optimal de bandes de fréquences actives selon la charge de trafic. Cette approche permet de réduire la consommation énergétique de 8 % à 21 % sans dégradation notable de la QoS. |
Accueil
Optimisation du débit et réduction de la consommation d’énergie dans les réseaux mobiles 4G LTE/5G multi-bandes de stations de base à petites cellules : Concept d’Intelligence Artificielle (IA). (...................)
