HAL Id: pastel-00549417
https://pastel.archives-ouvertes.fr/pastel-00549417
Submitted on 21 Dec 2010
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Distributed Resource Allocation in Wireless Networks
Sara Akbarzadeh
To cite this version:
Sara Akbarzadeh. Distributed Resource Allocation in Wireless Networks. Networking and Internet
Architecture [cs.NI]. Télécom ParisTech, 2010. English. �pastel-00549417�
InPartial Fulllmentof the Requirements for the Degree of Doctor of
Philosophy from TELECOMParisTech
Specialization: IT and Networks
Sara Akbarzadeh
On Distributed Resource Allocation in Wireless
Networks
Defensescheduled on the20th September2010 beforeacommittee
composedof:
Reporters MérouaneDebbah, Ecole Supérieure D'Électricité
Giorgio MatteoVitetta, Università degli StudidiModena
Examiners RaymondKnopp, EURECOM
Jean-Claude Belore, TELECOM ParisTech
Thesis supervisors LauraCottatellucci, EURECOM
présentée pour obtenir legrade de
Docteur de TELECOM ParisTech
Spécialité: Informatique etRéseaux
Sara Akbarzadeh
Algorithmes distribués d'allocation de ressources
dans les réseaux sans l
Soutenance prévue le20 Septembre 2010 devant lejury composéde :
Rapporteurs MérouaneDebbah, Ecole Supérieure D'Électricité
Giorgio MatteoVitetta, Universitàdegli Studi diModena
Examinateurs Raymond Knopp, EURECOM
Jean-Claude Belore, TELECOM ParisTech
Directeurs dethèse LauraCottatellucci, EURECOM
The fullconnectivityoered bythenature ofwireless communication poses
avastnumberofbenetsandchallengestothedesignersoffuturegeneration
wireless networks. One of the main challenges being faced is dealing with
the unresolvable interference at the receivers. It is widely recognized that
the heart of this challenge lies in the design of resource allocation schemes
which provide thebest trade-obetween eciency and complexity
Explorationofthistrade-o requiresappropriatechoicesof performance
metrics and mathematical models. In this regard, the thesis is concerned
with certain technical and mathematical aspects of resource allocation in
wireless networks. Wespecicallyargue thatanecient resourceallocation
inwirelessnetworksneedstotake intoaccountthe followingparameters: (i)
rate ofenvironment changes, (ii)trac model,and (iii) amount of
informa-tion available at transmitters. As mathematical tools for our investigation,
weuseoptimization theoryand game theory.
We are especially interested in distributed resource allocation in
net-workswith slow fading channels and with partial channel side information
atthetransmitters. Transmitters withpartialchannelsideinformationhave
exact information of their own channel as well as statistical knowledge of
other channels. In such a context, the system is inherently impaired by
a nonzero outage probability. We propose low complexity distributed
algo-rithmsforjointrateandpowerallocation,aimingatmaximizingthe
individ-ual throughput,dened asthe successfully-received-information rate, under
a powerconstraint. We study this problemintwo network setups.
First, we consider throughput maximization in an OFDM-based MAC
networkwith2transmitters. Aswellknown,theproblemisnon-convexwith
exponential complexity inthe number of transmitters and subcarriers. We
introduce a two-level approach to the problem based onduality theoryand
Bayesian game theory. The trade-o between complexity and performance
is investigated.
network. We relaxtheintrinsic assumption on innitebacklog of packets in
the queuesmade in theprevious study. Therefore, each transmitter is
pro-videdbya nitebuer. Weintroduce distributedcross-layeralgorithms for
jointadmissioncontrol,rateandpowerallocation aimingatmaximizingthe
individualandtheglobalthroughput. Theproblemismodeledasa
stochas-ticgameinwhich mixedstrategiesarebasedonthestatisticalknowledgeof
thestates (channelattenuation and buerlength) oftheother transmission
pairsand on the exact knowledgeof their ownstates.
Finally, we consider the same problem in a dense interference network
withalarge numberoftransmitter-receiverpairs. Theasymptoticapproach
of large interference networks enables a considerable complexity reduction
La connectivité totale oerte par la communication sans l pose un grand
nombre d'avantages et de dés pour les concepteurs de la future
généra-tion des réseaux sans l. Un des principaux dés qui se posent est lié à
l'interférence au niveau des récepteurs. Il est bien reconnu que ce dé
ré-side dans la conception des systèmes d'allocation desressources qui orent
lemeilleur compromisentrel'ecacité etlacomplexité.
L'explorationdececompromisnécessitedeschoixjudicieuxd'indicateurs
de performanceetdesmodèles mathématiques. À cetégard, cette thèseest
consacrée à certains aspects techniques et mathématiques d'allocation des
ressources dans les réseaux sans l. En particulier, nous démontrons que
l'allocation de ressources ecace dans les réseaux sans l doit prendre en
comptelesparamètressuivants: (i)letauxdechangementdel'environnement,
(ii) le modèle de trac, et (iii) la quantité d'informations disponibles aux
émetteurs. Comme modèles mathématiques dans cet étude, nous utilisons
lathéorie d'optimisationetlathéorie desjeux.
Nous sommes particulièrement intéressés à l'allocation distribuée des
ressources dans les réseaux avec des canaux à évanouissement lent et avec
desinformationspartiellesducanalauxémetteurs. Lesémetteursavec
infor-mation partielledisposent d'informations exactesde leur propre canal ainsi
que la connaissance statistique desautres canaux. Dans un telcontexte, le
systèmeestfondamentalementdétérioré paruneprobabilité outagenonnul.
Nous proposons des algorithmes distribués à faible complexité d'allocation
conjointe du débit et de la puissance visant à maximiser le "throughput"
individuel, déni comme le débit d'information reçu avec succès, avec une
contraintedepuissance. Nousétudionsceproblèmedansdeuxcongurations
réseau. Premièrement, nous considérons la maximisation du débit dansun
réseau OFDMMacavec 2transmetteurs. Commeonlesait,leproblèmeest
non-convexe avec une complexité exponentielle du nombredesémetteurs et
des sous-porteuses. Nous introduisons une approche à deux niveaux basée
entre lacomplexité etlaperformance estétudiée.
Deuxièmement,nousétudionsleproblèmed'allocationderessourcesdans
un réseau ad hoc sans relais. Nous considérons une le d'attente avec un
nombre limité de paquets. Par conséquent, chaque émetteur estassuré par
une capacité limitée. Nous introduisons des algorithmes distribués
d'inter-couche pour le contrôle d'admission, l'allocation du débit et de puissance
visant à maximiser le "throughput" individuel et global. Le problème est
modélisé comme un jeu stochastique dans lequel les stratégies mixtes sont
fondéessurles connaissancesstatistiques desétats (atténuation ducanal et
longueurde laled'attente) delatransmissiond'autrespaires
d'émetteurs-récepteuretsurlaconnaissance exactede leurs propres États.
Enn,nousconsidéronslemêmeproblèmedansunréseaudensed'interférences
avec ungrand nombre de pairesd'émetteurs-récepteur. L'approche
asymp-totiquedesréseauxd'interférences dense permetune réductionconsidérable
delacomplexitéetelleestutiliséepourévaluerlesperformancesdesréseaux
My rst thanks goes out to my thesis advisors: I would like to thank professor
Christian Bonnet for providing me with theopportunity to work at EURECOM
and for giving methe freedom to followmy interests. I would likealso to thank professor LauraCottatellucci, for her insightful and clear views, not only of the problem we pursuedwithbut alsoof thePhD processasawhole. Thanksto her supervisionI signicantlyimprovedmyskillsin developingaresearchtopic.
IwouldalsoliketothankmyfriendsatEURECOMandalloverCoted'Azur. For allpiecestheyaddedtomyidentity,I amforeverthankful!
My special thanks to Giuliana, Randa, Zuleita, Ikbal, Daniel, and Kostas who alwayslistenedevenwhen I didn't feelliketalking! I would liketo thankCarina andRizwan,forbeinggreatlab-matesandprovidinganareawhenrequiredaswell asbeinggreatfriends!
Mariam,Gillian,Florian,Phillipe,Virginia,Navid,Carine,Miriam,Leyla,Davide, Danesh, Lluis, Sebastian,Erick, Andrea,Matteo, Erhan, Marios,and Ruben... I amgratefulforallthecolorsyouaddedto mymoments!
I dedicate this thesis:
Tomyparentsfor thesimple,and deep,fact that I lovemy life. Thanksfor the loveand strongbasicskillsyouprovidedmewith!
Tomythree angels,Bibigol,MinaandFarhad,forlendingmethewingsto y!
ToLalehandMehdi fortheirunconditionalloveandsupport.
