ML-basiertes Radio-Ressourcenmanagement in WLAN-Netzen

• Antragsteller: Professor Dr.-Ing. Falko Dressler
• Fachliche Zuordnung: Kommunikationstechnik und -netze, Hochfrequenztechnik und photonische Systeme, Signalverarbeitung und maschinelles Lernen für die Informationstechnik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 465309697

Drahtlose lokale Netze (WLANs) basierend auf dem IEEE 802.11-Standard (Wi-Fi) haben eine dominierende Position im Bereich des Internetzugangs dank ihrer einfachen Aufbringung und Konfiguration – und natürlich durch die Nutzung freier unlizenzierter Kanäle im Radiospektrum. Eine wichtige Rolle spielen auch die preisgünstigen und interoperablen Systeme. Leider bringt der Einsatz in gemeinsam genutzten unlizenzierten Kanälen auch viele Probleme mit sich, gerade bei weiterer Verdichtung der Netze. Dies verkompliziert sich weiter durch die kontinuierliche Steigerung der Komplexität der WLAN-Technologien. Neue Mechanismen zur Erhöhung des Durchsatzes bringen mannigfaltige Konfigurationsoptionen mit sich, welche nur dann optimale Ergebnisse liefern, wenn sie aufeinander abgestimmt genutzt werden. Viele Abhängigkeiten machen den Optimierungsprozess hochgradig nicht-linear. Dies gilt insbesondere in sogenannten koexistierenden Netzen, in denen die Parametrierung über Systemgrenzen hinaus koordiniert angepasst und optimiert werden muss. Nachdem zukünftige WLANs neben dem Durchsatz auch noch auf geringe Delays und erhöhte Zuverlässigkeit optimiert werden, ergeben sich völlig neue Herausforderungen an die Verwaltung der Radioressourcen.All diese Faktoren machen Algorithmen des maschinellen Lernens (ML) zu einer vielversprechenden Basis für moderne WLAN-Netze. ML-Algorithmen können Modelle bilden und weiterentwickeln – mit einer konfigurierbaren Genauigkeit, mit denen der Lösungsraum moderner WLAN-Technologien abgebildet werden kann. Entsprechende Beobachtungen (Observation Space) werden dann auf Aktionen (Action Space) abgebildet und erlauben durch entsprechende Belohnung (Reward) eine kontinuierliche Nachjustierung der Konfigurationen – auch und insbesondere in verteilten koexistierenden WLAN-Netzen. Ähnliche Konzepte wurden bereits in 5G-Netzen studiert und zeigen vielversprechende Ergebnisse. Für die Übertragung der Konzepte auf WLAN ist jedoch weitere Grundlagenforschung nötig. Dies liegt daran, dass 5G mit einem zentralisierten Ressourcenmanagement und einer zentral geplanten Ausbringung einfacher zu konfigurieren ist. Weiterhin arbeitet 5G in lizenzierten Frequenzbändern, die ohne Interferenz durch andere Protokolle und benachbarte WLAN-Netze agieren können. Das ML4WIFI-Projekt wird eben diese Fragen untersuchen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Polen
• Kooperationspartner: Professor Dr. Szymon Szott