Encabezado de página
DOI: https://doi.org/10.15332/iteckne.v10i2.391

Análisis de expansión de redes de telefonía móvil empleando procesos Gaussianos

Jhouben Janyk Cuesta Ramírez, Álvaro Ángel Orozco Gutiérrez, Mauricio Alexánder Álvarez López

Resumen - 347 | PDF - 79

Texto completo:

PDF

Resumen

Durante la formulación de su plan de expansión, una red de telefonía móvil (GSM) requiere del análisis de aquellas variables que resultan clave para el buen desempeño de la red (KPIs). Los operadores de red poseen herramientas que analizan el comportamiento del KPI sólo para aquellos puntos de la red que contienen celdas. Este artículo propone una herramienta que ilustra de manera gráfica el comportamiento en el tiempo de un KPI, no sólo para aquellos puntos donde se encuentren las celdas, sino también en la totalidad de la zona geográfica donde la red de celdas se encuentra ubicada. Se aplica un Proceso Gaussiano de Regresión a mediciones obtenidas de las celdas pertenecientes a la red y se infiere una superficie que representa el comportamiento en el tiempo para toda la zona. Finalmente se observa cómo una región de la red con poca densidad de celdas sostiene valores elevados del KPI la mayoría del tiempo invitando al operador de red a tener en cuenta la solución del problema de dicha región en la formulación del plan de expansión.


Palabras clave

aprendizaje de máquina, KPIs, Procesos Gaussianos, red global de telefonía (GSM), regresión.

Referencias


C. Steven and P. Samuel, “On the Expansion of Cellular Wireless Networks”. Éole Polytechnique de Montréal, 2002.

A.R. Mishra, Advanced Cellular Network Planning and Optimization: 2G/2.5G/3G… Evolution to 4G, John Wiley & Sons, 2006.

J. Laiho, A. Wacker, and T. Novosad, Radio Network Planning and Optimization for UMTS, 2001 :Wiley

C. Roberto, I. Tiziano and V. Luca. “Network monitoring and performance evaluation in a 3.5G network”. Computer Networks Vol. 51. 2007.

Sukkhawatchani, P.; Usaha, W., “Performance evaluation of anomaly detection in cellular core networks using self-organizing map,” Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, 2008. ECTI-CON 2008. 5th International Conference, vol.1, no., pp.361, 364, 14-17 May 2008.

A.K.M. Fazlul, Mohamed Mir, K. Abu. “Performance Analysis of UMTS cellular Network using Sectorization Based on Capacity and Coverage” IJACSA International Journal of Advanced Computer Science and Applications Vol. 1, No.6, 2011.

Ye Ouyang and M. Hosein Fallah. “A performance Analysis for UMTS Packet Switched Network Based on Multivariate KPIs”. IJNGN International Journal of Next Generation Network, Vol.2, No.1, March 2010.

Kumpulainen P, Särkioja M. et al. “Analysing 3G radio network performance with fuzzy methods”. Neurocomputing Vol. 107. 2013.

C.E. Rasmussen and C. Williams, Gaussian Processes for Machine Learning. The MIT Press, 2006. 10 antes

J.Q.Shi, R. Murray-Smith and D.M. Titterington, “Hierarchical Gaussian Process Mixtures for Regression”. Statics and Computing, Springer, 2005.

A. Schwaighofer, M. Grigoras, V. Tresp and C. Hoffmann, “GPPS: A Gaussian Process Positioning System for Cellular Networks” in book: Advances in Neural Information Processing Systems 16. The MIT press, 2004.

B. Ferris, D. Hähnel and D. Fox, “Gaussian Processes for Signal Strength-Based Location Estimation”. Proc. of Robotics: Science and Systems, 2006.

Liutkus A. and Badeau R. and Richard G., “Multidimensional signal separation with Gaussian processes,” IEEE Statistical Signal Processing Workshop (SSP), 2011.

F. Duvallet and A.D. Tews, “WiFi Position Estimation in Industrial Environments Using Gaussian Processes”, Intelligent Robots and Systems, 2008. IROS 2008. IEEE/RSJ International Conference on , vol., no., pp.2216,2221, 22-26 Sept. 2008

C.M. Bishop, Pattern Recognition and Machine Learning. Springer, 2006.

K. P. Murphy, Machine Learning a Probabilistic Perspective. The MIT Press, 2012, p. 1067.

http://www.gaussianprocess.org/#code

K. Chalupka, “Empirical evaluation of Gaussian Process approximation algorithms”, Master’s thesis, School of Informatics, University of Edinburgh, 2011


Resumen - 347 | PDF - 79

Enlaces refback

  • No hay ningún enlace refback.
ISSN: 1692-1798 (impreso)
ISSN: 2393-3483 (en línea)



Imagen