Optimisation de modèles de propagation à partir des données de mesures radio de la ville de Yaoundé

Abstract

Les modèles de propagation sont des outils essentiels pour la planification et l’optimisation radio dans les réseaux mobiles. Le présent article présente une étude comparative de cinq méthodes d’optimisation de modèles de propagation à savoir : La régression linéaire, la méthode de Newton de second ordre, le recuit simulé, les algorithmes génétiques et l’essaim de particules. Il prend en compte le modèle  standard K facteurs pour ensuite utiliser les algorithmes su listés afin  d’optimiser le modèle standard d’OKUMURA HATA pour l’adapter au milieu physique de la ville de Yaoundé. La collecte des données aux travers des mesures radio s’est faite dans la ville de Yaoundé sur le réseau CDMA2000 1X existant. L’évaluation de la racine carrée de l’erreur quadratique moyenne (REQM) entre les données de prédiction et celles mesurées permet de valider la précision de chacune des approches. Une étude comparative est faite afin de ressortir la précision, les  similitudes et les différences entre différentes approches. Au travers de cet article, il est montré que la régression linéaire bien que la plus utilisée par les auteurs à travers le monde comme méthode d’optimisation radio de part le nombre de publications y relatifs ne permet que d’optimiser deux paramètres sur un ensemble de six paramètres (les quatre autres étant supposés constants), il en est de même pour la méthode Newton, cependant les trois autres approches présentées  permettent au besoin d’optimiser jusqu’à six paramètres.

Mots-clés: Modèle de propagation, racine carrée de l’erreur quadratique moyenne, régression linéaire, algorithmes génétiques, optimisation par essaim de  particules, recuit simulé, algorithme de Newton de second ordre.

Propagation models are essential tools for planning and optimization in mobile radio networks. This paper presents a comparative study of five propagation model optimization methods namely: Linear regression, Newton second order algorithm, simulated annealing, genetic algorithms and particles swarm optimization. This paper takes into account the standard propagation model K factors and then uses the previous mentioned algorithms to optimize standard OKUMURA HATA model  to the city of Yaoundé. The data were collected in Yaounde through drive test on the existing CDMA2000 1X network. The evaluation of the root mean squared error (RMSE) between the actual data and predicted one is used to validate the accuracy of each method. A comparative study was done in order to appreciate the  accuracy, similarity and difference between the mentioned approaches. Herein, it is shown that linear regression not withstanding the fact that it is commonly  used by authors worldwide, can optimize only two parameters out of a set of six parameters, the remaining four are assumed constant. We have the same  conclusion for Newton method, while the three others approaches could optimize up to six parameters.

Key words: Propagation model, Linear regression, Newton second order algorithm, simulated annealing, genetic algorithms and particles swarm optimization