Análisis de expansión de redes de telefonía móvil empleando procesos Gaussianos

Autores/as

  • Jhouben Janyk Cuesta Ramírez Ingeniero Electricista. Laboratorio de Investigación en Automática. Universidad Tecnológica de Pereira. Pereira
  • Álvaro Ángel Orozco Gutiérrez Ph.D. Bioingeniería, Docente Titular Universidad Tecnológica de Pereira. Pereira
  • Mauricio Alexánder Álvarez López Ph.D. Ciencias de la Computación, Docente Asociado Universidad Tecnológica de Pereira. Pereira

DOI:

https://doi.org/10.15332/iteckne.v10i2.391

Palabras clave:

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

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.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

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

Descargas

Publicado

2014-02-24

Cómo citar

Cuesta Ramírez, J. J., Orozco Gutiérrez, Álvaro Ángel, & Álvarez López, M. A. (2014). Análisis de expansión de redes de telefonía móvil empleando procesos Gaussianos. ITECKNE, 10(2), 149–157. https://doi.org/10.15332/iteckne.v10i2.391

Número

Vol. 10 Núm. 2 (2013)

Sección

Artículos de Investigación e Innovación

Licencia

La revista ITECKNE se encuentra registrada bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional  Por lo tanto, esta obra se puede reproducir, distribuir y comunicar públicamente, siempre que se reconozca el nombre de los autores y a la Universidad Santo Tomás. Se permite citar, adaptar, transformar, autoarchivar, republicar y crear a partir del material, siempre que se reconozca adecuadamente la autoría, se proporcione un enlace a la obra original y se indique si se han realizado cambios.

La Revista ITECKNE no retiene los derechos sobre las obras publicadas y los contenidos son responsabilidad exclusiva de los autores, quienes conservan sus derechos morales, intelectuales, de privacidad y publicidad. Sin embargo esta facultada para editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir el artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.