[論文レビュー] An Intelligent Call Admission Control Decision Mechanism for Wireless Networks

H. S. Ramesh Babu, Gowrishankar Gowrishankar+1 more|arXiv (Cornell University)|Apr 26, 2010

Wireless Communication Networks Research参考文献 18被引用数 6

ひとこと要約

本稿では、次世代無線ネットワーク（NGWN）におけるコール認証の知能的管理を目的として、再帰的径路基底関数ネットワーク（RRBFN）を用いたファジィニューラルコール認証制御（FNCAC）方式を提案する。ファジィ論理による言語的意思決定とニューラルネットワークによる適応的学習を統合することで、会話型、インタラクティブ型、バックグラウンド型の3つのトラフィッククラスにおいて、コールブロッキング確率を低減するとともに、最適なリソース利用を維持する。

ABSTRACT

The Call admission control (CAC) is one of the Radio Resource Management (RRM) techniques plays instrumental role in ensuring the desired Quality of Service (QoS) to the users working on different applications which have diversified nature of QoS requirements. This paper proposes a fuzzy neural approach for call admission control in a multi class traffic based Next Generation Wireless Networks (NGWN). The proposed Fuzzy Neural Call Admission Control (FNCAC) scheme is an integrated CAC module that combines the linguistic control capabilities of the fuzzy logic controller and the learning capabilities of the neural networks .The model is based on Recurrent Radial Basis Function Networks (RRBFN) which have better learning and adaptability that can be used to develop the intelligent system to handle the incoming traffic in the heterogeneous network environment. The proposed FNCAC can achieve reduced call blocking probability keeping the resource utilisation at an optimal level. In the proposed algorithm we have considered three classes of traffic having different QoS requirements. We have considered the heterogeneous network environment which can effectively handle this traffic. The traffic classes taken for the study are Conversational traffic, Interactive traffic and back ground traffic which are with varied QoS parameters. The paper also presents the analytical model for the CAC .The paper compares the call blocking probabilities for all the three types of traffic in both the models. The simulation results indicate that compared to Fuzzy logic based CAC, Conventional CAC, The simulation results are optimistic and indicates that the proposed FNCAC algorithm performs better where the call blocking probability is minimal when compared to other two methods.

研究の動機と目的

• 多様なトラフィック要求を有する異種無線ネットワークにおけるサービス品質（QoS）を維持する課題に対処すること。
• 異なるアプリケーションが異なるQoS要件を有するマルチクラストラフィック環境において、コールブロッキング確率を低減すること。
• 変動するネットワーク状態やトラフィック負荷に応じて動的に適応可能なインテリジェントなコール認証制御メカニズムを構築すること。
• ファジィ論理の解釈可能性とニューラルネットワークの学習能力を統合し、CACにおける意思決定の向上を図ること。
• 従来のCACおよびファジィ論理ベースのCAC手法と比較して、ブロッキング確率およびリソース利用効率という観点から、提案されたFNCACモデルの性能を評価すること。

提案手法

• FNCACモデルは、時間変動するネットワーク環境における動的適応性と向上した学習能力を実現するため、再帰的径路基底関数ネットワーク（RRBFN）をコア学習アーキテクチャとして採用する。
• システムは、遅延、ジタ、帯域幅などのQoSパラメータに基づくルールベース意思決定のためのファジィ論理と、制御意思決定の最適化のためのニューラルネットワーク学習を統合する。
• 会話型、インタラクティブ型、バックグラウンド型の3つのトラフィッククラスを、それぞれ異なるQoS要件でモデル化し、そのパラメータをFNCAC意思決定エンジンの入力として使用する。
• CAC意思決定は、現在のネットワーク負荷、リソース利用可能性、トラフィッククラスの優先順位のハイブリッド評価に基づき、言語的ルールとRRBFNからの適応的重みを用いる。
• コール認証制御のための解析的モデルを構築し、意思決定論理と性能指標を数学的に表現する。
• シミュレーションを実施し、従来のCACおよびファジィ論理ベースのCACと比較することで、コールブロッキング確率という観点での性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 提案されたFNCACモデルは、異なるトラフィッククラスにおいて、従来のCACおよびファジィ論理ベースのCACと比較して、コールブロッキング確率でどのように異なるか？
• RQ2 ファジィ論理とニューラルネットワークの統合は、異種無線ネットワークにおけるリソース利用効率とQoSをどの程度向上できるか？
• RQ3 RRBFNベースのアーキテクチャは、動的トラフィック状態に効果的に適応し、マルチクラス環境でも低ブロッキング率を維持できるか？
• RQ4 既存手法と比較して、FNCACは高優先度の会話型トラフィックのブロッキング確率低減でどの程度の性能向上を達成できるか？
• RQ5 変動するネットワーク負荷下で、FNCACモデルはリソース効率とQoS保証の両立をどのように実現できるか？

主な発見

• 提案されたFNCAC方式は、従来のCACおよびファジィ論理ベースのCAC手法と比較して、顕著に低いコールブロッキング確率を達成した。
• RRBFNフレームワーク内でのファジィ論理とニューラルネットワークの統合により、動的トラフィック状態下でもより優れた適応性と学習能力が得られ、意思決定の質が向上した。
• モデルは、QoS要件に応じたトラフィッククラスの優先順位付けを効果的に行いながら、最適なリソース利用を維持した。
• シミュレーション結果から、FNCACモデルは特に会話型およびインタラクティブ型トラフィッククラスのブロッキング低減において、既存手法を上回る性能を示した。
• 解析的モデルにより、混合トラフィックタイプを有する異種ネットワーク環境におけるFNCACアプローチの安定性とスケーラビリティが確認された。