Mediciones y aprendizaje estadístico aplicado a redes inalámbricas

Rattaro, Claudina

Supervisor(es): Belzarena, Pablo - Belzarena, Pablo

Resumen:

El presente documento contiene la documentación final de la Tesis de Maestría titulada: \Mediciones y Aprendizaje Estadístico aplicado a problemas de Redes Inalámbricas". La autora del mismo, Claudina Rattaro, es estudiante de la Maestría en Ingeniería Eléctrica de la Facultad de Ingeniería - UdelaR, Plan de Estudios 2004. El trabajo se llevó a cabo en el período comprendido entre agosto 2010 y setiembre 2012 bajo la tutoría del Doctor Pablo Belzarena. Desde hace unos años, las redes inalámbricas se han convertido en la tecnología más popular para brindar acceso a Internet. Como consecuencia de su fácil despliegue y bajos costos, estas juegan un papel fundamental a la hora de suministrar conectividad en entornos rurales aislados con baja densidad de población. En estas zonas es importante llegar con servicios de telemedicina y teleeducación, imprescindibles para lograr igualdad de oportunidades. Para desplegar este tipo de aplicaciones u otros servicios interactivos y audiovisuales, se necesita una infraestructura de red que garantice ciertos niveles de calidad de servicio. Las tecnologías más populares actualmente (ej.: IEEE 802.11) no pueden garantizar estrictos requisitos de calidad de servicio, por lo tanto, resulta necesaria la investigación de mecanismos adicionales. Este trabajo propone un enfoque de \caja negra" para estudiar el desempeño de las redes inalámbricas. En particular se presenta una metodología que permite la estimación de parámetros de calidad de servicio de extremo a extremo para una conexión en una red de este tipo. La técnica propuesta está basada en una combinación de mediciones activas en la red junto con la aplicación de técnicas de aprendizaje estadístico, donde el sistema es entrenado durante ciertos períodos de tiempo mediante ujos de aplicación y el envío de ráfagas de paquetes de medida. El análisis estadístico se basa en la utilización de la herramienta Support Vector Machines. Es importante destacar que el método propuesto resulta independiente de la tecnología inalámbrica utilizada. La metodología puede ser usada para varios propósitos. En este trabajo se presentan dos posibles aplicaciones: (i) estimación del throughput obtenido por cierta conexión en una red inalámbrica, (ii) elaboración de decisiones de control de admisión con el objetivo de garantizar requerimientos mínimos de calidad de servicio de extremo a extremo según cada aplicación. Se realizaron validaciones por medio de simulaciones y también de forma experimental en redes montadas en un laboratorio. Se incluyeron pruebas en redes heterogéneas: backbone WiMax y tramo de acceso WiFi. Se obtuvieron buenos resultados en la verificación de ambos casos de uso de la metodología. Se demuestra además que la técnica no resulta invasiva a pesar de que involucra mediciones activas en la red.


Detalles Bibliográficos
2012
Aprendizaje estadístico
Redes inalámbricas
Control de admisión
Support vector machines
IEEE 802.11e
WiMax
QoS
Español
Universidad de la República
COLIBRI
http://hdl.handle.net/20.500.12008/2891
Acceso abierto
Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)
Resumen:
Sumario:El presente documento contiene la documentación final de la Tesis de Maestría titulada: \Mediciones y Aprendizaje Estadístico aplicado a problemas de Redes Inalámbricas". La autora del mismo, Claudina Rattaro, es estudiante de la Maestría en Ingeniería Eléctrica de la Facultad de Ingeniería - UdelaR, Plan de Estudios 2004. El trabajo se llevó a cabo en el período comprendido entre agosto 2010 y setiembre 2012 bajo la tutoría del Doctor Pablo Belzarena. Desde hace unos años, las redes inalámbricas se han convertido en la tecnología más popular para brindar acceso a Internet. Como consecuencia de su fácil despliegue y bajos costos, estas juegan un papel fundamental a la hora de suministrar conectividad en entornos rurales aislados con baja densidad de población. En estas zonas es importante llegar con servicios de telemedicina y teleeducación, imprescindibles para lograr igualdad de oportunidades. Para desplegar este tipo de aplicaciones u otros servicios interactivos y audiovisuales, se necesita una infraestructura de red que garantice ciertos niveles de calidad de servicio. Las tecnologías más populares actualmente (ej.: IEEE 802.11) no pueden garantizar estrictos requisitos de calidad de servicio, por lo tanto, resulta necesaria la investigación de mecanismos adicionales. Este trabajo propone un enfoque de \caja negra" para estudiar el desempeño de las redes inalámbricas. En particular se presenta una metodología que permite la estimación de parámetros de calidad de servicio de extremo a extremo para una conexión en una red de este tipo. La técnica propuesta está basada en una combinación de mediciones activas en la red junto con la aplicación de técnicas de aprendizaje estadístico, donde el sistema es entrenado durante ciertos períodos de tiempo mediante ujos de aplicación y el envío de ráfagas de paquetes de medida. El análisis estadístico se basa en la utilización de la herramienta Support Vector Machines. Es importante destacar que el método propuesto resulta independiente de la tecnología inalámbrica utilizada. La metodología puede ser usada para varios propósitos. En este trabajo se presentan dos posibles aplicaciones: (i) estimación del throughput obtenido por cierta conexión en una red inalámbrica, (ii) elaboración de decisiones de control de admisión con el objetivo de garantizar requerimientos mínimos de calidad de servicio de extremo a extremo según cada aplicación. Se realizaron validaciones por medio de simulaciones y también de forma experimental en redes montadas en un laboratorio. Se incluyeron pruebas en redes heterogéneas: backbone WiMax y tramo de acceso WiFi. Se obtuvieron buenos resultados en la verificación de ambos casos de uso de la metodología. Se demuestra además que la técnica no resulta invasiva a pesar de que involucra mediciones activas en la red.