Abstract . . . i Resume . . . iii Acknowledgements . . . v Contents. . . vii List ofFigures . . . xi Acronyms . . . xiii Notations . . . xv
1 Algorithmes Distribués d'Allocation de Ressources 1 1.1 L'allocation de Ressourcesdansles RéseauxSansFil . . . 3
1.1.1 L'allocationde ressourcesen OFDMMAC . . . 5
1.1.2 L'approche Inter-couches d'allocation de ressources dansles Canauxd'Interférence . . . 10
1.2 LesPréliminaires Mathématiques . . . 12
1.2.1 ApplicationdeJeuxBayésiennedanslesRéseauxSans Fil . . . 12
1.2.2 Application des Jeux Stochastiques en Communica-tions SansFil . . . 13
1.2.3 Application de la Théorie des Matrices Aléatoires en Communications SansFil . . . 13
1.3 Plande Thèse . . . 14
1.4 LesHypothèses . . . 15
1.5 Structurede laThèse. . . 16
1.6 NosContributions à laRecherche . . . 17
1.6.1 Chapitre 5. . . 17
1.6.2 Chapitre 6. . . 19
1.6.3 Chapitre 7. . . 20
2 Introduction 25
2.1 Thesis Plan . . . 27
2.2 Basic Assumptions . . . 28
2.3 Outline of theDissertation. . . 29
2.4 Research Contributions. . . 30
2.4.1 Chapter 5 . . . 30
2.4.2 Chapter 6 . . . 31
2.4.3 Chapter 7 . . . 31
3 Resource Allocationin Wireless Networks 33 3.1 Physical Layerand MACLayerCharacteristics . . . 35
3.1.1 Wireless Links . . . 35
3.1.2 Transmitters . . . 37
3.1.3 Receivers . . . 40
3.1.4 Multiple AccessTechniques . . . 41
3.1.5 CapacityRegion . . . 42
3.2 ResourceAllocation . . . 48
3.2.1 ResourceAllocation inOFDM-basedMAC . . . 49
3.2.2 Cross-layerResourceAllocation inInterference Channel 54 4 Mathematical Preliminaries 57 4.1 Basic MathConcepts . . . 57
4.2 Elements ofConstrained Optimization . . . 59
4.2.1 DualityTheory . . . 60
4.2.2 KKT Conditions . . . 62
4.3 Elements ofGameTheory . . . 63
4.3.1 Bayesian Game . . . 69
4.3.2 Markov Equilibriaof Stochastic Game . . . 73
4.4 Random MatrixTheoryinWireless Communications . . . 74
5 Distributed Resource Allocation in OFDM-based MAC 77 5.1 Introduction . . . 77
5.2 System Model . . . 78
5.3 OptimumJoint Powerand RateAllocation . . . 80
5.4 Equilibria for Joint Power and RateAllocation . . . 82
5.4.1 PerSubcarrierGames
G
n
λ
. . . 855.4.2 Global Game . . . 91
5.5 Algorithm . . . 93
5.B Proof ofLemma 2: . . . 99
5.C Analysisof TheNEs onThe Boundaries . . . 99
5.C.1 Boundary oftype
B
1
. . . 1005.C.2 Boundary oftype
B
2
. . . 1016 Distributed Cross-Layer Resource Allocation inINs 105 6.1 Introduction . . . 105
6.2 System Model . . . 106
6.3 ProblemStatement . . . 109
6.3.1 ProblemStatement asanK-player Game . . . 111
6.4 Analysisof theGame. . . 113
6.4.1 NashEquilibrium . . . 113
6.4.2 Symmetric Network . . . 114
6.4.3 BestResponseAlgorithm . . . 114
6.5 NumericalResults andConclusions . . . 115
7 Cross-Layer Design for Dense INs 119 7.1 Introduction . . . 119
7.2 System Model . . . 121
7.3 PreliminaryUseful Tools . . . 125
7.3.1 Some Convergence Results. . . 125
7.3.2 Large SystemAnalysis ofthe Receivers . . . 126
7.4 ProblemStatement . . . 130
7.5 GameinLarge SymmetricInterference Networks . . . 133
7.6 NumericalResults . . . 135
7.7 Conclusions . . . 140
8 Conclusions and Future Work 143 8.1 Conclusion. . . 143
3.1 Multiple accesschannel . . . 42
3.2 Capacity oftwo-user fastfadingMACwithCSIT . . . 44
3.3 Interferencechannel . . . 46
3.4 Classesof two-user ICs . . . 48
5.1 Aggregate throughput vs maximum available power at the transmitter,
K = 2, N = 10, g
1
= (1/3, 2/3), g
2
= (7/8, 1/8), γ
1
=
(0.3, 0.7), γ
2
= (0.1, 0.9)
. . . 975.2 Throughput per transmitter vs maximum available powerat thetransmitter,
K = 2, N = 10, g
1
= (1/3, 2/3), g
2
= (7/8, 1/8), γ
1
=
(0.3, 0.7), γ
2
= (0.1, 0.9)
. . . 985.3 Feasible region: the region correspondingto
p
> 0
. . . 1015.4 Positionof boundary
B
˜
2
withrespectto thefeasibleregion . 104 6.1 Denition of(a) RSand (b)NS . . . 1086.2 Policies in a symmetric two user network:
A
− self − SU
(circle mark)versusA
− self − SIC
(crossand plusmarks) . 116 6.3 Optimal policies for scenario2. . . 1177.1 Policies inanetworkwithinnitetransmissions . . . 137
7.2 Throughputvs Eb/N0 for threedierent receivers. . . 138
7.3 Throughput vs Eb/N0, Cross-layer vs. Conventional mecha-nisms . . . 139
7.4 ThroughputvsEb/N0,performanceofasymptoticACL-(NP/KIS/MGD)in a network ofnite transmissions . . . 139
Here are the main acronyms used in this document. The meaning of an
acronym is usually indicated once, when it rst occurs in the text. The
English acronymsarealso usedfor theFrench summary.
AMC Adaptive Modulationand Coding
AWGN Additive WhiteGaussian Noise
BC BroadcastChannel
BS BaseStation
CCSI CompleteChannelSideInformation
CDMA Code DivisionMultiple Access
CSI ChannelStateInformation
CSIR ChannelStateInformation at Receiver
CSIT ChannelStateInformation at Transmitter
COP ConstrainedOptimization Problem
FDMA Frequency DivisionMultiple Access
GSN GlobalSystem for MobileCommunications
GPRS GeneralPacketRadioService
IC Interference Channel
i.i.d. independent andidenticallydistributed
IN Interference Network
IWF Iterative Water Filling
KKT Karush-Kuhn-Tucker OptimalityConditions
LCP LinearComplementarityProblem
MAC MultipleAccessChannel
MACLayer MediumAccessControl Layer
MDP MarkovDecision Process
MIMO MultipleInput MultipleOutput
MMSE Minimum Mean SquareError
NBS NashBargaining Solution
NLCP Non-Linear ComplementarityProblem
OFDM Orthogonal Frequency DivisionMultiplexing
PA PowerAllocation
PCSI Partial ChannelSideInformation
pdf probabilitydensityfunction
PSTN Public Switch Telephone Network
QoS Quality ofService
QSI QueueState Information
SDMA SpaceDivisionMultiple Access
SIC Successive Interference Cancelation
SINR Signal-to-Interference-NoiseRatio
s.t. subjectto
Theboldfacecapital/smalllettersareusedformatrices/vectorsrespectively.
A superscript for a matrix/row-vector denotes the index of corresponding
column-vector/element. A subscript of a matrix/row-vector is the index of
corresponding row-vector/element.
R
Theset ofall realnumbers.R
+
Theset ofnonnegative reals.R
n×m
theset ofn
× m
matriceswithreal-valued entries.X
j
i
The(i,j)th element ofthematrixX
.
x
i
Thei
th element ofvectorx.
X
Anite set.|X |
Thecardinality ofthenite setX .
P
(x)
Theprobabilitymassfunction of adiscrete random variablex.
max, min
maximize,minimize.E
(x)
Theexpectedvalueofx.
Algorithmes Distribués
d'Allocation de Ressources
dans les Réseaux Sans Fil
Dansunréseausansl,lesutilisateurscommuniquentenémettantdel'énergie
dans toutes les directions. Cela crée une connectivité totale entre tous les
utilisateurs, et un lien isolé n'existe pas. L'un des dés de ce moyen de
communicationestd'aronterl'interférencequelesdiérentestransmissions
s'imposent l'un àl'autre.
Lagénérationactuellederéseausanslréduitlacomplexitéduproblème
enutilisantdesprotocolesd'accèsmultiples,etenexploitantdel'atténuation
naturelle du médium (par le contrôle de puissance ou la réutilisation des
bandes de fréquences). Dans un tel contexte, une autorité centrale modie
lesstratégiesd'utilisateursandesatisfaireàuncritèreglobal. Toutefois,ces
réseaux ne parviennent pas à bénécier de la connectivité complète oerte
par l'interface air.
