Application of Machine Learning techniques to the OFDMA resource allocation problem in WiFi networks

Abstract

[ES] La inclusión de OFDMA en el estándar IEEE 802.11ax (WiFi 6) permite la transmisión simultánea a varios usuarios. De hecho, es necesario un algoritmo planificador que asigne los recursos de radio de manera óptima. Debido a la alta complejidad del problema, en este proyecto se investiga el desarrollo de un planificador OFDMA basado en el Aprendizaje Automático (Machine Learning). El Aprendizaje Automático se caracteriza por resolver problemas de optimización aplicando algoritmos capaces de ¿aprender¿ patrones de grandes conjuntos de datos, y además, utilizándolo de la manera correcta, poder tomar decisiones. Para ello, se realiza un estudio teórico acerca del estado del arte actual sobre el Aprendizaje Automático. Asimismo, se efectúa un estudio similar sobre el estándar IEEE 802.11ax en el ámbito de OFDMA y se analizan aplicaciones previas del Aprendizaje Automático a la asignación de recursos OFDMA. Además, se llevan a cabo simulaciones con el fin de evaluar la utilidad de esta tecnología en este ámbito, implementadas con el conocido simulador de redes NS3. Finalmente, se concluye que esta tecnología es próspera para la planificación OFDMA en futuros Puntos de Acceso WiFi.

[EN] The standard IEEE 802.11ax (WiFi 6) includes OFDMA, which allows to perform simultaneous transmissions to different users. In fact, a scheduling algorithm is needed to optimally assign the radio resources to the users. Due to the complexity of the problem, a Machine-Learning-based OFDMA scheduler is researched. Machine Learning techniques are able to solve optimization problems by ¿learning¿ patterns from large datasets. Moreover, these techniques can be used to make decisions. Therefore, a theoretical analysis is performed about current Machine Learning state of the art. Furthermore, a similar study about OFDMA in IEEE 802.11ax is done, along with a review of previous Machine Learning applications to the OFDMA scheduling problem. In addition, some simulations are implemented in order to evaluate the utility of these algorithms in this ambit. Finally, it is concluded that this technology can be used for future WiFi Access Point products.