Redes de células pequeñas con

características de cobertura
fractal
Sistema del modelo
 Contribución de red de células
pequeñas fractales inalámbricas

 Probabilidad de cobertura

 Tasa media alcanzable

 Eficiencia espectral del área

Parámetros de simulación por defecto
de redes de células pequeñas 5g

La simulación analítica es adoptado como el método de simulación predeterminado

La simulación analítica es adoptado como el método de simulación predeterminado

 Resultados de simulación

Probabilidad de cobertura

Probabilidad de cobertura de
celda pequeña fractal 5G redes
con respecto al umbral SIR
considerando diferente número de
antenas de transmisión SBS.
Probabilidades de cobertura con
respecto al SIR umbral considerando el
fractal y las pequeñas células PVT.
Probabilidad de cobertura con
anisotrópicos y modelos de
pérdida de trayectoria isotrópica
con respecto al fractal parámetro.

simulación de Monto-Carlo (MC)

Tasa media alcanzable con respecto al
parámetro fractal ε considerando
diferentes modelos de pérdida de
trayectoria
Rendimiento medio de la tasa alcanzable

tasa promedio alcanzable con

respecto a la densidad SBS λB
considerando diferentes
modelos de pérdida de ruta.
Conclusión

 Considerando el impacto de la pérdida de la trayectoria anisotrópica en

escenarios celulares realistas, los rendimientos en: la probabilidad de
cobertura, la tasa media alcanzable y la eficiencia espectral del área
tienen que ser re-evaluadas para redes celulares inalámbricas.
 Estrategias para dormir
estaciones base de small cell
para la eficiencia energética
Problema Actual en redes small cell

 Con la nueva tecnología 5G se tiene una mayor necesidad de antenas

de corta comunicación como las small cell
 Estas deben estar siempre activas , lo que provocara un gasto
inmensurable en energía
 Con el aumento esperado en el número de despliegues de small cell la
eficiencia energética es crucial y laconsideración de una perspectiva de
sostenibilidad ecológica
Contribución Científica

Buscar el equilibrio óptimo entre la

energía y el rendimiento
mediante la maximización de eficiencia
energética, bajo limitaciones de QoS
Se propone una política de dormir al
azar para un punto de referencia
contra el cual el rendimiento de dormir
estratégicamente pueda ser
comparado.
Algoritmo propuesto para dormir

 Las estaciones base de celda pequeña con la mayoría de los usuarios en

cobertura están activadas.
 Luego, los modos de suspensión de otras BS se determinan de acuerdo
con las distancias entre un BS y UE, es decir, un BS duerme más ligero con
UE más cerca.

Modo de sueño Hora de despertar (s) Consumo de energía

On 0 100%
Stand-by 0.5 50%
Sleep 10 15%
Off 30 0
Funcionamiento

d1

Duerme
más pesado

d2
Estación Base

Duerme
más ligero
Conclusión

 Se alcanzo mayor probabilidad de cobertura.

 Mayor Tasa alcanzable promedio .
 El mejor equilibrio de Energía y eficiencia medido en términos de “bits /
joule”.
 Se mejoro aproximadamente 30% en eficiencia energética con política
de sueño aleatoria.
 Se puede aumentar un 15 % mas si se aplica una política estratégica para
dormir small cell.
 Formación virtual de
small cells en redes 5G
OBJETIVO

 Proponer una alternativa para el avance tecnológico

en la red móvil 5G. Específicamente, se tratara de
reducir los enlaces que se realizan entre BS
macrocelda y UEs, y así optimizar la capacidad y la
cobertura en una zona o área específica.
BENEFICIOS

 Puede ayudar reduciendo la complejidad y costos de la implementación

masiva de sistemas MIMO.
 Al usar un espectro separado para las comunicaciones de small cell de
corto alcance (por ejemplo, WiFi, Bluetooth o mmWave), el espectro de la
red celular se libera para las comunicaciones de macrocelda a small cell.
 La compresión de datos se puede utilizar en la comunicación entre la
macrocelda y las capas de small cells para aumentar aún más la
capacidad de la red.
FORMACIÓN Y ANÁLISIS VIRTUAL DE
CÉLULAS PEQUEÑAS

 El modo BS de small cells se realiza con la probabilidad α. Adicionalmente, α =

𝛼𝑐 𝛼𝑟 , donde: 𝛼𝑐 es la probabilidad de que se cumplan restricciones de
calificación, y 𝛼𝑟 es la probabilidad de un factor de aleatorización.

Se muestra, que hay al menos un α ∈ (0,

1) que maximiza c (α). Aquí, encontramos
este valor óptimo que maximiza la
densidad de los usuarios conectados a
través de BS de small cells, donde el más
optimo es n=50.
FORMACIÓN Y ANÁLISIS VIRTUAL DE
CÉLULAS PEQUEÑAS

 Aquí se observa, que para n

pequeño, todos los UE deben
estar en modo de usuario (para
θ> 0.5) o en modo BS (para θ
<0.5), lo que significa que la
formación de células pequeñas
es prácticamente ineficaz para
redes dispersas.
FORMACIÓN Y ANÁLISIS VIRTUAL DE
CÉLULAS PEQUEÑAS

 Por otro lado, los valores de 𝛼𝑜𝑝𝑡 se vuelven

casi iguales, cuando n se vuelve lo
suficientemente grande. entonces 𝛼𝑜𝑝𝑡
minimiza la suma de las densidades de
enlaces troncales y enlaces directos, con
pesos iguales. En otras palabras, 𝛼𝑜𝑝𝑡
minimiza el número de enlaces necesarios
para las BS de macrocélulas para
conectar todos los UE.
CONCLUSIONES

 Se ha obtenido la densidad óptima de small cells para este

esquema para el cual se minimiza el número de enlaces de
comunicación a las BS de macroceldas para conectar a
todos los usuarios directamente o a través de las células
pequeñas y se ha demostrado que este valor es
asintóticamente proporcional al logaritmo de la densidad de
red.