La prochaine générationde réseau sans lvise à exploiter la
connectiv-ité complète en aaiblissant lanotion d'uneautorité centrale (parexemple,
la radio cognitive) ou l'annuler complètement (par exemple, les réseaux ad
hoc) sans réduire la exibilité totale et le niveau de services déjà oerts
par les réseaux cellulaires. L'approche centralisée implique généralement
qui croissent avec le nombre d'émetteurs et de récepteurs dans le réseau.
Commeces algorithmes ont tendance à êtrecomplexe etpasfacilement
ex-tensible, des algorithmes décentralisés sont préférés dans les scénarios de
prochaine génération. Diérentsniveauxde coopération entreles émetteurs
et/oulesrécepteurspeuventêtreenvisagés,maisengénéral,ladélocalisation
desmécanismesdecontrôle,telsquel'attributiondedébitetdelapuissance,
laplanication,le contrôle d'admission, et leroutage sontsouhaités.
Dans les régimes décentralisés, les décisions concernant les paramètres
du réseau (les dèbits et/ou les puissances) et des conditions de
transmis-sionsonteectuées pardesémetteurs individuelsabasedel'information sur
l'environnementquiestlocalementdisponible. Unrégimeecaced'allocation
de ressources nécessite un choix approprié d'une mesure de performance
prenant en compte les deux paramètres suivants: (i) le rythme de
mod-ications de l'environnement, et (ii) la quantité d'information disponible
aux émetteurs. Récemment, une quantité considérable de recherche dans
les réseaux multi-utilisateur a mis l'accent sur des modèles réalistes dans
lesquels chaque terminal a une connaissance complète de son propre canal
ainsiquelaconnaissance statistiquedescanauxdesautresterminaux. Dans
cecontexte,L'approcheinnovantedeShamaïetWyner[1]suivieparlesdeux
articles très référencés de Hanly etTse [2,3] ont mis en place les fonctions
decapacité quiconviennent pour lesdiérentsmodèles de l'évanouissement
etdiérentsniveauxd'information descanaux auxémetteurs.
L'allocation de ressourcesdanslesréseauxsansldoit êtreadaptéenon
seulementauxchangementsdanslescanauxdetransmission,maisaussiaux
applications. Ce sujet a ététraditionnellement étudié soit par la théoriede
l'informationsoitpar lathéoriederéseaudecommunication. Toutefois,an
de briser les barrières entre ces deux approches distinctes, il y a un besoin
desmodèlesdecommunicationquirapprochelacouchephysiquedescouches
supérieuresgrâce auxtechniques inter-couche d'allocation de ressources.
L'allocationderessourcesinter-couchepermetuneoptimisationdesressources
d'unréseau etpermetaussiaux ingénieurs d'améliorer laqualité du signal,
d'améliorer leréseau etl'utilisation descanaux,d'augmenter ledébit,etde
réglerleproblèmedeshadowing. Unexemple pertinentpournotreétudeest
que,l'aectationdesressourcesbaséeuniquementsurl'informationdecanal
(CSI) est incapable de mettre à jour correctement l'allocation de débit en
fonction de ladynamique du trac d'arrivé. En ignorant le caractère
aléa-toire de l'arrivée des paquets et de les d'attente, telles approches peuvent
garantir ni la stabilité des les d'attente, ni un délai d'attente acceptable.
tion sansl(parexemple, [4]etréférences citées).
Lestransmissionssurunsupportsanslsonttoujoursaectuéespar des
interférences de transmissions des autres. En outre, certaines contraintes
sontimposéesparlesappareilssanslenraisondeslimitesdusystème(telles
quelechargelimité delabatterie)et/oud'exigencesdeservice. Il est
essen-tieldeprendrecesfacteursencomptedanslaconceptiond'algorithmespour
l'allocationecacedesressources. Parconséquent,unproblèmed'allocation
deressourcesesttrèssouventdénicommeunproblèmed'optimisationsous
contraintes (OPC). OPC estun domaine qui ore la possibilité d'optimiser
certaines fonctions objectives compte tenue deslimites imposées par le
sys-tème ou les services. En outre, dans le cas de l'allocation de ressources
distribuées, lathéorie desjeux joue également un rôle important en orant
des méthodes moins complexes et plus évolutives. Un exemple de ceci,
l'algorithme de Waterlling itératif [5,6], est déni dansla littérature basé
sur la théorie de l'optimisation et également la théorie des jeux. Certaines
caractéristiquesdesréseauxsanslfontlathéoriedesjeuxunmoyenpratique
pourlesanalyser [7]: (i)les terminauxmobilessont équipésd'uncertain
de-gréd'intelligence quirendlacongurationdistribuée desdécideurspossible,
(ii)lesappareilsmobilespartagentdesressourcescommunesquiimpliqueune
interactionnaturelleentreeux,et(iii)lesréseauxsanslsonttrèsstructurés.
Danscequisuit,nousexaminonsd'abordlesdiérentsaspectsdel'allocation
de ressources dansles réseaux sans l, compte tenue des hypothèses et des
congurations diérentes. Enplus, onreprésente lalittérature liéesaux ces
sujets. Nous présentons deux théories fondamentales, à savoir, la théorie
d'optimisation sous contrainte et la théorie des jeux, ainsi que quelques
exemples de leur application dans les communications sans l, fournissant
les principaux outils mathématiques utilisés dans cette thèse. Enn, nous
représentons le plan de thèse, l'hypothèse de base et les principales
contri-butions.
1.1 L'allocationdeRessourcesdanslesRéseauxSans
Fil
L'allocation de ressources est une évaluation pour décider la façon de
di-viser une quantité limitée (e.g., la puissance de transmission) ou restreinte
(e.g., le débit) des ressources entre les individus qui sont en concurrence
ou s'inuencent mutuellement. Les ressources de communication sans l
rithmes existants tentent de répartir séparément ou conjointement une ou
plusieurs ressources.
Dansce rapport,nousavonsspécialement tenir comptede troisfacteurs
principaux quiinuent surle choix d'unrégime d'allocation deressources:
•
Réservedelaled'attente: Laperformancedeschedulingaétéprinci-palement évaluéen supposantqu'ilexisteuneréserveinnidepaquets
dans chaque le d'attente. An d'évaluer le service reçu par un
util-isateur dans un système qui contient diverses demandes de service,
il est nécessaire de tenir compte de l'occupation des les d'attentes.
Par exemple,unalgorithmed'allocationde ressourcesquiore àhaut
débit aux utilisateursayant des conditions favorablesde canal auront
tendanceàsatisfairelesdemandesdeservicedecesutilisateursplustôt.
Parconséquent,l'algorithmeferaitfaceáunepopulationd'utilisateurs
avec une proportion plus élevée d'utilisateurs ayant des conditions de
canal pauvres.
•
Hypothèses sur canal: Les hypothèses liées au canal sont traitées dedeux manières: (i)ladisponibilité desinformationsd'état decanal, et
(ii)laméthoded'accèsaucanaletlatopologiederéseau. Uneparfaite
connaissance de l'état de canal a souvent étéprise dans lalittérature
d'étude de la performance de scheduling. Bien que les systèmes 3G
utilisent des mécanismes d'estimation de canal et mécanisme de
rap-port, les informations d'état de canal à ladispositionde la stationde
base nesont pasparfaites: ils sont retardéesetsouvent dépassées. En
outre, le mécanisme de l'estimation du canal lui-même introduit des
erreurs d'estimation de canal à la station mobile. Trois niveaux de
connaissances peuvent être envisagées: une connaissance parfaite du
canal, une connaissance imparfaite, et aucune connaissance. Il faut
cependant noter que dans le cas intitulé par aucune connaissance on
suppose toujoursque lesinformations statistiques sont disponibles.
En ce qui concerne la méthode d'accès au canal et la topologie du
réseau, l'hypothèse peut comprendre toutes les techniques suivantes:
canaláaccèsmultiple/canaldediusion/canald'interférence/TDMA/FDMA,
ainsi que la consideration de la diversité dansles systèmes CDMA et
SDMA.
•
Lescontraintesdesystèmesetdeservices: Lescontraintespeuventêtre diviséesen deuxclasses: (i)lescontraintesliéesausystème, ycompris(ii) les contraintes liées au service, y compris le débit minimum , la
consommation maximum d'énergie, le délai maximum, la probabilité
maximumd'outag.
Nousnous concentrons sur l'allocation distribuée de ressources dansles
deux systèmes OFDM,à base deMACetà base de canauxà interférences.
