Programa del congreso

Currently, the increase of location aware services and network management has driven the demand for user location estimation schemes, although it is not usually available to operators. Moreover, commercial networks have limited access to specific user related metrics. In general, solutions with Machine Learning (ML) have reached high precisions, but only in a trained scenario, and with difficulties in predicting unseen areas. The approach proposed here solves the above limitation by a reference coordinate conversion, to obtain relative polar positions which create scenario agnostic models, and whose performance is demonstrated using a dataset recollected from a commercial mobile network.

In 5G networks, Cloud-Radio Access Network (C-RAN) architecture divides legacy base stations into Radio Remote Heads (RRH) and Base Band Units (BBU). RRHs transmit and receive radio signals, whereas BBUs process those signals. Thus, BBUs can be centralized in cloud processing centers serving different groups of RRHs. An adequate allocation of RRHs to BBUs is essential to guarantee C-RAN performance. With the latest advances in machine learning, this task can be automatically addressed through supervised learning. This paper proposes a methodology for allocating RRHs to BBUs in heterogeneous cellular networks relying on graph partitioning through a graph neural network. Model performance is assessed over a dataset built with a radio planning tool that implements a realistic Long Term Evolution (LTE) heterogeneous network. Results have shown that the proposed method improves performance of a patented state-of-the-art tool based on graph partitioning.

En este artículo se presenta el estudio y caracterización del canal de propagación en un entorno de oficinas en la banda de 60 GHz, mediante el uso de un software comercial, denominado Wireless Insite, basado en la técnica de trazado de rayos. Utilizando este software comercial se han modelado todos los elementos de la sala (sillas, mesas, ordenadores, etc,) en la que se va a realizar el modelado.Para validar los resultados teóricos obtenidos se presenta una comparativa de la potencia recibida, obtenida con el software de simulación, en cada una de las posiciones de medida elegidas, con las medidas efectuadas con un equipo comercial de comunicaciones de la empresa Fujikura.Además, se presentará el delay spread y el ancho de banda de coherencia para ilustrar el impacto que tienen los obstáculos en el escenario bajo estudio sobre la señal recibida en cada punto de medida. Como conclusión, puede decirse que el software comercial Wireless Insite se ha revelado como una herramienta útil, fiable y flexible para caracterizar y modelar el canal de propagación en bandas milimétricas.

En una situación de emergencias, la red debe ser capaz de proporcionar diversos servicios con requisitos de calidad diferentes. La categoría de servicio URLLC proporcionará servicios de mínima latencia, mientras que eMBB aportará comunicaciones con una gran tasa binaria. Network Slicing es una tecnología de las redes 5G que permite multiplexar diferentes servicios haciendo uso de redes lógicas montadas sobre una misma infraestructura física. Sin embargo, los recursos que posee la red son reducidos, y es necesario encontrar la manera de repartir esos recursos entre los distintos servicios y garantizar que las métricas de calidad de cada uno de ellos no se vean perjudicadas. En este trabajo se ha analizado la posibilidad de repartir los recursos de manera óptima para escenarios con un funcionamiento normal. Para el caso de escenarios de emergencias, la red sufre graves degradaciones de las métricas de calidad de los servicios. Para estas situaciones, se ha implementado un algoritmo basado en reglas con el cual la red es capaz de asignar recursos a los servicios de forma automática, de manera que se cumplan sus requisitos de QoS.

This study aims to investigate the impact of exten- ded reality (XR) traffic on Wi-Fi networks and provide insights to improve the performance of XR applications. A network simulator was used to model Wi-Fi networks and generate traffic patterns for XR applications. The performance of Wi-Fi networks with traditional traffic and XR traffic was compared in terms of throughput and delay.