PourlesystèmeMACOFDM,nousavonstenucompted'unmodèleclassique
considérant une seule couche (une réserve innie de le d'attente). Une
lit-tératureétenduesurl'allocationderessourcesdansdescongurationsOFDM
et OFDMAest donnée dans[8]. Dans cette section, nouspassons en revue
lalittérature sélectionnée quiest d'unintérêt particulierpour notreétude.
Pour lecanaldel'interférences, enraisondu faitquelastabilitédesles
d'attente est d'une importance particulière dans les réseaux ad hoc, nous
avonsétudié l'allocation deressources inter-couche.
1.1.1 L'allocation de ressources en OFDM MAC
Il y a beaucoup de place pour exploiter le haut degré de exibilité de la
gestion des ressources radio dans le cadre de l'OFDM. Comme l'état du
canal est diérent aux diérentes fréquences ou pour les diérents
util-isateurs dans un réseau, la performance du réseau peut être
considérable-ment améliorée grâce à l'adaptation du débit desdonnées sur chaque
sous-porteuse, l'aectuation dynamique sous-porteuse , et l'allocation adaptive
de puissance etdedébit.
Cette propriété des systèmes OFDM a conduit à la spécication des
diérentssystèmes surlabaseOFDM. Lesystèmede radionumérique
mod-erne en diusion d'audio [9] etde vidéo [10] dépend d'OFDM. Une grande
partie del'Europe etl'Asie aadoptéOFDMpour ladiusion terrestrede la
télévision numérique (DVB-T,DVB-HetT-DMB)etradionumérique
(Dig-ital Radio Mondial,HD RadioetT-DMB). Certainsstandards bienconnus
pour réseau haut débit de Local Area Network (LAN),par exemple, IEEE
802.11a/g [11], sont fondéssur OFDM, ainsiqued'autres normesde réseau
sans l tels que IEEE 802.16 [12]. Toutefois, OFDM a aussi été appliqué
aux canaux sélectifs en fréquence dans les réseaux laires, comme dans le
cas de Digital Subscriber Line (DSL) pour les systèmes de câbles á paire
torsadée [13]. En raison de cette popularité récente durégime de
transmis-sion OFDM, ilestégalement considérécommecandidat pour lesextensions
àhautdébitdessystèmesdecommunication delatroisièmegénérationainsi
réseauxPersonalArea Networks(PAN) àhaut débit dansle spectre de 3.1
à10.6GHz en bande ultralarge.
LesperformancesdessystèmessanslOFDMpeutêtreconsidérablement
accru si la paire émetteur-récepteur d'adapter constamment les conditions
decanalencours. Pour lesconnexionspointà point ,l'émetteurgénèreune
puissanceet/ouunemodulation(ycompriséventuellement aussil'encodage)
par sous-porteuse. Les sous-porteuses avec des atténuations relativement
faiblestransmettent plus information, sous-porteuses avec desatténuations
relativement élevées contribuent moins à la transmission. De la théorie
d'information, l'algorithme de Waterlling, compte tenu que tous les gains
descanauxsont connus,fournit lacapacitéde latransmissionpoint àpoint
OFDM [14]. La capacité est obtenue en adaptant la puissance d'émission
au gain du canal. Plus précisément, étant donné une puissance limitée de
transmettre, plus de puissance est appliquée à zone de fréquence avec une
faibleatténuation par rapportauxautresfréquences. En supposantun gain
moyen xe de canal et une bande xe de fréquence, la capacité du canal
augmente si lecanalest plusdivers(parexemple, ayant plus devariance).
Danslecasdessystèmesmultiaccess,leproblèmed'allocationderessources
estplus complexe. En plus del'allocation de lapuissance etde modulation
par sous-porteuse, la mise à disposition sous-porteuses doivent être
aec-tés à plusieurs terminaux. En général, un algorithme basé sur l'allocation
disjointedessous-porteusesetde lapuissance n'estpas optimal.
Les aspects liés à la théorie d'information de ce problème sont étudiées
principalement dans le cadre du canal MAC Gaussien ou du canal
inter-ference Gaussien, avec un évanouissement sélectifs en fréquence. Gallager
a formulé le problème dans [15]. Dans [2], Tse et Hanly ont caractérisé la
capacitéergodiqueducanalMACGaussien,variabledansletemps et
sélec-tifs en fréquence , où la réponse en fréquence est continue. Le problème
dans une dimension innie (un domaine de fréquence continue) peut être
transforméen unedimension nie(undomaine de fréquencesdiscrètes),en
divisant le spectre de fréquences dans un grand nombre de sous-porteuses
orthogonales.
Dans ce contexte, les algorithmes centralisés et distribués itératifs qui
convergent vers le point optimal de somme des débits, sur la limite de la
région de capacité sont proposés respectivement par Yu et Lui dans [16] et
par Huang et al. dans[17]. Certainsarticles a ajoutéla restriction FDMA
danslemodèle. FDMA,danslequelplusieurs bandessontpré-aectés àdes
utilisateurssur une base non-recouvrement, est principalement utilisé dans
pourquiilscaractérisentlarégionatteintesparlesystèmedeGaussienMAC
avecISIenvertudelarestriction FDMA,l'examend'unenombrenide cas
defréquence. Dans[19],VerduetChengontmontréquelaméthodeoptimale
dewaterllingmulti-utilisateurimpliquelasuperpositiondelafréquence,par
consequence FDMA n'est pasoptimale,saufdansdescas particuliers.
La conception des systèmes de communication multi-porteuse implique
souvent une maximisation de débit total sous certaines contraintes. [16] a
fourni uneméthode pour trouverlasolution optimale globale pource
prob-lème. Bienqueledocument met l'accent surlecanalOFDMd'interférence,
lesmêmesrésultatspeuventaussiêtrereprésentésdanslecasd'OFDMMAC.
Il est montré que l'écart de la dualité d'un problème d'optimisation
non-convexeestnulsileproblèmed'optimisationcorrespondeàuneconditionde
temps partagé. En outre, lacondition de temps partagé est toujours
satis-faite pour leproblème d'optimisationmulti-utilisateur duspectre
radioélec-trique dans les systèmes multi-porteuse lorsque le nombre de transporteurs
de fréquenceaugmentevers l'inni.
Engénéral,lesproblèmesd'optimisationdanslessystèmesOFDM
multi-utilisateur sont les problèmes NP-complets , avec une complexité
exponen-tielle au nombre de sous-porteuses, pour les allocations xes de puissance,
ainsi que aux allocations de puissance , pour les numéros xes de
sous-porteuses. Laformulationgénéraledesproblèmesd'optimisationpourl'allocation
dessous-porteusesetdespuissances pourlesréseauxquiconsistentdesliens
d'interference sont fournis par Luo et Zhang dans [20]. Une partie de la
complexité provientde lanaturecombinatoire duproblème, enqu'il ya des
nombreuxsous-porteusesparémetteur,etchacunaungaindecanaldiérent
(bien qu'il existe généralement une forte corrélation entre sous-porteuses
voisines). Enoutre, leproblème estnon-convexe en casou l'interférenceest
pris encompte[21]. Enplusdecesdésquisontdirectement liésaux
carac-téristiquesduproblèmed'optimisation, lavariabilitédansletempsdemande
les algorithmes de faible complexité réalisables en temps réel. Une
algo-rithme d'allocation de ressources à partir des informations d'état de canal
exigequelemesureducanal,lefeedback, lecalcul, etlaconvergencedes
al-gorithmes sonttouseectuésdansunintervalle detemps decohérence. Cela
pourraitêtrepossibledanslessystèmescentralisésetles scénariosde
mobil-ité faible, mais ilsemble plus dicile autrement. Des eortsimportants de
larecherche actuelle danslesréseaux sanslsont consacrés àlaconception
desalgorithmesd'allocationdesressourcesbaséssurl'informationlimitéedu
canal (l'informationpartielle et/oustatistique).
pertinente. Ainsi, des nombreux régimes sous-optimales ont été étudiés
récemment. Le Waterlling Itératif (IWF) est l'algorithme sous-optimal
d'allocation de ressources la plupart du temps utilisé dans cette structure.
Toutefois,leprocessusIWFne cherchepasatrouverl'optimumglobal pour
l'ensemble du réseau. Deux méthodes communes pour diminuer la
com-plexité du problème sont les suivants: (i) réduire le nombre des variables
dedécision, (2)remplacer lesoptimisations centralisées par desalgorithmes
d'optimisationdistribué ou dujeux.
Dans les systèmes centralisés avec CSI complète aux émetteurs, la
plu-partdesrecherchesont étudiéesl'impactdelaréductionde lacomplexitéen
réduisantlenombredesvariablesdedécisiondansleproblèmed'optimisation
(enxantcertainsd'entreeux). UnexemplecourantdanslesystèmeOFDM
est lorsque le sous-porteuses sont pré-assignés à des utilisateurs (FDMA).
Dans ce cas, l'allocation optimale de puissance de tous les utilisateurs sur
leurssous-porteusesxessontévaluésparl'algorithmed'allocationderessources.
Dans [22],Wong et al. ont proposé un algorithme OFDMmulti-utilisateur
pourl'allocationdessous-porteuse,dubit,etdelapuissancepourminimiser
lapuissance totale de transmission. Cet algorithme est basésur une
répar-titionsous-optimale dessous-porteuse, suivi par une allocation des bits sur
lessous-porteuses assignées. Dans[23], Thanabalasingham et al. ont
exam-inéleproblèmedel'allocationconjointedessous-porteuseetdelapuissance
pour le downlink d'un réseau multi-utilisateur multi-cellulaire OFDM. Ils
ont étudié les dégradationdes performances a causede l'allocation statique
sous-optimaledessous-porteuseoudelapuissance. Lemodèleutilisépourle
canalprendencompte l'ombrageetlapertede chemin d'unrythme
lognor-mal ,mais pasde multipath fading sélectif en fréquence. Il est montré que
lesperformancesdesdeuxalgorithmessous-optimauxsontpresqueaussibien
quel'algorithmeoptimalquialloueconjointement sous-porteusesetdensités
spectralesde puissance versles mobiles.
L'allocation centralisée desressources dansun systèmemulti-utilisateur
est un problèmes d'optimisation sous contraintes dans un espace vectoriel.
Ainsi,leremplacementd'unalgorithmecentraliséed'allocationmulti-utilisateur
desressourcesparlecorrespondantdistribuéprincipalementréduitlacomplexité
quietaitimposéepar lafonctionnon-convexeenraison del'interférence. En
outre,lesdécisionspeuventêtrefondéessurdesdonnéeslocalesetlaquantité
de signalisation est réduite. La performance de l'algorithme distribué peut
être utilisé comme une limite inférieure de la performance de l'algorithme
centralisé correspondant.
antdansletempsainsiquedanslesréseauxadhoc. Danscecas,l'allocation
desressourcedoitêtre eectuéesurlabasedelaconnaissancestatistiquede
la condition du canal. Lorsque le canal évolue lentement, le système de
communication estintrinsèquement aectépar l'événement d'outage. À cet
égard, Hanly etTse [3] introduit la notion de larégion de capacité avec un
délai limité. Ils ont proposé que on peut voir le canal à l'évanouissement
sélectif en fréquence comme un canal variant dans le temps où, à chaque
état de fading, une réponse en fréquence est spéciée pour chaque
utilisa-teur, ce qui représente la propagation par trajets multiples. Ainsi, il peut
être considérécommeunensembledescanauxparallèles,chacun
conjointe-mentspécié par l'étatde l'évanouissement etlafréquence. And'avoirun
retard limité dans ce canal, chaque utilisateur peut aecter des débits sur
des diérentes fréquences mais ledébit minimum sommé sur les diérentes
fréquencesdoitêtreremplipourchaqueétatdel'évanouissement. Dans[24],
Hanly etal. ont considéré commeun problèmede l'allocation deressources
fondé sur la probabilité d'outage pour les systèmes multi-utilisateur
multi-cellulaire. Ils formulent le problème de probabilité d'outage min-max et le
résolventsouslacontraintequelapuissancedetransmettreàchaquestation
de baseestplate. Siplusde puissancedoit êtreaectéeà unmobile ande
conserverune certaine qualité de service, par exemple, lorsque le mobile se
déplace àproximitéde lalimitesdelacellule,ilya deuxmanières
indépen-dantes pour y parvenir: soit en augmentant le niveau de la puissance de
cellulesdanssonensemble, soit enaugmentant lanombre desous-porteuses
attribuéesauservicemobile. Lesauteursontconsidéréunsecondalgorithme
basésurlarépartitionxedessous-porteuseetl'allocation dynamiquede la
puissance. Ils ont fait valoirque l'algorithmeproposé a basede l'allocation
plate de lapuissanceest signicativement supérieurpar rapportà l'objectif
de minimiser laprobabilité maximumd'outage.
Beaucoup de travail a été fait sur la théorie des jeux appliquée aux
reseaux d'interférences comprenant les canaux à évanouissement sélectif en
fréquence, avec le première article par Yu et al. [25], desarticles ultérieurs
deScutarietal. (Voir[5]etsesréférences)etunarticlerécentdeGaoninget
al. [6]. Un sujet particulièrement intéressant est l'utilisation des jeux Nash
généralisés surlecanal d'interférence faible [26].
Une autre manière de surmonter la sous-optimalité de l'approche
con-currentielle est d'utiliser le concept des jeux répétés et de la dynamique
d'apprentissage. Cette approche a été largement appliqué dans la
répar-tition de la puissance [28 31]. L'allocation de puissance dans les réseaux
mod-introduisent unephased'apprentissagequifournitauxutilisateursdes
infor-mations (intelligence) pour prendre une décision correcte. La convergence
de la dynamique d'apprentissage dans le jeu répété est le dé principal de
cesrégimes. En outre,ils supposent lescanaux àévanouissements lentes.
Après cet aperçu de lalittérature, nous mettons en évidence notre
con-tribution sur le sujet. En fait, seuls quelques travaux dans la littérature
sont concentrés sur le canal à évanouissement lent avec l'information
par-tielle des canaux aux émetteurs. Dans [21], Etkin et al. ont considéré un
canal d'interférence à évanouissement lent supposant une information
par-tielle d'état de canal au début du jeu. En utilisant l'approche des jeux
répétés,l'information surlecanaletlesinteractions estacquis. Récemment,
XiaoLei etal. [32] ont considéré un canal d'interférence à évanouissements
parblocsayant laconnaissance del'étatdesliensdirects, maisseulement la
connaissance statistiquesurles liensinterférents. Avec cette hypothèse, des
communications ables ne sont pas possibleset un certain niveau d'outage
doit être toléré. Les auteurs ont considéré le jeu d'allocation de ressources
pourunefonctionabasedesdébitsinstantanespourlesévénementsd'outage.
Dansce contexte, ils ont étudiésles deux casde répartitionde lapuissance
pour un debit prédénis de transmission ainsi que l'allocation conjointe de
lapuissanceetdu débit.
1.1.2 L'approche Inter-couches d'allocation de ressources
dans les Canaux d'Interférence
L'allocationderessourcesfondéeuniquementsurCSIn'estpasenmesurede
mettreàjourcorrectement l'allocation dedébitenfonctiondeladynamique
dutracenentrée. Enignorantlecaractèrealéatoiredel'arrivéedespaquets
etdeslesd'attente,tellesapprochespeuventgarantirnilastabilitédesles
d'attente, niledélaid'attenteacceptable. Pour tenircomptedesparamètres
deles d'attente,les approchesinter-couches sont nécessaires.
L'avantage de laconception inter-couches et l'optimisation conjointede
ces mécanismes de contrôle est bien connu dans les systèmes centralisés de
communication (parexemple, [4]etles référencescitées).
Les approches centralisées inter-couches pour l'allocation de ressources
ont été proposéà lafois pour laliaison uplink etlaliaison downlink (canal
de diusion). La connaissance à la fois d'information d'état de canal (CSI)
etd'informationd'état deled'attente(QSI)permetd'obtenirlesstratégies
avec undébit optimal, i.e. les stratégies qui atteindre larégion de capacité
ex-approches, en dehors de l'optimalité de débit instantané, comme le retard
moyendes lesd'attente ,ont étéégalement l'objet d'études[4,36].
Lesalgorithmes décentralisésd'allocation deressources danslesréseaux
d'interférencesestunproblèmecomplexeetintrigante,carladécisionaecte
de nombreux aspects fondamentaux de fonctionnement de la réseau et la
performance qui en résulte. Plusieurs autres approches ont été proposées
dans les deux régimes, conventionnals et inter-couches, et ayant considéré
l'existenced'interférence. Deuxapprochesprincipauxpeuventêtreidentiés:
(I)lesalgorithmesbaséssurdesjeuxrépétésetladynamiqued'apprentissage,
(ii)les jeuxstochastiques souscontraintes .
La première approche a été principalement appliquée la répartition de
puissancedanslessystèmescouche-uniqueclassique[30,31,37,38]. L'allocation
de puissancedans les réseaux d'interférence est intrinsèquement un
proces-sus itératif etil estnaturel de modèler les interactions entre les utilisateurs
avecdesjeuxrépétés. Cesapprochesintroduisent unephased'apprentissage
qui fournitauxutilisateursdesinformations(intelligence)pour prendreune
décision correcte. La convergence de la dynamique d'apprentissage dans le
jeu répété est le dé principal de ces régimes. En outre, ils supposent les
canaux àévanouissements lents.
Lesjeuxstochastiquessouscontraintsontétéappliquéesà laconception
des algorithmes décentralisée inter-couches pour accès multiple. Dans [39],
Altmanetal. ont considérés uncanalà évanouissementMACavecles états
du canal qui suivis une chaîne de Markov. En outre, chaque émetteur est
fourni avec une le d'attente rempli par un processus de Poisson. Les jeux
décentralisés égoïstes ou coopératifs, éventuellement corrélés, sont proposés
pouroptimiserunefonctiond'utilitéesouslescontraintessurleretard
maxi-mumdeled'attenteetlapuissancemaximale. Considérantl'hypothèsedu
débittransmissionxepourtouslesutilisateursainsiquelescommunications
ablessonttoujourspossiblesdanslecontextedeladécentralisation,la
fonc-tiond'utilitéepourleproblèmed'optimisationdans[39]estledébitmoyenne
maximale. Lesalgorithmes proposés permettentl'allocation depuissance et
lecontrôle d'admission(accepterourejeterlespaquetsentrantsdanslesles
d'attente). Dansunsystèmeavecdesmécanismesdecontrôledécentraliséoù
chaque émetteurn'est pasaucourant delaprésencede brouilleurs (etleurs
eets) et il est intrinsèquement soumis aux outages, l'hypothèse des
com-munications ables est assez forte. En outre, le contrainte d'un débit xe
dans toutes les conditions de canal ne permet pasune utilisation optimale
du canaletune utilisation plusecace ducanalestprévu parlecontrôle et
1.2 Les Préliminaires Mathématiques
Dans le chapitre 4, nous introduisons deux théories mathématiques
fonda-mentales, à savoir la théorie de l'optimisation et lathéorie desjeux. Notez
que,seulementuneextensiondecessujetsquisontpertinentesànotreétude
estprésentéeici. La première partie représente lesconcepts mathématiques
de base qui sont utilisées dans les sections suivantes. Nous procédons par
l'introductionde lathéoriede l'optimisationetdessujetsconnexes, àsavoir
théorie de dualité et les conditions KKT. La dénition du jeu suivi par
l'introduction dedeux catégories particulièresde jeux, nommément les jeux
bayésiens etles jeux stochastiques, ainsi que leur application dans la
com-munication sans l. Nousavonsnalement donné une introduction brève à
lathéoriedesmatricesaléatoires.
1.2.1 Applicationde Jeux Bayésiennedansles RéseauxSans
Fil
Geoningetal.,Dansleurrécentouvragesurl'approchedelathéoriedesjeux
bayésienne pour l'allocation de ressources distribuées dans un réseau
com-prenant les canaux à évanouissement et un modéle d'access MAC [84], ont
étudiél'utilisation de cette classedejeux danslessystèmes multi-émetteur.
Dansuntravailprécédent,ElGamaletal. introduitent unjeustatiquenon
coopératifdanslecadredescanauxàévanouissementetd'unmodéled'access
MACcomprenant 2 utilisateur,connu sousle nomjeu waterlling. En
sup-posant que les utilisateurs se faient concurrence avec les debits de
trans-mission comme un utilité et que ils ajustent leurs puissances comme leurs
stratégies,lesauteurs montrent qu'ilexiste ununiqueéquilibredeNash[86]
qui correspond au point de lasomme maximum desdébits surla région de
capacité. Cette armation est un peu surprenant, car l'équilibre de Nash
est en général inecace par rapport à l'optimum de Pareto. Cependant,
leursrésultatss'appuient surlefaitquelesdeuxémetteurs ontune
connais-sancecomplètedelaCSI,etenparticulier, parfaitCSIdetouslesémetteurs
dansle réseau. Cette hypothèse est rarement réalisable en pratique. Ainsi,
ce jeu de répartition de puissance doit être reconstruitavec deshypothèses
réalistesfaitessur leniveau deconnaissance desmobiles. En vertude cette
considération, il est d'un grand intérêt d'étudier plusieurs scénarios dans
lesquelslesmobiles ont desinformationsincomplètes au sujetdeleurs
com-posants, par exemple,une entité de transmission est aucourant du gainde
n'ont étéutiliséspourconcevoirdesstratégiesd'allocationderessources
dis-tribuéesquedanscertainscontextes,parexemple,lesréseauxCDMA[87,88],
réseauxd'interférencesmultiporteuse[89,90],ainsiqueMACaveclescanaux
à évanouissement [84]. Le quatrièmechapitrede lathèseactuellereprésente
notre contribution àce sujet.
1.2.2 Application des Jeux Stochastiques en
Communica-tions Sans Fil
Ladynamiquedesréseauxsanslpeuventêtreclassésendeuxtypes,l'unest
des perturbations dues à l'environnement, et l'autre est l'impact causé par
les utilisateursconcurrents. Le comportement stochastique desconcurrents,
lescanauxvariablesdansletempsvécupar l'utilisateurd'intérêt,etletrac
source variable dans letemps qui doit être transmises par l'utilisateur sont
quelques exemples. Ces typesde dynamiques sont généralement modélisées
comme des processus stationnaires. Par exemple, l'utilisation de chaque
canal par un utilisateur peut être modélisé comme un chaîne de Markov
avec les états ON/OFF.Les conditions decanal peuvent être modéliséesen
utilisant un modèle de Markov à états nis. La loi d'arrivée des paquets
du trac source peut être modélisée comme un processus de Poisson 3.1.2.
Unetelleapprochen'aétéutiliséepourconcevoirlarépartitioninter-couches
des ressource que dans certains contextes, à savoir des jeux à somme nulle
sous contrainte [100], radio cognitive [101] et MAC avec une contrainte de
puissance[39]. L'extensionsestravauxantérieursauxréseauxd'interférence
est présenté dans lechapitre 6et7.
1.2.3 Application de la Théorie des Matrices Aléatoires en
Communications Sans Fil
Tse [43] et Verdú [42] en 1999 ont introduit la théorie des matrices
aléa-toires comme un outil pour analyser les systèmes mutli-utilisateur. Ils ont
etudié les performances des récepteurs linéaires pour les systèmes CDMA,
dans lalimite où lenombre d'utilisateurs ainsique lalongueur d'étalement
tend vers l'inni, avec un taux xe. Dans ces scénarios asymptotique,
l'utilisation de la théorie des matrices aléatoires conduit aux expressions
explicites pour diverses mesures d'intérêt tels quela capacité ou le rapport
signal-à-interférence plus bruit (SINR). Fait intéressant, il permet d'isoler
les principauxparamétres d'intérêt quidéterminent laperformancedansles
tiquesfournissentde bonnesapproximations pour les caspratiquesdetaille
nie. Une récente théoriedesmatricesaléatoires, centrésurlesapplications
de la théorie de l'information, est donnée dans le livre de Tulino et Verdu
[105]. Leseets d'interférence sur les performances d'un grand réseau sont
étudiésdans[?,110]. L'extensiondeleurrésultatsversleréseaud'interférence
estprésenté danslechapitre 7.
1.3 Plan de Thèse
Les étapes méthodologiques principales pour atteindre l'objectif de la
con-ceptionetl'analysedesperformancesdesalgorithmesdistribuésd'allocation
deressourcessont énumérées ci-aprés.
•
dedénirleproblèmed'allocationderessourcesquiestappropriépour les hypothèses de réseau, tels que (i)capacité de le d'attente, i.e.,ni/inni,(ii)leshypothèsesliéesauxcanaux(parexemple,la
disponi-bilitédesinformationsd'étatdecanal,laméthoded'accésaucanal),et
(iii)lescontraintesdusystèmeetdeservice(parexemple,lapuissance
limitée, ledélai tolérable).
•
de revoir les fondements de la théorie de l'optimisation, ainsi que lathéoriedesjeuxtelsque: (i)ladénitionmathématique desproblèmes
d'optimisation sous contrainte et le problème correspondant en cadre
de la théorie des jeux (ii) l'introduction du problème dual qui nous
fournit uneborneinférieure l'exécutionduproblèmeinitial,etles
con-ditions dans lesquelles cette borne est exacte, (iii) l'introduction de
l'équilibre de Nash qui nous fournissent avec une limiteinférieure sur
la performance des solutions globalement optimales, et les conditions
dans lesquellescetteborneest atteinte .
•
de modéliser lesproblèmes d'allocationde ressourcesdanslescommu-nications sanslmulti-utilisateurcommedesproblèmesdethéoriedes
jeux et de proposer des algorithmes itérative de complexité faible qui
convergent versl'équilibre de Nashdujeu en question.
•
d'analyser le résultat de problème de la théorie des jeux, tels quel'existenced'unéquilibre,sonunicitépossible,l'existencedesstratégies
purs oumixtes.
1.4 Les Hypothèses
Ce quisuit sont deshypothèsescommunesréalisésdanscette thèse
•
L'allocation de ressourcespar intervalle de temps de transmission: lecanal est supposé d'être à évanouissement par bloc, i.e. constante
dans la durée d'un bloc. En outre, les codewords sont complétement
transmis pendant un seul intervalle de temps. Ainsi, l'allocation de
ressourcesdoit êtremis à jour chaque intervalle detemps.
•
La disponibilité d'informations d'états: Nous supposons que chaqueémetteurauneconnaissancestatistiquedesétatsdecanauxdesautres
paires de communication (et des états de leur les d'attente) et une
connaissance exacte de l'état de son propre canal (et sa propre le
d'attnete).
•
La distribution de signal: Le signal est Gaussien. En pratique, leniveau de modulation est supposé être susamment élevée pour que
l'information mutuelle est environ la capacité du canal. Par
con-séquent, la capacité du canal,
C = log(1 + SN R)
, est utilisé commedébit réalisablepar lien.
•
Larationalité: Unedeshypothèses, quiesttréssouventconsidérédans la théoriedes jeux, estla rationalité [40,41]. Celasignie quechaquejoueurtoujoursmaximise sonprot,étant ainsienmesurede
parfaite-ment calculerlerésultatprobabilistiquedechaqueaction. Cependant,
enréalité,cettehypothèsepeutêtreraisonnablementapprochéecomme
la rationalité d'un individu est limitée par l'information qu'il a et la
quantité nie detemps il dispose pour prendre desdécisions.
Leshypothèsesliéesauxcertains chapitres, sont lessuivants.
•
le modéle de canal: Notre étude se concentre spéciquement sur descanaux à évanouissements lents etceci est l'hypothèse courante dans
les chapitres 5 à 7. En outre, le modéle de canal est supposé être
sélectifenfréquencedanslechapitre5etnousavonsadoptélesystème
d'accé Orthogonal Frequency Division Multiplexing (OFDM) dans le
chapitre 5. Le canaldansleschapitres6 et7estsupposéêtre plateen
fréquence.
•
les procés d'arrivées dan la le d'attnete: Dans le chapitre 5, lapa-allocation de ressourcesà une seule couche classique. Toutefois, dans
les chapitres 6et7, nousavons considéréune capacité nide paquets
dansleslesd'attenteetnousadoptonsl'allocationderessources
inter-couches.
•
Laméthoded'accésducanaletlastructureduréseau: Danslechapitre5, nous nous concentrons sur le canal d'accés multiple (MAC), où
2 émetteurs indépendants à la fois communiquent avec un récepteur
OFDM utilisant plus de
N
sous-porteuses. Dans les chapitres 6 et7, nous considérons un réseau d'interférences (IN) avec
K
couplesémetteur-récepteur. Noussupposonsenoutreque(i)lespaires
d'émetteur-récepteur communiquent directement, i.e., hop unique ou sans relais,
(ii)chaquenoeudestsoitunémetteurouunrécepteur,et(iii)les
émet-teurs sontdistinctsbienqueunnoeudpeutêtreladestinationdesux
diérents.
1.5 Structure de la Thèse
Dans cette thèse, l'objectif principal est de representer, théoriquement et
mathématiquement,lesujetd'allocationderessourcesdansunsystème
multi-utilisateurs,parexemple,lecanald'accésmultiplesoulecanald'interférences,
et la façon d'obtenir des algorithmes de complexité faible qui nous
four-nissent un bon compromis performance-complexité par rapportà la
perfor-mance de la méthode originale. Le contour de la thèse est la suivante. Le
chapitre 3 examine les diérents aspects de l'allocation de ressources dans
les réseaux sans l, avec des hypothèses et des congurations diérentes,
et les articles liés. Le chapitre 4 introduit deux théories fondamentales, à
savoir, lathéorie d'optimisation souscontrainteet lathéorie desjeux, ainsi
quequelquesexemplesde leurapplication danslescommunications sansl,
fournissant les outils mathématiques principaux utilisés dans cette thèse.
Auxchapitres 5 à7,nousconsidérons l'allocation communesdu débitetde
lapuissance danslesdiérentsréseaux ,supposant les canauxà
évanouisse-ments lents et que d'information partielle de l'état du canal est disponible
aux émetteurs. Ici, l'information partielle sur l'état du canal signie que
chaque émetteur a connaissance de sonpropre lien,qui peut êtreestimé au
niveau local, maisuniquement des informations statistiques sur les
atténu-ations de puissances des autres émetteurs. Sous cette condition, le système
de communication est intrinséquement aecté par l'événement d'outage et
commençons notre étude par un exemple de réseau cellulaire en supposant
retard inni de paquetsdans les les d'attente. Ainsi, lechapitre 5
consid-ére un système deux-utilisateur d'OFDM MAC avec un grand nombre de
sous-porteuses. Nousmodélisonslamaximisation distribuéedesdébits dans
un réseau de système OFDM MAC avec 2 émetteurs comme deux COPs
paralléles. Compte-tenu de la solution optimale du problème dual comme
unesolutionfournissantuneborneinférieuresurlaperformanceoptimaledu
problèmeprimaireetleséquilibresdeNashcommeunelimiteinférieuresurla
performancedelasolutionglobalement optimale,lacomplexitéduproblème
est réduit en le représentant comme un jeu bayésien basé sur le problème
dual (nous l'avons appelé jeu dual). Le compromis entre laperformance et
lacomplexitéestdiscutée. Danslesdeuxprochainschapitres,nousrelâchons
l'hypothèsedebackloginnietimpliquonsl'étatdelaled'attentedansnos
décisions. Dansle chapitre 6,nousconsidérons une allocation deressources
distribuées inter-couche dansun réseau ad-hoc d'hopunique composéde
K
pairessource-destination. Nousnousréféronségalement à ce réseauen tant
que réseau d'interférence (IN). Nous modélisons la maximisation de débit,
comptetenudel'étatstatistique(étatducanaletl'étatdeled'attente)des
informations des autres utilisateurs, comme un jeu stochastique. En outre,
nousproposonsunalgorithmeitératifàuncomplexitéfaiblebasésurla
pro-grammation linéaire (LP) pour obtenir des équilibres de Nash. Dans le cas
d'un nombre ni de paires de communication, ce problème a un intensité
de calculextrêmement forteavec unecomplexité exponentielle dansle
nom-bre d'utilisateurs. Chapitre 7 étend le problème à un réseau dense ad hoc,
avec un grand nombre de paires d'émetteur-récepteur. L'approche
asymp-totiquedesréseauxlargesàinterférences permetuneréductionconsidérable
delacomplexitéetestutiliséepourévaluerlaperformancedesréseauxnis.
Les avantages d'une approche inter-couches par rapportd'uneallocation de
ressources enignorant lesétats des lesd'attentesont également évalués.
1.6 Nos Contributions à la Recherche
1.6.1 Chapitre 5
Dans la transmission à la bande large, les trajets multiples peut être
ré-solu, et donc le canal a une mémoire. Un modéle approprié est le canal
à l'évanouissement qui est variable dans le temps et sélectif en fréquence.
Comme une large gamme de composants de fréquence est utilisé,il est trés
et CDMA sont bien adaptées à l'emploi de la diversité de fréquence pour
fournirrobustessecontre l'évanouissement.
L'OFDM divise le signal à large bande large en de nombreuses
sous-porteuses modulées enbande étroite Chaquesous-porteuse est exposé à un
évanouissement platplutôt qu'àun évanouissement sélectif en fréquence.
Le rôle principal joué par OFDMdans les réseauxsans l desderniéres
technologies a initialisé une recherche trés intense sur le réseau sans l
OFDM. Un examen des résultats existants sur l'allocation de ressources
dans le canal d'accé multiples d'OFDM est donné dans la section 3.2.1.
La complexité de l'obtention des solutions optimales globales ainsi que les
compromis du remplacement de ces solution optimales avec des solutions
sous-optimalesouEquilibresde Nashontétéétudiésàtraversdesréférences
respectives.
Dans ce chapitre, nous considérons l'allocation conjointe de débits et
depuissances dansunsystèmeOFDMMACdeux-utilisateur avec ungrand
nombredesous-porteusesetsupposantl'informationpartielled'étatdecanal
àl'émetteurpouruncanalàévanouissementslents et sélectifsenfréquence.
Chaque émetteur a une connaissance de son propre état, qui peut être
es-timé localement, maisil n a pasd'information surles atténuations de
puis-sanced'autres émetteurs. Dansces conditions,les émetteurs sont intéressés
à maximiser le débit, soit le débit des informations reçues correctement,
permettant d'événements d'outage. Le débit total du système satisfait aux
conditionsdepartagedutempsdans[16]etl'approchededualitéest
asymp-totiquement l'allocation optimale des ressources oú
N
→ ∞.
Cependant,la complexité d'un algorithme d'optimisation est encore signicativement
élevé. Ensuite, nous considérons un jeu bayésienne basée sur la fonction
sous-optimale obtenu du problème dual. Le jeu bayésienne serésume à un
jeu par sous-porteuse et un jeu global. Les premiers jeux déterminent les
équilibresdeNashpourlapuissanceetledébitparamétriquedescoecients
deLagrangedesfonctionsd'utilité duale. Le jeuglobal, basésurlasolution
d'unensembledes jeuxsous-modulaire, fournir les valeursde la coecients
de Lagrange à l'équilibre de Nash bayésien. Nous proposons un algorithme
pourlarecherchedetousleséquilibresdeNashbayésiendecejeu. La
perfor-mancedel'allocationconjointedelapuissanceetdudébitpournotrejeuest
évaluée etcomparée à laperformancede l'allocation optimum depuissance
etlarépartition de puissance uniformepour les deux casdes connaissances
complétes etpartiellesdu canalaux émetteurs.
Les simulations montrent que tous les NEs obtenu à partir du jeu sont
d'informationscompletd'étatdecanalcontientdessolutionsquiontla
super-position depuissance de les deuxutilisateurs surle même canal. Toutefois,
danscederniercas,lessolutionsnepeuventêtreobtenuesparunalgorithme
itératif dont laconvergence vers un point optimallocaldépend duchoix de
la valeur initiale. La comparaison de la performance de solution optimale,
obtenu en moyenne sur plusieurs pointsde départ, avec celui du NEchoisis
par lescritéres de sélection,montre queleNEestquasioptimale danscette
conguration duréseau.
La recherche menée dans ce chapitre a été présentée dans le document
suivant
•
S. Akbarzadeh and L. Cottatellucci and C. Bonnet, "Bayesianequi-libria in slow fading OFDM systèmes with partial channel state
in-formation" ICTMobile Summit 2010, 19th Future Network
&
MobileSummit, June 16-18, 2010,Florence, Italy.
1.6.2 Chapitre 6
Cechapitre étudielesalgorithmesdistribuésinter-couchesdansunréseauad
hoc single-hop pour l'allocation conjoint de puissance et de débit, la
plan-ication et le contrôle d'admission. Une littérature étendue du sujet est
représenté dans Section 3.2.2. Nous continuons à nous concentrer sur les
canaux à l'évanouissement lent avec des informations partielles du canal.
Nousutilisons l'approche similaireàcellede [39] pour caractériser leréseau
etles noeudsavec desmodications évidentespour modéliser les
character-istiques particularités des reseaux ad hoc et des canaux à évanouissements
lents. A savoir, nousconsidérons les canauxd'interférenceau lieu deMAC.
Selon la même approche que dans le chapitre précédent, nous
dénis-sons une fonction d'utilité qui comptes pour la probabilité intrinséque des
événements d'ayant outage dans les réseaux à évanouissemens lents et des
mécanismesdecontrôledécentralisée. Lafonctiond'utilitéproposémaximise
le débit du système déni comme le débit moyen des informations reçues
avec succés. Cette optimisation est l'objet d'un contraint sur la puissance
moyenne maximalede transmission.
Ce travail propose à la fois les stratégies décentralisés où chaque
émet-teur vise à maximiser sonpropre débit moyen d'information reçu avec
suc-cés (jeuégoïste) ou le débit du système(Jeu d'équipe) dansl'hypothèse de
décodage seul-utilisateur à la récepteur (canal point à point) ou décodage
multi-utilisateur (canal composé). La performance des stratégies diérents
proba-dansles led'attente). L'améliorationentre19%et68%pour ledébita été
obtenue. Faitintéressant,lesalgorithmesitératifsd'optimisationavecpoints
dedépartdiérentsgagnent lemême équilibresiunalgorithmedemeilleure
réponse avec un complexité faible est appliqué et que le décodage
mono-utilisateurest utilisé auxrécepteurs. Celaencourage àcroireque l'équilibre
de Nash obtenu est aussi un optimum de Pareto. Au contraire, lorsque
décodage multi-utilisateur est appliqué au niveau des récepteurs, plusieurs
équilibressont obtenusavec lesdiérencesconsidérablesentermes dedébit.
LeMultiplicitédespointséquilibresetlaconvergencedel'approchemeilleure
réponseàunéquilibredeNashontétéquepartiellement traitéesdansce
tra-vail etsont toujoursobjets de recherche.
La recherche menée dans ce chapitre a été présentée dans le document
suivant
•
S.Akbarzadeh,L.Cottatellucci,E.AltmanandC.Bonnet"Distributedcommunication control mechanisms for ad hoc networks"ICC'09,
In-ternational Conference on Communications, June 14-18, 2009,
Dres-den, Germany,pp 1-6.
1.6.3 Chapitre 7
Danscechapitre,nousintéressonsplusspécialementauproblèmeduchapitre
6danslecasdicile d'unréseau adhocdense. En fait,l'approcheproposée
danslechapitre 6 aune complexité exponentielle du nombre d'utilisateurs.
Ensuite, il est pratique et des intérêts théoriques de déterminer les
algo-rithmesde complexitéfaible danslecasdesréseauxdenses oùlenombrede
communications est trés élevé.
Danscecontexte,noussupposonsquelesliensentrel'émetteur et
récep-teursont caractérisés par une sorte de diversité (parexemple dansl'espace
ou dans le fréquence) et nous le référons comme le canal de vecteur avec
N
chemins de diversité. En outre, nous supposons que lesN
chemins dediversité sont aléatoires et
K
est le nombre de liens du réseau etN
tendvers l'inni avec un rapport constant. Cette approche est motivée par le
fait que la conception et l'analyse asymptotique du réseau dans les
envi-ronnements aléatoires diminue la complexité d'une maniére signicative et
fournit des résultats perspicaces pour les analyses . Ce modéle peut
car-actériser les réseaux d'interférence avec la diusion des signaux transmis à
partir des séquences aléatoires (Code Division Multiple Access - CDMA
un tel contexte, lorsque lenombred'utilisateurs et la diversité des chemins
augmentent,lesmesuresfondamentalescommelacapacitéetSINRàlasortie
d'undétecteur de récepteurconvergent auxlimites déterministiques.
L'analyse de performance des récepteurs diérents (par exemple les
l-tresadoptés,linearminimummeansquareerror-LMMSE-,détecteur
opti-mal),pourlescanauxd'accésmultiplesrepresenterparunvecteuretdansun
environnementaléatoireaétélargementétudiédanslalittérature(par
exem-ple[42],[43],[44]). Nousétendronscesrésultatsàdescanauxd'interférence
etlesappliquer àlaconceptionetl'analyse desalgorithmes distribués
inter-couches danslesgrands réseauxd'interférences.
L'hypothèse d'analyse des réseaux larges à interférences entraîne deux
grandsfonctionnalitésfondamentalesdanslesystèmedecontrôleduchapitre
6,caractériséepar unensembledesvariablesdiscrétesdedécisionetune
en-semble des variables discrétes de statistiques du canal. Tout d'abord, un
réseau d'interférence avec un nombre limité d'utilisateurs etun mécanisme
de contrôle décentralisé , une transmission est intrinsèquement soumise à
un outage comme chaque émetteur n'est pas au courant des décisions des
interfereurs etleurs eets. Aucontraire, danslescanauxd'interférence d'un
système large, l'eet des interfereurs tend vers une limite déterministique
indépendammentdesétats instantanésdesliens. Dabord, unémetteurpeut
éviter les événements d'outage par desalgorithmes de contrôle.
Deuxième-ment, la complexité des algorithmes des couches basses, qui augmente de
façon exponentielle avec le nombred'utilisateurs en Chapitre 6,varie
seule-ment selon le nombre des groupes d'utilisateurs, caractérisés par le même
statistiques de canaldansun systèmelarge.
Pour les systèmes larges d'interférence nous considérons la conception
inter-couches pour l'allocation conjointe de débit et de puissance, la
plani-cation et le contrôle d'admission de quatre diérents types de récepteurs.
A savoir, nous considérons deux récepteurs, l'un basésur détection linéaire
MMSE etl'autre sur la détectionoptimale etle dernierce qui inclut le
dé-codage de tous les utilisateurs ayant la même débit et la puissance reçue.
Lesrécepteursn'ontqu'uneconnaissance statistiquedesétatsdecanauxdes
interfereurs. Un troisième récepteur est basé sur la function conjointe de
la détection ptimale et le décodage de tous les utilisateurs ayant la même
puissance reçue et débit, mais avec une connaissance supplémentaire de la
structure d'interférence au niveau du récepteur. Le quatrièmerécepteur
dé-code conjointement et de maniére optimale tous les utilisateurs décodable
tout ensachant lastructure d'interférence.